探工业互联网的下一站!腾讯云助力智造升级

引言

数字化浪潮正深刻影响着传统工业形态。作为第四次工业革命的重要基石,工业互联网凭借其独特的价值快速崛起,引领和推动着产业变革方向。面对数字化时代给产业带来的机遇与挑战,如何推动工业互联网的规模化落地,加速数字经济与实体经济的深度融合,已成为全行业共同关注的重大命题。

近日,由腾讯云 TVP 携手河南数智谷科技集团有限公司、河南省数字经济产业协会、国家新乡经济技术开发区管理委员会共同打造的“科技赋能 智造融合”腾讯云 TVP 走进河南暨河南工业互联网论坛圆满落幕,政、产、学、研界精英云集,基于各自的专业视角与丰富实践经验,共同探讨数字化浪潮下工业互联网的未来发展。

领导致辞

国家新乡经济技术开发区党工委书记 王景书发表致辞

国家新乡经济技术开发区党工委书记 王景书首先发表致辞,新乡经开区作为国家级开发区,正着力打造数字经济高地,积极布局数字科技平台和供应链数字化,与高校共建人才和科技基地,以数字化引领高质量发展。王景书指出,数字经济和工业互联网的发展不仅仅是技术层面的问题,也需要政府、企业、学术界及社会各界的共同努力。

河南数智谷科技集团有限公司总经理 任翔发表致辞

河南数智谷科技集团有限公司总经理 任翔发言,工业互联网已成为制造业高质量发展的重要抓手。为推动政府数字化建设和产业数字化转型,新乡市重点打造了数字经济国企平台河南数智谷科技集团。任翔强调,未来数智谷将继续发挥资源融合和产业协同优势,以数字基础设施为支撑,促进工业互联网加速发展。

腾讯云河南省总经理 张东海发表致辞

腾讯云河南省总经理 张东海指出,中国已进入数字经济时代,在数字经济时代,科技和创新已成为经济增长的重要驱动力,数字化之路已成为企业生存和发展的必由之路。数字化不仅仅是技术的创新,更是一场战略、组织、业务模式的全面创新。腾讯云致力于成为企业数字化转型的助力者和重要合作伙伴,为各行业数字化转型和产业升级提供数字化工具箱。

作为中国最大的互联网综合服务提供商之一,腾讯将提供全球领先的云计算、人工智能、大数据等技术与产品,来帮助企业在数字化转型过程中实现持续的高质量发展。比如,在产品智能化创新方面,腾讯通过一站式的软件开发平台帮助制造企业提升软件研发效能,加速创新。在生产质量与效率提升方面,腾讯为消费电子、新能源、汽车零部件等企业提供工业 AI 质检方案,助力其提升质检效率,节省成本。在以客户为中心的营销服务转型方面,腾讯通过智能营销服务平台,发挥腾讯的连接优势,构建面向终端客户的新零售模式,实现以客户为中心的营销服务转型。

最后,张东海表示,腾讯云愿与各界携手合作,以数字化引领产业转型升级,共同推动数字经济创新发展。

河南省数字经济产业协会轮值会长 陈璐发表致辞

河南省数字经济产业协会轮值会长 陈璐表示,工业互联网是数字经济重要支撑,也是产业升级的必然趋势。作为领先的云服务提供商,腾讯云在工业互联网领域拥有先进技术和丰富经验。陈璐强调,本次腾讯云 TVP 走进河南活动,对于推动工业互联网的普及和发展具有重要意义。

河南产学研数字化创新计划启动仪式

几位嘉宾的精彩发言后,在活动现场隆重举行了河南产学研数字化创新计划启动仪式,国家新乡经济技术开发区党工委书记 王景书、腾讯云河南省总经理张东海、河南数智谷科技集团有限公司总经理 任翔、河南省数字经济产业协会轮值会长 陈璐、河南省数字经济创新研究院运营总监 段鹏飞、河南师范大学软件学院副院长 夏亮、河南工学院科研处处长 郭祖华、河南科技学院人工智能学院院长 蔡磊、新乡学院计算机与信息工程学院院长 茹蓓、新乡职业技术学院计算机学院院长 邢作辉等多位嘉宾出席仪式。这也标志着政府、高校、互联网头部企业等将合力推动数字经济建设和产业转型升级进入新的发展阶段,携手为工业互联网高质量发展注入新动能,共同描绘“科技赋能,智造融合”的美好蓝图。

数实融合,企业数字化转型之道

腾讯云北区技术总监 赵彦卿演讲

大会进入演讲环节,首先是腾讯云北区技术总监 赵彦卿带来《数实融合,企业数字化转型之道》的主题演讲。

赵彦卿首先介绍了腾讯的发展历程和业务布局,依托于 20 余年的技术积累和行业经验,腾讯云已形成以“一云、三杰、四智能”为代表的完备的产品矩阵,如腾讯会议支撑数亿级用户规模的远程办公、在线教育。企业微信深度定制,服务政企用户。在数据智能、云原生等技术领域,腾讯云也同样具备领先技术,自研数据库 TDSQL 刷新世界纪录,腾讯云实时音视频+ 5G,助力矿山无人驾驶等。此外,腾讯联合实体行业伙伴,推动智能制造、智慧能源、智慧教育等创新应用,助力各行各业数字化转型。

当前,在市场环境变化和国家政策的推动下,数字化转型已不再是选择题,而是企业生存发展的必答题。针对企业如何进行数字化转型的问题,赵彦卿分析指出,数字化转型的核心是利用数字化等前沿技术进行企业的业务模式和管理模式创新,关键在于实现“增收”和“提效”,从而提升企业的核心竞争力。企业要利用数字化工具拓展客户,提升转化率,同时从生产、决策和协同等方面提高效率。腾讯具备的云计算等技术优势,以及连接客户的微信、公众号等渠道,可以帮助企业更好地拓客增收与提升效率。

赵彦卿还分享了腾讯云在多个领域推进数字化创新的典型案例。如与宝钢合作,利用 AI、音视频、边缘计算等技术打造“全真互联数字工厂”,实现智能生产;与港华新能源合作,利用大数据、物联网技术提升碳管理水平,推进零碳城市建设等。赵彦卿表示,腾讯将继续发挥技术优势,深入产业,以“数实融合”助力企业加速数字化转型进程。

数智赋能 向新而行 新乡市数字化转型的探索与实践

河南数智谷科技集团董事长 李新演讲

河南数智谷科技集团董事长 李新带来《数智赋能 向新而行——新乡市数字化转型的探索与实践》的主题演讲。

李新首先介绍了新乡市数字化转型的战略背景,并分析了当前新乡市数字化转型需提升社会治理能力,加强产业发展动力等。基于此,河南数智谷科技集团的探索实践从成立之初着眼产业数字化,后拓展为引领政务、产业、社会协同数字化,当前正重点打造以高标准农田和农业全产业链数字化为核心的数字化体系,积极推进平台经济和工业互联网建设。

最后,李新总结:数字化转型是一套适用于各行业的广泛的业务战略,其目的是运用数字技术对传统业务进行优化和升级。新乡市将推动数字经济和实体经济深度融合,汇聚各类资源和要素,打造具有竞争力的数字化产业集群。

智造未来,腾讯制造业数字化转型实践

腾讯云智能制造资深行业专家 李大勇演讲

腾讯云智能制造资深行业专家 李大勇带来《智造未来,腾讯制造业数字化转型实践》主题演讲。

当前,我国制造业正值新一轮科技和产业变革期,这也意味着企业面临着提升竞争力的重大机遇。新一轮数字化转型的技术驱动力来自工业互联网、AI 大模型、数字孪生等新兴技术,它们打破时空限制,使制造业的协同创新和智能决策成为可能。与此同时,数字化转型更重要的是管理理念和商业模式的变革。数字化应服务于组织效能提升和员工赋能,而不仅仅停留在设备层面的信息化应用。

李大勇指出,智能制造的核心能力之一是构建云边端一体化的新型信息技术架构,实现数据高速流通,提供敏捷的应用交付能力。在具体的生产运营领域,这场变革从简单的数据统计和过程可视化,发展到对生产全流程的智能感知和优化改进,再到工业安全监控和节能减排等应用,极大地为企业提升生产与管理效率。

为帮助企业实现智能制造升级,腾讯云提供 WeMake 数字工厂解决方案,通过云边端一体设备直接部署于工厂内,实现软硬件高度融合。方案基于统一的云 OS 系统实现了资源虚拟化和自动化部署,提供了工业物联网平台、应用集成开发平台、数据可视化 BI 平台、AI 平台、数字孪生平台等 5 大能力平台,以及移动化门户,将从设备层到应用层的能力有机集成,实现了从底层资源到业务应用的贯通,可快速应对多样化、个性化的生产需求,保持架构统一性,从而助力工厂实现数字化转型。李大勇表示,腾讯云会持续建设开放的数字生态,帮助企业更好地建立自身的“护城河”,在数字经济时代行稳致远。

工业互联网平台在大型制造行业的演进趋势和落地路径

中国信息协会副会长、腾讯云TVP行业大使 李红演讲

中国信息协会副会长、腾讯云 TVP 行业大使 李红带来《工业互联网平台在大型制造行业的演进趋势和落地路径》的主题演讲。

当前,工业互联网正在从信息技术应用向产业深度融合发展,从平台建设迈向产业升级。但不同企业处于信息化建设、业务融合、数字化升级的不同阶段,转型速度存在明显差异。有的仍在建设 MES、ERP 等信息系统,有的开始业务流程再造,有的已经在探索产业链数字化升级。李红结合数十年的资深从业经验分析指出,“平台化是工业互联网发展的第一阶段,也是现阶段最有效的方式,但必须跨越平台,深入到产业层面,才是工业互联网真正的目标”。在这一发展阶段,央企正在积极尝试组建了以数字经济为主要业务的专业化公司,以数科公司的新模式进行组织重塑,提升内部协同效率,更好地推动工业互联网建设和数字化转型。

工业互联网处于从规模化应用到深度融合的关键节点。李红建议,工业互联网转型需要系统谋划和硬软融合,才能真正提升产业核心竞争力。进入深度发展阶段后,工业互联网平台要明确定位,实现平台价值向产业价值的延伸,不能局限于信息技术应用,还需推动产业链供应链的全面数字化,以驱动整个产业实现数字化转型。

标识向实 多位赋能工业互联网标识解析创新应用

河南数智谷集团副总经理 刘波演讲

河南数智谷集团副总经理 刘波带来《标识向实 多位赋能——工业互联网标识解析创新应用》的主题演讲。

标志解析作为工业互联网的基础性支撑工程,可以推动机器间实现互联互通,打破企业和行业信息孤岛,实现数据跨系统、跨部门流通共享,从而促进产业数字化升级。目前许多龙头企业已经开始积极应用这一技术。

刘波介绍道,工业互联网标志解析体现出四大应用价值:提供国家层面的工业互联网认证权威性、建立完整的供应链追溯体系、建立用户与产品的对话通道、为产品设备订单赋予数字身份建立数据流转体系。在此基础上,全流程追溯管理系统、数字化营销系统以及供应链协同管理系统成为标志解析的典型应用场景。工业互联网标志解析在支撑数据流转、构建开放生态的同时,其典型应用也在产生深远影响,将推动我国工业数字化不断深入发展。

基于机器视觉和大模型的工业AI解决方案与落地应用

腾讯云工业智能首席架构师景希演讲

腾讯云工业智能首席架构师 景希带来《基于机器视觉和大模型的工业 AI 解决方案与落地应用》的主题演讲。

当前,我国正处在第四次工业革命的关键机遇期,景希指出,随着大模型技术的突破,新基建加速国内人工智能产业的发展,AI 将在智能制造领域中发挥不可替代的作用。

针对许多工业企业当前在质量检测环节存在自动化水平较低、招工难用工难的痛点,腾讯云推出了基于计算机视觉的 AI 质量检测解决方案。相比传统视觉质检,该方案检测更准确,适用于形状复杂、多角度的场景,还具备可扩展性和持续优化的特点。方案主要包含四个部分,部署 GPU 服务器,运行算法框架;设置硬件与自动化设备采集图片;模型毫秒级推理判断产品质量;优化生产流程。在设备设计上追求柔性、高效和低成本,以企业需求为导向,依托腾讯云及优图实验室工业 AI 智能平台赋能,“多快好省”助力企业实现质检自动化升级。

景希分享到,腾讯云在企业建模服务方面提供了两种选择:其一是公有云服务,企业可以将图片上传到腾讯云的平台进行模型训练,利用云平台的计算资源与 GPU 资源优势,从而降低成本。其二是私有云服务,对于对数据保密要求高的企业,腾讯云可将训练好的模型直接部署在企业内部,并提供专家服务,为企业生产保驾护航。

中小微企业的数字化转型

腾讯云TVP创始委员 曾宪杰演讲

腾讯云 TVP 创始委员 曾宪杰带来《中小微企业的数字化转型》的主题演讲。

曾宪杰认为数字化转型的重要价值在于降低企业成本和运营风险、优化工作流程与提升效率、提升客户体验,以及改善企业决策与创新能力,帮助企业构建商业智能这四大层面。基于此,以下几大因素是数字化转型的关键因素:

  • 一把手工程。数字化转型的目标是从组织整体出发,会涉及企业的战略、组织、业务,同时也离不开一把手的支持。
  • 业务牵引,技术保障。充分理解业务需求,以业务问题为导向来选择合适的技术。
  • 充足的资金投入。数字化转型平均需要企业 3-5% 的持续资金投入。

针对中小微企业作为“非数字原生企业”在转型过程中的痛点与难点,曾宪杰提出了应对之道。首先是定义好数字化转型目标,制定实施方案。其次,需要构建开放统一架构,打破数据孤岛,建立统一的技术平台,做到“技术一盘棋”。随后基于业务中台的能力快速构建企业内部或行业的应用,同时需要构建统一的数字化工作台。曾宪杰认为,企业微信是数字化工作台的重要入口,企业微信可与微信打通,在获客、协同办公方面具有重要优势。最后,小微企业应加强外部合作,通过顾问和咨询、产品服务、委托开发等方式加速数字化转型。

未来,曾宪杰认为数字化将成为企业的基本特征,企业应该面向客户去做运营。在这一趋势下,企业也将迎来唯快不破的高频竞争时代。

“平台+园区”是工业互联网新一轮发展的主战场

河南平原大数据产业发展有限公司副总经理 马建国演讲

河南平原大数据产业发展有限公司副总经理、河南省数字化转型促进中心副主任 马建国带来《“平台+园区”是工业互联网新一轮发展的主战场》的主题演讲。

马建国认为产业园区是工业互联网落地的最后一公里,是新一轮发展的主战场。平台+园区能够引发规模效益,同时也能够倒逼企业加速数字化转型。基于此,他谈到了整个工业互联网平台的建设路径和方式,分为三个层级:

  • 围绕园区基础的运营服务,可借助于工业互联网平台、物联网、云计算等技术进行赋能。
  • 企业培育治理中既需要重视技术的投入,又需要考虑模式的应用和模式的创新。
  • 工业互联网园区以打造产业集聚名片和产业集聚优势为核心,进行生态升级创新。

马建国提出了工业互联网园区分步发展思路:先建设园区雏形,进行功能展示;再提升园区内服务能力,实现服务协同;然后逐步拓展园区的网络互联功能,之后聚焦产业生态融合,最后融入绿色低碳理念,推动园区可持续发展。

工业互联网之智能化制造

南京鼎华智能系统有限公司副总经理 温在跑演讲

南京鼎华智能系统有限公司副总经理、上海市智能工厂专家成员 温在跑带来《工业互联网之智能化制造》的主题演讲。

工业互联网作为数字化转型的重要组成部分,与企业数字化转型存在紧密联系和互相促进的关系。企业需要把握工业互联网发展契机,推动数字化转型,实现高质量发展。

从企业内部来看,数字化转型要先实现智能制造,然后向企业价值链和智能互联生态延伸。这是一个从企业内部到产业协同的纵向和横向一体化过程。温在跑表示,智能制造解决企业内部效率问题,是数字化转型的第一步;而工业互联网则在此基础上连接企业与企业、产业与产业,实现向外延伸。

总结来说,企业智能制造要关注经营、生产、资源等方面的绩效,实现商业模式和组织能力升级,以创造投资效益。

工业设计仿真一体化解决方案

大唐工业互联网事业部首席咨询顾问王维宏演讲

大唐工业互联网事业部首席咨询顾问 王维宏带来《工业设计仿真一体化解决方案》的主题演讲。

随着中国制造业向自主创新转型升级,企业研发设计投入持续增加。而通过数字化集中管理设计资源,可以有效降低企业研发设计成本,提升核心竞争力。

在数据共享方面,通过虚拟化技术实现计算、软件、存储资源的集中调度与分配,既降低成本又提高效率,还可保证数据安全;在研发设计运维方面,建立统一的计算中心,可以简化运维,提升资源利用;在数据安全方面,使用集群存储实现数据备份,应用区块链技术,建立权限管控与审计机制,可以确保数据安全与有效利用。

王维宏最后表示,这套解决方案全面考虑了资源调配、运维管理和数据安全等各个方面,通过集中化管理将实现资源高效利用和数据安全,有效支撑企业研发设计工作。

结语

随着数字化在制造业中的广泛应用,工业互联网正在加速构建和发展。作为产业变革的重要力量,云计算、AI、大数据等技术将与产业深度融合,推动传统制造迈入智能制造新时代。与此同时,腾讯云 TVP 将始终与时俱进,秉持着“用科技影响世界”的初心和愿景,搭建连接各界专家与技术交流的平台,为工业互联网的繁荣发展持续贡献新思路、新方案。

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 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 1168

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 715

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 1127

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 910

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 624

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 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 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 1197

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 2636

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 874

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 892

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 761

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 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 674
上一篇: 专业心理咨询师助你轻装上阵,向内耗说不!
下一篇: 每年节约3千万!微信实验平台Iceberg湖仓一体架构改造
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