搜索 - 腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

来自专栏全栈程序员必看
p6操作教程_pc6视频教学
p6spy就是一款这样的工具，下面给大家介绍一下p6spy的使用。使用p6spy需要做以下三步： 1. 导入jar包：将jar包复制到项目中去，记得要build path一下。我用的是p6spy-3.8.2.jar，之前用2.0.1版本的，会出现下图所示的bug： Cannot instantiate com.p6spy.engine.logging.appender.FileLogger
72420编辑于 2022-11-10
ES6 Fetch API基础教学
在当ES6已经推出但还未普及的时候，如果有人问：“如何用JavaScript向服务器请求数据？”一定会有人回答用$.ajax。 $.ajax几乎是最简单又容易上手的请求方式了，不必再使用原生JavaScript中又长又臭的XMLHttpRequest()，在ES6中出现了替代ajax的 Fetch API。 FetchFetch 是 ES6 的新语法，主要是搭配 Promise （ Promise 的基本用法）来执行请求网站和请求后获取 Response 的处理方式。
43910编辑于 2025-01-26
AI语料库智慧教学平台：用AI技术解锁语料教学新生态
而AI语料库智慧教学平台的出现，凭借前沿AI技术，把“智能语料导师”搬进课堂，让语料教学更精准、互动、可落地，彻底重构语言学习逻辑。核心技术之一是NLP语义检索与解析技术，这是平台的“语料导航大脑”。 AI动态适配与个性化推送技术，让语料学习告别“一刀切”。平台接入权威语料来源（如外刊原文、学术论文、原生对话录音），通过AI自动抓取、人工审核的方式，实时更新热点语料（如新增“元宇宙”“AI生成式内容”等新兴词汇的用法）。 AI语料库智慧教学平台用NLP、大数据分析等核心技术，让语料资源“活”了起来，破解了传统语料教学的效率低、匹配差、互动弱等问题。对于渴望高效提升语言能力的师生来说，这套技术驱动的平台，正是解锁语料教学价值的关键助力。
35210编辑于 2025-10-29
构建数据驱动型教学中枢：基于腾讯云大模型矩阵的教育场景升级实践
与此同时，校园缺乏能够理解教学逻辑、自动调度资源的“教学大脑”。构建全栈AI教学能力中枢与资源调度引擎针对上述行业瓶颈，腾讯云（主讲人：胡星）联合生态伙伴提供了一套基于大模型原子能力的微服务架构，核心定位是将AI打造为教师的“数字助教”，分担重复劳动。该系统以腾讯云智能体开发平台（ADP）为基座，融合学校业务数据，构建了由“AI能力中枢”与“资源调度中枢”组成的统一生产与调度中心：多模型协同调度：集成腾讯混元大模型（涵盖MOE、turbo、large 最终帮助学校将教师从经验型教学推向数据驱动型教学，使教学决策更加科学精准。前沿模型的深度适配与推理可视化：课中AI数智人老师不仅支持2D、3D数字形象，且已全面支持DeepSeek V3 & R1版本，其中R1版本能够直接在教学场景中展示AI的思考过程（苏格拉底式引导），引导学生自主思考而非单纯提供答案
22010编辑于 2026-04-05
来自专栏后台全栈之路
腾讯 tRPC-Go 教学——（6）服务发现
系列文章腾讯 tRPC-Go 教学——（1）搭建服务腾讯 tRPC-Go 教学——（2）trpc HTTP 能力腾讯 tRPC-Go 教学——（3）微服务间调用腾讯 tRPC-Go 教学——（4）tRPC 组件生态和使用腾讯 tRPC-Go 教学——（5）filter、context 和日志组件腾讯 tRPC-Go 教学——（6）服务发现腾讯 tRPC-Go 教学——（7）服务配置和指标上报腾讯 tRPC-Go 教学——（8）通过泛 HTTP 能力实现和观测 MCP 服务概述在之前的文章中我们提到，微服务之间调用时，我们需要在 client 中配置微服务的下游服务，这样 tRPC 才知道如何寻址。作为教学目的，本文以笔者使用 Docker 在本地安装的北极星系统为例，我们访问北极星页面并登录，可以看到初始页面：看到两个北极星自己的服务，可以不用管。原文标题：《腾讯 tRPC-Go 教学——（6）服务发现》发布日期：2024-05-01原文链接：https://cloud.tencent.com/developer/article/2414446。
1.7K71编辑于 2026-01-02
来自专栏AI大模型
基于动态知识中枢的HITL AI Agent架构全解析
最新AI大模型资料飞书免费获得企业级HITL AI Agent系统架构设计与工程实践引言以下为您呈上精心撰写的企业级 Human - in - the - Loop (HITL) AI Agent 一、架构设计核心：双闭环协同引擎 graph LR A[用户请求] --> B(智能路由网关) B --> C{AI能力评估层} C -->|高置信度| D[AI执行引擎] C -->|低置信度| E[ 辅助标注工具集成）双反馈引擎短期反馈环：实时规则注入（人工决策→规则引擎）长期反馈环：增量训练管道（人工标注→模型再训练）企业级知识中枢动态知识图谱存储人工决策逻辑案例库自动归集系统合规审计追踪模块 ) # 人机协同模式 else: return human_workflow.create_ticket(input_data, priority=risk_score*10) 阶段2：核心模块建设（6- as 模型训练池 A->>B: 提交决策结果+修正原因 B->>C: 提取可规则化逻辑(即时生效) B->>D: 清洗结构化数据(进入训练队列) D->>C: 周级模型迭代更新阶段3：企业级增强（4-6周
38610编辑于 2025-07-23
来自专栏数据魔术师
Python AI 教学 | KNN算法及应用
简单来说，KNN可以看成有一堆你已经知道其所属类别的数据（训练数据），然后当一个新数据进入的时候，就开始跟训练数据里的每个点求距离，然后挑离这个新数据最近的K个点（K的选择极其重要）看看这几个点属于什么类型，然后用少数服从多数的原则，给新数据归类到多数数据所在的类别里。
94350发布于 2019-10-18
来自专栏程序猿声
Python AI 教学 | KNN算法及应用
简单来说，KNN可以看成有一堆你已经知道其所属类别的数据（训练数据），然后当一个新数据进入的时候，就开始跟训练数据里的每个点求距离，然后挑离这个新数据最近的K个点（K的选择极其重要）看看这几个点属于什么类型，然后用少数服从多数的原则，给新数据归类到多数数据所在的类别里。
1.2K21发布于 2019-06-20
AI智能化教学系统
AI智能化教学系统作为这场变革的核心载体，不仅实现了教学工具的升级换代，更深刻重塑了知识传递方式与学习效果提升路径，为教育领域注入了全新活力。本文将从系统核心功能、实践案例、伦理保障及未来展望等方面，全面解析AI智能化教学系统的创新价值与应用范式。（二）自适应学习：千人千面的成长方案每个学生的学习节奏、兴趣偏好和认知风格存在显著差异，AI系统通过持续收集行为数据，动态调整教学内容的难度梯度与呈现形式。二、实践案例：初中物理课程的差异化教学成效某初中在物理课程中引入AI智能化教学系统，系统根据学生的操作习惯、答题偏好及测试数据，将学生分为三类群体并制定差异化教学方案：A类（动手能力强）学生增加实验模拟环节 AI智能化教学系统不是对传统教育的颠覆，而是以技术为翼，助力教育回归本质。在这个充满可能性的时代，教育工作者需以开放心态拥抱变革，善用技术工具提升教学效率与质量，同时坚守育人初心。
85110编辑于 2025-10-16
来自专栏人工智能领域
《AI教学能力：开启教育新纪元》
一、摘要 AI 在教育领域的应用日益广泛，对教学能力产生了深远影响。本文将深入探讨 AI 教学能力的核心技术、实际应用、教学模式与策略、全球实践以及未来趋势，为教育的现代化发展提供参考。定义 AI 教学能力及其在现代教育中的重要性 AI 教学能力是指利用人工智能技术提升教学效果和学生学习体验的能力。在现代教育中，它可以实现个性化学习、智能评估和高效教学管理。在 AI 教学环境中，教师的角色发生了很大变化，教师需要掌握新的教学技能，如使用 AI 教学工具、分析学生学习数据等。教育政策应适应 AI 教学的发展，加大对 AI 教育的投入，支持学校建设智能化教学环境，提升教师的信息化素养和教学能力。资料入门：快速获取与利用 AI 资源的指南 - 原创手记 - 慕课网 [5] 80 亿人一个老师，世界上的第一所 AI 原生学校 - 手机网易网 [6]【报告】AI 教育白皮书：智能时代的教育变革与创新实践
2.5K20编辑于 2024-12-18
来自专栏我的知识小屋
我化身保姆为你提供 html 教学服务（6）
center> 居中h5不支持、
引用标签我使用 html 反向输出自己打自己（7）——超链接、覆盖我化身保姆为你提供 html 教学服务（6）——加粗、
换行、
分隔我开始一直以为网页制作好难（5）——
标题、
段落、你知道出现“乱码”的原因是什么吗？这是h6标签显示的示例</h6>
p标签内容：

这是使用短路 p 标签的示例，每个 p 元素都会重启一行进行显示，并且每一个 p 元素都会间隔较大，相同一个 p 这是h6标签显示的示例</h6>
p段落标签内容：

这是使用短路 p 标签的示例，每个 p 元素都会重启一行进行显示，并且每一个 p 元素都会间隔较大，相同一个这是h6标签显示的示例</h6>

p段落标签内容：

这是使用短路 p 标签的示例，每个 p 元素都会重启一行进行显示，并且每一个 p 元素都会间隔较大
84530编辑于 2022-01-06
StarRocks MCP Server 开源发布：为 AI 应用提供强大分析中枢
通过 MCP，不同 AI 组件可以像乐高积木一样自由组合，使 AI 变得更加智能、灵活和协作高效。你可以把它想象成一个智能家居中控系统：MCP Host（宿主） = 智能助手（如小爱同学、Alexa）MCP Client （客户端）= 控制中枢MCP Server （服务器）= 各种设备（灯、空调、复杂查询的 AI 优化与加速目标：利用 MCP 管理查询上下文，让 AI 辅助优化 StarRocks 的多表 JOIN、聚合计算等复杂操作。场景：用户画像分析：AI 自动构建 Roaring Bitmap 查询，计算用户留存、漏斗分析。跨业务分析：AI 解析业务需求，自动生成高效 StarRocks SQL，避免全表扫描。统一数据湖与 AI 增强查询目标：通过 MCP 让 AI 同时访问 StarRocks 和外部数据源（如 Hive、Elasticsearch），实现联邦查询。
1.1K00编辑于 2025-05-17
来自专栏算法一只狗
手把手教学，AI预测足球概率
因此我们可以利用这两份数据进行数据分析。在模型中，利用随机森林进行预测，可以得到具体的模型结果。
1.3K20编辑于 2024-10-12
EMQX 与 MQTT: AI 大模型时代的分布式数据中枢
在这样的背景下，MQTT Broker （基于 MQTT 协议的消息服务器）作为一个关键的数据基础设施，在数据的时代正发挥着核心中枢站的作用：接收来自物联网设备、移动应用、云平台等各种来源的消息，然后将这些消息传递给目标设备或应用程序多协议接入的力量EMQX 凭借其支持多协议的能力，在物联网领域占据了重要位置，同时也为 AI 大模型提供了关键的数据传输路径，成为了物联网和 AI 之间的桥梁。通过实现服务器和客户端之间的即时通信，基于浏览器的 AI 应用可以实现流畅、实时的反馈和互动。跨行业通信：随着 AI 大模型在各个行业的深入应用，实时和高效的数据处理及传输变得更加关键。这样的预处理是实现高质量 AI 训练数据的关键，确保 AI 模型的输入是准确且高效的。2. 这不仅保障了数据的完整性和可追溯性，也为 AI 模型提供了可靠的数据源。3. 动态的数据流管控: 在 AI 场景中，不同的模型和算法可能需要不同格式或级别的数据输入。
70210编辑于 2024-07-05
来自专栏RTSP/RTMP直播相关
WAIC 2025 热点解读：如何构建 AI 时代的“视频神经中枢”？
从“对话式AI”到“感知式AI”，核心转折点就是“看见世界” 过去几年，AI 的主旋律是 ChatGPT 引领的自然语言处理与云端大模型，它们擅长理解文本、生成内容、总结知识。二、 AI 进入“视频驱动时代”：感知输入成为核心挑战随着 AI 从云端大模型演进到“具身智能”，感知输入的重要性正在迅速上升。 AI是否能真正落地”。四、面向未来：AI系统中的“视频入口层”标准化趋势随着 AI 从“可计算”走向“可具身”，系统架构正经历深刻的演变。如果把一个具身 AI 系统比作“智能生命体”，那么：视频流 = 感官视频输入模块 = 神经中枢入口 AI 模型 = 大脑控制执行 = 肌肉一个无法看清楚、无法快速感知外界的
35200编辑于 2025-07-28
AI如何运用在学生教学
在当今数字化时代，人工智能(AI)正在深刻改变着教育的面貌。传统教育模式往往采用"一刀切"的教学方法，难以顾及学生个体间的差异，导致教学效率低下，学习体验不佳。随着AI技术的迅猛发展，我们有机会重构教育模式，构建个性化、精准化的学习生态系统。本文将探讨AI如何通过智能分析和个性化推荐，实现精准教学，提高学习效率，并为每位学生打造专属学习路径。教师角色的重新定位在AI辅助教学的模式下，教师角色将发生显著转变：从知识传授者到学习引导者教师不再是单纯的知识传授者，而是转变为学习过程的引导者和促进者。班级教学的精细化管理通过AI提供的班级整体知识图谱，教师可以识别出班级普遍存在的问题，优化课堂教学内容。同时，针对特殊需求的学生，教师可以组织小组辅导或一对一指导，实现教学资源的最优配置。实施案例与效果展示案例：初中分层教学实践某初中英语教研组利用AI系统分析学生的听说读写各项能力，将全年级学生按能力特点分成不同小组，实施分层教学。
49710编辑于 2025-03-19
AI赋能教学智能升级，规模化因材施教的技术实践与价值验证
构建AI教学闭环：资源调度到成长关怀的全场景赋能腾讯云提供“资源调度中枢-自适应学习-动态测评-课后服务-智能作业-学情分析-成长关怀”全场景AI解决方案，核心技术依托腾讯云智能体开发平台（含RAG、：材料“资源调度中枢重构课程体系”）。动态化测评： AI智能题库：动态生题、自动审查、自适应组题，基于实时学情生成符合教学目标与难度题组；多来源融合题库（地方权威+三方精品+个人特色），保障资源质与量（来源：材料“动态化测评 AI动态出题与自适应题目推荐腾讯云致力于将AI打造成教师“数字助教”，用轻量易用降低探索门槛，循证教学放大专业智慧，以人为本分担重复劳动（来源：材料“核心服务为教师减负，为教学赋能”）。数据来源：浙江小虫科技有限公司毛梦雅主讲“AI赋能教学场景智能升级”材料、腾讯云智能体开发平台技术文档、混元大模型及ASR/OCR大模型性能说明。
39920编辑于 2026-04-05
来自专栏Tapdata
AI-Ready TapData：如何基于 MCP 协构建企业级 AI 实时数据中枢？（含教程）
通过支持 MCP（Model-Context-Protocol）协议，TapData 成为业内率先开放大模型原生对接能力的数据平台，使大模型能够直接访问和实时调用企业多源数据，逐步构建通向 AI 应用的实时数据中枢一、TapData + MCP 架构与能力通过支持 MCP 协议，TapData 将传统“数据同步平台”升级为面向 AI 应用的“实时数据中枢”，让大模型可以像调用 API 一样，实时访问企业核心业务数据 AI Agent 优先查询中台数据。 ”的 AI 数据服务底座。 TapData 所做的，不是打造一个新模型，而是构建一个让所有模型都能顺畅调用、快速理解、实时获取企业数据的“智能数据中枢”。
76910编辑于 2025-05-17
来自专栏AI SPPECH
MCP在AI系统中的真实位置：连接模型与工具的生态中枢
1.2 MCP定位的困惑尽管MCP已经成为AI工具调用的重要协议，但对于MCP在AI系统中的具体位置，仍存在诸多困惑：是工具调用协议还是生态中枢？核心更新亮点与新要素 2.1 MCP v2.0的系统定位 MCP v2.0在AI系统中的定位可以概括为：连接模型与工具的生态中枢。它不仅仅是一种工具调用协议，更是AI系统中工具生态的核心基础设施。 MCP层：作为连接模型与工具的生态中枢，负责工具的注册、发现、执行和管理。核心组件层：包括大语言模型、记忆系统和规划系统，是AI系统的核心智能组件。 6. 未来趋势展望与个人前瞻性预测 6.1 MCP在AI系统中的发展趋势更紧密的Agent集成：MCP将与Agent系统更紧密地集成，成为Agent工具调用的标准接口。结论与行动建议 7.1 结论 MCP在AI系统中的真实位置是：连接模型与工具的生态中枢。它不仅仅是一种工具调用协议，更是AI系统中工具生态的核心基础设施。
33210编辑于 2026-01-03
【Python源码】6G： PyTorch OFDM 教学仿真平台
PyTorch3GPPNROFDM教学仿真平台PyTorch深度学习与无线通信的完美融合·3GPP标准逐行复现从Tensor基础到Autograd信道估计·探索AIforScience的通信基石为什么通过本项目学习想做AI通信(AI-RAN)却发现传统MATLAB仿真无法平滑迁移？本平台提供了一套教科书级的PyTorch通信仿真教程，将抽象的张量操作映射到具象的物理层信号处理。
11510编辑于 2026-01-10

第 2 页第 3 页第 4 页第 5 页第 6 页第 7 页第 8 页第 9 页第 10 页第 11 页

点击加载更多