本指南系统解析 Coze Loop 架构，涵盖项目结构、DDD 设计、技术栈与学习路径，助你从零掌握 AI Agent 平台开发与贡献。

大型语言模型作为智能体在真实环境中持续交互学习面临诸多挑战。 Trinity-RFT 是通义实验室推出的强化微调框架，旨在实现智能体的持续进化。它通过探索、训练与经验池的解耦设计，支持多样化训练模式，提升资源利用率和学习稳定性。同时，Trinity-RFT 提供灵活的数据处理与算法模块化功能，降低应用与研究门槛，助力迈向终身学习与自主进化的智能体时代。

MaxKB4J是一款基于Java开发的开源LLM工作流应用与RAG知识库问答系统，结合MaxKB和FastGPT优势，支持智能客服、企业知识库等场景。它开箱即用，可直接上传/爬取文档，支持多种大模型（如Qwen、通义千问等），具备灵活的工作流编排能力，并无缝嵌入第三方系统。技术栈包括Vue.js、Springboot3、PostgreSQL等，提供稳定高效的智能问答解决方案。访问地址：`http://localhost:8080/ui/login`，项目详情见[Gitee](https://gitee.com/taisan/MaxKB4j)。

通义灵码新上的外挂 Project Rules 获得了开发者的一致好评：最小成本适配我的开发风格、相当把团队经验沉淀下来，是个很好功能……

在AI热潮下，算法成为互联网服务的核心驱动力，但也带来了大数据杀熟、算法歧视等问题。为规范行业发展，算法备案制度应运而生。该制度涵盖网站、APP等多种产品形式，要求企业在2个月内完成备案，依据《互联网信息服务算法推荐管理规定》等法规。未备案企业可能面临无法上线、罚款甚至刑罚的后果。备案流程包括注册、主体备案、信息填报及审核，确保算法合规运营。通过悬挂备案号、标识AI生成内容和定期自查，企业需持续维护算法安全与合规。

在现代医疗体系中，通义千问大模型与MaxKB知识库的结合，为医生和患者提供了前所未有的支持与便利。该系统通过实时问答、临床决策辅助、个性化学习和患者教育等功能，显著提升了诊疗效率和患者满意度。实际应用如乐问医学APP展示了其强大优势，但数据隐私和安全问题仍需关注。

从使用者的角度解读通义万相AI绘画创作方案的优与劣

技术人办活动头疼？用AI指令轻松生成完整策划案！覆盖目标分析、流程设计、预算风控等八大模块，适配沙龙、发布会等多种场景。结合国产AI工具，30分钟搞定专业方案，助力开发者高效落地活动。

本文介绍了如何利用AI技术简化SQL查询操作，让不懂技术的用户也能轻松从数据库中获取信息。通过本地部署PostgreSQL数据库和Ollama模型，结合Java代码，实现将自然语言问题自动转换为SQL查询，并将结果以易懂的方式呈现。整个流程简单直观，适合初学者动手实践，同时也展示了AI在数据查询中的潜力与局限。

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。

2025年6月17日，微医控股与阿里云达成战略合作，共建医疗AI基座及医疗全场景智能体。双方将基于通义千问大模型打造医疗垂类大模型，升级微医“5+1”智能体，并在诊断、用药、健康管理等环节深化应用。微医将结合阿里云技术优势推进IDC上云，助力AI+医疗基础设施建设，共同制定行业标准并推广城市级AI数字健共体。目前，微医AI服务已连接全国1.2万家医院和30万名医生，健康管理会员超100万。

在前两篇文章中，我分别讲解了如何将产品上架到 Chrome Web Store 和 Firefox Add-ons。今天，我们将继续探索另一个重要的浏览器插件市场——Microsoft Edge 插件商店。如果你已经熟悉 Chrome 和 Firefox 插件的上架流程，那么这篇文章会让你更快上手 Edge 插件的发布。同时，我也会在关键环节与 Chrome 和 Firefox 进行对比，帮助你更好地理解三者的异同。

生成式AI（Generative AI）是指一类能够自主创造新内容的人工智能技术，这些内容可以是文本、图像、音频、视频等。与传统的分析性或分类性AI系统不同，生成式模型的主要任务不是对现有数据进行分类或预测，而是生成全新的、之前不存在的数据实例。这些模型通过学习现有数据集中的模式和规律，能够创造出逼真或富有创意的内容。

通义听悟再升级，上线自动提取ppt等三大实用功能

简介：本文带你用Java结合MQTT协议与EMQX服务器，在Ubuntu上实现两个程序的“隔空传话”。通过搭建消息代理、编写发送/接收代码，让Java应用实现实时通信，附完整源码与调试技巧，轻松掌握物联网通信核心技能。✨

本文介绍了算法备案的背景、法规依据、备案类型及流程，涵盖生成合成、个性化推送等五大算法类型，并详细说明所需材料与备案周期，强调未备案将面临行政处罚甚至刑事追责，助力企业合规运营。

本文介绍如何基于RAG实现知识库问答系统的输入内容纠错功能。通过加载本地知识库、构建向量数据库，结合大语言模型对输入文本进行检索比对与纠错优化，提升问答准确性。

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。

LHM是一种基于单视角图像的端到端Transformer模型，结合SMPL-X人体模型与高斯渲染技术，可从一张照片生成可驱动的3D数字人。它采用Vision Transformer和Mae模型提取特征，并通过Body-Head Transformer融合2D与3D信息，输出具有动作能力的高精度3D人体模型。应用于动作重现、游戏角色生成及虚拟现实等领域，代码已开源并提供在线体验入口。

Arthas ognl（执行ognl表达式）

通义万相2.1首尾帧模型开源！细节真实生动+过渡丝滑，指令遵循表现出色！

通义智文是阿里巴巴推出的大规模文档处理技术体系，旨在提升生产力效率。最初作为阅读工具发布，现已发展为涵盖文档解析、理解、生成等多方面的技术平台。通义智文支持超长文档处理、多模态文本解析，并在法律、教育等领域提供专业服务。其创新算法如VGT版面分析和Layout-LM多模态模型，显著提升了文档处理精度。应用场景包括PPT创作、故事绘本生成及法律文书审查等，赋能千行百业。

GenSX 是一个基于 TypeScript 的函数式 AI 工作流框架，以“函数组合替代图编排”为核心理念。它通过纯函数组件、自动追踪与断点恢复等特性，让开发者用自然代码构建可追溯、易测试的 LLM 应用。支持多模型集成与插件化扩展，兼具灵活性与工程化优势。

本指南深入解析开源终端AI助手Gemini CLI的架构设计，涵盖项目结构、核心流程与技术栈（TypeScript/React+Ink/Node.js），并提供从环境搭建到贡献代码的四阶段学习路径，助力开发者掌握AI编程工具开发精髓。

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。

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。

Arthas sc（查看JVM已加载的类信息 ）

Arthas monitor（方法执行监控）

雷鸟创新X阿里云：AR眼镜接入通义大模型！

珠宝设计师专用的大模型是否需要备案？本文解析大模型备案与算法备案的区别及法规边界。大模型备案针对公众服务，仅面向专业设计师可暂缓；但算法备案必须完成。涉及深度合成类算法的企业需在30日内备案。合规不仅是义务，更是提升企业竞争力的关键。

本文介绍了DeepSeek大模型的本地部署方法、使用方式及API接入。首先，通过下载Ollama平台部署DeepSeek-R1模型，提供7种不同参数版本（1.5b至671b），用户可根据硬件选择合适的模型大小。接着，文章详细描述了如何在终端运行命令启动模型，并通过Chatbox官网下载并接入DeepSeek API，实现本地和云端模型的交互。最后，提及了DeepSeek官网和集成工具如POE的使用，帮助用户更好地利用DeepSeek进行开发和应用。

随着人工智能技术的不断发展，语音生成和理解模型在各个领域得到了广泛应用。本文将评测两个由FunAudioLLM团队开发的多语言语音模型——[CosyVoice](https://github.com/FunAudioLLM/CosyVoice)和[SenseVoice](https://github.com/FunAudioLLM/SenseVoice)，并结合阿里云开发者社区的相关资源，探讨其在实际应用中的表现。

让AI更通用的“通义”大模型，来了！

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。

Qwen3系列模型具备强大Agent能力，但从模型到Agent仍存技术难题。为此，我们推出基于Qwen-Agent框架的3个CookBook示例，展示如何让Qwen3丝滑调用MCP Server全过程。不论是本地部署还是API调用模型，开发者均可通过Qwen-Agent完成复杂任务。CookBook包括自然语言驱动数据库操作、云端高德API地理服务及文档转思维导图等功能。Qwen-Agent封装了工具调用模板和解析器，原生支持MCP协议，大幅降低开发成本。欢迎体验并反馈。

OmniAudio 是一项突破性的空间音频生成技术，能够直接从 360° 视频生成 FOA（First-order Ambisonics）空间音频，为虚拟现实和沉浸式娱乐带来全新可能。通过自监督 coarse-to-fine 预训练和双分支视频表示微调，OmniAudio 在非空间音频质量和空间定位准确性上显著优于现有方法。项目包含超过 103,000 个视频片段的 Sphere360 数据集，支持高质量的模型训练与评估。代码、数据及论文均已开源，助力沉浸式体验技术发展。

Arthas jad（字节码文件反编译成源代码 ）

随着《生成式人工智能服务管理暂行办法》在2024年实施，算法备案成为强制性要求。未合规将导致APP下架或高额罚款。本文详解算法备案的核心逻辑与流程，涵盖必备案算法类型、三大监管红线、六大阶段的关键节点，并提供阿里云工具支持，如合规预评估平台和备案助手插件。内容包括金融风控算法的可解释性要求、生成式AI的内容安全措施及个人开发者的技术能力证明方法，助力开发者实现持续合规。

阿里通义千问大模型加持，专攻音视频生产力的「听悟」来了

通义实验室Trinity-RFT团队提出CHORD框架，通过动态融合SFT与RL，解决大模型训练中“越学越差”“顾此失彼”等问题。该框架引入细粒度Token级权重与软过渡机制，实现从模仿到超越的高效学习，在数学推理与通用任务上均显著提升性能，相关代码已开源。

GPU上大语言模型的内存主要由模型权重和KV缓存构成。70亿参数模型以16位精度加载时，权重占约14GB；KV缓存则随批大小和序列长度线性增长，显著影响显存使用，限制推理吞吐与长上下文处理。