- 综合排序
- 最热优先
- 最新优先
AI能力管理系统
二、动态调优的智能运维体系区别于传统静态配置模式，现代AI能力管理系统引入自适应学习机制。 成熟的AI能力管理系统应内置敏感词过滤、伦理审查接口和审计日志追溯功能，从技术层面保障合规运营。 四、人机协作的新型工作流重塑AI能力管理系统通过重塑工作流，实现人机协作的高效分工：当AI接管重复性劳动后，人类专家得以聚焦高价值创造环节。 这要求系统具备跨域联邦学习能力和异构数据处理智慧，标志着AI治理进入新纪元，为AI技术的合规、高效应用开辟新路径。十、人才培养的新范式转变复合型人才成为系统落地的关键因素。 这种战略定力决定了企业的长期发展高度，也为AI能力管理系统的持续进化提供了战略指引。
37010编辑于 2025-10-16- 来自专栏蝉羽
AI宝库-ChatGPT插件能力
相信作为编程人员或AI应用的每一位关注者，都苦于ChatGPT之前的知识只能到2021年，而且我们作为开发者大多数人其实都希望能通过给ChatGPT写更多的通用能力，非常眼馋ChatGPT的插件能力。 终于OpenAI后来发布会宣布可以通过API来实现插件能力了，无疑给ChatGPT的应用插上了翅膀。实现插件能力的基础就是本次的主角-Function Call,让我们一起揭开其神秘面纱吧！ 什么是Function CallFunction Call是GPT API中的一项新能力。 插件功能相当于给OpenAI增加了一个武器库，开发者可以随意给它安装武器提升它的能力。数据实时性问题问他langchain是什么？ 但是有了Function Callling,我们就可以写一个函数集成谷歌/百度搜索API，给GPT加上联网能力，这样就借助搜索引擎的能力支持了数据的动态更新。跟已有应用系统集成问题问他今天天气如何？
82710编辑于 2023-12-12 - 来自专栏机器人课程与技术
AI如何看待能力，学历，文凭
1 假设： {文凭}⊂{学历}⊂{能力} ---- 2 证明： 首先，我们需要明确这些集合的定义和关系。 {能力}是一个包含各种能力的集合，例如学习能力、沟通能力、创新能力、领导能力和专业技能等。 其次，{学历}是{能力}的子集。虽然学历并不完全等同于能力，但是一个人的学历可以反映其某些能力，例如具有本科学历的人具有一定的学习能力和专业技能。因此，可以用数学符号表示为{学历} ⊆ {能力}。 综上所述，我们可以得出{文凭}⊂{学历}⊂{能力}的结论。 ---- 3 解析： 从集合论的角度来看，可以将能力、学历和文凭看作三个互相重叠的集合。 首先，定义能力集合和能力元素。 能力集合可以表示为"能力"或者"Capabilities"，而能力元素则表示为"能力项"，例如： 能力集合：Capabilities = { 学习能力，沟通能力，创新能力，领导能力，专业技能 } 接下来 ---- 5 案例： AI：还会自问自答，举例子： “尽管我们付出了艰苦卓绝的努力，科技的发展，例如人工智能的崛起，可能会使我们被淘汰。这就好比蒙古骑兵在二战期间被德国坦克无情地碾压。
52430编辑于 2023-08-15 - 来自专栏vibe_coding
AI工具能力覆盖全景分析
，主要在代码生成和数据处理领域 AI能力演进流程分析 这个流程图展示了AI工具能力从低到高的演进过程，以及不同技能类型的分布： AI能力演进趋势深度解析： 红色区域 - 人类专属领域（9%）： 这些技能需要深度的情感智能 能力覆盖说明 ✅ 完全覆盖：AI工具已能完全胜任该能力 部分覆盖：AI工具能提供显著帮助，但仍需人工参与 ❌ 无法覆盖：AI工具暂时无法胜任，需要人工完成 超越人类：AI工具在该领域表现超越人类平均水平 加速区：AI能力高 + 人类能力低 核心理念：以AI为师，快速进化 这是你的专属加速器，AI已经掌握的技能，正是你快速提升的机会。把AI当作24小时在线的私人导师。 ✨ 探索区：AI能力低 + 人类能力低 核心理念：勇闯无人区，共创新可能 这是最神秘的象限，充满未知和可能。AI和你都是新手，正是创新的最佳时机。 典型场景充满了无限的创新可能。 护城河区：AI能力低 + 人类能力高 核心理念：深挖护城河，筑牢价值壁垒 这是你的专属领地，AI暂时无法涉足。这里的每一份技能都是珍贵的钻石。 典型场景展现了人类独有的核心价值。
83910编辑于 2025-08-06 - 来自专栏人工智能领域
《AI教学能力：开启教育新纪元》
一、摘要 AI 在教育领域的应用日益广泛，对教学能力产生了深远影响。本文将深入探讨 AI 教学能力的核心技术、实际应用、教学模式与策略、全球实践以及未来趋势，为教育的现代化发展提供参考。 定义 AI 教学能力及其在现代教育中的重要性 AI 教学能力是指利用人工智能技术提升教学效果和学生学习体验的能力。在现代教育中，它可以实现个性化学习、智能评估和高效教学管理。 同时，要加强教师培训，提高教师的信息化素养和教学能力，让教师能够更好地运用 AI 工具辅助教学，开展智能化课堂教学。 七、第五部分：AI 教学能力的未来趋势与展望 1. 另一方面，AI 可以赋能特殊人群掌握学习能力，促进教育公平。 教育政策应适应 AI 教学的发展，加大对 AI 教育的投入，支持学校建设智能化教学环境，提升教师的信息化素养和教学能力。
2.5K20编辑于 2024-12-18 - 来自专栏AI技术应用
AI 英语能力评估App的开发
开发一款 AI 英语能力评估 App 是一个系统工程，它结合了移动应用开发、后端服务构建、人工智能模型研发和教育评估理论。整个过程比开发一个普通 App 要复杂得多，需要多领域的技术和专业知识。 需要考虑模型的推理速度和并发能力。数据存储： 选择合适的数据库存储用户数据、评估结果、题库信息等。 AI 模型维护与再训练： 收集用户在实际使用中产生的数据（经用户授权和脱敏处理），定期或不定期地对 AI 模型进行再训练和优化，以提高评估的准确性和鲁棒性，尤其需要关注对新口音、新错误模式的学习能力。 开发一个高质量的 AI 英语能力评估 App 需要一个多学科的团队，包括移动开发工程师、后端工程师、数据工程师、AI/ML 工程师、数据科学家、UI/UX 设计师、以及非常关键的语言学专家或英语教育评估专家 语言评估的复杂性使得仅仅依靠技术是不足的，需要将 AI 能力与专业的评估理论和实践相结合。
51210编辑于 2025-04-22 - 来自专栏蝉羽
ReAct如何改变大模型 AI 能力
大家都知道AI现在很强大，但其实刚开始没有现在这么智能，刚开始AI其实很多内容都是回答不了的，尤其是一些垂直领域或实时性比较高的问题，比如“今天的天气如何”等，这种需要大模型具备与外界交互的能力，比如获取墨迹天气等等天气平台的实时接口 ，这个时候OpenAI提出了Function Calling的解决方案，从而让AI大模型拥有了自身能力的外部工具的能力，到现在与Function Calling一样能够让大模型和外部交互的各类Agent 误区：AI 世界中我们所看到的Agent不是类似之前我们所说的像Nginx之类的代理，这里的Agent不是一种技术，而是一种AI设计模式，在2023年曾经有一条封神的提示词“请一步步思考”，被很多人拿来炫技 要使大模型拥有ReAct 能力，使其变成 Agent，我们需要在向大模型提问时，使用 ReAct Prompt，从而让大模型在思考如何解决提问时，能使用 ReAct 思想。 New input: {input}"""模板会传授大模型按照规定的格式思考和回答问题，这就是在教大模型如何推理和规划，大模型在有了推理和规划能力后就变成了 Agent。
60710编辑于 2025-06-15 - 来自专栏Spring Boot 2.X 系列
AI 客服定制：LangChain集成订单能力
为了提高AI客服的问题解决能力，我们引入了LangChain自定义能力，并集成了订单能力。这使得AI客服可以根据用户提出的问题，自动调用订单接口，获取订单信息，并结合文本知识库内容进行回答。 这种能力的应用，使得AI客服可以更好地解决与业务系统有关的问题。 本文是对前文AI客服的迭代升级，集成订单能力，使其在售后方面也能提供一些自动快速解决能力。 基于子类化 BaseTool 实现订单查询能力 通过子类化BaseTool 可以快速实现基于业务的工具，工具可以在代理运行时调用。 优化提示词 通过优化提示词（Prompt），可以让 AI 客服有思考能力，并且让不同的工具之间也能有交互。
61540编辑于 2023-09-18 - 来自专栏腾讯云智能·AI公有云
最佳实践｜用腾讯云AI图像能力实现AI作画
结合近期科技媒体频频报道的AI作画爆火现象，深入了解了下，发现市面上有一些AI作画的小程序， 是通过输入一段文字给AI， 然后输出一副和文字意思相近的图片。 图片0.实现思路目前看到的AI画画的基本流程如下：输入文本-〉选择风格化（油画/素描/动漫等等）-〉生成图片。 常用的搜索引擎（搜狗，百度，谷歌）都有类似的功能，只不过都是网图，不过也没关系， 我们可以通过现有的搜索引擎的能力快速验证下效果，简化一下流程如下：图片基本方案确定， 下面详细描述下实现过程。 1.准备工作1.1 文字搜图通过文字生成意思相近的图片，发现搜狗有现成的能力，可以通过输入文字或图片，获取匹配度比较高的网图：图片通过输入关键字，分析下接口调用：图片直接调用下接口， 就可以拿到对应的图片 二、风格化，通过腾讯云AI能力， 融合图片。
4.8K163编辑于 2022-11-11 企业如何构建自己的 AI 编码能力
AI 编码能力作为一种新兴的技术力量，正逐渐成为企业技术竞争力的关键。本文将探讨企业如何结合代码大模型和私域数据，构建属于自己的 AI 编码能力。全文阅读约 3～5 分钟。 因此，如何将这些工具与企业自身的私域数据相结合，构建起企业独特的 AI 编码能力，是每个企业都需要面对的挑战。 通过将这些数据整合到 AI 编码工具中，可以促进知识在团队间的传播，帮助新成员快速了解项目背景和代码基础。综上所述，代码私域数据是企业构建 AI 编码能力不可或缺的一环。 在企业构建自己 AI 编码能力的过程中，腾讯云 AI 代码助手可以提供完整的解决方案，即支持通过 AST 语法树解析项目工程文件，让模型实时学习企业的业务代码逻辑，强化模型表现，也支持结合企业的私域数据进行模型微调 ，为企业提供定制化的 AI 编码解决方案，优化代码生成效果，助力企业构建高效的 AI 编码能力。
36810编辑于 2024-12-03- 来自专栏DevOps
个人笔记本AI PC 能力体验
**Intel倡导的AI PC已经得到数百家IHV独立硬件供应商、ISV独立软件供应商和大量独立开发者的鼎力支持，基于酷睿Ultra的AI PC产品将在今年达到230多款，专属的AI加速功能将超过300 ****这些AI功能不仅可以理解和执行复杂的指令，还能学习用户的使用习惯，从而提供更个性化的支持，持续提升效率，而且都是完全基于本地AI能力，提高办公效率的同时还有利于保护隐私安全。 **酷睿Ultra AI PC平台上，AI生图可利用Intel Pytorch扩展模块，发挥锐炫核显的能力，只需4秒钟左右就可以生成1024×768分辨率的高画质图片，6秒钟左右可以搞定1024×1024 五、图片处理 除了AI图片生成，AI图片处理也已经得到了深入的发展和广泛的应用，尤其是在Intel AI PC平台上，可以快速完成对复杂图片的处理，大大节省工作时间。 **绘世启动器是由秋叶、喵喵等国内AI绘画社区爱好者开发的一款免费AI绘画启动器软件，极大地降低了AI绘画的使用门槛，已率先支持酷睿Ultra核显加速。
47410编辑于 2024-04-10 鸿蒙(HarmonyOS)原生AI能力之文本识别
鸿蒙原生AI能力之文本识别原生智能介绍在之前开发中，很多场景我们是通过调用云端的智能能力进行开发。例如文本识别、人脸识别等。 原生即指将一些能力直接集成在本地鸿蒙系统中，通过不同层次的AI能力开放，满足开发者的不同场景下的诉求，降低应用开发门槛，帮助开发者快速实现应用智能化有哪些原生智能能力基础视觉服务基础语音服务端侧模型部署端侧推理意图框架 .........基础视觉服务 - Core Vision KitCore Vision Kit（基础视觉服务）是机器视觉相关的基础能力，接下来要导入的类，都在@kit.VisionKit中例如本篇要讲的文字识别即是如此 { isDirectionDetectionSupported: false }) this.text = res.value }}总结：今天猫林老师给大家分享了鸿蒙提供的原生AI 能力。
61810编辑于 2024-12-23- 来自专栏运维开发王义杰
AI: 探讨大模型的自动学习能力
然而，这些大模型是否具备自动学习能力，即通过用户与其交互的过程中变得更智能，仍是一个值得探讨的问题。 本文将从大模型的训练方式、交互能力和潜在的自动学习机制等方面进行分析，探讨其是否能在使用过程中自我提升。 大模型的训练方式 预训练与微调 大模型通常采用预训练和微调的方式进行训练。 大模型通常包含数十亿甚至上千亿个参数，实时调整这些参数需要极大的计算能力。 数据隐私与安全：记录和利用用户交互数据进行学习可能涉及用户的隐私信息。 用户反馈机制：通过引入明确的用户反馈机制，模型可以在用户提供正面或负面反馈时进行有针对性的学习和调整，从而提高模型的智能和适应能力。 结论 目前的大模型在与用户的交互过程中，尚不具备真正意义上的自动学习能力。它们的智能主要依赖于预训练和微调阶段获得的知识和能力。
1.6K10编辑于 2024-07-10 - 来自专栏服务端技术杂谈
苹果设法扩展AI能力，讨论收购Perplexity
据知情人士透露，苹果公司高管们内部讨论关于收购Perplexity AI的事宜，若达成协议，将有助于苹果开发基于AI的搜索引擎。 此前，扎克伯格的Meta放弃了推进收购Perplexity的磋商、并转而投资Scale AI大约140亿美元获得49%的持股。（彭博）
10610编辑于 2026-03-11 - 来自专栏老张的求知思考世界
很多人神化了AI的能力
老实说，DeepSeek刚出来的时候，我也想过借助它的能力直接在工作中落地应用，但真正深入了解AI大模型的技术原理和特性后，我立马放弃了之前的天真想法。 如果AI真的具备如网上各种自媒体所描述的那种能力，那确实能很快提升个人和团队的工作效率。但不幸的是，当前阶段的各种AI大模型和工具，并不具备开箱即用深度使用的能力。 换个角度来说，不是AI不具备这种能力，而是要达成如大家所想的效果，需要满足一定的前置条件。但这些前置条件是什么，该如何达成，目前并没有很详细的介绍和可参考的落地路径。 很可怕的一点在于，目前很多公司就是很迷信AI的能力，畅想AI能降本增效，大幅增加公司的效率，甚至带来新的营收。 只能说AI大模型出圈的这三年不到的时间，群体认知的泡沫还没挤破。 但这个答案的前提在于：标准化的流程、清晰详细的需求文档描述、良好的技术和数据结构设计，只有满足这几点前置要求，才能借助AI的能力生成基本可用的测试用例。
23800编辑于 2025-03-19 - 来自专栏首席安全官
AI安全架构：从AI能力到安全平台落地实践
这些能力直接对应安全领域的核心痛点——从漏洞挖掘、代码审计、威胁检测到身份安全、数据治理等关键环节，AI正在实现”击穿式”的突破。 然而，安全与AI的结合并非坦途。 AI安全机遇与挑战 2.1 机遇：AI为安全工作带来的范式变化 (1) 检测响应能力的倍增 在AI加持下，安全的IPDR循环（Identify-Protect-Detect-Respond）迎来质的飞跃 绝大部分厂商在实战中未让用户看到真正大幅提升的效果，原因归纳为以下几类： (1) 组织与能力建设的挑战 能力门槛问题：大模型对安全从业人员的知识结构提出了新要求。 AI原生应用面向智能体设计，提供机器可理解的接口、自动化工作流、自主决策能力。 替换路径： 第一批：XDR、NDR、DSP等赋能版本上线，大幅提升效果。 AI安全平台如何落地 4.1 分阶段建设路线 AI安全平台的落地不是一蹴而就的，应遵循渐进式、迭代式的方式，分三个阶段推进： 第一阶段：AI赋能安全场景（基础能力建设，6-12个月） 目标：快速验证AI
73210编辑于 2026-01-20 AI时代个体思维能力进化-知识显性化表达和输出能力
进行继续和大家聊下AI时代个体思维能力的提升，具体的关键点究竟在哪里？ 因为最近我用Google Nano Banana做了不少的信息图，很多人私下问我这些图如何画的？ 也正是这个原因，也明确提出今天这篇文章的观点，即： 在AI时代个人思维能力的竞争，不是简单的AI大模型，AI工具的竞争，而是个人思维能力的竞争力，而这个思维能力核心又体现在你将你个人知识经验显性化表达的能力 那么很遗憾的告诉你，到了AI时代你同样没有任何竞争力，你想AI时代知识平权想多了。 真正AI时代竞争力是你个人知识经验的显性化表达和定义能力，这个才是真正个人差异化的优势能力，别人无法复制。 AI工具还是那个工具，但是对于大部分人来说，连用好AI工具的能力都没有。而是想着如何用AI工具偷懒，如何让AI工具来代替自己思考。可想而知，不上AI本身变成了工具，而是你自己变成了工具人。 包括前面我在知乎看到一个话题，就是AI时代哪些人最容易被AI所替代。
21110编辑于 2025-12-17- 来自专栏老张的求知思考世界
提示词工程，是使用AI的入门能力
下图是AI这几十年的能力发展对比图： 从上图可以看出，AI的能力进化是越来越快的，当技术突破某一个奇点之后，能力的进步会出现爆炸性的增长。 这就会导致一个很有意思的现象：即AI从业者或者关注AI的人对新技术的落地时间预期过高。 AI是一种新的先进的生产力，使用这种生产力是有代价的，而从业者们往往低估了这个代价。 这个代价就是忽略了最基础的能力(提示词)和基础技术设施建设跟不上技术发展，这也是我为什么会专门写两篇关于AI Agent Infra文章的原因。 首先，Agent的能力最起码要比大多数普通人完成任务的质量更高，否则会因为边界问题，替换成本问题，以及用户心理接受问题而被弃用。 2、要想企业内落地AI，企业级知识库的建立势在必行。
11500编辑于 2025-06-25 AI为核聚变诊断提供“超视”能力
普林斯顿大学的AI揭示了聚变传感器无法观测的信息一款强大的新AI工具Diag2Diag正在通过提供合成且高度详细的缺失等离子体数据，革新聚变研究。 如果人工智能（AI）能够分析视频的每一帧，并根据图片自动提供音频，通过读取唇语并记录每次脚落地的声音呢？ 据普林斯顿大学的Azarakhsh Jalalvand介绍，这正是一款新AI背后的基本概念，该AI用于填补关于聚变燃料——等离子体的缺失数据。 Jalalvand是最近发表在《自然通讯》上、关于这款名为Diag2Diag的AI的论文的主要作者。 研究中用于开发AI的所有传感器数据均来自DIII-D国家聚变设施（某中心能源部的一个用户设施）的实验。
14610编辑于 2026-01-23- 来自专栏Elastic Stack专栏
利用 Elastic AI 助手增强运营团队的能力
图片使用交互式 Elastic AI Assistant，通过情境感知、可操作的见解来增强运营智能Elastic 利用其多年的机器学习专业知识以及与生成式 AI 平台的集成，通过相关且上下文感知的 AI Elastic AI Observability 助手（现已提供技术预览版）由 Elasticsearch 相关引擎 (ESRE) 提供支持，可增强对应用程序错误、日志消息和警报的理解，同时提供最佳代码效率的建议 此外，Elastic AI Assistant 的交互式聊天界面允许 SRE 在一个地方进行交互式聊天和可视化所有相关遥测，同时还利用专有的内部信息进行修复。 通过 Elastic AI Assistant 和机器学习功能的结合，SRE 可以更快、更主动地查明和解决问题，消除跨孤岛的繁琐的手动数据检索。 图片通过将内部的、业务特定的信息与LLM相结合，Elastic AI Assistant 可以提供高度相关的结果，帮助加速问题识别和解决，并为您的团队增强 AIOps。
1.7K41编辑于 2023-09-27
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