搜索[AI填充]结果-低调大师优秀个人博客

精选列表

搜索[AI填充]，共10000篇文章

私有化企业AI知识库技术架构：RAG系统全链路实现指南

> 本文以代码驱动的方式，详细拆解企业私有化AI知识库的核心技术实现，涵盖数据处理管线、混合云挂载存储、向量化索引与混合检索、RAG引擎、本地LLM推理优化以及物理级数据隔离的完整技术方案。

2026-07-23

自动打包、装机、生成用例、真机回归，AI 测试流水线终于跑通了

大家好，我是洋子自从去年底转AI测试工程师后，到现在我的工作模式已经有了非常大的转变除了与RD、PM等协作角色沟通，E2E测试方面还有一部分在人工执行，其他的日常工作已全部交给AI去完成，包括生成功能

2026-07-23

GitHub 亲手关掉了自己的 AI 模型入口：留给开发者只剩 8 天

![](https://developer.qcloudimg.com/http-save/yehe-1566631/ba13d18d3d20009b6e84a57883b8ac88.png) 7 月 1 日，GitHub 在 Changelog 里发了一条只有一分钟阅读量的通知。但这条通知的影响，比很多产品发布都大：**GitHub Models 将在 2026 年 7 月 30 日全面退役。** 不是停止拉新，也不是某几个模型下架。 Playground、模型目录、推理 API、BYOK 端点以及相关 UI，都会一起消失。GitHub 还特意强调，这次影响所有客户，包括仍在活跃使用的老用户。从今天算起，迁移窗口只剩 8 天。 ## 最容易被低估的，不是“换一个模型” 很多团队最初使用 GitHub Models，只是为了快速试模型：用 GitHub 身份进入 Playground，挑一个模型，拿 Token 调几次 API。问题是，Demo 一旦开始被内部脚本、CI 任务、评测平台或机器人调用，它就不再是 Demo。真正形成的耦合至少有五层： - endpoint 写进了代码或配置； - GitHub Token 被当成模型服务凭据； - 模型 ID、参数和结构化输出依赖现有实现； - 限流、超时、重试策略按原服务调过； - 测试样本和效果基线默认原模型仍然存在。所以这次退役不是“把 URL 换成 Microsoft Foundry”这么简单。GitHub 官方给出了 Foundry 和 GitHub Copilot 两个方向，但没有承诺它们是原接口的无损替代品。 ## 先花 30 分钟，把隐藏依赖全部找出来不要先开迁移会，先在代码库和部署配置里搜索。 ``` rg -n "GitHub Models|models\.inference|MODEL_ENDPOINT|MODEL_ID|GITHUB_TOKEN|BYOK" . ``` 然后把结果按四类归档： 1. 生产调用：直接影响用户请求或业务任务。 1. 自动化调用：CI、定时任务、评测、内容生成。 1. 人工工具：开发者本机脚本、Notebook、内部页面。 1. 已废弃残留：代码还在，但已经没有真实流量。这一步的价值不是统计文件数，而是找到**关停当天谁会先报错、报错后会不会自动重试、重试是否会放大故障**。 ![](https://developer.qcloudimg.com/http-save/yehe-1566631/0627afda90ac7675fe97d011a5a11087.png) ## 最小迁移改造：先做一个供应商适配层如果业务代码里到处直接初始化某家模型 SDK，这次迁移会非常痛苦。最小可行改造不是引入一个大框架，而是收口成一个足够小的接口： ``` typeModelRequest = { model: string; messages: Array; timeoutMs: number; }; typeModelResult = { text: string; usage?: { inputTokens: number; outputTokens: number }; provider: string; rawId?: string; }; interfaceModelProvider { invoke(request: ModelRequest): Promise; } ``` 业务只依赖 `ModelProvider`。鉴权、endpoint、模型参数映射、错误归一化和 usage 解析，都留在供应商实现内部。这样做并不会自动解决迁移问题，但它能把后续风险从“改整个系统”缩小成“替换一个实现”。 ## 7 月 23 日的 brownout，应该被当成一次免费演练 GitHub 已安排两次短时服务中断。7 月 16 日已经过去，7 月 23 日还有一次。在 brownout 期间，请求会临时返回错误，随后服务恢复。这不是普通维护窗口，而是一次接近真实关停的故障注入机会。至少验证四件事： - 原模型调用失败后，应用是否在预期时间内超时； - 自动重试是否有次数、退避和总时长上限； - 替代模型能否接管，而不是返回另一种格式把下游打崩； - 告警能否明确指出供应商故障，而不是只报“业务接口 500”。 ![](https://developer.qcloudimg.com/http-save/yehe-1566631/3a0fe07f5f70cf57eb3cb0dede5bfbda.png) 一个危险的假成功是：请求重试几次后恢复了，于是大家认为系统扛住了。但 7 月 30 日之后，旧入口不会恢复。真正要验证的是，**没有旧服务时，业务能否持续运行。** ## 不要只比较回答看起来像不像模型迁移最常见的验收方式，是人工打开十几个结果，觉得“差不多”。这对生产系统远远不够。建议保留一组脱敏黄金样本，同时记录： - 任务成功率； - JSON 或函数调用字段完整率； - P50、P95 延迟； - 超时、限流和重试比例； - 输入、输出 Token 与单次成本； - 需要人工兜底的比例。如果模型用于分类、抽取、路由或生成测试数据，还要加入确定性的规则校验。不能把另一个模型的打分直接当成唯一结论。 ![](https://developer.qcloudimg.com/http-save/yehe-1566631/228eac44876f7b74ac65ca60022cf75c.png) ## 13 天，够不够？如果只是一个没人使用的 Playground Demo，够。如果已经进入生产，但依赖集中、样本完整、能灰度切流，也可能够。如果 endpoint 散落在多个仓库、Token 所有人不清楚、没有成本监控、没有回归样本，那 13 天不是迁移周期，而是风险暴露周期。我会把完成标准写得非常具体： 1. 所有生产流量已转到新入口。 1. 旧模型 Token 和 endpoint 已从部署配置移除。 1. 新旧结果差异有记录，有明确接受人。 1. 超时、限流、成本和失败率已经进入监控。 1. 回滚开关指向可用方案，而不是已经退役的 GitHub Models。 ![](https://developer.qcloudimg.com/http-save/yehe-1566631/5e27b2f81bcaa9c00f40b0114295258f.png) ## 最后 GitHub Models 的退出提醒了一件事：开发者体验再顺滑的平台入口，也可能快速结束生命周期。真正可靠的不是“永远不会关停”的供应商，而是你的系统始终保留三种能力：供应商可替换、行为可回归、故障可降级。这三件事如果现在还没有，7 月 30 日只是第一次提醒。 ## 参考资料 - GitHub Changelog：GitHub Models 将于 2026 年 7 月 30 日全面退役 - Microsoft Foundry

2026-07-23

当 AI Agent 学会看屏幕、点按钮、读界面时，编程的边界在哪里？

📊 2026 H1 AI Coding 市场全景：四大赛道定格局，基准危机催新标准 7月下旬多家机构发布 AI Coding 年中盘点，几个关键信号浮现。

2026-07-23

AI时代，对于企业CIO来说，管理Agent比管理员工设备更有挑战性

但随着AI的快速普及，Agent进入工作现场以后，就不能再按照管理软件的思维来管理Agent，因为它不只是被安装在电脑上的一个应用，而是会根据任务去读取文件、调用命令、连接内部服务，还可能持续保存上下文

2026-07-23

黄仁勋为中国 AI 模型站台：“优秀的开源模型就应该被使用”

美国财政部长贝森特几小时前刚在 Fox Business 上威胁要制裁中国 AI 模型，英伟达 CEO 黄仁勋就在德克萨斯州把桌子掀了。 "这些中国模型非常优秀。

2026-07-23

「Cube 100 案例征集计划」正式启动 —— 寻找首批 100 位 AI Agent 生产先行者

## 入选者将获得 **◆ **Cube 研发团队 1v1 技术交流 **◆ 优先内测权** **◆ **全渠道联合宣发 **◆ **Roadmap 参与权 **◆ **全球 AI Infra 开源峰会分享席位

2026-07-23

海光信息 × Cube Sandbox 打造高性能 AI 沙箱底座

AI Agent 规模化落地之下，高并发、强隔离代码沙箱已然成为大模型的核心基建，但国产算力与 AI 软件长期存在的性能鸿沟，政企的国产化业务落地依旧面临困难。

2026-07-23

从"Demo 惊艳"到"生产可用"：DolphinX 如何打通企业 AI 落地的"最后一公里"

## 摘要过去两年，几乎每一家规模化企业都做过同一件事——搭一个 AI Agent Demo。

2026-07-22

GEO与RAG检索链路：为什么高质量页面仍进不了AI答案

一篇文章内容专业、结构完整，也已经被搜索引擎收录，却始终没有出现在 AI 答案中。遇到这种情况，人们通常会给出两个解释：内容权威性不够。网站权重不够。

2026-07-22

AI几秒就能写完代码，程序员的核心价值早已不在“敲码”

过去我们比拼的是打字速度、语法熟练度、代码行数；但在AI时代，**写代码只是工具能力，解决复杂业务问题，才是人的核心竞争力**。AI是顶尖的“码农”，但永远成不了合格的“技术决策者”。

2026-07-22

AI 迭代速度越来越快，企业最大的瓶颈从来不是缺少大模型

因此很多企业纷纷投入资源，筛选模型、测试各类AI工具、推进内部试点落地，全力跟进AI转型浪潮。

2026-07-22

当我们谈论 AI Agent 时,我们谈论的是同一个东西吗?

### **一、一个叙事，各自表述** AI Agent 是今年最火的叙事。

2026-07-22

2026超全AI中转闭坑指南｜99%开发者踩过的扣费

做国内大模型开发的朋友，基本都用过AI API中转。接入简单、一个接口兼容多款模型，确实能大幅降低开发和调试成本。但目前市面上绝大多数个人搭建、无资质的灰色中转，存在大量隐形问题。

2026-07-22

从开机到下班复盘：按时间顺序观察一款 AI 工作记录工具

# 从开机到下班复盘：按时间顺序观察一款 AI 工作记录工具 !

2026-07-22

DeepSeek AI 大模型开发全流程：从裸机部署到业务融合的工程实践指南

| --- ## 八、结语：大模型开发者的“技术体感” 在思否写作的这几年，我深刻感知到一个趋势：**AI产品的护城河正在从“算法优劣”转向“工程稳健度”**。

2026-07-22

2026超全AI中转闭坑指南｜90%开发者踩过的扣费

2026-07-22

AI 语音克隆仿冒管理者语音钓鱼攻击机理与校园闭环防御研究

研究证实，仅依靠用户主观听觉辨别无法抵御 AI 语音克隆钓鱼，必须融合音频声学检测、呼叫行为风控、业务流程强制二次核验、场景化安全培训形成完整防护闭环，研究成果可为海内外高校、事业单位防范 AI 深度伪造语音欺诈提供可落地

2026-07-22

AI时代最贵的岗位FDE，其实一个人用WorkBuddy就能干

说白了，FDE就是被派进客户现场的那种工程师：上午跑调研、下午驻场看流程、晚上回来写代码，一边卖AI产品，一边教这套AI在客户那套乱七八糟的业务里落地。热度很快跨过太平洋。

2026-07-22

数据岗 AI 工作流改造：依托大模型解决业务数据分析痛点

而随着开源大模型、轻量化AI工具的普及，我们团队彻底重构了传统数据分析工作流，把机械、重复、低价值的工作交给AI，人工聚焦于业务解读、策略落地和数据复盘，真正实现了数据岗位的提效转型。

2026-07-22

资源下载

更多资源

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。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

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。

精选列表

私有化企业AI知识库技术架构：RAG系统全链路实现指南

自动打包、装机、生成用例、真机回归，AI 测试流水线终于跑通了

GitHub 亲手关掉了自己的 AI 模型入口：留给开发者只剩 8 天

当 AI Agent 学会看屏幕、点按钮、读界面时，编程的边界在哪里？

AI时代，对于企业CIO来说，管理Agent比管理员工设备更有挑战性

黄仁勋为中国 AI 模型站台：“优秀的开源模型就应该被使用”

「Cube 100 案例征集计划」正式启动 —— 寻找首批 100 位 AI Agent 生产先行者

海光信息 × Cube Sandbox 打造高性能 AI 沙箱底座

从"Demo 惊艳"到"生产可用"：DolphinX 如何打通企业 AI 落地的"最后一公里"

GEO与RAG检索链路：为什么高质量页面仍进不了AI答案

AI几秒就能写完代码，程序员的核心价值早已不在“敲码”

AI 迭代速度越来越快，企业最大的瓶颈从来不是缺少大模型

当我们谈论 AI Agent 时,我们谈论的是同一个东西吗?

2026超全AI中转闭坑指南｜99%开发者踩过的扣费

从开机到下班复盘：按时间顺序观察一款 AI 工作记录工具

DeepSeek AI 大模型开发全流程：从裸机部署到业务融合的工程实践指南

2026超全AI中转闭坑指南｜90%开发者踩过的扣费

AI 语音克隆仿冒管理者语音钓鱼攻击机理与校园闭环防御研究

AI时代最贵的岗位FDE，其实一个人用WorkBuddy就能干

数据岗 AI 工作流改造：依托大模型解决业务数据分析痛点

资源下载

腾讯云软件源

Spring

Rocky Linux

Sublime Text

欢迎您来访！