AI Agent从无到有56: 钉钉工具实战——待办与日历的完整封装

ChatGPT智能体:从对话机器人到数字工作流操作系统 AI智能体(AI Agent)正推动人机交互从‘问答式’迈向‘任务式’范式跃迁。其核心在于任务级自主规划、跨工具状态持久化与风险感知决策,本质是具备上下文记忆、工具调用与动态推理能力的新型计算范式。相比传统大模型,智能体更强调执行闭环、多步协同与真实环境交互,技术价值体现在降低操作认知负荷、重构知识工作者执行层效率。典型应用场景包括自动化调研、跨平台数据整合、端到端内容生产及企业级RPA增强。本文深入解析ChatGPT智能体的技术骨架与实战落地逻辑,聚焦其作为个人数字工作流操作系统的关键能力。 阅读详情

纲要

  • 工具封装总览
    • 钉钉待办:创建任务,支持优先级与截止时间
    • 钉钉日历:忙闲查询、创建、查询、修改、删除
  • 核心设计模式
    • Pydantic 模型绑定:确保参数结构稳定,减少大模型传参错误
    • 工具颗粒度拆分:每个工具执行原子操作,由智能体自主组合
    • 人工确认机制:删除等高风险操作前引入用户二次确认
  • 钉钉 API 交互基础
    • access_token 获取与缓存策略
    • union_id 作为用户身份标识
  • 各工具详细实现
    • create_todo:待办创建
    • check_busy_status:忙闲状态查询
    • create_calendar_event:日程创建(内置冲突检测)
    • query_calendar_events:日程检索
    • modify_calendar_event:日程修改(先查后改)
    • request_delete_event + confirm_delete_event:确认式删除
  • 完整可运行示例
  • 总结与相关度说明

工具封装的整体思路

智能体的能力边界完全由所挂载的工具集决定。在与外部系统(如钉钉)交互时,每个工具的设计应遵循三项基本原则:

  • 原子化:每个工具只承担单一职责,例如日程的增加、删除、修改、查询分别独立实现,便于智能体按需组合。
  • 结构化入参:所有工具均通过 Pydantic 声明参数模型,强制类型与字段约束,有效降低大模型生成参数时的随机错误。
  • 容错与确认:对于删除等不可逆操作,采用两阶段流程,先检索并请求用户确认,确认后方可执行,避免误操作。

基于上述原则,小浪助手深度集成了钉钉的待办与日历能力,使用户能够以自然语言直接管理工作安排。

钉钉 API 客户端封装

所有钉钉 OpenAPI 调用均需携带 access_token,因此首先封装一个独立的客户端,统一管理 Token 的获取与缓存。

# dingtalk_client.py
import time
import requests
from config import Config

class DingTalkClient:
    """钉钉API客户端,自动管理access_token的获取与刷新"""

    def __init__(self):
        self.app_key = Config.DINGTALK_APP_KEY
        self.app_secret = Config.DINGTALK_APP_SECRET
        self.union_id = Config.DINGTALK_UNION_ID
        self._token = None
        self._expire_at = 0

    def get_token(self) -> str:
        """获取有效access_token,若缓存未过期则直接返回,否则重新获取"""
        if self._token and time.time() < self._expire_at:
            return self._token

        resp = requests.get(
            "https://oapi.dingtalk.com/gettoken",
            params={"appkey": self.app_key, "appsecret": self.app_secret}
        )
        data = resp.json()
        if data.get("errcode") == 0:
            self._token = data["access_token"]
            self._expire_at = time.time() + 7000  # 提前100秒刷新
            return self._token
        raise RuntimeError(f"获取access_token失败: {data}")

# 全局客户端实例
client = DingTalkClient()

工具一:钉钉待办创建

该工具允许智能体根据对话内容自动创建待办任务,支持设置优先级和截止时间。

# tools/todo.py
import requests
from datetime import datetime
from langchain.tools import tool
from pydantic import BaseModel, Field
from dingtalk_client import client

class TodoInput(BaseModel):
    subject: str = Field(description="待办标题,必填")
    description: str = Field(default="", description="详细描述")
    due_time: int = Field(default=0, description="截止时间的毫秒时间戳,例如1735689600000")
    priority: int = Field(default=20, description="优先级:10较低,20普通,30紧急,40非常紧急")

@tool(args_schema=TodoInput)
def create_todo(subject: str, description: str = "",
                due_time: int = 0, priority: int = 20) -> str:
    """
    创建钉钉待办事项。适用于用户要求记录待办、跟进任务或需人工介入的场景。
    """
    token = client.get_token()
    url = f"https://api.dingtalk.com/v1.0/todo/users/{client.union_id}/tasks"
    headers = {
        "x-acs-dingtalk-access-token": token,
        "Content-Type": "application/json"
    }
    body = {
        "subject": subject,
        "description": description,
        "priority": priority,
        "createdTime": int(datetime.now().timestamp() * 1000)
    }
    if due_time:
        body["dueTime"] = due_time

    resp = requests.post(url, headers=headers, json=body)
    data = resp.json()
    if resp.status_code == 200 and "id" in data:
        return f"已创建待办「{subject}」,优先级 {priority}"
    return f"创建失败: {data}"

工具二:日程忙闲查询

在创建新日程前,首先查询目标时间段是否已被占用,避免时间冲突。

# tools/calendar_busy.py
import requests
from langchain.tools import tool
from pydantic import BaseModel, Field
from dingtalk_client import client

class BusyCheckInput(BaseModel):
    start_time: str = Field(description="查询开始时间,ISO8601格式,如2025-01-15T09:00:00+08:00")
    end_time: str = Field(description="查询结束时间,ISO8601格式")

@tool(args_schema=BusyCheckInput)
def check_busy_status(start_time: str, end_time: str) -> str:
    """查询指定时间段内的忙闲状态,用于判断新日程是否与已有安排冲突。"""
    token = client.get_token()
    url = f"https://api.dingtalk.com/v1.0/calendar/users/{client.union_id}/busy"
    headers = {
        "x-acs-dingtalk-access-token": token,
        "Content-Type": "application/json"
    }
    body = {
        "userIds": [client.union_id],
        "startTime": start_time,
        "endTime": end_time
    }
    resp = requests.post(url, headers=headers, json=body)
    data = resp.json()
    busy_list = data.get("result", [])
    if not busy_list:
        return "该时段空闲,可以安排日程。"
    return "该时段已有以下安排:" + str(busy_list)

工具三:日程创建(内置冲突检测)

创建日程时,自动调用忙闲查询进行冲突检测,若存在冲突则提示用户更换时间。

# tools/calendar_create.py
import requests
from langchain.tools import tool
from pydantic import BaseModel, Field
from dingtalk_client import client

class CreateEventInput(BaseModel):
    summary: str = Field(description="日程标题")
    start_time: str = Field(description="开始时间,ISO8601格式")
    end_time: str = Field(description="结束时间,ISO8601格式")
    description: str = Field(default="", description="日程详情")
    is_all_day: bool = Field(default=False, description="是否为全天事件")

@tool(args_schema=CreateEventInput)
def create_calendar_event(summary: str, start_time: str, end_time: str,
                          description: str = "", is_all_day: bool = False) -> str:
    """在钉钉日历中创建新日程,创建前自动检测时间冲突。"""
    token = client.get_token()
    # 先调用忙闲查询
    busy_check = check_busy_status.invoke({
        "start_time": start_time,
        "end_time": end_time
    })
    if "该时段空闲" not in busy_check:
        return f"时间冲突:{busy_check},请更换时段。"

    url = f"https://api.dingtalk.com/v1.0/calendar/users/{client.union_id}/events"
    headers = {
        "x-acs-dingtalk-access-token": token,
        "Content-Type": "application/json"
    }
    body = {
        "summary": summary,
        "start": {"dateTime": start_time, "timeZone": "Asia/Shanghai"},
        "end": {"dateTime": end_time, "timeZone": "Asia/Shanghai"},
        "description": description,
        "isAllDay": is_all_day
    }
    resp = requests.post(url, headers=headers, json=body)
    data = resp.json()
    if resp.status_code == 200 and "id" in data:
        return f"已创建日程「{summary}」,{start_time} ~ {end_time}"
    return f"创建失败: {data}"

工具四:日程查询

按指定时间段检索已有的日程安排,返回日程列表及基本信息。

# tools/calendar_query.py
import requests
from langchain.tools import tool
from pydantic import BaseModel, Field
from dingtalk_client import client

class QueryInput(BaseModel):
    start_time: str = Field(description="查询开始时间,ISO8601格式")
    end_time: str = Field(description="查询结束时间,ISO8601格式")

@tool(args_schema=QueryInput)
def query_calendar_events(start_time: str, end_time: str) -> str:
    """查询指定时间段内的钉钉日程列表。"""
    token = client.get_token()
    url = f"https://api.dingtalk.com/v1.0/calendar/users/{client.union_id}/events"
    headers = {"x-acs-dingtalk-access-token": token}
    params = {"startTime": start_time, "endTime": end_time}
    resp = requests.get(url, headers=headers, params=params)
    data = resp.json()
    events = data.get("events", [])
    if not events:
        return "该时段暂无日程。"
    lines = []
    for e in events:
        lines.append(f"- {e['summary']} ({e['start']['dateTime']} ~ {e['end']['dateTime']}) [ID:{e['id']}]")
    return "\n".join(lines)

工具五:日程修改(先查后改)

修改日程采用两步策略:先查询获得目标日程 ID,再根据用户意图更新指定字段。

# tools/calendar_modify.py
import requests
from typing import Optional
from langchain.tools import tool
from pydantic import BaseModel, Field
from langchain_openai import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from dingtalk_client import client
from config import Config

class ModifyInput(BaseModel):
    query_start: str = Field(description="查询日程的开始时间,ISO8601格式")
    query_end: str = Field(description="查询日程的结束时间,ISO8601格式")
    user_intent: str = Field(description="用户的修改意图描述,例如「把会议改到下午三点」")
    new_summary: Optional[str] = Field(default=None, description="新的日程标题")
    new_start: Optional[str] = Field(default=None, description="新的开始时间")
    new_end: Optional[str] = Field(default=None, description="新的结束时间")

def extract_target_event(query_result: str, user_intent: str) -> dict:
    """使用LLM从查询结果中提取与用户意图最匹配的日程ID"""
    llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
    prompt = ChatPromptTemplate.from_template(
        "根据用户意图和以下日程列表,找出最匹配的日程,返回其ID。"
        "只返回ID字符串,不要其他内容。\n"
        "用户意图: {intent}\n日程列表: {events}\nID:"
    )
    chain = prompt | llm | StrOutputParser()
    event_id = chain.invoke({"intent": user_intent, "events": query_result})
    return {"event_id": event_id.strip()}

@tool(args_schema=ModifyInput)
def modify_calendar_event(query_start: str, query_end: str, user_intent: str,
                          new_summary: str = None, new_start: str = None,
                          new_end: str = None) -> str:
    """修改已有日程。需先查询得到目标日程,再执行更新。"""
    token = client.get_token()
    # 1. 查询现有日程
    events_info = query_calendar_events.invoke({
        "start_time": query_start,
        "end_time": query_end
    })
    if "暂无日程" in events_info:
        return f"未找到匹配的日程。查询结果: {events_info}"

    # 2. 提取目标日程ID
    target = extract_target_event(events_info, user_intent)
    event_id = target.get("event_id", "")
    if not event_id:
        return f"无法匹配用户意图对应的日程。查询结果: {events_info}"

    # 3. 构造更新请求
    url = f"https://api.dingtalk.com/v1.0/calendar/users/{client.union_id}/events/{event_id}"
    headers = {
        "x-acs-dingtalk-access-token": token,
        "Content-Type": "application/json"
    }
    body = {}
    if new_summary:
        body["summary"] = new_summary
    if new_start:
        body["start"] = {"dateTime": new_start, "timeZone": "Asia/Shanghai"}
    if new_end:
        body["end"] = {"dateTime": new_end, "timeZone": "Asia/Shanghai"}
    resp = requests.put(url, headers=headers, json=body)
    if resp.status_code == 200:
        return f"日程 {event_id} 已更新。"
    return f"更新失败: {resp.json()}"

工具六:删除日程(带人工确认)

删除属于高危操作,因此拆分为两个独立工具:先检索目标并请求确认,用户明确同意后再执行删除。

# tools/calendar_delete.py
import requests
from langchain.tools import tool
from pydantic import BaseModel, Field
from langchain_openai import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from dingtalk_client import client
from config import Config

class DeleteRequestInput(BaseModel):
    query_start: str = Field(description="查询开始时间,ISO8601格式")
    query_end: str = Field(description="查询结束时间,ISO8601格式")
    user_intent: str = Field(description="用户想要删除的日程描述")

class ConfirmDeleteInput(BaseModel):
    event_id: str = Field(description="确认要删除的日程ID")

@tool(args_schema=DeleteRequestInput)
def request_delete_event(query_start: str, query_end: str,
                         user_intent: str) -> str:
    """请求删除某个日程。仅做查询和匹配,返回确认信息,不执行真实删除。"""
    from tools.calendar_query import query_calendar_events
    events_info = query_calendar_events.invoke({
        "start_time": query_start,
        "end_time": query_end
    })
    if "暂无日程" in events_info:
        return f"未找到匹配的日程。查询结果: {events_info}"

    llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
    prompt = ChatPromptTemplate.from_template(
        "根据用户意图和以下日程列表,找出最匹配的日程,返回其ID。只返回ID字符串。\n"
        "用户意图: {intent}\n日程列表: {events}\nID:"
    )
    chain = prompt | llm | StrOutputParser()
    event_id = chain.invoke({"intent": user_intent, "events": events_info})
    return f"找到日程 ID={event_id.strip()},是否确认删除?请用户明确回复「确认」以执行。"

@tool(args_schema=ConfirmDeleteInput)
def confirm_delete_event(event_id: str) -> str:
    """确认并执行删除指定日程的操作。仅当用户明确同意后才调用。"""
    token = client.get_token()
    url = f"https://api.dingtalk.com/v1.0/calendar/users/{client.union_id}/events/{event_id}"
    headers = {"x-acs-dingtalk-access-token": token}
    resp = requests.delete(url, headers=headers)
    if resp.status_code == 200:
        return f"日程 {event_id} 已成功删除。"
    return f"删除失败: {resp.json()}"

完整可运行示例

将所有工具注册到 LangChain Agent 中,构建一个可直接交互的智能体。

# main.py
from langchain_openai import ChatOpenAI
from langchain.agents import AgentExecutor, create_tool_calling_agent
from langchain.prompts import ChatPromptTemplate, MessagesPlaceholder
from config import Config
from tools.todo import create_todo
from tools.calendar_busy import check_busy_status
from tools.calendar_create import create_calendar_event
from tools.calendar_query import query_calendar_events
from tools.calendar_modify import modify_calendar_event
from tools.calendar_delete import request_delete_event, confirm_delete_event

tools = [
    create_todo,
    check_busy_status,
    create_calendar_event,
    query_calendar_events,
    modify_calendar_event,
    request_delete_event,
    confirm_delete_event,
]

def main():
    llm = ChatOpenAI(model="gpt-4", temperature=0)
    prompt = ChatPromptTemplate.from_messages([
        ("system", "你是小浪助手,可使用钉钉待办和日历工具帮助用户。重要操作需用户确认。"),
        MessagesPlaceholder("chat_history"),
        ("human", "{input}"),
        MessagesPlaceholder("agent_scratchpad")
    ])
    agent = create_tool_calling_agent(llm, tools, prompt)
    executor = AgentExecutor(agent=agent, tools=tools, verbose=True,
                             handle_parsing_errors=True)

    # 测试:创建日程
    res = executor.invoke({"input": "明天上午9点到11点帮我安排一个项目启动会"})
    print("回复:", res["output"])

    # 测试:修改日程
    res = executor.invoke({"input": "把明天的项目启动会改到下午2点"})
    print("回复:", res["output"])

    # 测试:删除(会先请求确认)
    res = executor.invoke({"input": "把明天的项目启动会删掉"})
    print("回复:", res["output"])

if __name__ == "__main__":
    main()

运行前请确保 .env 文件中已配置 DINGTALK_APP_KEY、DINGTALK_APP_SECRET、DINGTALK_UNION_ID 以及有效的大模型 API Key。

API 速览

本节汇总博客中涉及的核心钉钉 OpenAPI 端点及其调用方式。

API 功能方法端点关键参数
获取 access_tokenGEThttps://oapi.dingtalk.com/gettokenappkey, appsecret
创建待办POST/v1.0/todo/users/{unionId}/taskssubject, description, priority, dueTime
查询忙闲POST/v1.0/calendar/users/{unionId}/busyuserIds, startTime, endTime
创建日程POST/v1.0/calendar/users/{unionId}/eventssummary, start, end, description, isAllDay
查询日程GET/v1.0/calendar/users/{unionId}/eventsstartTime, endTime
修改日程PUT/v1.0/calendar/users/{unionId}/events/{eventId}summary, start, end
删除日程DELETE/v1.0/calendar/users/{unionId}/events/{eventId}无

Demo 示例

运行说明

  1. 克隆项目并安装依赖:pip install langchain langchain-openai requests pydantic python-dotenv
  2. 在项目根目录创建 .env 文件,填入钉钉应用凭证及大模型 API Key。
  3. 执行 python main.py 启动智能体,输入自然语言指令进行测试。

关键逻辑

  • 智能体使用 create_tool_calling_agent,自动根据用户输入选择合适的工具。
  • 删除操作因拆分为请求确认和确认执行两步,智能体会在请求确认后等待用户明确回复“确认”才会调用删除接口。
  • 日程创建时自动内置冲突检测,有效避免重复预订。

技术点总结

  • 基于 LangChain 的 Tool 装饰器与 Pydantic 参数校验。
  • 钉钉 OpenAPI 的 Token 缓存与统一客户端管理。
  • 原子化工具设计 + 人工确认模式,提升系统可靠性。

参考文档

官方文档

参考链接

总结

本文系统性地实现了基于钉钉 OpenAPI 的待办与日历工具集,涵盖了待办创建、忙闲查询、日程增删改查等核心功能,并在删除操作中引入了人工确认的两阶段流程,有效降低了误操作风险。所有工具均采用 Pydantic 结构化入参,配合 LangChain 的装饰器模式,确保了智能体调用的稳定性与准确性。

该工具集可直接嵌入任何 LangChain 智能体项目,使用户能够通过自然语言无缝管理钉钉日程与待办。本文完整覆盖了钉钉待办创建、日历忙闲查询、日程增删改查的实现细节,并提供了可运行的示例代码,为开发者构建企业级 AI Agent 提供了实用参考。

OpenClaw:面向Windows 10的轻量级AI数字员工一键部署方案 AI Agent 是指具备任务理解、规划与执行能力的智能体,其核心在于将自然语言指令转化为多步骤自动化操作。随着本地化、低门槛AI办公需求激增,轻量级AI Agent运行时成为中小企业与个人用户提升效率的关键技术路径。它无需GPU、不依赖云端、规避复杂环境配置,强调在老旧硬件(如i5-7200U)和主流操作系统(Windows 10)上的即装即用能力。典型价值体现在网页操作、邮件处理、OCR识别、Excel自动填充等高频办公场景,尤其适配行政、财务、客服等角色对‘说人话就能干活’的刚性需求。OpenClaw 阅读详情

相关推荐

[F2F] Java后端AI大纲

120 道 Java 后端 AI 方向面试题,按六个类别整理:数据与接口契约、高并发与流式响应、状态与架构、性能安全成本、工程化与可观测性、Function Calling 与 RAG。排版沿用 MySQL 经典 50 题的做法,第 3 节把试卷整份摊开供自测,第 4 节按同一套全局编号给参考答案:每题一句一针见血的结论,加 2~4 条能落到白板上的要点,写到具体类名、注解、配置项和阈值。

OxYGC 128

脑语言2500单字v1.5.1

如果人和 AI 说同一种语言,文明会怎样?我用 2500 个单字试了试。2500个单字是不同领域、不同知识的共同体,无论你学编程或者是数学或写作,你都要用汉字,而常用的2500个汉字几乎可以涵盖不同行业做的不同事情。

脑语言 2023

【 ‌infrastructure】【数据中心】【AI infra】第十篇 智能计算数据中心解决方案集成测试和交付知识体系01

编号类型领域模块子模块学科知识点及详细数学建模与数值设计(推导/边界/示例)关联知识、标准、法律法规、论文、工业实践1.1架构智算集成总体拓扑业务/管理/数据/参数面分离系统架构、队列论、网络流四平面隔离:业务面带宽B_b、数据面B_d(对象/数仓ETL)、参数面B_p(NCCL AllReduce)、管理面B_m(Prometheus/API)。总成本C=Σ(N_server·C_s+N_sw·C_sw+N_dpu·C_dpu)+C_power;约束B_p≥模型梯度量G/t_step。示例:千卡A100、

weixin_49199313的博客 120

OntoFlow 中的本体原生:Action 支持企业微信、钉钉、飞书群通知

企业软件每天都在产生大量业务数据,也在不断发现异常、风险和机会。设备出现故障,运维人员可能还在查看另一套系统;库存已经触及安全阈值,采购部门却没有收到提醒;订单发生异常,管理人员仍然需要等待人工汇报。企业真正需要的,不只是能够发现问题的智能系统,还需要能够将业务变化及时传递给相关人员,并推动协作和处理。这正是 OntoFlow 将群通知纳入本体原生 Action 的原因。

图特摩斯科技-博客 366

【管理科学】第六十三篇 企业管理者招聘与人才博弈战略02

编号类型领域问题问题的数学分析(含逐步推理与数值范围)方法/手段/步骤/流程/话术/策略/行为/时序的所有内容和步骤(含数学表达式与数值分析)时序数学表达式及周期行动的数学表达式(含数值范围)关联知识和法律法规651组织博弈成本控制如何在保证质量的前提下有效控制成本?逐步推理: 1. 成本控制模型:成本每降低10%,利润可提升15%~25%。但过度降本可能影响质量和员工士气。 2. 控制效果:有效的成本控制可使利润率提升5%~10%。 3. 法律风险:需遵守劳动法和产品质量法。步骤与数学表

weixin_49199313的博客 489

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品)

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品)

jks212454的博客 434

DevOps流水线-下篇-六段流水线实战与钉钉通知

上篇把骨架搭好了:从 Git 读、按tag选版本、六个 stage 全是echo。这篇把它们逐个换成真家伙——打包、扫描、做镜像、推仓库、SSH 部署,最后让钉钉在群里喊一声。本文的实验环境与前几篇,同一套机器,接着上篇继续操作。环境列表如下。

weixin_45488455的博客 575

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统

船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。

专注于计算机研发知识和资讯分享 486

[鼎捷 BPM 运维配置] 钉钉请假记录定时自动导出程序

该系统在Ubuntu服务器上定时自动从钉钉导出指定部门的请假记录,生成Excel文件并发送至管理员邮箱,同时本地保存副本。程序基于Python开发,通过钉钉API获取审批数据,支持多部门、多模板配置,具备日志记录与邮件通知功能,可灵活部署于BPM等系统中,提升工时填报效率。

smallfishjun_cn的博客 382

ANSYS Workbench接触分析实战:从算法选择到收敛难题破解

本文深入解析ANSYS Workbench接触分析的核心技术与实战技巧,涵盖四大接触算法选择、收敛难题破解秘籍及典型场景参数设置。通过实际案例演示如何优化接触刚度、pinball区域和非对称行为等关键参数,帮助工程师有效解决结构非线性问题,提升仿真效率和精度。

weixin_28705087的博客 362

S型速度曲线C程序实现

S型速度曲线C语言程序实现 前言 S型曲线相较于梯形速度曲线具有运行更加平稳的特点,S型曲线共有八种运行情况,感兴趣可以查阅相关文献 代码段 #include <stdio.h> #include <math.h> #define FP64 double int main(void) { /**************************** 定义相关变量(需要映射到PLC寄存器才能进行监控) ***********************/ FP6

LSX312441548的博客 8396

报修系统对接企业微信和钉钉的3种方式_千舟报修云

摘要:能打通,但“打通”有三种深度:推消息、免登录、组织架构同步。多数单位只需要第一种。先想清楚要打到什么程度,再谈接口。 一、消息推送这种打通怎么做? 做什么:新工单生成、被派单、即将超时、完工通知,推送到企业微信或钉钉的群或个人。

2601_96420099的博客 320

保姆级教程:用Wokwi玩转ESP32 MicroPython仿真(含库文件配置指南)

本教程详细介绍了如何使用Wokwi平台进行ESP32 MicroPython仿真开发,包括库文件配置、传感器数据模拟和REPL调试技巧。通过Wokwi的仿真调试系统,开发者可以在浏览器中快速验证代码逻辑,提高开发效率,特别适合物联网项目的快速迭代。

weixin_29195615的博客 448

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 328

手把手教您windows如何正确的开启局域网共享,如何解决“没权限、空密码访问等诸多问题”,含手动操作教程 + 傻瓜式一键设置工具(局域网共享+打印机管理),二选一总有一款能满足您!

😫 Windows共享总失败?别抓狂!这篇教程带你破解“空密码”访问的核心难题 🔑,四步搞定所有设置。文末还附赠“一键修复”神器 🚀,让文件共享丝滑如德芙!

XiaoqiangClub的博客 1455

QML教程04 - Image:搞定界面上的所有图片

本文是QML教程系列的第四篇,重点讲解Image控件的实战用法。文章从图片显示常见的变形、卡顿等问题入手,详细介绍了Image的核心属性和使用技巧。主要内容包括:图片路径的三种写法(相对路径、qrc资源、网络URL)、最重要的fillMode属性解析(PreserveAspectFit、PreserveAspectCrop、Stretch的适用场景)、性能优化方法(sourceSize设置)、异步加载(asynchronous)以及圆形头像的实现方案。

BenBierBa的博客 1610

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 261

EndNote X9 参考文献附录列表 格式调整

EndNote X9 插入参考文献常见问题总结

程序员,他们想的是什么?他们想的永远都是技术,他们崇尚的也永远都是技术。 2571

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 609

YOLOv11改进 | 注意力篇 | YOLOv11引入24年ECCV的自调制特征聚合注意力模块(SMFA),并构建C2PSA_SMFA

1.SMFA介绍1.1 摘要:基于Transformer的图像复原方法由于Transformer的自注意(self-attention,SA)特性能够更好地挖掘非局部信息,从而获得更好的高分辨率图像重建效果,因此具有重要的应用价值。然而,关键点积SA需要大量的计算资源,这限制了其在低功耗器件中的应用。此外,模拟退火机制的低通特性限制了其捕获局部细节的能力,从而导致平滑的重建结果。

tsg6698的博客 955

YOLO26 终极蒸馏指南:从入门到 SOTA (The Ultimate Distillation Guide)

《YOLO26 蒸馏技术指南》深入解析了知识蒸馏在目标检测中的应用,提出五大蒸馏范式:响应蒸馏(学习最终输出)、特征蒸馏(模仿中间特征)、关系蒸馏(捕捉通道关联)、CWD(通道语义对齐)和FGD(前景背景分离)。实验表明,"Response KD + CWD + FGD"组合效果最佳,使YOLO26n在0.5ms推理速度下达到0.956 mAP50,甚至超越教师模型。指南提供模块化代码实现和超参数调优建议,强调蒸馏能平衡模型精度与效率,是轻量化部署的有效方案。

weixin_51988935的博客 717

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 198

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 333

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 337

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 80

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 154
上一篇: AI Agent从无到有55: RAG 知识库设计——从文档摄入到智能检索
下一篇: AI Agent从无到有57: 上下文记忆系统——基于 Redis 的长短期记忆实现
Wang's Blog
博客等级 码龄12年 7438粉丝 2422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

打赏作者

Wang's Blog

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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