- 综合排序
- 最热优先
- 最新优先
- 来自专栏Devops专栏
8.Go工程管理
8.Go工程管理 1．工作区介绍 通过前面函数的学习，我们能够体会到函数的优势，就是可以将不同的功能放在不同的函数中实现，主函数（main( )）可以直接调用。 这就涉及到项目的工程管理也就是怎样对项目中的文件进行管理。 为了更好的管理项目中的文件，要求将文件都要放在相应的文件夹中。 以上目录称为工作区，工作区其实就是一个对应于特定工程的目录。
52620编辑于 2022-01-17 - 来自专栏高可用
混沌工程工具：混沌工程定位及原则梳理(8)
混沌工程定位很多人都会把混沌工程和测试区分不清楚，我从执行时机、执行后是否对系统产生新认知，做了一张图如下。 图片混沌工程工具系列传送门： 1、 混沌工程工具：Chaos-mesh与Chaosblade技术实现与原理分析(1)-腾讯云开发者社区-腾讯云 2、 混沌工程工具：chaos-mesh注入项原理分析 (2)-腾讯云开发者社区-腾讯云 3、 混沌工程工具：chaosblade在服务器上注入项原理分析(3)-腾讯云开发者社区-腾讯云 4、 混沌工程工具：业务代码注入原理(4)-腾讯云开发者社区-腾讯云 5、 混沌工程工具：Chaosblade Java业务代码注入原理(5)-腾讯云开发者社区-腾讯云 6、 混沌工程工具：混沌工程实施过程及持久价值(7)-腾讯云开发者社区-腾讯云 7、 混沌工程工具 ：混沌工程定位及原则梳理(8)-腾讯云开发者社区-腾讯云 8、 混沌工程工具：一个混沌工程设计的例子(9)-腾讯云开发者社区-腾讯云混沌工程原则解读及选择原则混沌工程高级原则，是国外混沌工程专家一起整理的实践指南
1.1K11编辑于 2023-10-10 AI Agent + 数据工程
AI Agent的出现，正在从根本上改变数据工程师的工作方式，甚至重新定义这个职业的边界。 从堆人到提效 提到AI Agent，很多人的第一反应是又一个大模型概念。 这些事情以前要靠专人花时间梳理，现在AI可以快速完成。 但这只是第一步。 更深层的变化在于，数据工程的需求本身正在被AI重塑。 业务方不仅看Dashboard，还想直接跟数据对话——问AI一个问题，AI直接给出答案。这就倒逼着数据工程师必须把底层的东西做得更扎实：元数据要完整、语义层要清晰、数据血缘要可追溯。 好的数据工程，应该配合AI在事中就做好管理和体系搭建。” 这句话背后是一个残酷的现实：以前数据工程师的工作更像是管道工——把数据从A搬到B，分层、清洗、汇总。 结语 数据工程遇上AI Agent，不是一场突如其来的革命，而是水到渠成的演进。 那些还在用老办法堆人的团队，也许该停下来想一想：未来的数据工程师，需要具备什么样的新能力？
23310编辑于 2026-02-28- 来自专栏Golang开发
Go语言核心编程(8)——工程管理
GOPATH/src 的第三方包放到当前工程的 vendor 目录中进行管理。 它为工程独立的管理自己所依赖第三方包提供了保证 ，多个工程独立地管理自己的第三方依赖包， 它们之间不会相互影响 。 vendor将原来包共享模式转换为每个工程独立维护的模式， vendor的另一个好处是保证了工程目录下代码的完整性，将工程代码复制到其他 Go 编译环境，不需要再去下载第三方包 ，直接就能编译就行了。 默认的是将工程的默认分支的最新版本拉取到本地。 dep 安装dep go get - u github.com/golang/dep/cmd/dep 使用 dep init 命令初始化工程,该命令可以用于新项目，也可以用于己经存在的项目 。 Gopkg.lock 仅描述工程当前第三方包版本视图。 dep ensure 手动更新 Gopkg.toml 需要运行 dep ensure来重新生成 Gopkg.lock 并更新vendor，
76840发布于 2019-05-29 AI提示词工程优化指南：8个技巧，释放大语言模型的全部潜力
仅仅满足于“能用”的提示词，会让你错失 AI 真正惊人的能力。本文将深入探讨业界总结的八大核心提示词工程技巧。 无论你是希望撰写更专业的报告、生成更精准的代码，还是规划一次完美的旅行，掌握这些方法都将让你的 AI 协作效率产生质的飞跃。8个专业级提示词工程优化技巧1. 系统提示：赋予 AI 一个专家角色如果你希望 AI 在整个对话中始终保持一个特定的身份、风格或能力，系统提示是你的最佳选择。它为 AI 设定了一个全局性的“人设”。 （粘贴上一步生成的大纲）” 8. 长上下文提示：在海量信息中精准导航当输入文本非常长时（例如一篇长篇论文或一份财报），AI 可能会“迷失”在信息海洋中，忽略掉关键细节。需要一些技巧来让它保持专注。 8. **上下文放在指令之前 (Context Before Instructions):** 将关键指令置于长文本末尾，并使用结构化引用。 #### 为什么重要？
3.8K10编辑于 2025-08-22AI时代的需求工程本质是规则工程（Stock题材助手AI实践总结）
Stock题材助手 AI实践情况1.1. AI编程环境CodeBuddyGemini-3.0-Flash1.2. 图形重绘抖动隐性常识显式化，写入Spec专业图形图像bug* 图形：词频分析图文字覆盖界面原型图【规则化】，写入SpecUI控件/表单bug* 日期设置不能超过今日，规则没生效无需Spec增强规则已在Spec 由单元测试驱动AI 改Bug专业图形图像bug* 操作：滚轮误触发点击逻辑 * 操作：用户标记有时不响应无需Spec增强规则已在Spec 由单元测试驱动AI改Bug数据持久化bug* graph文件保存数据没有排序排序后才能保存 从人脑翻译到机器直译的思维转变传统需求：面向程序员的文档，没错就好，信息不够程序员会【脑补】AI提示词：面向AI的机器指令，要求精确、无歧义例：GUI-RULE-ANALYSE-006明确要求用matplotlib 业务规则的原子化爆炸传统需求：业务规则分散在功能描述中，隐含在逻辑流程里AI提示词：业务规则独立成章，数量增加10倍+每个规则都有唯一标识符（如FUNC-RULE-ANALYSE-001）规则间通过引用关联
35830编辑于 2026-02-05- 来自专栏一个会写诗的程序员的博客
IDEA 工程文件 UTF-8 编码设置
?
2.8K00发布于 2019-04-18 - 来自专栏云云众生s
采用平台工程的8个现实理由
译自 8 Real-World Reasons To Adopt Platform Engineering，作者 Steve Fenton。 平台工程 存在一个干净的学术版本。 ——是时候添加平台工程了。 但这种简洁明了的采用路径并不符合现实。采用平台工程的原因很少符合认知负荷类别，了解现实中采用平台工程的动机将有助于那些正在考虑采用平台工程的人。 这些解决方案的非技术方面可能是平台工程的关键领域。创建黄金路径只是在现有堆栈中添加了另一个解决方案，因此，传达好处与创建出色的开发者体验一样重要。 然而，可靠性也是商业领袖考虑平台工程的关键原因。 熟悉的声音需求 平台工程的商业和技术动机反映了相同的需求。每个人都希望更快地交付软件并整合工具和实践。 我们的平台工程研究需要您的意见。虽然我们发现商业团队和技术团队在采用平台工程的原因方面存在共性，但我们也发现了一些信号，例如流程标准化，如果我们没有及早解决这些信号，它们将成为未来的绊脚石。
28310编辑于 2024-07-13 AI Coding落地困局破题：2025实战复盘与8步实施法的工程解法
解决效果：长程任务返工率从30%降至8%。但Agent的“逻辑幻觉”仍无法完全避免——比如曾误将测试数据纳入统计，最终需补充“数据来源校验”规则，用工程手段兜底AI的短板。 规则，说明AI的底层短板仍需工程手段兜底。 8步实施法用工程化的思路，把模糊的需求转化为明确的规则，让AI的能力能稳定落地，这是它最核心的价值。 8步实施法的实战探索，再次印证了一个道理：AI Coding的价值不是“让AI替人写代码”，而是“用工程规范让AI的能力更可控、更高效”。 对于大多数企业而言，与其追逐最新的AI模型，不如先搭建适配AI的工程体系。8步实施法或许不是最终答案，但它提供了一条从“踩坑”到“落地”的务实路径。
55310编辑于 2025-12-31- 来自专栏小巫技术博客
AI 时代的 Prompt 工程入门
引言 网络有句话流行的话—— “未来，淘汰你的不是AI，而是掌握了AI的人”。那我们应该怎么掌握AI？我自己的理解是学会面向AI提问，利用好AI工具为我们的工作提效和赋能。 本文所分享的Prompt工程，就是给大模型输入提示词（告诉模型我们要它干什么），让AI更准确的理解我们的意图，从而输出我们想要的内容（文本、图片、视频等等）。 什么是Prompt 工程？ 总结一下： 我们跟大模型交流的文本或指令就是Prompt，然而如何设计、组织、优化则被称为“提示工程”—— Prompt Engineering。 为什么Prompt会起作用？ 总结 本文介绍了Prompt 是什么、为什么要学习Prompt工程、并且对比了跟传统搜索的差异，最后给出了好的Prompt关键要素。 回到前面说的 未来淘汰你的不是AI，而是掌握了AI的人，我们可以进一步理解为能更好跟AI沟通的人会更具有竞争力。未来已来，我们需要持续学习，才能让AI更好的为我所用。
87421编辑于 2025-06-16 - 来自专栏决策智能与机器学习
用户体验、AI和ML「AI产品工程落地」
您如何看待它随着AI & ML技术的发展? 目前的客户体验“AI无处不在，但结果大相径庭”。使用同一项服务的两个客户可能对他们的体验有完全不同的印象，而且在很多情况下，这项服务是笨拙的，结构也很糟糕。 Canva的机器学习工程师保罗•Tune认为，“在改善客户体验方面有两种趋势: 为个人量身定做的趋势，因为更多的数据被收集到每个客户的大规模; 通过预期客户的需求，为客户提供跨多个接触点的平稳体验的趋势 例如，我最近采访的一位来自NetFlix的工程师提到，当电视连续剧被选中时，用户最喜欢的角色就会出现在菜单中。这意味着必须更多地了解每个客户，并预测他们的习惯。 试图整合AI & ML技术和客户体验的企业面临哪些挑战? Paul总结了许多企业在流程中采用AI和ML时面临的另一个常见挑战——数据量。他说:“目前的机器学习技术依赖于相对大量的数据来提供良好的预测。”
65720发布于 2020-08-05 - 来自专栏大龄程序员的人工智能之路
AI会让AI工程师失业吗？
自从AI出现之后，人类对于AI的担忧就从来没有消停过，特别是AlphaGo的横空出世将AI带到大众跟前，对AI的争论就更加激烈。 对于普通大众而言，AI是否会毁灭人类不需太关心，但是对AI是否会取代人类工作就异常敏感了。 我只是一介小民，担忧人类未来的事情轮不到我来操心，也不是业界大佬，泛泛而谈没什么意义，只是最近看到一篇关于Cloud AutoML的文章，突然想到一个问题：AI会让AI工程师失业吗？ 中，AI工程师分为三个层级：科学家（专家）、算法实现及改进者、算法应用者。然而，AutoML改变了机器学习的游戏规则。 然而二十年过去了，市场对软件工程师的需求逐年增加，至今仍没有看到下降趋势。 ? 当年的Visual Basic界面，看起来那么亲切 观察整个计算机技术发展的进程。
74620发布于 2019-07-01 - 来自专栏服务端技术杂谈
零一万物的AI工程落地
之前写了一篇：LangChain创始人回应为啥不做托拉拽的智能体工作流 正好今天看到零一万物的一篇讲AI工程落地的文章，观点很相似。 原文链接：大模型时代Agent系统的架构哲学与技术演进 附上Anthropic关于上下文工程的解法： 上下文构成： - System Prompt：要极其清晰，使用简单直接的语言，高度正确的呈现，模糊的指令无法给
10510编辑于 2026-03-11 - 来自专栏悦思悦读
我，女生，AI工程师
作者: 刘培 AI创业企业算法工程师 西安电子科技大学光电图象专业，硕士 毕业后就职于爱立信 2018年初加入AI创业企业，从事图象处理领域的研发工作 2017年8月17日，主讲人曾经做过一个分享：《我 在今年初，主讲人再次前进一大步，成为了AI工程师。本文呈现给大家这一年的工作历程。 ---- 偶入人脸识别领域 ? 我觉得让一个没有工程经验的人直接去学可能不是很快，但是有工程能力的人去学AI相反会比较快。 ---- Q2：训练模型用了多少服务器资源？多少时间？多大数据量？ ---- Q5：有很多开源AI框架，如TensorFlow，做工程还需要读论文并实现它吗？ A5：我们现在经常是需要看最新的论文，比如CVPR之类国际上比较有名的会议的期刊和论文。 ---- Q8：专属女生的一些顾虑。 A8：”女生不适合做程序员，女生更别想着有去做AI工程师”——我觉得这些都是谬论。 女孩，有自己的优势，即使女生要面对生孩子问题。
1.1K20发布于 2019-03-07 - 来自专栏机器学习/数据可视化
8种数值变量的特征工程方法
公众号：尤而小屋编辑：Peter作者：Peter大家好，我是Peter~本文主要介绍处理数值变量特征工程，将介绍使用Python的Scikit-Learn库、Numpy等工具处理数值的高级特征工程技术， 特征工程特征工程通常涉及对现有数据应用转换，以生成或修改数据，这些转换后的数据在机器学习和数据科学的语境下用于训练模型，从而提高模型性能。 接下来，我们将介绍一些实用的特征工程技术:1、归一化归一化（也称为缩放）可能是数据科学家学习的第一个数值特征工程技术。这种方法通过减去平均值并除以标准差来调整变量。 X_train_scaled, X_test_scaled, y_train, y_test) # 创建两个并列的子图 fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(20, 8) 8、主成分分析 PCA主成分分析（PCA）将一组可能相关的变量转换为一组线性不相关的变量，称为主成分。
56800编辑于 2025-05-09 - 来自专栏运维开发故事
避免告警疲劳：每个 K8s 工程团队的 8 个技巧
原文：https://dzone.com/articles/avoiding-alert-fatigue-8-tips-for-every-k8s-engine
52020编辑于 2022-09-15 - 来自专栏木东居士的专栏
AI研发工程师成长指南
AI研发工程师成长指南 本文为数据茶水间群友原创，经授权在本公众号发表。 关于作者：Japson。某人工智能公司AI平台研发工程师，专注于AI工程化及场景落地。 0x01 关于AI行业的思考 算法工程师的门槛 AI算法工程师年薪百万，应届毕业生年薪都有80w… 去年AI人才缺口就已经过百万，今年将达500w… 加入《XXX训练营》，XX天打造AI算法工程师… 在网络上充斥着各种类似上面那样的吸引眼球的文章标题 因此，我认为了解AI工程化场景、解决方案；熟悉AI项目流程、机器学习Pipline；掌握AI系统研发、服务部署上线能力的工程师将会逐渐成为AI团队的中坚力量。 容器化： docker和k8s现在几乎是机器学习部署的必备技能，也是众多平台的基础。 是重要的前置技能。 接下来会有系列的技术学习笔记，考虑到学习的连贯性，前期可能是一些基础的docker/k8s等系列，后期会研究一些开源框架。
1.4K51发布于 2019-08-26 - 来自专栏Fin
AI绘画中的“提示工程”价值
对于一些有想法但不会画画的人来说，AI的出现无疑是个好消息。现在AI绘画蓬勃发展，用户只要将脑海中的画面描述给AI，就可以得到相应的作品。而对于“提示工程”这一领域，AI绘画大有助益。 Prompt让AI绘画更具创造力提示工程（Prompt Engineering）是一种机器学习和自然语言处理领域中的技术，旨在通过给出精细和有针对性的提示，帮助模型生成更加准确、具有创造力的输出。 最近火爆的ChatGPT便可以作为AI绘画的提示工程源头，对AI绘画工具的应用，是一个质的飞跃。 提示工程在AI绘画领域的应用前景随着AI技术的不断发展，AI绘画作为一种新兴的技术，正逐渐被应用于各行各业的“提示工程”中。 除了以上领域，AI绘画技术还可以应用于各种提示工程中，例如娱乐、文化艺术、金融、广告等领域。
1.1K30编辑于 2023-03-20 AI工程化项目实战营
一、 基础设施层：算力的抽象与池化这一层的目标是将原始的硬件算力，转化为可被高效、灵活调用的工程资源。1. 三、 数据与特征工程基础设施“垃圾进，垃圾出”在规模化AI中会被无限放大。这一层确保流入模型的是高质量、一致的“燃料”。1. 特征平台这是工程化与科研的核心分水岭。 总结：从“炼丹师”到“基建架构师”传统的算法工程师如同“炼丹师”，专注于模型本身的精妙。而掌握基础设施与运维技能的AI工程师，则是“基建架构师”和“城市规划者”。 维度“炼丹师”“基建架构师”核心关注点模型精度、新算法系统稳定性、可扩展性、成本效率工作产出.pth或.h5文件一套自动化、自适应的AI平台与服务思维方式实验性、探索性工程性、系统性、产品化价值体现解决 构建这套基石能力，不仅需要技术广度，更需要将软件工程、数据工程和运维文化的精髓，深度融合到AI的每一个生命周期之中。这，正是AI工程化的终极奥义。
58510编辑于 2025-11-06对AI编程工程级实践思考-给老马车装V8动力引擎也只能散架
今天接着聊AI编程方面话题。 今天接着跟大家聊AI编程。因为我最近半年到一年，一直关注的一个重点，怎么将AI编程从个人级上升到组织级的工程能力。 但是最近经过跟相当多的朋友包括在内部的一些试点试用，还是发现AI编程要变成工程级组织级的能力，太难了。 因为很多时候我们仍然是按照传统的软件工程，传统的岗位角色分工，对原有的类似于需求设计前端后端各个岗位进行AI赋能。在这种方式下面，你想通过AI实现成倍的效率提升，基本上是不可能的。 包括在昨天我跟朋友沟通的时候，也举了一个例子，就是这种模式好像就是一个老的马车，它装了一个V8的引擎，但是接着跑着跑着就只能是散架。 这样才能够完成基本上一个完完整整的工程级的实践。 而且这个工程级的实践里面就是以一个核心人员为主，其他人员配合，其他配合的人员有可能是AI智能体机器人，也有可能是真正的人。
9710编辑于 2026-04-24
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