- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI科技大本营的专栏
苹果发布 AI 生成模型 GAUDI，文字生成 3D 场景
整理 | 禾木木 出品 | AI科技大本营（ID:rgznai100） 前有DALL.E文本生成图像，现有将文字变成 3D场景。 近日，苹果 AI 团队发布最新 AI 模型 GAUDI，它是基于 3D 场景的神经架构 NeRFs，可以根据文字生成 3D 室内场景。 苹果 AI 团队发布的 GAUDI 是一种能够生成沉浸式 3D 场景的神经架构，可以根据文字提示创建 3D 场景。 例如，输入“穿过走廊”或“上楼梯”，就可以看到执行这一动作的 3D 场景视频。 Apple GAUDI 是 3D 内饰专家 虽然谷歌致力于使用 Dream Fields 生成单个对象，但将生成 AI 扩展到完全不受约束的 3D 场景仍是一个尚未解决的问题。 虽然现在 GAUDI 生成的 3D 场景视频质量还不是很高，但这也说明了 AI 在图像和视频技术这生成的另一种可能。
95820编辑于 2022-12-09 HTML生成网页工具推荐：哪些场景最值得用AI？
于是，“HTML生成网页工具推荐”成了越来越多人主动搜索的关键词。与其问哪个工具最好，不如先想清楚：哪些场景最值得用AI？ 一、快速验证想法的场景比如你要测试一个新项目的落地页，核心是验证转化，而不是研究技术细节。这时候，用HTML生成网页工具可以直接生成结构清晰的页面骨架，省去手写模板的时间。 需要说明的是，lynxcode就是原来的lynxAI，功能上已经从单页生成扩展到完整应用构建。二、非前端开发者的协作场景产品经理、运营、内容编辑，经常需要一个“能跑起来的页面”去沟通想法。 HTML生成网页工具的价值就在于降低表达门槛，让非技术人员也能生成可预览的页面，再交给工程团队优化。在这种协作模式下，AI生成的是“沟通介质”，而不是最终成品。 四、学习与拆解结构对于初学者而言，AI生成的HTML代码也是一种学习素材。通过观察生成结果，可以理解页面布局逻辑、语义结构和基础样式组织方式，比从零空白开始更友好。
19210编辑于 2026-03-03- 来自专栏人工智能
📌《AI生成代码的边界测试：哪些场景人类仍需主导》
现状速览：AI代码生成器的双面性 已突破的边界✅ 重复性模板代码：实体类生成/CRUD接口（效率提升50%+）# AI自动生成的Flask路由模板 @app.route('/api/users', methods ，结果出现： 1️⃣ 羊毛党漏洞：未识别跨店铺满减叠加规则 2️⃣ 库存超卖：分布式锁实现缺失 3️⃣ 风控缺失：未考虑黄牛批量刷券场景 AI生成的代码就像未经打磨的玉石，需要人类注入业务灵魂 ：测试用例的“反直觉”设计 AI生成的典型测试代码// 仅覆盖基础场景 @Test void testCouponUse() { Coupon coupon = new Coupon(100, 20 人类专注业务异常流设计 风险预警实时数据流分析 提前10分钟发现资金闭环漏洞知识沉淀故障模式自动归档构建企业级防御性编程知识库 ⚙️ 腾讯云场景化解决方案▸ CODING DevOps：AI生成代码质量门禁 #人机协同 #代码质量 #未来开发 #腾讯云开发者社区️ 附录：腾讯云开发者工具箱场景 推荐产品 人机协同亮点 代码生成腾讯云AI代码助手支持上下文敏感的业务规则注入 安全审计腾讯云安全中心
59210编辑于 2025-04-14 - 来自专栏大数据，java，Python和前端
一键生成，效率革命：AI 神器 CodeBuddy IDE 实测与场景应用
CodeBuddy IDE 正是这样一款以 AI 为核心驱动力的新一代开发环境，它彻底颠覆了传统编码流程。本文将深入实测其核心功能，并展示它在真实业务场景中的强大落地能力。 15:30）、会议室选择（下拉菜单：101-小会议室, 201-中会议室, 301-大会议室）一个提交按钮，文字为“立即预约”提交后显示一个成功提示信息（弹窗或页面提示）页面背景色为浅蓝色 (#f0f8ff 以下是几个典型场景：场景 1：快速构建电商商品展示页 (前端焦点)痛点： 电商页面元素多（标题、图片、价格、SKU 选择、购物车按钮、详情描述、推荐列表），手动编写重复性高，设计微调频繁。 即刻体验：访问 CodeBuddy 官网 下载 IDE 或体验在线版，开启你的 AI 辅助高效开发之旅！告别重复造轮子，让人工智能成为你编程的得力助手。 一句话总结： CodeBuddy 不是取代开发者，而是用 AI 消除编码中的“苦力活”，释放创造力，让开发者专注于真正创造价值的部分。效率即竞争力，CodeBuddy 助你赢在起跑线！
87331编辑于 2025-08-04 - 来自专栏云云众生s
生成式AI在IT运维中的三个应用场景
IT运维团队目前已在以下几个方面运用生成式AI来提升工作流程: 自动化状态更新、事故后调查分析，以及流程自动化。 译自 Three Use-Cases for Generative AI in ITOps，作者 Dormain Drewitz 是PagerDuty产品营销和开发者关系副总裁。 对于许多希望满足这些强烈需求的团队来说，生成式AI(GenAI)是一代人中最令人兴奋的技术。 通过遍历原始事件数据，大型语言模型可以快速生成全面摘要。但不要指望IT团队成员在事件发生时尝试完善他们的提示。相反，应该寻找了解事件状态更新上下文的预构建摘要功能。 通过收集日志、指标和即时消息，GenAI可以快速汇编进行事件审查所需的数据，然后生成关键部分，如主要发现、根本原因、改进领域和时间表。
71610编辑于 2024-03-28 用AI配合MCP快速生成n8n工作流
在数字化时代的浪潮中，AI技术正以前所未有的速度改变着我们的生活和工作方式。从智能家居到智能办公，从数据分析到自动化流程，AI的应用场景无处不在。 今天，我们将带你走进一个充满创新与效率的世界，探索如何通过AI大眼萌的指引，轻松搭建起属于自己的N8N工作流。 :5678/api/v1 异地部署为：http://详细地址/api/v1 创建n8n_api_key json配置文件 构建服务器（ npm run build ）后，配置你的 AI 助手来运行它。 然后使用AI(Deepseek模型)对天气信息进行分析后，生成一份美观的天气预报，内容包括当天天气，穿衣指数推荐、出行注意事项。最后把天气预报信息，发送到飞书。 参考工作流xxxx.json ##参考的工作流可以去https://n8n.io/workflows/ 下载 用claude4模型效果最好 用Codebuddy 通过MCP生成n8n工作流 Trae用的人太多了
90810编辑于 2025-08-27- 来自专栏AI产品体验专栏
用AI配合MCP快速生成n8n工作流
在数字化时代的浪潮中，AI技术正以前所未有的速度改变着我们的生活和工作方式。从智能家居到智能办公，从数据分析到自动化流程，AI的应用场景无处不在。 今天，我们将带你走进一个充满创新与效率的世界，探索如何通过AI大眼萌的指引，轻松搭建起属于自己的N8N工作流。 后，配置你的 AI 助手来运行它。 然后使用AI(Deepseek模型)对天气信息进行分析后，生成一份美观的天气预报，内容包括当天天气，穿衣指数推荐、出行注意事项。最后把天气预报信息，发送到飞书。 参考工作流xxxx.json##参考的工作流可以去https://n8n.io/workflows/ 下载用claude4模型效果最好用Codebuddy 通过MCP生成n8n工作流Trae用的人太多了
2.2K01编辑于 2025-06-15 Spring事务失效的8种场景
8. python 代码解读复制代码@Transactional(rollbackFor = Exception.class)在今天的文章中总结了使用 @Transactional注解导致事务失效的几个常见场景 ，如果 @Transactional事务不生效，则可以根据这几种情形排查一下，其实次数最多的也就是发生自身调用、异常被捕获、异常抛出类型不匹配这几种场景。
39810编辑于 2024-11-27- 来自专栏FREE SOLO
Redis的8大应用场景
Redis提供的incr命令来实现计数器功能，内存操作，性能非常好，非常适用于这些计数场景。 5、分布式锁 在很多互联网公司中都使用了分布式技术，分布式技术带来的技术挑战是对同一个资源的并发访问，如全局ID、减库存、秒杀等场景，并发量不大的场景可以使用数据库的悲观锁、乐观锁来实现，但在并发量高的场合中 8、消息系统 消息队列是大型网站必用中间件，如ActiveMQ、RabbitMQ、Kafka等流行的消息队列中间件，主要用于业务解耦、流量削峰及异步处理实时性低的业务。 Redis的8个应用场景 一：缓存—热数据 热点数据（经常会被查询，但是不经常被修改或者删除的数据），首选是使用redis缓存，毕竟强大到冒泡的QPS和极强的稳定性不是所有类似工具都有的，而且相比于memcached 幂等性请求)，设置多长时间有效期，然后下次请求过来的时候先在redis中检索有没有这个key，进而验证是不是一定时间内过来的重复提交秒杀系统，基于redis是单线程特征，防止出现数据库’爆破’全局增量ID生成
17K53发布于 2019-04-19 - 来自专栏内容管理系统
MassCMS with AI 功能场景探索
这种结合不仅打破了传统内容管理在效率、精准度和扩展性上的局限，更催生出一系列创新的功能场景，从内容的创作生成到审核分类，从搜索应用到网页管理，AI 的赋能让 MassCMS 在各个环节都展现出强大的潜力 AI内容创作与生成自动内容生成借助 AI 技术，MassCMS 在实现内容自动生成时，能紧密贴合 CMS 的内容管理调性以及企业数字资产的独特调性，生成符合企业个性的内容。 当需要生成内容时，AI 会调用该数据库，让生成的内容与企业风格保持一致。比如，对于一家以严谨、专业著称的金融企业，在生成市场分析报告时，AI 会采用精准的数据表述、专业的金融术语，行文风格沉稳、客观。 MassCMS 与 AI 的融合在内容创作、管理、推荐、搜索等多方面展现出巨大潜力，将为内容管理领域带来深刻变革，创造更多创新应用场景，提升用户体验和内容运营效率 。4. AI网页生成与内容管理MassCMS 集成的 AI 工具可直接解析 Sketch、Figma 等设计文件，自动生成适配 Vue 或 React 框架的前端代码。
25000编辑于 2025-07-21 - 来自专栏Java技术栈
Redis 的 8 大应用场景！
之前讲过Redis的介绍，及使用Redis带来的优势，这章整理了一下Redis的应用场景，也是非常重要的，学不学得好，能正常落地是关键。 下面一一来分析下Redis的应用场景都有哪些。 Redis提供的incr命令来实现计数器功能，内存操作，性能非常好，非常适用于这些计数场景。 5、分布式锁 在很多互联网公司中都使用了分布式技术，分布式技术带来的技术挑战是对同一个资源的并发访问，如全局ID、减库存、秒杀等场景，并发量不大的场景可以使用数据库的悲观锁、乐观锁来实现，但在并发量高的场合中 8、消息系统 消息队列是大型网站必用中间件，如ActiveMQ、RabbitMQ、Kafka等流行的消息队列中间件，主要用于业务解耦、流量削峰及异步处理实时性低的业务。
1.3K30发布于 2018-09-29 - 来自专栏Vincent-yuan
Spring 事务失效的 8 大场景
用 Spring 的 @Transactional 注解控制事务有哪些不生效的场景？ 不知道小伙伴们有没有这样的经历，在自己开心的编写业务代码时候，突然某一个方法里的事务好像失效了。 那么这篇文章就来总结一下，大家给大家造成 “spring事务失效”错觉的 几个常见场景，然后对症下药。 Let's GO!!! 以本人的经历中遇到的问题，大概分有以下几个场景： 数据库引擎是否支持事务（Mysql 的 MyIsam引擎不支持事务）； 注解所在的类是否被加载为 Bean（是否被spring 管理）； 注解所在的方法是否为 异常被吃了 异常类型错误 下面展开分析每一个场景： 数据库引擎不支持事务 这里以 MySQL 为例，其 MyISAM 引擎是不支持事务操作的，InnoDB 才是支持事务的引擎，一般要支持事务都会使用 总结：本文总结了 8 种事务失效的场景，其实发生最多就是自身调用、异常被吃、异常抛出类型不对这 3 个了，像文章开头说的那样，本文不一定总结得全，只是总结常见的事务失效的场景 转自： https://blog.csdn.net
60140发布于 2021-08-10 - 来自专栏腾讯云智能·AI公有云
8小时玩转AI绘画 |《腾讯云AI绘画-StableDiffusion图像生成》训练营抢先学习！
人工智能正在加速渗透到千行百业与大众生活中，个体、企业该如何面对新一轮的AI技术浪潮？ 为了进一步帮助用户了解和使用腾讯云AI系列产品，腾讯云AI技术专家与传智教育人工智能学科高级技术专家正在联合打造《腾讯云AI绘画-StableDiffusion图像生成》训练营，训练营将通过8小时的学习带你玩转 AI绘画。 并配有专属社群答疑，助教全程陪伴，在AI时代，助你轻松上手人工智能，快速培养AI开发思维。全套课程在12月12日即将完整上线，欢迎对AI感兴趣的友友们抢先学习。 多位AI大牛深入浅出带你玩转AI绘画，8小时实现从0到1实战飞跃！参营更有官方结营证书、鹅厂公仔奖励等你来拿！点击报名，抢先学习《腾讯云AI绘画-StableDiffusion图像生成》训练营
1.3K31编辑于 2023-12-06 - 来自专栏CDA数据分析师
谷歌AI发布Deepfake检测数据集，真人多场景拍摄，生成3000段假视频
来源：Google AI 编辑：大明 本文转自公众号：新智元 【导读】Deepfake又添劲敌！这次出手的是谷歌。 谷歌AI昨日发布Deepfake视频识别数据集，共包含3000多段视频，由真人演员现场多场景拍摄。利用这些数据可以开发Deepfake自动检测工具，更高效地识别Deepfake假视频。 现代生成模型就是其中的一个例子，能够合成超现实主义的图片、语音、音乐甚至是视频。这些模型已经用在多个应用中，包括通过文本—语音转换，生成用于医学成像的训练数据等。 正如去年在《人工智能七原则》中所说的那样，我们致力于开发AI最佳实践，致力于减少AI技术滥用所带来的伤害和滥用。去年1月，我们发布了合成语音数据集，支持开发高性能合成音频检测器的国际挑战赛。 演员们在各种场景中拍摄视频。
1.3K30发布于 2019-10-10 - 来自专栏机器之心
ECCV 2022｜全场景图生成PSG：追求「最全面」的场景理解
机器之心专栏 作者：MMLab@NTU 本文提出基于全景分割的全场景图生成（panoptic scene graph generation，即PSG）任务。 事实上，在智慧城市、自动驾驶、智能制造等许多现实世界的 AI 场景中，除了对场景中的目标进行定位外，我们通常还期待模型对图像中各个主体之间的关系进行推理和预测。 传统场景图生成任务的数据集通常具有对象的边界框标注，并标注边界框之间的关系。 论文介绍 因此，来自新加坡南洋理工大学和商汤科技的研究者提出全场景图生成（PSG）任务，携同一个精细标注的大规模 PSG 数据集。 该任务利用全景分割来全面准确地定位对象和背景，从而解决场景图生成任务的固有缺点，从而推动该领域朝着全面和深入的场景理解迈进。
1.8K40编辑于 2022-08-26 - 来自专栏授客的专栏
loadrunner 场景设计-负载生成器管理
场景设计-负载生成器管理 by:授客 1 简介 当执行一个场景时，Controller把场景中的每个用户配到负载生成器(Load generator)。 Enable选择定的生成器,反过来，如果某个开启的负载生成器对于某个特定场景不可用，可临时禁用负载生成器，而不必要把它从列表移除。 当某个load generator的CPU超负荷使用，Controller停止在超负荷的load生成器上加载虚拟用户，并自动在其它参与了场景的生成器中分发虚拟用户，如果没有其它负载生成器，那么Controller 注：据说负载平衡仅在手工场景的百分比模式和以目标为导向的场景中可用。？？有待验证 1. 开启远程负载生成器的LoadRunner Agent服务 Start > Programs > LoadRunner > LoadRunner Agent Process 说明： 当场景开始运行时
1.1K20发布于 2019-09-12 - 来自专栏ATYUN订阅号
利用AI 生成商标
最新的尝试是生成一个对抗网络(GAN)——由样本生成器和鉴别器组成，它们可以区分生成的样本和真实世界的样本。 然后他们使用谷歌的云视觉服务生成4到8个描述标识内容的单词标签，并使用预先训练的人工智能模型对这些标签进行矢量化，为每个示例创建空间表示。之后再对这些空间表征进行聚类，以识别具有相似视觉特征的特征。
2.9K20发布于 2019-10-08 - 来自专栏开源心路
AI生成视频-Pika
背景介绍 Pika 是一个使用 AI 生成和编辑视频的平台。它致力于通过 AI 技术使视频制作变得简单和无障碍。 Pika 1.0 是 Pika 的一个重大产品升级，包含了一个新的 AI 模型,可以在各种风格下生成和编辑视频,如 3D 动画，动漫，卡通和电影风格。 现在我们需要告诉 AI 实际上我们想要生成什么样的片段。 你不必上传起始图像，PIKA自己就能很好地创建出海浪和冲浪的场景。你可以从五种可选字体中选择一种，但这不是必须的，在这里我们将默认使用 “Modern” 这种字体。 我们很高兴推出 Pika 1.0，这是一次重大的产品升级，包括一个新的 AI 模型，它能够以 3D 动画、动漫、卡通和电影等各种样式生成和编辑视频，以及一个新的 Web 体验，使其更容易使用。
1.9K10编辑于 2023-12-06 - 来自专栏自学气象人
生成式 AI 简介
由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 每个特征也有不同数目的特征值： 3 种配件类型 (accessories type)： Blank, Round, Sunglasses 8 种服装颜色 (clothing color)： Black LongHairCurly, LongHairStraight, ShortHairShortWaved, ShortHairShortFlat, ShortHairFrizzle 这样有 3 * 8 没有联系，用数学表达式表示就是： 有了这个假设，我们可以计算出 朴素贝叶斯模型将原始问题“对每个特征组合做概率估计”简化成对“每个特征做概率估计”，原来我们需要用 4031 (3 * 8 * 4 * 6 * 7) 个参数，现在只需要 23 (3 + 8 + 4 + 6 + 7) 个参数，每个参数的表达式为： 其中 N 是观测数据的个数即 50，nkl 是第 k 个特征取其下第
67310编辑于 2023-09-05 - 来自专栏王的机器
生成式 AI 简介
由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 每个特征也有不同数目的特征值： 3 种配件类型 (accessories type)： Blank, Round, Sunglasses 8 种服装颜色 (clothing color)： Black LongHairCurly, LongHairStraight, ShortHairShortWaved, ShortHairShortFlat, ShortHairFrizzle 这样有 3 * 8 没有联系，用数学表达式表示就是： 有了这个假设，我们可以计算出 朴素贝叶斯模型将原始问题“对每个特征组合做概率估计”简化成对“每个特征做概率估计”，原来我们需要用 4031 (3 * 8 * 4 * 6 * 7) 个参数，现在只需要 23 (3 + 8 + 4 + 6 + 7) 个参数，每个参数的表达式为： 其中 N 是观测数据的个数即 50，nkl 是第 k 个特征取其下第
68430编辑于 2023-09-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号