暂时未有相关云产品技术能力~
暂无个人介绍
本文描述了关于智能体（Agents）和多智能体系统（Multi-Agent Systems, MAS）的详尽介绍，涵盖了从定义、分类到具体实现框架的多个方面。
通义灵码2.0引入了DeepSeek V3与R1模型，新增Qwen2.5-Max和QWQ模型，支持个性化服务切换。阿里云发布开源推理模型QwQ-32B，在数学、代码及通用能力上表现卓越，性能媲美DeepSeek-R1，且部署成本低。AI程序员功能涵盖表结构设计、前后端代码生成、单元测试与错误排查，大幅提升开发效率。跨语言编程示例中，成功集成DeepSeek-R1生成公告内容。相比1.0版本，2.0支持多款模型，丰富上下文类型，具备多文件修改能力。总结显示，AI程序员生成代码准确度高，但需参考现有工程风格以确保一致性，错误排查功能强大，适合明确问题描述场景。相关链接提供下载与原文参考。
阿里云可观测解决方案从几个方面来尝试帮助使用 QwQ、Deepseek 的 LLM 应用开发者来满足领域化的可观测述求。
3月6日阿里云发布并开源了全新推理模型通义千问 QwQ-32B，在一系列权威基准测试中，千问QwQ-32B模型表现异常出色，几乎完全超越了OpenAI-o1-mini，性能比肩Deepseek-R1，且部署成本大幅降低。并集成了与智能体 Agent 相关的能力，够在使用工具的同时进行批判性思考，并根据环境反馈调整推理过程。阿里云人工智能平台 PAI-Model Gallery 现已经支持一键部署 QwQ-32B，本实践带您部署体验专属 QwQ-32B模型服务。
本文主要围绕DB-GPT应用开发框架如何在实际落地场景做RAG优化。
QwQ-32B 推理模型现已正式发布并开源，其卓越性能在多项基准测试中表现突出，与全球领先模型比肩。阿里云函数计算 FC 提供算力支持，Serverless+AI 云原生应用开发平台 CAP 提供两种部署方式：模型服务和应用模板，帮助用户快速部署 QwQ-32B 系列模型。用户可通过一键部署体验对话功能或以 API 形式接入 AI 应用。文档详细介绍了前置准备、部署步骤及验证方法，并提供删除项目指南以降低费用。来源：阿里云开发者公众号；作者：肯梦、折原。
本文重点介绍使用微调框架unsloth，围绕DeepSeek R1 Distill 7B模型进行高效微调，并介绍用于推理大模型高效微调的COT数据集的创建和使用方法，并在一个medical-o1-reasoning-SFT数据集上完成高效微调实战，并最终达到问答风格优化&知识灌注目的。
本文希望围绕“Transformer到底是解决什么问题的”这个角度，阐述NLP发展以来遇到的关键问题和解法，通过这些问题引出Transformer实现原理，帮助初学者理解。
通义千问最新推出的QwQ-32B推理模型，拥有320亿参数，性能媲美DeepSeek-R1（6710亿参数）。QwQ-32B支持在小型移动设备上本地运行，并可将企业大模型API调用成本降低90%以上。本文介绍了如何通过Higress AI网关实现DeepSeek-R1与QwQ-32B之间的无缝切换，涵盖环境准备、模型接入配置及客户端调用示例等内容。此外，还详细探讨了Higress AI网关的多模型服务、消费者鉴权、模型自动切换等高级功能，帮助企业解决TPS与成本平衡、内容安全合规等问题，提升大模型应用的稳定性和效率。
大家都可以通过写 prompt 来和大模型对话，那大模型之前的算法是怎样的，算法世界经过了哪些比较关键的发展，最后为什么是大模型这条路线走向了 AGI，作者用两篇文章共5.7万字详细探索一下。 第一篇文章指路👉《AI 世界生存手册（一）：从LR到DeepSeek，模型慢慢变大了，也变强了》
Anthropic开源了一套MCP协议，它为连接AI系统与数据源提供了一个通用的、开放的标准，用单一协议取代了碎片化的集成方式。本文教你从零打造一个MCP客户端。
阿里云发布的QwQ-32B模型通过强化学习显著提升了推理能力，核心指标达到DeepSeek-R1满血版水平。用户可通过阿里云系统运维管理（OOS）一键部署OpenWebUI+Ollama方案，轻松将QwQ-32B模型部署到ECS，或连接阿里云百炼的在线模型。整个过程无需编写代码，全部在控制台完成，适合新手操作。
大家都可以通过写 prompt 来和大模型对话，那大模型之前的算法是怎样的，算法世界经过了哪些比较关键的发展，最后为什么是大模型这条路线走向了 AGI，作者用两篇文章共5.7万字详细探索一下。
文章主要讲述通过模拟时钟中断和调度事件来优化和测试虚拟机监控器（VMM）的方法，包括流程设计、寄存器状态的保存与恢复、硬件中断处理规范等细节。
这篇文章主要介绍了Java虚拟线程的发展及其在AJDK中的实现和优化。
本文介绍了如何结合阿里云百炼和魔笔平台，快速构建一个智能化的专属知识空间。通过利用DeepSeek R1等先进推理模型，实现高效的知识管理和智能问答系统。 5. **未来扩展**：探讨多租户隔离、终端用户接入等高级功能，以适应更大规模的应用场景。 通过这些步骤，用户可以轻松创建一个功能全面、性能卓越的知识管理系统，极大提升工作效率和创新能力。
通过通义灵码的“AI程序员”功能，即使没有编程基础也能轻松创建小程序或网页。借助DeepSeek V3和R1满血版模型，用户只需用自然语言描述需求，就能自动生成代码并优化程序。例如，一个文科生仅通过描述需求就成功开发了一款记录日常活动的微信小程序。此外，通义灵码还提供智能问答模式，帮助用户解决开发中的各种问题，极大简化了开发流程，让普通人的开发体验更加顺畅。
作者总结了在阿里的三年时间中所收获的宝贵经验和成长感悟。
通过本篇文章，你可以了解并实践通过【ComfyUI】构建自己的【文生图】和【文生动图】工作流。
本文以DeepSeek模型为核心，探讨了其技术先进性、训练过程及行业影响。首先介绍DeepSeek的快速崛起及其对AI行业的颠覆作用。DeepSeek通过强化学习（RL）实现Time Scaling Law的新范式，突破了传统大模型依赖算力和数据的限制，展现了集成式创新的优势。文章还提到开源的重要性以及数据作为制胜法宝的关键地位，同时警示了业务发展中安全滞后的问题。
本文旨在解决传统数据库系统如PostgreSQL在处理复杂分析查询时面临的性能瓶颈问题。
本文描述DeepSeek的三个模型的学习过程，其中DeepSeek-R1-Zero模型所涉及的强化学习算法，是DeepSeek最核心的部分之一会重点展示。
DeepSeek加速了模型平权，大模型推理需求激增，性能提升主战场从训练转向推理。SSE（Server-Sent Events）和WebSocket成为大模型应用的标配网络通信协议。SSE适合服务器单向推送实时数据，如一问一答场景；WebSocket支持双向实时通信，适用于在线游戏、多人协作等高实时性场景。两者相比传统HTTPS协议，能更好地支持流式输出、长时任务处理和多轮交互，满足大模型应用的需求。随着用户体量扩大，网关层面临软件变更、带宽成本及恶意攻击等挑战，需通过无损上下线、客户端重连机制、压缩算法及安全防护措施应对。
本文展示从零开始搭建一个本地聊天助手的过程，涵盖了模型部署、搜索逻辑设计、内容提取与整合等关键步骤，特别介绍了如何让模型具备联网搜索能力。
本文介绍了名为“通俗讲解专家”的高效学习智能体，该智能体基于 DeepSeek-R1 模型构建，旨在通过生活化例子、概念讲解、简单记法和图示（SVG）四种方式帮助用户快速掌握复杂概念。文章详细描述了“通俗讲解专家”的提示词框架，包括角色定位、技能设定和输出规范，并提供了具体的使用方法。
本文主要介绍阿里云推出的AI编码助手——通义灵码在代码编写、智能问答、bug修复等方面的功能。
本篇主要简单介绍了在AI时代由‘大参数、大数据、大算力’需求下，对GPU算力管理和分配带来的挑战。以及面对这些挑战，GPU算力需要从单卡算力管理、单机多卡算力管理、多机多卡算力管理等多个方面发展出来的业界通用的技术。
阿里云 AI 搜索开放平台面向企业及开发者提供丰富的组件化AI搜索服务，本文将重点介绍基于AI搜索开放平台内置的 DeepSeek-R1 系列大模型，如何搭建 Elasticsearch AI Assistant。
阿里云数据可视化产品DataV团队一直在三维交互领域进行前沿探索，为了解决LLMs与3D结合的问题，近期在虚幻引擎内结合通义千问大模型家族打造了一套基于LLM的实时可交互3D世界方案，通过自然语言来与引擎内的3D世界进行交互。
本文讲述 DeepSeek-R1 出来以后，作者尝试使用提示词工程在 Claude 上“复刻”DeepSeek-R1 使用效果的过程，包括背景介绍、复刻的尝试与优化，还阐述了复刻的意义、对提示词工程的影响。
本文讲述作者如何解决客户集群中出现的OOM（Out of Memory）和Pod驱逐问题。文章不仅详细记录了问题的发生背景、现象特征，还深入探讨了排查过程中的关键步骤和技术细节。
如何在IDE里使用DeepSeek-V3 和 DeepSeek-R1 满血版模型
vLLM 是一种便捷的大型语言模型（LLM）推理服务，旨在简化个人和企业用户对复杂模型的使用。通过 vLLM，用户可以轻松发起推理请求，享受高效、稳定的 LLM 服务。针对大规模部署 vLLM 的挑战，如大模型参数量、高效推理能力和上下文理解等，阿里云函数计算（FC）提供了 GPU 预留实例闲置计费功能，优化了性能、成本和稳定性之间的平衡。此外，FC 支持简便的部署流程和多种应用集成方式，帮助企业快速上线并管理 vLLM 服务。总结来说，vLLM 结合 FC 的解决方案为企业提供了强大的技术支持和灵活的部署选项，满足不同业务需求。
本文分享了作者学习稳定性工作、构建思路、落实方案，面对问题不断反思再推进的经验总结。
本文通过一个程序员小明遇到的实际问题，深入探讨了在使用 HashMap 时由于键对象的可变性导致的数据访问异常。
推理性能的提升涉及底层硬件、模型层，以及其他各个软件中间件层的相互协同，因此了解大模型技术架构的全局视角，有助于我们对推理性能的优化方案进行评估和选型。
本文记录了作者升级到JDK11后，使用G1GC导致内存利用率飙升至90％以上的问题及其解决方案。
下述报告主要整理自各大网站发布的对 2025 年可观测趋势的预测，作者合并同类项汇总 10 个共性的趋势，欢迎大家一起讨论。
本文从模型架构、并行策略、通信优化和显存优化四个方面展开，深入分析了DeepSeek-V3高效训练的关键技术，探讨其如何以仅5%的算力实现对标GPT-4o的性能。
本文对比了几种常用缓存的特点，主要介绍了基于Guava的本地缓存和基于Tair的分布式缓存，包含快速入门和深入原理两部分，并在最后提供了使用缓存时需要注意的事项。
本文主要讨论Spring容器最核心的机制，用最少的代码讲清楚Spring容器的本质。
本文旨在帮助读者更深入地理解大模型和AI技术，重点介绍关键技术革新的背景与影响，特别是本次大模型时代和新一轮AI浪潮的推动因素与发展历程。
随着DeepSeek在线使用需求的迅猛增长，服务器资源紧张和响应延迟问题日益突出。本文推荐使用百炼大模型服务平台，提供DeepSeek满血版调用的平替方案，支持OpenAI SDK或HTTP方式快速体验。DeepSeek-R1与DeepSeek-V3分别有100万免费Token，另有多款开源Qwen及Llama蒸馏模型支持调用。通过百炼平台，无需自行搭建基础设施，具备负载均衡和自动扩缩容机制，确保API调用稳定。搭配Chatbox可视化界面客户端，简化调用流程，预估费用为0元，免费试用额度耗尽后预计成本不超过1元。
本文介绍如何将 DeepSeek-R1 开源模型部署到 GPU 云服务器，在 GPU 云服务器上安装与配置 Ollama 和 Open WebUI。
本文重点介绍大模型意图识别能力在智能电视核心链路中的落地过程和思考，对比了基础模型、RAG 、以及7b模型微调三种方案的优缺点。
本文深入探讨了DeepSeek大模型的核心技术，从公司背景、模型能力、训推成本到核心技术细节进行了全面分析。
本文将从线程的基础理论谈起，逐步探究线程的内存模型，线程的交互，线程工具和并发模型的发展。扫除关于并发编程的诸多模糊概念，从新构建并发编程的层次结构。
本文将列举一些提示工程认知和创作方面的认知误区，并分享了作者的一些见解，希望能够为读者提供启发。
本文围绕物理网络和云网络基础知识科普进行展开，最后浅谈在AI大模型浪潮下云网络的演进方向。
阿里云PAI Model Gallery支持一键部署DeepSeek-V3、DeepSeek-R1模型，用户可在平台上零代码实现从训练到部署再到推理的全过程，简化开发流程。通过登录PAI控制台，选择Model Gallery，找到并部署所需模型，如“DeepSeek-R1-Distill-Qwen-7B”，享受高效便捷的AI应用体验。部署成功后可获取调用信息，快速集成到业务中。
发表了文章
2025-11-27
发表了文章
2025-11-27
发表了文章
2025-11-27
发表了文章
2025-11-27
发表了文章
2025-11-27
发表了文章
2025-11-27
发表了文章
2025-11-27
发表了文章
2025-11-20
发表了文章
2025-11-20
发表了文章
2025-11-20
发表了文章
2025-11-20
发表了文章
2025-11-20
发表了文章
2025-11-14
发表了文章
2025-11-13
发表了文章
2025-11-13
发表了文章
2025-11-06
发表了文章
2025-11-06
发表了文章
2025-11-06
发表了文章
2025-10-30
发表了文章
2025-10-30
提交了问题
2024-03-14
提交了问题
2024-03-08
提交了问题
2024-02-21
提交了问题
2024-02-05
提交了问题
2024-01-18
提交了问题
2024-01-17
提交了问题
2023-12-28
提交了问题
2023-12-22
提交了问题
2023-12-14
提交了问题
2023-12-07
提交了问题
2023-12-01
