腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

腾讯专区

订阅及关注

云计算

人工智能

前端

后端

编程语言

数据库

大数据

音视频

安全

物联网

硬件

运维

测试

网络与通信

架构设计

开发工具

操作系统

职业发展

算法

管理

为你推荐

腾讯专区

订阅及关注

云计算

人工智能

前端

后端

编程语言

数据库

大数据

音视频

安全

物联网

硬件

运维

测试

网络与通信

架构设计

开发工具

操作系统

职业发展

算法

玩转OpenClaw云端创意实践

腾讯云轻量服务器+OpenClaw快速打造企业智能对话中枢

本方案旨在指导用户在腾讯云轻量应用服务器（Lighthouse）上部署 OpenClaw（开源多渠道智能对话框架），并通过配置 models、channels、skills 实现企业微信Bot和应用的无缝接入。OpenClaw 作为轻量级框架，支持快速集成社交平台，降低开发门槛。

穿过生命散发芬芳

2026-02-24

第四期热点征文-大模型技术

大模型应用：RAG与向量数据库结合Ollama调用模型深度融合全解析.27

通过多篇博文我们也反复介绍说明了大模型知识滞后、生成幻觉成为制约智能问答、企业知识库等场景落地的核心痛点，检索增强生成（RAG）技术通过“外部知识检索 + LLM 生成” 的模式，为解决这些问题提供了关键思路，而向量数据库则是 RAG 发挥价值的核心底座。今天我们从一个新的视角，以本地员工手册智能问答系统为内容载体，从基础概念到实践，系统拆解 RAG 与向量数据库的深度融合逻辑，同时引入 Ollama 这一轻量级本地大模型运行工具，增加实用性和便捷性。

未闻花名

2026-02-24

人工智能 LLM

Anthropic突然开火：中国大模型被指大规模蒸馏攻击

近日，美国顶尖AI独角兽 Anthropic 突然在社交媒体 X 上发难，公开指控三家中国头部AI企业——DeepSeek、Moonshot AI 和 MiniMax，称其对 Claude 模型发起了工业规模的蒸馏攻击。这样指名道姓的公开指控极为罕见，瞬间引爆了全球科技圈的舆论。

IvanCodes

2026-02-25

前端框架前端工程化前端

可视化搭建的背后：元数据驱动前端页面的生成与解析

想象一下这样的场景：仓库管理员需要在3小时内紧急上线一个临时库存盘点界面，采购专员希望快速定制一个供应商评估看板，物流经理急需一个实时配送监控页面。传统的编码开发方式在这种快速变化的业务需求面前显得迟缓而笨重，往往需要数天的开发周期和复杂的部署流程。

叶一一

2026-02-25

玩转OpenClaw云端创意实践 OpenClaw(Clawdbot)

🦞 玩转 OpenClaw 云端创意实践｜一文带你玩转 OpenClaw，提升工作生产力

导语：在 AI 浪潮中，你是选择适应工具，还是让工具适应你？OpenClaw 作为一个自托管的个人 AI 助手系统，不仅能聊天，更能帮你“办实事”。本文将带你从零开始，实现在腾讯云 Lighthouse 上一键部署 OpenClaw，并深度对接企业微信。

宝耶需努力

2026-02-25

软件测试回归测试软件质量保证人工智能 AI助力10X效能实践

如何用 AI 提升回归测试效率

回归测试本应是质量保障的最后一道防线，却常常变成效率黑洞：用例数量随项目迭代指数级增长，维护成本居高不下；每次全量回归耗时太长，只能选择性执行又担心遗漏关键场景；误报率高让团队逐渐对自动化测试失去信任。我们投入大量资源构建测试体系，却发现自己陷入了“为测试而测试”的怪圈——真正的质量问题没被发现，团队却被海量的测试数据淹没。

AI智享空间

2026-02-25

大模型部署

大模型应用：面向结构化表格的 RAG 实践：技术架构与特性解析.26

自RAG处理以来，我们都始终以非结构化文本（文档、PDF、网页）为核心处理对象，但实际企业在运转过程中，很多核心数据沉淀于Excel、CSV等结构化表格中，这些数据承载着财务报表、销售明细、库存清单、政务统计等关键业务信息，RAG技术虽在知识问答领域取得显著成效，但面对结构化表格时却陷入适配困境，传统RAG将表格强行转为纯文本串，丢失列头与行数据的语义关联，导致检索精度不足；多表格融合查询时需手动拼接上下文，效率低下；且随着检索框架版本迭代，兼容性也会产生很多莫名其妙的适配问题。

未闻花名

2026-02-23

万字codex使用安装教程全攻略：看这一篇就够了

实际体验： Codex = 一个愿意花 10+ 分钟思考一次性给你写出生产级代码的狠角色

用户11225765

2026-02-23

[ PostgreSQL] PostgreSQL数组操作：为特征工程节省80%存储

做算法的同学都知道，特征工程是机器学习 pipeline 中最耗时的环节。但很少有人意识到，特征存储的Schema设计才是那个藏在暗处的性能杀手。

二一年冬末

2026-02-24

数据集市数据挖掘

从0开始全面认识高质量数据集建设（4）

上一篇中，我们了解了高质量数据集建设流程中至关重要的“需求调研”与“数据规划”两大环节，掌握了从现状摸底、场景拆解到供需确认的五步调研法，成功输出了高质量数据集清单；还深入学习了如何通过基本信息编目、内容结构设计及生产加工要求的明确，为数据集制定出详尽的《目录建设标准》。然而，仅有清晰的蓝图和清单还不够，如何将这些规划转化为实实在在的高质量数据？接下来，我们将探讨数据工程的具体实施路径。

zhouzhou的奇妙编程

2026-02-17

凌晨好！

欢迎来到腾讯云开发者社区

沙龙日历

加入讨论

的问答专区 >

最具价值作者榜