首页 文章 精选 留言 我的

精选列表

搜索[转型路径]，共10000篇文章
优秀的个人博客,低调大师

AI原生开发范式与程序员角色的转型研究

2025年，Anthropic CEO Dario Amodei 公开断言“AI将编写90%的代码”，而 Claude Code 的创建者 Boris Cherny 进一步透露“80–90%的 Claude Code 是用 Claude Code 写成的”。这不再是营销话术：截至2026年5月，Anthropic 代码库中已有超过80%的生产代码由 Claude 生成。与此同时，Gartner 预测到2028年将有75%的企业软件工程师使用AI代码助手，并在2027年前要求80%的工程劳动力进行技能提升。软件工程正从“人写代码、机器辅助”走向“机器写代码、人指挥”的AI原生范式——程序员的角色，正在从手工艺式的“代码编写者”转变为指挥“AI军团”的“指挥官”。
2026-08-02
优秀的个人博客,低调大师

大模型时代的企业转型：RAG技术的进化与挑战

从2023年起开始火爆的大语言模型（Large Language Model，LLM），如GPT/Gemini/通义千问/GLM/文心一言/豆包等，经过了一年多的比拼和进化，已经几乎涵盖了所有通用性、常识性的知识和理解力； 与之同时，更多传统行业的企业也被吸引到大语言模型的生态中，探索新AI技术为企业带来实质性的变革。与大模型厂商对通用能力的比拼不同，传统企业更关注大模型通用能力与自身行业或企业内部的垂直领域的知识相结合，以满足企业特有业务场景的述求。 垂直领域融合 大语言模型对企业垂直领域知识进行融合，主流是两个方向： Fine-Tuning 将私域知识标注为训练数据，直接对大模型进行增量训练，提升大模型自身的知识储备和认知能力，这也是大模型厂商持续提升模型能力的方式之一。 RAG(Retrieval Augmented Generation) 通过在大模型外部构建一套检索体系，解决企业私域知识的提炼和召回问题，并通过prompt让大模型在企业私域知识的背景下返回结果。 与Fine-Tuning不同，RAG降低了企业对大模型应用的技术门槛，从去年开始一直是受广大非AI专业企业的热衷。本文从多个RAG实践项目提炼经验，探索如何更好的借助RAG框架为企业进行赋能。 RAG的机会与痛点 RAG框架的优势在于构建了 Query 和 Generate 的分工机制，在不要求改变大语言模型Generate能力的基础上，实现与企业私域知识的融合。 如果没有 Query环节，尽管当下大语言模型的输入宽度最高已经突破百万tokens，但是也难以一次性覆盖企业全部私域知识量；而且如果用户每次问询都伴随巨量tokens的提示词，也是一种性价比极低的方法。所以在当前算力背景下，RAG在大模型应用场景中依然有举足轻重的地位。 然而，企业在实践大模型+RAG框架时，有时候会发现某些情况并不尽人意，尽管大模型的推理和生成能力已经日渐成熟，但是受限于RAG框架下文本片段+向量召回机制下的Query准确率问题，往往制约了大模型本身能力的发挥。如何更好的协同RAG框架下Query和 Generate的能力，一直是大模型应用的探索方向之一。 RAG的优化实践 为了解决RAG面临的痛点，我们可以把RAG的Query体系归纳为三大环节：知识预处理、用户提问和查询召回。在每个环节下，一步步探索帮助改善Query问题的具体实践： Part1：知识预处理 RAG从企业各种类型的文件中提取知识内容，这些内容被切割为知识块，作为检索的最小单元。知识块内容质量的好坏，直接影响到后续检索和生成回复的准确率。 这个环节我们可以从两个方面进行改善： 1.文档规范 企业可以从文档编写和积累源头，对内容加以规范，从而使其被RAG更准确的提取和切割。我们提供几种格式的规范参考： 文本：采用多级标题的段落结构，每个末级标题下的内容不易过长（受切片宽度影响），每个段落内容必须是完整和清晰的。 表格：单行表头的表格最佳，行数据避免使用合并单元格的情况。 图片：图片与文字的顺序要清晰，一般word/pdf适合文字上、图片下的布局，ppt可以适合文字上、图片下或文字左、图片右的布局。 PDF：PDF通常是用OCR进行文字提取的，对单换行符不敏感，所以对正文的段落划分，建议采用双换行符的方式，便于识别段落。 2.内容加工 对于更新频率低的文档，我们可以利用大模型Generate能力对文档内容进行智能化加工，具体实践的方案： 智能摘要：对整篇文档的内容进行摘要提取，摘要可以用于单独匹配用户的问题。 问题预测：对整篇文档或文档片段进行预测问题，生成多个相关的问题短语句，问题短语句可以用于单独匹配用户的问题。 图片加工：仅依靠图片上下文关系或ORC技术对图片进行内容推理的方式并不可靠；可以借助大模型对图片的理解能力，将文档内的图片归纳为文本描述，从而以文本的形式与用户问题匹配 知识图谱：在大模型的帮助下，可以更加智能的提取文档中的重要实体，并构建三元组形式（实体1 - 关系 - 实体2），搭建多文档的知识图谱。 Part2：用户提问 用户提问的内容和方法，也是影响RAG准确率的重要因素，对此，我们可以增加更多显性和隐性的互动环节来改善： 问题澄清 受到传统文本召回的搜索引擎影响，很多用户习惯于用一个词汇或短语进行提问，这种行为会带来更多的匹配不确定性。借助大模型可以快速构建多种澄清场景，并对用户问题进行判断和追问后，归纳成高质量的完整问题进行信息检索。 问题衍生 大模型的Generate能力可以将用户的问题进行相关性衍生，这个环节对用户是隐性的。衍生的相关问题可以分别用于检索更多的知识片段，然后排序合并到大模型的prompt里，确保生成回复的全面性。 问题分类器 企业内部往往会同时存在多个领域的知识，这些知识在一起被检索时，往往可能会出现干扰，通过构建一个问题分类器，可以定义不同的分类指向不同的知识库。用户在提问时可以率先明确问题分类，也可以借助大模型能力对问题进行自动分类，结合分类路由实现避免不同领域相似知识的干扰。 Part3：查询召回 该环节是将用户需求与知识储备进行匹配的桥梁，也是RAG框架里重要的一环，回归到Query的本质。自人类进入信息化社会以来，信息的查询和召回一直是一个持续的话题，我们也可以引入优秀的策略和先进的技术来提升召回准确率： 向量模型召回 作为RAG框架的首选，也是查询召回的基础能力，面对长文本的向量匹配，我们可以选择更高维度的向量模型来捕获和比较更多特征值，提升准确率。 目前部分向量模型： 模型 维度 Bert向量模型 768 BGE向量模型 1024 GPT向量模型 1536~3072 文本向量组合召回 文本召回和向量召回是两种常见的应对海量数据的检索技术，各自具有独特的优缺点。为了提升检索效果，可以将这两者进行有效融合。 例如，可以先进行基于关键词的文本召回，然后在此基础上实施向量召回；或者同时进行文本匹配和向量匹配，最后通过综合评分模型进行结果排序和召回。这样的融合策略有助于提高检索的准确性和效率。 重排模型召回 重排模型是一种在低算力、低成本的向量模型与高准确率、高成本的大语言模型之间的折中方案。它结合了向量模型的高效性和大语言模型的语义理解能力，旨在提供更优的检索效果，同时降低计算资源的需求。 重排模型如：商业闭源的Cohere Rerank模型和开源bge-reranker-large模型等都是当下比较热门的重排模型。 知识图谱召回 结合对文档预处理的知识图谱构建，我们在查询召回环节可以引用图谱的能力，通过对问题的实体识别，进行关系推理和图谱查询；也可以与文本召回和向量召回相结合，形成一个混合召回策略，提升整体的搜索效果。 通过企业内部制度的规范、大模型Generate能力的融入、以及衍生技术工具的升级，使得RAG不单单是一个大模型的外挂系统，而是一个具有流程化的，将企业私域知识和大模型通用能力深度融合的企业实践。在未来，随着科技的不断进步和用户习惯的不断重塑，RAG技术也将会为企业带来新的机遇和挑战。 在如今的AI时代，我们已经全面步入了大模型时代。飞速发展的大模型及其衍生技术，正在不断推动各行各业的创新与变革。包括RAG在内的这些技术不仅提升了数据处理和决策的效率，更为未来的应用场景开辟了无限可能。从智能助手到自动化决策，从个性化推荐到深度语义理解，未来的AI将更加智能、灵活和人性化。展望未来，我们有理由相信，随着技术的不断进步，AI将更深入地融入我们的生活，改变我们的工作方式，提升我们的生活质量。
2024-09-20
优秀的个人博客,低调大师

没有扎实的云底座，有资格谈数字化转型？

上云平台怎么选？看懂这些不迷茫 数字化时代，你的云平台有这么强吗？ 赋能云时代，亚马逊云科技夯实云底座 如今这个时代，谁能拒绝上云呢？ 近些年，伴随着数字化大潮席卷而来，企业的数字化发展进入了“快车道”，开启了上云之路。不过对于不同行业的用户来说，由于应用场景的差异，对云平台特性的关注点也不同。那么面对众多云服务品牌，面对千行百业的解决方案，我们在选型的时候更应该看重哪些因素呢？ 对此，亚马逊总裁兼首席执行官Andy Jassy曾有过经典的描述——经验没有压缩算法，运营云计算底座也是如此。其实无论什么行业，即便是行业属性有差异，但对于云平台的基础设施要求都是一致的，所有人都希望有一款高效、稳定的云平台。那么，我们应该如何选择呢？ 强大的云原生处理器提供持续计算动力 我们总说云计算云计算，说到底计算才是根本。在过去的16年中，亚马逊云科技也一直致力于为客户提供领先的计算力。在经过了多次演变和迭代之后，如今亚马逊云科技使用的是自主研发的第三代Amazon Graviton云原生处理器。这款处理器基于Armv9架构创建，这也是目前Arm处理器最先进的架构，具备了550亿个晶体管，比上一代的300亿晶体管多了近一倍。同时还有DDR5、PCIe G5以及台积电5nm工艺的加持等等，更意味着Graviton 3在性能上有了明显的提升。 除了性能提升之外，在人工智能、安全性上也有了明显改进。相比上一代产品，Graviton3计算性能提高了25%，浮点性能和加密性能是原来的两倍，机器学习性能则是原来的三倍，能耗降低了60%。也是为了让Graviton 3发挥出全部的实力，亚马逊云科技提供了使用3个Graviton 3节点的计算实例——Amazon EC2 C7g。这是一款定位高性能工作负载的实例，C代表了计算优化，g代表了Graviton处理。 根据官方定义，这款实例可以应用于包括高性能计算、批处理、电子设计自动化(EDA)、媒体编码、科学建模在内的、和基于CPU的机器学习推理等应用，计算密集型工作负载性能提高多达25%。在相同性能下，与同类型Amazon EC2实例对比，可节省高达60%的能源消耗。这相比早些年Graviton第一代定位Web服务器、容器化微服务等已经不可同日而语，也意味着亚马逊云科技在计算能力上的飞跃。 正如我们在文章最初提到的，如今的数据中心算力已经从传统的主机时代进入到了分布式时代，算力的形态也越发多样化。对于亚马逊云科技来说，全新的Amazon EC2实例不仅是在性能上取得领先，更借助AmazonNitroSystem获得了与众不同的“超能力”。以往，云计算难以解决的一个问题就是虚拟机的性能损耗，尤其是多虚拟机情况下会带来很大的性能浪费。但是借助于Nitro Hypervisior功能，它可以替代传统CPU才能实现的Hypervisior，由此也就消除了传统虚拟机的性能损耗，从而让云主机输出近似裸金属的性能。 在用户关注的扩展功能层面，Amazon Nitro也提供了包括网络、存储、系统控制器在内的多重功能，并把安全芯片集成到主板上，这样就从硬件层面提升了安全验证能力。至此，Amazon Nitro将网络、存储、虚拟化（Hypervisior）和安全四大类功能从CPU侧卸载到DPU中，依托于Amazon Nitro来提供各种IaaS服务，将IaaS层的各类云服务融入到了Amazon Nitro中，也让Amazon EC2有了更好的表现。 那么这么好的产品，如何才能用到呢？其实这一点大家也完全不用担心。虽然目前Amazon EC2还没有在中国市场面市，但据亚马逊云科技大中华区产品部总经理顾凡表示，他对于Amazon EC2的发展非常有信心，同时因为Graviton2的高性价比此前受到中国用户欢迎，所以亚马逊云科技也将加快步伐让Graviton3在中国市场迅速落地。此外，顾凡还提到，全球SageMaker同步首发的六个区域，中国占了两席，如此重视中国市场也是因为因为中国客户的机器学习场景非常多，亚马逊云科技也会加大在中国市场的支持力度。 从对象到文件，亚马逊云科技的统一存储之路 提到亚马逊云科技的存储服务，你第一时间能想到什么？没错，就是Amazon S3。作为亚马逊云科技的第一款云服务，它的出现比刚刚我们提到的Amazon EC2早了半年，因此也给用户留下了深刻的印象。时至今日，Amazon S3已经存储了超过100万亿个对象，日常每秒需要处理上千百万次请求，甚至几乎每一亚马逊云科技用户都在用Amazon S3，这也进一步奠定了S3的“王者”地位。 之所以广受青睐，就是因为Amazon S3有着一款优秀存储必备的高可用性、高可靠性与高安全性。具体说来，Amazon S3全系最高进行了4个9的可用性设计和11个9的持久性设计，4个9的可用性意味着，一年里的平均宕机时间不超过1小时（3153.6秒），11个9的持久性意味着，平均每经过一万年，你在Amazon S3上存的1000万个对象会丢一个，只要不是故意手动删除，几乎不可能丢。 其实除了Amazon S3所代表的对象存储之外，亚马逊云科技早已经实现了对于EBS块存储、EFS文件存储等规格的支持，并通过分层的概念实现了对于对象存储和文件存储的有效利用，为客户提升了大量的成本。不仅如此，亚马逊云服务还提供了数据保护和备份功能，借助于Amazon Backup可以实现对于存储、数据库以及Amazon EC2实例的综合型备份管理服务，从而实现了一个企业用户的各种数据保护都在一个服务中完成。 为了更有效的实现数据管理，亚马逊云科技提供了智能分层技术。我们知道，许多企业的数据量庞大，冷热数据交织在一起，不仅造成了调取困难，还额外增加了不少存储成本。而借助于分层技术，系统就可以将数据按照访问模式和频率放到正确的存储层和优化成本，当用户的资料访问模式改变时，智能分层可依据需求，再移动资料到相对应的存储层，安全、有效的帮助客户节约了访问费用。 至此，亚马逊云科技统一存储架构和智能分层技术，借助于灵活部署方式和数据保护，方便用户管理与利用数据，更好的拥抱大数据时代。 全球一张云网络，打造无边界的云应用环境 好多人用水、电来形容云计算的便捷程度，在数字化的今天云更呈现出一种“无处不在”的状态。以往我们提到云，好多人都会第一时间想到数据中心，毕竟在后端我们需要云来提供大量的算力支撑。但是伴随着应用的扩展和智能化的普及，越来越多的场景下都需要云来发挥作用，从数据中心到边缘，从商业应用到家庭环境，云已经无处不在，与之相应的就是云服务商也需要提供全面覆盖的云解决方案。 亚马逊云科技就在业内率先达成了这一点。凭借多年来在全球范围的深耕，如今它在全球建立了超过310个边缘站点、覆盖47个国家/地区的90余个城市，还有超过100个Direct Connect POP点，客户可以按需选择最近的站点、以最快的方式接入访问亚马逊云科技的云服务。无论你是在数据中心还是边缘侧，也无论是用的是5G网络还是智能设备，都可以享受到便捷的云服务。 为了让更多企业用户能够节省云网络的投资成本，亚马逊云科技也提出了“WAN as a Service”的理念的理念。这是一种新的公有云网络服务，也改变了以往客户需要全部投资的方式。同样借助于云服务的理念，客户可以在亚马逊云平台上搭建自己的骨干网，快速部署网络服务和灵活扩展企业的网络覆盖范围，这样不仅大大降低的初期采购成本，同时在运维上也无需费心，甚至还可以根据业务规模灵活调整和扩展企业的网络覆盖范围，优势满满。 没有安全，再好的云也只能成为空中楼阁 在云端，安全是所有用户都关注的话题，近些年网络安全、黑客勒索案件的频发也非常让人担心。特别是在越来越多的企业上云之后，在云计算成为数字化时代的必要组成部分之后，企业在多云环境中就不可避免的遇到种种安全问题，随着IT架构的日益复杂，安全微信也就无处不在，甚至好多大企业每天都在面临各种攻击。也正因为如此，对于云服务商来说，保障客户使用安全就成为了最重要的业务能力。用亚马逊总裁兼首席执行官Andy Jassy的话说就是——安全是我们的Job Zero，它比任何第一要务都更重要。 为此亚马逊云科技也提出了类似洋葱的多层安全设计理念——云端的安全防护应该像一个洋葱模型，层层展开，而不是象一个鸡蛋。鸡蛋虽然给人感觉外壳比洋葱更坚硬，但实际上它是单层防护，而云上安全必须是像洋葱一样层层递进的防护机制。按照这个模型，亚马逊云科技提出了5层防护的概念，从威胁检测、事件响应开始，进而到身份认证与访问控制，之后是网络和基础设施安全，然后是数据保护和隐私，最后是风险管控与合规。 借助于这种层层递进的安全模型，亚马逊云科技也为客户提供了充分的应用安全保障，不仅让用户自身享受到安全服务，更引入了丰富的合作伙伴提供给用户更多的第三方选择，同时也针对不同用户的行业特征提供了相关案例，让客户了解更多、更好的解决方案。得益于洋葱模型的安全策略，亚马逊云科技从猥亵检测到访问控制、从数据隐私到风险管控，都实现了全方位覆盖，也让安全防护体系成为云环境的标配。 从主机时代到云时代，企业对于数字化的需求一直在改变，但无论是哪家企业、发展到哪种阶段、身处哪个行业，都需要高效、安全、稳定、全覆盖的云底座，也只有扎实的云底座才能有稳定的上层应用。亚马逊云科技提供了以领先技术为主导的计算、存储、网络、安全平台，凭借深耕16年的技术实力和丰富的经验打造出了适合企业上云的优质平台，也成为了企业上云的绝佳选择。 正如亚马逊云科技大中华区产品部总经理顾凡所说——自然界的云无边无际，云计算亦是如此。
2022-06-06

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

时间: 2026-08-21 大小: 1MB 下载: 10次
Rocky Linux

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。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
Sublime Text

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。

时间: 2026-08-21 大小: 9.84MB 下载: 40次
WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册