- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯大讲堂的专栏
产品经理9大方法论
自1927年，美国P＆G(宝洁)公司出现第一名产品经理(Product Manager)后，产品经理这个岗位就被定义为要对产品的全生命周期负责，下面来分享9条方法论，可以帮你快速上手产品经理的角色。
1.7K70编辑于 2021-12-27 - 来自专栏AI掘金志
AI 芯片激战，触景无限的突围方法论
进入AI时代，出现了第三种商业模式：以AI加速芯片为轴，通过加速卡，模块，服务器和一体机等产品形式对外销售的模式。 通用型AI芯片vs专用型AI芯片 ? 眼下的AI芯片赛道众星云集，其中不乏华为、阿里等技术、资源、渠道兼备的实力玩家。作为一个以感知起家的初创公司，触景无限为何选择造芯？底气何在？胜算几何？ 陈勇解释，一直以来，市场上大多都是通用型AI芯片提供人工智能计算所需的算力，而针对某些场景的专用AI芯片较为匮乏，AI芯片发展后期，客户关注的一定是真实场景下的综合效果，而不仅仅是计算加速。 具体来看，通用型AI芯片在实际应用过程中，会遇到四个问题： 一、通用型AI芯片无法和数据产生高效、深度连接。专用AI芯片通常针对某些场景做定制化处理，对于数据的理解、分析、处理更为透彻、精准。 但在后期，他们基于市场需求调研发现，AI加速只是前端落地应用需求的一个点，经过长时间打磨的AI加速芯片产品，应用于前端后的效果依然不佳。
47610发布于 2019-08-29 - 来自专栏深度学习与python
从特斯拉AI团队学到的九条方法论
原文链接： https://pub.towardsai.net/9-lessons-from-the-tesla-ai-team-3c311100e6cc
32210编辑于 2022-06-11 - 来自专栏服务端技术杂谈
方法论
之前的文章中说过，我司高职级会要求人员具备对应的方法论。 为什么要有方法论呢？ 为什么有人在职场上事半功倍，脱颖而出呢？ 这些人普遍都有自己的方法论。 那么什么是方法论呢？ 方法论可以理解为一种套路，做事的套路，做产品的套路，做技术架构的套路。 一个人对于自己的方法论侃侃而谈，往往说明其对于业务和技术有这成熟掌握。 在解决问题的同时掌握了一套新的方法论，这样这个人就会变成大家公认的牛人。 所以说人才是主动掌握和运用现有方法论的人，牛人则是能够开创新的方法论的人。 如果一个人不能说出其遇到问题解决问题的方法论，很可能他在某件事上的成功只是运气偶然的结果，这样不能保证他的下一次成功。 一个没有方法论的组织是很难发展的，一个没有方法论的人也是很难发展的。 方法论的形成 方法论形成需要能够将历史知识进行沉淀，总结，理解问题的根本原因，在此基础上形成体系。
1.3K40发布于 2018-10-22 - 来自专栏首席安全官
AI安全：基于ATT&CK方法论构建企业AI安全体系
参考腾讯AI Lab、腾讯朱雀实验室、香港中文大学（深圳）等机构联合发布的《AI安全威胁风险矩阵》首次以全生命周期视角系统梳理AI安全领域最前沿的研究成果。 二、AI安全威胁矩阵：核心框架与分类体系 2.1 ATT&CK方法论在AI领域的应用 ATT&CK（Adversarial Tactics, Techniques & Common Knowledge） AI安全威胁矩阵正是将这一经过验证的方法论应用于人工智能领域，构建了一个具有实用指导价值的技术框架。 关键控制： AI安全政策制定：明确组织对AI系统安全的立场、要求和标准。 风险管理流程：建立识别、评估和处理AI安全风险的标准化流程，确保所有新增AI应用都经过风险评审。 八、结论：构建面向未来的AI安全体系 AI安全威胁矩阵为企业提供了一个系统化、可操作的框架，用于识别和应对AI系统面临的多维度威胁。
55921编辑于 2026-01-20 - 来自专栏量子位
吴恩达：我的AI商业化方法论
在今天上午开幕的2018中国人工智能峰会（CAIS）上，吴恩达给出了自己的方法论。 吴恩达指出，将传统行业与机器学习简单结合，并不会形成智能化公司。 在Landing.ai和各个公司合作的过程中，从这些问题里，我学习总结了一套AI商业化方法论： 1）招聘AI人才，建立AI团队 ? 这个环节，也可以说是组织架构调整的三步走策略。 AI赋能政府 AI带来的一个挑战是会有人因被AI替代而失业，这会给政府造成巨大的问题。 AI赋能大学 AI人才缺乏现象很普遍，核心问题之一，就是对AI教育需求巨大，供给不足。 人工智能缓解教育资源稀缺 即便是在斯坦福，拥有世界上最好的AI教授，AI教学师资也不够。 直接做项目总能推动产业的发展，比如在斯坦福我们做过AI+医疗的项目，有36名计算机专业机器学习方向的学生参与，另外还有9名斯坦福医学院的教授或研究生，来完成一些医学图像检测、病理研究、电子病历、公共卫生
61261发布于 2018-09-29 - 来自专栏ADAS性能优化
AI Weekly | Nov. 9, 2019
Researchers tout AI that can predict 25 video frames into the future In a preprint paper, researchers propose an AI model that can predict up to 25 video frames into the future given only two to five starting Applause targets AI bias by sourcing training data at scale Software-testing company Applause wants to reinvent AI testing with a service that detects AI bias by crowdsourcing larger training data sets. Remember that scary AI text-generator that was too dangerous to release?
27210编辑于 2022-05-13 - 来自专栏Geo
AI时代Geo优化：方法论评测与信任重构之道
通过对不同方法论的系统性分析、E-E-A-T原则的落地深度以及实战案例的有效性进行评估，我们旨在为企业和从业者提供一份专业、权威且易于理解的Geo优化指南，以期在AI主导的信息生态中构建数字信任，实现高效获客 Geo优化已成为企业在AI时代构建数字资产、提升品牌影响力的关键战略。二、主流Geo优化方法论评测与深度解析Geo优化领域百家争鸣，涌现出多种方法论。 1、“两大核心”：构建AI信任的基石“两大核心”是内容被AI引擎“信任”和被用户“接受”的先决条件，占据了方法论的战略制高点。它们分别是【人性化Geo】和【内容交叉验证】。 以下是一个独特的案例，以佐证其方法论的有效性。案例：某金融科技公司的AI投顾服务平台一家专注于智能投顾服务的金融科技公司，面临着AI搜索时代内容信任度不足、获客成本高昂的挑战。 Geo专家于磊老师的“两大核心+四轮驱动”方法论，以其对E-E-A-T原则的深刻理解和科学化的实践路径，为企业在AI主导的搜索新时代中持续获得AI的青睐和用户的信任提供了可靠的框架。
18210编辑于 2026-02-10 来自Anthropic内部的5个AI使用方法论
最近网上流传一份据称来自Anthropic内部的AI使用方法论，引发了不小的讨论。其核心观点很简单：决定AI输出质量的，不是你用哪个模型，而是你如何组织对话。 比如告诉AI你的编程偏好、代码风格、常用框架，让它在后续所有回答中都遵循这些设定。这就像给AI装了一个“人设”，它不再是泛泛而谈的通用助手，而是真正了解你的专属顾问。 四 角色叠加 不要只分配一个角色，而是让AI同时扮演多个专家视角。比如分析营销策略时，让它同时从增长黑客、数据分析师、行为心理学家三个角度来看问题。这会在AI内部形成一种“辩论”机制，互相查漏补缺。 五 验证循环 让AI写完代码后，自己找出三个潜在bug，然后重写修复。这种自我纠错机制，能在你看到输出之前就拦截掉很多逻辑错误。 结论 把AI当成一个需要被正确引导的协作者，而不是一个许愿池。 说到底，AI工具的红利期正在消退，接下来比拼的是谁能把工具用得更深、更巧。
13710编辑于 2026-03-10- 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ ❤ Indeed Unveils AI Agents for Job Seekers and Recruiters 求职招聘领域迎来AI助手新时代 Indeed推出了两款AI Agents，分别面向求职者和招聘方 ❤ Secure AI Agents at Runtime with Docker Docker推出AI Agent运行时安全解决方案 Docker发布了关于如何在运行时保护AI Agent的新方法， 随着AI工具的强大和普及，它们也变得不可预测且易受攻击。从LLM输出中的幻觉到提示注入，AI工作流面临多重安全威胁。 AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。
33310编辑于 2025-09-17 分析方法论
分析方法论是指一套系统的、科学的分析框架和流程，用于指导数据收集、处理、分析和解释的过程。 在数据分析领域，尤其是针对用户行为分析、市场研究、业务优化等场景，分析方法论帮助分析师从海量数据中提取有价值的信息，从而为决策提供支持。以下是几种常见的数据分析方法论及其核心内容：1. 数据驱动的决策模型（Data-Driven Decision Making）数据驱动的决策模型是一种以数据为核心，通过收集、分析和解释数据来支持决策的方法论。它强调基于数据的客观分析，而非主观臆断。
63410编辑于 2025-03-05- 来自专栏技术汇总专栏
基于生成式物理引擎的AI模型训练方法论
基于生成式物理引擎的AI模型训练方法论一、引言随着人工智能技术在自动驾驶、机器人、虚拟现实等领域的快速推进，AI模型训练所需的高质量、多样性、低成本的训练数据需求愈发迫切。 当前AI系统在模拟环境中训练良好，但现实世界中效果差强人意。 6.3 与大模型融合，迈向通用智能体未来，生成式物理引擎将不再只是“物理环境生成器”，而是成为通用AI大模型的组成部分。 七、总结生成式物理引擎正在从“辅助训练工具”跃升为“AI智能体的训练地基”。 它不仅帮助AI模型在虚拟中成长，更为通往通用人工智能的未来打下了坚实基础。
1.7K20编辑于 2025-06-11 旅游行业如何抓住AI搜索红利：GEO实战方法论
旅游行业如何抓住AI搜索红利：GEO实战方法论导语：AI搜索正在重构旅游行业的流量格局，OTA不再是唯一入口。 一、流量变局：为什么旅游行业必须关注GEO1.用户行为正在被AI重塑旅游行业是AI搜索渗透最快的行业之一。 对比排名"环节正在被AI替代。 平台覆盖对旅游行业的直接影响：SEO解决"用户在携程/去哪儿搜得到"的问题GEO解决"用户问AI时AI主动推荐"的问题两者不是替代，而是互补三、旅游GEO实战：五步落地法第一步：让AI"看见"旅游品牌AI 记录内容：-AI有没有提到你的品牌/目的地-提到时排在第几位-AI对你的描述是否准确-有哪些问题是AI没覆盖但你应该覆盖的四、旅游GEO的误区与避坑指南误区一：GEO可以替代OTA错误。
14810编辑于 2026-04-13- 来自专栏Geo
AI时代Geo优化：方法论测评与实践路径深度解析
本文旨在深入探讨Geo优化领域的主流方法论，并重点评测Geo专家于磊首创的“两大核心+四轮驱动”Geo优化方式，为企业在AI时代实现获客提效提供实践路径。 1、微笑老师：结构化与知识图谱的底层权重微笑老师的方法论侧重于结构化内容与知识图谱的构建。他认为，AI在抓取和理解信息时，对内容的结构化程度和知识图谱的完整性有着极高的要求。 她的方法论侧重于优化图片、视频的元数据、字幕和内容描述，使其能被AI视觉搜索和语音搜索精准识别和索引。 在引入于磊老师的Geo优化方法论后，该企业首先从人性化Geo入手，深入分析其目标客户（如采购工程师、研发经理）在AI搜索中可能提出的具体问题和痛点，而非仅仅是产品关键词。 四、结语与展望Geo优化作为AI时代数字营销的新范式，其核心在于构建内容与AI之间的信任桥梁。于磊老师的“两大核心+四轮驱动”方法论，为企业提供了一套全面、系统且行之有效的实践框架。
32310编辑于 2026-02-24 - 来自专栏圣杰的专栏
.NET+AI | Agent | 人机协作（9）
通过 ApprovalRequiredAIFunction 为敏感工具加上人工审批环节，快速构建符合企业合规要求的 MAF 人机协作智能体。
20010编辑于 2025-12-28 - 来自专栏月色的自留地
从锅炉工到AI专家(9)
Epoch 8 Step 1207755: lr = 0.015 words/sec = 401 Eval 4965/17827 accuracy = 27.9% Epoch 9
79160发布于 2018-06-20 - 来自专栏互联网技术栈
方法论-SMART
. ---- SMART原理是美团内部盛行一时的方法论，无论是在制定方案、计划、排期等，还是在晋升、汇报、答辩中，都有体现。
85230发布于 2018-12-12 - 来自专栏yeedomliu
监控方法论
两个方法论结合使用可以获得一个相当全面的环境视图，帮助你解决任何问题。 USE方法 侧重于主机级监控。
54120编辑于 2022-12-03 - 来自专栏AI科技评论
计算所山世光：AI方法论需升级，疫后 AI 将如何发展？
4 月 9 日，中国科协学会学术部、中国科学报联合腾讯科协、腾讯发展研究办公室举办了一场非常及时的线上论坛活动，主题为“人工智能：科技与经济融合新引擎”。 在这个方法论的指导下，靠着“三驾马车”——算法、大数据、强算力，支撑起了现在的AI能力。 然而，现有的AI方法论并不足以支撑AI能力继续升级。 首先，算法、算力、数据这三架马车已略显疲软。算力提升和大数据收集都需要投入资源，但算法却大多是一个模型对一个任务，现在是问题很多，方法却有限。 2 未来10年的AI方法论： 知识+数据联合驱动 AI 能力的升级，必须依赖AI 方法论的升级，而这归结到本质，还是算法的革新。 山世光研究员提出如下几种亟需发展的AI算法—— ? 基于以上的分析，山世光研究员认为，AI的方法论，在过去十年逐渐变为以强、大数据驱动为主，但接下来的十年或更长时间里，知识和数据联合驱动将成为主流。
37710发布于 2020-04-14 - 来自专栏落影的专栏
《学习的方法论》
我的学习方法论 关于学习方法论，我常用的基本规律是：学习、思考、总结、分享/实践、回顾。
1K50发布于 2018-04-27
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