用腾讯云AI代码助手开发一款数据库敏感信息检查工具

技术小白如何用腾讯云开发+Python打造电商数据管理系统 在当今数据驱动的商业环境中,数据处理与自动化管理已成为提升运营效率的关键。其核心原理在于通过API接口实现多源数据的自动采集,并利用编程语言进行清洗、整合与分析,最终通过可视化界面呈现业务洞察。这项技术的价值在于能够将业务人员从繁琐的手工数据整理中解放出来,实现数据驱动的精准决策。典型的应用场景包括电商运营、独立站管理以及小型团队的内部数据看板搭建。本文以Shopify电商数据管理为例,详细阐述了如何利用腾讯云开发这一低代码平台结合Python的pandas等库,构建一个从数据拉取、清洗、存储到分析可视化的 阅读详情

#01 引言

作为一个优秀的 IT 技术民工,需要始终学习先进的技术并将技术转换为生产力,目前 AI 领域编码辅助工具层出不穷,开发者有必要或者说必须要掌握相关工具的使用,以提高编码效率,降低编码错误。这次我通过一个简单的项目和大家分享一下腾讯云 AI 代码助手的使用。

#02 AI 开发实践

开发环境介绍

目前我使用的开发语言是Java,主要在 IntelliJ IDEA 开发,选用 Java 开发的原因主要是个人习惯,对 Java 比较熟悉,不过也是第一次去开发类似腾讯这种数据库扫描工具,类似 T- Sec 数据安全审计,挖掘数据库运行过程中各类潜在风险和隐患的扫描小工具,还是有些挑战。所以我选择采用目前对比体验效果比较不错的「腾讯云 AI 代码助手」。

首先我们从安装插件开始,打开 IntelliJ IDEA ,通过 Settings->Plugins->搜索腾讯云 AI 代码助手,点击 Install

然后,右下角点击 icon 微信扫码登录

开发背景简要说明

开发数据库扫描工具的原因是因为我需要对公司内部所有运行在腾讯云上面的数据库进行检查。

信息安全:要求不允许数据库中存放任何敏感信息,包括身份证号,手机号,银行卡号,邮件地址等信息

面临挑战:由于数据库众多,数据量巨大,如果进行人工核验非常耗时耗力,最重要的是难免会有所遗漏

解决方案:基于信息安全和挑战,决定采用 AI 来开发一个简单的工具来实现此功能,提升自己工作效率,数据库铭感信息检查工具主要包括以下功能:

面向多个腾讯云数据库连接,工具可以一次性接入并完成所有数据库的扫描,以提升检查效率

可以自动获取一个腾讯云数据库下的多个 DB,并进行数据扫描

能匹配数据格式是否是敏感信息

将识别到的敏感信息输出日志,以便后续反馈给相关人员进行处理

编码实现

首先定义多个数据库的连接方式

以下为 yaml demo 示例文件格式,这种定义方式可以将多个数据库信息写在一起,一次扫描所有数据库服务器

databases:
  - host: 192.168.1.2
    port: 3306
    username: root
    password: MysqlPasswd
  - host: 192.168.1.3
    port: 3306
    username: root
    password: MysqlPasswd

然后,进行定义 class 类用于绑定 yaml,将 yaml 文件的数据库信息映射成 DatabaseInfo 对象,方便我后续的操作

package org.checkdb;

public class DatabaseInfo {
    String databaseHost;
    String databasePort;
    String databaseUser;
    String databasePassword;

    // Getter and Setter methods
    public String getHost() {
        return databaseHost;
    }

    public void setHost(String databaseHost) {
        this.databaseHost = databaseHost;
    }

    public String getPort() {
        return databasePort;
    }

    public void setPort(String databasePort) {
        this.databasePort = databasePort;
    }

    public String getUsername() {
        return databaseUser;
    }

    public void setUsername(String databaseUser) {
        this.databaseUser = databaseUser;
    }

    public String getPassword() {
        return databasePassword;
    }

    public void setPassword(String databasePassword) {
        this.databasePassword = databasePassword;
    }
}

在 mian 中绑定 yaml 和类,在工具启动时映射 dataeaseinfo 对象中,这部分代码我们使用腾讯云 AI 代码助手帮我们生成一个简单的例子,我们简单修改完成。我们可以通过问答的方式获取相关例子

通过腾讯云 AI 代码助手 AI 技术问答给出的例子,基本简单修改即可完成使用,但是注意别忘了添加包依赖

package org.checkdb.utils;

import org.checkdb.DatabaseInfo;
import org.yaml.snakeyaml.Yaml;

import java.io.InputStream;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;

public class DatabaseMapper {
    private static final Yaml yaml = new Yaml();

    public static List<DatabaseInfo> mapDatabasesFromYaml(String yamlFilePath) {
        InputStream inputStream = DatabaseMapper.class.getClassLoader().getResourceAsStream(yamlFilePath);
        Map<String, List<Map<String, String>>> databasesMap = yaml.load(inputStream);
        List<DatabaseInfo> databaseInfos = new ArrayList<>();

        for (Map<String, String> databaseMap : databasesMap.get("databases")) {
            DatabaseInfo databaseInfo = new DatabaseInfo();
            databaseInfo.setHost(databaseMap.get("host"));
            databaseInfo.setPort(String.valueOf(databaseMap.get("port")));
            databaseInfo.setUsername(databaseMap.get("username"));
            databaseInfo.setPassword(databaseMap.get("password"));
            databaseInfos.add(databaseInfo);
        }

        return databaseInfos;
    }
}

在 main 方法中增加调用,这样我们就在 mian 方法中获取到了所有的数据库信息 List

public static void main(String[] args) {
        List<DatabaseInfo> databaseInfos = DatabaseMapper.mapDatabasesFromYaml("databases.yaml");
        for (DatabaseInfo databaseInfo : databaseInfos) {
            List<String> databases = DatabaseConnector.getAllDatabases(databaseInfo);
        }
    }

编写连接数据库的方法

获取单个 mysql 中的所有 database,然后我们把这个方法放到 main 中的,对 databaseInfos 进行循环,依次获取所有 mysql 数据库中的所有 database。

现在继续使用腾讯云 AI 代码助手帮助我们提供示例

public static List<String> getAllDatabases(DatabaseInfo databaseInfo) {
        List<String> databases = new ArrayList<>();
        try {
            Connection conn = DriverManager.getConnection("jdbc:mysql://" + databaseInfo.getHost() + ":" + databaseInfo.getPort()+ "?useSSL=false&serverTimezone=UTC", databaseInfo.getUsername(), databaseInfo.getPassword());
            Statement stmt = conn.createStatement();
            ResultSet rs = stmt.executeQuery("SHOW DATABASES");
            while (rs.next()) {
                databases.add(rs.getString(1));
            }
            conn.close();
        } catch (SQLException e) {
            e.printStackTrace();
        }
        return databases;
    }

在 main 方法中增加调用,现在我们可以依次获取所有 mysql 数据库中的所有 database

public static void main(String[] args) {
        List<DatabaseInfo> databaseInfos = DatabaseMapper.mapDatabasesFromYaml("databases.yaml");
        for (DatabaseInfo databaseInfo : databaseInfos) {
            List<String> databases = DatabaseConnector.getAllDatabases(databaseInfo);
        }

获取单个 database 中的所有表,这次我们换一种新的方式使用腾讯云 AI 代码助手,通过编写代码注释,让腾讯云 AI 代码助手帮我们生成代码

public static List<String> getAllTables(DatabaseInfo databaseInfo, String databaseName) {
        List<String> tables = new ArrayList<>();
        try {
            Connection conn = DriverManager.getConnection("jdbc:mysql://" + databaseInfo.getHost() + ":" + databaseInfo.getPort()+ "?useSSL=false&serverTimezone=UTC", databaseInfo.getUsername(), databaseInfo.getPassword());
            Statement stmt = conn.createStatement();
            ResultSet rs = stmt.executeQuery("SHOW TABLES FROM " + databaseName);
            while (rs.next()) {
                tables.add(rs.getString(1));
            }
            conn.close();
        } catch (SQLException e) {
            e.printStackTrace();
        }
        return tables;
    }

在 main 方法中增加调用,现在我们可以依次获取所有 mysql 数据库中的所有 database 的所有 table

public static void main(String[] args) {
        List<DatabaseInfo> databaseInfos = DatabaseMapper.mapDatabasesFromYaml("databases.yaml");
        for (DatabaseInfo databaseInfo : databaseInfos) {
            List<String> databases = DatabaseConnector.getAllDatabases(databaseInfo);
            for (String database : databases) {
                List<String> tables = DatabaseConnector.getAllTables(databaseInfo,database);
            }
        }
    }
图片

数据格式校验方法

以下为 AI 生成的代码,达到了 100% 可用

package org.checkdb.utils;

public class CheckRE {

    // 判断数据格式是否是身份证号
    public static boolean isIdCard(String idCard) {
        return idCard.matches("^[1-9]\\d{5}(18|19|([23]\\d))\\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\\d{3}[0-9Xx]$");
    }

    // 判断数据格式是否是手机号
    public static boolean isMobileNO(String mobiles) {
        return mobiles.matches("^((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|166|198|199|(147))\\d{8}$");
    }

    // 判断数据格式是否是银行卡号
    public static boolean isBankCard(String bankCard) {
        return bankCard.matches("^[1-9]\\d{9,29}$");
    }
}

注:这些判断方法肯定不是非常严格的验证,但是用于判断数据库中是否存在这些敏感类型的数据是足够了

扫描逻辑

最后,通过编写工具扫描逻辑,由于数据表中的数据非常多,全表扫描存在性能问题,因此并不可取,本次,我们以每次获取每张表的前 500 条数据进行判断,如果存在敏感数据,我们记录到文件中,依然腾讯云 AI 代码助手生成代码


package org.checkdb.utils;

import org.checkdb.DatabaseInfo;

import java.io.BufferedWriter;
import java.io.FileWriter;
import java.io.IOException;
import java.sql.*;
import java.util.ArrayList;
import java.util.Objects;

import static org.checkdb.utils.CheckRE.*;

public class ScanDatabase {

    public static void ScanTable(DatabaseInfo databaseInfo,String databaseName,String tableName){

        if (Objects.equals(databaseName, "mysql") || Objects.equals(databaseName, "sys") || Objects.equals(databaseName, "performance_schema") || Objects.equals(databaseName, "information_schema")) {
            return;
        }
        Connection conn = null;
        Statement stmt = null;
        ResultSet rs = null;
        try {
            // 连接数据库
            conn = DriverManager.getConnection("jdbc:mysql://" + databaseInfo.getHost() + ":" + databaseInfo.getPort()+"/"+databaseName+ "?useSSL=false&serverTimezone=UTC", databaseInfo.getUsername(), databaseInfo.getPassword());
            // 获取表的所有字段信息
            DatabaseMetaData metaData = conn.getMetaData();
            ResultSet fieldsRS = metaData.getColumns(null, null, tableName, null);
            // 存储字段名
            ArrayList<String> fields = new ArrayList<>();
            while (fieldsRS.next()) {
                fields.add(fieldsRS.getString("COLUMN_NAME"));
            }
            // 执行SQL查询,获取前500条数据
            String sql = "SELECT * FROM " + tableName + " LIMIT 500";
            stmt = conn.createStatement();
            rs = stmt.executeQuery(sql);
            // 判断每个字段是否包含敏感信息并写入文件
            BufferedWriter writer = new BufferedWriter(new FileWriter("sensitive_data.txt", true));
            while (rs.next()) {
                for (String field : fields) {
                    String value = rs.getString(field);
                    if (value == null) {
                        continue;
                    }
                    if (isIdCard(value)) {
                        writer.write("数据库IP: "+ databaseInfo.getHost() + "数据库名称: "+ databaseName + "表名称:" + tableName + "字段名: " + field + "存在敏感数据: " + value + "\n");
                        break;
                    }
                    if (isMobileNO(value)) {
                        writer.write("数据库IP: "+ databaseInfo.getHost() + "数据库名称: "+ databaseName + "表名称:" + tableName + "字段名: " + field + "存在敏感数据: " + value + "\n");
                        break;
                    }
                    if (isBankCard(value)) {
                        writer.write("数据库IP: "+ databaseInfo.getHost() + "数据库名称: "+ databaseName + "表名称:" + tableName + "字段名: " + field + "存在敏感数据: " + value + "\n");
                        break;
                    }
                }
            }
            writer.close();
        } catch (SQLException | IOException e) {
            e.printStackTrace();
        } finally {
            // 关闭资源
            try {
                if (rs != null) rs.close();
                if (stmt != null) stmt.close();
                if (conn != null) conn.close();
            } catch (SQLException e) {
                e.printStackTrace();
            }
        }
    }
}

在 main 方法中增加调用


public class Main {
    public static void main(String[] args) {
        List<DatabaseInfo> databaseInfos = DatabaseMapper.mapDatabasesFromYaml("databases.yaml");
        for (DatabaseInfo databaseInfo : databaseInfos) {
            List<String> databases = DatabaseConnector.getAllDatabases(databaseInfo);
            for (String database : databases) {
                List<String> tables = DatabaseConnector.getAllTables(databaseInfo,database);
                for (String table : tables){
                    ScanDatabase.ScanTable(databaseInfo,database,table);
                }
            }
        }
    }
}

注:1、要排除 Mysql 自带库;2、要考虑查询值空指针

Code Review

现在我们代码逻辑和主要功能都已经实现,但是还是需要进行 code review,以便检查出代码中存在的潜在问题,还好腾讯云 AI 代码助手提供了代码优化功能,我们使用一下看看效果,此处主要的两个功能是,代码优化和缺陷检查

通过代码优化,对 scanDatabase 进行优化

该功能给出了一下优化建议,以及示例代码,我们可以参考和建议进行修改

使用 try-with-resources 语句自动关闭资源,避免潜在的资源泄露。

将敏感信息的检测逻辑封装成方法,提高代码的可读性和可维护性。

使用预编译语句(PreparedStatement)来执行 SQL 查询,提高代码的安全性和性能。

避免在循环中频繁地打开和关闭文件,可以考虑使用 try-with-resources 语句来管理文件资源。

通过缺陷检查,我们对 scanDatabase 进行缺陷检查

该功能给出的建议如下

SQL 注入风险:原代码中直接拼接 SQL 查询语句,存在 SQL 注入的风险。为了避免这个问题,应该使用 PreparedStatement 来代替 Statement。 

资源关闭异常:在 finally 块中关闭资源时,如果任何一个资源关闭失败,后续的资源关闭操作将不会被执行。应该分别捕获每个资源的关闭异常。 

文件写入异常处理:在写入文件时,如果发生异常,可能会导致文件没有被正确关闭。应该使用 try-with-resources 语句来确保文件在异常发生时也能被正确关闭。 

数据库连接字符串硬编码:数据库连接字符串中的 useSSL = false&serverTimezone = UTC 可能不适用于所有情况,应该允许通过参数传递。 

文件写入路径硬编码:写入文件的路径被硬编码为 sensitive_data.txt,这可能导致文件被覆盖或写入到不期望的位置。应该允许通过参数传递文件路径。

Code Review小结

通过使用代码优化、代码缺陷检查,可以帮助我快速发现解决问题,也是对日常编码过程的一些宝贵建议,让我的思路可以更开阔,但 AI 给出的建议并非是一定要采纳的,需要根据情况具体分析,比如存在 sql 注入风险,所有 sql 均在代码内部,并不接收任何参数作为 sql 的一部分,则可暂不考虑优化。

工具效果

通过创建了两个 MySQL 数据库,创造一些促五示例数据,并进行扫描检测,可看到工具已查询出存在敏感字段的内容

#03 获得帮助与提升

通过使用腾讯云 AI 代码助手的问答、代码补全、代码优化、缺陷检查等功能,我们顺利完成了这个小工具的开发,只能说功能非常好用,极大的提高 Coding 效率,基于代码上下文逻辑,腾讯云 AI 代码助手可以自动补全,通过问答方式也可快速获取想要的例子。

本次开发通过 AI 技术问答的方式解决了一部分代码逻辑设计的问题(因为我没有思考如何设计,只是把问题抛给腾讯云 AI 代码助手)可以说是小白式开发;还有很多的功能我实际用到了,但是文章中没有体现出来,比如下图出现报错时,腾讯云 AI 代码助手可以帮助定位问题,另外,就是腾讯云 AI 代码助手可以快速帮你生成代码注释,简直懒人神器,最后祝愿腾讯云 AI 代码助手越来越棒!





 https://copilot.tencent.com/?fromSource=csdn

腾讯云ClawPro实战:从零构建企业级微信AI助手 对话式AI应用开发正成为企业智能化转型的关键路径,其核心在于将大语言模型的自然语言理解能力与业务场景无缝对接。其技术原理通常基于事件驱动的架构,通过接收用户输入、调用模型API并返回结构化响应来实现智能交互。这一模式的技术价值在于显著降低了人机交互门槛,并能将AI能力快速嵌入到高频使用的通信平台中。在应用场景上,企业微信因其天然的办公属性和便捷的集成能力,成为构建内部智能助手、客服机器人和自动化流程的理想入口。本文聚焦于腾讯云ClawPro这一企业级托管平台,它通过提供开箱即用的环境、预集成的微信通道和可视 阅读详情

相关推荐

AI开发实战:腾讯云与讯飞星火API接入指南与错误处理

API(应用程序编程接口)是现代软件开发的基石,它定义了不同软件组件之间交互的协议。其核心原理是通过预定义的请求和响应格式,实现功能的标准化调用。在人工智能领域,大模型API将复杂的AI能力封装为服务,极大地降低了技术应用门槛,为开发者提供了强大的工具。其技术价值在于实现了AI能力的“平民化”和“工业化”,使中小团队也能快速集成智能代码补全、自然语言生成等高级功能。典型的应用场景包括智能客服、代码辅助、内容创作和知识问答等。本文聚焦于腾讯云AI代码助手和讯飞星火大模型API的工程实践,针对高频出现的 `ap

weixin_30940783的博客 347

2025最新敏感词库(14w+)8月最新

敏感词库的建设是攻防对抗的持续过程。一个优秀的词库系统需要兼顾技术深度(如算法优化)、工程复杂度(如分布式架构)和业务敏感度(如政策响应)。建立完善的词库管理流程(采集→审核→发布→迭代)构建多层次匹配体系(关键词+语义+图像)设计可观测性系统(实时监控误报率、拦截量)GitHub敏感词库工程实践(注:示例代码已脱敏处理,实际部署需结合业务场景优化)作者简介:Konsheng,10年云计算与信息安全从业者,现任互联网公司安全架构师,主导过亿级用户量的内容安全系统建设。

Hang_kon的博客 2万+

工程级AI代码生成:低代码如何解决大模型幻觉与数据安全?

低代码平台在AI代码生成中的应用,特别是在解决大模型幻觉、优化成本和保障数据安全方面,展示了巨大的潜力和优势。结合腾讯云Copilot的案例,企业能够通过智能化工具加速开发过程,同时规避常见的技术难题,提升开发效率和代码质量。随着AI和低代码技术的不断发展,未来的开发者将能在更加安全、智能和高效的环境中进行创新和迭代。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 832

推荐开源项目:Desensitized - 敏感信息脱敏库

推荐开源项目:Desensitized - 敏感信息脱敏库 去发现同类优质开源项目:https://gitcode.com/ 在处理个人数据或敏感信息时,脱敏是一种常见的安全策略。Desensitized 是一个由 DannyHoo 开发的 Python 库,专门用于对数据进行脱敏处理,以保护隐私并符合法规要求。 项目简介 Desensitized 是一个轻量级、易用且高度可配置的数据脱敏工具。它...

gitblog_00082的博客 1768

Java识别文本中的敏感词汇

要想实现识别敏感词,那么我们就需要一个敏感词汇库,我们可以将敏感词放到一个.txt文件中,这里给大家上传一个我自己使用的词汇库。主要思想:利用字符串的公共前缀来节约存储空间,很好地利用了串的公共前缀,节约了存储空间,字典树主要包含插入和查找两种操作。DFA的核心算法就是建立以敏感词为基础的许多敏感词树(也就是字典树),它的基本思想是基于状态转移搜索敏感词。用DFA帮助我们实现敏感词的识别,使用DFA之前,我在这里给大家简单的介绍一下什么是DFA。识别敏感词汇有一下几种方法。

fxbsdl的博客 1084

setup time和hold time的计算

内容仅仅为了方便记忆,与原理无关

sddhyl的博客 7821

秘密模式数据库:全面的敏感信息检测资源

秘密模式数据库:全面的敏感信息检测资源 secrets-patterns-dbSecrets Patterns DB: The largest open-source Database for detecting secrets, API keys, passwords, tokens, and more.项目地址:https://gitcode.com/gh_mirrors/se/secret...

gitblog_00083的博客 716

PINN——加入物理约束的神经网络

【摘要】 基于物理信息的神经网络(Physics-informed Neural Network, 简称PINN),是一类用于解决有监督学习任务的神经网络,它不仅能够像传统神经网络一样学习到训练数据样本的分布规律,而且能够学习到数学方程描述的物理定律。与纯数据驱动的神经网络学习相比,PINN在训练过程中施加了物理信息约束,因而能用更少的数据样本学习到更具泛化能力的模型。本文主要解析这种神经网络以...

qq_39444290的博客 4587

好用的敏感信息加密库Jasypt

功能:Jasypt提供了一个简单且安全的方式来加密和解密数据,支持多种加密器,适用于各种场景,如数据库密码加密、API密钥保护、用户密码加密等。特点简单易用:Jasypt提供了简单易用的API,开发人员可以轻松集成到项目中。强大的加密功能:支持多种加密算法和加密器,可以根据具体需求选择合适的加密方式。高安全性:基于标准的加密技术,确保数据的安全性。

xuweilin的博客 2604

ubuntu20.04开机黑屏卡在/dev/sda1:clean,***files,***blocks,解决心得记录

这个问题如果你百度,会发现目前有很多种解决方法。 有更新显卡驱动的,有卸载上一次安装软件的,还有各种奇奇怪怪的故障原因。 如果你是属于上述情况,那么按照百度和论坛的各种指引操作一般都能解决。 但我这里主要说一种特殊情况,就是我什么也没有操作,我什么也没干。就是正常使用系统关了机突然就报错了。 这也是自己亲自遇到的问题,做个小记录方便以后自己回顾。 上一次出现这种情况我重装系统了,这次用了两个月又出现了,重装成本太高,我接受不了,于是找到解决办法。 首先找个终端进入,进入终端的方法很多,用安装u盘

qq_41517017的博客 2万+

OBD诊断协议:OBDⅡ (SAE J1979) 和 OBDonUDS (SAE J1979-2) 和ZEV OBD技术架构的详细对比

摘要:文章对比了2025年最新OBD技术标准(SAEJ1979系列)的三大架构:传统OBD-II(已淘汰)、OBDonUDS(燃油/混动车)和ZEVOBD(新能源车)。核心发现:1)OBDonUDS与ZEVOBD共享UDS协议栈和DoIP通信标准,仅应用层数据(DID/DTC)不同;2)物理层统一为CAN+以太网,支持远程诊断和OTA;3)诊断工具需同时兼容J1979-2/3数据库。技术演进呈现"协议统一化、数据专用化"趋势,2027年后所有新车将强制采用新标准。

m0_56482679的博客 2408

「入选文章」腾讯云AI助力开发-数据库敏感信息检查工具

我们使用目前应用非常广泛的开发语言java,使用IntelliJ IDEA作为我们的开发工具,目前腾讯云代码助手已经支持以插件模式安装到IntelliJ IDEA中,详细安装方式可以。

cloud_studio的博客 223

电池管理系统(BMS)系列(四)—数据采集之温度

属于BMS系列文章,介绍了电池包温度采集相关方式

zxx52113140的博客 5462

腾讯云AI代码助手编程挑战赛-个人伴侣智能助手

腾讯AI助手的使用与作品实战

showx的专栏 2051

饥饿游戏搜索算法(HGS)详解:从生物激励到智能优化

饥饿游戏搜索算法(HGS)是一种受动物饥饿驱动觅食行为启发的智能优化算法。该算法通过模拟生物饥饿程度与觅食策略的关系,将个体适应度映射为饥饿感,并据此动态调整搜索行为。HGS的核心机制包括:1) 饥饿权重计算(W1/W2),2) 三种位置更新策略(随机探索、正向/负向协作),3) 自适应平衡参数E。算法通过迭代优化逐步改进解的质量,具有参数自适应、全局搜索能力强等特点,在复杂优化问题中表现出色。相比传统优化方法,HGS更注重个体内部状态对搜索行为的影响,实现了探索与开发的自然平衡。

qq_42212808的博客 156

《UDS协议从入门到精通》系列——图解0x2E:通过ID写数据

图解数据包格式+直观的通信示例,迅速认识0x2E服务!!

车载系统攻城狮 3603

企业级AI应用开发实战:基于腾讯云ADP与OpenClaw构建智能客服助手

在当今企业数字化转型浪潮中,AI智能体(Agent)已成为提升业务效率与用户体验的关键技术。其核心原理在于赋予大语言模型(LLM)自主规划、工具调用与记忆能力,使其能像人类一样分解复杂任务、执行多步骤操作。这一技术价值在于将通用AI能力与具体业务系统深度结合,实现流程自动化与智能决策。典型的应用场景包括智能客服、数据分析助手与自动化审批流程。然而,企业级应用对稳定性、安全性与高并发有严苛要求,自建方案往往面临技术栈复杂、运维成本高的挑战。本文聚焦于如何利用腾讯云智能体开发平台(ADP)提供的全托管、开箱即用

weixin_30808693的博客 1032

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

腾讯云开源TencentDB Agent Memory v2.0:构建AI编程助手的团队记忆中枢

在AI编程助手日益普及的背景下,如何实现团队级的知识共享与规范统一成为提升研发效能的关键挑战。这涉及到**向量数据库**等基础技术,它们通过语义检索能力为AI应用提供了信息查找的基石。其技术原理在于将非结构化数据转化为向量表示,并通过相似度计算实现高效检索,从而为智能体提供上下文支持。该技术的核心价值在于打破信息孤岛,实现知识的持久化与结构化复用。典型的应用场景包括代码片段管理、架构规范传承和团队经验沉淀。本文聚焦的TencentDB Agent Memory v2.0正是在此基础上,构建了一个面向**AI

weixin_34198762的博客 419

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

基于腾讯云ClawPro构建企业级微信AI助手:从架构设计到实战部署

AI Agent(人工智能代理)作为连接大语言模型与现实世界任务的关键技术,其核心原理在于通过规划、工具调用与环境交互,自主完成复杂指令。这项技术的工程价值在于将前沿的AI能力转化为稳定、可复用的服务,从而广泛应用于智能客服、自动化流程与个人助手等场景。本文聚焦于企业级AI Agent的落地实践,深入探讨如何利用腾讯云ClawPro这一托管式AI Agent服务,高效、安全地对接微信生态。通过解析异步消息处理架构与云函数中转层设计,解决了微信接口的5秒超时限制与高并发挑战,并融入多轮对话管理与安全加固等热词

weixin_34199335的博客 470

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

腾讯云一键部署OpenClaw AI助手,打通飞书钉钉企业IM

容器化技术通过Docker将应用及其依赖打包成标准单元,实现了开发、测试、生产环境的一致性,解决了“在我机器上能跑”的经典难题。其核心原理在于利用操作系统级虚拟化,通过镜像和容器实现应用的快速部署与隔离。这项技术的工程价值在于极大地简化了运维复杂度,提升了服务交付的效率和可靠性。在AI应用部署场景中,容器化成为连接云端算力与企业办公平台的桥梁。本文以OpenClaw AI助手为例,结合Nginx反向代理和自动化脚本,详细阐述了在腾讯云上利用Docker Compose实现一键部署,并安全接入飞书、钉钉等企业

aaa1231722的博客 395

【Skills开发实战指南】第01篇:Skills开发入门:AI助手的能力扩展革命

本文介绍了AI编程助手Skills的核心概念、技术架构和应用价值。Skills作为AI助手的能力扩展模块,采用插件化设计,包含元数据、核心代码和接口等组件,相比传统IDE插件具有更低的交互门槛和更强的跨平台性。文章通过实证数据展示了Skills在提升开发效率方面的显著效果,特别是在文档处理、数据报表等场景可带来5-14倍的效率提升。当前主流AI编程工具已普遍支持Skills扩展,形成了涵盖文档处理、数据分析、系统集成等类别的丰富生态。Skills不仅适用于个人开发者提升效率,也能帮助企业实现流程标准化和知识

xyghehehehe的专栏 1463

腾讯云部署OpenClaw接入Slack:半小时构建团队AI助手

智能体(Agent)框架通过封装大语言模型(LLM)能力,将复杂任务分解为可执行的技能(Skill),是实现自动化与智能交互的核心原理。其技术价值在于连接AI能力与真实业务系统,提升团队协作与问题解决效率。典型的应用场景包括构建企业内部效率工具与智能客服机器人。本文以开源框架OpenClaw为例,结合Docker容器化部署与云服务器(CVM)的稳定基础设施,详细解析了如何快速在腾讯云环境部署该框架,并安全地将其与Slack等主流协作平台集成,从而打造一个可高度定制的专属AI助手。

485

腾讯云智能体开发平台企业级ADP Claw最佳实践与教程 2026

实现文本题目(选择 / 填空 / 判断等)的智能切题、入库与按需出题,图片题预留字段可自行开发,核心步骤为:准备 MySQL 数据库建表、配置腾讯云 COS 桶、在 ADP 新建对应应用并配置、OpenClaw 安装相关技能后创建试题处理 / 出题技能,支持脚本调用实现文件解析、题库存储和智能出题,可在 ADP 和数据库中验证入库 / 出题结果。企微向机器人发消息获取配对码,在 ADP 的 OpenClaw 对话中发送配对码完成配对,即可实现企微与 OpenClaw 的对话交互。

weixin_55366265的博客 1507

腾讯云轻量服务器部署OpenClaw AI助手:从零搭建私有智能助手

在人工智能技术普及的今天,本地化部署AI模型成为保障数据隐私和降低长期成本的关键需求。其核心原理在于将大型语言模型(LLM)或AI服务框架部署在自有服务器上,实现数据完全自主可控。这一技术方案对于开发者和小型团队尤其具有价值,它避免了持续API调用费用,并消除了敏感信息外泄的风险。典型的应用场景包括代码辅助、文档生成、个人知识库问答等需要高频、安全交互的领域。本文聚焦于利用腾讯云轻量应用服务器这一高性价比资源,结合Docker容器化技术,详细演示如何部署开源的OpenClaw AI助手框架,实现一个7x24

weixin_30387423的博客 320

基于腾讯云开发构建OpenClaw AI技能全自动CI/CD流水线实践

持续集成与持续部署(CI/CD)是现代软件工程的核心实践,它通过自动化代码集成、测试、构建和部署流程,显著提升开发效率和软件质量。其核心原理是将人工操作转化为可重复、可追溯的自动化脚本,实现快速、可靠的软件交付。在AI应用和微服务架构中,CI/CD的技术价值尤为突出,能够确保模型更新、技能模块发布的敏捷性和环境一致性。本文以OpenClaw AI助手框架的技能(Skill)模块为具体应用场景,深入解析如何利用腾讯云开发(CloudBase)的Serverless能力,搭建一套从代码提交到自动上线的完整流水线

weixin_30325487的博客 309
上一篇: 我在腾讯云遇到真爱了
下一篇: AI 助力游戏开发中的常用算法实现
腾讯云代码助手 CodeBuddy
博客等级 码龄3年 502粉丝 67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