暂时未有相关云产品技术能力~
暂无个人介绍
本文提出“文档即源码”新范式，倡导开发者从“代码产出者”转型为“文档定义者”。核心是用结构化文档（需求/架构/约束）驱动AI生成代码，实现“改文档→自动重写代码”，提升知识复用性、模型无关性与安全可控性。
本文介绍了一套基于大语言模型的AB实验自动化评估系统，针对人工巡检效率低、规则引擎僵化、统计方法片面等痛点，设计六层优先级Prompt推理机制，实现精准、可解释的实验下线决策。试运行后，策略下线准确率提升至68%，人工耗时从6小时/天降至30分钟/天。
本文系统阐述AI Agent记忆系统的核心技术：短期记忆（会话级上下文管理）与长期记忆（跨会话知识沉淀）。涵盖上下文工程策略（压缩、卸载、隔离）、Record/Retrieve架构、主流框架（ADK/LangChain/AgentScope）实现差异，及Mem0等开源方案集成，并探讨MaaS、多模态记忆等前沿趋势。（239字）
本文介绍如何5分钟快速对接Moltbot与阿里云RDS AI助手，打造专属AI数据库运维管家。通过开源Skill实现自动化诊断、参数调优、索引优化等能力，解放DBA于凌晨救火，让重复运维交给AI，专注高价值架构设计。（239字）
本文档为OpenClaw（原MoltBot）官方使用指南，涵盖一键部署（阿里云轻量服务器年仅68元）、钉钉/飞书/企微等多平台AI员工搭建、典型场景实践及高频问题FAQ。同步更新产品化修复进展，助力用户高效落地7×24小时主动执行AI助手。
大模型很聪明，但为何AI仍难用？宝玉开源项目“baoyu-skills”两周获3.1K+ Star，揭秘Agent技能实战进化：从痛点触发、暴力迭代到业务闭环提效。D2大会现场深度拆解AI时代生存逻辑。
本文分享了在奥德赛TQL研发平台中集成BFF Agent的完整实践：基于LangGraph构建状态图，采用Iframe嵌入、Faas托管与Next.js+React框架；通过XML提示词优化、结构化知识库（RAG+DeepWiki）、工具链白名单及上下文压缩（保留近3轮对话）等策略，显著提升TQL脚本生成质量与稳定性。
阿里云正式上线Moltbot（原名Clawdbot）全套云服务，支持轻量服务器与无影云电脑一键部署，集成百炼百款千问模型及钉钉、iMessage等多消息通道，5分钟即可启用开箱即用的AI个人助理。
阿里云RDS MySQL DuckDB引擎推出两种形态：只读实例（HTAP读扩展）与分析主实例（支持写入/多源汇聚）。通过内核级集成，兼顾MySQL兼容性与DuckDB列式分析性能，在Binlog同步、高可用、数据安全、入库性能及SQL兼容性等方面全面增强，助力用户构建低成本、高性能的实时分析平台。（239字）
芝麻租赁推出AI导购“租赁小不懂”，针对长周期、重决策租赁场景，首创“One-Model + Tool-Use”架构与两阶段强化学习，攻克需求难匹配、决策效率低、服务被动三大痛点，实现响应提速78%、推荐成功率提升14.93%，打造贴切、沉浸、信任的场景化租赁体验。（239字）
Ralph Loop是一种AI编程范式，通过Stop Hook拦截机制强制模型持续迭代，直至满足可验证的完成条件（如测试通过、输出特定标记），解决AI“半途而废”问题。它依赖外部状态（Git、文件系统）实现自我参照循环，支持无人值守的AFK开发，已集成于Claude Code等主流工具。
本文系统回顾了淘特导购团队在AI编码实践中的演进历程，从初期的代码智能补全到Agent Coding再到引入Rules约束，最终探索SDD（Specification Driven Development，规格驱动开发）——以自然语言规格（spec.md）为唯一真理源，驱动代码、测试、文档自动生成，实现设计先行、可测试性内建与文档永不过期。实践中发现SDD理念先进但落地门槛高、工具链不成熟、历史代码集成难，因此团队当前采用融合策略：以轻量级技术方案模板为输入 + Rules严格约束 + Agent Coding高效实现 + AI自动汇总架构文档，形成兼顾规范性、效率与可维护性的AI辅助编程最佳
本文介绍淘宝搜索如何通过RTP-LLM框架，创新实现大Batch调度、批次内KV缓存复用及MoE Kernel动态调优，成功落地3.5B MoE大模型相关性计算，在严苛500ms延迟约束下保障性能与稳定性。
在AI浪潮席卷全球的今天，有人认为关系型数据库已走向黄昏，MySQL 的生命力正在被边缘化。但事实真的如此吗？AliSQL，作为 MySQL 的重要分支，自2010年诞生以来，始终默默支撑着阿里巴巴集团核心业务的高并发、高可用需求。它从未消失，只是沉寂太久。 2026年，AliSQL社区的一帮开发者们，开始为AliSQL注入创新的血液！这是他们的第一篇，系统阐述了MySQL深度融合DuckDB的重大技术实践。这不仅是对“MySQL 只擅长 TP”这一行业共识的突破性回应，更是一次兼具工程魄力与架构远见的创新。
本项目推出「prompt-optimizer」智能体，专治提示词撰写痛点：表达不清、框架难选、套用费时。支持50+全球顶尖提示词框架，自动匹配、主动澄清歧义、一键生成优化提示词，并兼容多模型。已开源Skill与Chrome插件，开箱即用。（239字）
Prompt Optimizer 是一款智能提示词优化工具，内置50+专业框架，支持需求澄清、歧义确认与自动匹配，兼容多模型，显著提升AI输出质量并降低API成本。（239字）
OpenSpec 是面向 AI 编程的规范驱动开发（SDD）工具，以 Markdown 文档为“唯一真相源”，通过 CLI 管理需求提案（proposal）、任务清单（tasks）、规格说明（spec）及归档流程，支持 Cursor 等 IDE 集成，兼顾轻量迭代与工程可追溯性。（239字）
本文详解Anthropic新推出的Skill（技能）机制，对比MCP差异，分享快速上手与高质量开发实践：从概念理解、结构规范、渐进式加载，到用AI生成Skill、最佳命名与元数据、自由度控制及避坑指南，助开发者高效落地。
阿里云PolarDB推出AI助手（Copilot），基于大模型与专家知识库，集成智能问答、诊断、感知三大能力，支持自然语言交互，实现慢SQL分析、参数调优、主备根因定位等场景化运维，显著降低门槛、提升稳定性与效率。（239字）
Quest 是一款实现真正自主编程的AI代理，通过Agentic上下文管理、精简Bash工具链、Spec→Coding→Verify闭环及动态Skills系统，让AI端到端交付可运行产物。它不依赖人工调试，支持自进化与多模型协同，专为未来大模型而设计。（239字）
本文介绍基于Meta Ray-Ban眼镜的“交警Copilot”原型：利用turbometa开源项目实现中文直连，结合阿里云函数计算（FC）与AgentRun构建“端-管-云”架构——眼镜采图、iOS抽帧上传、云端Agent动态决策（OCR+规则判断+查库），支持单双号限行识别等。全栈Serverless，Prompt即业务逻辑，灵活应对交规变更。（239字）
本文提出Spec-Driven Development（SDD）范式，以解决AI编码中“写得快但写不对”的痛点。通过OpenSpec工具实现规范先行、分阶段验证，并构建Claude+Codex+Gemini多模型协同工作流，确保复杂业务（如跨境保险）下代码的高质量、可复现与可靠交付。（239字）
阿里云Tair联合SGLang、蚂蚁AI Infra及震旦团队，推出面向Sparse Attention的分层稀疏化框架：将全量KV Cache存于CPU，GPU仅驻留Top-k LRU Buffer，结合Sparse Diff Kernel与IO Kernel实现高效增量传输。实测DeepSeek DSA场景下，单请求显存从8GB降至200MB，吞吐提升3倍，突破长上下文推理的带宽与容量双重瓶颈。（240字）
D2技术大会迎来第20届，以“AI 新”为主题，聚焦AI重构终端技术的全新范式。涵盖AI Coding、交互体验、框架演进、智能测试等七大专场，邀请全球开发者分享前沿实践。顶尖出品人护航，共探AI时代的技术跃迁与个体放大。提交议题，共启未来！
Assistant Agent 是一个基于 Spring AI Alibaba 构建的企业级智能助手框架，采用代码即行动（Code-as-Action）范式，通过生成和执行代码来编排工具、完成任务。它是一个能理解、能行动、能学习的智能助手解决方案，可帮助企业快速构建智能答疑客服、系统诊断、运维助手、业务助理、AIOps 等智能体。
DataAgent是基于Spring AI Alibaba生态构建的企业级AI数据分析师，融合NL2SQL、多智能体协作与RAG技术，支持多数据源分析、自动纠错与可视化报告生成，让业务人员零代码获取深度数据洞察。
本文从“道、法、术”三个层面对比AI工程与传统软件工程的异同，指出AI工程并非推倒重来，而是在传统工程坚实基础上，为应对大模型带来的不确定性（如概率性输出、幻觉、高延迟等）所进行的架构升级：在“道”上，从追求绝对正确转向管理概率预期；在“法”上，延续分层解耦、高可用等原则，但建模重心转向上下文工程与不确定性边界控制；在“术”上，融合传统工程基本功与AI新工具（如Context Engineering、轨迹可视化、多维评估体系），最终以确定性架构驾驭不确定性智能，实现可靠价值交付。
本次 Memory 系统重构是一次面向 AI Agent 未来演进的上下文工程升级——通过结构化、压缩与抽象机制，让模型在有限上下文预算下更高效地维持任务理解、目标对齐与推理连贯性。
阿里云发布《生成式AI卓越架构设计指导原则》，围绕安全、稳定、效率、成本与性能五大支柱，助力企业构建可信赖、可持续演进的AI应用体系，推动AI从“能用”到“用好”的关键跨越。
本文介绍了一套基于MCP架构的轻量化、多AI工具代码采集方案，支持CLI、IDE等多类工具，实现用户无感、可扩展的数据采集，已对接Aone日志平台，助力AI代码采纳率分析与研发效能提升。
Qoder智能补全全面升级，推出全新品牌NEXT。基于自研模型，Qoder NEXT可感知代码库与编辑历史，预测开发意图，实现跨文件联动、多点位自动补全，突破传统补全局限。通过ActionRL算法构建“训练-反馈-优化”闭环，代码采纳率提升65%，助力AI编程“最后一公里”。
本文系统阐述了AI时代开发者如何高效协作AI Coding工具，强调破除认知误区、构建个人上下文管理体系，并精准判断AI输出质量。通过实战流程与案例，助力开发者实现从编码到架构思维的跃迁，成为人机协同的“超级开发者”。
在大模型推理迈向“智能体时代”的今天，KVCache 已从性能优化手段升级为系统级基础设施，“显存内缓存”模式在长上下文、多轮交互等场景下难以为继，而“以存代算”的多级 KVCache 架构虽突破了容量瓶颈，却引入了一个由模型结构、硬件平台、推理引擎与缓存策略等因素交织而成的高维配置空间。如何在满足 SLO（如延迟、吞吐等服务等级目标）的前提下，找到“时延–吞吐–成本”的最优平衡点，成为规模化部署的核心挑战。
本文提出一种面向租赁导购场景的工具调用（Tool Use）训练数据合成方案，以支付宝芝麻租赁助理“小不懂”为例，通过“导演-演员”式多智能体框架生成拟真多轮对话。结合话题路径引导与动态角色交互，实现高质量、可扩展的合成数据生产，并构建“数据飞轮”推动模型持续优化。实验表明，该方法显著提升模型在复杂任务中的工具调用准确率与多轮理解能力。
本文从原理到实践系统地分享了如何高效使用AI编程工具。涵盖其底层机制（如Token计算、工具调用、Codebase索引与Merkle Tree）、提升对话质量的方法（如规则设置、渐进式开发）、实际应用场景（如代码检索、绘图生成、问题排查），并推荐了结合AI的编码最佳实践，包括文档、注释、命名规范和安全合规，旨在帮助不同经验水平的开发者真正把AI工具用好。
本文介绍AliSQL 8.0向量索引的优化：通过Nodes Cache提升搜索效率，结合公共与事务缓存实现RC隔离级别，支持读读、读写并发，并利用预计算与SIMD加速向量计算，显著提升性能。
本文介绍了一种基于Redis分桶扣减与DB合并提交的强一致库存扣减方案，适用于热点商品高并发抢购场景。通过Redis实现高性能扣减计数，结合数据库明细保障数据准确，既避免超卖少卖，又显著提升TPS与系统稳定性，有效支撑直播等大流量业务需求。
阿里云RDS团队推出AI原生命令行工具RDSAI-CLI，融合大语言模型与传统CLI优势，支持自然语言交互、智能SQL生成、性能诊断与优化建议，实现“意图式操作”，让数据库真正“听懂人话”。现已开源，助力开发者高效管理数据库。
本文介绍AI技术在产品研发全流程中的智能化应用，涵盖从MRD到PRD生成、系统分析、代码产出的端到端自动化方案。通过多Agent协作、RAG增强检索与LLM微调，实现需求理解、文档生成、系统设计与代码骨架输出的高效闭环，提升开发效率与质量。
本文复盘该高优故障的根因、排查过程与应对策略，为新硬件平台上的混部稳定性提供关键经验。
本文从分析 Gemini-CLI 源代码开始，解读 AI coding 工具的智能体设计。Claude Code 本身不开源，但是实现原理大同小异。
【重磅】阿里云 Tair KVCache 团队联合阿里巴巴智能引擎、基础设施与稳定性工程团队即将开源企业级全局 KVCache 管理服务 Tair KVCache Manager，本文详细介绍该服务的架构设计与实现细节。 随着 Agentic AI兴起，以推理引擎为中心的传统单机分层方案已无法满足新时代的 KVCache 存储需求。随着 KVCache 池化存储在大规模 Agent 推理场景中走向落地，需要构建具备容量精准评估、动态弹性伸缩、多租户隔离、高可用保障及版本协同管理能力的企业级 KVCache 管理系统，以支撑PB级存储下的成本效益优化与服务可靠性需求。为了解决这些问题，我们设计
AgentScope推出AutoContextMemory，智能管理长对话上下文，通过6种渐进式压缩策略，在降低70% token成本的同时保障信息完整性，提升响应速度，解决大模型多轮对话中成本高、性能低、易超限等难题。
我们构建了一套“自动提取 → 智能泛化 → 增量更新 → 向量化同步”的全链路自动化 pipeline，将 Agent 知识库建设中的收集、提质与维护难题转化为简单易用的 Python 工具，让知识高效、持续、低门槛地赋能智能体。
Dify作为热门低代码LLM平台，面临高负载下数据库性能瓶颈。通过将工作流日志从PostgreSQL迁移至阿里云SLS，实现存储解耦，显著降低DB压力与成本，提升扩展性，并利用SLS强大分析能力，将日志转化为业务洞察，助力Dify迈向生产级AI架构。
本文探讨CLI类AI编程工具的产品美学与技术原理，分析其遵循Unix哲学的轻量、可组合、可集成特性，解析Single Agent架构与上下文工程的实践，并分享如何通过Prompt优化、任务拆解与团队对齐，高效利用CLI提升编码效率，展望AI时代人机协作的新范式。
针对传统推荐系统滞后于外部热点的问题，我们构建了“热点AI选品”自动化系统。通过小时级感知、LLM驱动的热点理解与需求推理、多模态素材召回、三级机审过滤及话题聚合技术，实现从热点捕捉到商品分发的端到端闭环，显著提升信息流的新鲜感与用户参与度。
本文以淘宝闪购服务包系统为案例，探索如何借助 AI 技术辅助领域驱动设计（DDD）落地。
本项目基于通义万相AIGC模型，为社交APP打造“真人变身跳舞动漫仙女”特效视频生成功能。通过LoRA微调与全量训练结合，并引入Sage Attention、TeaCache、xDIT并行等优化技术，实现高质量、高效率的动漫风格视频生成，兼顾视觉效果与落地成本，最终优选性价比最高的wan2.1 lora模型用于生产部署。（239字）
在AI技术驱动下，淘宝闪购推进AI应用落地，覆盖数字人、数据分析、多模态创作与搜推AI化四大场景。面对研发模式变革与Agent链路复杂性，构建“评什么、怎么评、如何度量”的评测体系，打造端到端质量保障平台，并规划多模态评测、可视化标注与插件市场，支撑业务持续创新。
发表了文章
2026-07-18
发表了文章
2026-06-10
发表了文章
2026-06-10
发表了文章
2026-06-10
发表了文章
2026-06-10
发表了文章
2026-06-10
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-14
发表了文章
2026-05-06
发表了文章
2026-05-06
发表了文章
2026-05-06
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
