尤其在 AI 原生时代,企业不仅需要更稳定的系统运行,也需要更清晰的流程、更高效的协同,以及更智能的服务响应机制。 课程围绕 ITIL 的价值体系、指导原则、四个维度和管理实践展开,并结合 ITIL 5 视角下的价值流、数字化产品与服务生命周期进行延展。 培训中,“小龙虾”智能运维工具的演示,为学员提供了一个理解 AI 与服务管理结合的窗口。通过报障、告警分析、根因定位、自动修复等场景,学员看到 AI 如何参与服务响应和运维闭环。 AI 并不是简单替代人工,而是帮助团队更快识别异常、更好关联信息、更有效沉淀知识,并为后续问题管理和持续优化提供支持。这种场景化展示,让学员对 AI 原生时代的服务管理有了更直观的认识。 它不是简单讲授认证知识,而是把 ITIL 5、AI 运维、流程落地和企业服务能力建设放在同一个课堂中讨论。
AI原生开发范式的核心概念 AI原生开发范式(AI-Native Development)指以AI为核心构建应用程序的设计方法,其特点包括数据驱动、模型即服务(MaaS)、自动化工作流和持续学习。 与传统开发相比,AI原生应用将机器学习模型作为基础组件,而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程,实现实时风险评估。 系统通过API调用深度学习模型分析用户交易数据、社交网络信息及第三方征信数据,审批响应时间从24小时缩短至5分钟,坏账率下降30%。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台,整合多种医学影像模型(CT、MRI)。 原生系统需监控多维指标: 模型指标:AUC-ROC、F1 Score、推理延迟 系统指标:QPS、错误率、资源利用率 业务指标:转化率、用户留存、ROI 监控看板应包含实时数据和历史趋势对比,设置自动告警阈值
最近一年被问得最多的一个问题是:什么是AI原生?很多企业说自己要做AI原生,我问他们打算怎么做,答案往往是"我们准备上一个大模型,把系统都接上AI能力"。 这就是为什么5G、物联网、云平台在数字化里这么重要,它们是在把"有限空间"扩展成"无限空间"。但这里还有个东西没说透。在数据和智能之间,其实还隔着一个知识层。 三、AI原生的真实分界线:模型原生 + 知识原生 + 价值原生我认为一个系统要称得上AI原生,得同时满足三件事:AI原生 = 大模型原生 + 知识原生 + 价值原生。 这个才是构建AI原生企业的关键。回到最开始那个问题:从数字化到AI原生,到底什么是AI原生? (AI原生=模型原生+知识原生+价值原生)》《在AI时代,如何去构建AI智能原生企业?》
国内 B2B CRM 正从"外挂 AI 辅助功能"向AI 原生架构(AI-Native CRM)演进。 当各家CRM厂商纷纷打出"真原生,非外挂""Agentic CRM""智能体平台"的旗号,CIO最该问的不是"你们有没有AI",而是——你们的AI 是 CRM 原生内置的大脑,还是点缀功能的挂件? 3.0 Agentic CRM(AI原生智能):AI驱动的智能型CRM,具备自主决策与行动能力,通过交互、数据、能力、可信四层落地,实现智能化客户运营。 二、AI 原生 CRM 的核心特征 产品架构 纷享销客 采用数据底座层、AgentOS内核层和Agent服务层三层自上而下一体化原生架构,实现能协同工作、会持续进化的核心能力。 原生CRM市场,核心价值不在于AI技术的炫技式展示,而在于将AI能力以可治理、可追溯、可持续进化的方式嵌入CRM业务全链路。
AI原生组织深度研究报告研究主题:AI原生组织(AI-NativeOrganization)概念、特征、构建路径与全球案例研究时间:2026年5月18日研究深度:⭐⭐⭐⭐⭐(深度研究)组织设计逻辑的根本翻转传统是 "业务先行、AI补丁",原生是"AI即底座"。 **L4**|深度融合|业务流程与AI深度整合,数据闭环|初步AI原生||**L5**|AI原生|组织架构建立在AI之上,智能演化|真正的AI原生组织|###4.2转型核心步骤Step1:顶层设计├── 产品开发新模式》(2024年5月)腾讯新闻:《大厂做AI:字节跳动AI帝国深度拆解》(2025年6月)麦肯锡:《Theagenticorganization》(2025年9月)世界经济论坛:《OrganizationalTransformationintheAgeofAI 》(2026年3月)报告生成时间:2026年5月18日
今天继续聊AI和大模型方面的话题。即什么是AI原生,如何构建一个真正意义上的AI原生系统? 对于这个问题,我们先看下AI大模型自己给出的答案。 AI原生-大模型原生+知识原生+价值原生 一个系统能够称之为叫AI原生系统呢?这里面核心的一个关键就是整个系统核心的能力是架构在底层的AI大模型和底层的知识层上面的。 你如果满足这么一个条件,那你们做一个系统就可以叫做AI原生系统。 我原来谈AI原生的时候谈到过,AI原生核心是知识原生,为何你当前企业有数据库数据,有资料文档,不能快速的构建AI原生应用? 注意这个说法只解决了AI原生应用的大模型原生问题,并没有解决知识原生的问题。如果按这个说法所有的AI智能体应用都是AI原生应用,但是我的理解,AI原生应用的核心重点应该是在知识原生上面。 至于我个人的想法就是至少在3~5年的时间都很难真正达到一个AI原生应用的这么一个理想的状态。
对于系统开发人员来说(比如云数据库,云 AI 平台),云原生的趋势也会产生相应的影响。 具体的例子比如我们可以通过用户的数据查询看到经常使用的过滤维度,来重新安排数据的排序和分区,这样在同样的数据量情况下,系统可以花更少的计算资源来完成查询,增加系统的利润 :) 云原生+AI 最后再来看下跟 AI 相关的部分。 而前面讲的“云原生语言”,则更关注在程序具体执行层面的关注点分离。 把两者结合起来看,云原生时代的 AI 平台开发会是一片巨大的未开垦之地,对于云和算法各自都有很宽很长的路可以走。 目前云原生跟 AI 结合的一个比较好的学习样例是 Kubeflow,之前春节期间读了一本《Kubeflow for Machine Learning[3]》,感觉收获还是挺多的,如Istio,CRD的应用等
---- 本篇带来 5 个 “罕见的” JavaScriot 原生 API,谁还不是个 API 调用大师呢?
导读: AI 浪潮席卷而来,算力争夺白热化,模型迭代日新月异,云原生为AI业务创新提供强大动力。 需求变革:从"云原生"到"云原生 AI"的范式转移 云原生为AI业务创新提供强大动力,已成为企业数字化转型的共识。 CNCF 在 2024 年发布首份《云原生 AI 白皮书》,正式确立“云原生 AI(CNAI)”这一范式:用云原生原则构建和部署 AI 应用,在资源效率与开发部署效率上双向赋能。 云原生 AI 平台正经历如下三段演进: TCS AI Infra 破局之道 TCS AI Infra 面向私有化企业级 AI 落地需求,打造一站式云原生 AI 解决方案,整体以六大核心能力为核心支撑: ” 到 “云原生 AI” 的平滑演进。
我们把这种现象称为“AI 藤壶”。 虽然应用AI 越来越多,但并不意味着企业越来越“AI 原生”。 在我们近期开展的企业 AI 应用调研中,约69%的受访组织已经形成正式或初步的 AI 战略,约56%已经进入多场景推广及以上阶段,但明确表示 AI 已进入业务系统或标准流程的企业只有约17%。 我把“AI藤壶”这个观点交给 AI,它给了我这样一幅图: 我们把这戏称为“AI 藤壶(AI Barnacle)”。 因此,企业最自然的选择往往是:组织不动,继续加 AI。 问题也就出在这里。企业规划 AI 时,不能一直问“这里能不能加一个 AI?”,而应该开始问“有了 AI,这里还有没有必要存在?” 真正的 AI 转型,不是让旧组织的每一个角落都长出 AI,而是借助 AI 重新设计组织。 否则,企业得到的可能不是一个 AI 原生组织,而是一艘长满 AI 藤壶的旧船。
<meta name=renderer content=webkit> <meta name=screen-orientation content=portrait> <meta name=x5- orientation content=portrait> <meta name=x5-fullscreen content=true> <meta name=full-screen content '0.32rem' : item.name.length >= 5 ? {id: 3, name: '干农活'}, {id: 4, name: '抱抱你'}, {id: 5,
工具只是皮,真正的AI原生团队,是从组织基因层面被重构的。 今天不讲虚的,就讲我们这一年干了什么,怎么干的,效果怎么样。 一、撕掉标签:什么叫"AI原生"? 大部分人理解的AI原生 = AI用得很熟。 我们理解的AI原生 = AI已经渗透到组织的毛细血管里。 指标 之前 之后 变化 AI代码生成占比 ~5% 60% ↑55% 研发整体效率 基线 — ↑40% 人均周AI对话轮数 <5轮 150+轮 ↑30x 新人上手独立产出时间 3-4周 1-1.5周 ↓60% 我们找了两个早期种子用户,大方秀数据:同样一个需求,传统开发 5 天,AI 辅助 1.5 天,代码 Review 通过率一样。 事实是最好的说服。第二周就多了 5 个人跟上。 事实就是:同样的团队规模、同样的业务复杂度,AI 原生团队和非 AI 原生团队的产出差距已经拉开了 40% 以上。 这个差距只会越来越大。
云原生技术之docker学习笔记(5) 这两天在研究docker容器的底层原理和k8是相关的一些东西,说实话,这块儿的内容还挺复杂的,尤其是k8s的集群运维方面,没有一点沉淀真的很难理解各种模块之间的关系 再次查看mysqld进程的进程号: [root@VM-16-13-centos service]# ps -ef|grep mysql root 5152 5059 0 2020 pts/5 20 11:38 cpu -> cpu,cpuacct lrwxrwxrwx 1 root root 11 Nov 20 11:38 cpuacct -> cpu,cpuacct drwxr-xr-x 5 drwxr-xr-x 3 root root 0 Nov 20 11:38 freezer drwxr-xr-x 3 root root 0 Nov 20 11:38 hugetlb drwxr-xr-x 5
post页面: window.location.href=encodeURI('workList.html?title=aaa&name=吴思源'); Recive页面: var url = deco
一、引言 本文主要针对H5与原生混合开发中的交互问题进行讨论,当然,这仅仅是鄙人的见解,求同存异。 本文主要针对以下问题进行总结: 如何实现JS与Andriod的交互? Android原生中获取用户的账号信息,那么可以这么写: 先注入包含对应方法的H5JsStorage类对象: H5JsStorage h5JsStorage = new H5JsStorage(this class H5JsStorage implements IH5JsStorage { // ... mUser.getUserAccount(), mUser.getPassword(), mUser.getUserIncrId(), mUser.getOrgId()); } // ... } 以上便是H5与原生交互的交互过程 五、总结 本文基于实际项目,介绍了混合开发中JS与原生交互的实现,然后以一个小实验测试了含WebView的Activity的启动速度,优化,然后测试优化后的启动速度,接着介绍了H5分模块更新的逻辑,最后整理了一套工具集
在jquery时代,一般的用法就是 jquery.lazyload.js,https://plugins.jquery.com/lazyload/但是,现在H5原生支持了,喜奔大普呀https://html.spec.whatwg.org search=%20lazyload具体的参考文章:https://imagekit.io/blog/lazy-loading-images-complete-guide/这个是原生支持的,性能方面当然也是更好的 因为不再需要监听浏览器呀如果不只是加载图片,如加载组件啥的,比如图表,推荐阅读:《图表列表性能优化:可视化区域内最小资源消耗》,https://www.zhoulujun.cn/html/webfront/SGML/html5/ 转载本站文章《图片懒加载[lazyload images]之H5原生》,请注明出处:https://www.zhoulujun.cn/html/webfront/SGML/html5/2021_0927
我们知道Flutter可以跟原生Android或iOS混合开发,那Flutter能不能与原生H5混合开发呢? 答案是:Yes! 首先来个网页背景,2D的太普通,这里我拿Three.js先给他整个3D地球转一转 [b737aa268b844fbcb5b6605d22601f91~tplv-k3u1fbpfcp-zoom-1.image ~tplv-k3u1fbpfcp-zoom-1.image] 嗯,现在是不是有点感觉了✌️ 但还差点东西,现在Flutter跟原生H5少了点交互,下面我们来处理下Dart与JS互调 [b44a0256bf9249ddb79c0924a816587e tplv-k3u1fbpfcp-zoom-1.image] *PS:细节的东西我不再多讲,感兴趣的同学,可以自己去看下官方js库的文档( https://pub.flutter-io.cn/packages/js)* Dart原生 H5开发 Dart不仅可以与原生JS互调,也可以拿来写原生网页应用。
前言 为了提高开发效率,开发人员往往会使用原生app里面嵌套前端h5页面的快速开发方式,这就要涉及到h5和原生的相互调用,互相传递数据,接下来就实践项目中的交互方式做一个简单的记录分享,废话不多说,直接上正文 ,会造成H5内页面滚动失效 h5向ios客户端发送消息; 在ios中,并没有现成的api让js去调用native的方法,但是UIWebView与WKWebView能够拦截h5内发起的所有网络请求。 通过在webview页面里直接注入原生js代码方式,使用addJavascriptInterface方法来实现。 在js里可以直接调用原生方法。 使用prompt,console.log,alert方式,这三个方法对js里是属性原生的,在android webview这一层是可以重写这三个方法的。 window.jsBridge.getShare()"); H5端将方法绑定在window下的对象即可,无需与IOS作区分 H5调用RN客户端 我们知道RN的webView组件实际上就是对原生容器的二次封装
也是催生企业AI应用走向“AI原生” 那么什么是"AI原生"企业?他有什么核心特征呢?又有什么价值呢?下面我们一起来看看。 首先,"AI原生"(AI Native)是将AI融入企业全业务场景,重新定义产品功能、流程与价值。 3 "AI原生"企业的价值创造 "AI原生"企业通过重构业务流程和价值链条,创造多重价值: 效率提升:自动化重复性工作,释放人力从事更高价值活动 体验升级:提供高度个性化的用户体验,提升客户满意度 创新加速 "到"AI原生"的根本性转变。 AI原生将AI深度融入企业业务流程与组织文化,采用科学的方法、适合的工具、成熟的基础设施,合面拥抱AI原生,才能在智能经济的新时代中赢得未来。真正释放AI的价值,开创智能经济的新篇章。
本文立足云计算+AI技术视角,拆解5个论文写作高效技巧,同时客观测评这类垂直学术AI的技术能力、实测优缺点与真实用户反馈,给开发者和科研人群一份可参考的AI工具落地指南。 二、技术底层拆解:云原生架构下学术AI写作助手设计逻辑2.1云端部署与模型优化方案区别于本地部署轻量化AI工具,主流专业学术AI写作助手全程依托腾讯云原生分布式架构,借助云端弹性扩容算力,保障晚间论文写作高峰期服务稳定 AI生成内容必须人工二次审核、原创改写,核心研究数据、论文创新点必须由作者自主完成适用人群:高校科研学生、青年研发人员、需要产出行业研究报告的技术从业者三、5个AI论文写作提效技巧(附功能原理+实测场景 四、个人深度实测:垂直学术AI客观优缺点复盘(无营销滤镜)4.1云原生学术AI通用核心优势云端服务稳定性强:依托云原生算力支撑,晚间写作高峰无限流、无响应卡顿,稳定性远优于中小厂商轻量化AI工具学术场景适配度高 五、真实用户客观反馈(社区原生平实口吻,无水军话术)整理主流学术AI平台公开原生用户评论,覆盖全学段科研人群,客观还原这类工具真实使用感受,不刻意吹捧产品:本科毕业生:论文格式一直是最大痛点,专业学术AI