- 综合排序
- 最热优先
- 最新优先
- 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南3-5
为了让开发者更加了解小程序开发，在本章中还会通过常见的一些应用场景介绍小程序API的一些细节以及开发的一些技巧和注意事项。 2.4.1 开发流程基本介绍 在启动开发之前，首先要对整个小程序整体的产品体验有一个清晰的规划和定义，一般会通过交互图或者手稿描绘小程序的界面交互和界面之间的跳转关系。 当然并不是要完全按照这样的开发流程来开发小程序，有些时候可能在产品交互体验还不明确的情况下，先完成JS逻辑层的一些模块的工作并做好测试。 高效的开发流程有很多种方式，一般是根据整个团队的工作节奏来选择和开展，这一节讨论到的流程只是其中常见的开发流程。 图4-2 开发者工具开启样式自动补全 在小程序开发中需要考虑各种尺寸终端设备上的适配。
51710编辑于 2025-08-25 - 来自专栏Hank’s Blog
3-5 处理缺失值
> x <- c(1,NA,2,NA,3) > is.na(x) [1] FALSE TRUE FALSE TRUE FALSE > x[!is.na(x)] #找出不是缺失值 [1] 1 2 3 > x <- c(1,NA,2,NA,3) > y <- c("a","b",NA,"c",NA) > z <- complete.cases(x,y) #都不是缺失值的元素 > x[z] [1] 1 > y[z] [1] "a" > library(datasets) #import dat
62310发布于 2020-09-16 - 来自专栏NetCore 从壹开始
3-5 安装CICD管理平台：Jenkins
大家这里可以先安装gitlab工具，我就省事了，直接用gitee做源代码管理平台了。
44121编辑于 2023-01-09 - 来自专栏实验盒
当我用DeepSeek预测AI for BioScience未来3-5年发展趋势
预测未来3-5年AI在生物科学（AI for BioScience）的发展趋势，可以从技术突破、跨学科融合、数据驱动创新以及伦理监管等多个维度进行分析。以下是一些关键趋势的展望： 1. ，加速定制化酶、抗体和合成生物学元件开发。 药物研发的端到端AI化 全流程覆盖：AI将贯穿从靶点发现、化合物生成、ADMET（毒性/代谢预测）到临床试验优化的全链条，缩短药物研发周期（目前平均10年→可能压缩至3-5年）。 基因治疗递送系统：AI辅助开发更高效的病毒载体或非病毒纳米颗粒。 6. 生物伦理与可解释性挑战 黑箱模型的风险：复杂AI模型的决策透明性将成监管重点，需开发生物可解释的AI（XAI）工具。 总结 未来3-5年，AI将深度重构生物科学的研究范式，从“数据辅助分析”转向“主动设计创造”，并在药物研发、合成生物学、精准医疗等领域实现商业化落地。
68510编辑于 2025-02-05 - 来自专栏叽叽西
lagou 爪哇 3-5 spring cloud (下) 笔记
⾏归类管理，把服务和配置⽂件进⾏归类，归类之后就可以实现⼀定的效果，⽐如隔离 ⽐如，对于服务来说，不同命名空间中的服务不能够互相访问调⽤ Namespace：命名空间，对不同的环境进⾏隔离，⽐如隔离开发环境 控制台：（Dashboard）基于 Spring Boot 开发，打包后可以直接运⾏，不需 要额外的 Tomcat 等应⽤容器。
96420编辑于 2022-05-17 研究生入局 AI Agent，不是跟风，是抓住未来 3-5 年的技术红利研究
发布于2026-05-1615:30最近在和身边做AI的同学、朋友聊天时，总能听到一个高频问题：“现在研究生做Agent，是不是已经晚了？” 企业需要的，不是只会调Prompt的应届生，而是能懂大模型底层原理、又能落地开发Agent的工程师。 研究生如果能深耕Agent架构、FunctionCalling、Skill编排、多智能体协作这些核心技术，毕业时可以直接对接AI应用开发、智能体开发、大模型应用等高薪岗位，竞争力远超普通应届生。 要真正吃透Agent，必须先搞懂几个核心问题，才能跳出“调包式开发”的误区，找到自己的深耕方向：1.ReACT框架的核心价值，到底是什么？ 说到底，Agent不是一阵风，而是未来3-5年AI领域最确定的技术趋势之一。对研究生来说，现在入局，不是跟风，而是抓住了一个用小成本撬动大价值的机会。
42410编辑于 2026-05-16- 来自专栏PHP实战技术
3-5年的PHPer常见的面试题
项目开发:电商项目中的购物车数据持久化、考试系统的安全性考虑、 mysql设计基础：三大范式、功能->思维导图、创建表的第一字段是什么？ web开发方面会遇到哪些缓存? 分别如何优化? 给你256M的内存,对10G的文件进行排序(文件每行1个数字),如何实现？ 对10G的文件进行查找如何实现？
1.6K100发布于 2018-03-09 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-5 Numpy数组(和矩阵)的基本操作
shape 属性查看数组的维度，返回值是一个元组，元组中对应位置的值为数组中对应维度的元素个数。
1K10编辑于 2022-05-25 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-5)
代码清单3-5 void RecursiveSearch(int* number, int* answer, int index, int n) { if(index == n)
35020编辑于 2022-11-30 - 来自专栏AI研习社
未来 3-5 年内，哪个方向的机器学习人才最紧缺？
这样的需求不会是昙花一现，这就跟 web 开发是一个道理，从火热到降温也经过了十年的周期。 一个领域的发展有特定的周期，机器学习的门槛比 web 开发高而且正属于朝阳期，所以大家致力于成为 “专精特定领域” 的机器学习专家不会过时。 什么是特定领域的机器学习专家？ 所以以 3-5 年的跨度来看，这些工具依然会非常有用，甚至像 CNN 和 LSTM 之类的深度学习算法还在继续发展迭代当中。
78860发布于 2018-03-19 - 来自专栏iOS逆向与安全
写作小技能：卡片式写文章（用3-5张卡片写文）
挑战->核心概念->该怎么做->总结->升华 找到1张卡做大的核心概念 找到3-5张卡做子概念的内容 把这些卡片的“行动指引”总结下，列在最后做个行动指引大全。 .… 用3-5张卡片写文是个很好的体验：1.主题是自下而上生成，而不是逼你针对命题写一个。2. 内容是过去知识卡片的积累，而不是临时写一句，出去找一段儿。3. 积累日常开发工作中遇到的问题以及解决方案 c.把复杂的问题讲解的很简单很清楚，有各种各样的推导和方案的比较（ 原理、思路、方法论) 1.2 用卡片模板写文章的具体例子 iOS App处于后台/被杀死的状态仍可进行语言播报的实现
1.7K10编辑于 2022-08-22 - 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。
41710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。
1K10编辑于 2025-11-12 - 来自专栏新智元
【探索AI自开发】谷歌、微软用AI开发AI，特定任务超越人类AI专家
【新智元导读】为了应对AI人才不足，以谷歌为首的企业正在想方设法，开发能够取代AI研究员的AI系统，让创建AI软件变得容易。 开发出能够自己编写程序的AI，是AI研究者的梦想，也可能是众多计算机程序员的噩梦。 现在，以谷歌为首的各大公司，在AI人才严重不足的情况下，开始把目光投向另一个更为强大的目标——开发能够自己创建AI的AI。 不止是谷歌，微软、亚马逊、Facebook这些巨头纷纷都在开发能够自己开发AI的AI上面投注努力，这正在形成一种趋势。 Jeff Dean预计，如今具备能自我开发AI系统的人才的公司，全球不超过1000家，但其他更多公司却拥有开发AI系统所需的数据。 “我们希望让解决机器学习问题的机构数量从几千家扩展到百万家。”
1.2K91发布于 2018-03-21 - 来自专栏智能算法
开发AI可是个大工程 脸书想让AI自己开发AI
要开发深度神经网络解决下一个AI大问题，研究人员必须经历无数次失败的尝试，在一台、几十台甚至几百台机器中尝试。“我们更加像是教练而非运动员。” 互联网巨头正在开发计算系统，让它们代表工程师测试无尽的机器学习算法，它们自己就可以循环测试许多的可能性。更棒的是企业正在开发一套AI算法，让算法来编写AI算法。没有开玩笑。 但Facebook的最终目标是开发一套新的AI模式，让人类从事的单调乏味工作尽可能少。 据米汉那透露，在开发新的AI时，Facebook工程师并不缺少创意，但是要测试这些创意却是另一回事。为了解决问题，他和团队开发了所谓的“Flow”工具。 更有趣的地方在于：AutoML也许可以利用AI来开发AI。 正如米汉那所说的，每个月Facebook要训练和测试大约30万个机器学习模型。
979130发布于 2018-04-02 云开发 Copilot ｜体验AI快速开发
前言作为后端，如何快速开发一个简单的页面？大多数人都会想到用AI，今天就结合项目需求体验了一下，制作一个简单的小程序。 需要在左边添加中使用AI，并不能使用原来的Copilot聊天窗口，且不支持上下文，但基于我的需求比较简单，一句话就能生成完美的页面。至此，我的基本需求已经开发完成，前后用时不到10分钟，非常方便快捷。 总结云开发 Copilot 作为云服务平台精心打造的一款卓越 AI 辅助利器，在云环境下的小程序与 Web 应用等项目构建进程中发挥着举足轻重的作用。 Copilot 以其丰富多样的多功能生成能力令人瞩目，搭配简洁直观、极易上手的用户友好界面，以及对多平台的强力支持，全面简化了原本复杂繁琐的开发流程，为开发者带来前所未有的流畅开发体验。 它有力地助力开发者实现从项目设计起始，一路顺畅推进至最终部署上线的全周期高效管理，在保障代码质量达到高标准的同时，还为应用筑牢安全防线，当之无愧地成为现代云应用开发领域开发者们不可或缺的理想伙伴。
60210编辑于 2024-12-11如何开发AI Agent?
如何写AI Agent? 上一篇文章已详细分析: 未来的必备技能, 要么会写AI Agent, 要么会用AI Agent! 2025云栖大会热词洞察: AI就绪 (AI Ready) 那么如何写一个AI Agent? 例如如何写一个推荐股票的AI Agent? 看看Qwen怎么回答，让AI设计AI 一、如何写一个AI Agent 写一个 AI Agent（智能体）的核心思想是：让程序不仅能执行固定指令，还能感知环境、自主决策、调用工具、记忆历史，并持续完成目标 四、推荐框架（快速上手） 框架 特点 适合人群 LangChain 功能全面，支持记忆、工具、链式调用 开发者 LlamaIndex 专注 RAG + Agent，适合知识问答 研究者 Qwen-Agent AI 无法预测黑天鹅事件（如政策突变、财报暴雷）。 建议：AI 辅助决策 + 人工复核 + 严格止损。
45800编辑于 2026-07-09- 来自专栏Java面试教程
意料之中、要求3-5年的leader，最后选了应届生
什么是Spring的循环依赖问题 在软件开发的世界里，我们总是追求代码的优雅与高效。目前Java主流的SpringBoot、SpringCloud框架无疑是我们最好的帮手。 它不仅简化了企业级应用的开发，还为我们提供了许多强大的功能。 比如依赖注入DI，但是，就像任何技术都有其双刃剑的一面，依赖注入也不例外，Spring在进行依赖注入时最常见的一个问题——循环依赖。 回归正题 在开发中，一般遇到这个问题，通常会使用@Lazy来解决。 但是这是在日常开发使用的时候的处理方法，面试的时候肯定不会就这么放过你。 所以我们在面试的时候遇到这个问题，通常还会再多回答两个方式。
37600编辑于 2024-11-22 - 来自专栏AI智能体开发
AI 智能体（AI Agent）的开发
AI 智能体（AI Agent）的开发是一个复杂且多阶段的过程，涉及需求分析、算法设计、模型训练、系统集成和部署等多个环节。以下是 AI 智能体开发的典型流程。 1.2确定技术栈选择适合的 AI 技术和工具（如机器学习、深度学习、强化学习等）。确定开发语言（如 Python、C++）和框架（如 TensorFlow、PyTorch）。 5.系统集成5.1接口开发开发与外部系统交互的 API（如 RESTful API、gRPC）。定义输入输出格式（如 JSON、Protobuf）。5.2模块集成将 AI 模型集成到应用程序中。 8.3技术升级跟踪最新 AI 技术，升级算法和框架。优化系统架构，提高可扩展性。9.常用工具与框架9.1开发框架机器学习：Scikit-learn、XGBoost。 总结AI 智能体的开发流程包括需求分析、数据收集、模型设计、训练与评估、系统集成、测试验证、部署监控和维护迭代。通过合理规划和使用工具，可以高效地开发出功能强大、性能优异的 AI 智能体。
3.6K20编辑于 2025-02-18 AI原生开发范式
AI原生开发范式的核心概念 AI原生开发范式（AI-Native Development）指以AI为核心构建应用程序的设计方法，其特点包括数据驱动、模型即服务（MaaS）、自动化工作流和持续学习。 与传统开发相比，AI原生应用将机器学习模型作为基础组件，而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程，实现实时风险评估。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台，整合多种医学影像模型（CT、MRI）。 model.predict(input_data) r.setex(key, CACHE_TTL, pickle.dumps(result)) return result 效能评估指标 AI
56910编辑于 2026-01-20
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