【开源项目】MaxKB4J基于java开发的工作流和 RAG智能体的知识库问答系统
MaxKB4J是一款基于Java开发的开源LLM工作流应用与RAG知识库问答系统，结合MaxKB和FastGPT优势，支持智能客服、企业知识库等场景。它开箱即用，可直接上传/爬取文档，支持多种大模型（如Qwen、通义千问等），具备灵活的工作流编排能力，并无缝嵌入第三方系统。技术栈包括Vue.js、Springboot3、PostgreSQL等，提供稳定高效的智能问答解决方案。访问地址：`http://localhost:8080/ui/login`，项目详情见[Gitee](https://gitee.com/taisan/MaxKB4j)。
基于通义多模态大模型的实时音视频交互
Qwen-Omni是通义千问系列的全新多模态大模型，支持文本、图像、音频和视频的输入，并输出文本和音频。Omni-Realtime服务针对实时交互场景优化，提供低延迟的人机交互体验。
宠物识别算法在AI摄像头的应用实践：从多宠识别到行为分析
基于边缘计算与轻量化AI模型，本方案实现多宠家庭中宠物个体识别、行为分析与健康监测。通过端云协同架构，在本地完成实时识别（延迟<50ms），保障隐私同时支持8只宠物同屏追踪。结合多模态特征与行为模式，准确率超98%，可联动喂食器、猫砂盆等设备，为宠物提供个性化智能照护，适用于家庭、托管中心及医疗场景，推动智能养宠迈向精准化、生态化发展。
大模型应用开发
大模型应用开发需通过API与模型交互，企业可选择开放API、云平台或本地服务器部署。开放API使用便捷但存在安全与成本问题；云部署易维护但仍有隐私风险；本地部署安全性高、长期成本低，适合企业级应用，不建议个人电脑部署。
Qwen Code 能力再升级
Qwen Code v0.3.0 正式发布！全面支持 Stream JSON、多语言界面切换，提升安全稳定与生态适配，助力开发者高效构建 AI 工具。欢迎体验并参与共建！
AutoGen - 架构学习指南
AutoGen 是微软开源的 AI Agent 框架，支持多智能体协作与分布式部署。本指南从架构解析、技能清单到学习路径，带你由浅入深掌握其核心原理与实战应用，助力构建可扩展的智能系统。
SAPO：让强化学习告别“硬剪切”
SAPO提出一种稳定高效的大语言模型强化学习方法，通过平滑门控替代硬剪切，解决GRPO/GSPO梯度丢失与不稳定问题。其连续信任域、序列级一致性及token级自适应设计，显著提升训练稳定性与样本效率，适用于dense/MoE模型，在数学、代码、逻辑等多任务上表现优越。
