首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏AI多栈

    AI时代下的开发思考

    然而,随着人工智能(AI)技术的快速发展,开发正从技术集成向智能驱动迈进。AI开发中的作用不仅是辅助,更是重新定义了技术协作与生产力的边界。 本文将探讨如何通过AI技术提升开发的效率与创新能力。一、什么是AI驱动的开发? 四、AI驱动开发的挑战与应对尽管AI开发带来了前所未有的可能性,但仍面临一些挑战:技术复杂度提升开发团队需要掌握AI相关技术,如模型训练、推理部署等。这要求团队具备跨技术的学习能力。 五、未来展望:AI重塑开发借助AI技术,开发的边界正在被打破,形成一个更加开放、智能和高效的生态。 低代码与结合低代码开发工具与AI结合,将进一步降低开发的门槛,使非技术背景的开发者也能参与其中。

    64173编辑于 2024-12-03
  • 来自专栏多栈

    经历

    契机 24年年初,为了突破业务交付瓶颈,提升交付效率,公司制定了基础方向实施方案,通过业务深度协作()的方式来达成这一目标。 基础新流程如下图所示: 在这种大环境下,公司也鼓励员工尝试工作,以提高团队的灵活性和整体效率。 随着参与需求的增加,对前端技术的了解逐步深入,我开始承担更复杂的前端需求,如实现动态交互和优化用户体验。目前为止,已经能支持本系统相关前端需求的10%~20%。 4. 挑战与收获 在向发展的过程中,我面临了一些挑战,如需要快速掌握新的前端框架和工具,以及在前后端任务之间切换时的思维转换。 未来展望 通过这段发展的经历,我认识到全开发的价值所在。未来,我希望继续在开发的道路上前行,进一步提升自己的技术广度和深度,为团队和项目带来更多的价值。

    22920编辑于 2024-12-04
  • 与实践

    我与在贝壳工作的契机下,我参与到了开发当中,我是一名大数据开发工程师,参与到了前端后端测试的工作中。在现代软件开发中,前端和后端各自发展出了丰富的技术,支撑着各种不同的开发需求。 本次分享将围绕技术的选择与组合展开,重点介绍常见的前端与后端技术,探讨如何选择合适的技术组合以提高开发效率、保证代码质量和满足业务需求。 微服务架构进一步促进了的采用,每个微服务都可以使用不同的技术,分别负责不同的业务模块。平衡技术的复杂性与团队能力选择技术时要考虑到团队的熟悉程度。 工具如 Docker、Kubernetes 和 Jenkins 可以帮助实现跨技术的环境一致性和自动化部署,减少人工干预和潜在的技术兼容问题5、好处提高开发效率可以让前端与后端各自专注于自己擅长的领域 通过使用,团队可以专注于自己的强项,提高工作效率。此外,对于不同的业务需求和技术场景,也可以选择不同的

    1.1K10编辑于 2024-11-27
  • 来自专栏全栈开发那些事

    共享邻接空间

    共享邻接空间 一、数据结构定义: 常常一个程序中要用到多个,若采用顺序,会因为所需的空间大小难以估计产生空间溢出或者空闲的情况。 若让多个共用一个足够大地连续存储空间,则可利用地动态特性使它们地存储空间互补,这就是的共享邻接空间。 我们以双的共享来模拟。 两共享的数据结构可以定义为: typedef struct { Elemtype stack[MAXNUM]; int lefttop;//左顶位置指示器 int righttop;//右顶位置指示器 #include"stack.h" int main() { dupsqstack *s; int x, x1; s=initDupStack(); for (int i = 0; i < 10 ; i++) { pushDupStack(s, 'L', i + 1);//左 pushDupStack(s, 'R', i + 10);//右 } printf("左的出顺序

    77020编辑于 2023-02-27
  • 来自专栏Android 开发者

    导航: 返回 | MAD Skills

    本文我们将介绍一个呼声很高的功能,即导航 (Navigation) 对返回的支持。如果您更倾向于视频的形式,请 点击这里 查看视频内容。 从 2.4.0-alpha01 版本开始,NavigationUI 辅助类不需要改变任何代码即可支持返回。 支持返回 让我们通过这个 仓库 中的高级导航示例来看看实际效果。 该应用由 3 个标签页组成,每个标签页都有它自己的导航流。 为了在导航的早期版本中支持返回,我们需要在该示例的 NavigationExtensions 文件中添加一系列辅助函数。 如果您需要进一步的自定义,也有新的 API 支持保存和恢复返回。请参阅我们之前的推文《Android 返回技术详解》。

    1.2K20编辑于 2022-03-10
  • 来自专栏Android 开发者

    Android 返回技术详解

    返回即一堆 "返回",对返回的支持是在 Navigation 2.4.0-alpha01 和 Fragment 1.4.0-alpha01 中开始的。本文将为您展开返回的技术详解。 返回不会改变这个基本逻辑。系统的返回按钮仍然是一个单向指令 —— "返回"。这对返回 API 的实现机制有深远影响。 Fragment 中的返回 在 surface 层级,对于 返回的支持 貌似很直接,但其实需要额外解释一下 "Fragment 返回" 到底是什么。 该级别的分离意味着 Navigation 中有两个层次来实现返回: 保存独立的 NavBackStackEntry 实例状态,这些实例组成了 NavController 返回。 (现在叫 NavigationRailView) 和 NavigationView,返回是 默认启用 的。

    1.3K10编辑于 2022-03-09
  • 来自专栏AI多栈

    利用AI工具实现开发:从后端到前端的实践分享

    引言 随着人工智能技术的飞速发展,越来越多的开发者开始利用AI工具提升开发效率,特别是在开发场景下,AI工具的作用尤为明显。 本文将分享如何利用AI工具实现从后端到前端的开发,并通过具体的实践案例展示AI工具在代码解释、代码生成、代码调试等方面的强大能力。 开发中的挑战 开发是指同时掌握和使用多种技术(如前端开发、后端开发、移动开发等)来完成项目。 解释代码 补全注释 定位代码缺陷 生成单元测试 AI工具的优势总结 通过上述实践可以看出,AI工具在开发中具有以下优势: 降低学习成本:快速学习陌生技术的基础知识。 未来,AI将进一步推动开发的普及,让每一位开发者都能成为全能选手。 结语 通过合理使用AI工具,即使是一个后端开发者,也可以快速上手前端开发。

    1.6K63编辑于 2024-12-03
  • 来自专栏DeepHub IMBA

    AI Agent技术10个构建生产级Agent的核心概念

    Agentic AI的核心不在LLM选型也不在提示词技巧。真正决定一个Agent能否在无人值守的情况下稳定工作的是它背后的系统设计。 本文就总结了构建AI系统时真正绕不开的10个基础概念 1、MCP:通用插件系统 假设你需要Agent读取Gmail、更新Notion、查询数据库。 来看一个场景:用户说过"我习惯把会开在上午10点之前"。这条偏好被写入长期记忆,关联到用户ID。 三次重试都失败后,Agent告诉用户——"邮件服务暂时挂了,草稿已保存,10分钟后自动重发。"出了什么问题、接下来怎么办,交代得清清楚楚。 生产环境的边界情况永远比你想的。 Agent记性差、表现蠢?加记忆。短期记忆给对话,长期记忆存事实。再配合上下文工程确保决策时信息是完整的。 任务卡住跑不动?看看推理循环和状态管理。

    47810编辑于 2026-02-27
  • 来自专栏达达前端

    PHP全学习笔记10

    PHP全学习笔记10 php常量,常量是不能被改变的,由英文字母,下划线,和数字组成,但是数字不能作为首字母出现。

    1.4K30发布于 2019-07-03
  • 来自专栏信创系统开发

    AI Agents 技术

    2025 年被广泛视为“AI Agent 元年”,其技术的成熟标志着智能系统从“被动响应”向“自主决策”的跃迁。那么什么是 AI Agents 呢? 构成 AI Agents 的技术有哪些关键组成部分?本文参考了一些资料,尝试解释这一概念,主要参考了以下内容: AI Agents Stack. 二、AI Agents 技术的层级架构 AI Agents 的技术总体架构如上图所示。大体上可分为五个关键层级,从底层基础设施到上层应用逻辑逐层递进: 1. 跨 Agent 通信( Agent 协作):不同框架对 Agent 交互的处理方式各异。 小结 AI Agents 技术的成熟标志着人工智能从“工具”向“合作伙伴”的转变。

    1.7K11编辑于 2025-02-12
  • 来自专栏AI科技大本营的专栏

    场景下的AI疫情防控“天网”:解读云边端联动下的全AI技术

    AI、物联网等技术的发展与支撑下,红外体温检测仪首先是高效精准排查的第一层保护网,同时又保证了在全面排查下出行的高效性。 ? ? 技术关键词:AI、计算机视觉、行人重识别、AIoT、全AI技术、计算中心、云边联动、场景、解决方案全景图、智能前端硬件、边缘节点、指挥调度、分析研判、智能预警

    87530发布于 2020-03-03
  • 来自专栏用户1692782的专栏

    10——FFmpeg实现宫格

    本期,酷炫升级,我们来使用FFmpeg命令行来实现一下画面宫格的效果! 一说到宫格,相信我们的第一反应是九宫格,不过呢,由于使用FFmpeg命令行实现九宫格的参数实在太臃肿,我们案例中实现四宫格的效果,也足够酷炫哦! [tmp3][lowerright] overlay=shortest=1:x=960:y=540" -c:v libx264 out_1080p.mp4 二、参数解释 -re -i : 在实现宫格的过程中

    2.1K20发布于 2020-04-10
  • 来自专栏大数据那些事

    LVS(10)——实现集群功能

    在前面我们只运行了一个集群,所以只有一个http服务,通过前面的训练,我们可以适当加大难度,我们可以添设两种不同的业务。 同样要准备5台主机,和之前不同的是,将LVS路由主机改为后端的真实主机,从双网卡变成单网卡,而LVS主机的第二块网卡的网段回归原网段(从192.168.122.0/24到192.168.88.0/24),其他的均不用修改。 (1)将我们的第五台主机改为后端RS真实服务端主机,删除一块网卡,另一块网卡用VMNET1,随后重启network:

    61130发布于 2020-11-11
  • :企业与个人的发展之路

    人员能够在不同技术之间灵活切换,帮助企业更快地响应市场变化和客户需求。 提高生产效率:人员能够在项目中承担多种角色,减少了团队之间的沟通和协调成本。 转型的难点 在AI大模型广泛应用之前,向的转型往往会遇到以下一系列的挑战 信息获取的局限性:获取最新的技术信息和学习资源主要依赖于书籍、期刊、线下培训课程和技术论坛。 如何转型 随着AI大模型的普及,开发人员转向的成本大幅降低。AI大模型能够提供最新的技术信息和学习资源,二十四小时高效答疑,提高学习效率。 在编程实践中,Copilot、通义千问等智能编程AI的代码补全、代码检查等查功能可以显著提高开发效率,减少错误,这些能力都大大降低了转型为人员的难度,提高了学习效率和效果。 借助 Copilot、通义千问等 AI 助力跨的代码开发,参与跨代码评审,了解代码规范和最佳实践等等均是提升能力的有效途径。 尾声 掌握技能对企业和个体都具有显著的益处。

    45510编辑于 2024-11-14
  • 来自专栏云云众生s

    StarlingX 10:支持边缘双网络

    译自:StarlingX 10: Support for Dual-Stack Networking at the Edge 作者:Steven J Vaughan-Nichols StarlingX StarlingX 10.0 的一个突出特点是其对 IPv4/IPv6 双网络的支持。 虽然 StarlingX 长期以来一直支持 IPv6 网络,但直到现在它还不支持双网络。 现在,“最新的增强功能现在允许用户在单和双网络配置之间切换,以允许使用 IPv4 和 IPv6 地址空间,”开放基础设施基金会 (Open Infrastructure Foundation) 的社区总监在 由于 StarlingX 经常被电信公司使用,而它们的 数据中心通常仍然运行 IPv4,而它们的 5G 移动网络依赖于 IPv6,因此这种新的双支持是一个宝贵的补充。

    50700编辑于 2025-03-01
  • 来自专栏花狗在Qt

    线性表--共享技术(十)

    一.介绍 的应用非常广泛,经常会出现一个程序中需要同时使用多个的情况。若使用顺序,会因为对空间大小难以准确估计,从而产生有的溢出、有的空间还很空闲的情况。 为了解决这个问题,可以让多个共享一个足够大的数组空间,通过利用的动态特性来使其存储空间互相补充,这就是的共享技术。在顺序的共享技术中,最常用的是两个的共享技术,名双端1和2添加元素时,都会向数据中间靠拢,当1的指针+1等于2的指针的时候,满。 2.代码实现 (1) 定义双端 #define M 100 typedef struct { int elem[M]; char top[2]; //top[0]和top[1]分别作为两个顶的指示器 }DqStack; (2) 初始化 void InitStck(DqStack * S) { S->top[0] = -1; S->top[1] = M; } (3) 进 int Push(

    50010发布于 2020-10-28
  • 来自专栏云云众生s

    GenAI技术架构指南—10 个工具

    现代数据湖参考架构中可以找到的这 10 项功能,以及每个功能的供应商工具和库。 译自 The Architect’s Guide to the GenAI Tech Stack — 10 Tools,作者 Keith Pijanowski。 同时,我们深入思考了组织如何构建 AI 数据基础设施,以支持所有 AI/ML 需求 — 不仅仅是训练集、验证集和测试集的原始存储。 来源: 现代数据湖中的 AI/ML 这两篇论文都没有提到特定的供应商或工具。我现在想讨论构建现代数据湖所需的供应商和工具。在这个前 10 名单中,每个条目都是支持生成式 AI 所需的功能。 1. 为生成式 AI 做准备时的第一步是构建一个流水线,该流水线仅获取已批准与生成式 AI 一起使用的文档,并将它们放入您的向量数据库中。对于大型全球组织来说,这可能是生成式 AI 解决方案最困难的任务。

    65410编辑于 2024-06-05
  • 全能进化:开发的转型之路

    对于技术人员而言,掌握(Full Stack)开发技能不仅能够增强个人竞争力,也是适应行业发展趋势的必然选择。本文将为希望转型成为开发者的朋友们提供一些建议,并探讨开发的前景。 AI工具辅助代码生成目标:学会使用AI工具提高编码效率,如GitHub Copilot、Tabnine等。 开发的重要性与前景提高就业竞争力:随着企业对全能型人才的需求增加,开发者因其广泛的技能而受到青睐。促进团队协作:具备全面技术背景的开发者更容易理解整个项目的架构,有助于跨部门沟通。 加速产品迭代:开发者能够独立完成从前端到后端的开发任务,加快了产品的开发周期。个人职业发展:长远来看,技能为技术人员提供了更多的职业路径选择,无论是创业还是担任高级技术职位。 结语转型成为开发者是一条充满挑战但同样回报丰厚的道路。它不仅要求我们不断学习新的知识和技术,更重要的是培养解决问题的能力和持续创新的精神。

    36700编辑于 2024-11-20
  • AI开发实战营

    AI开发实战营:从数据到智能应用的完整旅程在人工智能浪潮席卷全球的今天,AI开发能力已成为技术人才的新标杆。" 全思维:打破AI开发的壁垒传统AI开发往往存在严重的分工隔阂:数据工程师负责数据处理,算法工程师专注模型构建,软件开发者负责系统集成。 这种分工模式导致沟通成本高昂、迭代周期漫长,最终影响了AI项目的落地效果。AI开发打破了这种壁垒,要求开发者掌握端到端的技能体系。 未来展望:AI开发者的成长路径完成实战营训练只是起点,AI开发者需要保持持续学习的态度。 这正是AI开发最吸引人的地方。

    62210编辑于 2025-09-05
  • Java企业级全人工智能框架:AI模型与向量能力解析

    html在Java企业级全AI应用开发中,选择合适的框架对于项目的成功至关重要。 JBoltAI框架,作为专为Java企业设计的AI应用开发框架,凭借其模型支持、私有化部署、向量库集成以及强大的Embedding能力,成为了众多开发者的首选。 模型无缝集成,灵活应对多样需求JBoltAI框架支持与多种主流AI大模型的集成,包括但不限于DeepSeek、OpenAI、Claude、Qwen等。 这种模型的支持,使得开发者可以根据具体应用场景和需求,灵活选择最合适的AI模型,无需因为模型限制而妥协项目需求。无论是自然语言处理、图像识别还是其他AI任务,JBoltAI都能提供强大的模型支持。 JBoltAI框架凭借其模型支持、私有化部署、向量库集成以及强大的Embedding能力,在Java企业级AI应用开发中展现出了显著的优势。

    13510编辑于 2026-01-27
领券