- 综合排序
- 最热优先
- 最新优先
- 来自专栏E
AI 与智能化 API 治理的探索实践
Eolink CEO 刘昊臻，发表了主题为「AI 与智能化 API 治理的探索实践」的演讲，分享 Eolink 在 API 全生命周期中治理实践与 AI 结合的探索。 Eolink 作为国内 API 全生命周期解决方案的领军者，通过其独创的 DTDD（文档与测试驱动开发 ） 和 API First 理念，致力于打造一站式、智能化的 API 全生命周期解决方案，帮助企业提升研发效能 本次演讲，围绕 API 全生命周期，从 API 治理的价值、治理体系、实践经验等方面，分享了 Eolink 在 API 治理的最佳实践，以及结合「AI+API」技术的革新应用。 图片从最佳实践来讲，我们服务的客户可以分为以下四种： 基于文档与测试驱动，并联动前后端测试团队，持续管理 API 资产并且提升 API 的研发效能。 未来，我们还会逐步结合 AI 的能力，未来期望让 API 的设计，开发和测试在 Postcat 上面实现全智能化。
66420编辑于 2023-08-21 - 来自专栏Apikit
AI 与智能化 API 治理的探索实践
Eolink CEO 刘昊臻，发表了主题为「AI 与智能化 API 治理的探索实践」的演讲，分享 Eolink 在 API 全生命周期中治理实践与 AI 结合的探索。 Eolink 作为国内 API 全生命周期解决方案的领军者，通过其独创的 DTDD（文档与测试驱动开发 ） 和 API First 理念，致力于打造一站式、智能化的 API 全生命周期解决方案，帮助企业提升研发效能 本次演讲，围绕 API 全生命周期，从 API 治理的价值、治理体系、实践经验等方面，分享了 Eolink 在 API 治理的最佳实践，以及结合「AI+API」技术的革新应用。 图片从最佳实践来讲，我们服务的客户可以分为以下四种： 基于文档与测试驱动，并联动前后端测试团队，持续管理 API 资产并且提升 API 的研发效能。 未来，我们还会逐步结合 AI 的能力，未来期望让 API 的设计，开发和测试在Postcat 上面实现全智能化。
74920编辑于 2023-08-22 - 来自专栏腾讯云技术沙龙
邹建平：智能化大数据平台打造实践
能否以数据为中心，然后融入智能化的一些算法，来运营大数据产品本身呢。顺着这个想法，我们找到了智能化运维的思路。 智能化运维的概念和价值 我们先看一下智能化运维到底是什么？ 1545286172702.png 智能化大数据平台最佳实践 – 探索问题 首先来看一下探索问题。当系统出现一个故障的时候，最怕的是两眼一抹黑。 智能化大数据平台最佳实践 – 发现问题 接着让我们来看下如何发现问题，这里我以流计算产品为例来介绍。 智能化大数据平台最佳实践 – 优化问题 我们再来看一下优化问题的场景，我们以EMR产品做例子。 邹建平 智能化大数据平台打造实践.pdf
2.3K50发布于 2018-12-24 MyEMS：智能化能源管理的创新实践
MyEMS 是一款以数据为核心的智能化能源管理系统，它旨在通过对能源数据的全面采集、深入分析和有效监控，实现能源的优化配置和高效利用。 系统将更加智能化，能够实现自主学习和决策，进一步提高能源管理的效率和精度。同时，MyEMS 还将与其他系统进行深度融合，如企业资源计划系统、生产执行系统等，形成更加全面的企业管理体系。
25410编辑于 2025-08-07- 来自专栏全栈前端精选
【PPT】阿里@甑子：《前端智能化实践》——逻辑代码生成
在第十四届D2前端技术论坛阿里高级前端技术专家@甄子做了《前端智能化实践》—逻辑代码生成的分享。 本PPT由@甄子授权分享。 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
81320发布于 2020-04-28 MyEMS：智能化能源管理的创新实践者
在全球“双碳”目标推进与能源结构转型的关键时期，企业与机构对能源的精细化、智能化管理需求日益迫切。 从核心目标来看，MyEMS致力于通过对能源数据的全生命周期管理，实现“监控可视化、分析精准化、优化智能化、决策科学化”，最终帮助用户降低能源消耗、减少碳排放、提升能源管理效率，为绿色低碳发展提供坚实的技术支撑 实际应用场景：MyEMS的价值落地实践MyEMS的应用场景已覆盖多个领域，其价值在实际落地中得到充分验证。 锅炉等关键用能设备的实时监控与能耗分析，发现了3台老旧设备的能耗异常问题，通过更换节能设备及优化生产调度，每月减少能耗成本约12万元，能效提升15%；在商业建筑领域，某大型购物中心借助MyEMS对空调、照明、电梯等用能系统进行智能化管理 未来展望：MyEMS与能源管理的智能化升级随着人工智能、物联网、大数据等技术的不断发展，能源管理正朝着“智慧化、精细化、协同化”的方向升级，MyEMS也将迎来更大的发展空间。
14810编辑于 2025-10-27- 来自专栏云计算行业
大咖分享预告丨IT 运维之智能化告警实践
直播预告 6月11日（周四）19:00 腾讯云大学将邀请 谐云科技资深算法工程师 /CODING特邀讲师 王羽中 带来IT运维告警的精彩分享 戳“阅读原文”或扫描“海报二维码”即可预约直播哦~👇 腾讯云大学公众号 长按识别二维码关注 “腾讯云大学” 了解更多免费、专业 行业最新技术动态分享 戳“阅读原文”即可预约课程噢！
28410编辑于 2023-05-29 使用YashanDB构建智能化数据分析平台的最佳实践
如何优化查询速度是构建智能化数据分析平台的核心问题之一。查询性能直接影响到数据实时分析和决策的效率，进而关系到业务的响应速度和用户体验。 YashanDB以其多样化部署形态、先进的存储引擎及优化的SQL执行机制，为智能化数据平台提供了技术保障。本篇文章将系统解析YashanDB的核心技术优势及其在智能数据分析平台构建中的最佳实践。 通过动态冷热数据管理及后台转换任务，平台能自动平衡数据更新频率和查询性能，从存储层面保障智能化分析中的海量数据处理能力。 最佳实践建议合理选择部署形态：根据业务规模和性能需求，选择单机、分布式或共享集群部署方式，确保资源利用和系统可扩展性的均衡。 结论随着数据规模不断增长和智能化分析需求的提升，构建高性能、高可用且智能化的数据分析平台成为企业核心竞争力。
20110编辑于 2025-09-19腾讯 AICR : 智能化代码评审技术探索与应用实践（上）
文章摘要本文将详细阐述 腾讯云 AI 代码助手团队和 CR 团队在智能化代码评审领域的技术探索与应用实践。全文阅读约 5-8 分钟。 从 23年3月 开始，基于大模型的能力，腾讯集团 AI 代码助手团队和 CR 等团队，针对腾讯内外部开发人员进行调研，并针对编码场景进行了 AI 实践，其中 AICR 就是比较重要实践之一，并取得一定的效果 如图5，腾讯智能化 CR 服务的整体技术架构上分为三个层次：数据层：在数据层，主要工作为数据获取与数据处理。具体地，数据来源来自两个方面。 主要采取 prompt 调试和模型 SFT 的方式进行模型对齐；在模型部署和迭代阶段，采用 vllm 的部署框架进行上线服务，获取真实的用户反馈，最后形成数据飞轮，完成模型迭代；应用层：在应用层，我们的智能化 生成内容好评率超 90%感谢阅读、关注，下篇将为你分享腾讯 AICR 建设过程中遇到的挑战和 CR 模型实践、未来展望。https://copilot.tencent.com/
2.5K11编辑于 2024-11-20腾讯 AICR : 智能化代码评审技术探索与应用实践（下）
文章摘要本文将详细阐述腾讯云 AI 代码助手团队和 CR 团队在智能化代码评审领域的技术探索与应用实践全文阅读约 5-10 分钟。 从23年3月开始，基于大模型的能力，腾讯集团 AI 代码助手团队和 CR 等团队，针对腾讯内外部开发人员进行调研，并针对编码场景进行了 AI 实践，其中 AICR 就是比较重要实践之一，并取得一定的效果 如图，腾讯智能化 CR 服务的整体技术架构上分为三个层次数据层：在数据层，主要工作为数据获取与数据处理。具体地，数据来源来自两个方面。 如：需求管理/分解、软件/架构设计、编程语法规则、代码重构/优化、缺陷/漏洞检测、最佳实践/规范等；特定开发知识：指公司内部特定开发的知识。 智能化 CR 模型的评测如上所述，由于代码评审天然存在主观性，因此在评价大模型的 CR 能力时，很难量化判断模型的生成效果。
1.4K10编辑于 2024-11-20- 来自专栏前端Q
智能化与低码化在兴盛优选的应用与实践
作者 | 文子穰 整理 | 冬雨 编辑 | 蔡芳芳 前言 Hello，大家好，我是文子穰，来自兴盛优选体验技术部，本文主要话题是围绕低码化 & 智能化两个方向的实践与总结 智能化方向的探索 近两年前端智能化方向非常火热各大厂都纷纷投入其中，在接触这一方向之前我们其实也思考过智能化相关落地的场景，它所能带来的实际价值，研究过目前市面上相关的产品其中就有《imgcook》《 现阶段市面上智能化相关的产品大多数都是基于 D2C 这一个场景下衍生出来的。 而对于我们团队内部而言 D2C 并不是我们第一层级所需要的能力，如何找到一个恰到合适的落地点，如何用智能化方案赋能前端领域，增强前端建设的多样性，也成了我们探究很久的话题。 ZC-0 ZC-1 ZC-2 总结 目前智能化与低码化在我们团队内部都有很好的落地场景以及产品输出，虽然每一个产品都会存在相关问题，但产品的完善是一步一步来的。
68310编辑于 2023-01-09 应用案例实践 ｜ 基于“隐语SecretFlow”多方安全分析的智能化理赔
系统基于“隐语”框架的大范围线上数据化合作调查能力，又进一步减少了保险公司线下调查的成本和时长花费，将医疗事实调查的数字化和智能化应用，推进到了一个新的高度。
33810编辑于 2025-11-05- 来自专栏vivo互联网技术
vivo前端智能化实践：机器学习在自动网页布局中的应用
在设计稿转网页中运用基于self-attention机制设计的机器学习模型进行设计稿的布局，能够结合dom节点的上下文得出合理的方案。
73240编辑于 2022-08-30 - 来自专栏AI机器思维
智能化促进编程语言的学习热潮——实践者的建议
作者：Nature 出品：AI机器思维 随着科技的进步，智能化成为未来人们生活的伴侣，很多工作中都需要通过计算机来帮助完成工作任务。
65630发布于 2019-10-16 腾讯云 CNB 实践：Java 项目的云端智能化构建（附飞书消息）
在云原生技术席卷全球的浪潮下，腾讯云推出的云原生构建平台（Cloud Native Build，CNB） 正成为 Java 开发者提升效率的利器。作为新一代集成开发、构建与部署的一体化平台，CNB 不仅解决了传统开发中的环境碎片化问题，更通过深度 AI 集成重塑了 Java 开发流程。本文将结合实战经验，深度解析 Java 项目如何高效使用 CNB。
1.3K20编辑于 2025-07-01- 来自专栏携程技术
干货 | 前端智能化探索，骨架屏低代码自动生成方案实践
本文会探讨骨架屏方案的优劣，以及一种前端智能化的骨架屏代码自动生成方案实践。 一、背景 早在2013年，Luke Wroblewski 就介绍了Skeleton Screens的概念。 如有兴趣可阅读《携程机票Sketch插件开发实践》。 我们的实现角度是从视觉设计师给出的 sketch 设计标注稿，根据 sketch 文件的数据结构，转化为我们需要的前端框架骨架屏代码。 在本文的实践方案中，标注了骨架屏的视觉稿内容。进行最小可行产品的实现，除了验证方案的准确性以外，更重要的是实用性。 RN 骨架屏组件的实现，在前端智能化中，是为了达到一个简化代码结构、高可复用性的目的代码生成内容。 但是自动生成骨架屏只是我们在前端智能化方向上的一个探索，希望未来前端智能化能够应用在更多的场景上。 团队招聘信息 我们是携程机票研发团队，负责携程APP/PC端机票业务开发及创新。
2.7K20发布于 2021-09-10 企业资产健康度评估：五大维度与智能化管理实践
本文将深入解析资产健康度评估的五个核心维度，并介绍如何利用科技工具实现智能化资产管理。 一、资产健康度评估的五个核心维度 1. 二、腾讯云安全服务平台：资产健康管理的智能化解决方案 面对多维度的资产健康度评估需求，腾讯云安全服务平台提供了一站式解决方案，帮助企业实现全面、高效的资产管理。 通过科学评估和智能化管理，企业可以不断提升资产质量，优化资源配置，为业务增长奠定坚实基础。 资产健康管理不是一次性项目，而是持续优化的过程。
50510编辑于 2025-12-25- 来自专栏携程技术
干货 | 响应速度与智能化如何平衡，携程酒店搜索实践
第二三部分，通过召回和纠错的智能化来提升用户体验。第四部分，通过重新设计搜索DSL提高业务灵活性和研发效率。本文也描述了在优化过程中遇到的各种问题和解决方法。 二、查询智能化 当今搜索系统中，单纯的文本召回已经不能满足用户的要求。搜索引擎需要根据用户的输入，识别用户输入的语义和意图，进而修改召回和排序方式。 一方面是用户对于其智能化的需求，一方面又是用户对于其响应速度的需求，保持两者之间的平衡一直是个难题。
97850发布于 2020-08-26 - 来自专栏腾讯云数据库(TencentDB)
腾讯云数据库智能化海量运维的建设与实践
腾讯云数据库海量运维的经验，主要分为以下三部分： 1.数据库架构师团队的组建 2.自动化运维平台的建设 3.智能海量运维的实践 数据库架构师团队的组建 1组建缘由 由于数据库产品的特殊性和复杂性，我们在平时服务客户的过程中常遇到一些问题 智能海量运维的实践 经过实践和思考，发现在海量数据运维中，我们的自动化运维平台还不能解决以下这些问题： ·定制化服务。 因此，腾讯内部目前正在研发一个智能化的产品，可以通过包括数据挖掘，或是架构师与客户沟通等方式，对客户的数据库应用场景进行画像，从而实现定制化服务。
3.6K371发布于 2018-06-12 - 来自专栏CODING DevOps
CODING DevOps 系列第六课：IT 运维之智能化告警实践
智能化告警的理念和相关技术 为了解决上述问题，在智能运维领域，智能化告警的概念出现了。 智能化告警主要解决 4 个问题：一、精准告警，拒绝告警风暴；二、快速故障定位；三、进行故障预测，避免故障发生；四、规则设置自动化，不再通过人工经验来设置规则。 智能化告警实践 基于以上智能告警的理念和相关方法，结合过往的实践，我们将介绍一下在单指标异常检测、根因分析和故障预测方面的实战方案。 由于 LSTM（长短期记忆网络）能很好抓住实践序列上下文可能存在的联系的特性，在绝大部分情况下效果都很好，因此算法选择方面，我们选择 LSTM 算法作为预测模型。
78030发布于 2020-06-23
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