技能定义 --- name: pre-commit-validation description: 提交前综合验证审阅。执行静态代码审查、运行时错误检查和功能验证。 --- # 提交前验证审阅技能 ## 快速开始 本技能在代码提交前执行三层验证,确保代码质量和系统稳定性: 1.**静态代码审查**:使用现有 code-review 技能检查代码规范 2. **调用代码审查技能** - 参考现有的 [code-review](.. Cursor (2.4.21) User 请针对待提交的代码进行代码审查 Cursor 我看到您有多个文件待提交,我将使用提交前综合验证技能来进行全面的代码审查。 让我先读取技能文件,然后执行系统化的审查流程。 好的,我将按照提交前验证技能执行三阶段审查。首先让我读取更改的详细内容,然后开始阶段1:静态代码审查。 现在我将开始执行阶段1:静态代码审查。
当谷歌的AI–AlphaGo击败了人类顶尖棋手的时候,举国皆知,可以说是震惊了全世界。 现在,又让AI具备了一项更加人性化的技能——“眯一会儿”、“打盹”,并且在最近发表的一边文章中谈到了DeepMind的“休息”能力。 目前无论是AI、神经网络还是机器学习等算法,研究者们要做的就是让它们有自行解决问题的能力。 自动驾驶技术需要对交通状况中做出决策,而AI需要的就是要具有人的思维能力。
我们接下来肯定还是有很多的请求要写的,我们是不是需要封装下,利用封装后,再来封装后的方法再来解决呢。 我们去简单的封装,我们在src创建一个until的包,然后创建一个httpcommon.js文件 我们去封装常用的请求。 请求是可以正常请求的,那么证明我们的封装是没有问题的。我们在后续的使用中,就可以使用 我们封装好的方法即可。 简单的使用封装即可以。
注意:这里并不是说要掌握 AI 相关技术,而是掌握如何应用人工智能的技能。 想像一下如下场景: 文字工作者(包括作家、自媒体作者),使用 AI 生成相当一部分的作品,然后在此基础上进行润色。 营销人员,使用 AI 生成令人印象深刻的文案,或利用模型的丰富知识进行创意头脑风暴,然后根据自己公司的情况进行加工 程序员,使用 AI 搭建出程序框架,然后实现一些定制化的需求。 这个时候,如何你能掌握使用 AI 的技能,就会拥有相对于其他人的极其宝贵的竞争优势。 什么是使用 AI 的技能?就是你和 AI 之间的沟通能力,让 AI 理解你意图的能力。 所以,你与 AI 的交流方式很重要。 在我刚工作那会,掌握英语会形成求职的一个重大优势,以后,掌握 “Prompting” 技能会不会成为亮点? 但这些机会不会默认开花结果。你必须去追他们。 因此,在 2023 年,开始学习这一项关键技能吧。 在发生巨大变化的时代,那些先于其他人发现趋势的人会效益最大化。现在开始学习如何提示,很快,你就会在 99% 的社会中拥有明显的优势。
AI的普及成为推动社会生产力标志,必将改变我们的生活。 但是,本文作者前谷歌工程师、Inovo.vc的CTO Ric Szopa认为,AI从业者的技能正在贬值。 他从一个选择题入手告诉我们,AI工具、数据集、资金投入以及行业+AI的优势正在一步步弱化单一的AI基础技术优势。 先来做一道选择题。 在这种情况下我们应该如何看待AI?有很多公司试图将AI作为他们的直接产品(用于图像识别的API等),对一个AI专家,这可能很有吸引力。 然而,这常并不是一个好的选择。 同样令人兴奋的是,因为AI属于辅助后端,仍然可以利用非AI业务来保持公司的竞争优势。 结论 AI是一项真正的变革性技术。但是,以此为基础创业是一件棘手的事情。 你不应该完全依赖于AI技能,因为市场趋势就是技术会贬值。 构建AI模型可能非常有趣,但真正重要的是拥有比竞争对手更好的数据。
偶然刷 GitHub,看到 anthropics/skills 仓库,惊呆了:原来有个“技能包”,可以把复杂任务一次性打包成 AI 能直接理解的“外挂”。那一刻,我差点直接发朋友圈——这是效率革命! 亮点揭秘 像外挂一样秒懂流程以前让 AI 整理 Excel、生成报告,你得从头提示一大堆流程——半小时没出效果很常见。Skills 出现后,只要交给 Claude 一个技能包,它立刻按流程自动操作。 比喻:就像你把繁琐流程装进一个“技能卡盒”,AI 拿出卡片就能直接用。⚡ 即插即用 + 团队共享神器技能包是文件夹格式(README + SKILL.md + 脚本),下载就能用,还能分享给团队。 比喻:以前你得教每个人怎么操作,现在只要发一个技能包,全队都能秒上手。 AI 变专家,提示不再乱Skills 用“渐进披露”机制:模型先只看到技能名和简介,任务相关时才加载完整技能。 Skills 封装流程,让整个团队、整个项目效率翻倍。传送门:直接上车https://github.com/anthropics/skills
提炼关键信息,就是小学时大家学的概括中心思想。一篇文章的观点可能只有一个,但为了辅证这个观点,会有很多材料,从各个角度来阐述。在向上层汇报时,一定要把关键信息提取出来。当然也要了解上层最关心的问题,是精度提升?还是时延提升?还是其他KPI?这个KPI提升了多少?现在到什么水平?关键信息之外的其他信息,像如何达到这个KPI的,调了哪些超参,和哪些兄弟讨论了,参考了哪几篇论文,都不应该喧宾夺主,而是提前准备好,要哪个就立马提供哪个。
每日AI知识点 · 第09期 ️ AI Skills 技能体系 给AI装上专业技能包 ️ 什么是 AI Skills? Skills = 预封装的专业能力包,让 AI 秒变领域专家。 1 指令(Instructions) 告诉 AI 在该场景下如何思考和行动,例如「生成测试用例时必须包含边界条件」 2 工具(Tools) 该技能可以调用的 MCP 工具, 例如 TAPD 技能包含查需求、写用例、更新状态等工具 3 资源(Resources) 参考文件、模板、示例代码,例如测试规范文档、历史用例模板 4 上下文(Context) 防覆盖自动备份 advanced-test-cases 高级测试:生成性能/边界/并发测试用例,覆盖6大测试维度 今日金句 Skill = 指令 + 工具 + 资源 + 上下文,一次封装 ,永久复用 把你的专业知识封装成 Skill,让 AI 成为你领域的专家助手 你最想把哪个工作流程封装成 Skill?
David Eastman受YouTube上介绍AI副业的视频启发,演示了如何基于OpenAI API开发AI封装应用。 译自 The Promise of Riches from AI Wrappers,作者 David Eastman 一直是伦敦的专业软件开发人员,曾在甲骨文公司和英国电信任职,也是一个顾问,帮助团队以更敏捷的方式工作 如果忽略无法证实的收入数字,这个视频是相当理性的,指出大多数的想法只是人工智能的封装,开始并不需要太多工作。我将在下面看一些特色网站。 那么什么是人工智能封装? 人工智能应用程序构建在什么之上或包装了什么?它是对中间商大型语言模型(LLM)的基本API调用。要获得基本的API体验,我们不需要任何代码: 加入OpenAI。 最后,我们有PDF AI。显然,域名“pdf.ai”花了1万美元,所以这确实强调了确保网站匹配用户预期的必要性,同时提醒我们成功的努力远非随意。所有示例都会紧密匹配网站域名和任务。
在当今科技飞速发展的时代,AI 无疑是最耀眼的明星。它不仅改变了我们的生活方式,还对芯片和封装工程领域产生了翻天覆地的影响。 一、AI 的运作原理与计算需求 (一)AI 如何工作 人的大脑由约一千亿个神经元构成,神经元之间通过信号传递相互协作,进而形成思想。AI 正是借鉴了这一原理,通过数学方程来模拟。 三、先进封装技术的创新之路 (一)集成技术的突破 为满足 AI 对硬件的需求,行业开始探索创新解决方案。3.5D 集成技术应运而生,它能在相同的占位面积内提供更多的硅片面积。 此外,充分利用 2.5D、3D、3.5D 堆叠等硅片封装设计能力,推动芯片技术发展。 (三)封装的变革与挑战 传统的 JEDEC 托盘尺寸已无法满足芯片封装需求,芯片封装尺寸急剧增长。 综上所述,AI 驱动的先进封装技术正引领芯片行业迈向新的征程。尽管面临诸多挑战,但创新的步伐从未停止。未来,我们有理由期待这一领域带来更多的惊喜与突破,为科技发展注入强大动力。
它的核心使命是:让 AI 从专业心理学角度理解用户,越用越懂你核心特点 专业心理学模型 - 基于 OCEAN + HEXACO 人格模型 多维度分析 - 人格、情绪、灵活性、应对模式 持续学习 - 每次对话都在积累理解 主动关怀 - 自动追踪情绪事件,适时关心 置信度加权 - 不瞎猜,用数据说话 隐私安全 - 所有数据本地存储适用场景想要 AI 助手更懂自己的用户需要情感陪伴的对话场景个性化 AI 体验的开发者心理学相关的应用开发安装前置要求 进入 OpenClaw 技能目录 cd ~/.openclaw/workspace/skills/ # 2. # 测试技能是否可用 { ocean: { openness: { score: 0.8, confidence: 0.7, evidence: "用户说'我想试试那个新出的AI
而 AI IDE 时代,这个问题被放大了十倍——AI 不读 Wiki,AI 只看它能访问的上下文。 你不给 AI 规范,AI 就按"互联网平均水平"生成代码。 企业软件系统三大痛点,AI 时代一条都没解决,反而加速了: 痛点 AI 时代的放大效应 Controller 变垃圾桶 AI 默认把所有逻辑堆在最上层,一次生成,全员复制 入参出参边界模糊 AI 不知道 洞见二:金字塔双层是 AI 时代的"可读代码"最低标准 以前代码只给人读,靠注释凑合。现在代码也给 AI 读,AI 要理解上下文才能生成正确的后续代码。 三层以上的嵌套,AI 无法判断下一步方法属于哪层,生成结果随机落层。金字塔双层是人类可读性和 AI 可理解性的最大公约数。 AI 时代最大的职业分化,不是会不会用 AI,而是能不能把自己的隐性经验显性化,装进 AI 的大脑。 Lv.1 的人用 AI,每次 prompt 不同,结果随机。
前端展示规划:用户点击输入框的时候,右侧有弹窗,antDesign 的Popover 气泡卡片实现(需要二次封装),另外当用户点击一键插入的时候,需要把AI生成的值替换进输入框中。 (用户已在网站设置了apikey等相关大模型调用信息,存储localStorage中) 然后二次封装Popover,命名为AIEnhancePopover,把按钮、AI回复内容等都装进组件,调用接口后AI 前面调用接口的请求ts已经封装好了,接下来就是对AI润色块整个部分进行封装了,这里需要进行封装按钮,发起请求,同时需要渲染展示AI的回复问答。 首先是界面部分,组件的界面是二次封装了一下ant-design的a-popover组件,简述为两个按钮以及ai回复,以及一个一键应用AI回复的按钮。 extend: String }); 然后就是构建好prompt,发送给已经封装好的 sendToQwenAI 即可,并且传递一个回调函数,用于更新组件中的AI回复的内容 // 发送给 AI 处理 const
Alexa技能发明家推动AI教育发展Alexa技能发明家项目专注于科学、技术、工程和数学(STEM)教育,通过Alexa帮助学生了解人工智能。 这些技能使用积木代码构建,使任何人都能轻松学习语音AI基础知识及其编程方法。”积木编码将基于文本的代码转换为可视化的“积木”,可以通过拖放方式创建计算机程序。 AI日标志着Alexa技能发明家项目的正式启动。据Alexa首席技术推广专家介绍,该项目的重大发展在于其易于访问性。“美国14岁及以上的学生可以报名,教师可以随时将其纳入课程。” 长期影响与包容性目标为深化技能发明家项目的影响,某中心未来工程师计划重点支持像AI日这样的STEM活动,并资助将项目带给服务不足和历史代表性不足社区的学生。 MIT RAISE的AI日编程帮助向全球数千名教师和数万名学生介绍了Alexa技能发明家。某中心的贡献还包括向波士顿公立学校捐赠25,000美元,以支持和鼓励学生AI教育计划。
最近学了一些使用 AI 大幅提升画技术流程图、架构图、各种图的技巧,像这样: 这些图全是用 AI 不到 3 分钟画的,而且最重要的一点是,这些都基于文本绘图,也就是说,所有的图都可以手动二次编辑、调整, ✍️作图 既然是 AI 画图,那我们先确定用的工具、哪家的 AI 。 有一个小技巧,可以使用截图工具先截图,然后直接粘贴到 Cursor 输入框,AI 即可读取图片内容。甚至还可以将某些地方用框圈起来,让 AI 更有目的性的修改和完善。 比如上述架构图的技术栈区域下方有点空,我会通过 AI 这样调整: 这样 AI 就又加了一些内容,如果对文案不满意,我们可以通过编辑对应的文件手动调整,这也是我用 AI 画图很重要的一个原则——必须要能够手动调整图片内容 还是以最初的登录流程为例,让 AI 绘制流程图: 将 AI 的输出内容复制一下: 粘贴到 draw.io: 这样这个图就基本画完了,不满意的地方在 draw.io 里继续调整即可!
近年来随着数字化基础设施建设不断完善,人工智能产业化应用加速,带来更大的AI人才需求。AI比赛成为了吸引、培养和选拔AI人才的重要途径。 近期,2023年第七届一带一路暨金砖国家技能发展与技术创新大赛人工智能生成内容专项赛拉开了帷幕。这项国家级大赛,是推动金砖国家间教育合作、技能开发和人文交流的重要平台。 竞赛队伍需要合理利用腾讯云TI平台,基于其中的TI-ONE训练平台进行数据标注、预处理、模型训练、模型评价、模型管理和发布,从而完成人工智能生成、检测或识别等典型AI任务。 尽管可以覆盖AI生产的全环节,TI-ONE也同时具有差异化算法模型构建,能为零基础人员、初级算法工程师、高级算法工程师等不同使用人群,提供不同使用门槛的建模工具。 未来,腾讯云智能将继续沿着做厚平台、做精应用、做深行业、做广生态的战略方向,助力各行各业拥有大算力、易开发、能落地的云端智能平台,让AI成为产业升级的“贴心”助手。
在 AI 代码助手遍地开花的今天,你是否曾好奇:为什么别人的 AI 助手总能精准地写出符合团队规范的代码? 它是 AI Agent 技能生态的包管理工具,让 AI 助手获得"专业技能"的方式变得前所未有的简单。 >:指定要安装的技能名称(可指定多个) -a, --agent <agents>:指定目标 AI 助手 -g, --global:全局安装(用户级别),默认是项目级别 -l, --list:仅列出可用技能 推荐做法:先从官方技能库中挑选 3-5 个最常用的技能起步。 写在最后 npx skills 的出现,标志着 AI 代码助手从"通用型"向"专业型"的演进。 想象一下,当团队的最佳实践被封装成可共享的 Skill,新成员加入时无需漫长的文档阅读,AI 助手就能自动带着"团队基因"工作——这才是 AI 时代知识管理应有的样子。
随着机器学习在越来越多的应用程序中寻得了一席之地,越来越多的程序员加入AI领域,那么,入行AI领域需要哪些技能呢? ? 事实上,具备更多的相关技能是成为一个高效机器学习工程师的关键。 转行到应用AI之前最需要掌握的5个技能 1. 统计学 要深入理解机器学习,必须要有扎实的统计学基础知识,这涉及到几个方面: 度量模型是否成功的各种方法(精确度、召回率、ROC曲线下面积等)。 软件工程 许多的应用机器学习允许你充分发挥自己在软件工程方面的技能,虽然有时也会有一点小改变。这些技能包括: 测试流水线的各个方面(数据的预处理和增强、输入输出的整理、模型推理时间)。 有关一名优秀的机器学习工程师所需掌握的软件技能,请查看我们的专题文章“从学术界转行到应用AI”。 工作中的小窍门 以上那些资源能帮你处理和解决实际的机器学习问题。
chatCompletionRequest); System.out.println("model output:" + invokeModelApiResp.getMsg()); } } 封装通用 AI模块 application.yml配置API key # ai 配置 ai: api-key: 自己的key 定义AI配置类 @Configuration @ConfigurationProperties Bean public ClientV4 getClientV4() { return new ClientV4.Builder(apiKey).build(); } } 封装通用的 返回的题目列表格式必须为 JSON 数组"; 业务逻辑中调用AI 调用AI,使用定义好的Prompt生成题目 // AI 生成 String result = aiManager.doSyncRequest = appService.getById(appId); ThrowUtils.throwIf(app == null, ErrorCode.NOT_FOUND_ERROR); // 封装
AI 场景对NAND 存储核心诉求是什么?带宽! 2. 当前SLC/TLC/QLC的带宽现况 3. NAND 侧提升带宽路径-Single NAND Package 关于 Single NAND Package Single NAND Package(单个 NAND 封装)是指将 NAND 闪存芯片以单个物理封装的形式集成在一起的技术 这种封装可以是一个芯片上集成多个存储单元,也可以是将多个 NAND 芯片以单个封装形式组合在一起。 2. • 性能提升:集成在同一封装中的 NAND 芯片可以通过共享数据通道和控制线路,提高数据传输速度和访问效率。 • 简化设计:使用单个封装简化了电路设计和PCB布局,降低了系统设计的复杂性。 Note:AI场景对热存储的核心需求是读写带宽。 AI 应用的存储和内存类型 • 远程存储/内存 • 高能力,支持不同远程用户共享,但延迟较长,更容易扩展。 • 通过网络连接。