千问APP公测上线！基于全新Qwen3模型，打造全能AI助手，覆盖办公、地图、健康、购物等多场景，免费畅享智能聊天与办事体验。即刻下载，让AI成为你的日常伙伴。

本教程指导在Ubuntu上部署EMQX 5.9.0并集成Spring Boot实现MQTT双向通信，涵盖服务器搭建、客户端配置及生产实践，助您快速构建企业级物联网消息系统。

本文介绍如何使用通义灵码智能体与 qwen3 和支付 MCP 编写创作打赏智能体，该智能体能够完成日常聊天、诗词创作和请求打赏并生成支付链接功能。

在 VSCode 中安装通义灵码插件后，若左侧活动栏未显示图标，可通过右键选中代码触发插件面板，并将其图标拖至左侧栏固定，便于后续快速使用。

广东省最新公布一批大模型备案名单，新增14款备案模型、6款登记模型，累计达80款备案、23款登记。文章详解大模型备案流程、周期（5-10个月）、要求（主体资质、数据合规、内容安全、模型完成度）、所需材料（备案表、安全评估报告、服务协议、语料标注规则等）及完整备案流程（初审、自测、提交、整改、终审、公示）。为大模型企业备案提供全面指导。

TortoiseSVN使用-合并分支代码

中央网信办近日印发通知，启动为期3个月的“清朗·整治AI技术滥用”专项行动，旨在规范AI服务与应用，促进行业健康发展，保障公民权益。行动分两个阶段：第一阶段聚焦源头治理，包括清理违规AI程序、加强生成内容标识管理等；第二阶段集中整治利用AI制作谣言、不实信息、色情低俗内容及侵权行为等问题。此次行动将强化平台责任，提升技术检测能力，推动AI技术合法合规使用，维护网络环境清朗。

用大模型自动做笔记、提取PPT、整理访谈，阿里云AI新产品“通义听悟”开放公测

本方案聚焦解决教育培训场景中作业反馈延迟痛点，以AI为“助教”而非“判官”，构建多模态统一解析→RAG增强评分→规则+LLM双通道→置信度门控的可信Pipeline。强调Rubric结构化、证据绑定、拒答机制与人工复核闭环，兼顾效率（5分钟反馈）、准确率（95%）与合规性，让错误认知不过夜。

本文探讨AI“零报错”却导致业务失败的深层问题：系统级成功≠业务级成功。指出企业需重构AI验收标准——从“流程跑通”转向“目标达成”，明确委托条件、独立验证结果、界定责任主体，并建立A2B（AI-to-Business）治理框架，确保客户真实需求被满足。

AI已成新信息入口，但答案常因模型、账号、时间不同而“晃动”——根源在于大模型通过RAG机制“现查+生成”，依赖信息能否被检索到、切片读对、判断可信。GEO（生成式引擎优化）不是黑箱操控，而是帮真实信息适配AI阅读逻辑：结构清晰、事实密集、来源权威、口径统一、时效准确。它让好内容真正被看见、被采信。

接入层面优先采用OpenAI兼容接口，便于对接主流开发框架；生产环境建议锁定快照版本，配置用量告警，增加异常捕获与重试逻辑。业务上不建议全部流量跑旗舰模型，采用分层路由策略，简单任务分发轻量模型，复杂任务才调用Qwen3.8‑Max，实现业务效果与推理成本之间平衡。正式上线前，使用真实业务数据集完成充分测试，验证输出质量、接口延迟、Token消耗规模，再推向生产环境。

本文深度解析大模型INT8量化推理技术，对比TensorRT与ONNX Runtime两大主流框架：TensorRT专精NVIDIA GPU，性能极致、精度高（误差＜0.5%），适合云端高并发生产部署；ONNX Runtime跨平台兼容性强，部署极简，适用于多端适配与快速原型验证。二者各有所长，选型关键在于业务场景匹配。

要交一组主题创作作业，脑子里有不少画面碎片，却不知道怎么把它们串成一组主题清楚、前后连贯的作品？这篇手册用一段「城市夜晚」灵感笔记做练习，带你用千问办公跑通「零散灵感 → 创意方案 → 分镜脚本 → 作品说明」的完整流程。练完之后，把方括号里的内容换成自己的作业要求和灵感笔记，就能直接用在真实的创作策划中。

本文用“学→简化→可视化→写→复盘”五步法，清晰拆解AI、机器学习、深度学习、LLM的四级嵌套关系，并揭示关键真相：生成式AI不是最内层，而是横切各层级的输出范式。助非算法背景者真正理解、讲清、用对AI概念。（239字）

普通使用者可以直接通过网页、桌面客户端快速体验；开发者借助兼容OpenAI的API接口，只需要少量代码，就可以把模型能力集成进业务系统。在实际使用时，要掌握提示词编写技巧，合理控制上下文长度，区分按量付费与订阅方案，做好成本管控。同时也要认清能力边界，超长任务建议适当拆分，遇到代码运行异常、长文档超时等问题按照排查方案处理。

本文深度解析生成式引擎优化（GEO）的本质、实践路径与服务商选型逻辑。厘清GEO≠SEO/AEO，强调其核心是提升品牌在AI问答中“被准确引用”的能力；揭示四大认知误区，提出以“诊断—建设—发布—复测”闭环和可验证交付证据（非排名/截图）评估服务商。推荐从真实采购问题出发开展试点，聚焦信息准确性、答案提及率与业务线索转化三层效果。

AI PMO · 项目管理｜2026.09 中小团队缺专职PM？AI可免费承担任务拆解、关键路径分析、自动化周报三大核心PMO职能。适配飞书/Notion/钉钉，5步实现从排期到执行的智能提效——AI做表，人盯执行。

LoRA 用极少的可训练参数换来显存下降与部署灵活性，但它并非万能。本文从参数架构、训练架构、部署架构、成本架构四个层面，分析它的设计取舍与适用边界，帮助做技术选型判断。

总结来看，Token Plan团队版解决企业多模型使用过程中计费割裂、密钥繁多、团队权限管控困难的痛点，依托统一Credits订阅体系，兼容行业主流接口协议，打通大量开发工具。整个落地链路从订阅套餐、席位分配、获取凭证，再到代码或者第三方工具接入，流程清晰简洁。企业落地的时候需要区分团队版与个人版凭证差异，做好密钥安全、成员权限、用量监控，结合自身业务选择合适坐席档位，就可以高效构建团队级AI研发底座。

本文以工业革命为镜，剖析AI革命的劳动力影响：指出“任务自动化≠职业消失”，揭示青年岗位入口收缩、隐形失业等结构性变化；提出AI双周期模型与三维稀缺价值框架，强调物理在场、人格信任与实体资源的长期不可替代性。

Qwen3.7‑Plus是千问系列均衡型多模态基座，百万Token上下文窗口，原生支持图文视频输入，具备Vibe Coding截图转代码、中等复杂度混合模态Agent、长文档处理能力，在推理质量与调用成本之间取得很好平衡，适合图文知识库、前端代码辅助、轻量视觉智能体、中等难度长文档分析业务。

本文深度拆解数眼智能大模型API服务的SLA体系，超越“几个9”的模糊承诺，从端到端可用率、首字延迟、吞吐量等7大维度，详解其四层技术保障架构——基础设施冗余、智能三级路由、统一容错网关与全链路可观测治理，助力企业实现稳定、可控、高性价比的AI生产落地。（239字）

随着大模型技术走向工程化落地，企业对AI工具的诉求已经不再局限于简单对话问答。不同岗位、不同行业，对AI工具的诉求有着巨大差异：业务部门希望快速产出PPT、报表、宣传物料；研发团队追求代码生成、团队协同、知识库沉淀；金融、政务类机构，在使用AI能力的同时，必须优先满足数据安全、监管合规的硬性约束。阿里云在2026年推出千问办公、Qoder Teams、Qoder CN三款自研AI办公产品，三款产品隶属于同一套技术体系，但是产品定位、目标人群、能力边界有着清晰区分，分别对应普通职场人员、研发团队、强合规企业三大类客户群体，能够实现业务岗位、研发岗位、高安全要求场景的全覆盖。三款产品不是替代关系，

在AI智能体开发与企业级文本业务落地场景中，大量业务链路全部基于纯文本流转，不存在图片、视频等视觉输入需求，但对逻辑推理、超长文档研判、多步骤任务规划、工具调用稳定性有着极高标准。Qwen3.7‑Max作为Qwen3.7系列当中的纯文本旗舰基座，主打高阶文本推理与长周期自主任务执行，百万Token超大上下文窗口，强化代码编写、文档分析、多轮工具编排能力，成为很多不需要多模态能力的项目首选。很多开发者在接触该模型的时候，容易混淆它和同系列其他版本的能力边界，忽略它仅支持文本输入这一关键属性，分不清按量计费与Token Plan订阅的适用边界，业务上线之后出现接口报错、成本超标、任务完成率不达预期

在大模型应用落地过程中，模型选型直接影响业务效果、响应速度、调用成本和系统稳定性。Qwen系列作为当前主流大模型产品线，覆盖从高难度复杂推理到高性价比大规模部署的不同场景，其中Qwen3.8‑Max、Qwen3.7‑Max、Qwen3.7‑Plus、Qwen3.7‑Flash是开发者和企业最常接触的四个主力版本。很多开发者在选型时容易只关注“Max最强”或“Flash最便宜”，忽略模型定位、推理深度、长上下文能力、工具调用稳定性、多模态支持、成本结构之间的差异，导致复杂任务效果不足，或者大规模调用成本失控。

通义千问Qwen3系列完成了从对话问答工具到智能体执行引擎的重要升级，依托MoE混合专家架构、百万级超长上下文、原生全模态融合、全链路Agent四大核心技术突破，搭建起梯度完整的模型家族。不同档位模型覆盖从个人轻量使用到企业复杂业务的全部需求，依托百炼平台，开发者无需搭建底层算力环境，通过简单API调用就可以快速把AI能力嵌入自有业务系统。

2025年AI Agent规模化落地，但其非确定性执行带来“黑盒困境”。本文提出全新可观测性范式：以OpenTelemetry追踪动态决策路径，三层结构化日志贯通操作/认知/上下文，多维自动化评估保障质量，检查点+三层自愈实现故障闭环。可观测性已成Agent系统基建刚需。

通义千问Qwen3.7-Plus是通义千问3.7系列的中端主力旗舰，定位为**高性价比多模态交互混合智能体基座**，是同系列中唯一同时原生支持文本、图像、视频全模态输入输出的模型。它在继承Qwen3.7强大文本与推理能力的基础上，全面升级视觉-语言融合能力，保留完整的编程、工具调用与生产力工作流智能体能力，以MoE混合专家架构、百万Token超长上下文、原生多模态处理、视觉编程、长程自主执行等核心能力，在多模态交互、软件开发、企业办公、智能体协作等场景实现均衡突破，综合性能跻身全球第一梯队，成为开发者与企业构建多模态AI应用的首选高性价比基座。本文将从核心架构、基础能力、专业场景、接入实战与优

Qwen3.7-Max是面向智能体时代打造的新一代旗舰大模型，核心定位是“能自主完成复杂工程任务”的AI基座，而非单纯的问答助手。它突破了传统大模型“单点能力强、长程执行弱”的瓶颈，在编程智能体、办公生产力、长周期自主执行、跨框架泛化四大领域实现全面跃升，在全球Arena盲测中位列国产第一、全球第五，综合能力对标GPT-5.5与Claude Opus 4.7等国际顶级模型。

本文系统阐述大模型进程保活与故障自愈技术体系，涵盖进程保活、故障自愈、显存泄漏治理、OOM预警、定时巡检五大核心能力，详解Linux/Python运维基础、闭环架构原理及完整执行流程，并提供可运行的监控脚本示例，助力实现7×24小时无人值守、高可用工业级部署。

本文深入解析大模型两大核心能力：Skill（内生技能）与Function Call（函数调用）。Skill是模型预训练获得的固有推理与生成能力，如翻译、编程、逻辑分析，具备内生性、静态性与低延迟；Function Call则通过调用外部API获取实时数据或执行操作，具备外生性、动态性与精准性。二者互补协同——Skill为“大脑”，负责理解与决策；Function Call为“手脚”，负责执行与连接现实世界，共同构建可靠AI智能体。

Claude Code 的 /goal 命令可以一键设定目标，让 AI 全自动多轮迭代直到任务完成。本文详细讲解 /goal 的核心概念、使用方法和最佳实践，帮你省下 80% 的指挥时间。

本文详解OpenClaw接入钉钉企业内部机器人的全流程：依托钉钉Channels能力，采用无需公网域名的Stream长连接模式，降低内网部署门槛；涵盖应用创建、机器人开通、图文配置、凭证获取及网关对接等关键步骤，操作清晰、即学即用，助力团队高效协同。（239字）

本文通俗解析淘宝API：它是淘宝官方开放的安全接口，支持商品/订单管理、数据服务、物流对接等，助力ERP开发、多店运营、选品分析与自动化营销。新手4步即可上手，合规高效，是电商数字化的核心工具。（239字）

本文提出“会说话的时序分析系统”，融合ARIMA、Prophet等专业预测算法与大模型，实现从冰冷数值到自然语言洞察的跃迁：算法精准算未来，大模型解读原因、生成可落地建议，让时序数据真正成为懂业务、会决策的智能助手。

当AI自主写代码，开发者角色正从“编码者”转向“指挥官”。本文以独立开发者打造的CodexMonitor为切入点，揭示OpenAI Codex的平台野心——通过开放的App-Server协议，构建AI Agent时代的“操作系统”。它重新定义IDE：无需编辑器，重在多代理协同、安全审批与工作流编排。协议即权力，平台已启幕。（239字）

VS Code是微软推出的免费开源跨平台编辑器，轻量灵活，通过插件可扩展为全功能IDE。支持多语言、IntelliSense智能补全、内置调试与Git集成，界面现代、效率卓越，适用于前端、后端及嵌入式开发，是Keil等传统IDE的理想升级之选。（239字）

本文详解大模型本地部署的磁盘与显存优化方案：通过分片存储（将大模型切分为多个小文件）与按需加载（运行时动态加载所需分片），显著降低硬件门槛。以Qwen1.5-1.8B为例，完整演示分片生成、索引构建、完整性校验、加载测试及跨分区部署，确保效果不降、资源占用大减。

TensorRT LLM提供多种GPU并行策略，支持大模型在显存与性能受限时的高效部署。涵盖张量、流水线、数据、专家及上下文并行，并推出宽专家并行（Wide-EP）应对大规模MoE模型的负载不均与通信挑战，结合智能负载均衡与优化通信核心，提升推理效率与可扩展性。

vLLM是高效分布式大模型推理引擎，采用分页注意力、连续批处理等技术实现高吞吐与低延迟。本文详解其架构设计与关键技术，包括KV缓存管理、调度机制、推测解码与分布式扩展等，助你深入理解性能优化原理。

本文介绍如何在Microsoft Word中通过宏接入DeepSeek，实现自动化文本处理。首先确保具备Word 2016及以上版本、DeepSeek API密钥和VBA基础。接着，从豆包平台获取API密钥及模型ID，并在Word中启用开发者选项和宏功能。最后，编写VBA宏代码调用DeepSeek API，完成文本分析与处理。

本文介绍一款专为儿童语音产品设计的音频诊断脚本：自动扫描最新kid_*.wav文件，提取采样率、通道、位深等元信息，分段计算RMS能量识别有效人声，并调用ASR模型验证识别效果，输出结构化JSON报告，快速定位“识别为空”等线上问题根因——是录音故障、参数异常，还是模型本身问题。

本文是RAG实践指南，直击核心问题：**该不该做RAG？** 明确其仅解决“模型不知道”（非“没听懂”），提出五大禁用场景——知识量小、需行为矫正、要精确计算、更新极慢等，并厘清RAG与微调的分工。强调：资料能塞进上下文就别上RAG；效果上限取决于资料质量，而非技术选型。

2026年10月，阿里云与清华联合研发的智算中心高性能网络（HPN）获CCF科技进步一等奖。其“双层扁平、高密多轨”架构、动态路径调度与秒级根因定位技术达国际领先水平，显著提升万卡集群带宽利用率与稳定性，夯实AI从“能说”到“能干”的底层神经。