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
  • 来自专栏陶士涵的菜地

    AI 智能体系统- AI 智能体的 6 个关键要素

    所以对于智能体系统,还需要设计好工作流,确保智能体之间整体协作的通畅。 这种协作不仅是指智能体和智能体之间,也包含人和智能体之间的协作。 比如 Devin 这种复杂的 AI 软件工程师,在遇到一些解决不了的错误时,也需要人工干预。 5. 6. 记忆能力 记忆能力指的是智能体要有能力记得自己做过的事情,得到和生成的数据,用这些数据来进行后面的决策和完成任务。

    74911编辑于 2024-05-28
  • 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 }dupsqstack; 我们需要加一个标识来标识用的使左还是右,这里’L’标识左,‘R’标识右 二、代码如下: stack.h #pragma once #include<windows.h pushDupStack(s, 'R', i + 10);//右 } printf("左的出顺序:\n"); while (s->lefttop !

    76920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。 在 Fragment 的重构工作进行了 6 个月,进行了 35 次修改时,发现 Postponed Fragment 功能已经严重损坏,这一问题使得被推迟的事务处于一个中间状态 —— 既没有被提交也并不是未被提交 (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
  • 来自专栏达达前端

    PHP全学习笔记6

    PHP全学习笔记6 php能做什么,它是运行在服务器端的,web网站大部分数据都是存储在服务器上的,PHP就是用来处理这些存储在服务器的数据。

    84830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
  • 来自专栏用户7873631的专栏

    tp6文件上传

    Index { public function index() { return View::fetch('index'); } /** * TP6文件上传操作

    1.1K10编辑于 2022-05-23
  • 来自专栏TomatoCool

    TP6应用部署

    tp6默认是不会开启应用的,此时我们需要在项目目录下输入以下代码开启应用模式。

    40020编辑于 2023-07-30
  • 来自专栏Java帮帮-微信公众号-技术文章全总结

    shiro教程6(realm认证)

    为什么要使用realm认证? 实现realm认证 在上篇教程的基础上我们来完成此案例shiro教程5(整合SSM项目-认证) 首先MD5和SHA1加密简单实现 SHA1算法 public static void main(String 项目实现Realm认证 mapper接口 public interface UsersMapper { /** * 查询users表 * @param userName * @return

    66910发布于 2019-12-12
  • 来自专栏波波烤鸭

    shiro教程6(realm认证)

    为什么要使用realm认证?    实现realm认证    在上篇教程的基础上我们来完成此案例shiro教程5(整合SSM项目-认证) 首先MD5和SHA1加密简单实现 SHA1算法 public static void main( 项目实现Realm认证 mapper接口 public interface UsersMapper { /** * 查询users表 * @param userName * @return

    1.6K30发布于 2019-04-02
  • 2026 企业级 AI 技术全景:6 款企业智能体架构解析

    对于 CTO 和 CIO 而言,2026 年的 IT 战略不再是选择单一的模型,而是构建一个“通用+垂直”的组合式技术。以下是我为你准备的《2026 企业级 AI 智能体技术盘点》深度解析。 包含中央协调系统 (Central Coordination) 和 智能体调度引擎 (Multi-agent Scheduling)。 作为基于强化学习的模态模型,Mano 能够像人类员工一样操作复杂的企业软件界面(CRM, ERP, 广告后台)。 技术突破:它能够在一个包含 250+ 公共维度 × 6 种私有维度 × 200+ 分析指标,总计超过 30 万个行动空间的复杂环境中,精准找到最优的分析路径。 这便是 2026 年企业级 AI 技术的最佳实践。

    84510编辑于 2026-01-19
  • 来自专栏学弱猹的精品小屋

    Leetcode | 第6节:与队列

    数据结构4-5:与队列 简单介绍一下(Stack)与队列(Queue)。就是先进后出(FILO)的数据结构,队列就是先进先出(FIFO)的数据结构。 这里我们也是考虑使用两个来求解。区分于队列,是先进后出的,因此每做一次的操作都会改变元素的顺序。那么假如说我们有两个stack1, stack2。 Problem 6: Leetcode 224 给你一个字符串表达式 s ,请你实现一个基本计算器来计算并返回它的值。运算表达式中只有加减两个运算符,会有括号。 而这个最大序列的获得方法,其实就是上一个问题,单调方法的一个变形。Problem 6中,我们通过单调找到了一串数中最小的。那么这个题,我们就把判断方法换一下,就可以找到一串数中最大的。 (res += ((pre[i] * nxt[i]) % MOD * A[i]) % MOD) %= MOD; } return res; } 这个题虽然是一个medium难度,但是还是需要考虑的

    55620发布于 2021-08-10
  • 来自专栏叶子的开发者社区

    向量6(继承)操作 C++

    CStack类继承CVector类,新增私有数据成员: int top; //顶 为CStack类添加构造函数CStack(int n1),初始化空间和顶。 此过程要求调用基类相应构造函数完成空间初始化。 为CStack类添加入,出,判空,判满的成员函数。 主函数,输入数据,测试CStack类。 输入 第一行空间n 对每行测试数据,格式为:操作[数据]。其中操作用in表示入,out表示出,end表示操作结束。 输出 输出操作结束后,中从底至顶的数据;若为空,输出empty。 整个压和弹的过程通过top偏移量和底指针data相加来操作。 然后空和满的判断也通过比较top和的长度来实现。 然后压的时候判断是否是满,弹的时候判断是否是空。 需要注意的就是top的值,top为0的时候应该是第一个进的,top为n-1的时候应该是最后一个进的,这些在判断是否为空和是否满了的时候要特别小心。

    31410编辑于 2023-07-30
  • 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
  • 来自专栏小轻论坛

    做站6,多起落后的成长经验

    网站的运营离不开每个日日夜夜的坚持,要多去更新原创优质的文章。曾经我会自己最少每两天写一篇经验,不论字数多少自己会写一些,后面有一些人会投稿,也会去分享自己的知识。

    63210编辑于 2022-10-30
  • :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
领券