人脸识别+AI技术如何实现智慧工地履约考勤?

腾小云导读:

智慧工地如何理解?什么是履约考勤?跟AI有什么关系?

履约考勤管理系统是属于智慧工地的应用,目的在于加强对履约人员的管理。履约考勤管理系统主要利用了腾讯云AI技术,实现履约考勤管理的智能化。考勤大家用得非常多,但是我们在履约考勤的基础之上,结合工地实际的情况实现智能化。

本文整理自四川云检科技发展有限公司研发总监吴琛在7月28日云加社区沙龙上的精彩分享。

本文共:4334 字 13 图,预计阅读时间: 10 分钟

大家下午好,我主要是针对智慧工地履约考勤系统的应用实践跟大家进行一次交流。这次的讲解分六个部分,前沿,产品分析,系统架构,主要技术,功能分析,应用展望。做一款产品肯定有特定的原因:响应交通运输部公路品质工程建设的号召,加强四新技术的应用。我们在小学课本里面学的赵州桥、都江堰,包括今天国家游泳中心,水立方、鸟巢都是典型的品质工程。品质过程当中要求加强四新技术的应用,四新技术包括新材料、新设备、新技术以及新工艺的应用。

什么是履约考勤?

履约考勤管理系统是属于智慧工地的应用,目的在于加强对履约人员的管理。履约考勤管理系统主要利用了腾讯云AI技术,实现履约考勤管理的智能化。考勤大家用得非常多,但是我们在履约考勤的基础之上,结合工地实际的情况实现智能化。

履约考勤带给我们的几个问题:什么是履约考勤?第二为什么需要履约考勤?第三履约考勤怎么做?以及如何实现智慧的履约考勤。考勤就是考查出勤,通过这个方式获取员工或者团队个人在某个特定的场所,特定的时间段内的情况,履约广泛来说就是履行约定,对合同中的双方来说就是行使自己的权力和义务。履约在工程项目当中往往指的是针对施工方的履约。履约考勤实际上就是对咱其中一部分人员的考勤进行管理。

第二、为什么需要履约考勤?

履约考勤是合同履约管理的一个重要环节。通过加强人员履约管理能为项目建设工程、质量保驾护航。在实际的应用当中履约考勤的对象指的是包括施工单位的项目经理、总工、安全生产负责人、设计单位的驻地设计代表,试验检测工程师等一些重要的人员。人员的履约管理还要符合国家公路水运工程相关的文件要求。通过对人员的履约考勤能够避免冒名顶替。

我们在开发履约考勤之前对一些主流的考勤的设备进行了分析。主流的考勤,如指纹考勤是目前用的最多的一种方法,其优点在于识别效果好,速度快。但存在部分人员无法使用的情况。第二种ID卡考勤,应用也很广,好处是速度快,但是存在员工代打卡的现象。有些单位开发了一种设备,施工的人员戴上安全帽从相应的地方走过的时候就有了考勤信息。但也存在代打卡问题。

第三种纸卡钟考勤。这种也存在一个代打卡的现象。第四种就是人脸识别考勤机,对使用环境存在限制,不能在户外使用。我们研究的重点,就是既能实现定点考勤,又能实现移动考勤。当然还有虹膜识别,虹膜识别的设备在国内生产较少。它的成本非常高,对安全级别要求高的地方才会用。还有指静脉识别,目前主要是日本厂家生产居多。缺点是设备识别速度较慢,不适合大规模人群的使用。但它能够解决一些代打卡的现象。以上是一些主流的考勤设备。还有一些是基于互联网的考勤。比如说钉钉考勤,包括企业微信等等。这些都是基于账号或者是手机号码验证,可以记录考勤的人员和位置,但是解决不了冒名顶替的问题。

我们在工程项目上用的履约考勤往往要注意的是人员真实性的问题。要开发新的考勤系统是因为工程建设方与参建方属于监督与被监督的关系,管理部门对履约人员信息的真实性有更高的要求。且建设项目工地环境大多比较恶劣,基于云端的核身的功能尤为重要。我们现在通过用腾讯云的人工智能的技术,那么增加了云端的功能。在施工现场普遍存在人员变更的情况。因为有了智能手段,变更的信息自动识别出来。同时方便部署。人工智能、人脸识别考勤与移动互联网的考勤在一起形成了智慧考勤。

我们将从六个方面实现考勤智能化:

第一要确保它是基于云端的。这样部署成本比较低,管理与维护更便捷,同时能确保数据真实性。

第二要基于人工智能。腾讯云的人工智能,人脸识别技术包括人脸的检测与分析,五官的定位,人脸比对见证,活体检测等。

第三基于云计算。通过搭建云平台实现终端设备,数据的处理和资源的共享。

第四要连接大数据。一方面实现施工过程中考勤数据的产生,另一方面对所产生的数据能够进行收集整理再利用,为管理层提供决策依据。这同样可以应用于监管单位,政府主管部门。

第五接入移动应用,包括智能手机,平板电脑,移动APP。

第六支持智能设备,包括人脸识别,前端打卡,数据上传。

通过这六个方面保障我们的智慧考勤。智能履约考勤具有以下的特点:具备人员人脸基本信息的采集和录入功能;能够基于人员人脸信息的自动识别、采集、比较;支持人员信息与人员身份证信息的核验;支持考勤地点的设置及异常考勤位置的判断;支持关键岗位的异常考勤信息的预警以及关键岗位缺勤信息进行预警;对履约人员信息变更进行在线管理,云端对考勤的结果进行验证。

智慧考勤主要技术

通过客户端的初验及云端终验,确保数据真实可靠。系统架构采用“云+端”的结构设计,包括了PC端的管理以及腾讯云服务,支持多端的移动考勤以及固定点考勤,支持多个项目的接入和考勤的架构的情况。智慧考勤的主要技术主要包括了人脸对比,认证核身;活体检测、云短信LBS;GPS等等。腾讯云的人脸对比是根据面部特征计算两张人脸的相似度,自动进行身份鉴别。在比较了阿里、百度、华为的人脸对比功能之后,我们还是选择了腾讯云。

在系统中通过对人员考勤的照片与核验时的照片进行对比,判断为是同一人。判断前后结合活体检测一起使用,确保每次考勤人员信息真实可靠,避免冒名顶替。在没有添加活体检测时使用手机将一张照片与另外一张照片比对的话也能重合。所以我们在考勤系统添加了活体检测这样一个技术。上面的图解释了两张照片相似度75%或者是80%的时候,就判断它是属于同一个人。

第二使用人证核身的功能。腾讯云的人证核身也是人脸核身,通过用户自拍视频或自拍照与另外一张用户事先留存的照片进行人脸的验证,确认用户的身份,这部分主要是来帮助提升业务办理的效率,降低人力成本。因为项目分散较广,每一个人员都需要建设方、管理方去进行一个核验是非常繁琐的。同时人员变更现场核验也是个繁琐的过程。所以我们应用人证核身的技术,让数据动起来,让人员少跑路。

第三使用活体检测。腾讯云的活体检测是通过人脸特征点定位跟踪识别进行3D人脸重建模型,判断是否为真人。支持多平台,包括CPU,GPU计算模式,灵活部署。

第四应用了LBS的定位服务。这个定位服务也是腾讯云的,它是基于位置的服务,通过电信移动运营商的无线电通讯网络,GSM,CDMA网获取移动终端用户的位置信息,包括地理坐标或者是大地坐标。在地理信息系统平台的支持下为用户提供相应服务的增值业务。通过设置固定考勤点的地理位置,确定适用移动端进行考勤的有效范围,可以确定考勤范围。确定考勤范围后就能够自动获取当前的位置。超过有效范围时能够进行登记以及自动进行警示。

其他还有云主机,Open CV等技术。2017年之后大量的采用了腾讯云的技术服务,只要一台机器做了备案,其他的服务器也能够很快进入备案,服务器的部署以及应用部署基本上半个小时之内就能搞定。腾讯云短信也很有自己的特点,支持签名的设置。用户可自行设置,设置好通过审核过后就可以开始使用。第三个用到的是Open CV的技术,进行移动端初步的判断和验证。

智慧考勤功能分析

云检智慧履约考勤系统利用先进的人脸识别技术,通过人脸识别网络考勤机,智能手机APP与Web端管理后台的结合与应用,实现人证合一验证,实现对关键岗位人员的履约考勤。同时也能实现考勤数据的动态分析,包括对缺岗异常的数据实现实时预警的功能。功能点主要包括以下几个方面:

第一就是个人脸识别考勤机。人脸识别考勤机它主要起到前端数据采集的作用。主要的功能包括人员信息的登记,人脸考勤以及数据上传;第二移动端APP,主要用于人脸考勤、人证核身;第三履约考勤管理云平台,这个管理云平台包含考勤管理、审批管理、统计分析、系统设置等;第四API,主要提供移动APP调用应用程序的接口,最后用到的就是腾讯云的技术服务以及人工智能当中的人脸对比,人证核身这样的应用。

人脸识别考勤机主要是针对固定点人员的考勤,数据上传到云端进行真实性验证。移动端考勤在验证上加了人工智能技术。当然它这个人员登录的时候首先由PC端录入人员的信息,用户通过手机号码登录手机端。未进行人证核身的先要进行一个核身,核身过后才能进入打卡的界面。那么打卡的时候对于人脸进行识别,如果你识别的过程当中包括你的照片或者位置异常,会有相应的记录提醒。

同时用户也可以完成自己的打卡记录,包括岗异常考勤的信息查询。请假申请等相应的管理。首先在云端登记一个员工的姓名、身份证号码等身份信息。第一次时需先进行人证核身,核身过后进入核身界面,成功后才能进行打卡。考勤管理云平台包括了考勤管理;审批管理、履约管理以及系统管理。

应用展望

第六个方面就是应用展望。

人脸识别解决方案在诸多行业领域应用非常广泛。随着技术的发展、市场扩大,人脸识别技术在现实生活中的应用场景越来越多,价值及作用也越来越大。人脸识别可以用在建筑施工工地对现场环境及施工人员的安全管理起到一个监督的作用;对施工监理人员的出勤情况做到随时查询,同时还可以做见证取样。

有时候会存在施工单位与监理单位联合起来欺骗业主的情况。监管人员即使不在现场取样,在办公室里面就可以把录入相应的信息,实际上也可以利用腾讯云的人脸识别技术和位置定位技术。人脸识别首先识别相应的人员,同时能够通过定位技术获取取样地和取样时间。同理适用于监理人员。

对于所有进出工地施工人员,特别是重要的设备包括塔吊、升降机等设备实现人脸验证的操作,确保每项工作有迹可循。为避免项目监管不严代班产生的安全隐患可以通过有人脸验证技术,要求相关人员在使用塔吊或者升降机等重要设备的时候,必须进行人证,这样就确保必须是本人在进行操作。当然我的应用展望就是这些,更多的解决方案希望大家一起发掘,腾讯云人工智能让生活更美好,谢谢大家。

Q&A

Q:谢谢您的演讲。您刚才说有一个打卡时候需要有定位系统,现在有很多手机能够模拟位置,很多的手机有一个软件可以把位置修改到某一个地方,这种系统是有什么防范机制吗?

A:这就是一个矛盾的关系。每一个技术方案都无法做到无懈可击。但是这个应用主要是针对咱们施工现场,随着技术的发展产生的问题我们也有考虑,但这不应该是阻碍我们应用的阻力。

Q:关于您提的解决方案目前已经有在施工现场使用吗?

A:这个项目是2008年3月份开始,实际上建设的时间就两个月。5月份的时候在成都已经开始了应用。

Q:关于应用的时候它这个成本的投入是请监理方现场监督,因为不是要设人脸识别机器吗?如果是修公路的话机器和相应的摄像头都得相当于有个工程一样,都得迁移,都得投入成本。另外还有一个方面是工人的素质不高,采用这种方式的情况下会不会影响工人的工作积极性?这个工作效率能否有保证?

A:由于有这样的情况,所以我们采取云+端这样的解决方案,首先有一个固定考勤点。比如这个是安装在项目部,每个标段有一个项目部。对于每个项目有很多的工区,每个工区的人无法每天都在项目部进行打卡,针对这种情况提供手机端的解决方案,即在手机上安装相应的软件,也能实现定点打卡。所以不会存在你提及的这种情况,项目部的位置是固定的。同时我们也支持手机端,对于一些需要移动办公的人员他们可以手机打卡。


演讲嘉宾:吴琛,四川云检科技发展有限公司研发总监。具有10多年研发团队管理经验,组织参与多款软件产品研发以及部、省级信息平台建设。于2017年入选公路水运工程试验检测专家库,参与相关行业管理规范编写。

——  完  ——

推荐阅读:

干货好文!腾讯云在多个场景中的AI落地实践

如何 “20分钟”快速写出一个AI工具?

广州“开四停四”交通限行,技术上是如何实现的?

腾讯觅影是如何借助AI技术实现乳腺癌诊疗的?

关注云加社区,回复 3 加读者群

点击阅读原文,获取演讲嘉宾PPT

相关推荐

大模型的Agent Skill功能,在LLM HTTP底层交互流中是怎么承载的?

网络文章文本的 skill,昨天我实现了之后也就开始好奇起 Skills 的底层原理了——相比起各种花里胡哨的 agrnt 应用,我一直以来都很对大模型在纯粹的 HTTP 交互层面是如何交互的更感兴趣。Skill 的全部"魔法"都发生在 system prompt 的措辞和 SKILL.md 文件的编写质量上——本质上是一种 prompt engineering + 文件系统的组合。但是各种天花乱坠的 skills,是如何在底层的 HTTP 中,与大模型——这个只会嘴遁的工具交互的呢?

QcloudCommunity的博客 407

万字入门AI Infra:深入理解大模型中的数学与Infra优化

关注腾讯云开发者,一手技术干货提前解锁👇AI Infra科普、入门或者进阶 ~~ 不到 5 万字,带你融会贯通理解大模型的数学、算法、硬件到系统工程。任何问题欢迎沟通交流。可怕,我竟然有点认同这句话。当然大概率是因为姚顺宇太懂AI了,而我则是因为无知者无畏。不过仔细想想,大模型推理中的数学逻辑确实不复杂,很多原理只需要高中数学知识就能看懂。但是为什么像 vLLM 这种推理系统这么复杂呢?本文将拆解大模型中几个核心操作(RMSNorm、Softmax、Causal Mask、Sampling)背后的数学与

QcloudCommunity的博客 1170

平平无奇的源码,竟藏着Agent的核心秘密?

System Prompt 是剧本,Skill 是剧本的扩展包,Agent Loop 是演员按剧本行动。欢迎留言,我们将邀请作者针对性回复你的评论,我们将选取1则优质的评论,送出腾讯云定制文件袋套装。,让 Agent 能主动"巡逻",而不只是被动等待用户消息。OpenClaw 的 System Prompt 分层结构。的"行为底线",任何 Skill 或用户命令都无法覆盖它。精华 2:Skill 的"按需加载"避免 token 浪费。精华 1:System Prompt 是"分层乐高积木"

QcloudCommunity的博客 426

QQ音乐Harness Engineering实践

一个看似简单的需求,背后可能牵动服务调用链、配置、灰度、埋点、错误码、接口契约和历史兼容性。当 AI 开始快速生成大量代码,真正的瓶颈就不再是"写不出来",而是"看不完、想不清、管不住"。在对话式编码阶段,一种典型的工作模式逐渐流行:开发者把需求丢给 AI,扫一眼输出"看起来对"就直接采纳,不审 diff、不追问逻辑、不验证边界。以音乐商业化业务为例,一个需求可能从 TAPD 单开始,经过需求评审、技术方案、服务影响面分析、IDL 契约变更、业务代码实现、测试验证、CR、灰度上线,最后才进入稳定运行。

QcloudCommunity的博客 716

从Prompt、Context到Harness,工程的三次进化与终局之战

同时,强制要求散落各处的决策记录(Slack、邮件、文档)全部迁移至代码仓库,确保 Agent 的唯一信息来源是可信的、版本受控的仓库。更坑爹的是,研究表明,当上下文过长时,模型会出现"中间遗忘(Lost in the Middle)"现象:它对开头和结尾的内容记忆较好,对中间大段内容的关注度大幅下降。这篇文章,我想带你完整走一遍这三次进化的逻辑:它们分别解决了什么问题,它们之间是什么关系,它们的边界在哪里,以及:当三者融合,AI 工程师的终极形态究竟是什么?大语言模型的本质,就是这位金鱼助理。

QcloudCommunity的博客 719

让Skill自己训练自己:8阶段Loop、3层评测、5维AND门控,从此实现自进化

所以每一轮改动都是有据可查的,不是「感觉这里可以优化」,而是「Case 41 挂了,因为 agent 把离职问题路由到了邮箱分类,但正确答案在通讯录,所以我改 root_index.md 加个易混淆提示」。但让我最后决定把它记录下来的,不是这的个「吸收」过程,而是它真的在替我探索我不想费脑力触达的边界,这看起来更像是一个机器智能应该有的样子。不准跨层,每轮只改一层的东西。但我经过这 19 轮之后觉得,更准确的描述是互补——你在明处看着,AI 在暗处替你试错,你看不见的那一半就是 AI 能贡献的地方。

QcloudCommunity的博客 1128

只加两行代码,为什么要两天?一文深度理解业务系统的复杂性

关注腾讯云开发者,一手技术干货提前解锁👇业务系统复杂性一直是令开发者头痛的问题。复杂的不是增加一个需求需要耗费多少时间,而是在增加一个需求后带来的蝴蝶效应:其它功能会不会受到影响、要如何去找到这些影响,最终如何实现系统正常运行......功能之间隐秘增加的耦合、不可避免的代码腐化在导致业务复杂性增加。大家都在说的软件开发提效到底在提什么?程序员日常工作中应该如何提升开发效率?敏捷开发、瀑布流式开发孰是孰非?欢迎阅读。业务背景与目标我依然非常清晰地记得某个时候,我所在团队 Leader 曾讲过一段话:“我担

QcloudCommunity的博客 713

从零设计生产级 Multi-Agent Harness:架构、评估、记忆、成本与 MCP 工具接入全拆解

在 AI Agent 领域,Multi-Agent Harness 指的是把多个 Agent 的能力、工具、状态、通信、编排、监控统一收束在一个运行时之内的框架。第三,Agent 路由。一个输入框,一个大模型,几个工具,一段写得很漂亮的 System Prompt,再配上一个炫酷的前端,看起来就像一个能干活的“数字员工”。Multi-Agent 完全不一样——它有计划、有中间步骤、有工具调用、有 Agent 协作、有重试、有反思、有最终合成。增加 Budget、权限、重试、压缩、轨迹评估、审计、回归测试。

QcloudCommunity的博客 710

拆完Hermes源码,我发现Agent的“自我进化“根本不需要训练模型

两个月 5.2 万 Star,Hermes Agent 用一个"LLM 审判官"机制实现了 Agent 的自我进化——不改模型权重,只改"怎么用模型"的策略。OpenClaw(社区昵称"龙虾"🦞)是 2025-2026 年最火的开源 Agent 框架,30 万+ Star,插件市场 ClawHub 里有数千个插件,能接入 Telegram、WhatsApp、Slack、飞书、企业微信——几乎是一个"个人 AI 操作系统"。Skill 是英语写的,Memory 是英语写的,审查 Prompt 也是英语写的。

QcloudCommunity的博客 911

AI Infra 其实没有多少新东西

传统 Infra 追求横向扩展,而 AI Infra 呈现 “AI 大型机”特性,是因为传统后台服务的可以容忍毫秒级延迟,但 AI 集群不行,GPU 的算力是 CPU 的数百倍,微秒级的延时等待也会造成很大的算力损耗,需要硬件的高度集成。在可预见的1-3年的未来,这样的专用硬件+网络的集中式架构很难发生比较大的改变。与之相似,模型推理的批处理就是将多个输入样本打包(batch),将原本串行的 N 次轻量的推理计算,合并为 1 次重量的计算,实现单位时间内处理更多的请求,提高了 GPU 利用率。

QcloudCommunity的博客 826

程序员越早想通这些越好

永远没有正确架构,你永远无法偿还完所有的技术债务,如同你永远不会设计出完美的界面,请避开完美主义的陷阱,永远没有完美的代码,能够满足当前需求,又为未来不管是自己还是他人留有扩展空间,就很好了。我们努力的方向就是将现实世界映射到有限的数据结构中,这就需要用户自定义类型,如果你的代码中包含类似 trader portfolio 这样的概念,你就可以使用他们的名称来建模,而不是使用基本数据类型复杂嵌套表述你的目的。从另一个角度看,代码里的注释都是补丁,是碎片化的,局部的注释很难推导模块整体的顺序及耦合关系。

QcloudCommunity的博客 466

RAG已死?不,是Grep回归了!

这样一来可以直接复用已有的计算缓存,只为新增的增量部分付全价,前面累积的大头按约 1/10 的缓存价计费。所以实际的工具组合方式是灵活的:Grep(默认模式)→ Read 是最常见的路径,但 Grep(content 模式)可以独立使用,LLM 也可以直接调 Read(如果已经知道文件路径),或者一次同时发起多个 Grep 并行搜索。它从零开始构建自己的对话历史,不继承主对话的消息,这意味着它搜索过程中产生的大量 grep 结果、代码片段都留在自己的 context 里,主对话只收到一段总结性的文本结论。

QcloudCommunity的博客 576

深入浅出Harness Engineerring之核心模式与理念

在智能体生命周期的关键节点(如会话开始、工具调用后)自动触发预设动作(如代码格式化),由系统确保关键流程被执行,不依赖可能被模型遗忘的指令。简单讲就是利用向量存储这个技术,来实现模糊检索,原理是:即使字面不同,但语义相近的文本,其向量在数学空间中的位置也很接近。根据命令类型、参数和影响,自动评估其风险等级(安全、有风险、危险),并采取自动执行、请求确认或直接拦截等不同策略。关键特性是可隔离、可重建、可扩展。不是一次判断就定终身,允许你改变、允许情况复杂,通过不断观察、思考、调整,越来越懂真实的你。

QcloudCommunity的博客 625

Harness Engineering实践心得:如何高效驾驭AI?

但如果这些经验被拆成一条条 Rule、一个个 Skill、一项项 Script 检查——"XAML 不能有中文"、"编译要用这个路径的 MSBuild"、"SVN 命令必须带认证参数"——AI 就能在秒级时间里"吸收"十年的踩坑经验。然后可以看到下方的图,我的PM会很顺利的调度其他agent分别负责不同的事项,遇到问题的时候也能准确的找到合适的agent。MCP 本质上是在扩展 AI 的"感知范围"——Rule 管"该怎么做",Skill 管"怎么操作",MCP 管"能看到什么、能碰到什么"。

QcloudCommunity的博客 843

从第一性原理思考 Agentic Engineering

需要注意的是,这一结论是有条件的:如果 AI 缺乏领域知识,过早介入反而可能引入 1.2 节所述的"似是而非"损耗——因此上下文供给(实践 1)是 AI 全链条参与的前提,而非结果。通过一个专门的自迭代 Skill 实现——当 AI 在协作过程中识别到自己被纠正(用户否定了 AI 的输出并给出了正确方向),它自动评估这个错误的根因,搜索现有的 Rules 和 Skills 中是否已有针对该类问题的处理规则。事实上,越是复杂的项目,工程师的认知负担越重(公理 3),AI 分担认知负担的潜在边际价值也越大。

QcloudCommunity的博客 757

万字干货!Harness Engineering如何工程化落地?

关注腾讯云开发者,一手技术干货提前解锁👇Harness Engineering 的概念已经火了有一阵了,全网很多文章基本都是在讲理念,讲为什么今天做 AI 开发,不能只靠一段提示词,也不能把模型当一个“更聪明的代码补全”。但与此同时,一个问题也在持续地发酵:这个问题特别重要。因为 Harness 这个词听上去很大,很像一个抽象的方法论,但它如果不能落到工程、目录、文档、脚本、工作流里,那它最后就只是一句漂亮的话。事实上,不同项目落地出来的 Harness,表面上可能完全不一样。有的项目是 CI 很强,有的

QcloudCommunity的博客 1171

全方位对比:Hermes VS OpenClaw

多账号矩阵运营 如果你的业务涉及同时管理多个社交媒体账号、多个平台的内容分发、多渠道的客户互动——OpenClaw是目前市场上的"无可替代的底座"。一个有专业背景的个人,现在可以快速构建一个垂直领域的AI助手:比如"财务分析Hermes"、"法律咨询Hermes"、"技术架构Hermes",直接通过微信提供服务,积累自己的专业IP。跨平台生态融合 如果你的工作流涉及飞书、Slack、Discord等多个平台的深度集成,需要这些平台之间的数据流转和联动——OpenClaw的生态支持是强大的。

QcloudCommunity的博客 1219

一文讲透:Harness Engineering即控制论!

而研发模式的升级我认为将会是一个飞跃的过程,之所以现在我们仍然需要需要参与编码,一个非常大的原因就是缺乏传感器和基建,仍然需要人来串流程,比如需要人来验证UI是否正确、需要人来告诉AI代码不符合代码规范,因此在有些场景我们仍然感觉 AI 完成的很吃力,但这不是 AI 能力不行,而是我们并没有为 AI 提供友好的环境……控制论中的突变理论介绍了矫枉过正和飞跃现象之间的矛盾,如果质变中经历的中间过渡态是不稳定的,那么他就是一个飞跃的过程,如果中间过渡态是稳定的,那么他就是一个渐变的过程。但是这些阶段要解决的。

QcloudCommunity的博客 1204

神级开源插件!一句话让QClaw变3D小镇,Agent工作可视化,赛博云监工

这个架构是翻了几次车才想通的—原有AI的实现机制是用 setTimeout 猜动画时长导致了幽灵 NPC、工位撞车、越改越崩,后面我停下来换了思路,推翻原有的架构,按照“意图+回传”的架构进行重构,之前的问题一次性全部解决。15 天,我和 AI 吵了 185 次架, 4.5 万行代码,开发了一款 QClaw / OpenClaw 的UGC游戏插件,这可能是人类跟 Agents 交互的新范式,插件已完全开源,有需要的欢迎自取~我天天用,用着用着我就在思考,Agent 产品现在的交互体验,基本都一个样。

QcloudCommunity的博客 1198

一文搞懂Hermes:新顶流Agent如何从经验中自我进化

Voyager 是一个能在 Minecraft 中自主探索、学习技能、无限积累能力的 AI Agent,它提出了 "Skill Library"(技能库)的概念——Agent 将成功的行为序列编码为可复用的技能函数,存储在一个持续增长的代码库中。如果 Skill 的名称和描述不够精准,或者用户的任务描述与 Skill 的触发条件有语义差距,Agent 可能会错过相关的 Skill。如果进程在写入过程中崩溃,目标文件要么是旧内容(还没被替换),要么是新内容(替换已完成),绝不会出现写了一半的损坏文件。

QcloudCommunity的博客 2637

自掏腰包一万元,拥抱AI这一年,我的工具、实践和思考

其实也很好理解,过往的每个领域(比如前端、后端、设计、测试等等)都主要是这个领域的从业者在为它添砖加瓦,但是大模型时代的 AI 应用领域却几乎是所有使用 AI 的人类一起在迭代,无分领域,无分文理,无分老少。因为每个时期的 AI 都有着不同的特点,很多时候当我费尽心思去钻研,自以为有点弄明白 AI 应该怎么玩的时候,基座模型和行业范式常常就会迎来颠覆式的变革,很多过往的经验都会倾覆,然后只能从头再来。过去一年多,被热议的 AI 范式大概是沿着四个阶段递进演化,每一个阶段其实都在解决前一个阶段的核心问题。

QcloudCommunity的博客 627

办公Agent的CI/CD时刻到来了

核心观点是:企业给员工配了一堆 AI 工具,试点跑了几百个,但真正拖慢 AI 转型速度的瓶颈不在模型能力,在"最后一公里":AI 输出和实际工作流之间的那道鸿沟。代码写完,打个 tar 包,开 FTP 传到服务器上,SSH 进去解压,改配置文件,重启服务,刷一下页面祈祷别 500。你复制,切窗口,粘贴到腾讯文档里,发现 Markdown 格式全乱了,手动调标题层级,代码块重新标记语言类型,表格散架了重排一遍。模型是越来越聪明了,但"生成"到"落地"之间那段路,还是你自己在走,一步一步,手动搬运。

QcloudCommunity的博客 608

4亿token买来5个教训:让6个AI Agent连写4天代码发生了什么?

Watchdog 检测到崩溃 → 启动诊断 Agent 分析原因 → 诊断 Agent 跑满 20 轮没搞定 → Watchdog 判定“已修复”,重启系统 → 重启的系统因为诊断 Agent 留下的环境变量被继承,连续 3 次拒绝启动 → 触发连续失败保护退出 → Watchdog 第 3 次巡检,发现进程和记录文件都没了,尝试手动重启,自己也停了。启动前我翻了论文、做了架构设计、写了监控+修复异常的脚本。这个发现让我的情绪从沮丧变成了兴奋——不是那种"终于修好了"的释然,是"我找到根因了"的快感。

QcloudCommunity的博客 584

赛博斗蛐蛐:9大模型决战三国志,天命在谁?

我猜是这样的,当Gemini面临决策的时候,一系列关键词比如 守城,劣势,粮草,三国等等,在语义层面的关联性中LLM发现了竖壁清野这个关键词概率非常高,所以以此为策略,然后再根据这个策略完美执行操作。MiMo 的外交是三方中最精明的。Kimi作为国产模型,也同样颠覆了我对他的看法,最后的比赛他甚至一度是优势者,存在很多夺冠的可能性,要知道他的对手可是claude和gemini,而他经常出兵慢,回过头来想想或许正是他的策略,毕竟中后期他的优势都来自于稳健的发展和较少的战斗频率(和claude比).

QcloudCommunity的博客 875

Claude Code是怎么知道你在骂他的?这 12 条发现值得关注

确实存在——5,500+ 行,集成了消息队列、工具装配、MCP 编排、会话状态、权限、分析、文件持久化和优雅关闭,基本上一个文件干了所有事。对抗虚假声明——"不要在输出显示失败时声称所有测试通过,不要压缩或简化失败的检查来制造绿色结果"。完整的 KAIROS 是一个持续驻留的守护进程,能感知你在不在电脑前、主动寻找有用的工作做,更像是住在终端里的全职同事。源码里藏着一个叫 "Buddy" 的电子宠物系统,完整度令人惊讶——这不是一个 TODO,而是一个从数值系统到 ASCII 动画都实现了的完整功能。

QcloudCommunity的博客 702

逆向深扒Claude Code源码,我发现了什么!?

Anthropic 内部用户获得更严格的质量控制 prompt、更好的验证机制(独立 Verification Agent)、以及针对 model 弱点的专门对策(如 Capybara v8 的 29-30% 错误声明率对策)。这不是代码混乱的标志——它是整个 Agent Loop 的心脏,所有的流式处理、工具调度、上下文压缩、子代理管理都在这个文件中协调。这种"胖核心"设计是刻意的:保持核心循环的原子性,避免分散到多个模块导致的协调复杂度。核心价值:Fork 代理的工具输出不会回到主代理的上下文窗口。

QcloudCommunity的博客 893

一文讲透如何构建Harness——六大组件全解析

本文将从"裸模型的四个硬伤"出发,逐一拆解 Harness 的六大组件——文件系统、Bash + 沙箱、记忆(AGENTS.md)、Web Search + MCP、上下文工程、编排 + Hooks——带你看清 AI Agent 真正的竞争壁垒,不在模型层,而在 Harness 层。如果你用过 Agent 做复杂任务,你一定有过这样的体验:一开始 Agent 的表现很好,但随着对话变长,它开始"变笨"——遗忘之前的约定,重复之前犯过的错误,甚至对同一个问题给出前后矛盾的回答。对于简单的问答场景,这无所谓。

QcloudCommunity的博客 762

Harness Engineering 来了,SDD 还有意义吗?

他们的解法是把「品味」编码进规则,然后用一个定期运行的「doc-gardening」Agent 自动扫描漂移、发起修复 PR——「技术债务就像一笔高息贷款,不断地以小额贷款的方式偿还,总比让债务不断累积要好」。代码仓库本地的、已版本化的工件,才是 Agent 所能看到的全部。在 Vibe Coding 模式下(即不做规划、随意向 AI 提需求的开发方式),大量设计决策、跨服务约定、「为什么不选另一个方案」的讨论,全部停留在一次性的 AI 对话里——下一个人,或者下一次 AI 会话,完全无从获取。

QcloudCommunity的博客 419

零废话!一文讲透从0构建AI Agent

每个工具都要写一套"定义→解析→执行"的胶水代码。上下文管理就是在"记住足够多"和"别超标"之间找平衡,常见策略包括滑动窗口、摘要压缩、RAG 检索增强。上下文窗口是 Agent 的"工作记忆",但它有硬性限制。LLM 负责"动脑"决策,代码负责"动手"执行。这是从"聊天机器人"进化到"Agent"的关键一步。每次调 API 都把完整对话历史发过去,LLM 本身是无状态的,"记忆"完全靠客户端的数组模拟。这样 Agent 一开始就知道自己"在哪里"、"手头有什么",不需要先花一轮工具调用去探索环境。

QcloudCommunity的博客 712

距离AI把小编我裁掉还有72小时

这是一个基于 OpenClaw 开源生态打造的本地化 AI Agent 助手,已于上周开启全量公测,无需复杂配置,三步即可上手,自带安全防护,支持微信直连绑定,内置多款优质国产大模型,现阶段也是完全免费使用,基本上前面提到过的痛点都可以靠它解决。对了,这里特别强调一点,上面的截图让产品同事汗流浃背,再三找我确认 QClaw 思考过程中优美的“草”字说法,不会是默认出现的吧?AI 好,AI 得学,但更重要的是,在你的工作和生活里,哪些东西是能结构化地被 AI 所接入的,不要死守着那些脏活累活不放。

QcloudCommunity的博客 674
上一篇: 数据库回档解决方案
下一篇: 吴琛:智慧工地——履约考勤系统的应用实践
腾讯云开发者
腾讯云开发者 企业官方账号 企业官方账号
博客等级 码龄10年 6291粉丝 1962原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值