- 综合排序
- 最热优先
- 最新优先
VFP AI 插件开发花絮11：RAG.dll 帮助文档
RAG.dll 帮助文档 概述 RAG.MTServer 是一个基于 VFP 的 COM 可调用类（OlePublic），用于管理和调用本地或远程的 AI 服务（如 AnythingLLM）。 该类封装了服务的初始化、启动、工作区管理以及知识库操作等功能，便于在 VFP 或其他支持 COM 的环境中集成 AI 能力。 注册 打开命令行：以管理员身份打开命令提示符（cmd）。 调试方法 GetDebugObject 仅在开发阶段使用，发布前应移除相关调用。 =======================
17910编辑于 2026-04-02深入剖析.NET 11 中 Microsoft.Extensions.AI 在 AI 驱动后端开发的进阶应用
深入剖析.NET 11 中 Microsoft.Extensions.AI 在 AI 驱动后端开发的进阶应用 前言 在当今数据驱动的时代，后端开发越来越依赖人工智能（AI）技术来提供智能服务和优化用户体验 NET 11 中的 Microsoft.Extensions.AI 为开发者提供了丰富的工具和框架，以便更轻松地将 AI 功能集成到后端应用程序中。 集成方式对比 对比项 传统 AI 集成方式 Microsoft.Extensions.AI 开发效率 需手动处理大量服务调用细节，开发周期长 通过依赖注入和服务抽象，快速集成 AI 服务，开发效率高 总结 .NET 11 中的 Microsoft.Extensions.AI 为 AI 驱动的后端开发提供了强大而灵活的框架。 #标签：#.NET 11 #Microsoft.Extensions.AI #AI 驱动开发 #后端开发 #数据处理
10600编辑于 2026-06-16- 来自专栏Android 开发者
聚焦 Android 11: 开发语言
作者 / 产品经理 David Winer 在往期 #11WeeksOfAndroid 系列文章中我们介绍了 联系人和身份、隐私和安全、 Android 11 兼容性 ，本期将 聚焦语言 。 本期我们将深入探讨 Android 三种核心语言的所有最新资讯: 从 Kotlin 协程到 Android 11 新的 Java API，再到更出色的本地开发工具，最新版本中包含了很多内容。 Kotlin 与协程 Kotlin 是现代 Android 开发与指导性开发库的核心。 在 Android 11 中，我们力求不断改进对这两种语言的支持。在 Android 11 Beta 中，我们使用来自 OpenJDK 9、10 和 11 的许多新 API 升级了 Java 库支持。 对于 Android 11，我们还更新了 Android 运行时间 (Android runtime)，以通过 I/O 预取 加快应用的启动速度。 C++ 开发者的体验也在不断改善。
1.5K10发布于 2020-10-16 探究.NET 11 中 Semantic Kernel 在 AI 驱动后端开发的前沿应用
探究.NET 11 中 Semantic Kernel 在 AI 驱动后端开发的前沿应用 前言 在后端开发领域，人工智能（AI）的融入正推动着应用从传统功能型向智能决策型转变。. NET 11 中的 Semantic Kernel 为开发者提供了创新的工具，助力在后端应用中高效集成 AI 能力，实现智能交互、知识推理等前沿功能，满足不断变化的业务需求。 插件式架构：采用插件式架构，Semantic Kernel 允许开发者轻松扩展其功能。开发者可以创建自定义插件，封装特定的业务逻辑或 AI 服务。 开发者需要建立良好的插件管理机制，避免插件之间的冲突，确保系统的稳定性。 总结 .NET 11 中的 Semantic Kernel 为 AI 驱动的后端开发带来了前沿的应用方式。 #标签：#.NET 11 #Semantic Kernel #AI 驱动后端开发 #语义理解 #插件式架构
8700编辑于 2026-06-16- 来自专栏Sign
精灵之息 开发日志（11）
但是后期有些精灵出现一些重叠感，而且虽然都是独特的行为模式但是很多精灵让无法给人留下很深的印象
53220发布于 2021-08-27 解锁.NET 11 中 Microsoft.Extensions.AI 在智能后端开发的深度应用
解锁.NET 11 中 Microsoft.Extensions.AI 在智能后端开发的深度应用 前言 在当今数字化时代，后端应用正朝着智能化方向快速发展。 Microsoft.Extensions.AI 作为.NET 11 生态中的重要组件，为开发者提供了集成人工智能能力的便捷途径。 原理 服务集成原理：Microsoft.Extensions.AI 基于依赖注入原则，允许开发者轻松集成多种 AI 服务。 总结 .NET 11 中的 Microsoft.Extensions.AI 为智能后端开发提供了强大的支持。通过深入理解其原理并在实战中合理应用，可以快速构建具有智能分析和决策能力的后端应用。 #标签：#.NET 11 #Microsoft.Extensions.AI #智能后端开发 #AI 服务集成 #数据处理
12600编辑于 2026-06-16- 来自专栏TGLTommyAI前沿技术论文
AI 趋势研判｜2026-06-11
信号三：Apple 把模型能力下沉到操作系统和开发者框架 Apple Foundation Models framework 连接 on-device 模型、Private Cloud Compute 与第三方模型 关键事实 Apple 在 WWDC26 的开发者内容中更新 Foundation Models framework，官方视频页面写明开发者可以访问 Private Cloud Compute 为什么重要 Apple 的路线重点不是发布一个最强聊天模型，而是把 AI 变成操作系统开发接口。 AI 身份与安全报告进入开发者视野 HN 今日出现 “State of AI and Identity Report” 等条目，说明身份、权限、审计和 agent 访问控制正在成为 AI 应用的基础议题 对普通开发者和创业者来说，最值得押注的方向不是再做一个泛 AI 助手，而是围绕具体岗位、具体数据、具体执行链条，把 AI 变成可衡量的生产系统。
4300编辑于 2026-06-25 - 来自专栏喔家ArchiSelf
AI工程的11个实践指南
，联合软件工程、网络安全和应用人工智能领域的专家，推出了AI工程的11项基础实践。 这里，尝试把这11条经过实战检验的AI工程指南讲清楚，从问题定位到团队搭建，从数据管理到伦理考量，搞懂这些，才能避开AI开发的那些坑，真正打造出能落地、能长久、能让人放心的AI系统。 11、伦理是AI的底线，既要融入设计，也要纳入策略 当AI系统的能力越来越强，开始渗透到国防、医疗、金融、就业等各个关键领域，甚至能做出影响人类生活、利益甚至生命的决策时，伦理问题就成了绕不开的话题。 小结：变化，是AI工程唯一的不变 卡内基梅隆大学软件工程研究所的这11项AI工程基础实践，归根到底，都是在教我们一件事：学会应对变化。 但变化并不意味着无序，这11项实践，就是为AI工程建立了一套底层的逻辑和规范：从一开始就选对问题、搭好团队，到开发过程中管好数据、选对算法、做好安全，再到上线后持续优化、接受模糊性、扛住变化，最后守住伦理的底线
9010编辑于 2026-06-15 - 来自专栏写代码和思考
Android开发(11) 消息栏通知(Notification)
android 的消息通知还是很方便的，它会出现在窗体的顶部，并给出提示。常见的短信就是这样的通知方式。本文我们尝试实现一个这样的演示。
2.9K00发布于 2020-03-16 - 来自专栏Android 开发者
聚焦 Android 11：游戏开发新工具
作者 / Android 与 Google Play 游戏产品管理主管 Greg Hartrell 在往期 #11WeeksOfAndroid 系列文章中我们介绍了 联系人和身份、隐私和安全、Android 11 兼容性 、开发语言、Jetpack、Android 开发者工具 、Google Play 应用分发与盈利，本期将聚焦 游戏开发 ，帮助您更好地了解您的游戏表现，覆盖更多设备和新受众，并通过 Google Android 游戏开发扩展 : 对于使用 C/C++ 在多个平台上构建游戏的开发者，我们持续扩展 Visual Studio，包括增加 Visual Studio 2019 支持并推出独立 Android 注册开发者预览，集成您的 Visual Studio 工作流。 更多精彩 您可以查看 #11WeeksOfAndroid 视频内容的 完整播放列表，或前往官方网站详细 了解更多主题。我们将持续聚焦每期的新领域，敬请留意，也请继续关注我们，期待您的反馈。
1.2K20编辑于 2022-09-21 - 来自专栏黑马
【Java Web_11】MVC开发模式
一、MVC 1. 概述 ① M：Model，模型。JavaBean、dao * 完成具体的业务操作，如：查询数据库，封装对象 ② V：View，视图。JSP、HTML * 展示数据 ③
34510发布于 2021-02-04 - 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！ 解决了AI原生开发中的安全挑战。 *运行时风险*：只有在运行时才显现的风险，如凭证泄露或意外API调用 *不可预测行为*：AI生成的代码可能包含难以预测的漏洞 *扩展攻击面*：AI工具链的复杂性扩大了潜在攻击面 Docker的新方法帮助开发者在构建 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。 CarEdge的30岁CEO Zach Shefska声称，他公司开发的AI谈判员能够比大多数人类更成功地谈判汽车价格，为客户节省数千美元。
40010编辑于 2025-09-17 - 来自专栏又见苍岚
Windows 11 体验 Stable Diffusion AI 图像生成
Stable Diffusion 已经发展到可以生成以假乱真图像的程度，无论是 AI 作画还是照片生成都已经可以生成得很精细，本文记录使用过程。 本文记录在 Windows 11 下安装、配置、运行 Stable-diffusion 的流程 过程中经常需要访问境外的网站，需要访问国外网站。 webui-user.bat 文件，我在过程中遇到很多问题，没有问题的同志可以跳过这一节 安装 CUDA 11.7 下载链接：https://developer.nvidia.com/cuda-11 CLIP 安装 CLIP 仓库链接 stable-diffusion-stability-ai 仓库地址： https://github.com/Stability-AI/stablediffusion LoRA（Low-Rank Adaptation of Large Language Models）粗略地讲就是利用少量的图像来对 AI 进行额外学习训练，并在一定程度上控制结果。
2.9K00编辑于 2023-03-28 - 来自专栏逆向技术
64内核开发第11讲.多线程开发.以及同步.
现在的程序基本是很多个线程.不想以前一样.而进程和线程的关系就是 一对多的关系.
89520发布于 2019-07-02 - 来自专栏希里安
AI模块开发
截止昨天，云原生模块的框架就差不多了，主要就是针对k8s集群资源的增删改查等基础操作的功能，这也是为了熟悉集群基础资源的增删改查的开发流程。 要说完整开发还得用类似kubesphere等专业的管理平台。 那么今天就来看看AI模块，这块其实就更多就是一个尝试，只能边学边开发了，我这边就暂时是直接将别人开源的chagpt模块接入自己的平台，后期在考虑自己开发一个页面吧，如下所示： 在介绍下接入的chatgpt ： # 安装依赖 npm i -g pnpm pnpm i # 本地开发 pnpm dev 至于智能预测和排障还得多学习才能开发出来，慢慢来。 不断优化运维策略：AI可以持续监控不同的运维策略和操作是否达到最佳效果,并根据效果反馈不断调整和优化,使运维过程最大化自动化与智能化。
37110编辑于 2023-10-30 - 来自专栏软件安装
AI应用开发
AI应用开发是将人工智能技术与实际业务场景结合，构建具有智能决策、自动学习或感知能力的应用系统。 它融合了传统软件开发与机器学习、深度学习等AI技术，以下是其核心要素和流程： 一、AI应用的核心技术栈 基础框架 机器学习：Scikit-learn、XGBoost、LightGBM 深度学习：TensorFlow Platform、Azure ML 二、AI应用开发的典型流程 问题定义与数据准备 明确AI要解决的核心问题（如分类、预测、生成等） 数据采集（爬虫、API、传感器等）、清洗（去噪、补全）、标注 应用 以下是一个基于预训练模型的文本分类应用，可识别文本情感（正面/负面）： 四、AI应用开发的挑战 数据质量：模型性能高度依赖数据的准确性和代表性 计算资源：深度学习模型训练需要大量GPU算力 伦理与合规 ） 预测分析（金融风控、需求预测） AI应用开发的核心是"以问题为导向"，而非盲目堆砌技术——先明确业务痛点，再选择合适的AI技术落地。
71910编辑于 2025-11-12 - 来自专栏我的专栏
AI 开发规范
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 ✅ 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 六、一个可直接用的 AI Prompt（社区专用）你是资深 Next.js 工程师，正在开发一个社区项目。
10100编辑于 2026-06-09 - 来自专栏月色的自留地
从锅炉工到AI专家(11)(END)
一个新的由Facebook 支持的Caffe迭代版本称为Caffe2，现在正在开发过程中，即将进行1.0发布。 是由深度学习创业公司 Preferred Networks 开发；Chainer 的设计基于 define by run 原 则，也就是说，该网络在运行中动态定义，而不是在启动时定义。 CNTK: 微软研究人员开发的用于深度神经网络和多GPU加速技术的完整开源工具包。微软称CNTK在语音和图像识别方面，比谷歌的 TensorFlow 等其它深度学习开源工具包更有优势。 H2O: 现在已经发展到第三版，可以提供通过普通开发环境(Python, Java, Scala, R)、大数据系统(Hadoop, Spark）以及数据源(HDFS, S3, SQL, NoSQL)访问机器学习算法的途径 Turi Create：苹果公司发布，可以帮苹果几大操作系统上所运行软件的开发者，构建用于推荐、对象检测、图像分类、图像相似性以及活动分类的机器学习模型。
85370发布于 2018-06-20 - 来自专栏小巫技术博客
第11期·AI 工程化实践
每日AI知识点 · 第11期 ⚙️ AI 工程化实践 从 Demo 到生产系统的关键一跳 可靠性 ️ 可观测性 ️ 安全性 可扩展性 可维护性 ⚙️ 为什么需要 AI 工程化？ AI 工程化就是把 AI 应用从"能用"变成"好用、稳用、安全用"的系统工程，核心是解决五大挑战： Demo 阶段 ✗ 偶尔失败没关系 ✗ 不需要考虑安全 ✗ 可靠性：让 AI 系统永不宕机 AI API 不是 100% 可靠的——网络抖动、模型过载、配额耗尽都会导致调用失败。可靠性工程的核心是优雅地处理失败，而不是假装失败不会发生。 关键：建立"黄金数据集"，每次迭代都跑回归评估 ️ 安全性：防住 AI 系统的新型攻击 AI 系统引入了传统系统没有的新型安全风险。
40510编辑于 2026-04-13 AI日报 - 2025年4月11日
行业影响： ▸ Google通过软硬件协同及开放协议，全面巩固其在AI基础设施、模型能力和开发者生态中的领先地位。 ▸ A2A协议与MCP的结合预示着跨平台AI代理互操作性的新时代，可能加速复杂AI应用的开发。 ▸ 多模态生成能力的普及将降低内容创作门槛，推动媒体、娱乐、营销等行业变革。 ▸ 强调了RAG、长上下文、微调、MCP等技术是互补而非互斥的，引导行业走向更综合、有效的AI系统构建思路。 ▸ 提醒开发者和研究者关注AI系统构建的根本性问题，避免陷入非此即彼的技术路线之争。 ● 使用体验： ▸ (易用性评分：★★★★☆ - 对有经验开发者) ▸ (性价比评分：★★★★★ - 开源免费) 用户画像：(AI研究员、机器学习工程师、专注于生成模型的开发者) 工作流自动化的门槛，让非开发者也能利用AI解决实际业务问题，是AI民主化的一个实例。)
79800编辑于 2025-04-10
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