六月的雨在钉钉_社区达人页

背景信息 随着AI人工智能的不断飞速发展，越来越多的行业不断被AI智能渗透，并逐步替代一部分人的工作，这样带来的结果就是，科技是进步了，工作却丢了。这似乎与过去一直倡导的科技改变生活相违背，但是不然，首先科技的进步任何人或者任何组织机构都是无法阻止的；其次科技的发展是为了让人们生活的更好，可以让这个世界更高效。科技带来的工作危机确实会让很多人感到焦虑，但是如何使用科技，让科技为自己服务，这种非专业技能的软技能，往往才是生存的基石。 什么是软技能 通俗来讲，软技能就是你与人打交道、处理问题的“生存本领”，和专业技术无关，但决定你混得好不好。比如同事吵架你能调解，公司改革你能快速适应，遇到麻烦能拆解成小问题解决——这些看不见的能力就像打游戏的“综合战力值”，让你在不同工作、时代变化中都能吃得开。 软技能有哪些 工作中拥有哪些软技能可以跨越时间周期，实现终身成长呢？简单来说可以分为以下几个方面。 【持续】学习 学习这个能力，是人的本能，也是人的最基础的能力。正所谓：活到老，学到老。知识会不断更新丰富，科技会不断进步，但是不管何时，持续的学习能力，往往可以让你能够游刃有余的应对各种变化。就比如现在AI的飞速发展，AI是替代了很多场景的文字工作，但是如何让AI为你更好的服务，这本身就是一种需要不断学习的能力。 沟通能力 沟通能力不管是哪个行业都是很必要的，不管你是和人沟通还是和机器通过指令沟通，有效的沟通才是高效解决问题的渠道。沟通能力也是一种情商的表现，体现在你听得懂别人说的，也体现在别人听得懂你说的，这是一个双向沟通的能力。 交往能力 说到沟通能力，那么就必须说说交往能力。交往能力就是说你可以和你的同事或者是客户建立友好的关系，可以体现在别人需要时你提供帮助，当你需要时别人也会提供帮助的这种互帮互助的场景。在职场，好的交往能力可以让你的工作更加得心应手，也可以让你的个人魅力得到充分的展现。 抗压能力 在工作中还有一个重要的能力就是抗压能力，不管什么时候，什么工作，压力总是存在的，也只有将压力转化为动力，才能更好的促进个人的成长。同样的，抗压能力还体现在你面对挫折，勇敢面对的心态上，不管如何，只有做到任何压力都压不倒，你才能真的独当一面。 最后 总的来说，非专业的技能都可以成为软技能，而陪伴你终身成长的并不是专业技能，专业技能有被替代的一天，但是软技能确实人在这个社会上生存所必不可少的技能，是随着时代，随着科技，随着社会的变化更不断变化的技能。

说起2025年AI产业会不会迎来全面爆发，这个即使没有迎来AI产业的全面爆发，在2025年，也可以说是AI产业突破到了一个新level的一年。年初的DeepSeek横空出世，迅速火遍了各行各业，同时也火遍了各大媒体，各种科技公众号，直播号，视频号，技术社区，朋友圈，自媒体传播渠道等，无不充斥着DeepSeek的身影。DeepSeek以其强大的数学推理能力及自然语言能力，正在充斥着我们生活的方方面面。比如你不懂的数学题，DeepSeek可以给予你完美的推理过程和最终的解决答案。身体不适时，你也可以给出你详细的描述，让DeepSeek给予你最佳的介入手段来促进身体状况的改变。除了这些，AI产业同样也在智能家居、智能驾驶方面有着不错的体验。智能辅助驾驶，在一定程度上甚至可以协助驾驶员躲避人类无法预知的危险，从而保障车载人员的安全。在医疗行业，精准化的医疗建议，同样可以帮助更多的患者尽快恢复健康。总的来说，2025年AI产业有没有全面爆发，可能并不能z直观的感受到，但是AI产业带来的生活上的改变，却是实实在在在影响我们生活的方方面面。

对于程序员来说，在开发的世界里，自己提交的每一行代码都应该是被认可被尊重，并且是完美的。同样，也正是由于程序员拥有这样认真较真的劲儿，才让我们的系统运行的更加稳定，更加高效。也正是由于这份较真儿，才给程序员带来了另一个困难：选择困难症。为了让自己的代码完美实现，为了让功能的稳定好用，为了让系统架构的承灾能力更强，程序员总是会遇到各种各样的选择。在面临这些选择时，程序员往往会由于考虑的太细太深而陷入纠结，而纠结本身带给程序员的并不是系统的稳定，而是裹足不前的畏缩，同时也让自己陷入了无限自我否定，无限内耗的漩涡中无法自拔，从而错过了系统本身功能的实现，过度消耗了过多的无意义时间。如何保持平常心，不陷入无意义的纠结，这就需要我们来辩证的看问题。当你面临架构选择时，你应该考虑的是当下系统的承载量以及未来的预估承载量，而不是纠结于选什么很牛的架构，而应该选适合你当下需求的架构，适合的才是最好的。当你面临功能选择时，你应该考虑的不是这个功能是否必要，而应该考虑的是功能来源，功能应用场景，客户需求，综合考虑之后再决定是否做这个功能；或者说先实现功能，再根据后期情况来评估功能的存在价值，毕竟很多时候，客户看到功能才会想用，而不会告诉你该做什么功能。总的来说，在开发世界中，少一点顾虑，多一点大胆尝试；少一点过于追求完美，多一点实际出发。

诚然，AI的飞速发展正在改变着各行各业的工作模式，包括具有艺术性的动画创作领域。传统动画创作通过艺术家的手工绘制和精心设计，每一帧都凝聚着创作者的心血和创意，能够呈现出独特的艺术风格和深刻的情感表达。AI动画创作则通过先进的算法自动生成动画内容，提高创作效率。那么传统动画 VS AI动画，如何呢？ AI剧本生成与动画创作 AI剧本生成与动画创作，是利用函数计算 FC 构建 Web 服务，结合百炼模型服务和 ComfyUI 工具，实现了从故事剧本撰写、插图设计、声音合成和字幕添加到视频合成的一站式自动化流程。整个部署过程无需太多复杂配置，算的上是一键部署，可以直接点击 前往部署 打开阿里云团队 提供的函数计算应用模板，按照如下选择即可这里的API-KEY来自百炼服务平台，具体的获取方式也很简单，在部署方案中有明确的指引部署完成后，可以直接 点击访问域名，即可打开示例应用，在示例应用页面可以看到官方已经为我们准备好了示例模版，这里先选择示例 2 ，点击【生成视频】这里我也是记录了一下点击生成视频的时间整个生成过程比较顺利，插图及视频生成耗时大概 7分钟左右下面来贴一下我这边生成的视频效果，具体的视频内容可以去下面链接看：https://www.bilibili.com/video/BV1P3ANeQESA?share_source=copy_web另外除了用官方示例进行的AI剧本与动画创作，还上传识别了自己小女儿的图片以及创造的关于春节主题相关的短视频，这里也放在这里供大家欣赏一下吧https://www.bilibili.com/video/BV1xgANepEM3?share_source=copy_webhttps://www.bilibili.com/video/BV1NgANepENG?share_source=copy_web 感受和建议 整个部署方案写的很详细，在操作手册中，对于每一步操作的指引步骤以及涉及到的相关参数的说明都介绍的比较详细，操作手册内容也比较丰富，非常适合新人小白上手，基本上需要关注的操作也很少，文档又写的很明确，确实可以实现 5分钟部署成功。方案部署成功后，在一次尝试生成示例2 模版的视频，等了 30 分钟仍然没有任何返回或者响应，连一个报错提示都没有，只是一直在生成，但是就是不出结果，查阅了后台函数计算部署的日志信息，只有部署时的日志，并没有视频生成时的日志，那么这里就希望后期可以在部署历史具体的版本下的日志信息可以看到AI剧本生成与动画创作在生成视频过程中后台的日志，即使没有日志，给个错误提示或者错误信息也行的。 传统 VS AI 对于我来说，传统动画 和 AI动画，更偏向于哪一种？这个要根据具体的场景来定。大家通过看我上面进行的AI动画创作也大概能够看出来AI动画的优点和缺点。AI动画相对于传统动画，创作效率更高，制作周期短，生成效果好。动画内容卡通可爱，非常适合一些公益场景的动画创作，比如给小朋友普及消防知识，或者普及交通知识等。AI动画在这样的场景，一方面制作成本低，制作效率高；另一方面产出的内容也比较符合小朋友的视角，卡通可爱。传统动画相对于AI动画，虽然创作效率不高，制作周期也长，但是传统动画创作主要依靠艺术家的手工绘制和精心设计，每一帧每一景都凝聚着创作者的心血和创意，都是有创作者的心思在里面，在传播知识的同时，还能够呈现出独特的艺术风格和深刻的情感表达。另外传统动画对于动画模型的细节以及展示都会更加讲究细致，展示方式也不仅仅限于卡通，动漫，立体效果往往更好，带来的观感也就更加震撼。就像我们的闹吒吒，视觉带来的震撼是AI动画所不能创作出来的。像这种商业化的动漫场景，往往就需要传统动画，如果使用AI动画的话，生成的效果无法预估，细节无法优化，内容长短也无法指定，太多的不可控，带来的创作效果往往就不是那么好了。

学习 AI 是个伪命题，AI 的存在就是让人不学习 关于这个观点，不能说他对，但是也不能说他错，就是说这不是一个对错的问题，而是你怎么看待的问题。 AI 的存在就是让人不学习 随着科学技术的发展，人工智能技术飞速发展，为各行各业带来了新的工作模式，更多的时候，人们可以利用AI的强大能力来快速获得自己想要的成果，而无需耗费自己的心力。那么，在这个时候，确实可以说【AI 的存在就是让人不学习】。正如我们现在经历的一样，有了AI的辅助，在很多情况下，我们在遇到问题时，直接将问题抛给AI大模型，会立刻得到自己想要的答案。这个时候，完全没有思考的必要，自然也就不用学习，从这个方面来说，AI的存在就是让人不学习。但是...往下看 AI 的存在是让人学习 刚说完 AI的存在就是让人不学习，怎么又来个AI的存在是让人学习呢？AI的存在怎么个让人学习法？AI人工智能的发展，将更多的重复性的、或者说不用投入人类思考和创造的工作承接了过来，那么在处理这些工作时，AI的出现就可以替代人类的工作，做到让人不学习也可以做好。但是更高层级的事，或者说更高层级需要学习的东西则是如何去用好AI。AI说到底是一个具有智能化知识的工具，而不能替代人脑的思考，如何用好AI就成了当下人们需要学习的方向。AI时代的出现，使得人们对于知识的学习从记忆知识上升到了驾驭知识，那么如何从巨大的知识海洋中衍生出新的知识，这个AI是不能做到的。未来的赢家，将是那些善用AI扩展自身能力边界，同时保持终身学习与批判性思维的人。学习知识本身也是为了融会贯通，演变成自己的能力，这才是AI时代需要学习的能力。

对于话题中提出的问题：DeepSeek 爆火，你认为 DeepSeek 会成为2025年开发者必备的神器吗？我的回答是肯定的，并且我已经在用已经具备DeepSeek-R1 模型选择的通义灵码插件了，并且用的体验感很好。简单来说，就是基于DeepSeek-R1 模型的通义灵码代码助手，用起来简直不要太爽... 零门槛、即刻拥有 DeepSeek-R1 满血版 DeepSeek 作为热门的推理模型，能在少量标注数据下显著提升推理能力，尤其擅长数学、代码和自然语言等复杂任务，并且接入通义灵码之后可以大大提高AI代码辅助的能力。这么强大的模型，又赶上阿里云官方推出的四种方案零门槛、即刻拥有 DeepSeek-R1 满血版 的部署操作方案，那必须亲自上手体验才能真的感受到大模型带来的魅力。 基于百炼调用 DeepSeek-R1 满血版 API 这里我主要讲述一下 基于百炼模型服务进行 DeepSeek 开源模型部署调用的方案。这个方案属于四个方案中操作难度最小，使用最方便的部署方案，并且有百万token 免费用，特别适合新手小白，或者说喜欢 DeepSeek 的技术爱好者，或者是企业测试阶段使用，详细的操作跟着我来逐步操作吧。 方案架构 本方案用户通过Chatbox 可视化界面客户端发起调用，客户端调用百炼大模型服务中对应的DeepSeek模型返回生成的回答，方案架构清晰简单 开通服务 对于首次使用阿里云百炼的阿里云账号来说，需要先开通百炼模型服务，登录 阿里云百炼大模型服务平台，进行开通。开通服务后，鼠标悬停于页面右上角的图标上，在下拉菜单中单击【API-KEY】点击【创建我的API-KEY】，并选择 归属业务空间、描述信息，点击【确定】创建完成我的API-KEY之后，点击列表右侧操作列的【查看】按钮，查看并复制创建的API-KEY 后面备用 模型广场 在 阿里云百炼大模型服务平台 ，选择左侧菜单【模型广场】-【DeepSeek】可以看到当前百炼大模型接入的DeepSeek 支持8个模型可供调用，我们选择 DeepSeek-R1模型，点击【查看详情】进入Deepseek-R1 模型详情页面，可以看到关于 Deepseek-R1模型的模型介绍、计费详情、免费额度、模型限流等信息点击顶部tab，切换【模型介绍】为【API示例】，可以获取模型服务的调用地址： https://dashscope.aliyuncs.com/compatible-mode/v1，模型名称：deepseek-r1复制后备用 Chatbox客户端调用 在使用Chatbox 客户端调用之前，首先需要下载安装 Chatbox， 访问 Chatbox 下载地址下载并安装客户端，安装完成之后，点击客户端【设置】按钮，进行如下设置保存完成后，在Chatbox 输入问题【9.9和9.10 谁大】这时会展示一个 deepseek-r1 对当前问题的一个思考过程，就是输出思维链 的内容等待问题推理结束之后给出具体的比较大小的步骤分析，并且输出问题分析后的答案，以及本次问题分析消耗的 tokens，以及选择的模型当然除了可以使用DeepSeek-R1 模型外，还可以使用其他7种模型，具体的操作可以参考我的博文：https://developer.aliyun.com/article/1652705关于部署体验和建议，在我的博文中也有详细的介绍，这里就不再重复赘述了。 DeepSeek 会成为2025年开发者必备的神器吗？ 在话题开头，我已经对这个问题进行了肯定的答复，那么在这里，我还是会说，DeepSeek 必须会成为2025年开发者必备的神器。这不是一个预言，而是一个已经成真的事实。我们开发者常用的AI代码助手通义灵码，现在已经接入了DeepSeek-R1 和DeepSeek-V3 模型，在通义灵码的模型切换地方可以看到并且基于通义灵码的deepseek-r1 模型生成的代码基本可以直接使用，比如我要用通义灵码来为我写 Java 代码调用 deepseek-r1 模型的代码，在通义灵码中输入如下内容 curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions -H 'Authorization: Bearer $DASHSCOPE_API_KEY' -H 'Content-Type: application/json' -d '{ 'model': 'deepseek-r1', 'messages': [ { 'role': 'user', 'content': '9.9和9.11谁大' } ] }' 生成Java 调用示例 在此问题的基础上继续提问 类名用 DeepSeekR1Demo ，jsonobject 用fastjson 的jar包 可以看到，模型 deepseek-r1 展现了基于上下文的思考，分析了上面生成内容，同时融合当前提出的新需求并且也按照要求更换了 maven 依赖最终通过通义灵码新建的类 DeepSeekR1Demo，导入 fastjson jar 包依赖，引入jar包依赖后的示例代码如下 package org.example; import com.alibaba.fastjson.JSONArray; import com.alibaba.fastjson.JSONObject; import java.io.*; import java.net.HttpURLConnection; import java.net.URL; public class DeepSeekR1Demo { public static void main(String[] args) { try { String apiKey = 'DASHSCOPE_API_KEY'; URL url = new URL('https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions'); HttpURLConnection conn = (HttpURLConnection) url.openConnection(); conn.setRequestMethod('POST'); conn.setRequestProperty('Authorization', apiKey); conn.setRequestProperty('Content-Type', 'application/json'); conn.setDoOutput(true); // 使用FastJSON构建请求体 JSONObject payload = new JSONObject(); payload.put('model', 'deepseek-r1'); JSONArray messages = new JSONArray(); JSONObject message = new JSONObject(); message.put('role', 'user'); message.put('content', '9.9和9.11谁大'); messages.add(message); payload.put('messages', messages); // 发送请求 try (OutputStream os = conn.getOutputStream()) { os.write(payload.toJSONString().getBytes('utf-8')); } // 处理响应 int code = conn.getResponseCode(); if (code == HttpURLConnection.HTTP_OK) { try (BufferedReader br = new BufferedReader( new InputStreamReader(conn.getInputStream(), 'utf-8'))) { StringBuilder response = new StringBuilder(); String line; while ((line = br.readLine()) != null) { response.append(line); } JSONObject result = JSONObject.parseObject(response.toString()); System.out.println('API Response: ' + result.toJSONString()); } } } catch (Exception e) { e.printStackTrace(); } } } 将代码中的 DASHSCOPE_API_KEY 替换为我们生成的API-KEY之后发起调用，可以看到完美的返回了调用返回参数返回结果原始内容如下 { 'created': 1739790675, 'usage': { 'completion_tokens': 618, 'prompt_tokens': 12, 'total_tokens': 630 }, 'model': 'deepseek-r1', 'id': 'chatcmpl-71b131ee-220f-9255-89ad-d9fd3beea6c2', 'choices': [ { 'finish_reason': 'stop', 'index': 0, 'message': { 'role': 'assistant', 'content': '**9.9比9.11大**。以下是具体分析：\n\n1. **数值对齐**：将两数统一为相同小数位数，9.9写作**9.90**，9.11保持**9.11**。\n2. **逐位比较**：\n - 整数部分均为9，相等。\n - 小数部分第一位：9（9.90）> 1（9.11），因此无需比较后续位数。\n3. **结论**：9.90 > 9.11，即**9.9 > 9.11**。\n\n**注意**：若在版本号等特殊语境中（如软件更新），9.11可能代表更高版本，但纯数值比较仍以9.9更大。', 'reasoning_content': '嗯，用户问的是9.9和9.11哪个大。这个问题看起来挺简单的，但可能用户有某种特定的考虑，或者他们可能对小数点后的位数理解有误。首先，我需要确认这两个数的数值到底是多少。\n\n先看第一个数，9.9，这显然就是九又十分之九，也就是9.90。第二个数是9.11，这里可能需要注意，用户是不是写错了，比如本来想写9.11还是9.1和1之类的，但按照给出的数字，应该是9.11，即九又百分之十一，也就是9.11。\n\n接下来比较这两个数的大小。一般来说，比较小数的时候，先比较整数部分，如果整数部分相同，再依次比较小数部分的每一位。这里的整数部分都是9，所以要看小数部分。\n\n9.9的小数部分是0.90，而9.11的小数部分是0.11。这时候可能会有一个误区，有人可能会直接比较小数点后的数字，比如认为9.9是9和9，而9.11是9和11，所以误以为9.11更大，因为11比9大。但其实小数点的位数不同，需要统一位数来比较。\n\n正确的做法是把它们写成相同的小数位数。例如，把9.9写成9.90，这样和9.11的位数就对齐了。这时候比较0.90和0.11，显然0.90大于0.11，因此9.90大于9.11，即9.9大于9.11。\n\n不过也有可能用户是在不同的上下文中使用这些数字，比如版本号或者其他非数值比较的情况。例如，软件版本中9.11可能代表的是第九版的第11次更新，而9.9则是第九版的第9次更新，这时候9.11会比9.9新。但如果是纯数学上的数值比较，那还是9.9更大。\n\n需要进一步确认用户的问题是否在数学数值比较，还是其他语境下的比较。如果用户没有特别说明，应该默认是数值比较，所以结论是9.9大于9.11。不过为了确保正确，最好再检查一下是否有其他可能的解释，比如书写错误或者不同的进位制，但通常来说应该没有问题。' } } ], 'object': 'chat.completion' } 到这里，是不是就可以看到 DeepSeek 爆火，DeepSeek 已然成为了2025年开发者的必备神器。

确实，随着AI人工智能技术的不断发展，AI辅助编程工具也越来越普及，越来越强大。记得刚开始那会儿通义灵码公测，当时使用起来已经感觉很不错，虽然只有简单的代码辅助功能，比如代码补全、自然语言、代码生成等，但是体验感拉满。现在的通义灵码不但支持代码辅助，还支持工作空间分析代码文件或者其他内容选择命令行操作等多种方式那么随着今年春节期间 deepseek 的大火，通义灵码也是及时的接入了 deepseek 大模型来辅助代码开发下面来说说怎么区分哪些代码是AI写的。这里我通过几个例子来看看，顺便来总结一下AI代码有哪些显著特征。有这样一段代码，一眼就可以看出是程序员写的，特征很明显：没什么备注，注释不用的代码没有清理，代码结构不够整洁对比一下AI代码写完之后是什么样子的，很明显可以看到AI写的代码更整洁，有注释，同时格式缩进很规范再看看下面一段代码，简单的代码，但是也还是可以看出AI的痕迹，这是因为，对于简单的需求，程序员往往喜欢一行代码就搞定，而不会单独提出来一个方法来操作那么程序员往往是这样的操作，直接用一行代码来处理简单逻辑基本上比较容易区分AI生成的代码还是程序员手写的代码，明显的特征就是AI生成的代码整洁，有注释，结构缩进规范；而程序员手写代码则比较随便，重在功能，不关注具体的可维护性，可阅读性这样，就像下面的main 方法，如果是人工写，就像这样没什么注释，仅有的注释也不符合规范，而如果是AI代码生成的话就像这样，有主方法注释，有行代码注释，代码有空行区分，格式缩进都比较合规范总的来说，AI生成的代码在可阅读性、可维护性上面都比较靠谱，但是大家在使用AI代码助手的时候需要注意，毕竟AI代码助手并不会阅读代码上下文，理解具体的业务逻辑，在采纳代码时需要确定是否符合自己场景下的业务功能，保证在提高编码效率的基础上还能保证代码质量，提高开发效率。

春节后返工，对许多打工人来说，确实算不上是一件令人愉悦的事。毕竟，工作本身往往伴随着压力和挑战，而长假后的回归更让人感到不适应。然而，尽管工作并非总是充满乐趣，但我们可以通过一些方法提升职场幸福感，让返工后的日子变得更有动力和意义。比如，培养积极的心态、寻找工作中的成就感，甚至与同事建立良好的关系，都能帮助我们更好地适应工作节奏，找到属于自己的职场幸福感。 危机暗示 从疫情爆发至今，经济环境一直充满挑战，身边或新闻中总是不乏企业裁员、公司倒闭的消息。在这样的背景下，春节后能够拥有一份稳定的工作，按时领取薪水，保障基本生活，反而成了一种难得的幸福。仔细想想，工作不仅为我们提供了经济支撑，更带来了安全感和归属感。如果真的失去工作，面对生活的压力和未来的不确定性，焦虑感恐怕会远远超过工作中的疲惫。所以，拥有一份正经的工作，本身就是一种值得珍惜的幸福。 发掘幸福 对于工作来说，可以说是陪伴自身最久的伙伴，如果能在工作中找到提升自己职业满足感的事，那么工作效率也就会提升，也就是常说的开心工作，幸福工作。怎么发掘工作中的幸福，这就需要你根据自身的情况及职业情况来规划，如果你很优秀，那么你可以努力工作获取涨薪的快乐，提升职场满足感；如果你喜欢挑战难度，克服困难，那么不断挑战困难，不断克服困难，本身就会让你觉得很幸福，很有成就感；如果你喜欢帮助别人，那么你可以在工作中主动帮助同事，在建立良好人际关系的同事，自己也会得到一种被大家认可的幸福感。。。 最后 当然，提升职场幸福感的方法还有很多，主要是根据自己的实际情况来选择，心态很重要，一个什么场景都能适应的心态，往往才是职场幸福感提升的源泉。

大模型数据处理 随着科学技术的不断发展，特别是AI技术的飞速发展，通过先进的人工智能技术，可以快速识别和解析各种格式的文件，包括文本、图像、音频和视频，从而提取出有价值的信息，大幅提升数据处理效率，从而实现非专业人士也能轻松上手进行数据分析和处理。比如我体验操作的多模态数据信息处理部署方案中，就有提到关于文本、图片、视频等不同模态的数据信息提取方案的一键部署方案。感兴趣的话可以通过切换tab的方式依次尝试这关于文本、图片和视频的数据信息提取方案。不过由于实验资源的限制，建议你在体验时使用官方示例，这样效果比较好。通过这个体验我们也可以看到，目前已经有了成熟的关于文本、图片和视频多模态信息处理的方案，在数据信息提取准确度上面可能需要后续的不断优化，但是方案是已经有了。另外就是大模型数据处理可根据业务需求自动扩展，无需人工干预，大模型可以通过持续训练不断提升性能，以适应不断变化的业务需求。并且还支持批量任务，支持与其他云产品的无缝接入，支持丰富的文本、图片和视频模态，涵盖范围广，同时节省成本开支。 人工数据处理 在详细了解了大模型数据处理的涉及范围，格式，以及实验效果之后，再来看看人工数据处理。对于人工数据处理来说，非专业的人员肯定是无法做到的，那么这就需要企业有一部分专业人员的成本投入。另外就是人工数据处理的效率相比大模型数据处理也是没有可比性的，大模型数据处理，可能10s出结果，而人工数据处理，可能10min都不够。在准确性方面，大模型数据处理会基于当前模型的不断训练而越来越准确，数据处理效率也会越来越高；而人工数据处理则会随着人工精力的不断损耗而准确度降低，同时，不管人工处理多少类似的数据，数据处理能力并不会有一个比较明显的提升。 总的来说 总的来说，大模型数据处理VS人工数据处理，基于目前大模型的训练程度以及企业专业化知识的普及度，大模型数据处理可能并不能完全替代人工数据处理。但是，在未来，人工数据处理自身的局限性和数据的飞速增长，必然会导致大模型数据处理替代更多的人工数据处理工作，而人工数据处理也许仅仅作为辅助存在，或者终将被大模型数据处理替代。

前言 趁着春节这个一年中最喜庆的日子，阿里云很细节的推出了AI年味，创意新年的活动，活动很不错，这里面的活动我基本都体验了。操作文档描述的也都很详细，基本上即使你不是开发者，按照文档中的步骤一步一步操作，你也能亲自上手体验一下AI带来的新年的改变。下面来详细说说每个活动吧。 创意新年故事 这个活动你部署完成之后，可以上传自己的照片或者示例模板的图片，然后再写好剧本提示词，选择旁白声音之后，就可以生成有旁白描述的动画了，效果很不错很有趣 创意春节主题绘本 这个活动就是说你通过手动部署之后，可以输入一段文字描述，AI根据你选择的风格以及声音为你生成关于这段描述的视频内容和文本阅读，这样就可以提升在枯燥阅读或者学习时的效率，提高阅读兴趣。并且还会根据你的文本内容生成一些介绍性的内容方便你快速理解 AI智能体春节互动 这个活动就是你通过部署AI智能体的方式，通过实时的语音对话的方式返回给你想要的内容，简单理解就是过去你需要通过文本与AI智能体交互，现在你可以通过语音交互了，很方便快捷 蛇年中国画 这个活动就是说利用通义万相 AIGC 技术在 Web 服务中实现先进的图像生成，你可以输入关键词，选择图片风格的方式，然后快速的生成你想要的图片，这个关键词的调整可能需要多次尝试，但是最后的效果一定会不错的当然除了以上这些创意新年的活动，你还可以自己制作红包封面，这里我就不再一一描述了，感兴趣的小伙伴可以直接去参与AI年味，创意新年活动 AI助力春节活动增添新意 当然，AI是可以助力春节活动增添新意的，就像上面我们提到的，你可以生成春节主题的故事，或者是生成春节绘本，蛇年中国画等。过去的春节，你想购买的春节相关的资源只能是购买，今年的春节，你可以自己通过AI来创作，创作什么样的完全随你自己心意，这样是不是就为春节活动增添了个性化的DIY定制呢？还有就是你现在做的AI绘本，AI故事，不是说只能春节玩儿，春节之后还是可以的，生成的新年故事也可以下载视频分享，将快乐传播给他人，这样是不是也开创了春节的另一种玩法-分享。只要你想，你就可以拥有不一样的春节，哈哈。

在当下的数字信息化时代，企业每天都会接触到海量的用户数据，这些数据包括用户的基础数据，行为数据等，那么如何从这些数据中筛选分析出符合企业自身业务场景，符合企业潜在用户的数据就显得尤为重要。企业也只有基于现有数据，经过机器学习平台 PAI 的强大算法，从现有消费者的需求、行为、偏好等行为数据中进行分析和预测消费者的后续行为，从而精准的指导企业快速定位目标人群，实现精准营销，在提高企业营收的同时也更好的服务了消费者。

引入 在当下快节奏的生活中，人们对于沟通的需求越来越多，同时也希望生活可以变得更加智能化，比如日常的查询天气，设定提醒，智能家居等，都是为了方便人们可以快速的获取想要的信息。比如早起上班，你询问一句【天猫精灵，今天天气】，天猫精灵会详细告诉你今天的天气；再比如你说【天猫精灵 唱首歌】，他也会播放当下比较受欢迎的歌曲。 多模态音视频交互 而多模态音视频交互是一种旨在帮助企业快速构建 AI 与用户之间的语音通话应用的解决方案，相比天猫精灵这些硬件设备来说，多模态音视频交互基于大模型训练，可以回答用户更多的问题，同时回答的也更加准确，并且不用通过固定用语【天猫精灵】或者其他用语唤醒，在使用过程中也就更加方便且回答的准确。这是我在 与 AI 智能体进行实时语音通话 的实验操作效果，我的问题是【介绍一下春节】在提出问题之后，多模态音视频交互会以语音的形式告诉你想要的内容，这样在以后的生活中，你可以把你需要的问题以语音的形式告诉他，然后再以语音的形式收到回答。这样相对于现有的文本形式的交互，使用上更加方便，操作上也更加简单。 未来展望 在未来生活中，随着AI大模型的不断训练，不断完善，基于此的多模态音视频交互也会更加准确，涵盖的内容也会更加丰富。你可以在出门之前询问天气、路线、交通等，你也可以在遇到问题时直接说出你的问题，获得你想要的答案，或者你也可以通过多模态音视频交互来实现智能语音控制智能家居，实现真正的人与科技的自然语言对话，值得期待。

AI人工智能的飞速发展，确实正在不断地影响着各行各业的工作模式，在教育行业，智能机、智能平板的出现，在学生和家长中深受好评。通过这些设备，幼儿园、小学生可以通过这种AI互动的学习模式逐渐的培养学习兴趣，在玩乐中学习的知识，在潜移默化中培养学习的兴趣，掌握学习的方法，真正实现过去一直倡导的【寓教于乐】。初中生、高中生则可以通过AI来制定针对自身弱点或者不足的学习计划，更有针对性。同时也可以通过AI来快速解决学习中遇到的难题，从而不至于让难题成为了阻碍学习的拦路石。并且随着智能体的不断发展，现在已经有了AI家教的雏形，就是不断可以针对学生本人的学习情况制定一对一的学习计划，还可以在学习过程中充当真实家教的作用，既可以帮助学生学习，教育学习方法，还可以在情感上有一定的安抚帮助作用。但是现在的AI家教其实在【人】的属性上，并没有那么的像人，大多数的AI家教可能并不是真的AI家教，而更应该称之为AI助教。就是说，在学习计划的制定，学习的陪伴过程中，还是有【人】的参与在其中，而并不是全部交给AI来应对。目前来说，AI的训练量并不能达到脱离人的AI家教，另外就是AI联系上下文学习的能力还需要进一步的提升。参与训练的数据量还需要不断地扩充，不过，相信随着AI技术的不断发展，AI模型的不断训练，在AI家教这条路上，需要人工参与的因素也会越来越少，到时候就真的是纯正的AI家教了。

在开始话题正文之前，先来聊聊现下的数据背景，可以称之为 前言。 前言 在当今数字化迅猛发展的时代，数据信息的保存与数据分析对企业的决策和工作方向具有极为重要的指导价值。面对如此海量的数据，企业如何从海量的数据中筛选出有价值的信息，如何更好的利用好握在手里的金矿，进而为后续的数据分析以及企业下一阶段的决策提供依据，这是一个问题！在这种情况下，如果有现成的数据分析工具，岂不是会事半功倍。 Quick BI 什么是Quick BI？Quick BI是一款智能数据分析和可视化服务产品，助力企业快速完成从传统数据分析到数据分析敏捷化和智能化的转变。正如Quick BI的使命 “人人都是数据分析师” ，下面来了解一下Quick BI的技术优势。 功能&技术优势 我们首先来看一下Quick BI的产品架构图通过产品架构图来看，Quick BI支持市场主流数据源及阿里云数据源连接，支持可视化拖拽，多种可视化组件，千余项可视化配置等，操作简单易上手，且支持百万级数据导出。另外还钉钉、企微、飞书等办公软件接入，方便实时关注数据分析结果。在技术优势方面主要包括智能分析洞察、秒级查询响应、企业级安全管控、一站式开放平台集成等，通过自然语言对话的方式，为客户快速分析上亿级数据，为企业决策及数据分析提供直观的体验。通过Quick BI 提供的业务观星台及横向价值链诊断方案，可以系统的整合业务数据，为决策者展示企业经营现状，帮助决策者快速识别核心问题，更好的决策。通过Quick BI提供的销售业绩表现及潜力终端推广推荐方案，可以为一线运营人员看清自己的贡献，找到发力方向，驱动业绩增长。通过 Quick BI快速搭建具有专业分析思路的财务报表，提高财务决策的质量和效率。总的来说，通过 Quick BI 可以为企业在业务、财务、人事、销售等多个领域提供数据分析和技术支撑，促进企业更好发展。 小的建议 目前来看Quick BI 支持的数据源虽然很广泛，支持多厂商的云数据库及自建数据库，但是对于传统行业的自建数据库可能无法支持，只能通过数据文件的方式上传分析，但是数据文件往往代表的数据不够全面，有一定的局限性，希望后期可以推动本地部署方案或者是接入企业自建服务器数据源进行数据分析。还有就是对于数据集的创建，目前通过SQL创建数据集，能否支持自然语言对话形式从已接入数据源中自动生成SQL语句，生成的SQL语句能否直接用于数据分析，希望可以有一个可以在线测试或者体验的demo方便操作体验。根据目前《Quick BI 智能商业分析产品白皮书》的内容展示，对于数据分析功能以及数据图表，数据大屏等功能已经涵盖了，可以支持大部分企业的数据分析决策操作了。对于企业来说，最重要的还是产品落地实践的上手成本及后期维护成本，希望后续在这方面也可以有一些简单的提及。

体验安全体检功能 在开始话题之前，首先点击 立即开启体检来感受一下阿里云为每一位客户提供的免费安全体检服务，体验之后你可以在 安全管控 控制台看到具体的体检结果信息这里如果想要进一步查看自己的阿里云产品有哪些待处理风险漏洞，可以直接点击【待处理风险漏洞】进入漏洞的详情页，在详情页看到如下的列表对于目前检测出来的风险漏洞，我是不知道的，那么想要查看详情的话，可以点击右侧操作列的【查看详情】如果不知道当前风险漏洞的处理方法的话，可以点击【文档链接】查看具体的风险漏洞修复方法，操作很方便。我按照文档链接的方法，跳转到RAM 访问控制台：https://ram.console.aliyun.com/overview?activeTab=overview 点击【设置】更新RAM 账户密码规则提高账户安全性 带来的帮助 对于我当前登录账号的阿里云资源的安全检测，更多的是账号或者端口带来的风险，那么这样的风险在日常使用云资源的过程中往往不会太在意，但是带来的安全问题却很重要，因此对于安全体检功能，这点是很不错的。可以在安全事故发生之前，给用户提供一个预防的告警信息，同时通过查看详情中提供的解决方案帮助用户尽快解决风险漏洞，保障用户的资源安全和业务安全。 功能建议 上面我修改了 RAM用户密码策略符合要求 的风险漏洞，密码策略之后，回到安全管控页面，没有找到可以再次体检的按钮，或者入口，建议可以在【概览】页加个【一键体检】入口，可以确认在处理了风险漏洞之后是否真的安全了另外希望可以对当前账号下的一切云资源都能涵盖在当前的一键体检功能里面，包括云资源的使用情况，账号的费用情况，续费情况等，尽可能的让可能影响当前账号下云资源正常使用的问题都暴露在安全管控页面下，方便快速处理。

对于开发者来说，哪些领域的知识尤为关键呢？这可以从开发者的日常工作来看。 语言 对于开发者来说，你至少需要掌握并熟练使用一种语言，比如： Java Python Go C C# 等，语言是你工作的基础，你必须掌握了当前语言的基础知识和技能之后，你才能在你的工作中创造价值。同时开发工具的使用同样是一项重要的技能，开源框架的引用，以及其他可以提高你工作效率的方式方法等。 数据库 对于一个系统来说，数据库的作用就是可以记录当前系统产生的一切数据，从而基于数据的过滤、分析、整理，更好的为用户提供服务。那么作为开发者来说，数据库的基本查询，聚合函数，数据分析，数据整理等能力就变得不可或缺。包括关系型数据库：Mysql等，非关系型数据库：Redis等，在什么场景下使用，如何使用才能达到最大效果，同样是开发者必须心中有数的。 操作系统 应用系统开发完成之后，需要部署在自建Linux 服务器还是云服务器ECS ，或者是集群服务器，这也是开发者必须掌握的关键知识之一。开发者必须具备一定的系统建设能力，可以根据不同的应用系统场景及用户量、数据量等综合考量，从而制定出最优的系统部署方案，达到将本增效的效果。 版本控制 好的应用系统往往不是一次开发完成就不再更新的系统，而是要经历不断的版本迭代才能达到的，在此基础上，对于开发者来说，好的版本控制管理工具就很重要，比如：SVN GIT 等，开发者需要掌握基础的提交、合并、冲突、迭代、敏捷开发等知识技能，从而在保证应用系统稳定的基础上迅速进行版本开发。 AI 代码助手 最后，随着现在AI技术的飞速发展，新的开发者工具，AI代码助手等，逐步进入到开发者的日常工作中，为了进一步的提高开发效率，开发者同样需要适应新工具，新知识，新技能带来的工作方式，工作效率的改变。这个时候保持对新技术的敏感，对新领域知识的学习掌握，同样是尤为关键的。

2024年可谓是悲惨的一年，自2015年加入北漂大军以来，第一次被迫搬离了久住8年的村子（租房住的村子，由于改建只能搬走），瞬间的感觉便是人如浮萍，无根无家；紧接着到了8月份，经历了公司部门裁撤，这也是9年来唯一次换工作，被迫换工作；随后找了一家外包公司，结果外包公司投标未中，再一次更换了社保的参保公司。总的来说，2024年值得记忆，苦大于乐。希望在2025年可以工作开心，事事顺心，仅此简单的愿望足以。

实验感受 其实对于整个基于文档智能&RAG搭建更懂业务的AI大模型，部署文档以及部署引导和过去一样，都比较清晰，这次最大的特点就是在部署操作页面通过一键ROS资源配置，大大降低了开发者对于逐个创建资源的步骤耗时，从而降低了部署出错的可能性。文档步骤清晰，引导简单有效，并且部署文档中详细介绍了文档智能结合RAG的优势，以及为什么会选择文档智能来保障RAG的方案效果，关于这一块的介绍和说明也比较详细，方便读者的理解。 期待 对于企业在发展过程中，会遇到各种各样的文档格式内容，比如PDF格式下，多种合同、试卷、论文、财报、简历、报告场景等，而如何从这些文档内容中快速提炼出有效信息来为企业创造更多价值，那就需要对这种包括表格内容、公式文本、图片内容处理，无关内容的过滤，这就正好符合了本方案的适用场景。对于不同格式的文档输入，将文档智能和检索增强生成（RAG）结合起来构建强大的LLM知识库，通过特定的Prompt，提供给LLM足够的上下文信息，来满足对于企业级文档类型知识库的问答处理，从而提高企业级文档的利用率以及创造出更多价值。

7.如何在阿里云ECS服务器上进行数据备份？云服务去ECS支持多种备份方式：1）通过ECS快照备份恢复数据：可以手动创建快照或创建自动快照策略对系统盘和数据盘进行备份，并且当当云盘因为误删除、误修改或者因为勒索病毒的原因造成数据丢失时，使用云盘的历史快照可以对云盘进行回滚操作，从而使云盘的数据恢复到创建快照的时候的状态。2）通过ECS镜像备份恢复数据：对镜像数据进行备份时，会对整个ECS实例的配置、操作系统、已安装的软件和数据进行全量备份。3）通过云盘异步复制实现数据容灾与恢复：云盘的异步复制和一致性复制组是基于块存储数据复制能力实现跨地域或跨可用区的数据保护功能。云服务器ECS支持多种方式的数据备份来保证系统的高可用以及业务的连续性，具体内容可以参考文档：文档

现在的工作环境确实是快节奏的，那么为了提高工作效率，就必须借助一切可以借助的力量来实现自己的工作目标。对于文档阅读来说，AI总结助手能发挥的作用确实很大。在 构建 AI 总结助手，实现智能文档摘要 的实验中，部署过程也比较简单，部署成功后打开请求连接，输入【总结当前页面内容】可以看到如下的效果通常来说，一片文档阅读根据文档字数的不同，耗时也就不固定，而通过AI总结助手总结之后的阅读，则可以基本控制在1分钟以内。那么对于一些对时效要求高的场景，比如说会议总结、文档内容总结等，你需要以尽快的速度来整理筛选出文档核心内容。对于一个30分钟的会议记录，筛选整理会议总结内容大概需要10分钟左右，而现在通过AI总结助手可以在3秒内总结出会议全部内容，这样对于工作的提效就显而易见了。目前的话，主要是支持在线文档的智能总结，希望后面也可以支持上传文件，或者指定文章请求地址，或者在线文档地址的方式来快速的给出文档总结，提高工作效率。