暂时未有相关云产品技术能力~
暂无个人介绍
本文介绍基于 Dify 与阿里云数据管理服务 DMS 的智能客服对话质检解决方案。该方案通过集成 Dify 的 AI 能力与 DMS 的数据管理能力，实现从数据获取到质检分析的全链路闭环，提升客服质检效率与准确性，助力企业数字化转型。
8月，OpenAI推出开源模型gpt-oss-120b和gpt-oss-20b，在多项测试中表现优异，甚至超越GPT-4o等模型。为方便用户部署，阿里云人工智能平台PAI提供一键部署方案，无需编码，可免费体验。用户可通过Model Gallery快速部署模型并使用Cherry Studio客户端进行对话体验。
这篇文章系统性地阐述了 AI 原生时代下，面向技术风险领域的智能体系统（DeRisk）的架构设计、核心理念、关键技术演进路径与实践落地案例。
本文整理自阿里云智能集团 CIO 蒋林泉在 AICon 2025 深圳的演讲，分享了阿里云在大模型应用落地中的实践经验。通过多个数字人项目案例，探讨了企业在 AI 应用中的组织转型、业务识别、产品定义与工程落地等关键环节，并提出了 RIDE 方法论（重组、识别、定义、执行），助力企业实现 AI 有效落地。
本文围绕“什么是好代码”展开，作者结合自身职业发展阶段，从初入职场时仅关注完成任务的“黑盒认知”，逐步过渡到深入思考代码质量的多维度评价标准。
本文深入探讨了RAG（Retrieval Augmented Generation）技术的实现细节与优化策略，指出在AI应用开发中，RAG常被视为黑盒导致问题定位困难。文章从文档分块（Chunking）、索引增强（语义增强与反向HyDE）、编码（Embedding）、混合检索（Hybrid Search）到重排序（Re-Ranking）等关键环节进行了详细解析，强调需结合具体场景对各模块进行调优，以提升召回率与精确率的平衡，并倡导从快速使用走向深度优化的实践路径。
本文探讨了Prompt Engineering的发展趋势及其扩展——Context Engineering的重要性。随着大语言模型（LLM）的发展，构建合适的上下文（context）成为影响模型性能的关键因素。Context Engineering不仅包括传统的提示词工程，还涵盖了上下文的构建、管理与优化，被视为LLM时代的新软件工程范式。文章结合最新研究成果与行业实践，系统解析了Context Engineering的概念、分类、挑战及其在LLM应用中的核心作用，帮助开发者更好地理解和应用这一新兴技术。
支付宝「AI 出行助手」是一款集成公交、地铁、火车票、机票、打车等多项功能的智能出行产品。
本文主要阐述作者通过亲身实践，探索利用AI Agent实现开源应用Helm Chart自动化生成的实践历程。
本文深入阐述了蚂蚁消金前端团队打造的Multi-Agent智能体平台——“天工万象”的技术实践与核心思考。
本文系统性地阐述了自然语言转SQL（NL2SQL） 技术如何让非技术背景的业务分析师实现数据自助查询，从而提升数据驱动决策的效率与准确性。
本文以一个经典的PyTorch手写数字识别代码示例为引子，深入剖析了简洁代码背后隐藏的深度神经网络（DNN）训练全过程。
本文从编译原理的视角，为当前AI工程实践（如Prompt Engineering、Context Engineering、Think Tool）提供坚实的理论根基。AI编程的演进并非凭空而来，而是重演了软件工程历史上对形式化、可验证性和可靠性的追求。
本文分享了在构建智能缺陷查重系统过程中，遇到的LLM“数据拼凑”问题及其解决过程。问题根源并非模型或Prompt设计，而是RAG流程中索引与检索阶段的“信息断层”导致模型在结构化数据缺失时产生幻觉。通过将结构化字段完整纳入索引与检索过程，最终实现准确一致的查重结果，为构建企业级RAG应用提供了宝贵经验。
本文深入探讨了在 Agentic AI 时代，记忆（Memory） 作为智能体核心能力的定义、构建与技术演进。
PolarDB Supabase Edge Functions 是现代全栈开发的无服务器引擎，基于 Deno 运行时构建，支持在全球边缘节点部署自定义代码，实现低延迟、高可用的 API 与事件处理。它提供 CLI 和可视化 Studio 两种开发方式，打造高效开发闭环。相比开源版 Supabase，PolarDB Supabase 在公有云环境中实现了完整功能闭环，兼顾企业级控制力与便捷开发体验。
本文介绍了如何通过阿里云百炼平台创建一个星座运势分析AI智能体，并集成支付宝MCP服务实现支付闭环。解决AI产品无法直接变现的问题，完成“服务-支付-交易”全流程闭环，帮助开发者快速实现商业化。
本文介绍了作者团队在能源领域构建多智能体（Multi-Agent）框架的实践经验。面对单智能体处理复杂任务时因“注意力发散”导致的效率低下问题，团队设计了一套集“规划-调度-执行-汇总”于一体的多智能体协作系统。
本文介绍了一种解决开源项目代码升级中“用户需求关联相应代码”难题的创新方法。面对传统Code RAG和Code Agent在召回率、准确率和稳定性上的不足，以及领域“黑话”和代码风格差异带来的挑战，作者团队提出并实践了一套以大模型微调（SFT）为核心的解决方案。
本文详述了一次由自研分布式文件系统客户端 EFC 的缓存架构更新所引发的严重数据不一致问题的完整排查过程。
本文分享了我们团队一次极具代表性的实践：面对一个代码量超3000行、包含数十个平台适配分支的“规格面板”核心组件，我们引入AI开发工具 Cursor 结合 Claude 模型，成功在10天内完成了向ICE架构的全面重构，实现了跨端复用。
本文探讨了AI应用开发中向量数据管理的挑战，介绍了PolarDB IMCI通过在数据库内核中集成向量索引与Embedding能力，实现向量全生命周期管理的创新方案。该方案有效解决了技术栈分裂、数据孤岛和运维复杂等痛点，提供了一体化、高性能、支持事务与实时检索的向量数据库服务，极大降低了AI应用的开发与维护门槛。
本文系统回顾了计算机视觉的发展历程，从早期基于手工特征的传统方法，到深度学习的崛起与卷积神经网络（CNN）的广泛应用，并通过数学原理、代码示例与可视化手段，全面解析了卷积操作的本质与CNN的架构设计。
本文介绍了基于大模型的领域场景开发演进过程，从提示词工程、RAG到流程编排，再到React模式的智能体架构升级。团队通过层级指挥模式实现单智能体自主规划与工具调用，并探索多智能体协作框架，提升复杂任务处理效率与灵活性。
本文分享了在整合Paimon数据湖与RocksDB过程中，因内存溢出（OOM）引发的三次线上故障排查过程。通过SDK进行数据读写时，系统连续出现线程数突增、内存泄漏等问题，排查过程涉及堆内与堆外内存分析、JNI内存泄漏定位及架构优化。最终通过调整bucket数量、优化JVM参数及采用Flink写入Paimon，成功解决问题。文中详述了使用MAT、NMT、Arthas、async-profiler等工具的实战经验，为使用类似技术栈的开发者提供参考。
在数字经济快速发展的2025年，企业数据量激增，市场对快速决策和深度分析提出更高要求。本方案介绍如何通过阿里云Quick BI工具，结合AI能力，帮助商业分析师高效应对数据洪流，实现智能化分析、快速决策，提升业务洞察力与决策效率。
本文介绍了Cursor等AI编程工具中codebase indexing的技术原理，包括Merkle Tree与向量数据库的应用，以及开源方案Continue的启发。作者通过探索这些工具背后的机制，提升了对AI编程和代码索引技术的理解，也为进一步学习提供了思路。
本文作者分享了自己在研究如何编写强大且可维护的系统级提示词时的经历。
本文探讨了后训练的重要性、方法以及最新进展。文章将包含理论分析与实际操作指南，适合希望深入了解并应用这些技术的开发者。
本系列文章从机器学习基础出发，逐步深入至深度学习与Transformer模型，探讨AI关键技术原理及应用。内容涵盖模型架构解析、典型模型对比、预训练与微调策略，并结合Hugging Face平台进行实战演示，适合初学者与开发者系统学习AI核心知识。
本文通过一个 Agentic RAG 应用的完整构建流程，展示了如何借助 RDS Supabase 快速搭建具备知识处理与智能决策能力的 AI 应用，展示从数据准备到应用部署的全流程，相较于传统开发模式效率大幅提升。
本文介绍了利用AI技术进行多模态文件信息抽取的实战教程，涵盖从文档、图像、音视频等多种数据中自动提取关键信息的技术方案。通过阿里云百炼模型与函数计算服务，实现高效数据处理，适用于信息提取、图片分类、音视频分析等场景，提升数据处理效率与准确性。
本文章基于业务实践，总结有关感知检测小模型在不同算力卡上的训练方法，为有智能驾驶的场景提供可行的借鉴方法。
本方案介绍如何通过模型蒸馏技术，利用大参数模型生成数据并微调小参数模型（如 Qwen3-0.6B），使其在特定任务（如从一句话中提取结构化信息）中达到接近大模型的效果。通过 GPU 云服务器进行高效微调，结合魔搭社区的 ms-swift 框架，用户可快速完成模型训练与部署，显著提升推理速度并降低成本。方案包含详细步骤：数据准备、模型微调、效果验证及部署建议，并提供免费试用资源，助力开发者快速上手实践。
本文以 MNIST 手写数字识别为切入点，介绍了深度学习的基本原理与实现流程，帮助读者建立起对神经网络建模过程的系统性理解。
AI编码不是梦：手把手教你指挥Agent开发需求
browser-use 是一个开源的 AI 驱动浏览器自动化框架，能够高效实现在线任务自动化，支持 AI 大模型操作网页，具备强大的社区影响力（GitHub 星数超 63.4k）。它通过精巧的 prompt 设计和多类型消息组合，实现与大模型的高效交互，可完成登录、数据提取、文档生成等复杂任务。其核心技巧包括结构化输入输出、任务拆解、历史记忆管理及多模态支持，为 AI 代理应用提供实践范例与技术启发。
阿里巴巴开源通义万相Wan2.1-VACE，业界功能最全的视频生成与编辑模型，支持文生视频、图像参考生成、视频重绘、局部编辑、背景延展等，统一模型实现多任务自由组合，轻量版本消费级显卡即可运行。
本系列文章深入讲解了从Seq2Seq、RNN到Transformer，再到GPT模型的关键技术原理与实现细节，帮助读者全面掌握Transformer及其在NLP中的应用。同时，通过一个房价预测的完整案例，介绍了算法工程师如何利用数据训练模型并解决实际问题，涵盖需求分析、数据收集、模型训练与部署等全流程。文章适合初学者和开发者学习AI基础与实战技能。
本活动教你10分钟内在网站上搭建AI助手，无需费用和技术门槛。通过阿里云百炼平台，可0代码创建大模型RAG应用，结合函数计算暴露为前端API，轻松实现智能问答。还可通过添加私有知识提升回答准确性，适用于企业官网等场景。
本次故障因应用启动时未有效校验核心依赖模块初始化异常，导致后续请求处理中抛出无法捕获的错误，引发线程阻塞，最终耗尽HSF线程池，服务不可用。排查发现类初始化失败且异常未被正确处理，结合线程无限等待问题，确认为依赖初始化异常与流处理中断所致。修复措施包括加强启动校验、捕获Throwable及设置合理超时。总结指出，系统稳定性需从细节入手，防微杜渐，避免连锁故障。
本文主要介绍了一个名为 ROLL（Reinforcement Learning Optimization for Large-scale Learning） 的高效强化学习框架，专为大规模语言模型（LLM）的训练和优化而设计。文章从多个角度详细阐述了 ROLL 的设计理念、核心特性、技术架构、应用场景及实验效果。
本文介绍了一个基于AI的UI自动化测试框架在专有云质量保障中的工程化实践。
本文探讨了基于LLM和AI编程技术构建上云智能体的实践，提出通过人在回路中设计整体流程、LLM自主决策与执行的方式，有效减少幻觉并提升任务正确率。方案在多轮迭代中逐步生成代码，解决了API参数依赖等问题，并验证了三大核心设计理念的可行性。
本文记录了一次从灵光一现到快速落地的 AI + 地图服务实践，通过结合 Cursor 与高德 MCP 地图服务平台，作者仅用几个小时就实现了一个可交互、可筛选、可推荐的杭州美食地图应用。
本文深入探讨了自2023年GPT-4发布以来，大型语言模型（LLM）领域的发展趋势及其技术演进路径。
本文探讨了大语言模型（LLM）推理缓存优化技术，重点分析了KV Cache、PagedAttention、Prefix Caching及LMCache等关键技术的演进与优化方向。文章介绍了主流推理框架如vLLM和SGLang在提升首Token延迟（TTFT）、平均Token生成时间（TPOT）和吞吐量方面的实现机制，并展望了未来缓存技术的发展趋势。
曹操出行成立于2015年，初期面临激烈竞争，选择阿里云作为技术底座以实现低成本、高效率发展。经过十年合作，阿里云为其提供稳定高效的解决方案，助力其在全国146个城市提供安全稳定的出行服务。通过全面上云和技术创新，曹操出行显著提升了资源利用率，并在2024年实现毛利率转正，成功登陆港交所。未来，阿里云将继续支持曹操出行向网约车服务平台转型，拓展更广泛的生态合作。
阿里云PolarDB凭借全球首创基于CXL Switch的分布式内存池技术，在SIGMOD 2025上荣获工业赛道“最佳论文奖”，连续两年蝉联该顶会最高奖项。其创新架构PolarCXLMem打破传统RDMA技术瓶颈，性能提升2.1倍，并已落地应用于内存池化场景，推动大模型推理与多模态存储发展，展现CXL Switch在高速互联中的巨大潜力。
Python自2008年进入3.0时代以来，经历了持续演进与革新。十六年间，从语言设计、标准库优化到性能提升、虚拟机改进，Python不断适应人工智能、云计算和微服务等技术的发展需求。本文全面梳理了Python 3发布以来的重要变化，涵盖编程风格现代化、类型系统完善、类库生态调整、性能优化突破以及虚拟机技术创新等多个维度，展示了Python如何在保持简洁易用的同时，实现高效、稳定和可扩展的工程能力。未来，Python将在性能、类型安全和云原生等方面持续进化，进一步巩固其在现代软件开发中的核心地位。
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
