TVP走进泸州老窖:数字化时代下,共话加速转型之道

引言

数字化技术的发展,为传统行业转型提供了重要契机。与早先的基础数字化不同,随着数字化转型在各行业逐渐迈入深水区,如何将数字技术与应用有机融入传统行业,推动企业实现高质量发展,实现数字技术与企业体系的深度融合,已成为各行业转型的关键所在。

5 月 19 日,腾讯云 TVP 与泸州老窖联合主办的「TVP 走进泸州老窖」闭门交流会成功举行,来自各行各业的专家学者齐聚一堂,基于各自的专业视角与丰富实践经验,共同探讨了传统行业在数字化浪潮下的发展机遇与挑战。

本次峰会由中国国际商会产业供应链委员会秘书长、腾讯云 TVP 张明钟担任主持人。张明钟表示,此次活动以食品饮料大行业为背景,汇集了来自不同行业和领域的专家,希望与会各界专家能够畅所欲言,对我国数字经济发展和产业变革升级进行深入探讨。并邀请本场活动主办双方代表分别进行会议致辞。

开场致辞

泸州老窖 CIO、腾讯云 TVP 苏王辉首先发表致辞,从宏观角度阐明了泸州老窖发展历程。作为泸州老窖的一份子,苏王辉亲身感悟到泸州老窖 450 年沉淀的两大核心竞争力:国宝级窖池群和独特的酿造技艺,是泸州老窖飞速发展的重要基石。泸州老窖在明清 36 家古酿酒作坊基础上发展,是“浓香技艺的开创者、浓香标准的制定者和浓香品牌的塑造者”。

目前,泸州老窖旗下的两大品牌为国窖 1573 和泸州老窖特曲,前者定位高端酒市场,后者偏向大众市场,两者共同推进企业发展。苏王辉表示,未来泸州老窖将加快数字化营销和渠道建设,强化消费者洞察与运营,继续提升市场竞争力。

腾讯云云产品四部总经理 田超在开场致辞中首先介绍了泸州老窖与腾讯云的合作。自2018 年开始,双方在零售数字化、数字化工厂等领域开展深入战略合作。泸州老窖见证了腾讯 to B 业务的发展历程,也在自身的数字化转型过程中与腾讯云展开了通力合作。

财报显示,to B 业务收入已连续多季度排行腾讯总收入第一,2023 年第一季度金融科技及企业服务收入达 487 亿元,占一季度总营收 32%。同时,腾讯一季度研发投入达 152 亿元,这也彰显腾讯对科技创新与产业合作的重视。

此外,数字化生态建设也是腾讯云的重要方向,自 2018 年发布腾讯云最具价值专家(TVP)项目以来,TVP 已聚集来自不同领域、不同行业的 447 位精英,并通过上百场活动,传播 TVP 专家在行业技术、企业数字化等领域的思考与沉淀。

一、从大数据到数字化:高质量发展的十年探索

分享伊始,首先是华东师范大学副校长、腾讯云 TVP 周傲英带来《从大数据到数字化:高质量发展的十年探索》的主题演讲。

「高质量发展是实现中国现代化战略的首要任务」周傲英表示,数字经济高质量发展的关键在于培育新兴产业和加强科技创新,在党中央的战略引领下,通过广泛协作实现数字经济的高质量发展,为国家现代化建设大局服务。

在大数据、人工智能等新技术的推动下,中国实现了从大数据到数字化的转变。周傲英认为,人工智能系统有望渗透各行各业并产生深远影响,我们需提高对人工智能的认知与理解,打破简单照搬和被动跟随的思维定势,自主研发技术与产品,才能真正实现技术进步与产业安全。

周傲英指出,分享经济的本质是「人人为我,我为人人」。实现分享经济的首要条件是建立信任,信任是社会运转的基石,也是新经济时代完成交易的前提。在数字经济发展下,中国将有机会建立与传统信任体系不同的新信任体系,基于互联网、大数据等新技术,实现个人信誉的精准测算与评估,这将降低交易成本,释放人们的合作潜力。

此外,针对数据科学,周傲英指出「Data is Power」概念,大数据是数字时代最重要的生产要素。相对于土地、劳动、资本和技术等要素,大数据几乎无稀缺性、独占性与排他性。它不仅包含海量数据,更重要的是能够通过数据建立对客观世界的认知。大数据将通过互联网流通,深刻改变着世界、人以及社会的关系。

作为新的文明形态,数字经济以数据为基石,其特征是重塑生产关系,即自我革命。周傲英分析道,大数据通过分析海量交互数据,对人有着前所未有的洞察,这将带来新的理性、新的科学、新的人文主义。因此处于数字化过程中的企业必须解放思想,转变观念,在自我变革的道路中实现高质量发展。

二、扬帆数智化 启航新征程——泸州老窖的数字化转型之路

泸州老窖 CIO、腾讯云 TVP 苏王辉带来《扬帆数智化 启航新征程——泸州老窖的数字化转型之路》的主题分享。

作为中国传统企业的典型代表,泸州老窖面对数字化经济趋势,快速建立了信息化顶层应用系统架构。利用数字化建设助推企业发展,为白酒行业的数字化转型提供了成功范例。

苏王辉提到,近年来饮酒群体的需求变化,给酒业发展带来冲击。在这一背景下,数字化建设成为泸州老窖寻求发展的重要支撑点:

  • 数字化观念的认知转变。面对严峻的外部环境,数字化转型的重要意义进一步凸显。泸州老窖建立信息化顶层应用系统架构,开启数字化转型之路。
  • 探索数据积累和基础建设。在数字化观念转变的基础上,泸州老窖开始探索数据采集与积累,以及基础信息系统建设,形成“选择性和创新性发展”以及“先增量、后存量”两大发展方向。
  • 围绕消费者进行数字化建设。通过消费者数字化、渠道数字化与供应链金融打造销售端快速获利点。

泸州老窖通过车间一体化和自动化,实施产品数字化建设与产品溯源,满足用户个性化需求。同时着眼于数字智能化,以其为发展目标稳步推进。

泸州老窖数字化转型的成功,并不意味着传统企业普遍进入数字化转型的快车道。苏王辉认为,数字化颠覆了传统经济原有的作业模式,这使传统企业的数字化转型要比互联网企业更艰难。

苏王辉最后总结道,泸州老窖在数字化转型的实践中积累的经验与教训,也为其他传统企业变革提供了重要启示。在未来的数字化转型道路上,传统企业需要不断革新思维,加快数据与技术积累,完善数字化路径。推动企业持续发展,迎接数字化时代带来的无限机遇。

三、数实共生塑造未来产业——产业数字化转型前瞻洞察

腾讯云区域解决方案总经理 赵明君带来《数实共生塑造未来产业——产业数字化转型前瞻洞察》的主题分享。

数字技术与实体经济的深度融合,是数字经济发展的主旋律,在个人、企业、产业、国家层面,实体经济和数字经济的深度融合为社会经济发展带来深刻变革,重构人们的生产生活方式与商业模式,重塑社会与空间秩序。

赵明君认为,数字经济将引领经济发展进入高弹性与高效率阶段。他从技术基础、平台模式、企业变革与社会影响等方面,提出数字经济共生的十大发展趋势:新基建兴起;新平台崛起;生产方式变革;组织变革;供给方式变革;消费升级;文化科教新业态;未来城市;数字信任;开放共创。

数字技术使传统产业面临颠覆与重塑的同时,也为产业注入新的活力与朝气。赵明君从理性运用新技术、密切关注客户需求与产学研用结合等角度,提出了产业数字化转型的路径:

  • 新基建与数据要素结合起来,推动产业互联网发展。新基建提供基础设施,数据要素提供支撑,产业互联网提供数字化应用,三者之间的关系促进经济发展。
  • 产业数字化转型的产品、业务与技术路径。在产品上,增加服务丰富产品;在业务上,推动业务模型创新与重塑;在技术上,进行生产制造方式变革与企业管理的升级。三者相辅相成,共同促进产业实现智能化与数字化的深度融合,释放产业变革的巨大潜能。

尽管产业数字化转型已呈现出清晰的路径,但数字化的成功转型仍需以业务为驱动,构建相应的能力,而不仅仅是简单地搭建大平台。赵明君认为,组织转型能力、业务转型能力、技术转型能力与数字化底座四个层面上的能力,促进了对产业转型路径的深度理解与实施。此外,内外部协同、构建私域流量与品牌到终端消费者的数字联系,也将是实现产业转型的重要环节。

四、私域生态下快消行业全域经营升级

腾讯智慧零售食饮酒水行业运营总监 李忠带来《私域生态下快消行业全域经营升级》的主题分享。

面对数字技术变革带来的数字化浪潮,各大品牌都在积极运用数字技术重塑与消费者的关系,推进全域运营的升级与变革。要实现全域运营升级,关键是要连接线上线下资源,实现协同互动。不仅要完善线上服务,更要运用线上资源激发线下业绩。

要进行全域经营升级,品牌需把握四大关键趋势:

  • 积累私域流量,获取更多公域流量。当品牌积累足够的私域流量后,可以利用这些流量吸引更多公域流量,实现流量协同。因此,品牌只有构建庞大的私域流量池,才有资格获取更多公域流量红利。
  • 线上和线下加速融合。品牌不仅要将线下活动与线上小程序等平台相连接,还要通过发放优惠券、O2O 等方式完成线上线下交易,实现真正一体化。品牌需深入分析各线上线下触点,找到最佳的组合方式。
  • 品牌与渠道合作日益密切。当品牌掌握一定量的流量后,需要考虑与渠道或平台合作,实现流量和数据的共享,打通全链路以开拓新的增长空间。这需要品牌具备长远的眼光和战略思维,选择最佳的合作渠道。
  • 构建全域会员体系。优秀品牌善于利用各线上线下触点,构建覆盖全域的会员体系,提供差异化的会员服务,不断提高会员活跃度和粘性。

通过构建一系列针对消费者流量的沉淀举措,品牌可以形成由不同渠道产生的小流量池汇集而成的庞大私域流量池。依托流量池,品牌能实现线上线下一体化的精细化运营,开展自动化与高效率的营销,助力企业提高全域营销的效率与效果。

如何实现这四大趋势,李忠建议品牌在三个维度持续发力:

  • 利用全域资源重塑消费者体验。通过线上线下联动,让消费者成为品牌的忠实粉丝与传播者,重构“人、货、场”,创造与消费者互动的新空间,实现销量增长。
  • 深度实现全渠道融合。分析各线上线下触点,理解平台流量和活跃度,找到最佳组合路径。不仅实现信息连通,更要实现商品、服务、数据的互通互联。
  • 利用数据驱动业务创新。运用 AI、大数据等技术洞察消费者,探索新业务场景。

李忠总结道,快消品牌只有理解消费者、洞察消费者需求、打造差异化体验,实现从数据到服务、从触点到场景的革新与升级,才能在激烈的市场竞争中脱颖而出。

五、工业互联网推动制造企业数字化从“转型”迈向“创新”

腾讯云工业行业首席解决方案架构师 张星智带来《工业互联网推动制造企业数字化从“转型”迈向“创新”》的主题分享。

腾讯正在加速发展产业互联网和企业服务,成为国内领先的数字化解决方案供应商,帮助传统企业完成数字化转型。张星智表示,通过自主研发的工业互联网平台,腾讯为客户提供云计算、大数据等基础数字化能力,不断创新业务场景方案,实现客户数字化目标。

张星智指出,从企业发展和系统复杂度来看,企业智能制造成熟度分为五个阶段:第一阶段是实现自动化,降低成本和提高效率,替代人工;第二阶段是实现信息化,整合业务流程;第三阶段达到数字化,帮助高层由其本身作出智能决策;第四阶段实现数字化或智能化,由 AI 来给予智能化决策,并对决策后的成本及收益进行分析,辅助高层管理者进行选择,甚至某些层面可以跳过人为确认环节,自动以 ROI 最高的方式自动化决策并施行。但这一阶段同时需要关注道德伦理、权责分界等在内的相关问题。

腾讯工业互联网平台在底层集成了云计算、大数据、物联网等能力,在此基础上,提供计算能力、连接工具、数据计算能力与算法,实现人与人、人与机器、机器与机器的互联,获取工厂及设备数据。通过业务流程驱动和跨系统、部门与组织的数据整合,加速业务流转并提高效率。基于积累的数据,平台可提供 AI 模型来作出决策建议,并将决策反馈到连接端,提高用户粘着度与设备依赖性,形成良性循环。

随着企业数字化程度的提高,系统也从单一系统、平台系统发展到复杂系统。在复杂系统中,必须关注如何依靠创新驱动实现企业权能和全面重构,以提升用户体验。

张星智表示,要极大提高内部运营效率和销售端业务增长,就须运用并推进创新驱动。调查显示,CIO 与 CEO 互动和 CIO 参与战略规划,将成为 CIO 未来的趋势和要求。CIO 不再仅仅是 IT 主管或首席信息官,还需要将业务战略与 IT、OT 紧密结合,推动企业创新。

CIO 创造价值的三大关键领域是科技创新、流程创新与模式创新,腾讯工业互联网平台在这三大创新领域为业务及企业创造了许多价值。

六、圆桌论坛:产业数智前瞻与落地探讨

分享结束后,紧接着开启了以《产业数智前瞻与落地探讨》为主题的圆桌交流,由中国国际商会产业供应链委员会副秘书长、腾讯云 TVP 张明钟主持;中国食品发酵工业研究院标数部副主任、腾讯云 TVP 王健,青宁信安 CEO、腾讯云 TVP 白慧冬,舜源科技合伙人&CTO、腾讯云 TVP 韩光祖,腾讯智慧零售垂直行业商务副总经理 陈雄飞参加本场对话交流,分别回答各行业的针对性问题与通用性问题,共同探讨各行业数字化转型特点与未来发展。

(一)行业话题交流

作为白酒酿造行业的研究专家,在面对「白酒酿造环节数字化的核心是什么?」这一问题时,中国食品发酵工业研究院标数部副主任、腾讯云 TVP 王健回答道:白酒生产过程离散且基础薄弱,需要经验丰富的酿酒工人。许多酒厂虽已进行自动化改造,但酿造环节基本上还谈不上数字化和智能化。随着市场产能扩张,白酒行业面临缺乏大量经验丰富的酿酒工人的问题。因此,如何量化表达好的酿造经验并快速复制成为行业需要解决的核心问题。数字设备可采集关键环节理化参数,但如何模拟并量化表达经验仍是一个棘手耗时过程。

作为典型的第一产业,畜牧业的数字化相较于其他行业会更加困难,在面对「畜牧业进行数字化转型有哪些难点?」问题时,青寕信安 CEO、腾讯云 TVP 白慧冬坦言,其发现一产中很多企业,中高层管理人员传统观念较重,对数字技术缺乏了解,对于其他行业的数字化应用与创新成果羡慕,但意识不足,过于强调风险,造成决策能力受阻。中小企业面临资金短缺的困境,难以应对产业变革,需要合作伙伴在产品研发与技术投入上的支持。青寕信安团队采用人工智能的深度学习和模式识别技术分析处理多种传感器数据,通过国际上首创性发现的动物传感器安装部位进行无损伤非植入式穿戴,产品直接采集生物体的全部生命特征数据,将畜牧业中的生物资产通过多种传感器结合物联网、区块链等技术实现金融数字化,有效地解决了生物资产金融化时银行和信贷机构所面临的金融风险,现在正在逐渐推进该产品的市场铺设。

与其他行业相比,金融行业受控于强监管与巨大影响,在数字化方面与其他行业有很大的区别,针对「金融业进行数字化转型面临哪些难点?」这一问题,舜源科技合伙人& CTO、腾讯云 TVP 韩光祖认为,金融行业在数字化转型过程中重视业务引领科技赋能创新,以场景金融、客户体验、数据运营、敏捷驱动透过 ABCDIS 技术与开放生态平台将资金端与资产端快速打通,提升营收与价值,这是ㄧ把手工程。跨部门需加强协作,强化复合型人才的培育,给予员工容错空间,积累能量边学习边实践。不同行业与企业在数字化转型时存在差异,这需要针对行业特点及企业成熟度制定切实可行的路线图。

作为国内知名的云厂商之一,腾讯已经建立了覆盖多个不同行业的数字化能力,面对「相较于企业自建平台,云厂商在数字化平台建设方面有哪些优势?」的问题,腾讯智慧零售垂直行业商务副总经理 陈雄飞答道:云厂商具有丰富的人才资源和产品迭代经验,可以为企业数字化转型提供重要的竞争优势。云计算技术可以为企业带来成本效益。企业借助云服务商的云平台,在营销和生产运营等关键环节获得高效的支持和协作。与自建数据中心相比,云服务可降低企业的运维成本以及技术投入。

(二)通用话题讨论

在各行业针对性问题结束后,主持人张明钟随后也对大众关心的数字化通用问题,与四位老师展开了新一轮的交流与讨论。首先,针对「现阶段各行业数字化转型的现状如何?」这一话题,陈雄飞指出,互联网在行业数字化应用中扮演重要角色,实现协同办公和远程办公,依赖数字化支持。然而,并非所有供应商都能充分利用互联网优势。酒类作为快销品在数字化领域相对滞后,因其常处于偏远地区且市场感知能力较弱。金融、科技和汽车等领域的数字化进化可能受劳动力密集产业转变限制。

韩光祖认为,在信息化到数字化渗透率中,电信、金融及互联网最高。其中银行有独立金融公司和开发团队,学习互联网的模式,有现成的资金,速度快;得益于互联网革命引发的金融变革,国内银行甚至超过许多国外银行。

而面对「对于我国未来的数字化建设,有哪些期待?」的问题,白慧冬认为,在传统行业中,畜牧业比种植业面临更大困境,因为畜牧业缺乏电力供应,无法实现对数据信息的全面采集和掌控,属于特别容易失去控制的群体。国外的相关公司着重于集中化养殖模式,他们通过养殖业种植化的简化操作解决了供电的问题,但这不是治本的方式。希望各大畜牧业集团不要把可以使用二十年的设备放在第一年计算全部投入成本,能够放眼长远从根本上提升自己的科技积累,这才是真正生产符合国家利益的投入方式。

随后,韩光祖提到,在企业跟国家数字化转型中,期待数字化建设能够更注重数据质量和管理、复合型人才培养和组织文化变革,实现数字化与业务的深度融合,并推动我国经济转型升级和可持续发展。

最后,陈雄飞指出,在科技日新月异的当下,期待科技文明的力量将能够使广大企业经营更加从容自如,生活更加温暖舒适,也更加幸福快乐。

结语

数字化时代所带来的机遇,为传统行业实现高质量发展提供了重要契机。通过数字化转型所驱动的全新业态和运营模式,将成为支撑企业乃至国家发展的核心竞争力。

TVP 自成立之初,便希望能够 「用科技影响世界」,让技术普惠大家,践行科技向善的初心与本心。在数字化蓬勃发展的今天,TVP 将始终秉持着这一初心,为企业与国家数字化转型与发展做出积极贡献。

现场花絮集锦

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 403

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 1162

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 424

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 713

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 715

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 1125

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 710

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 707

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 905

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 821

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 464

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 574

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 621

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 838

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 756

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 1161

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 1217

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 1202

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 1195

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 2631

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 626

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 607

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 873

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 701

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 889

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 760

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 418

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 711

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 673
上一篇: 专访虎牙直播毛茂德 | 看互联网老兵如何用技术驱动效能提升?
下一篇: 数字化转型:智慧物业行业落地与应用的突围之路!
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
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