- 综合排序
- 最热优先
- 最新优先
- 来自专栏人工智能AI
AI人工智能6大应用场景
AI人工智能6大应用场景 01、AI农业场景 在农业场景，主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。 其主要运用的AI技术最开始是基于规则的专家系统，发展到后来的模糊推理系统和人工神经网络的结合。主要涉及模式识别，图像识别等。 03、AI医疗场景 在医疗卫生场景，主要有疾病诊断预测、临床和患者护理。 除此之外近年来 AI 技术也在应用到新药研制场景中得到应用。主要使用到的 AI 技术为神经网络、专家系统等。主要涉及的用例是图像识别、分析推理、分类等。 06、AI电子商务场景 在电子商务场景，主要用例是推荐系统、欺诈识别、营销活动、产品退货预测。
2.8K10编辑于 2024-05-21 分享6类10种政务AI大模型应用场景
大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。大模型通过训练海量数据来学习复杂的模式和特征，具有更强大的泛化能力，可以对未见过的数据做出准确的预测。 6类政务AI大模型的应用场景：政务咨询领域：通过构建具备深厚专业知识的智能助手，针对财务、环保等专业领域，提供精确的咨询和解答服务。这有助于提升企业和公众的办事体验，同时增强政府机构的工作效率。 城市治理领域：大模型专注于快速响应民意诉求、智能分类问题、高效处理事件工单等城市治理需求，开发特色应用，提高城市事件处理的效率，提升城市治理的智能化水平。 专业工具开发：应用大模型技术，在业务统计分析、报告报表生成、法律法规咨询等专业领域，开发一系列通用工具，帮助公务人员高效开展工作，同时协助企业和公众理解专业知识。 10种具体应用实例：政务服务- 智能问答系统：全天候提供咨询服务，解答政府服务相关问题。- 政策解读与推荐：自动解析政策文件，推荐与用户需求相关的政策信息。
2.6K10编辑于 2024-08-06- 来自专栏HyperAI超神经
美国 AGU 发布 AI 应用手册，明确 6 大指导方针
作者：加零 编辑：李宝珠 AGU 召集专家制定了一套「AI 应用指导方针」。 爆发性的 AI 应用：风险与机遇并存 在空间和环境科学领域，AI 工具的应用越来越广泛——诸如天气预报和气候模拟，能源及水资源管理等等。 可以说，我们正在经历前所未有的 AI 应用爆发，面对其中的机遇与风险，更加需要审慎思考。 在 NASA 的支持下，AGU 召集专家制定了一套「在空间和环境科学中应用人工智能」的指导方针，着重关注了 AI 应用中可能存在的伦理和道德问题，不仅仅局限于空间与环境科学这一特定领域，更为全方位的 AI 科学协会、机构和其他组织应提供资源和专业知识，支持 AI/ML 道德培训，并教育社会决策者了解 AI/ML 在研究中的价值和局限性，以便做出负责任的决策，从而减少其负面影响。 6.
45431编辑于 2023-12-14 - 来自专栏Java实战博客
6 ElasticSearch 高级-应用篇
bulk 批量操作 ：将文档 增删改查 一系列的操作，通过一次请求全部做完。优点：可以减少网络传输次数。
50710编辑于 2022-01-17 - 来自专栏AI小程序
AI人脸应用
这款颜值检测小程序使用了腾讯开放人脸识别API，本项目适合刚入门的同学练手，熟悉整个框架，整体实现如下：
1.3K00发布于 2019-01-06 AI 应用感想
龙虾热潮退去，最终会剩下文字相关的应用——编程、写文章、论文等等。一、大模型本质是文字模型不管形态如何变化，大模型的输出仍然以文字为主。 最终沉淀下来的应用，一定是那些将文字能力发挥到极致的场景。二、多代理提高可用性，但仍未达到可信的专家水平多代理架构让任务可以并行、分工、协作，显著提升了复杂任务的完成率。 这意味着所有AI输出都必须经过经验丰富的人员验证，以避免疏漏和安全问题。这是当前AI应用落地的最大瓶颈——不是技术不够强，而是信任成本太高。 未来可能出现”AI审计AI”的模式：一个代理负责输出，另一个专门负责对抗性验证，降低人工成本的同时保留人类兜底。四、记忆之后，还有知识整理与理解偏差记忆问题的解决只是第一步。 五、下一个高价值方向：代理自组织与AI团队导师人类组织中有项目管理和项目经理，AI代理体系同样需要自组织能力。
8600编辑于 2026-03-30- 来自专栏软件安装
AI应用开发
AI应用开发是将人工智能技术与实际业务场景结合，构建具有智能决策、自动学习或感知能力的应用系统。 它融合了传统软件开发与机器学习、深度学习等AI技术，以下是其核心要素和流程： 一、AI应用的核心技术栈 基础框架 机器学习：Scikit-learn、XGBoost、LightGBM 深度学习：TensorFlow Platform、Azure ML 二、AI应用开发的典型流程 问题定义与数据准备 明确AI要解决的核心问题（如分类、预测、生成等） 数据采集（爬虫、API、传感器等）、清洗（去噪、补全）、标注 （通过API接口或SDK） 构建监控系统（跟踪模型精度衰减、数据漂移） 迭代优化 基于用户反馈和新数据持续更新模型 优化计算效率（边缘部署或云端算力调度） 三、示例：简单的文本分类AI应用 以下是一个基于预训练模型的文本分类应用 ） 可解释性：部分场景（如医疗、金融）需要模型决策可解释 五、常见AI应用场景 智能客服（NLP对话系统） 图像识别（安防监控、质检） 推荐系统（电商、内容平台） 预测分析（金融风控、需求预测） AI应用开发的核心是
50910编辑于 2025-11-12 【AI落地应用实战】本地部署与调用ChatGLM-6B解决方案
ChatGLM-6B是由清华大学和智谱AI开源的一款对话语言模型，基于 General Language Model (GLM)架构，具有 62亿参数。 本篇将介绍使用DAMODEL深度学习平台部署ChatGLM-6B模型，然后通过Web API的形式使用本地代码调用服务端的模型进行对话。 一、DAMODEL-ChatGLM-6B服务端部署1.1、实例创建首先点击资源-GPU云实例，点击创建实例：进入创建页面后，首先在实例配置中首先选择付费类型为按量付费，其次选择单卡启动，然后选择需求的GPU 然后下载Hugging Face上的ChatGLM-6B预训练模型，也可以进入魔塔社区选择https://www.modelscope.cn/models/ZhipuAI/chatglm3-6b/files 我们可以直接在终端cd进入ChatGLM-6B文件夹，运行api.py文件：暂时无法在飞书文档外展示此内容显示如下提示则说明启动成功！
1.9K00编辑于 2024-07-31- 来自专栏一乐来了
AI驱动的应用：插件、应用市场和AI Agents
所以才发明了AI Native/AI First，来表达未来智能应用跟现在软件的不同。 等到ChatGPT发布插件，一众软件从懵懂中醒来，开始瑟瑟发抖，我们好像看到了AI吞噬软件世界的景象。 另一方面，在具体需求满足上，AI跟应用还只是有限度的打通，并不能完全闭环，这大大限制了用户从旧应用体系脱离的意愿和速度。 所以我们相信，大模型AI并不会取代AI以外的软件，尤其是企业应用。 只要用户需求是分散的，智能应用的未来就还属于企业和开发者，AI Native实际是AI Drive。 蓝莺智能插件 蓝莺智能插件（AI Plugin），是由应用自定义提供给大模型AI服务调用的一组API或函数集合。 基本步骤如下： 用户提出问题，应用服务器将问题和相关函数调用的定义发给AI服务； AI识别出缺失的业务信息，根据上下文信息拼装成函数调用返回给应用服务； 应用服务收到拼装好的函数后，进行实际的API或函数调用
53810编辑于 2025-05-23 - 来自专栏python3
6-3pxe应用入门
install dhcp tftp-server tftp syslinux vsftpd---配置成一个dhcp server 此时还需要一个kickstart文件，视频中是从服务器获取 centos 6改 接下来需要准备yum仓库 mkdir /var/ftp/pub/centos mount --bind /media/cdrom/ /var/ftp/pub/cnetos---这是绑定的方式 vim centos6. -------------------#####以下没用，只是示例 repo --name="Fedora EPEL" --baseurl=http://172.16.0.1/fedora-epel/6/ basic-desktopbr/>@chinese-support @client-mgmt-tools -------------------------------####以上没用 cp centos6. 表示一个控制符，表示按A快速定位 menu default kernel vmlinuz append initrd=initrd.img ks=ftp://192.168.10.16/pub/centos6.
84130发布于 2020-01-15 - 来自专栏全栈程序员必看
ODrive应用 #6 编码器
在编码器校准过程中，必须允许转子旋转而且不能有偏载。 这意味着载荷均匀和较弱的摩擦载荷才行，但是重载或类似弹簧载荷不行。 在 odrivetool中输入<axis>.requested_state = AXIS_STATE_ENCODER_OFFSET_CALIBRATION Enter。 要验证一切正常，请检查以下变量：
2.5K10编辑于 2022-07-23 - 来自专栏iSharkFly
Gradle 6 应用 gradleEnterprise 提示错误
在应用 gradleEnterprise 的时候，提示错误： > Could not find method gradleEnterprise() for arguments [settings_5wv4b365n0pw4ey5aj1mu1468 run_closure1@5b527bd] on settings 'covid-19' of type org.gradle.initialization.DefaultSettings. ---- 这是因为你可能没有应用插件 termsOfServiceUrl = 'https://gradle.com/terms-of-service' termsOfServiceAgree = 'yes' } } 需要先应用
1.6K40发布于 2020-04-02 - 来自专栏运维经验分享
Zabbix的应用(6)----常见错误
Zabbix的应用(6)----常见错误 【摘要】 常见问题：问题1：Service "sppsvc" (Software Protection) is not running (startup type
1.6K20发布于 2019-08-23 - 来自专栏TomatoCool
TP6多应用部署
tp6默认是不会开启多应用的，此时我们需要在项目目录下输入以下代码开启多应用模式。 然后根据需求创建自己的应用，输入以下命令创建名为index和test的app，可以看到app目录下多出两个目录。
39220编辑于 2023-07-30 - 来自专栏运维经验分享
Zabbix的应用(6)----常见错误
Zabbix的应用(6)----常见错误 【摘要】 常见问题：问题1：Service "sppsvc" (Software Protection) is not running (startup type
90410发布于 2019-08-23 - 来自专栏NLP/KG
大模型应用：大模型AI Agent在企业应用中的6种基础类型，企业智慧升级必备
大模型应用：大模型AI Agent在企业应用中的6种基础类型，企业智慧升级必备 AI Agent 智能体在企业应用中落地的价值、场景、成熟度做了分析，并且探讨了未来企业 IT 基础设施与架构如何为未来 4.应用 / 工具助手 企业应用中的 AI 助手很多时候需要与现有应用（CRM、OA 系统）做集成与交互，以完成某个用户任务或者驱动业务流程。 这就是 AI Agent 另一项重要能力：工具使用。 **AI 应用 / 工具助手就是能够把自然语言转换成对企业应用或者互联网开放 API 调用的一种基础 Agent 形式。 传统的 RPA 机器人也是用来完成此类工作的 AI 形式，由于这种 AI 机器人工作在软件的最上层即操作层面，好处是流程直观、简单、也可以配置化，且对应用无侵入性；但其缺点是与前端应用耦合性大，每个任务需要根据前端应用界面做精心配置与调试 6.自定义流程助手 最后一种 AI Agent 严格来说是上面的几种基础 Agent 能力的组合。
3K33编辑于 2024-05-07 - 来自专栏AgenticAI
6种AI Agent模式详解
虽然简单的应用可能仅依赖于一个自主智能体，但更高级的用例通常需要多个智能体之间的协作，每个智能体负责一个特定的角色。 在本文中，我们将探讨多种构建 AI 智能体结构的模式。 img 特点： 适用于线性或流程简单的任务 所有逻辑与决策均由一个模型内部处理 几乎不需要协调机制 适用场景： 快速原型开发、FAQ 问答机器人、单一功能应用等 2. 智能体与控制逻辑之间耦合度高 专家智能体是无状态的或具备响应式行为 便于与 LangChain 的工具接口集成 优势： 路由确定性强 易于将智能体封装为可调用组件 适用场景： 需要高吞吐量任务执行，且输入格式预定义明确的应用 适用于按领域或部门划分逻辑的系统 每个监督者管理一组特定任务或智能体 优势： 高度可扩展且结构清晰 各层级具备模块化控制能力 挑战： 实现复杂度较高 层级之间需要明确定义接口 适用场景： 企业级系统、多领域编排任务 6.
1.1K10编辑于 2025-07-27 - 来自专栏《三桥君 | AI产品方法论》
掌握这6个要点，让AI从实验室应用到实际场景
你好，我是 三桥君一、引言在当今快速发展的科技时代，人工智能（AI）技术已经渗透到各个行业，从医疗到金融，从教育到零售，AI的应用场景越来越广泛。 作为连接技术与市场的桥梁，AI产品经理的角色变得愈发重要。然而，尽管AI技术在实验室中表现出色，三桥君认为如何将其应用到实际场景中，解决真实问题，仍然是AI产品经理面临的核心挑战。 应用方式通过将行业知识“翻译”成AI能懂的语言，该行业成功将技术应用到实际业务中。原则技术要服务业务，让AI成为真正的助手。要求AI产品经理需要深入理解行业需求，才能设计出真正有用的技术解决方案。 推广条件只有让用户看到实际的价值，AI产品才能真正被接受和广泛应用。六、轻量交付描述详情成功关键降低使用门槛是AI产品成功的关键。 八、总结在AI落地的过程中，AI产品经理需要掌握一些实战心法：蹲下去看痛点、做翻译官、划清跑道。通过这些方法，AI产品经理可以更好地将技术应用到实际场景中。
27200编辑于 2025-07-22 - 来自专栏AI与通信前瞻
6G与AI融合：未来通信技术的发展趋势与应用前景🚀
（二）AI在6G中的应用AI在无线接入网中的应用在6G无线接入网中，AI技术将发挥重要作用。 三、6G与AI融合的应用场景（一）消费者应用场景超高清视频与VR/AR6G与AI融合将为超高清视频和VR/AR应用带来全新的体验。 需要加强6G与AI融合应用场景的示范项目建设，通过示范项目的建设，展示6G与AI融合技术的应用效果和优势，推动6G与AI融合应用场景的落地与推广。 例如，可以在智慧城市、智能交通、智能制造等领域建设6G与AI融合的示范项目，展示6G与AI融合技术在这些领域的应用效果和优势，推动6G与AI融合应用场景的落地与推广。 例如，可以进一步研究6G与AI融合在更多领域的应用场景和应用效果，探索6G与AI融合的安全解决方案和技术手段，加强与国际社会的合作与交流，共同推动6G技术的发展和应用。
81420编辑于 2025-06-26 - 来自专栏AI
常见的AI应用
常见的AI应用：语音识别、图像处理、自然语言处理等人工智能（AI）近年来在各个领域取得了飞速进展，尤其是在语音识别、图像处理、自然语言处理等应用中，AI的技术不断推动着这些领域的革新与发展。 以下是三种最为常见且广泛应用的AI技术：语音识别、图像处理与自然语言处理（NLP）。我们将逐一探讨它们的基本概念、应用场景以及具体的例子。 图像处理与计算机视觉图像处理和计算机视觉是AI技术中的两个重要分支，它们的目标是使计算机能够“看”并理解图像、视频等视觉信息。这些技术广泛应用于医疗、自动驾驶、安防监控等领域。 ○ 医疗图像分析：计算机视觉在医学领域应用广泛，尤其是在医学影像的分析和诊断中。AI可以通过分析X光片、CT扫描图像或MRI图像来帮助医生诊断疾病，如肺炎、癌症等。 总结与未来展望语音识别、图像处理、自然语言处理是人工智能领域中最为基础且广泛的应用，它们各自在不同的领域发挥着重要作用。在未来，随着AI技术的进步，这些领域的应用将变得更加精准、智能化。
1.1K10编辑于 2025-01-11
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