人工智能

1. 首页
2. IT互联网
3. 人工智能

从 ChatBot 到具身 Agent：我终于看懂 AI 的下一代交互入口

我最近在研究魔珐星云，本来只是想看官网、搞一下 SDK，再做个小 Demo。结果看着看着，问题变了，为什么现在很多 Agent 明明已经很聪明了，但看起来还是一个聊天框？过去一年，大家做 Agent 的方式已经很熟了，LLM 接知识库，接工具调用，接工作流&#

人工智能 2026年05月23日 128 点赞 0 评论 12622 浏览

【OpenClaw从入门到精通】第01篇：保姆级教程——从零开始搭建你的第一个本地AI助理（2026实测版）

摘要：本文聚焦2026年开源AI代理工具OpenClaw的本地部署与实操，从核心概念拆解入手，先厘清OpenClaw、Gateway、Skills、ClawHub的关联，再明确硬件系统要求与大模型API-Key准备要点，通过官方一键安装脚本完成本地部署，并配置阿里云百炼API实现大模型对接。以“让AI助理抓取

人工智能 2026年04月24日 94 点赞 0 评论 12611 浏览

物理-压强笔记及错点整理

常考常错类型： 1.实验题分析结论 【注意要点】 1.注意控制变量（例如在同种液体同一深度处，液体的压强相等；同种物质同种xx同种xx.....，xx和xx和xx.....的关系） 2.注意顿号逗号文字的使用（因为教研员很恶心，会咬文嚼字），例如“分析比较____，得出结论....”这类题中，写“1，2，3,或4”“1、2、3或4”“1和2和3，或4和5和6，或7和8和9” 错误示范： （1）“1

人工智能 2025年06月11日 96 点赞 0 评论 12606 浏览

数据中台的数据清理

本来我想是根据现在流程的模式建立数据中台，但是我发现同样的目的下也许有一个其他方案 首先在数据采集和数据清洗上，由于数据源是多种多样，现在是需要导入的大数据平台中，然后进行清洗。但是，现在的数据源很多是excel，需要先导入到Mysql中，在导入的大数据平台平台上，一方面通过开发工具支持excel解析很慢，另一方面目前也没有大数据平台，等到建立起ODS层还不知道猴年马月呢。 今天看了Tableau

人工智能 2025年06月18日 35 点赞 0 评论 12595 浏览

还在手动绘图？这5款AI工具帮你瞬间生成专业流程图！

一张清晰的流程图，有时胜过千言万语。无论是梳理业务流程、展示产品逻辑，还是进行团队协作，一张结构清晰、逻辑严谨的流程图，总能让沟通更加高效。但说到绘制流程图，过程确实有些繁琐——要一边理清思路，一边拖拉箭头、调整布局，稍不注意就需要重复修改。好在，AI已经改变了这一现状，只

人工智能 2025年06月08日 178 点赞 0 评论 12591 浏览

Kafka可视化管理工具kafka-manager部署安装和使用-已更名为CMAK

一、kafka-manager 简介 为了简化开发者和服务工程师维护Kafka集群的工作，yahoo构建了一个叫做Kafka管理器的基于Web工具，叫做 Kafka Manager。 这个管理工具可以很容易地发现分布在集群中的哪些topic分布不均匀，或者是分区在整个集群分布不均匀的的情况。 它支持管理多个集群、选择副本、副本重新分配以及创建Topic。同时，这个管理工具也是一个非常好的可以快速浏

人工智能 2025年11月29日 92 点赞 0 评论 12575 浏览

R语言-稀疏矩阵对象格式学习-重点理解稀疏矩阵对象的重构

稀疏矩阵几乎产生于所有的大型科学工程计算领域，记录样本特征值的稠密矩阵中很多记录值都是0，由于0不携带信息，因此耗费空间存储0元素是很浪费资源的行为。而且很多计算只对非零元素进行操作，将特征矩阵构建成稀疏矩阵，可以很容易的索引到非零元素，所以基于稀疏矩阵的数据运算，可是实现更低的资源占用和更快的计算速度。 在单细胞领域，稀疏矩阵对于处理 scRNA-seq 表达谱数据是非常必要的，构建分析对象的

人工智能 2025年09月29日 180 点赞 0 评论 12571 浏览

27《大概念教学》

人工智能 2026年04月19日 126 点赞 0 评论 12570 浏览

AI Glasses实践应用全解析：从思路到落地开发

本文基于 Rokid AI Glasses 智能眼镜落地开发展开全面解析。智能眼镜作为集成 AR 技术、人工智能与可穿戴计算能力的设备，正从概念走向实际应用，有望成为下一代移动智能终端。文章从实践应用思路、AI 工作流设计、纯眼镜端应用开发、手机端协同应用开发四个维度，剖析其落地路径，为开发者提供理论到实践的完整指南。Rokid AI Gl

人工智能 2025年12月03日 78 点赞 0 评论 12568 浏览

微调模型成本太高，用RAG技术，低成本实现AI升级

文章目录 大模型 RAG 技术深度解析：从入门到进阶 一、大语言模型（LLM）的三大痛点 1.1 幻觉问题：一本正经地胡说八道 1.2 时效性问题：知识更新不及时 1.3 数据安全问题：敏感信息泄露风险 二、RAG 技术：检索增强生成 2.1 RAG 的定义 2.2 RA

人工智能 2026年03月01日 93 点赞 0 评论 12566 浏览