- 综合排序
- 最热优先
- 最新优先
- 来自专栏xiaosen
AI - 集成学习
集成学习概念 集成学习是机器学习中的一种思想，它通过多个模型的组合形成一个精度更高的模型，参与组合的模型成为弱学习器（基学习器）。 集成学习 (Ensemble Learning) 算法的基本思想就是将多个分类器组合，从而实现一个预测效果更好的集成分类器。 集成算法可以分为：Bagging，Boosting和Stacking等类型。 集成学习器性能评估 如果把好坏不等的东西掺到一起，通常结果会比最坏的好一些，比最好的坏一些。 集成学习把多个学习器结合起来，要获得好的集成，个体学习器应有一定的准确性 ，学习器不能太坏，并且学习器之间具有差异 。
49910编辑于 2024-03-24 - 来自专栏Springboot
Spring AI集成DeepSeek
而Spring AI作为Spring生态的一部分，提供了与人工智能技术结合的能力，可以帮助开发者轻松将AI能力集成到Spring Boot项目中。 本篇文章将引导你如何在Spring Boot中快速集成Spring AI，并通过简单的示例实现AI功能。2. 集成的AI服务：我们将集成OpenAI的API来展示如何使用Spring AI进行智能对话，这里使用硅基流动API演示。3. 编写交互类到此，以上简单几步就已经把Springboot和Spring ai快速集成起来了。 通过几步简单的配置和代码实现，开发者可以快速将AI能力集成到现有的Spring Boot项目中。
1.9K22编辑于 2025-02-23 - 来自专栏AI + 低代码 技术解密
AI + 低代码 技术解密（十一）：AI 集成
本文档介绍了 VTJ 的 AI 驱动的代码生成和设计辅助功能。AI 集成使用户能够通过自然语言提示、图像上传和元数据文件生成 Vue 组件和页面。 AI 系统架构VTJ 的 AI 集成由多个层组成，这些层协同工作，将用户输入转换为可执行的 Vue 代码：AI 集成架构AI 系统通过分层架构运行，其中接口组件收集用户输入，逻辑层管理状态和 API 生成的代码直接与 VTJ 的核心引擎集成，用于解析和渲染。 代码生成和 DSL 集成AI 系统通过双向代码转换与 VTJ 的核心引擎紧密集成：AI 代码生成和集成管道代码生成管道从 AI 响应中提取 Vue 代码，将其解析为 VTJ 的 DSL 格式，并将更改应用于当前块模型以进行即时渲染 自动应用和用户体验功能VTJ 的 AI 集成包括多项 UX 增强功能，以简化开发：自动应用功能启用自动应用功能后，会自动将生成的代码应用于当前页面：// Auto-apply logic in completions
21200编辑于 2025-06-25 - 来自专栏openclaw系列
OpenClaw 集成 Cloudflare AI Gateway 指南
ProviderID:cloudflare-ai-gateway基础URL格式:https://gateway.ai.cloudflare.com/v1/<account_id>/<gateway_id \--cloudflare-ai-gateway-account-id"your-account-id"\--cloudflare-ai-gateway-gateway-id"your-gateway-id "\--cloudflare-ai-gateway-api-key"$CLOUDFLARE_AI_GATEWAY_API_KEY"配置文件验证(openclaw.json)配置完成后，检查env和agents ,"agents":{"defaults":{"model":{//格式：cloudflare-ai-gateway/<gateway-model-name>"primary":"cloudflare-ai-gateway ：这与CLOUDFLARE_AI_GATEWAY_API_KEY是两层不同的鉴权。
32220编辑于 2026-03-18 - 来自专栏用户2276240的专栏（2）
Java项目如何集成Spring AI
Spring CLI 还提供了将外部代码库集成到当前项目中的功能，以及许多其他生产力功能。 以下是一个示例代码片段，它展示了如何配置 Spring AI BOM，以便您可以在不指定版本号的情况下声明一个或多个 Spring AI 模块（如 spring-ai-openai）的 Starter implementation("org.springframework.ai:spring-ai-openai-starter") // 如果需要，还可以添加其他 Spring AI 嵌入模型 嵌入 API Spring AI OpenAI 嵌入 Spring AI Azure OpenAI 嵌入 Spring AI Ollama 嵌入 Spring AI Transformers （ONNX） 嵌入 Spring AI PostgresML 嵌入 Spring AI Bedrock Cohere 嵌入 Spring AI Bedrock
71900编辑于 2025-04-05 - 来自专栏AI技术体系搭建过程
Spring AI企业AI集成火箭助推器🚀
一句话总结：SpringAI用Java生态10年积累的企业级设计理念，把AI集成的复杂度从"炼金术"降到"搭积木"。如果您时间紧迫，直接看下面的图就够了。 三周后，我用SpringAI在原有SpringCloud架构上，完成了智能工单分类、RAG知识库问答等核心AI功能的集成，工单分类准确率从75%提升到92%，代码量减少70%。 请分类这个工单:"+content).call().content();}}对比结果：✅代码量减少70%（从200行到30行）✅可读性提升300%（一眼看懂业务逻辑）✅编译时类型检查（IDE自动提示）✅完美集成 AzureOpenAI制造业稳定第一多厂商备份，避免单点故障传统方案的问题：每个厂商都要写一套集成代码，维护成本爆炸。 应用开发的框架，提供统一的API来集成多种AI模型和向量数据库。
49243编辑于 2025-12-18 - 来自专栏网络安全技术点滴分享
打破AI孤岛：CIO集成实战指南
打破AI孤岛：CIO集成实战指南随着生成式AI逐渐成为各类组织的标准配置，其部署方式却呈现碎片化。 为何AI集成成为CIO优先事项董事会指令：多数董事会已强制要求使用AI监管要求：隐私与安全法规持续影响AI应用企业战略：需要统一的数据AI战略实现互操作性与成本优化国家食品集团CIO Todd Loiselle CIO集成实战框架1. 企业AI战略从业务战略而非技术出发争取CEO支持聚焦高价值机会逐步扩展2. 数据整合部署统一数据平台实施AI专项治理创建跨团队可复用的特征存储库3. CIO行动清单行动项关键指标审计各业务部门AI计划100%映射现有工具与支出建立高管参与的AI指导委员会获得决策授权整合冗余AI工具与供应商显著减少工具泛滥设立AI卓越中心创建共享服务与标准定义KPI与成功指标 18个月内实现特定ROI启动AI素养培训计划达成高员工采用率制定AI伦理与风险政策确保合规与负责任使用Loiselle总结道：“未来的差异化优势不在于谁使用AI，而在于谁能安全负责任地将其无缝集成到日常工作流中
22410编辑于 2025-09-29 - 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。 《LangChain 入门到实战教程》更多内容 简易AI客服实现 关于简易AI客服实现可以看之前的文章： 《解密 AI 客服：LangChain+ChatGPT 打造智能客服新时代》，基于文本检索实现AI 《畅享无缝支持：LangChain与ChatGPT重塑AI客服服务》，基于会话式检索实现AI客服，可以基于文本结合历史会话上下文回答问题，同时也可以与用户闲聊。 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。
61240编辑于 2023-09-18 - 来自专栏编程进阶实战
使用Microsoft.Extensions.AI简化.NET中的AI集成
它支持通过一组一致且标准化的 API 和约定将 AI 功能无缝集成到 .NET 应用程序中。 项目特色 统一的API：提供一组一致的 API 和约定，用于将 AI 服务集成到 .NET 应用程序中。 项目作用 Microsoft.Extensions.AI类库不仅简化了AI功能的集成，还促进了.NET生态系统的创新。 它使得开发者可以更加专注于应用程序的业务逻辑和功能实现，而不必花费大量时间和精力在AI服务的集成和调试上。 任何提供 AI 客户端的 .NET 包都可以实现此接口，从而实现与正在使用的 .NET 代码的无缝集成。
46110编辑于 2024-11-18 - 来自专栏AI + 低代码 技术解密
AI + 低代码 技术解密（十五）：UniApp 集成
架构概述VTJ 的 Uni-App 集成由两个主要包组成：@vtj/uni 提供核心集成层，以及演示跨平台部署能力的示例应用程序。 示例应用程序结构参考 Uni-App 实现演示了集成模式：构建系统集成开发脚本Uni-App 集成提供了支持所有目标平台的全面开发脚本：构建系统使用环境变量 （ENV_TYPE） 来控制部署目标， VTJ Renderer 集成Uni-App 平台集成了 VTJ 的渲染器系统，在 Uni-App 运行环境中提供低代码功能：该集成保留了 VTJ 的设计时功能，同时利用了 Uni-App 的跨平台编译 元件库集成Uni-App 项目既可以使用 VTJ 的组件库，也可以使用 Uni-App 的原生组件：元件源使用上下文集成方法@dcloudio/uni-ui平台原生组件直接 Uni-App 集成@vtj /rendererVTJ 低代码组件基于渲染器的实例化@dcloudio/uni-components基本 Uni-App 组件框架级集成开发工作流程项目初始化Uni-App 集成通过 CLI 系统支持
38000编辑于 2025-06-25 - 来自专栏openclaw系列
OpenClaw与Z.AI的深度集成
引言：探索Z.AI平台与OpenClaw集成的可能性在当今快速发展的科技世界中，人工智能（AI）已成为推动各行各业创新的关键力量。 本文将详细介绍如何利用Z.AI提供的GLM模型，通过OpenClaw实现高效集成，进而落地各类智能应用。 Z.AI提供标准化的RESTAPI接口，便于开发者快速集成，同时采用API密钥认证机制，保障数据传输与使用的安全性、隐私性。 #第二章：OpenClaw与Z.AI的集成##2.1OpenClaw概述OpenClaw是一款面向开发者的客户端工具，核心定位是简化各类AI服务的集成流程，降低开发复杂度。 第五章：未来展望与挑战Z.AI与OpenClaw的集成的已为开发者提供了高效的AI开发路径，但面对不断升级的技术需求与市场变化，仍需持续优化与探索，应对各类挑战。
17010编辑于 2026-03-21 - 来自专栏搜狗测试
集成AI的移动自动化测试
集成AI的 移动自动化测试 前一阵子小编看到了爱奇艺Android架构师的一篇文章《爱奇艺基于AI的移动自动化框架的设计与实践》。 《爱奇艺基于AI的移动自动化框架的设计与实践》中的介绍图 后来，小编调研过程中发现，Appium也已经在探索AI自动化测试的解决方案，目前已经提供了Appium分类器插件，将AI算法结合在元素定位上。 Q: 怎样使用Appium AI插件 第一步，安装Android SDK 小编比较推荐直接安装Android Studio，因为里面集成了Android SDK，Android Studio里也有模拟器等工具可以在以后的测试中使用 写在最后 最后的开头，小编想说当前AI元素定位的缺点，就是Windows系统还不支持，因为Appium AI 插件需要一些系统依赖项来处理图像，另外各种限制也约束也比较多，并没有真正的集成到Appium 在爱奇艺的AI移动端自动化测试的文章中写到：结合AI的移动端自动化能够利用 AI 解决更多问题，如页面异常检测、用户行为预测，页面预加载等。
1.6K20发布于 2020-02-24 - 来自专栏openclaw系列
OpenClaw 与 Vercel AI Gateway 的深度集成
与此同时，OpenClaw作为现代化的AI客户端工具，与VercelAIGateway的深度集成，为开发者提供了从本地开发到生产部署的完整解决方案。 ：计费单位、价格结构复杂多样限流策略：速率限制、配额管理不一致这种碎片化导致开发者需要为每个提供商编写特定的集成代码，维护成本极高。 3.1OpenClaw与AIGateway的集成架构OpenClaw作为现代化的AI客户端工具，与VercelAIGateway的集成采用了模块化设计：这种架构确保了：配置灵活性：支持多种配置方式认证安全性 VercelAIGateway支持AnthropicMessages兼容的函数调用功能，使得模型能够与外部工具集成。 5.1.3企业级工具集成在企业环境中，可以集成内部系统：CRM系统：查询客户信息、更新联系记录ERP系统：查询库存、创建采购订单数据库：执行安全的SQL查询监控系统：获取系统状态、触发告警5.2多模态应用开发
21821编辑于 2026-03-21 JeecgBoot 低代码平台快速集成 Spring AI
JeecgBoot 如何集成 Spring AISpring 通过 Spring AI 项目正式启用了 AI（人工智能）生成提示功能。 本文将带你了解如何在 Jeecg Boot 应用中集成生成式 AI，以及 Spring AI 如何与模型互动，包含 RAG 功能。 （Retrieval Augmented Generation）检索增强生成（RAG）是一种用于将个人未经训练数据与人工智能模型集成的技术。 集成 Spring AI 在 Jeecg-module-demo 模块的 pom.xml 中，添加如下配置<dependency><groupid>org.springframework.ai</groupid JeecgBoot 在 3.7 版本提供了 AI 对话的页面，不过现在版本的默认实现并不是通过 Spring AI 进行集成的，但是却已经完成了前后端对话通信的框架，接下来只需要使用 Spring AI
60410编辑于 2024-08-05- 来自专栏Java
Python猜数字游戏：集成高级AI对手
Python猜数字游戏：集成高级AI对手 游戏设计与AI算法 基本规则 游戏的基本规则保持不变：系统生成一个1到100之间的随机数，玩家和AI轮流尝试猜测这个数字，系统根据每次猜测提供反馈。 高级AI算法 这个高级AI它维护一个概率分布，并根据每次猜测的反馈来调整这个分布。这种方法允许AI更智能地猜测，更接近人类的猜测方式。 () print(f"AI猜测的数字是：{ai_guess}") ai_feedback = feedback_for_guess(ai_guess, number_to_guess ) ai.update_distribution(ai_guess, ai_feedback) if ai_feedback == "正确": AI的猜测基于其维护的概率分布进行，而玩家则根据自己的直觉或策略猜测。最终，玩家在第五次尝试中猜中了数字。 AI算法原理 AI通过维护一个概率分布来决定其猜测。
53710编辑于 2025-01-21 - 来自专栏prepared
AI 辅助学习：Spring Boot 集成 PostgreSQL
阿七之前有一次，接手了同事写的代码，他使用 Spring Boot 集成了 PostgreSQL。结果我在线上发布的时候，DBA 给我报警说连接数超了，每个机器连接数都是 100。
65810编辑于 2023-12-07 - 来自专栏全栈学习
AI协同写作应用-Tiptap 与 React 集成
本章概述在本章中，我们将深入学习如何在React项目中集成Tiptap编辑器。 React是目前最流行的前端框架之一，Tiptap为React提供了专门的集成包和Hooks，让我们能够以React的方式来使用编辑器。 中需要安装三个核心包：展开代码语言：BashAI代码解释pnpmadd@tiptap/react@tiptap/pm@tiptap/starter-kit包的作用说明：包名作用说明@tiptap/reactReact集成包提供 3.useEditorHook详解useEditor是TiptapReact集成的核心Hook。让我们深入了解它的配置选项。 EditorProvider：✅工具栏按钮正常工作✅按钮高亮状态正确✅字符数和单词数统计Next.jsSSR：✅页面正常加载✅无服务端渲染错误9.本章总结在本章中，我们深入学习了Tiptap与React的集成
3810编辑于 2026-03-24 - 来自专栏云云众生s
数据工程师的生成式AI和AI集成指南
你可以将 GenAI 的这种双重用途视为 AI 集成——AI 对 AI 的集成。 TripAdvisor 将 GenAI 与其推荐引擎集成，使用 GenAI 来帮助工程团队编写代码。这是 AI 集成的众多示例之一。 AI 驱动的集成帮助 Bloomreach 将集成时间缩短了一半。这在引入电子商务客户时非常重要。但更重要的是，它还提高了数据准确性。没有好的数据就没有好的 AI。 更好的 AI 成果会提升最终用户对每次电子商务体验的满意度。 要点——数据工程师的 GenAI 和 AI 集成指南 在看到这些和其他 GenAI 项目之后，这是我的建议。 1. 不要害怕尝试新的AI驱动的集成工具。如果您不尝试，那就应该害怕，因为其他人会尝试。 在大多数我们看到的项目中，AI驱动的集成将集成效率提高了2倍或更多。
30210编辑于 2025-01-27 - 来自专栏Spring AI 进阶之路
Spring AI 进阶之路02：集成SSE实现AI对话的流式响应
引子上一篇文章中，我们虽然用三步快速实现了SpringBoot集成LLM，但这种同步响应的方式会让用户体验大打折扣。 这种实时反馈的交互体验，正是流式响应的独特魅力，也已成为AI应用的标配。 在AI对话的场景里，我们问完问题后，只需要静静地听AI把答案一个字一个字“说”出来就行了。AI并不需要中途再听我们说什么。所以，更轻量、更简单的SSE，就是我们这个场景下的完美选择。 我们要将原来的同步聊天方法改造成流式处理，让AI的回复能够实时推送给用户。 试着问一些问题，你会发现AI的回复不再是漫长等待后的一次性呈现，而是像真人打字一样，一个字一个字地流畅展现。小结通过本文的学习，我们成功地将一个普通的AI聊天应用升级为支持流式响应的版本。
77800编辑于 2025-11-25 - 来自专栏人工智能
【微服务】Spring AI 使用详解：让微服务无缝集成AI能力
【微服务】SpringAI使用详解：让微服务无缝集成AI能力在微服务架构主导企业级开发的今天，AI技术的落地已从“可选”变为“刚需”。 无论是智能客服、内容生成，还是数据分析、风险管控，开发者都希望能在熟悉的微服务体系中快速集成AI能力，无需跨越技术栈鸿沟。 1.1核心定位SpringAI并非一个AI模型，而是一个“AI集成框架”——它将Spring生态的设计原则（可移植性、模块化、依赖注入）延伸至AI领域，通过统一的抽象层封装不同AI厂商的API，解决了AI 对于已有Spring微服务体系的企业，可实现“零侵入”集成AI能力。 集成框架，支持微服务无缝集成AI能力，适配OpenAI、通义千问等主流模型。")
88210编辑于 2026-02-26
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