本文介绍MaxCompute SQL AI如何通过`AI_GENERATE`函数，直接在SQL中调用通义千问Qwen3-1.7B模型实现轻量级评论情感分析（正面/负面/中性）。无需切换环境、无需AI开发经验，仅需标准SELECT语句+精准提示词（含`/no_think`），即可完成端到端分析，兼顾准确性、效率与易用性。

本文介绍轻量化MapReduce在本地大模型文本处理中的实践：以Qwen1.5驱动的超长文本总结和BERT驱动的新闻分类为双案例，通过“分治-并行-聚合”范式，解决单进程内存溢出、算力不足等问题，在CPU环境下高效完成大规模中文文本处理。

本系统是面向大模型的智能健康度监测平台，采用前后端分离架构（Flask+HTML/CSS/JS），实现四层立体监控（系统资源、模型运行、服务性能、业务质量）。支持实时指标采集、动态基准线告警、多维性能评分及可视化看板，具备请求全链路追踪与预测性运维能力。

本文剖析AI Agent搭建师面临“上下挤压+落地鸿沟”的职业焦虑根源，指出其本质是行业演进下的角色升级需求。文章提出从成因拆解、定位重构（转向“确定性业务结果的系统架构师”）、能力升级（SOP状态机、幻觉对抗、RAG治理）到路径落地的完整破局框架，助力从业者转型为AI业务架构师或AI系统工程师。（239字）

本文深入解析大模型微调三大技术：全量微调、LoRA与QLoRA，对比其原理、资源需求与适用场景，并手把手教你用低显存显卡炼出专属领域模型。结合实践代码与效果评估方法，助力开发者低成本实现AI私有化部署，打造懂业务的“私人助理”。

聚焦西南产业需求，以Coze平台为载体，构建从基础认知到工程落地的AI智能体四阶课程体系。融合文旅、餐饮、制造等真实场景，培养具备结构化思维、工作流编排与RAG优化能力的实战型人才，推动AI从“能用”走向“长期跑”，助力区域产业升级。

随着AI智能体从“聊天助手”迈向“业务执行者”，运营角色正从调Prompt转向系统编排。2026年，智能体运营需构建观察、规划与行动闭环，Python成为关键工具——它让参数可感知、RAG可定制、工具调用可落地。成渝产业场景驱动下，懂业务、会代码的复合型人才，将成为智能体落地的核心力量。

Google DeepMind提出FunSearch，突破AI“幻觉”困境。它让大模型生成解题代码而非直接答案，通过进化式筛选发现数学规律，成功破解20年未解的“顶盖集”难题，并优化装箱算法，展现人机协同探索科学真理的新范式。

本文探讨了大模型从知识储备到实用助手的进化过程。首先分析了原始预训练模型存在的问题：擅长文本补全但缺乏指令理解能力，可能生成有害或无关内容。然后详细介绍了指令微调技术，通过高质量(指令-输出)数据集教会模型理解并执行翻译、总结、情感分析等任务。进一步阐述了人类对齐技术，包括基于人类反馈的强化学习(RLHF)的三个关键步骤，使模型输出不仅符合指令，更符合人类价值观。最后展示了Qwen模型微调实践，包括代码实现和效果对比。整个过程将AI从知识库转变为既强大又安全可靠的智能助手。

技术选型往往受限于主观偏见和认知盲区。本文提供了一套“技术选型分析”AI指令，将大模型化身为客观的架构审计员，通过多维度评分和风险评估，帮助开发者从“经验驱动”转向“证据驱动”，做出经得起时间考验的技术决策。

本文系统介绍了机器学习模型评估的核心指标与方法。首先阐述了混淆矩阵的构成（TP/FP/FN/TN），并基于此详细讲解了准确率、精确率、召回率和F1分数的计算原理和适用场景。特别指出准确率在不平衡数据中的局限性，强调精确率（减少误报）和召回率（减少漏报）的权衡关系。然后介绍了ROC曲线和AUC值的解读方法，说明如何通过调整分类阈值来优化模型性能。最后总结了不同业务场景下的指标选择策略：高精度场景侧重精确率，高召回场景关注召回率，平衡场景优选F1分数，不平衡数据则推荐使用AUC评估。

AI重构信息分发，GEO成品牌新基建。2025年AI搜索占全球63%，传统SEO失效，生成式引擎优化（GEO）通过结构化数据、语义适配与权威构建，助力内容在AI答案中优先被引。本文解析GEO六大核心挑战与落地策略。

本指南详细介绍如何在TensorRT-LLM中优雅集成新大语言模型，涵盖模型配置、定义、权重加载与注册全流程，支持作为核心模块或独立扩展集成，助力高效推理部署。（238字）

本项目旨在通过自然语言交互，结合通义千问AI模型，构建一个智能高考志愿填报系统。利用Vue3与Python，实现信息采集、AI推荐、专业详情展示及数据存储功能，支持响应式设计与Supabase数据库集成，助力考生精准择校选专业。（239字）

本文介绍了基于Spring Security的权限管理框架，涵盖认证、授权与鉴权核心概念，通过快速入门示例演示集成流程，并结合数据库实现用户认证。进一步扩展实现正常登录，JWT登录及鉴权管理器，实现灵活的安全控制，适用于前后端分离项目中的权限设计与实践。

0-1背包问题是经典的组合优化问题，目标是在给定物品重量和价值及背包容量限制下，选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决，通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值，利用状态转移方程避免重复计算子问题，从而高效求解最优解。

本文深入解析Agentic AI协议的四大核心协议——MCP、A2A、ACP与ANP，涵盖技术特性、应用场景及选型指南，助你掌握多代理协作系统构建要点。

本文详解AI知识库在企业中的应用，涵盖架构设计、文档处理、工作流优化与性能调优等核心技术，结合实际案例帮助读者避开落地过程中的常见陷阱，适合希望提升AI应用能力的技术人员阅读。

ReAct模式通过“推理+行动”循环，使大语言模型能自主调用工具、获取实时信息并执行多步骤任务，有效突破LLM固有局限，提升任务准确性和智能化水平。

2025年7月，中央网信办发布第十二批深度合成算法备案信息，全国389款产品通过备案，服务提供者占比超七成。截至7月14日，全国累计备案达3834款，覆盖文本、图像、音视频等多模态场景，广泛应用于生活服务、医疗、金融等领域。广东以135款居首，数字人、AI客服等C端应用主导，民营企业成主力，国企聚焦公共服务。随着AI政策推动，备案已成为AI产品合规上线关键环节。

本简介介绍了AI技术如何赋能教育行业，结合阿里云“通义千问”大模型，助力海豚大数据及人工智能实验平台实现个性化教学、智能答疑与资源优化，推动高校与企业人才培养模式革新，构建终身学习生态体系。

本文深入探讨了通义大模型在文档自动化处理中的应用，重点解决传统OCR识别精度低、效率瓶颈等问题。通过多模态编码与跨模态融合技术，通义大模型实现了高精度的文本检测与版面分析。文章详细介绍了OCR集成流程、批量处理优化策略及实战案例，展示了动态批处理和分布式架构带来的性能提升。实验结果表明，优化后系统处理速度可达210页/分钟，准确率达96.8%，单文档延迟降至0.3秒，为文档处理领域提供了高效解决方案。

CoGenAV 是一种创新的多模态语音理解模型，核心理念是实现“音画同步”的深度理解。通过学习 audio-visual-text 的时序对齐关系，构建更鲁棒、更通用的语音表征框架。它在视觉语音识别（VSR）、音视频语音识别（AVSR）、语音增强与分离（AVSE/AVSS）及主动说话人检测（ASD）等任务中表现出色，尤其在嘈杂环境下性能显著提升。仅需 223 小时数据训练即可媲美传统数千小时数据的效果，大幅降低训练成本。CoGenAV 支持主流平台如 GitHub、HuggingFace 和 ModelScope，助力多场景应用开发。

深度合成技术正深刻改变生活，其算法备案对保障技术安全至关重要。目前已有3445款算法通过备案，其中服务提供者占76.78%。本文详解服务提供者与技术支持者的角色差异、审核重点及文件要求，强调两者不可混用且需独立备案。只有严格遵循备案流程，才能让深度合成技术真正造福大众，推动行业健康发展。

java的jar后台启动

Arthas heapdump（dump java heap, 类似 jmap 命令的 heap dump 功能）

🚀 从零到大师 | 通义万相智能创作系统部署指南

通义灵码现在已经全面支持 Qwen3，并正式上线编程智能体，具备自主决策、环境感知、工具使用等能力，可以根据开发者的诉求，使用工程检索、文件编辑、终端等工具，端到端地完成编码任务。

Arthas memory（查看 JVM 内存信息）

本文分享了作者在AI领域的创作心得与技术见解，涵盖从获奖经历到大模型核心技术的深入解析。内容包括大模型推理过程、LLM类型、prompt工程参数配置及最佳实践，以及RAG技术和模型微调的对比分析。同时探讨了AI对社会和个人的影响，特别是在deepseek出现后带来的技术革新与应用前景。适合希望了解AI大模型技术及其实际应用的读者学习参考。

通义灵码是基于通义大模型的AI研发辅助工具，提供代码智能生成、研发问答、多文件修改等功能，帮助开发者提高编码效率。本文通过手把手教程，使用通义灵码开发一个简单的Python时钟程序，展示其高效、智能的编码体验。从环境准备到代码优化，通义灵码显著降低了开发门槛，提升了开发效率，适合新手和资深开发者。最终，你将体验到AI加持下的便捷与强大功能。

《个人信息保护合规审计管理办法》由国家互联网信息办公室于2024年5月20日审议通过，自2025年5月1日起施行。该办法旨在规范个人信息保护合规审计活动，确保个人信息处理者遵守相关法律法规，保护个人权益。主要内容包括：个人信息处理者的合规审计义务、特定情况下强制审计要求、专业机构的资质与责任、以及对违规行为的处罚措施等。此外，还明确了处理超过1000万人个人信息的企业需每两年至少进行一次合规审计，并对敏感信息处理、未成年人信息保护、跨境数据传输等方面提出了具体要求。

本项目利用CAMEL生成高质量的CoT数据，结合Unsloth对Qwen2.5-1.5B模型进行微调，并将结果上传至Hugging Face。通过详细步骤介绍从数据生成到模型微调的完整流程，涵盖环境配置、API密钥设置、ChatAgent配置、问答数据生成与验证、数据转换保存、模型微调及推理保存等内容。最终展示了如何优化问答系统并分享实用技巧。 [CAMEL-AI](https://github.com/camel-ai/camel) 是一个开源社区，致力于智能体扩展研究。欢迎在GitHub上关注并加入我们！

在全球化发展的背景下，语言翻译与本地化需求日益增长。无论是跨境电商、国际合作，还是本地化应用开发，都需要高效、准确的翻译解决方案。阿里云通义千问作为一款强大的大语言模型，不仅具备出色的自然语言理解能力，还能够在多语言翻译和本地化场景中发挥重要作用。本博客将详细介绍如何基于阿里云通义千问开发语言翻译与本地化工具，包括产品介绍、程序代码以及阿里云相关产品的具体使用流程。

随着人工智能的发展，**文本生成图像（文生图）**技术在广告创意、视觉设计、内容营销等领域应用广泛。阿里云通义千问作为先进的大语言模型，不仅具备强大的文本理解能力，还能与图像生成技术结合，实现根据文本描述自动生成高质量图像。 本博客将展示如何使用通义千问与阿里云的其他产品（如函数计算、API 网关、对象存储 OSS）搭建一个简单的文生图系统，实现用户输入文本并生成相应图像的功能。

智能客服系统的选型需要综合考虑渠道功能、系统性能、客服工作管理、客户管理以及成本效益等因素。目前合力亿捷推出的智能知识库，梳理海量知识，根据不同主题对知识进行分类，使其结构更清晰。

作为一名系统架构师，我试用了通义灵码个人版，发现其显著提升了开发效率，整体提效达30%。具体流程包括在VSCode中安装插件、登录阿里云账号、使用灵码进行代码解释、注释、优化及单元测试等。灵码在代码生成速度、质量及解释方面表现出色，但在账号登录和默认注释语言方面仍有优化空间。

“NoSuchProviderException”是Java中的一种异常，通常在尝试使用未安装或未正确注册的安全提供者时抛出。解决方法包括确保所需的安全提供者已正确安装和配置，或在代码中显式添加提供者。

本文介绍了前端开发中遇到的奇怪报错问题，特别是当错误信息不明确时的处理方法。作者分享了自己通过还原代码、试错等方式解决问题的经验，并以一个Vue3+TypeScript项目的构建失败为例，详细解析了如何从错误信息中定位问题，最终通过解读错误信息中的ASCII码找到了具体的错误文件。文章强调了基础知识的重要性，并鼓励读者遇到类似问题时不要慌张，耐心分析。

“莫愁前路无知己” - 本文主要是为了缓解焦虑，以我与AI的互动为主线，分享了从童年科幻梦到工作中应用AI的经历。探讨了AI的现状与未来，强调了AI辅助编程的潜力和挑战，以及个人和企业应如何应对AI时代的变革。AI虽可能替代很多岗位，但也能带来新的机遇，关键在于适应和利用。

9月20日杭州云栖大会上， NVIDIA DRIVE Orin系统级芯片实现了与阿里云通义千问多模态大模型Qwen2-VL的深度适配。阿里云、斑马智行联合NVIDIA英伟达推出舱驾融合大模型解决方案，基于通义大模型开发“能听会看”的智能座舱助理，让车内人员通过语音交流就能操作座舱内的各类应用，享受极致丰富的交互体验。

在C语言中，`enum`（枚举类型）允许用户定义包含命名整数常量的数据类型，提高了代码的可读性和可维护性。通过关键字`enum`定义枚举，如`enum Color {RED, GREEN, BLUE}`。枚举值默认从0开始递增，也可自定义。枚举类型实际上是整型的别名，可用于简化代码并限制变量的具体取值范围。

本周Github Trendings共有14个项目上榜，按开发语言汇总如下：Python项目7个，TypeScript项目5个，C项目2个，JavaScript项目2个，Go和Batchfile项目各1个。其中亮点包括开发者职业成长指南、Windows激活工具、ComfyUI图形界面、AFFiNE知识库、易采集可视化爬虫等项目，涵盖多种实用工具和开源平台。

首批！通义千问通过国家大模型标准评测