AI 最适合“内容 & 交互实现”,人必须死守“数据模型 & 性能 & 社区氛围”。AI 可以让你 快 2~3 倍上线 MVP,但社区产品的长期生命力,靠的是 人设计的规则和边界。 AI 辅助审核 & 风控 敏感内容 ❌ 绝对不能交给 AI性能 长列表、分页 ❌ 人主导二、Next.js 在社区项目里的优势(为什么选对了)✅ App Router• RSC(React Server + RSC 是目前社区项目性价比最高的组合三、AI 在 Next.js 社区项目中的最佳分工✅ 1️⃣ 数据模型(人)AI 绝不碰的事:• 表结构• 关系建模• 权限边界✅ 示例(人设计):Postidtitlecontent ✅ 2️⃣ 页面 & 组件(AI 主力)AI 非常适合:• 帖子列表 / 瀑布流• 帖子详情• 评论树• 用户主页• 关注 / 粉丝列表• 通知中心 UI✅ Prompt 示例:用 Next.js App 熟悉度高、出错率低五、AI 使用红线(社区项目特别重要) 绝对不能交给 AI 的 6 件事权限模型举报 / 审核逻辑敏感词 / 风控规则Feed 排序算法数据库 schema 设计用户体验决策社区产品一旦
React+ToC,AI的使用策略必须和ToB/中后台完全不同。先给结论,再展开**ReactToC项目里,AI最适合做「实现层」,最不该碰的是「体验层&性能层」。 ↓AI:补齐样式/表单/校验/简单逻辑↓人:首屏&性能&动画节奏↓AI:写单测/E2E/SEO配置↓人:真机体验验收三、具体怎么用AI(按场景拆解)1️⃣UI层(AI最强)适合交给AI:页面结构拆分静态布局 ReactHookForm+Zod||动画|FramerMotion||请求|TanStackQuery||AI工具|Cursor(Agent模式)||设计规范|必须有(否则AI会乱写)|----##五 **禁止AI随意引入第三方库**4.**交互路径必须人走查**5.**AI不拥有UX决策权**>你可以把AI当成**“高级外包UI工程师”**,但**产品经理+前端负责人=体验守门员**。 如果你愿意,下一步我可以帮你:给你一套「ReactToC项目AI开发规范」或直接按你当前项目(是否Next.js、是否电商内容站活动页)定制AI使用边界你现在是Next.js还是Vite+React?
Ai检测人员穿衣规范系统通过opencv+yolo深度学习技术对现场画面中人员穿衣自动检测,Ai检测人员穿衣规范系统发现现场人员未正确按要求穿衣进行抓拍留档。
每日AI知识点 · 第10期 AI Rules 行为规范 让AI按你的规则办事 什么是 AI Rules? Rules 是约束和引导 AI 行为的规则体系。 没有 Rules,AI 会按自己的理解行动;有了 Rules,AI 会严格按照你设定的边界和标准来执行——就像公司的行为准则一样。 ❌ 没有 Rules AI 随意发挥结果不可预期,难以管控 ✅ 有了 Rules AI 按规则行动输出稳定,行为可预期 Rules 的四个层级 1 全局规则 适用于所有场景的基础行为准则,例如「回答必须使用中文」「禁止输出个人隐私」 2 角色规则 特定角色/职责的专属规范,例如「作为测试工程师,必须考虑边界条件」 3 项目规则 行为可预期 Rules 不是限制 AI,而是让 AI 更好地理解你的期望 你给 AI 设置过哪些有效的规则?
给 AI 几句模糊的提示词,然后祈祷它生成可用的代码——这就是"氛围编程"。规范驱动开发,能让这个过程变得可控。 为什么需要规范驱动开发? AI 编程工具让写代码变得简单,但也带来了新问题: • 范围蔓延:做着做着就偏离了最初的目标 • 功能偏离:AI 自己"发挥",生成的代码不是你想要的 • 技术债务:快速修复堆积,代码越来越难维护 • 规范驱动开发的落地保障 问题 GSD 的解法 规范写完就忘 STATE.md 跨会话记忆,始终加载 上下文腐烂 每个任务用新上下文,零历史污染 AI 随意发挥 XML 格式的原子化任务,指令精确 难以并行 安全早做 不要把安全留到最后,作为架构的一部分设计 反馈循环 需求→规范→实现→反馈→更新规范,持续迭代 写在最后 AI 编程工具发展日新月异,但工具本身不能替代工程实践。 规范驱动开发不是额外的负担,而是让 AI 编程从"碰运气"变成"可控流程"的关键方法论。 无论技术背景如何,掌握正确的方法,人人都能构建高质量的软件。
文档规范 HTML5的文档类型声明:<! 但是,如果你的项目只需要兼容ie10+或者只是在移动端访问,那么可以使用HTML5的新属性async,将脚本文件放在< head >内 兼容老旧浏览器(IE9-)时: 脚本引用写在 body 结束标签之前 multiply(); // Result 1 multiply(10); // Result 10 multiply(3, NaN); // Result 3 multiply(9, 不推荐: (function(log){ 'use strict'; var arr = [10, 3, 7, 9, 100, 20], sum = 0, i; 'valid' : 'invalid' ---- JSHint 在js规范中,有很多规范都是样式上的规范而不是逻辑上的规范,比如尽量使用=== 而不是==,我们可以使用JSHint或者JSLint,Javascript
AI工人操作行为流程规范识别算法通过yolov7+python网络模型框架,AI工人操作行为流程规范识别算法对作业人员的操作行为进行实时分析,根据设定算法规则判断操作行为是否符合作业标准规定的SOP流程 AI工人操作行为流程规范识别算法并没有真正的去掉候选区域,而是创造性的将候选区和目标分类合二为一,看一眼图片就能知道有哪些对象以及它们的位置。 AI工人操作行为流程规范识别算法模型采用预定义预测区域的方法来完成目标检测,具体而言是将原始图像划分为 7x7=49 个网格(grid),每个网格允许预测出2个边框(bounding box,包含某个对象的矩形框 AI工人操作行为流程规范识别算法对于模型重参数化,该研究使用梯度传播路径的概念分析了适用于不同网络层的模型重参数化策略,并提出了有计划的重参数化模型。 AI工人操作行为流程规范识别算法 是在 MS COCO 数据集上从头开始训练的,不使用任何其他数据集或预训练权重。
规范驱动开发:AI编程的正确姿势给AI几句模糊的提示词,然后祈祷它生成可用的代码——这就是"氛围编程"。规范驱动开发,能让这个过程变得可控。为什么需要规范驱动开发? AI编程工具让写代码变得简单,但也带来了新问题:范围蔓延:做着做着就偏离了最初的目标功能偏离:AI自己"发挥",生成的代码不是你想要的技术债务:快速修复堆积,代码越来越难维护上下文腐烂:随着对话变长,AI 规范驱动开发的落地保障问题GSD的解法规范写完就忘STATE.md跨会话记忆,始终加载上下文腐烂每个任务用新上下文,零历史污染AI随意发挥XML格式的原子化任务,指令精确难以并行Wave分组,独立任务并行执行无法验证验证步骤内建在计划里核心要点速查表建议说明规范先行在写代码之前先写规范 ;实现过程中不断回顾规范小步构建将项目分解为可独立测试的小模块安全早做不要把安全留到最后,作为架构的一部分设计反馈循环需求→规范→实现→反馈→更新规范,持续迭代写在最后AI编程工具发展日新月异,但工具本身不能替代工程实践 规范驱动开发不是额外的负担,而是让AI编程从"碰运气"变成"可控流程"的关键方法论。无论技术背景如何,掌握正确的方法,人人都能构建高质量的软件。
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?
Shark工作流的实现和WMFC&OMG规范的对比 -----第九部分:分析obe自带例子的执行过程 <? xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" /> 关键字:Shark 工作流 WMFC OMG 规范
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。
Epoch 8 Step 1207755: lr = 0.015 words/sec = 401 Eval 4965/17827 accuracy = 27.9% Epoch 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。
建议统一异常处理,不仅要在日志中打印异常堆栈信息,还得给前端统一格式的响应信息,而不是前端页面直接提示给用户500
某AI代码助手开发商发布Agent Trace开放规范草案某AI代码助手开发商发布了Agent Trace规范草案,这是一项旨在标准化软件项目中AI生成代码溯源方式的开放规范。 Agent Trace是一种数据规范,它使用基于JSON的“跟踪记录”来将代码范围与背后的对话和贡献者关联起来。贡献可以在文件或行级别进行追踪,按对话分类,并被标识为人类、AI、混合或未知。 该架构允许为AI生成的代码添加可选的模型标识符,从而在不绑定特定供应商的情况下实现精确溯源。来源:https://agent-trace.dev/该规范在设计上对存储方式保持中立。 该规范避免定义用户界面要求或所有权语义,也不试图评估代码质量或追踪训练数据来源,而是将重点严格放在溯源和可追踪性上。某开发商提供了一个参考实现,展示了AI编码助手如何在文件变更时自动捕获跟踪记录。 开发者们的早期反馈强调了该规范对代码审查和调试工作流程的潜在影响。一位X平台用户写道:“当你认真对待改善AI生成代码混乱现状时,这就是该做的事。等不及要在审查中尝试这个了。”
你会明白一个好的开发规范多么多么的重要。 这里整理一下自己android开发中的一些规范。希望对各位有帮助。 ---- 命名规范 包命名规范 包名全部采用小写 主包名采用[公司性质]. 代码命名规范 命名规则有很多高大上的名词,比如大驼峰,小驼峰,匈牙利命名法。其实最简单的就是按照谷歌命名学习。 常量、枚举等均采用大写形式,用下划线区分各单词。 更多命名规范 之前收藏的这篇文章比较全。Android 命名规范 (提高代码可以读性) ---- 编程规范 源文件编码格式为 UTF-8。 代码中不出现中文,最多注释中可以出现中文 服务端可以实现的,就不要放在客户端 引用第三方库要慎重,避免应用大容量的第三方库,导致客户端包非常大 处理应用全局异常和错误,将错误以邮件的形式发送给服务端 图片的.9处理 我们使用的无论是git,还是svn都需要遵守下面这些规范,个人比较倾向于git。
该规范主要参考《谷歌的代码评审指南》 ? commit 的详细描述,可以分成多行 footer 部分只用于两种情况:1、不兼容变动;2、关闭issue 扩展:如果你使用 IDEA 进行编码,可以是使用 git commit template 插件来规范每次提交的 风格:代码是否遵循了代码开发规范 文档:开发人员是否也同步更新了相关文档 在评论前加上“nit:”这样的前缀,表明这是一个优化性的建议,可以不影响本次上线 应在一个工作日内完成评审,并给出意见 评价只针对代码和具体业务流程
100% 本地 MCP client MCP 客户端是 AI 应用(如 Cursor)中用于建立与外部工具连接的组件。 目前很多IDE都提供了兼容本地AI的配置方式,我一般用代码代替客户端来完成一些测试。 机器配置稍微好点的可以跑个满血版的模型,推荐使LlamaEdge,ollama默认会下载量化版的模型,体验稍差。 财务分析 基于 Cursor 或 Claude Desktop 构建 MCP 驱动的 AI 智能体,实现对股市趋势的数据获取、分析及洞察生成。 这块也可以像前面提到的,对接各种外部数据,从各种数据库拉取数据交给AI生成报表。目前比较流行的是让AI使用数据画成图表数据,目前主流AI IDE都已Mermaid语法,推荐豆包。
, 比如ad_left01.gif || btn_submit.gif; 在保证视觉效果的情况下选择最小的图片格式与图片质量, 以减少加载时间; 尽量避免使用半透明的png图片(若使用, 请参考css规范相关说明 760X100,750X120,468X60,468X95,728X90,585X140 次级页的pip尺寸360X300,336X280 游标:100X100或120X120 LOGO的国际标准规范
“ 引欧盟发布人工智能应用政策以及AI白皮书,要在隐私法GDPR的规范下,立法规定科技业者开放数据予欧洲地区的政府与私人组织共享利用,并通过订立AI框架,来打造部署合法的人脸识别等AI应用。” ? 其中,AI白皮书描绘了一个基于卓越与信赖的AI框架,准备动员整个产业链,以建立可加速AI部署的适当措施,同时强调将以信赖作为该框架的基础,通知制定清楚的规范,来解决高风险AI系统可能带来的危机,而低风险的 对于低风险的AI应用,欧盟也鼓励业者可自愿採行更高的标准。 此一白皮书是用来阐述欧盟对于规范AI的立场与方向,以供大众、欧洲议会及欧盟理事会进行讨论,在相关议题上取得共识后才进入立法阶段。 纽约时报与华尔街日报的看法相似,认为全球顶尖的AI或科技技术,多由欧盟以外的业者把持,在数字经济时代处于弱势的欧盟,期望藉由新政策与规范来取回控制权。 不管是AI白皮书或数据政策,都将受到欧盟隐私法GDPR的规范,以不危及个人隐私为前提。