搜索[多Agent协同]结果-低调大师优秀个人博客

精选列表

搜索[多Agent协同]，共10000篇文章

端云协同创新优化音视频场景用户体验

大家知道我们有非常多的音视频产品，和相机相关的，和视频相关的。例如直播工具有抖音直播、短视频工具有抖音短视频、拍摄工具有轻颜、图片编辑工具有醒图、视频编辑工具有剪映等。

2022-08-24

APIJSON 4.7.0 发布，荣获大奖【腾讯IEG开源协同项目奖】

感谢腾讯同事 fineday009,jun0315,Wscats,caohao-php为 APIJSON贡献代码。感谢Rkyzzy, kxlv2000, gdjs2,403f,gujiachun 为 APIJSON 共 6次贡献代码。 APIJSON 4.7.0更新内容新增数据源关键词 @datasource，可由业务完全自定义；解决 Oracle 低版本分页语法兼容问题，OFFSET LIMIT 改为 ROWNUM+子查询；优化分页查询、各种 JOIN、查询计划等并修复相关bug。具体见Release 发布版本。 APIJSON-Demo 新增连接池及多数据源 Demo（Druid + HikariCP），可自由切换。 APIJSON 简介 APIJSON 是一种专为 API 而生的 JSON 网络传输协议以及基于这套协议实现的 ORM 库。为简单的增删改查、复杂的查询、简单的事务操作提供了完全自动化的万能 API。能大幅降低开发和沟通成本，简化开发流程，缩短开发周期。适合中小型前后端分离的项目，尤其是 BaaS、Serverless、互联网创业项目和企业自用项目。为什么选择 APIJSON？解决十大痛点(APIJSON 大幅提振开发效率、强力杜绝联调扯皮、巧妙规避文档缺陷、非常节省流量带宽等) 开发提速巨大(CRUD 零代码热更新自动化，APIJSONBoot 对比 SSM、SSH 等保守估计可提速 20 倍以上) 腾讯官方开源(使用 GitHub、Gitee、工蜂等平台的官方账号开源，微信公众号、腾讯云+社区等官方公告) 社区影响力大(GitHub 11.1K Star 在 423WJava 项目中排名前 130，远超 FLAG, BAT 等国内外绝大部分开源项目) 各项荣誉成就(腾讯内部3个奖项、腾讯首个 GVP 获奖项目、腾讯后端项目 Star 第一、GitHub Java 周榜第一等) 多样用户案例(腾讯内部用户包含互娱、音乐、云与智慧，外部用户包含 500 强上市公司、数千亿资本国企等) 适用场景广泛(社交聊天、阅读资讯、影音视频、办公学习等各种 App、网站、公众号、小程序等非金融类项目) 周边生态丰富(Android, iOS, Web 等各种 Demo、继承 JSON 的海量生态、零代码接口测试和单元测试工具等) 文档视频齐全(项目介绍、快速上手、安装部署等后端、前端、客户端的图文解说、视频教程、代码注释等) 功能丰富强大(增删改查、分页排序、分组聚合、各种 JOIN、各种子查询、跨库跨表、性能分析等零代码实现) 使用安全简单(自动增删改查、自动生成文档、自动管理版本、自动控制权限、自动校验参数、自动防SQL注入等) 灵活定制业务(在后端编写远程函数，可以拿到 session、version、当前 JSON 对象等，然后自定义处理) 高质可靠代码(代码严谨规范，商业分析软件源伞 Pinpoint 代码扫描报告平均每行代码 Bug 率低至 0.15%) 兼容各种项目(对各类 Web 框架集成友好且提供 SpringBoot, JFinal 的 Demo，协议不限 HTTP，与其它库无冲突) 工程轻量小巧(仅依赖 fastjson，Jar 仅 280KB，Java 文件仅 59 个共 13719 行代码，例如 APIJSONORM 4.3.1) 多年持续迭代(自 2016 年开源至今已连续维护 4 年，累计 2426Commits、85Releases，不断更新迭代中...) APIJSON 生态项目 APIJSON.NETC# 版 APIJSON ，支持 MySQL, PostgreSQL, SQL Server, Oracle, SQLite apijson-go【新】Go 版 APIJSON，目前支持单表查询、列表筛选、关联查询等 APIJSON-phpPHP 版 APIJSON，基于 ThinkPHP，支持 MySQL, PostgreSQL, SQL Server, Oracle 等 apijson-phpPHP 版 APIJSON，基于 ThinkPHP，支持 MySQL, PostgreSQL, SQL Server, Oracle 等 apijson-node字节跳动工程师开发的 Node.ts 版 APIJSON，提供 nestjs 和 typeorm 的 Demo uliweb-apijsonPython 版 APIJSON，支持 MySQL, PostgreSQL, SQL Server, Oracle, SQLite 等 APIJSONParser第三方 APIJSON 解析器，将 JSON 动态解析成 SQL FfApiJson用JSON格式直接生成sql 借鉴APIJSON 支持多数据源 APIJSONDemo_ClickHouse【新】APIJSON + SpringBoot 连接 ClickHouse 使用的 Demo apijson-learn【新】APIJSON 学习笔记和源码解析 ApiJsonBoot基于 APIJSON 的零代码 API 生成框架 light4j整合 APIJSON 和微服务框架 light-4j 的 Demo，同时接入了 Redis apijson-examples关于 APIJSON 包含 admin, upms, web 的多端 Demo ApiJsonByJFinal整合 APIJSON 和 JFinal 的 Demo SpringServer1.2-APIJSON智慧党建服务器端，提供上传和下载文件的接口 apijson-builder一个方便为 APIJSON 构建 RESTful 请求的 JavaScript 库感谢热心的作者们的贡献，点 ⭐Star 鼓励他们继续完善吧^_^ APIJSON - 零代码接口与文档 ORM 库（腾讯内外五个奖项、腾讯开源五个第一）后端接口和文档零代码，前端(客户端) 定制返回 JSON 的数据和结构！ https://gitee.com/Tencent/APIJSON

2021-06-22

不止网络，5G体验提升需加强端网协同

被寄予厚望的5G“起步即高潮”，发展之快前所未有;而从1G空白到5G全面领先，我国移动通信事业经过多年努力也终于跑在了世界最前端。但是随着商用规模的不断扩大，过去一段时间围绕5G也存在一定争议，包括对用户体验的诟病。C114就此请教了一些业界专家，在这里掰扯掰扯。首先，5G如今尚在发展初期，任何一项新技术、新产业的发展都非一蹴而就。以十年一代的移动通信而论，每一代开始的前几年都是一个不断迈向成熟的过程。无论体验上的不足，抑或技术、成本上的挑战，都只是暂时的、局部的，相比已经取得的成果瑕不掩瑜。更重要的是，作为一项使能全社会、全行业数字化的关键使能技术，5G正成为各国争夺的前沿高地，我们对于5G的表现应该给予更多的战略耐性和信心。单就5G体验而言，没能达到一些用户的预期这口“锅”也不应仅仅由网络来背，5G性能优势的充分发挥，有赖于全产业链的努力。其中，作为最贴近消费者的环节，手机等终端直接关系到用户最终获得的体验。像是掉线、速率低、业务时延大等影响5G体验的典型问题，很大程度上就与终端的兼容性和射频性能有关。众所周知，独立组网(SA)网络性能显著优于非独立组网(NSA)网络。但中国信通院5G云侧平台最新发布的今年1-2月实测数据显示，当前5G终端SA连接占比较低，这一是由于手机兼容性，一种情况是NSA单模手机不支持SA网络，另一种情况是手机硬件上支持SA但系统版本未更新;二是不同终端品牌在手机设置上也有所差异，比如优先选择NSA网络的默认设置。据专家介绍，5G带宽较4G的数倍增加，以及对基带芯片和天线等部件要求的极大提高，都给终端带来了更大的挑战，5G又是首个终端与网络同时走向商用的移动通信代际，从而致使终端在5G支持上可能略差于已经发展了十几年的4G，影响了用户5G体验。比如部分终端连接Wi-Fi后5G掉线、部分终端过热情况下会5G掉线、部分终端无业务情况下会5G掉线、部分终端语音结束后无法返回5G、部分终端开启SA后无法接入5G、部分终端收发性能差信号弱等。来自地方运营商的实测数据显示，市场主流5G终端性能差异明显，部分型号的SA寻呼成功率低于90%;部分型号的SA无线掉线率大于5%;部分型号的SA上行丢包率高于0.5%。终端续航方面也是如此，以基带芯片DSP数量为例，4G时代是3个，5G SA需要8个，而NSA是3+8个。目前在5G基站节电特性开启后，实测文字业务时节电改善50%、视频业务改善18%，但终究需要终端本身在功耗上作出提升。而某著名海外终端品牌最新旗舰机的射频性能(信号强度)、数据业务关键指标均低于其他终端，导致5G体验更为堪忧。除此之外，要充分让用户体验到5G与4G的差异，优秀的应用和内容必不可少。但5G应用产业链较为复杂，生态尚未完全形成，在与网络和终端的匹配上有着一定断点。韩国运营商在这方面提供了较好的范本，得益于在应用方面的巨大投入与创新，截至今年1月底韩国5G用户数达到1287万，并且1月份首次月增量超过百万，考虑到该国5200万的人口，5G受欢迎程度可见一斑。基于世界上最大规模的用户群体、顶尖的运营商和通信厂商、领先的移动互联与行业信息化应用基础，以及来自国家强有力的支持，我国有着最优质的5G发展土壤。“孤举者难起，众行者易趋”，相信在全产业链的共同努力下，未来我国5G发展将会越来越好、越来越快。【责任编辑：未丽燕 TEL：（010）68476606】

2021-04-07

基于元学习和人机协同的端到端对话模型

两种方式都可以通过和用户多轮交互完成最终的对话任务。

2020-12-24

阿里云&通达OA，协同办公系统到底该怎么用？

阿里云与通达OA创新合作，结合协同办公软件+云资源硬件联合“企业上云一站式产品服务”，以及依托阿里云计算平台的弹性、灵活与安全等优势，帮助企业实现知识资产的传承，满足企业知识的应用与创新等需求，为打造知识型企业提供了强有力的运营

2020-06-09

Docker 中如何连接多个 Container 协同工作【已翻译100%】

在Docker使用部分我们接触到了通过网络端口来连接运行在Docker容器内的服务。这是同Docker容器内服务和应用互动的方法之一。在这一节中，我们将带你复习一下通过网络端口连接到Docker容器并给你介绍容器连接的概念。网络端口映射刷新在Docker的使用部分中，我们创建了一个运行Python Flask应用的容器。 $ sudo docker run -d -P training/webapp python app.py 注意：容器有一个内部网络和IP地址（还记得在使用Docker部分中我们曾使用docker的监控命令查看容器的IP地址）。Docker可以有各种不同的网络配置。你可以在这里看到Docker网络的更多相关信息。当我们创建容器时，我们使用-P标志来自动映射任意网络端口到我们Docker主机上介于49000到49900之间的随机高位端口。随后，当我们运行docker ps时，我们会看到5000端口绑定到了49155端口上了。 $ sudo docker ps nostalgic_morse CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES bc533791f3f5 training/webapp:latest python app.py 5 seconds ago Up 2 seconds 0.0.0.0:49155->5000/tcp nostalgic_morse 我们同样看到了怎样使用-P标志将一个容器端口绑定到一个指定端口。 $ sudo docker run -d -p 5000:5000 training/webapp python app.py 另外，我们发现这并不是一个好办法，因为它约束我们一个特定端口只能有一个容器. 还有一些其他的使用 -p 的方法。默认的情况下 -p 会把container的Port绑到宿主机上的所有ip的该端口号上。 (译者：如果你的宿主机有多个IP，每个IP的那个端口都会被绑到container的那个port上) 我们可以通过指定接口, 例如下面的例子，端口就只绑定到了 localhost 上。 $ sudo docker run -d -p 127.0.0.1:5000:5000 training/webapp python app.py 这会吧container内部的5000端口绑定到宿主机的 127.0.0.1 的5000端口上去. 如果只指定了网络接口而没有指定端口号，则container的端口会绑到这个网络接口上的一个随机端口上. $ sudo docker run -d -p 127.0.0.1::5000 training/webapp python app.py 我们还可以使用UDP $ sudo docker run -d -p 127.0.0.1:5000:5000/udp training/webapp python app.py 使用 docker port 可以查看当前的container的端口的绑定情况，和特殊的端口的配置。例如，如果我们吧container的端口绑到了宿主机的 localhost，我们输入 docker port 的时候输出会是: $ docker port nostalgic_morse 127.0.0.1:49155 注 -p 可以被多次使用用来吧多个container里的port绑定到宿主机上 Docker 容器链接映射网络端口不是吧container彼此连接起来的唯一方法。Docker的linking系统允许你吧多个 container连接起来，让他们彼此交互信息。Docker的linking会创建一种父子级别的关系。父container可以看到他的子container提供的信息。容器命名 Docker的linking系统依赖于container的名字。我们已经注意到了每个container都会被自动的分配一个名字，在本教程里大家可能已经熟悉了 nostalgic_morse 这个名字（译者：docker 自动分配的名字都是确实存在的词，有些名字比较有意思例如我的一个container就叫做tender einstein 温柔的爱因斯坦，对于大多数情况，这些名字绝对是考验你英语单词量的机会, 比如 backstabbing nobel, stoic carson）. 我们可以自己对container命名. 命名有两个用处: 1.好记比如命名一个承载web服务的container为web 2.container 之间可以互相引用，例如一个 web container 使用一个 db container 通过 --name 可以给container命名, 例如: $ sudo docker run -d -P --name web training/webapp python app.py你可以看到我们启动了一个新的container, 启动的时候使用了 --name 命名这个container为 web。我们可以通过命令 docker ps查看container的名字 $ sudo docker ps -l CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES aed84ee21bde training/webapp:latest python app.py 12 hours ago Up 2 seconds 0.0.0.0:49154->5000/tcp web 我们也可以用 docker inspect 查看container的名字. $ sudo docker inspect -f "{{ .Name }}" aed84ee21bde /web (译者：上面那个乖乖的语法源于golang自带的模板语言) 注 Container的名字必须是唯一的。也就是说你只能命名一个container为 web。要重新使用一个container的名字的时候必须把之前叫这个名字的container删除，才能再使用。删除container可以使用 docker rm. 还有个便利的方法就是在启动container的时候使用 --rm 标记. 这样container停止的时候就会自动被删除。（译者：如果你使用过一段时间docker，用docker ps -a 你可能会发现一大堆的已经停止了的container, 在很多的docker教程里，在启动container的时候都会带上 --rm.) 容器链接 Links运行container之间发现彼此并且彼此间安全的通讯。使用 --link可以创建一个link. 让我们创建一个运行数据库的container。 $ sudo docker run -d --name db training/postgres 这里我们基于 training/postgres image创建了一个叫做 db 的container, 上面提供PostgreSQL 数据库服务. 现在让我们创建一个叫做 web的container，并且把他和 db container连接到一起。 $ sudo docker run -d -P --name web --link db:db training/webapp python app.py 这个命令会吧 db 和 web 连接到一起 --link 的用法： --link name:alias 这里 name 是我们要连接的container的名字， alias 是一link的别名. 下面我们会看到如何使用这个别名. 下面让我们用 docker ps 看看被连接到一起的container们。 $ docker ps CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 349169744e49 training/postgres:latest su postgres -c '/usr About a minute ago Up About a minute 5432/tcp db aed84ee21bde training/webapp:latest python app.py 16 hours ago Up 2 minutes 0.0.0.0:49154->5000/tcp db/web,web 这里我们可以看到我们创建的两个分别叫 db 和 web 的container, 注意 web container 在name列里还显示了另外一个名字db/web。这个名字告诉我们 web container 被连接到了 db container，并且建立了一种父子关系。 linking到底有什么用呢？我们已经看到了link在两个container间创建了一个父子关系. 父container 这个例子里的 db 可以得到他的子container web上的信息. Docker是通过在两个container建立了一个安全通道来实现的, 这样container就不用对外暴露端口了. 你可能已经注意到了我们在启动 db container的时候没有使用 -p 或者 -P。因为我们已经吧两个container通过 link连接起来了，所以没必要通过端口暴露数据库的服务了. Docker通过下述两种方法吧子container里的信息暴露给父container: 环境变量更新 /etc/host 文件我们先看下docker设定的环境变量。在 web containre里，让我们运行 env 命令列出所有的环境变量。 root@aed84ee21bde:/opt/webapp# env HOSTNAME=aed84ee21bde . . . DB_NAME=/web/db DB_PORT=tcp://172.17.0.5:5432 DB_PORT_5000_TCP=tcp://172.17.0.5:5432 DB_PORT_5000_TCP_PROTO=tcp DB_PORT_5000_TCP_PORT=5432 DB_PORT_5000_TCP_ADDR=172.17.0.5 . . . 注: 这些环境变量只是为第一个在container里的进程设置的。类似的守护进程(例如 sshd) 会在新建子shell的时候抹除这些变量。我们可以看到Docker创建了一些列的对于我们使用db很有用的环境变量。每一个变量都以 DB 开头，这个 DB 就是上面的那个别名。（译者：为啥用别名这里就清楚了, image 不用知道其他container的名字，只用在run的时候把名字映射为自己了解的就可以了) 如果我们起的别名是 db1 那么环境变量的名字的前缀就是 DB1_. 你可以使用这些环境变量来配置你的应用程序来连接 dbcontainer 里的数据库。连接是安全的、私有的仅限于 web 和 db 之间。除了环境变量之外Docker会把父container的IP添加到子container的/etc/hosts里。我们看下一下 web container里的hosts文件： root@aed84ee21bde:/opt/webapp# cat /etc/hosts 172.17.0.7 aed84ee21bde . . . 172.17.0.5 db 我们可以看到，有两个相关的host配置项。第一个是给 web container 的，名字就是container的ID。第二条吧父container的别名和父container的IP绑到了一起。我们试着通过host的名字ping一下. **root@aed84ee21bde:/opt/webapp# apt-get install -yqq inetutils-pingroot@aed84ee21bde:/opt/webapp# ping dbPING db (172.17.0.5): 48 data bytes56 bytes from 172.17.0.5: icmp_seq=0 ttl=64 time=0.267 ms56 bytes from 172.17.0.5: icmp_seq=1 ttl=64 time=0.250 ms56 bytes from 172.17.0.5: icmp_seq=2 ttl=64 time=0.256 ms** 注上面第一个命令是用来安装ping的，因为我们使用的container里没有安装。我们可以使用这个host吧web服务和数据库服务连接到一起。注一个父container可以连接多个子container。例如，我们可以把多个web服务的container连接到一个数据库container上

2017-06-01

MapReduce实现协同过滤中每个用户看过的项目集合

一、知识准备 hadoop自带的例子在 D:\HADOOP_HOME\hadoop-2.6.4\share\hadoop\mapreduce\sources\hadoop-mapreduce-examples 2.6.0-source.jar 我记得当年面试的时候就问中位数的问题不过是数据流下的中位数，一问便知是否搞过hadoop。二、代码实现 2.1 Mapper package cf; import java.io.IOException; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; public class MovieMapper1 extends Mapper<LongWritable, Text, Text, Text> { public void map(LongWritable ikey, Text ivalue, Context context) throws IOException, InterruptedException { String[] values = ivalue.toString().split(","); if (values.length!=2) { return ; } String userID = values[0]; String itemID = values[1]; context.write(new Text(userID), new Text(itemID)); } } 2.2 Reducer package cf; import java.io.IOException; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer; public class MovieReduce1 extends Reducer<Text, Text, Text, Text> { public void reduce(Text _key, Iterable<Text> values, Context context) throws IOException, InterruptedException { // process values StringBuffer sb = new StringBuffer(); for (Text val : values) { sb.append(val.toString()); sb.append(","); } //value不能直接用StringBuffer 必须转换为String context.write(_key,new Text(sb.toString())); } } 2.3 Main package cf; import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class UserItemSetMapReduce { public static void main(String[] args) throws Exception{ Configuration conf = new Configuration(); Job job = new Job(conf, "CFItemSet"); job.setJarByClass(UserItemSetMapReduce.class); job.setMapperClass(MovieMapper1.class); //job.setCombinerClass(cls); // job.setCombinerClass(MovieReduce1.class); job.setReducerClass(MovieReduce1.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(Text.class); FileInputFormat.addInputPath(job,new Path("hdfs://192.168.58.180:8020/cf/userItem.txt")); //InputPath(job, new Path(otherArgs[0])); //直接写到cf会提示已存在cf，我写成uIO.ttx，以为内容会写入到txt，然没有，默认他是文件夹 FileOutputFormat.setOutputPath(job,new Path("hdfs://192.168.58.180:8020/cf/userItemOut.txt")); System.exit(job.waitForCompletion(true) ? 0 : 1); } } 三、结果分析 3.1 输入 3.2 输出查看结果发现输出文件的分隔符默认是tab，‘\t’，同时相对于输入文件来说输出结果是逆着的，类似沾，莫非context就是这样的先进后出、 3.3日志分析只列出了主要部分的日志 DEBUG - PrivilegedAction as:hxsyl (auth:SIMPLE) from:org.apache.hadoop.mapreduce.Job.getCounters(Job.java:765) INFO - Counters: 38 File System Counters FILE: Number of bytes read=538 FILE: Number of bytes written=509366 FILE: Number of read operations=0 FILE: Number of large read operations=0 FILE: Number of write operations=0 HDFS: Number of bytes read=106 HDFS: Number of bytes written=37 HDFS: Number of read operations=13 HDFS: Number of large read operations=0 HDFS: Number of write operations=4 Map-Reduce Framework Map input records=11 Map output records=11 Map output bytes=44 Map output materialized bytes=72 Input split bytes=107 Combine input records=0 Combine output records=0 Reduce input groups=5 Reduce shuffle bytes=72 Reduce input records=11 Reduce output records=5 Spilled Records=22 Shuffled Maps =1 Failed Shuffles=0 Merged Map outputs=1 GC time elapsed (ms)=3 CPU time spent (ms)=0 Physical memory (bytes) snapshot=0 Virtual memory (bytes) snapshot=0 Total committed heap usage (bytes)=462422016 Shuffle Errors BAD_ID=0 CONNECTION=0 IO_ERROR=0 WRONG_LENGTH=0 WRONG_MAP=0 WRONG_REDUCE=0 File Input Format Counters Bytes Read=53 File Output Format Counters Bytes Written=37 DEBUG - PrivilegedAction as:hxsyl (auth:SIMPLE) from:org.apache.hadoop.mapreduce.Job.updateStatus(Job.java:323) DEBUG - stopping client from cache: org.apache.hadoop.ipc.Client@37afeb11 DEBUG - removing client from cache: org.apache.hadoop.ipc.Client@37afeb11 DEBUG - stopping actual client because no more references remain: org.apache.hadoop.ipc.Client@37afeb11 DEBUG - Stopping client DEBUG - IPC Client (521081105) connection to /192.168.58.180:8020 from hxsyl: closed DEBUG - IPC Client (521081105) connection to /192.168.58.180:8020 from hxsyl: stopped, remaining connections 0 大神分析一下如何执行的，看着日志....Map如何输入的，执行几次等。

2016-12-01

Spark（十一） -- Mllib API编程线性回归、KMeans、协同过滤演示

//IndexedRowMatrix可以从一个RDD[IndexedRow]中创建，IndexedRow其实就是一个(Long,Vector)的封装类，就是比创建RowMatrix时多需要了一个Long

2015-05-26

为 Agent 而生的云原生底座：TCS Agent Runtime 设计与实践

2026年7月29日，在"可信云大会暨首届Token云服务大会"上，腾讯专有云正式发布面向私有化场景的智能体运行底座——TCS Agent Runtime。

2026-09-10

为什么做个 AI Agent 不难，做个"好用"的 Agent 却这么难？

选个框架，接个大模型 API，写几句提示词，再挂两个工具——一下午就能跑起来一个"能对话、能查资料、能写文件"的智能体。Demo 做得漂亮，老板看了点头，投资人看了心动。

2026-08-12

别让 Agent 猜数据：企业级 Data Agent 架构设计指南

企业级 Data Agent 之所以不能“靠猜”运行，是因为企业数据问题从来不只是查询问题，而是业务语义、指标口径、权限边界、分析方法和结果可信度的综合问题。

2026-08-05

别先堆 Agent：LLM、RAG、Agent 的调用边界才是真问题

业务侧常问：「你们怎么把大模型接到业务里？」答「接了 API、做了知识库、挂了几个 Tool」。听起来热闹，一上线就露馅。

2026-07-23

🔥 Agent Harness 实战指南：构建生产级 AI Agent 的"马具"框架

官方定义说得好：Agent = Model + Harness。模型提供推理，Harness 提供落地执行的实体。

2026-07-06

微软提出“Agent 优化循环”，将 Agent 质量改进定义为搜索问题

微软工程师在实践中发现了一个困扰许多团队的问题：AI Agent的质量改进陷入了"测量容易修复难"的困境。

2026-06-03

veRL 开源 Uni-Agent：为通用 Agent 训练打造统一框架

字节 veRL 团队宣布开源了一个为通用 Agent 打造的统一训练框架 Uni-Agent，其核心目标是构建一个贯通构建、运行与训练完整流程的系统，旨在：让开发者可以更轻松地构建自己的 Agent

2026-05-19

Agent Client Protocol —— 代码编辑器与 Agent 的通信协议

Agent Client Protocol (ACP) 是用于连接代码编辑器和 Agent 的协议，对代码编辑器（用于查看和编辑源代码的交互式程序）与编码 Agent（使用生成式 AI 自主修改代码的程序

2025-09-08

多Agent协作做大宗交易折溢价识别从成交数据到主力意图 IG50免费开源股票数据API接口

我最近 3 个月把本地数据引擎里的大宗交易数据做成了一套多 Agent 协作的识别系统，今天把整个工程链路完整拆出来。

2026-09-01

多 Agent 协作做中报季选股：从撤单识别到业绩预期挖掘 IG50免费开源股票数据API接口

最近在做中报季选股的 Agent 化改造，遇到一个非常有意思的工程问题：中报选股不是单一信号能解决的，需要"撤单识别 + 业绩质量分类 + 做盘周期识别 + 披露日开盘异动"四个维度的交叉验证。

2026-08-11

多 Agent 协作做 AH 股套利监测：从溢价识别到南下资金挖掘 IG50免费开源股票数据API接口

做跨市场量化这几年，我一直想搭一个能识别 AH 股套利机会的多 Agent 系统。直到去年我把本地数据引擎的所有跨市场数据全部拉下来，才意识到这套系统可以分多个 Agent 协作完成。

2026-08-09

一对一，一对多，多对多查询及延迟加载(N+1问题)分析

"userId":"1","userJobInfo":{"companyName":"自由职业","id":"11","position":"初级开发"},"userName":"孤狼1号"}] 一对多查询

2021-05-21

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。