AI 原生应用开发实战营 | PPT合集下载

简介: AI 原生应用开发实战营 | PPT合集下载

【2025.04.24 AI 原生应用开发实战营·深圳站:

https://developer.aliyun.com/ebook/8469

 

2025.07.24 AI 原生应用开发实战营·成都站:

https://developer.aliyun.com/ebook/8468


2025.09.05 AI 原生应用开发实战营·杭州站:  

https://developer.aliyun.com/ebook/8467


2025.10.30AI 原生应用开发实战营·北京站:

https://developer.aliyun.com/ebook/8508


2025.11.07 AI 原生应用开发实战营·上海站:

https://developer.aliyun.com/ebook/8514


2025.11.14 AI 原生应用开发实战营·深圳站:

https://developer.aliyun.com/ebook/8517


2026.04.16 群虾智能——AI 原生应用开发实战营·郑州站

https://developer.aliyun.com/ebook/8549

目录
相关文章
|
人工智能 开发者
AI 原生应用开源开发者沙龙 | PPT合集下载
AI 原生应用开源开发者沙龙 | PPT合集下载
530 0
|
人工智能 开发者
AI 原生应用开源开发者沙龙 | 用户洞察集锦
AI 原生应用开源开发者沙龙 | 用户洞察集锦
187 0
|
5月前
|
传感器 人工智能 架构师
2026实战蓝图:AI Agent全栈开发培训流程与AI Agent职业路线进阶指南
摘要: 2026年,大模型正式进入“行动元年”。AI Agent(智能体)已从的对话接口转变为具备自主逻辑、环境感知与复杂协作能力的数字员工。本文将深度拆解从LLM向Agent覆盖的技术基础逻辑,规划从初级开发者到Agent架构师的职业路径,并提供一套简单的工程化的培训方法论。
5076 3
|
XML Java 数据库
探索 Spring Boot 中的 @Configuration 注解:核心概念与应用
【4月更文挑战第20天】在 Spring Boot 项目中,@Configuration 注解扮演了一个关键角色,它标识一个类作为配置源,这些配置用于定义和管理 Spring 应用程序中的 Bean
3000 7
|
3月前
|
消息中间件 人工智能 Java
AI 原生应用开源开发者沙龙·上海站精彩回顾 & PPT 下载
近日,AI 原生应用开源开发者沙龙·上海站圆满落幕。本场活动吸引了 120+ 名技术从业者深度参与,聚焦 AI 原生应用架构领域的开源技术与落地实践, 围绕 AgentScope Java 1.0 发布、HiMarket、Higress、LoongSuite、RocketMQ 等议题展开深度分享,并设置了动手实操环节。
|
8月前
|
监控 安全 数据可视化
开发更可控,部署更便捷:AgentScope 迈入1.0时代
AgentScope 1.0 是通义实验室推出的开源多智能体开发框架,旨在打造稳定、安全、开箱即用的智能体生产级解决方案。通过“核心框架+运行时+可视化工具”三层架构,支持智能体的构建、部署、监控全生命周期管理,具备实时干预、高效工具调用与智能上下文管理能力,助力开发者实现从“能跑”到“可控、可落地”的跨越。
3632 0
|
存储 人工智能 搜索推荐
Spring AI Alibaba DeepResearch源码解读
DeepResearch是SAA社区推出的智能体项目,支持复杂信息搜索、分析与结构化报告生成。其基于Graph构建14个协同节点(如Coordinator、Planner、Researcher等),融合Plan & Execute、LLM Reflection、Hybrid RAG、Self-evolving角色记忆、HITL等前沿技术,实现端到端深度研究自动化
931 13
Spring AI Alibaba DeepResearch源码解读
|
7月前
|
人工智能 自然语言处理 安全
国内主流Agent工具功能全维度对比:从技术内核到场景落地,一篇读懂所有选择
2024年全球AI Agent市场规模达52.9亿美元,预计2030年将增长至471亿美元,亚太地区增速领先。国内Agent工具呈现“百花齐放”格局,涵盖政务、金融、电商等多场景。本文深入解析实在智能实在Agent等主流产品,在技术架构、任务规划、多模态交互、工具集成等方面进行全维度对比,结合市场反馈与行业趋势,为企业及个人用户提供科学选型指南,助力高效落地AI智能体应用。
4799 144
|
4月前
|
数据采集 人工智能 数据处理
从0开始全面认识高质量数据集建设(1)
本文聚焦交通行业高质量数据集建设,结合国家最新政策与标准(如《高质量数据集建设指南》等),系统梳理其定义、分类(通识/行业通识/行业专识)、核心特征及与传统数据建设的本质差异。强调“场景驱动、全周期适配AI模型”的建设逻辑,提供从需求调研、数据规划到标注交付的实战路径,助力行业从业者高效构建可直接赋能AI训练与应用的数据基础设施。
|
4月前
|
数据采集 存储 人工智能
从0开始全面认识高质量数据集建设(4)
本文详解AI数据工程实施路径,涵盖数据采集(多源汇聚、爬取、回流、视频网关、本地上传)、智能预处理(音视频图文全模态清洗增强)及高质量标注(众包/项目/预标+多类型审核入库),实现从规划到可训数据资产的全链路闭环。