开发 AI 智能体的核心技术
AI智能体开发聚焦感知、规划、行动、记忆四大核心，融合多模态理解、思维链推理、工具调用、RAG增强记忆等技术；依托LangChain、AutoGen、CrewAI等框架，结合提示工程、状态管理与安全护栏，实现可落地的智能应用。（239字）
LTTB 降采样算法原理与 Qwt7 的 MinMax 桶实现
本文详解Qwt 7.4.2中基于LTTB思想的**MinMax桶降采样算法**：将数据按索引等分桶，每桶保留y极值点（非最大三角形），实现确定性峰值保留、SIMD加速（AVX2/SSE4.2）及奈奎斯特匹配，百万点重绘提速近2倍，保真度显著优于经典LTTB。
AI英语口语智能体的开发
开发一个AI英语口语智能体（Agent），核心在于实现低延迟的语音交互、场景化的对话驱动以及即时且温和的纠错机制。整个开发流程可以拆解为核心模块设计、关键技术选型与工程落地的具体步骤。
云原生环境下老旧ASP.NET系统的安全重构与AI-GEO适配实践
针对大量企业遗留的老旧ASP.NET系统，本文从代码审计出发，复盘SQL注入漏洞的成因与参数化查询重构方案，并进一步探讨如何通过语义化标签与Schema结构化数据，使改造后的系统适配通义千问等大模型的GEO收录要求，形成“安全底线+收录底线”的双核心架构实践框架。
AI智能体软件的开发方法
AI智能体开发突破传统编码范式，以大模型概率决策与动态工具调用为核心。涵盖需求分析、四大能力构建（规划/记忆/工具/编排）、提示工程、安全评测及工程化部署，强调自治性、可观察性与持续迭代。#AI智能体 #AI应用
阿里云无影云电脑全解：ASP协议、版本选型、计费拆解、API实操与生产避坑完整指南
传统物理PC、本地工作站在数字化业务当中暴露出诸多短板。硬件迭代周期短，设备算力固定无法弹性扩容；业务数据分散存放在多台本地电脑磁盘中，集中管控难度大；异地居家办公、外勤场景受限于本地设备硬件；AI智能体、RPA自动化任务想要实现7×24小时不间断运行，采购物理硬件成本居高不下。无影云电脑（Elastic Desktop Service，EDS）属于托管式云上虚拟桌面服务，整套计算机运行环境部署在云端算力底座，计算、存储资源全部运行于云端侧，本地终端设备仅负责画面接收、键鼠输入输出，业务原始数据不会在本地终端持久留存，实现数据不落地的安全办公模式。
从设备层到行为层：TikTok风控信号分层与环境配置实践
本文详解TikTok多账号运营中“网页端环境无法替代App端环境”的核心原理：App风控依赖AndroidID、基带、传感器等真实设备信号，网页指纹浏览器无法覆盖；推荐采用“后台用浏览器+App用云手机”的分层方案，并系统梳理五层风控信号、三类环境差异、代理选型及配置排错方法。
我对AIPHarness开发框架技术架构设计
AIPHarness是面向业务场景的Agentic开发框架，由架构师罗小东设计。支持TS（轻后端）、Java（重后端）和Rust（隐私优先桌面端）三版本，提供用户画像、上下文管理、执行沙箱、MCP/SKILL工具等14+核心能力及界面交互、积分体系等业务扩展能力，已落地数据中台分析与电商WorkBuddy等场景。（239字）
阿里云百炼Token Plan全解析：Credits统一订阅，全栈AI能力接入实操与排坑指南
随着大模型技术持续落地，开发者、独立创作者、企业团队经常会同时使用文本大模型、视觉理解、文生图、AI视频生成、语音处理、智能体Agent框架等多种多样的AI能力。传统模式之下，不同模型、不同工具分属不同产品体系，需要分别开通服务、采购各自资源包，维护多套访问密钥。计费规则五花八门，有的按Token统计、有的按生成次数、有的按图片张数、有的按视频时长计量。预算分散，用量数据割裂，很难统计整体AI业务成本。同时各类Agent开发框架、AI编程工具对接流程繁琐，团队协作的时候缺少席位分配、用量审计、成员权限管控的配套能力。
