明天，在命令行里直接「对话」你的技术栈

最新推荐文章于 2025-12-02 15:55:42 发布
原创 最新推荐文章于 2025-12-02 15:55:42 发布 · 221 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #腾讯云AI代码助手 #腾讯云 #codebuddy

如果你追求极致的开发/运维效率
如果你厌倦了在无数个开发工具间切换
如果你坚信终端才是程序的真理之地
如果你不想错过一次可能发生的开发范式转移

明天 19:00，预约锁定 CodeBuddy Code 发布会👇 这或许是你今年必装的终端 AI 工具之一

🌟 直播亮点
· 为什么是现在？为什么是 CLI ?
· CodeBuddy Code 能做什么？
· 现场演示：如何用一句话让终端自动完成从构思到部署？
· CLI Agent 正经历怎样的范式转移？其未来发展方向何在？

对比三款最佳的代理式 CLI 编程工具
独立开发，substack顶级编辑
06-11 591
像 Aider、Claude Code 和 Codex CLI 这样的命令行人工智能编程工具，通过任务委托和自动化，帮助开发者更快地工作并改善工作流程。 它们是 VS Code 和 Cursor 等领先人工智能代码编辑器的直接替代品，并为工程师与人工智能代理协作开辟了新的领域。
你知道MCP是如何工作的吗？
智弦智创的博客
11-18 308
MCP（Model Context Protocol）是AI大模型与外部系统沟通的标准化桥梁，它解决了传统AI服务在集成外部工具时面临的碎片化问题。MCP系统的核心架构包括MCP主机（发起请求）、MCP客户端（转换格式）和MCP服务器（提供资源），三者通过标准化协议协作。相较于REST API的单次交互，MCP支持连续上下文记忆；相比大模型直接调用工具，MCP提供统一接口规范；传统AI服务需要为每个工具定制开发，而MCP实现即插即用。通过示例展示了如何用TypeScript快速开发天气查询MCP服务，验证了
ChatPilot：开源对话系统探索与实践
寻道AI，探索AI无限可能！
07-14 3428
随着人工智能技术的不断进步，对话系统已成为我们日常生活中不可或缺的一部分。从智能助手到在线客服，这些系统正在变得越来越智能和个性化。ChatPilot作为一个新兴的开源项目，以其强大的对话能力和灵活的定制性，吸引了全球开发者的目光。本文将深入探讨ChatPilot项目，为读者提供全面的技术解析和实践指南。
《Linux命令行与shell脚本大全》笔记
路途
12-29 3159
初识Linux Shell 什么是Linux Linux可划分为以下四部分： Linux内核 GNU工具 图形化桌面环境 应用软件 深入探究Linux内核 内核主要负责以下四种功能： 系统内存管理 软件程序管理 硬件设备管理 文件系统管理 系统内存管理 不公管理服务器上的可用物理内存，还可以创建和不容易理虚拟内存。 内核通过硬盘上的存储空间来实现虚拟内存，这块区域称为交换空间（swap s...
AI智能体技术实现原理
坚持做正确的事情！
06-08 1172
从chatgpt问世依赖，AI已火了2年，现在仅仅国内的大模型厂商也有数十家，AI这个赛道发展颇为迅速，如果说有2个月不关注AI这个圈子，一大批的名词和应用就会让你感到陌生可能仅仅一个春节，deepseek发起的卷成本之战，让本地部署走进了自己的电脑主机最近半年来，大模型也没什么新的实质突破了，去年还在不断的通过编写prompt，让AI进行一些稳定的工作内容输出，现在又开始卷agent了 ～～这篇文章以Vscode的智能机器人为例，着重讲一些agent在技术上的一些看法文章中涉及一些。
从智能锁谈STM32安全技术
m0_61687959的博客
06-21 3413
1.1.1 什么是安全安全分为2类：功能安全 Functional Safety信息安全 Information Security本教程讲的安全都指信息安全！！！1.1.2 信息安全三要素信息安全有3个基本属性（基本服务）：保密性（C）：该你知道，你可以知道；不该你知道的，就不让你知道完整性（I）：真实可靠，信息没有被修改，没有被假冒可用性（A）：总是可以访问这个信息，该用时也可以用1.2.1 什么是智能锁智能锁不用于传统的机械锁具，带有芯片进行控制1.2.2 资产、弱点、威胁模型分析设备所需要采用的安全技
C语言为何不会过时？你需要掌握多少种语言？
qq_43351159的博客
06-03 620
01为什么C语言不会过时 评价任何一门编程语言，都是招人骂的。永远是这样。就像是春寒料峭的季节， 街上穿棉袄和穿单衣的擦肩而过，双方一定是同时在心里出现了两个字：“傻逼!”这个在心理学上有个专业的名字：叫做“二逼”现象! 那我为啥还要做这个挨骂的事呢?作为《C语言点滴》《drop of knowledge of C++》书籍的作者，《C语言新思维，第二版》的译者。我觉得我有责任系统的介绍一下这本语言，他的特点，还有他的未来。这个问题对很多刚刚踏入程序猿这个行业的新手至关重要。因为他们有深深的担忧，万一C语言
一本你必须知道的.net
热门推荐
mynameishuchao的专栏
09-27 1万+
 《你必须知道的.NET》  作者简介：王涛 微软C# MVP，高级软件工程师，机械工程硕士，主要研究方向为.NET底层架构和企业级系统应用。现就职于某软件公司负责架构设计、软件开发和项目管理方面的工作。作者对.NET基础架构和CLR底层运行机制有浓厚的研究兴趣和造诣，熟悉ASP.NET、XML、SQL Server相关技术，对面向对象、设计模式和软件架构有一定的研究与实践经验。 第1部分
前端学 AI 不用愁！手把手教你用 LangGraph 实现 ReAct 智能体（附完整流程 + 代码）大模型入门到精通，收藏这篇就足够了！
2401_82469710的博客
09-26 1323
今天就从前端视角出发，用 LangGraph（JS 版）手把手实现一个 ReAct 智能体 —— 这是 AI Agent 的基础模式，也是掌握复杂智能体的第一步。哪怕你只懂基础 JS，跟着步骤走也能做出来。
【对话系统进化】：打造自然人机交互体验，技术演进背后的秘密
![【对话系统进化】：打造...通过分析实践案例，本文解析了智能客服系统和个人助理的设计与实现，并讨论了专用对话系统在特定领域的应用趋势。文章还关注了对话系统面临的挑战，包括意图理解、上下文管理、个性化与情
基于Spring Boot的微服务化改造实践：构建可扩展的大华摄像头集成框架
面对如此异构的设备生态，传统单体式架构早已不堪重负——代码臃肿、部署困难、扩展受限……开发者仿佛被困在一个不断膨胀却无法呼吸的“技术铁笼”中 。 而就在这个关键时刻，**微服务架构 + Spring Boot** 的组合...
TensorRT笔记（5）：研究timingCache
最新发布
ouliten的博客
12-02 417
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
【推荐系统】深度学习训练框架（五）：pyspark分布式TorchDistributor主从读取OSS文件认证机制
人工智能领域博客
11-28 1848
摘要： 本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。
向量嵌入：RAG系统背后的语义引擎
uncle_ll的博客
11-29 1357
向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。
07_Spring AI 干货笔记之提示词
在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上，你会看到紧跟技术前
11-30 1546
本文详细介绍了Spring AI中的提示词核心概念与API设计。提示词作为引导AI模型生成特定输出的关键输入，其结构从简单字符串演进为包含多角色消息的复杂形式。Spring AI通过Prompt和Message接口提供结构化提示词管理，支持系统、用户、助手等角色分配。PromptTemplate类实现动态内容渲染，并支持自定义模板引擎。文章还涵盖提示词工程的最佳实践与令牌机制，为开发者提供完整的提示词设计解决方案。
【LLM】DeepSeekMath-V2模型
发现问题，并解决问题，批判性思维
11-29 1095
研究问题：这篇文章要解决的问题是如何在大型语言模型（LLMs）中进行自我验证的数学推理。具体来说，现有的基于最终答案奖励的强化学习方法在数学推理中存在根本局限性，因为正确答案并不能保证推理的正确性，特别是在定理证明任务中。 研究难点：该问题的研究难点包括：如何在不依赖最终答案的情况下验证推理的正确性；如何在生成和验证之间建立有效的迭代改进循环；如何在没有已知解决方案的开放问题上扩展测试时计算。 相关工作：该问题的研究相关工作有：OpenAI的推理模型在定量推理竞赛中取得了显著进展；DeepMind的Deep
昇腾平台 vLLM 部署与性能优化实战：高吞吐推理落地指南
二哈喇子！
12-01 7596
昇腾平台vLLM部署与性能优化实战摘要
YOLOv8训练过程日志-深度解析
搏博的专栏
11-28 1008
特别值得注意的是不同类别的性能差异：phone类别的召回率达到0.462，明显高于car类别的0.286，这可能源于两个类别在训练数据中的分布差异、目标特征的明显程度等因素。值得注意的是，损失函数的下降过程并非单调的，而是存在一定的波动，这是梯度下降优化的正常现象。值得注意的是，虽然训练提前停止，但模型已经学习到了有意义的特征表示，这为后续的微调或迁移学习奠定了基础。的训练中，这些指标虽然数值较低，但这在小型数据集和有限训练时间的条件下是正常的，重要的是观察这些指标在训练过程中的变化趋势。
概率单位回归（Probit Regression）详解
拒绝AI玄学，只聊真技术▲
11-28 1016
概率单位回归（）是一种基于正态分布累积函数的广义线性模型，专门用于分析二分类因变量与自变量之间的关系。该模型假设事件发生概率服从标准正态分布，通过回归系数建立解释变量与概率值的线性关系，输出结果表现为0-1之间的概率值。Probit回归作为统计学和机器学习中的重要工具，通过连接概率世界和正态分布，为分析二元响应数据提供了强大的方法论基础。从Bliss在1934年开创性的工作到Rosett和Nelson在1975年的扩展，Probit模型已在经济学、医学、生态学和市场营销等多个领域证明了其价值。💡。
基于React与AWS服务构建聊天机器人的完整实践
其核心技术栈包括React作为前端界面开发框架，Amazon Lex用于自然语言理解与对话管理，AWS Lambda承担后端逻辑处理任务，而AWS Amplify则作为连接前后端的桥梁，简化了整个应用的部署与集成流程。 首先，React在本...
评论
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