首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
AI
PetterHillWater
创建于2024-11-02
订阅专栏
人工智能, LLM, RAG, AIGC生态相关
等 13 人订阅
共137篇文章
创建于2024-11-02
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
12 MCP Servers的介绍
MCP(模型上下文协议)是一项开放标准,简化了AI模型(特别是大语言模型LLMs)与外部数据源、工具和服务之间的交互方式。今天介绍12个MCP与代码DEMO
AI促进软件研发管理案例
AI促进软件研发管理 1.业务驱动,精细转化 2.AI全面渗透 3.工具链自动化 4.数据驱动决策 5.AI赋能洞察 6.度量重在实战 7.统一语言与协同 8.持续改进文
GLM4.5V视觉模型小试牛刀
GLM4.5V 是智谱AI于2025年8月11日发布的开源视觉推理模型,基于新一代旗舰文本基座模型 GLM-4.5-Air 开发,我们今天小试牛刀。
GPT5模型工程重构实践
本文探讨GPT-5在CodeBuddy IDE基于真实工程OOP编程重构的实践,之前对比过其他模型,我们看看GPT-5几个模型在编码过程中区别。
Kimi-K2模型真实项目OOP重构实践
笔者写过多个模型OOP重构实践,包括《基于CodeBuddy自定义Agent知识库重构实践》与《Trae智能复杂项目重构实践》,三方与其他主流模型的评测 今天我们在K2模型相同场景。
百度Comate的AI编程工具小试
百度Comate基于文心大模型(ERNIE-Code),结合百度内部编程大数据及GitHub优质开源数据训练,具备深度语义理解能力。 支持100+编程语言,今天我们小试下
CodeGeeX体验GLM4.5模型与实践
我们初步实践CodeGeeX+GLM4.5在基础AICoding编码场景功能,对比其他LLM模型在相同任务下结果进行评估, 希望对大家有参考。
AI营销应用与出海
AI营销应用与出海是指企业借助人工智能(AI)技术优化营销全流程,并以此为支撑拓展海外市场的战略实践。其核心是通过AI技术解决跨市场营销中的效率、精准度与本地化挑战,与出海讨论。
CodeBuddy IDE小试-单元测试篇
CodeBuddy IDE近期发布内测中,我们今天试试他的单元测试AI辅助功能,还是存在一些问题,但也有改进点。
GAIA基准测试介绍
GAIA 是一个针对通用 AI 助手的基准测试,由 466 个经人类设计和注释的问题组成,这些问题有时会附带文件(如图像或电子表格),涵盖日常个人任务. 今天我们小试一下
AI应用与教育行业
技术驱动变革 智能教育(也称为AI人工智能教育)正通过人工智能技术优化教育过程,提高教育质量,成为行业新方向。我们总结AI应用在教育行业的场景与趋势,反思。
TongYiLingMa插件下Qwen3-Coder
通义灵码是阿里云推出的一款AI编程辅助工具,基于通义千问大模型(如 Qwen3)和 MCP 服务生态, 在其中的Qwen3-Coder可以免费使用。
Trae中Qwen3-Coder-Plus模型
Qwen3-Coder 是由阿里巴巴云 Qwen 团队开发的一个开源大型语言模型系列,专注于代码生成与智能编程。今天我们来看Trae如何配置与使用。
企业AI应用关注点
围绕“企业AI应用现状与挑战”、“AI在企业中的角色与价值”、“技术趋势与关注点”、“企业AI应用的关键因素”以及“结论与展望”五个核心的关注,我们反思企业AI应用落地的场景
LangChain与LlamaIndex对比
检索增强生成(RAG)把信息检索与生成式模型结合,在问答、摘要及其他 NLP 任务中极具威力。实现 RAG 最常用的两大框架是 LangChain 与 LlamaIndex, 今天我们进行对比
AI编程在OOP场景下探索
我们工程引用Spring AI工程引用代码由于基于Mock单元测试下ChatClient总是为空,尝试适用AI相关编程工程实现解决问题。
亚马逊Kiro编程小试第一轮
亚马逊Kiro是2025年7月推出的AI编程工具,其核心定位是通过“规范驱动开发”革新软件工程流程,实现从需求定义到代码部署的全流程智能化协作。Kiro可以免费使用Claude4 版本, 今天我们尝尝
一些Cursor实践经验
一些Cursor 用户实战经验分享,包括提示词与技巧,还有一些写作长文章的实践,问题与反思,希望对大家有帮助。
AI编程之CodeBuddy的小试
腾讯云 CodeBuddy是由腾讯云开发的一款 AI 驱动的智能编程助手,基于 腾讯混元大模型 与 DeepSeek 混合模型 构建,专为开发者设计,旨在提升编码效率,今天我们小试一下
AWS使用提示词与RAG来减少大模型幻觉
大型语言模型(LLM)是生成内容的强大工具。这些LLM的生成能力伴随着诸多优缺点。我们经常遇到的主要问题之一是生成内容的事实准确性。这些模型具有高度的幻觉倾向,我们尝试提示词与RAG来辅助解决
下一页