- 综合排序
- 最热优先
- 最新优先
Redis 8驱动的AI会计与比特币资金管理
kheAI：基于Redis 8的智能流动性及比特币资金管理聊天AI会计系统项目构建内容kheAI是一款基于聊天的AI会计系统，专注于智能流动性和比特币资金管理。 通过将自然语言对话转换为专业会计记录，结合AI驱动的交易处理和实时比特币资金管理，在聊天界面中提供企业级复式记账功能。 创新：语义缓存降低LLM成本60%，向量搜索实现智能交易分类，实时特征流支持ML驱动的业务洞察，复杂财务计算亚秒级响应超越缓存：Redis作为主数据库处理100%应用数据，多模型方法：JSON文档+搜索 会计系统可访问性：通过Telegram在任何智能手机上工作，无需下载应用程序Redis 8的多模型能力使传统数据库无法实现此系统。 实时体验：向@kheAIbot发送消息并说"销售500马币"，查看Redis驱动的AI会计系统运行！
23810编辑于 2025-09-05AI辅助开发实战指南：我是如何驱动 8 个 AI 牛马的？
有人说是工具选择不对，有人说是团队不会用，还有人说 AI 根本就是噱头。 其实，这个问题的答案可能出乎你的意料：AI 工具不是银弹，它只是放大器。 1 如何协调 8 个 AI 牛马高效开发 昨天花掉 $400 token，今天继续。 要协调 8 个 claude code，任务同步和分解是必须要做的。 1. 然后就可以让 AI 牛马 并发干活了。 2. 但是，如果每天都跟 8 个 cc 干活，那么如果像没有 AI 助力时那样，每次提交都做人工 Review，那么，时间完全是来不及的，人会成为瓶颈，会阻塞开发流程。 所以思路是事后 review 为主。 然后开 ai 早会的时候固定挑几个技术债让 cc 去解决掉。 此时， AI 才能真正成为工程师能力的发大器。
10110编辑于 2026-06-17- 来自专栏大飞的部落阁
HttpRunner-8-数据驱动
数据驱动概览 为什么要用数据驱动 举个简单例子，当我们在测试一个输入框的功能时，可能需要输入不同的参数，此时，我们不需要设计多个用例，而只需要将输入值参数化，将不同的参数作为一个列表通过数据驱动的方式进行加载即可 httprunner 的数据驱动 通过上篇文章，我们已经知道 httprunner 的数据驱动需要在 testsuite 中使用关键字 parameters 来定义。 yml parameters: user_id: [1001, 1002, 1003, 1004] 进行该配置后，测试用例在运行时就会对 user_id 实现数据驱动 通过以上内容，我们可以知道，在 HttpRunner 的数据驱动中，我们有 6 种方式进行实现。 独立参数 & 引用自定义函数 6 关联参数 & 引用自定义函数 数据驱动实例 在上面我们已经介绍了 6 中驱动模式，而且也学习了直接在 yml 文件中定义参数的两种场景，那怎么使用 CSV 文件实行数据驱动呢
57810编辑于 2022-06-17 - 来自专栏AI系统
【AI系统】AI芯片驱动智能革命
在整个 AI 系统的构建中，AI 算法、AI 框架、AI 编译器、AI 推理引擎等都是软件层面的概念，而 AI 芯片则是物理存在的实体，AI 芯片是所有内容的重要基础。 本系列文章将会通过对典型的 AI 模型结构的设计演进进行分析，来理解 AI 算法的计算体系如何影响 AI 芯片的设计指标，进而结合几种主流的 AI 芯片基础介绍，帮助大家对 AI 系统的整个体系知识有更全面的认识 计算机芯片体系结构在很大程度上影响了 AI 算法的性能。因此，了解 AI 算法与芯片计算体系结构之间的关系是非常重要的。 如今随着 OpenAI 公司的 ChatGPT/GPT4 等模型的惊艳出场，引发了各个行业对人工智能技术的广泛关注和应用推动，更多 AI 算法需要部署，激发了更大的算力需求，无疑 AI 芯片是整个 AI AI 芯片的分类 AI 芯片的广泛定义是指那些面向人工智能应用的芯片。
1.5K10编辑于 2024-11-29 - 来自专栏新智元
重磅 | 埃森哲年度报告：2017年 8 大趋势，AI驱动未来
本报告提供了对我们认为将会在接下来的一年中影响商业设计和创新、政府和社会的8个最重要的科技发展的深入解读。 依赖于科技来驱动与消费者的沟通将变得越来越频繁。但是，虽然AI 的采用变得越来越普及，人类的干预还是需要的。另外，新的技术将会创造新的工作岗位，不管是Bot 开发者、算法审核员或者消费者咨询专家。 2.重新连接人 3.混合的现实：超越AR、VR 和 MR 4.自动驾驶汽车 5.无边界的家庭：家庭助理找到自己的位置 6.沙漏品牌：不要被困在中间 7.我，自我和AI 8.意外收获 新智元对报告全文进行摘录翻译 这些AI/人类共栖状态对创造有感情和同理心的AI至关重要。 对话式AI驱动下一次浪潮。到2020年，人们和聊天机器人的平均对话会比跟夫妻之间还多，人们甚至意识不到这个现象。 8. 沙漏品牌：不要被困在中间 (略）
79240发布于 2018-03-26 - 来自专栏希里安
探索k8sgpt：新一代AI驱动的Kubernetes诊断工具
所以k8sgpt这个应用就出现了，这个项目源自于一位工作多年的资深SRE工程师，将多年积累的SRE经验融入项目中的分析器中，并且借助AI进行诊断分析，这样遇到k8s集群问题就能够帮助我们快速定位了。 它将SRE（站点可靠性工程）的经验编码到其分析器中，并帮助提取最相关的信息，并通过AI加以丰富。 官网 官方地址：https://k8sgpt.ai/ 项目地址：https://github.com/k8sgpt-ai/k8sgpt 文档地址：https://docs.k8sgpt.ai/ 官方示例 快速开始 环境：Ubuntu 20.04.5 LTS k8s集群版本：1.29.0 k8sgpt版本：0.3.27 安装命令： curl -LO https://github.com/k8sgpt-ai ，为我们所用，大模型发展如此之快，k8sgpt正是一个k8s运维利器，结合AI工具提升自己的能力，也是未来工作优势所在！
1.4K10编辑于 2024-03-20 - 来自专栏媒矿工厂
AI驱动智能媒体生产
单色视频自动着色技术 NHK开发了一种使用人工智能驱动技术的自动将单色电影视频转换为彩色视频的系统来支持高效的节目制作（图5）。 通过应用自动音频描述技术，NHK开发了一种使用“AI播音员”自动阅读新闻的语音合成系统。 ? 2018年4月，NHK在节目NEWSCHECK上以AI播音员“Yomiko”的实际形式实现了这项技术。 （图8）NHK还设计了用视觉方法呈现体育赛事中的兴奋时刻的方法。对参与实验的听力障碍者的调查问卷答案显示，他们非常喜爱这种通过解说无法获得的信息。 AI-DRIVEN SMART PRODUCTION. IBC2018.
1.9K20发布于 2018-10-25 转载：【AI系统】AI芯片驱动智能革命
在整个 AI 系统的构建中，AI 算法、AI 框架、AI 编译器、AI 推理引擎等都是软件层面的概念，而 AI 芯片则是物理存在的实体，AI 芯片是所有内容的重要基础。 本系列文章将会通过对典型的 AI 模型结构的设计演进进行分析，来理解 AI 算法的计算体系如何影响 AI 芯片的设计指标，进而结合几种主流的 AI 芯片基础介绍，帮助大家对 AI 系统的整个体系知识有更全面的认识 计算机芯片体系结构在很大程度上影响了 AI 算法的性能。因此，了解 AI 算法与芯片计算体系结构之间的关系是非常重要的。 如今随着 OpenAI 公司的 ChatGPT/GPT4 等模型的惊艳出场，引发了各个行业对人工智能技术的广泛关注和应用推动，更多 AI 算法需要部署，激发了更大的算力需求，无疑 AI 芯片是整个 AI AI 芯片的分类 AI 芯片的广泛定义是指那些面向人工智能应用的芯片。
55510编辑于 2024-12-11JBoltAI：事件驱动 AI 架构，重构 Java AI
企业级 AI 应用开发中，多模块耦合、高并发响应延迟、流程异常难以排查等问题，成为 Java 团队落地 AI 能力的核心阻碍。而事件驱动架构，正是解决这些痛点的关键思路。 JBoltAI 将事件驱动机制深度融入 AI 应用开发的全流程，打造了 “操作抽象为事件、统一调度为核心、全生命周期管控为保障” 的事件驱动 AI 架构，不仅让复杂 AI 工作流的编排更灵活，更从根本上提升了企业级 某企业反馈，使用 JBoltAI 处理 1000 份 PDF 知识库构建，时间从传统同步方案的 8 小时缩短至 2 小时，且不影响系统同时处理智能问数、智能问答等其他 AI 请求。 事件生命周期管理，是 JBoltAI 事件驱动 AI 架构保障企业级稳定性的核心抓手，让 AI 流程彻底摆脱 “黑箱” 状态。 作为 AIGS 范式的核心实践者，JBoltAI 的事件驱动 AI 架构，重新定义了企业级 Java AI 开发的模式。
17510编辑于 2026-03-13- 来自专栏云深之无迹
STC8A无人机（驱动篇）
这些功能在源码里面都有 实现的源码其实很少，就是几个文件而已，这里就不用keli了，太丑了 大概主文件里面的函数就是这些了 一般来说读源码的时候就是两个路子，一个是一步一步的跳转，还有就是看完驱动再跑主的 我以前是第一种，但是感觉效率有点低，这里看的方法就是先驱动吧。 我们说51的时候都是在说着老土，过气什么的，但是你玩的精通又有几个，其次在STC里面也有了库的概念，这里就带你看一下。
71120编辑于 2022-11-29 - 来自专栏掘金安东尼
Vite 8 Beta：由 Rolldown 驱动的 Vite
简述：由 Rolldown 驱动的 Vite 8 首个 Beta 版本现已发布。Vite 8 带来了显著更快的生产构建速度，并开启了未来改进的可能性。 大多数 Vite 插件在 Vite 8 中开箱即用。 Vite 如何迁移到 Rolldown 迁移到由 Rolldown 驱动的 Vite 是一个根本性的变化。因此，我们的团队采取了审慎的步骤来实施它，而不牺牲稳定性或生态系统兼容性。 结果是，每个人都有了一条通往 Vite 8 的平滑迁移路径。 迁移到 Vite 8 Beta 由于 Vite 8 触及核心构建行为，我们专注于保持配置 API 和插件钩子不变。 升级到 Vite 8 应该仅仅因为使用 Rust 就能带来性能提升。
13310编辑于 2026-06-21 - 来自专栏音视频技术
AI驱动的智能图形应用
高速5G和性能更强大的终端为社交、游戏、教育等场景带来的更丰富的互动体验，本文内容来自相芯科技的蔡锐涛在LiveVideoStackCon2019深圳站上的精彩分享，他将介绍AI驱动的智能图形应用，以及因此带来的新的用户交互方式 今天与大家分享的题目是AI驱动的智能图形应用。按照惯例，我简单介绍下我们公司。 相芯科技专注于智能图形技术的创新与应用，为移动互联网、AR、AI提供3D内容生成与互动的行业解决方案。 同时，我们处于通信技术快速发展的时代，很多人都经历过从只能打电话发短信到3G时代能简单发些图文信息，再到4G时代能在线看高清视频以及现在有很多直播应用，到5G时代，我们可以在线看4K甚至8K视频，这背后都是底层通信带宽的发展 AI视频 在AI视频部分，我会重点介绍如何利用人工智能全自动合成视频以及AI虚拟主播，虚拟助手的核心技术方案，同时，我会介绍我们最新的照片级的视频合成技术。 如浙江台钱江频道AI“小范儿”、北京世园会吉祥物播报、济南电视台AI“小沫儿”、京东AI虚拟主播“京小蕾”、京东双十一虚拟主播播报天团、阳泉日报AI双主播、扬子晚报“阿紫”、新媒体节目AI主播等等。
2.5K30发布于 2020-02-19 - 来自专栏啄木鸟软件测试
AI驱动CICD性能优化实战
二、AI如何重构CI/CD性能优化范式？ AI并非替代工程师，而是成为‘流水线数字孪生体’的感知与决策中枢。 、Docker buildkit中注入轻量探针，捕获GC次数、CPU周期指令数、网络DNS解析延迟等低阶指标； 上下文融合：自动关联代码提交特征（如修改文件类型分布、PR描述关键词）、基础设施状态（K8s ▶ 根因定位层：图神经网络（GNN）驱动的拓扑归因 传统APM工具将CI流水线建模为有向无环图（DAG），但节点间权重静态固化。 Agent磁盘I/O await时间升高3.8倍（触发内核io-throttle） 隐藏诱因：Git LFS大文件checkout与Antivirus扫描进程产生锁竞争 ▶ 自适应优化层：强化学习驱动的策略引擎 下一站，不是让AI写Pipeline Script，而是让AI成为每个SRE的‘性能直觉延伸器’。
22910编辑于 2026-05-15 - 来自专栏Android 研究
Android跨进程通信IPC之8——Binder驱动
原本是没有这篇文章的，因为原来写Binder的时候没打算写Binder驱动，不过我发现后面大量的代码都涉及到了Binder驱动，如果不讲解Binder驱动，可能会对大家理解Binder造成一些折扣，我后面还是加上了这篇文章 主要内容如下： 1、Binder驱动简述 2、Binder驱动的核心函数 3、Binder驱动的结构体 4、Binder驱动通信协议 5、Binder驱动内存 6、附录:关于misc 驱动层的原路径 (一)、 简述 Binder驱动是Android专用的，但底层的驱动架构与Linux驱动一样。 Binder驱动简述.png (二)、系统调用 用户态的程序调用Kernel层驱动是需要陷入内核态，进行系统调用(system call，后面简写syscall)，比如打开Binder驱动方法的调用链为 BC请求码.png 重点说几个： BC_FREE_BUFFER:通过mmap()映射内存，其中ServiceMananger映射的空间大小为128K，其他Binder应用的进程映射的内存大小为8K-
2K30发布于 2018-08-30 - 来自专栏AI
从人工目检到 AI 质检-YOLOv8 驱动的 PCB 缺陷检测系统【完整源码】
从人工目检到AI质检-YOLOv8驱动的PCB缺陷检测系统【完整源码】一、项目背景与研究意义在电子制造领域，PCB（PrintedCircuitBoard，印制电路板）缺陷检测是保障产品质量的核心环节之一 本项目基于UltralyticsYOLOv8构建了一套完整的PCB缺陷检测系统，并通过PyQt5桌面界面实现“非算法人员也能直接使用”的工业级应用形态。 四、YOLOv8模型原理与工程优势4.1YOLOv8核心改进点相比YOLOv5/YOLOv7，YOLOv8具备以下优势：Anchor-Free架构：减少超参数设计TaskAlignedAssigner： 工业缺陷检测的适配性分析PCB缺陷检测具有以下特点：小目标密集纹理复杂对误检容忍度低YOLOv8在小目标检测能力+实时性上表现尤为突出，非常适合该类工业场景。 工业系统对接MES/PLC接口Web可视化平台十、结语本项目不仅是一个YOLOv8目标检测示例，更是一套真正可用于工业场景的PCB缺陷检测解决方案。
79210编辑于 2025-12-28 - 来自专栏一乐来了
AI驱动的应用：插件、应用市场和AI Agents
AI Agents的两大基础，是知识和工具。通过扩充上下文、企业知识库、或者精调等方式可以满足AI对知识的获取，是武装AI的大脑。 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。 这个驱动的来源，也是大模型AI服务通过函数调用开放出来的能力，今天我们也称其为智能插件（AI Plugin）。 是的，它并不是OpenAI的专属。 开通方法如下： 蓝莺IM控制台-智能插件-开通 实现原理 智能插件的核心是定义函数调用，由AI对调用进行拼装驱动业务层获取最新信息，补充进最终回复里。 AppID等信息； ext字段为消息自定义使用，这里设置了ai参数，是提醒AI不要对此消息再进行回复，防止出现AI对话循环。
68610编辑于 2025-05-23 - 来自专栏FunTester
AI 驱动的敏捷开发范式转变
敏捷开发中由人工智能驱动的范式转变已经到来。过去那种依赖足够好的敏捷实践就能稳定换来收入或发展前景的阶段，正在快速结束。你是准备主动适应，还是被动落后，这件事已经不太像一道选择题了。 战略层面 在战略层面，最关键的问题不是该不该上 AI，而是组织准备在什么地方、用什么方式、为了什么目标使用 AI。 很多时候，AI 转型首先是人的问题，其次才是工具的问题。 如果从这个角度看，敏捷环境下的 AI 应用和过去熟悉的转型工作其实很像。文化、治理、协作方式、授权边界，这些老问题一个都不会自动消失。 比如你完全可以设想这样一条工作流：从 Slack、邮件、客户支持系统、会议记录、用户访谈里提取反馈，把它们整理成 Markdown，再放进你的上下文系统中，最后在每天 8 点前自动生成一份晨间更新，告诉你客户情绪和利益相关者反馈是否在发生变化 • 个人层面：要从偶尔提示模型，走向能够编排技能、整合上下文并驱动代理行动。 还要特别警惕一点：如果个人层面的成长没有和组织战略形成协同，最终就会演变成能力孤岛。
9010编辑于 2026-06-17 - 来自专栏AI小步快跑
成熟的AI就该自我驱动
在IDE中与腾讯云AI代码助手使用斜杠命令唤起自定义Prompt，录入需要生成提示词的场景要求，将生成的场景Prompt再配置到后台中。 将对话生成的提示词配置到腾讯云 AI代码助手后台中，即可在IDE侧栏对话框进行调用 Java代码参数检查示例 使用生成大师反馈场景问题 # 检查Java方法参数中通用数据结构的提示词 ## Role:
40320编辑于 2025-01-08 Science | AI 驱动的结构基础模型
近日，发表于《Science》的重磅论文《AI to rewire life’s interactome》，系统阐述了如何利用人工智能（AI）与加速计算技术构建"计算显微镜"，为解析和重构生物分子相互作用组提供了革命性工具 近年来，AI驱动的蛋白质结构预测技术取得里程碑进展，AlphaFold2等模型通过学习进化约束（如多序列比对、蛋白质语言模型），借助神经网络实现了氨基酸三维结构的高精度预测，为这一目标提供了可能。 这些成果表明，AI模型可成为解析变构调节、酶催化等分子机制的核心工具，为理解生物功能的结构基础提供全新视角。 三、跨尺度分子研究的技术协同与创新 1. 结语 该研究通过AI与结构生物学的深度融合，构建了从静态结构到动态功能、从已知相互作用到从头设计的完整研究体系。 正如"计算显微镜"的隐喻所示，这些工具不仅是实验手段的补充，更重塑了我们解析生命相互作用组的认知方式——为基础研究与药物研发提供了"看见"分子动态、"设计"相互作用的能力，标志着分子生物学进入AI驱动的理性设计时代
20110编辑于 2026-01-08AI驱动超导材料发现新突破
AI驱动超导材料发现新突破研究背景如果AI系统能够提出在室温下实现零电阻导电的新材料配方——这将是量子计算和下一代电网的圣杯——研究人员正通过连接大语言模型与物理定律的新工具逼近这一目标。 技术突破某机构的SCIGEN框架某机构科学家开发了SCIGEN框架，用于引导生成式AI设计具有特殊性质的材料。该系统可以提出可能展现拓扑相、异常磁行为或比现有材料更高温度超导性的候选化合物。 与传统AI方法经常产生不可能分子不同，SCIGEN整合物理和化学先验知识，确保生成结果基于现实。 通过引导生成或拒绝采样嵌入领域约束，确保创造力与现实相结合多领域应用：量子计算需要具有稳定量子相的特殊材料，能源领域需要更清洁高效的催化剂应用前景目前两种方法仍处于早期研究阶段，但结合提出和严格过滤材料的AI
36010编辑于 2025-09-23
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