- 综合排序
- 最热优先
- 最新优先
AI 智慧体测系统：把 “麻烦体测” 变 “轻松达标” 的技术魔法
提到体测，不少人会想起：测立定跳远时老师蹲在地上拉卷尺，测仰卧起坐时盯着秒表喊 “快一点”，最后成绩还可能因 “肉眼判断” 有偏差 —— 但现在，AI 智慧体测系统让这些麻烦事成了过去式。 传统体测要 “测一项等一项”，AI 系统却能让数据 “自己跑”：测肺活量时，智能吹嘴会把气流强度、持续时间实时传到系统，屏幕上秒显数字；测 50 米跑时，起点的红外感应器 detect 到 “人起跑” 过去体测表可能弄丢，现在 AI 系统给每个人建 “健康档案”：刷脸就能登录，历年体测成绩、身高体重变化都能查，家长也能通过手机看 “孩子今年肺活量比去年提高 200 毫升”。 其实 AI 智慧体测系统不是 “取代老师”，而是帮老师 “省力气”、帮学生 “明方向”。它用技术把 “人工判断” 变成 “精准计算”，把 “一次性测试” 变成 “长期健康跟踪”。 未来再结合智能手环，还能监测日常运动数据，比如 “你这周只跑了 2 次，离每周 3 次的目标还差 1 次”，让体测不再是 “应付考试”，而是真正帮大家管好健康。
56410编辑于 2025-12-08TPS-BENCH：AI智能体复合任务规划能力首测
引言 复合任务中AI智能体失败率超35%——该论文通过TPS-Bench首次量化这一困境。200个真实场景任务暴露核心痛点：现有基准完全忽略工具调度能力，迫使模型在效果与效率间做死亡权衡。 为什么AI智能体总在"瞎忙活"？ TPS-Bench测试暴露AI智能体在复合任务中"瞎忙活"的症结：依赖识别错误与效率低下。 TPS-Bench：给AI智能体的"压力测试场" 基于15个MCP服务器提供的141个工具，这项研究推出TPS-Bench——首个专测大语言模型智能体工具规划与调度能力的基准系统。 算账时刻：AI智能体的省钱秘籍 GPT-4o单次任务成本138美元，Qwen3-1.7B仅需4.90美元——近30倍差距直接决定AI智能体的商业可行性。 未来，随着大规模RL训练与多语言工具生态的成熟，智能体的调度能力或将成为下一代AI系统的核心竞争力。当AI学会"精打细算"地调用工具，真正的自主智能或将不再遥远。
14610编辑于 2026-05-18- 来自专栏Go语言学习专栏
2 - AI 应用开发 - AI 超级智能体项目教程
利用资源 1、Prompt 学习 网上和 Prompt 优化相关的资源非常丰富，几乎各大主流 AI 大模型和 AI 开发框架官方文档都有相关的介绍，推荐先阅读至少 2 篇，比如： Prompt Engineering [如果回答仍然不够具体] 进一步改进: 详细分析AI在医学影像诊断领域的具体应用，包括: 1. 现有的2-3个成功商业化AI诊断系统及其准确率 2. 这些系统如何辅助放射科医生工作 3. 比如我们来开发一个 AI 训练营面试助手应用，帮助用户解决面试当中遇到不会回答的问题，根据知识库进行模拟面试 2、怎么细化需求？ 整体方案设计将围绕 2 个核心展开： 系统提示词的设计 多轮对话的实现 1、系统提示词设计 前面提到，系统提示词相当于 AI 应用的 “灵魂”，直接决定了 AI 的行为模式、专业性和交互风格。 在正式开发前，建议先通过 AI 大模型应用平台对提示词进行测试和调优，观察效果： 2、多轮对话实现 要实现具有 “记忆力” 的 AI 应用，让 AI 能够记住用户之前的对话内容并保持上下文连贯性，我们可以使用
68910编辑于 2026-03-17 - 来自专栏算法之名
AI智能体
langchain 概述 langchain是LLM与AI应用的粘合剂，是一个开源框架，旨在简化使用大型语言模型构建端到端应用程序过程，它也是ReAct(reason+act)论文的落地实现。 chains，langchain把提示词、大语言模型、结果解析封装成chain，并提供标准的接口，以便允许不同的chain形成交互序列，为AI原生应用提供端到端的chain。 content='Hi.'), SystemMessage(content='你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI content='Hi.'), SystemMessage(content='你的角色是一个诗人.'), HumanMessage(content='用七言绝句的形式写一首关于AI
90110编辑于 2024-09-29 - 来自专栏ElasticSearch
压测工具 wrk2
10.188.139.234:9200/tms_dispatch_pick_2023q3_new/_search" --script=query02.lua-t 线程-c 连接数-d 启动多长时间-R 启动多少qps压测- -latency 延时压测分布情况--http --script 指定脚本more query.luawrk.method="POST"wrk.body='{"from":0,"size":10,"
36410编辑于 2024-09-06 - 来自专栏人人都是架构师
Go单测系列2—网络测试
在上一篇《Go单测系列1—单元测试基础》中，我们介绍了Go语言编写单元测试的基础内容。 《Go单测从零到溜系列》的示例代码已上传至Github，点击https://github.com/go-quiz/golang-unit-test-demo 查看完整源代码。 安装 go get -u gopkg.in/h2non/gock.v1 使用示例 使用gock对外部API进行mock，即mock指定参数返回约定好的响应内容。 JSON(map[string]int{"x": 2}). Reply(200). JSON(map[string]int{"value": 200}) // 调用我们的业务函数 res = GetResultByAPI(2, 2) // 校验返回结果是否符合预期 assert.Equal
1.1K30编辑于 2023-09-10 - 来自专栏算法之名
AI智能体(二)
model_name': 'glm-4', 'finish_reason': 'stop'}, id='run-b982480c-39d9-4445-8888-62a10339ef86-0')]} 状态持久化 许多AI
77710编辑于 2024-10-05 - 来自专栏算法之名
AI智能体(五)
接AI智能体(四) MetaGPT 环境装配 metagpt下载地址：https://github.com/geekan/MetaGPT conda create -n metagpt python= 3.5-turbo api_key: "******" 测试： 在终端命令行中进入Meta-GPT-main目录中执行 metagpt "Write a cli snake game" 单动作智能体 ") # Test case 2 assert sum_function([-1, 0, 1, 2, 3]) == 5 print("Test case 2 passed.") ``` 2024-12 ") # Test case 2 assert sum_function([-1, 0, 1, 2, 3]) == 5 print("Test case 2 passed.") 多动作智能体 import asyncio import sys import subprocess from metagpt.llm import LLM from metagpt.actions import
90200编辑于 2025-02-06 - 来自专栏人工智能
Notion AI 智能体
NotionAI智能体Notion3.0的AI智能体通过自动化流程实现复杂任务闭环。其核心能力包括智能搜索、数据分析、决策制定和执行操作。 智能体通过自然语言交互理解用户需求，自动调用数据库和外部工具完成任务。用户只需输入目标，如“分析Q3销售数据并制定优化方案”，系统即可生成可视化报告和执行建议。 零一万物万智2.5平台解析万智2.5平台采用多智能体协作架构，每个角色对应特定职能：市场智能体：自动生成营销方案并执行投放HR智能体：处理招聘全流程，包括简历筛选和面试安排财务智能体：实时监控预算并生成分析报表平台通过智能体间的通信协议实现协作 例如启动新项目时，系统自动组建包含产品、设计、开发智能体的虚拟团队，各角色通过API交换数据并同步进度。 监控系统需记录智能体的决策路径和执行效果，便于持续优化。
36810编辑于 2026-01-07 谷歌A2A协议：AI智能体终于学会“组队打怪”了？
但谷歌的A2A协议，相当于给所有AI发了一本“协作手册”，让它们能互相理解、共享任务。 举个例子：电商公司的订单系统AI发现物流延迟，可以直接调用供应链AI调整排期，再让客服AI自动通知用户——全程无需人类插手。 2. 凭什么说它“真能打”？ ，还能实时汇报进度； 多才多艺：不仅能传文字，还能处理音视频，甚至能根据你的手机屏幕尺寸自动调整界面； 自带简历：每个AI用“智能体名片”（Agent Card）介绍特长，方便快速组队。 但长期来看，那些重复性强、流程固定的工作，可能会被AI“团队”彻底接管。 A2A协议的野心，绝不只是让AI们“聊聊天”。它瞄准的是下一个十年——一个由AI自主协作驱动的智能体经济。 你，准备好和AI做同事了吗？ （P.S. 想自己捣鼓A2A协议的，可以去GitHub搜“google/A2A”围观代码，据说连小白都能上手~）
34810编辑于 2025-05-30- 来自专栏算法之名
AI智能体(六)
接AI智能体(五) Dify Dify是一个开源的Agent开发平台，使用Dify有两种方式，一种是使用Dify的在线平台。https://cloud.dify.ai。 一种是进行私有化部署。 DEPLOY_ENV: ${DEPLOY_ENV:-PRODUCTION} CHECK_UPDATE_URL: ${CHECK_UPDATE_URL:-https://updates.dify.ai TENCENT_VECTOR_DB_SHARD: ${TENCENT_VECTOR_DB_SHARD:-1} TENCENT_VECTOR_DB_REPLICAS: ${TENCENT_VECTOR_DB_REPLICAS:-2} true} WEAVIATE_AUTHORIZATION_ADMINLIST_USERS: ${WEAVIATE_AUTHORIZATION_ADMINLIST_USERS:-hello@dify.ai restart: always environment: XPACK_ENCRYPTEDSAVEDOBJECTS_ENCRYPTIONKEY: d1a66dfd-c4d3-4a0a-8290-2abcb83ab3aa
1.2K00编辑于 2025-02-06 - 来自专栏算法之名
AI智能体(四)
接AI智能体(三) memory工具使用 以往，我们都是直接跟大模型进行交互，没有办法系统的实现记忆。 在上图中，用户在向大模型问问题时会首先读取记忆体，查看以往是否回答过相同的问题或者相关的文档可以参考。 如果有就会返回并添加到提示词模版中，再通过大模型的处理得到答案，得到答案之后再将答案反写回记忆体，这是一个循环的过程。 AI: 加密市场是一个复杂且不断变化的领域，涉及多种技术和经济因素。我的分析会侧重以下几个方面： 1. **市场趋势**：观察加密货币市场的长期和短期趋势，包括价格波动、交易量变化等。 2. AI: 加密市场是一个复杂且不断变化的领域，涉及多种技术和经济因素。我的分析会侧重以下几个方面： 1. **市场趋势**：观察加密货币市场的长期和短期趋势，包括价格波动、交易量变化等。 2.
1.2K00编辑于 2025-02-06 【AI智能体创作】
AI智能体创作思路 AI智能体的核心在于模拟人类思维和行为模式，通过算法和数据处理实现自主决策。创作思路通常包括目标定义、数据收集、模型训练、评估优化等环节。 目标定义阶段明确智能体的功能边界，比如聊天机器人、游戏NPC或自动化工具。数据收集阶段获取相关领域的语料、图像或其他输入数据。模型训练阶段选择合适的算法架构，如深度学习、强化学习或规则引擎。 = GPT2Tokenizer.from_pretrained("gpt2-medium") model = GPT2LMHeadModel.from_pretrained("gpt2-medium" ) input_text = "AI智能体的核心功能包括" input_ids = tokenizer.encode(input_text, return_tensors="pt") output 测试显示新版本准确率下降超过5%时 联邦学习实施方案： 采用安全聚合协议(Secure Aggregation)保护参与方数据 支持横向联邦(相同特征空间)和纵向联邦(不同特征空间)两种模式 典型应用案例：医疗AI
49510编辑于 2025-12-17- 来自专栏猪圈子
2期-软测面试理论题
1>LR中”denglu”事物前插入一个名叫”zelin’的集合点的函数为：lr_rendezvous (”zelin”); 2>LR和OTP自动化工具所使用的语言分别是什么：C_和_VBScript
45220发布于 2019-07-22 - 来自专栏ai论文生成工具
2周测9款AI论文工具，仅4款帮我过了导师审核
过去 2 周，我测了 9 款主打 “学术写作” 的 AI 工具，从 “选题生成” 到 “降 AIGC 率” 挨个试，最终只有 4 款帮我把论文从 “导师皱眉版” 改成 “直接过审版”。 “未明确研究场景（如中小学 / 高校）”；2. “缺乏具体研究问题（如‘应用效果’ vs ‘应用中的伦理风险’）”；3. “推荐补充‘区域 / 学段’限制（如‘乡村小学人工智能教育应用’）”。 2. aibiye：降 AIGC 率核心能力：用 “学术规范” 拆解 AI 的 “机械表达”，同时保住论文的 “原创性”实测场景：我用某通用 AI 写了《乡村小学 AI 教育》的文献综述，导师批注：“句式太规整 ‘AI + 教师’模式实现了成绩提升”；2. ，连平时最害羞的小宇都主动上台答题 —— 这就是 AI 教育最真实的效果。”关键优势：1. 加入 “你的故事”：能把你的调研经历、访谈细节嵌进去，让论文有 “烟火气”；2.
67800编辑于 2025-09-02 - 来自专栏技术交流专栏
Windows磁盘性能压测（2）-Fio
测试工具相关 2. 4.1测试硬盘的随机读IOPS 4.2测试硬盘的随机写IOPS 4.3测试硬盘的随机混合读写IOPS 说明： 有关Windows磁盘性能压测， 笔者还是强烈推荐使用微软自己开源的压测工具DiskSpd。 当然，如果要使用其他磁盘性能压测工具也是可以的，比如：IOMeter（老牌经典）、FIO（更适合Linux）等。 2.单路随机读写时延测试 注：通常Windows Server默认安装路径在C:\Program Files\fio下面 bs=4k iodepth
12.9K61发布于 2021-06-17 基于MCP与A2A协议的AI智能体军团架构实践
一、背景随着大模型技术的成熟，AI智能体（Agent）成为企业智能化转型的核心载体。国务院《“人工智能+”行动意见》明确提出“智能体即服务”国家级战略。 黄仁勋预测：“未来每家公司都需要一个智能体战略，IT部门将变成AI智能体的HR部门。”对于技术团队而言，如何标准化地构建可扩展、可维护的智能体系统？ 三、A2A：智能体间通信协议A2A（Agent-to-Agent）由Google提出，用于多智能体协作。结合腾讯云TDMQ消息队列，可实现高可用的智能体通信。 五、总结MCP解决智能体调用工具的问题A2A解决智能体相互协作的问题腾讯云Serverless产品是个人/小团队搭建智能体系统的最佳选择下一步行动：从Coze或Dify开始搭第一个智能体，再将核心逻辑迁移到腾讯云函数 互动： 你是否尝试过在云上部署AI智能体？欢迎评论区交流架构经验。
33710编辑于 2026-05-26- 来自专栏AI技术应用
AI 智能体（AI Agent）的开发
AI 智能体（AI Agent）的开发是一个复杂且多阶段的过程，涉及需求分析、算法设计、模型训练、系统集成和部署等多个环节。以下是 AI 智能体开发的典型流程。 1.需求分析与定义1.1明确目标确定 AI 智能体的核心功能和应用场景（如聊天机器人、推荐系统、自动驾驶等）。定义智能体的输入、输出和交互方式。 2.数据收集与预处理2.1数据收集收集与任务相关的数据（如文本、图像、传感器数据）。数据来源可以包括公开数据集、爬虫、用户行为日志等。2.2数据清洗处理缺失值、噪声数据和异常值。 验证 AI 智能体在实际场景中的表现。6.3用户测试邀请目标用户进行测试，收集反馈。根据反馈调整模型和系统。7.部署与监控7.1部署环境选择部署平台（如云端、边缘设备）。 总结AI 智能体的开发流程包括需求分析、数据收集、模型设计、训练与评估、系统集成、测试验证、部署监控和维护迭代。通过合理规划和使用工具，可以高效地开发出功能强大、性能优异的 AI 智能体。
3K20编辑于 2025-02-18 - 来自专栏腾讯高校合作
Wiztalk | 殷俊 Part 2《游戏AI的应用—智能体控制研究》
AI技术在游戏研发中的应用 Part 2 游戏AI的应用—智能体控制研究 简介：AI算法如何应用到游戏中？殷老师通过腾讯的游戏告诉你，AI怎样才能更好地控制游戏中的角色（智能体）。
67920发布于 2020-12-07 - 来自专栏Go语言学习专栏
7 - AI 智能体构建 - AI 超级智能体项目教程
具体内容包括： AI 智能体概念与特点 智能体实现关键技术 使用 AI 智能体的多种方式 OpenManus 实现原理 自主实现 Manus 智能体 智能体工作流编排 A2A 协议 一、什么是智能体？ 23 年时的大多数 AI 聊天机器人应用，几乎都是反应式智能体。 2）有限规划智能体：能进行简单地多步骤执行，但执行路径通常是预设的或有严格限制的。鉴定为 “能干事、但干不了复杂的大事”。 比如可以在阿里云百炼、Dify 等平台上创建智能体 2、软件中使用 AI 开发工具 Cursor、tare 就集成了 AI 智能体，可以帮我们生成完整的项目代码、或者解释项目代码。 而 A2A 协议则是 智能体之间的通信协议。它更像是让不同的 AI 角色之间可以直接对话、协作和分工。 实现 5）参考 OpenManus 的源码，实现更多功能，比如 “规划并执行” 模式的智能体工作流（参考 flow/planning.py） 本节作业 1）完成 AI 超级智能体的开发 2）理解 AI
98910编辑于 2026-03-17
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