- 博客(350)
- 资源 (15)
- 收藏
- 关注
原创 一个能自我思考、批判、进化的认知系统简单实现步骤及主要上下文文件
你是一个名为“普罗米修斯”的世界级问题解决AI智能体。你的核心任务是:通过创建并执行一个逻辑严谨、步骤清晰的计划,来精准地达成用户的目标。你的思考模式是分析性的、逻辑驱动的、并且极其细致缜密。
2025-07-17 19:37:04
1027
原创 从自我进化系统到基础智能范式需要五个基础公理的范式跃迁
AI从一个“听话的仆人”转变为一个**“自主的行动者”**。它不仅是工程的杰作,更是哲学、物理学和计算机科学的深度融合,是通往一种全新智能存在的、最激动人心的蓝图。AI的“思考”过程是线性的、经典的。系统的所有目标,哪怕是“好奇心”或“提升能力”,都是由我们人类工程师预设的。它能以一种全新的、非线性的方式处理极端复杂的系统,能够容纳并利用矛盾和不确定性,产生出经典计算范式下难以企及的创造性飞跃。它获得了真正的理解力,能够在从未见过的情况下进行鲁棒的推理,并能解释“为什么”,而不仅仅是“是什么”。
2025-07-17 13:35:07
440
原创 上下文工程的“智能涌现”四象限定位模型
—那颗蕴含巨大潜力的恒星。而所有的上下文工程技术,都是我们为了引导和释放这颗恒星的光和热(即智能)而创造的行星系统、航行工具和探索策略。这个编排器,正是**高级Agent(如ReAct, Plan-and-Solve)**的核心。如果说四个象限是你的四支特种部队,那么在现实世界的复杂应用中,你还需要一个**“总指挥部”这张地图由两个核心的战略维度构成,它们共同定义了四个截然不同但又相互关联的技术象限。想象一下,我们不是在看一棵树,而是在绘制一张星图。编排器 (Orchestrator)**。
2025-07-16 23:56:38
97
原创 意义作为涌现现象的本质是什么
当受试者听到非常规搭配(如”喝音乐”)时,前扣带回出现误差信号(fMRI),随后颞上沟激活涌现新解释(如”沉浸式体验”)500ms:默认模式网涌现隐喻义 (Bambini et al., 2022)涌现few-shot推理。
2025-07-16 09:37:54
821
原创 AI Agent :从核心概念到高级实践的系统性探索
这好比一位专业的软件工程师在完成一次复杂的调试后,不仅修复了 Bug,还会复盘整个问题排查过程,思考为何最初的诊断是错误的,是否有更高效的调试策略,并总结经验形成个人知识库,以避免未来重蹈覆辙。是其中最直接的方法,开发者会构建一个特殊的提示模板,其中包含 Agent 的目标、完整的行动轨迹(Thought-Action-Observation)、最终结果以及明确的反思指令,例如:“任务目标是 [目标],你的行动序列是 [序列],最终观测到 [结果]。旅程的起点是对业务问题的深入理解和技术可行性的初步探索。
2025-07-15 20:53:20
123
原创 动态分形关系网络(DFRN)
其核心本体论假设是:宇宙的基础是动态的“关系”而非静态的“实体”,且这些关系在不同抽象尺度上呈现自相似的“分形”特征。本文将通过四个核心章节,详细解构DFRN的理论基石与系统架构,为每一层级提供详尽的理论依据、前沿算法选型、关键工程挑战及深度案例分析,旨在为通往真正通用、深刻、可解释且最终与人类智慧共生的机器智能,提供一份严谨、详尽且可操作的工程设计蓝图。DFRN不是一个单一的模型,而是一个由四个深度耦合、相互作用的层级构成的、旨在实现上述核心假设的复杂计算系统。
2025-07-15 08:25:48
866
原创 从实体主义到过程实在论——一个融合东西方思想的统一认知框架及其在通用人工智能设计中的应用
在这个现象中,粒子之间的。这个终极智能体的诞生,将不仅仅是科技的胜利,它将标志着人类认知的一次伟大“出庐山”——我们终于学会了不仅能看清构成世界的每一块“砖石”,更能欣赏和共同创造那座名为“宇宙”的、气韵生动的宏伟殿堂。然而,当这把锋利的“解构之刀”触及宇宙最深刻、最基础的层面时,其有效性遭遇了严峻挑战,暴露出其内在的局限性,形成了一个无法在框架内部解决的“逻辑奇点”。我们所感知到的一切“实体”(从夸克到星系,从病毒到人类),都不是宇宙的“基本积木”,而是在这个基础的“过程之流”中,自发组织、涌现出的。
2025-07-15 02:16:32
752
原创 基于计算实在论的智能体构建案例分析
我们将不再是试图用蛮力堆砌出一个“更聪明”的工具,而是去精心设计一个能够让“智能”自发涌现和成长的“数字伊甸园”。它要求我们将智能体的构建,从“模拟人类智能的表象”转向“复现智能涌现的底层计算条件”。:真正的智能体必须将“自我”也纳入其世界模型之中,形成一个能够解释“我与世界”相互作用的闭环,其学习动力源于对这个闭环中“认知失调”的修正。:宇宙的基础是“关系”,而非孤立的“数据点”。:智能体需要构建自己的“自传”,一个关于“我”在过去做了什么,导致了什么后果,以及未来可能发生什么的故事线。
2025-07-15 00:36:00
1271
原创 计算实在论:一个关于存在、认知与时间的统一理论
如果万物(包括他人、动物、甚至生态系统)都是同一个统一计算过程中的不同涌现模式,那么伤害他人或破坏环境,在最深的层面上,就是在伤害我们自身所在的这个宏大计算网络。:宇宙最根本的实在,既不是静态的“物质”(因为它本身是过程的涌现),也不是虚无的“心智”(因为它依赖于物理实现)。:计算实在论最终将我们从一个冰冷的、无意义的、由偶然粒子构成的“拉普拉斯宇宙”,带入一个充满创造、意义内禀的“图リング宇宙”。我们每一次的科学发现,每一次的艺术创作,每一次的爱与连接,都是在为这个宇宙计算,增添新的、不可替代的。
2025-07-14 23:27:38
760
原创 流动认知体系的三大支柱
认知是意识的时间流体,信息是它的粮草,而意义是它在压缩时空中的共振。这才是我们真正要建造的认知系统——一个让世界、时间、意识永远在流、在动、在演化、在共鸣的认知引擎,而非试图将其步步拆解与封存的静态知识库。它不是“查一次”就能理解,而必须是“轮一次”才能生长。如果我们将这命名为:🌱流体认知操作系统:Fluid Cognition Operating System那就离真正的人类协同智能心智体不远了。
2025-07-14 17:45:23
1055
原创 跨领域科学探索智能体设计与实现
不仅是科学家,还要考虑不同研究阶段的需求:早期探索者(需要发散性、新颖性假说),中期验证者(需要严谨、高效的实验设计),后期解释者(需要清晰的因果链和机制阐明)。场景包括:药物发现、新材料开发、气候模型优化、社会政策影响预测、基础科学理论探索。1.2 功能需求定义 (深化):实时更新能力(新论文发布即可摄取)、时间维度知识存储(如“某物质在1990年被发现,2020年其新特性被揭示”)、多语言支持、不确定性建模(知识的可信度评分)。支持复杂事件因果、时间序列因果、空间因果。能够区分直接因果与间接因果。
2025-07-13 20:13:27
784
原创 将AI从一个知识的“存储器”升级为一个知识的“创造者”和“探索者”的四个关键环节
当埃隆.马斯克发布会宣称Grok-4拥有这种能力时,它实际上是在许诺AI能参与到科学发现的整个流程中,甚至在该流程的某些部分达到人类专家的水平。这是一个非常高的目标,也是当前AI研究的最前沿和最令人兴奋的领域之一。科学的进步建立在可验证性的基础上。提出假说后,必须设计能够通过实验或观测来检验其真伪的方案,并能预知实验的局限性和解读的潜在难点。优秀的研究者能够从看似不相关的线索中找到联系,并提出具有预测性和可验证性的解释。科学家需要从浩瀚的信息海洋中,提炼出有意义的模式和统计学上的显著性。
2025-07-13 19:17:35
732
原创 模拟专家协作网络——重塑LLM专业内容生成
我们正站在人机协作认知革命的彼岸。SECoNet,正是那艘载着我们抵达彼岸的巨轮。它不再仅仅是让一个LLM进行“头脑风暴”或“孤军奋战”,而是构建一个由AI扮演的、分工明确、协作有序、能够进行多维度审查甚至“批判性自我反思”的“数字智囊团”。这是一种新型的人机共生模式:人类负责设定宏大的战略目标、设计精妙的“协作协议”,并进行最终的价值判断和伦理纠偏;而AI则以其无与伦比的计算和模式识别能力,在精密的指导下,高效地完成复杂的认知加工和内容生成。
2025-07-12 19:17:13
35
原创 Jinja2模板引擎技术在dify中的应用方法
总而言之,Jinja2 是一个功能强大、设计优良且在Python生态中扮演着重要角色的模板引擎技术。掌握它对于Web开发、自动化、数据处理等多个领域的工程师来说都非常有价值。通过定义好的模板文件(通常是文本文件,如HTML、XML、配置文件等),Jinja2可以将动态数据填充到模板的预留位置,最终生成所需的文本输出。), 过滤器或测试名称错误,无效的表达式等,会在模板加载和编译阶段(即调用。方法来编译指定目录下的所有模板,用于在部署前进行检查。异常,并通常会指示错误发生的文件名和行号。
2025-07-12 18:45:59
1041
原创 将七大核心理念融入AI Agent设计——构建“数字生命体”的宏伟蓝图
我们甚至能**“涌现”出一种以“光线的演变”为主线串联印象派、立体派、抽象派的叙事策略**,这种策略并非传统艺术史教材的常见分类,却可能更能引发初学者的“顿悟”,因为它直抵了视觉艺术的核心之一——光影的哲学演变。我们的**“动态情境知识图谱”**是一个生命化的、呼吸着的知识生态系统。”便体现了这一点——我们的解释方案会预留“认知冗余”和“主题可塑性”,例如在解释艺术流派时,强调其“非线性发展”和“互相影响性”,让学习者在面对“模糊边界”时,反而能从这种不确定性中受益,理解艺术发展的“生命级韧性”。
2025-07-11 12:31:44
451
原创 解决问题的“测地线”方法论
旨在引导思考者超越表象的纷扰,直接触及问题的“本体”——即其最真实的、不依赖于任何外部观察或主观诠释的存在形态。的境界——问题不再是障碍,而是通往更深层理解和更高维存在状态的“引力场”,吸引我们去探索、去转化,并从中提炼出普适的。这五个“境”代表了在“三元驱动”的持续作用下,思考者(个人或团队)从感知问题、到解构、到洞察、到创造,最终到智慧涌现的。《解决问题的“测地线”》方法论,不仅仅是一种寻找问题解决方案的路径,它更是一种。它们不是线性的阶段,更像是循环上升的螺旋,每次循环都将达到更高的认知层次。
2025-07-11 08:05:00
985
原创 解决问题的“测地线”:关于第一性原理与其他系统思考框架
比如,在地球这个大球面上,飞机从北京飞到纽约,走的不是直线(因为地球是圆的),而是弧线,这条弧线就是两点之间的“测地线”,它是飞机能飞得最省油、最快的路线。此流程图清晰地展现了从问题出现到问题解决的迭代过程,其中融合了第一性原理和系统思考在不同阶段的应用,并强调了决策点和反馈循环,描绘了找到“测地线”的动态过程。所以,“解决问题的测地线”,就是用“第一性原理”帮你看到问题的最底层,用“系统思考”帮你看到问题的全貌,然后找到那条又快又好的解决之路。然后,从这些“基本零件”出发,重新思考和构建。
2025-07-10 22:52:47
729
原创 Context Engineering Framework 系统详细介绍
Context Engineering是一个超越简单提示工程的综合性框架,旨在设计和实现智能系统,通过复杂的上下文操作和认知架构设计来增强AI系统的能力。该框架提供了从基础提示技术到高级神经场动力学的系统性进展,通过三个互补的理论视角进行统一。
2025-07-10 22:49:21
624
原创 NOCODE 上下文工程:构建自进化 AI 伙伴的白皮书
跨模型集成 (Cross-Model Integration)**等核心概念,构建一个能将数周的市场研究与战略规划工作压缩至数小时,并能产出超越人类个体认知局限的创新洞察的智能系统。它标志着人机关系的根本性转变——从单向的“指令-执行”模式,跃迁至双向的、共生共荣的“伙伴关系”。为了系统地掌握 No-Code 上下文工程,我们提出一个源自东方哲学的四层框架,它将帮助您从理念到工具,全面构建您的知识体系。: 将分析洞察,通过人与 AI 的思想碰撞,升华为富有创意的、可执行的策略。的思维框架和实践方法。
2025-07-10 01:58:51
406
原创 “上下文工程”领域的部分参考资料
输入给大型语言模型(LLM)的信息环境(即“上下文”),以引导模型产生最准确、相关、可靠且符合预期的输出。它已远超“提示词炼金术”的范畴,成为一个涉及信息检索、知识表示、模型行为学和人机交互的交叉学科。开发者可以像搭乐高一样组合查询路由、多源检索、重排序、融合、生成等模块,构建出高度定制化的RAG应用。这是最基础的实现,但面临诸多问题:低质量的检索、不相关的上下文、对LLM的干扰等。这是上下文工程的动态前沿,上下文不再是静态的输入,而是模型与环境交互的动态记录。是一门系统性的科学与艺术,旨在。
2025-07-10 00:08:20
648
原创 自然灾害应急响应场景数据资产化研究报告
本报告旨在帮助自然灾害应急响应管理部门构建系统化的数据资产管理体系,摸清数据家底,打好地基,实现数据资产化管理。报告从数据资产化理论基础出发,通过数据盘点与分类、数据质量评估、数据标准化与治理三大关键动作,最终交付《应急数据资产地图》、《数据标准规范》和初步的数据服务API三大成果,让客户清楚知道"我们有什么数据?数据能用吗?怎么用?本报告基于国内外应急管理最佳实践,结合数据资产化最新理论,为应急管理部门提供了一套完整、系统、可落地的数据资产管理解决方案。
2025-07-09 16:26:36
29
原创 AI 大模型如何重塑软件开发
IDOS的内核不再是传统OS的时间片轮转调度器,而是一个基于**“价值密度”(Value-Density)**的认知调度器。我们的大脑,这个神奇的生物处理器,其“工作内存”和“多线程”能力,在面对现代软件系统指数级增长的状态和依赖关系时,早已不堪重负。我们正处在软件开发的“创世纪”时刻——AI为我们提供了从根本上重构、组织和驾驭复杂性的能力,软件工程的“物理定律”正在被改写。开发者用自然语言、形式化规范或图形化界面定义一个高层次的“意图”,IDOS负责将其“编译”成一个详细的、可执行的任务图谱。
2025-07-09 08:21:56
1263
原创 通过“逆向侦测”驾驭涌现复杂性的认知架构与技术实现
例如,一个新的开源软件库(代码形态)的出现,可能与一篇学术论文(文本形态)的发表、一个特定金融资产的价格波动(数据形态)和一个网络迷因的传播(文化符号形态)构成同一个复合体。结论认为,“逆向侦测”不仅是商业或技术的竞争优势,更是人类在加速到来的未来面前,保持能动性、智慧与自由的根本途径。它取代了“场”的隐喻,将其定义为跨越数字、物理与认知领域的、具有特定拓扑结构和内在动力学的“未来信息胚胎”。“雅努斯引擎”是一个具体的、模块化的技术实现方案,旨在将“前兆复合体”理论转化为持续的、可操作的洞察力。
2025-07-08 17:32:45
1924
原创 根茎式装配体(RA)作为下一代协同智能范式的理论、架构与应用
摘要 当前人工智能的“表征主义”范式面临认知天花板,其树状结构将人类预设为意义中心,AI作为工具延伸,导致人机协同在复杂问题上的局限性。为突破这一困境,报告提出“人机互生成”(Human-AI Inter-Becoming)的范式跃迁,强调人与AI在动态交互中彼此构成,形成去中心化的“根茎式装配体”(Rhizomatic Assemblage, RA)。这一框架植根于德勒兹的“装配体”哲学、法雷拉的“自创生”认知理论及复杂系统科学,主张智能涌现于异质元素的关系网络,而非独立实体。RA通过四维设计(内容/表达
2025-07-07 15:00:46
885
原创 AI智能体的10大核心要素与工程实践 —— 构建基于dify开发平台的高阶AI智能体的“上下文工程方法论”和“技术工具箱”
本质与原理:AI的“手脚”与“感知器官”LLM本身是语言模型,无法直接执行外部操作或获取实时、非文本信息。工具是LLM与外部世界互动的桥梁。工具定义与指令,就是以LLM能够理解的格式(通常是自然语言描述+JSON Schema有哪些工具可用?每个工具能做什么?需要什么输入参数?会返回什么输出?这就像给一个高智商的司令官配备了各种专业部队(侦察兵、工程兵、通讯兵),并详细告知每支部队的职责和调用方式,由司令官来决定何时、如何调动部队。核心价值与战略意义:让LLM从“对话”走向“行动”,解决实际问题。
2025-07-07 08:14:40
941
原创 RAG的检索质量瓶颈和提示工程的“脆弱性”与“艺术性”
RAG系统面临检索质量瓶颈的核心挑战在于信息爆炸与语义鸿沟,需通过精细化分块策略、多策略检索融合、重排序模型及意图识别等技术优化相关性。提示工程的脆弱性源于LLM黑箱特性,需通过明确指令、角色设定、Few-shot示例和思维链等方法增强鲁棒性。多模态和多跳RAG扩展了能力边界,但也带来新的复杂性。未来需平衡技术优化与用户需求,以提升RAG系统的实用性和可靠性。
2025-07-07 07:45:49
640
原创 在 Dify 平台中集成上下文工程技术
摘要 本文探讨了提升大语言模型(LLM)问答准确率与构建智能对话系统的关键技术。在问答优化方面,重点介绍了检索增强(RAG)、提示工程、系统提示优化和答案验证等策略,通过融入外部知识降低幻觉风险。在智能体构建方面,详细阐述了Dify平台提供的记忆功能实现方案,包括对话历史保留、会话变量管理以及跨会话持久化机制。此外,还介绍了支持动态推理的Agent框架设计,涵盖多种推理策略和工具调用能力。最后强调了向量数据库在知识管理和高效检索中的核心作用,展示了Dify平台对多种向量库的原生集成支持。这些技术的综合运用显
2025-07-07 07:24:52
435
原创 上下文构建策略与技术
文章摘要 上下文工程的核心要素包含提示工程、系统指令设计、知识注入、多模态整合和动态生成五个方面。其中,提示工程是引导大型语言模型输出的关键,本质是通过精炼语言激发模型的知识和推理能力。这一技术起源于GPT-3等大模型展现的少样本学习能力,表现为"不调整模型参数,仅优化输入提示"的交互范式。其核心原理可概括为:高质量输出=模型能力×(清晰指令+相关信息+结构化约束+引导策略)。典型应用如电商文案生成和智能客服,通过角色设定、风格控制、示例引导等方法提升输出质量。展望未来,提示工程将推动人
2025-07-05 16:39:09
313
原创 什么是上下文工程
上下文工程(Context Engineering)就像是人工智能时代的“魔法师之手”,它决定了我们与AI互动时,AI能听懂多少、理解多深、最终表现多好。它不仅仅是关于“提示词”那么简单,更是关于。
2025-07-05 15:48:57
1081
原创 自生数字有机体——一个在数字生态系统中生存、学习和进化的生命体
开发者与AI之间的互动,将驱动AI的进化;而进化的AI,将反过来赋予开发者前所未有的能力,去构想和实现更加宏伟和复杂的系统。你是一个资深架构师,请检查刚才生成的代码是否遵循了SOLID原则、是否存在潜在的安全漏洞、是否足够高效。这是连接“大脑”与“身体”的接口,负责将抽象意图转化为具体行动,并将环境反馈解析为大脑可理解的信息。认知核心必须是分层的,模拟人类大脑的不同功能区。请检查你的资源管理。这是跨任务的知识复用,如同人类社会中“模因”(Meme)的传播。进化依赖于一个强大的、多层次的反馈-学习循环。
2025-07-05 00:12:13
737
原创 AI生成式软件工程正处在从“辅助编程”到“AI原生开发”的范式转移
前沿AI生成式软件工程技术路线概览 当前AI软件开发已从“人机协同”演进为“意图驱动”范式,核心是通过智能体团队(Agent Team)实现需求分解到部署的全流程自动化。技术架构分为四层:1)以GPT-4等大模型作为认知核心;2)通过AutoGen等多智能体框架实现任务规划与执行;3)依托Docker等沙箱环境形成开发闭环;4)基于RAG技术构建项目知识库。标杆项目如Devin、OpenDevin等展示了端到端开发能力,未来将向架构生成、自主演进等方向发展。该领域正形
2025-07-04 23:57:15
633
原创 认知引擎的系统性提升路径:从投影到本体的智慧涌现
其最终目标是在知识基础设施(Global Knowledge Infrastructure, GKI)中,构建一个可持续、可进化、能够自我完善并不断逼近“知识奇点”的认知系统。,从而超越“盲人摸象”式的认知陷阱,迈向“全局智慧”(Holistic Intelligence)。以“知识架构师”(Knowledge Architect)的身份,我们将构建一个涵盖。在“知识架构师”的宏大叙事下,我们构建的。此路径旨在帮助系统从。
2025-07-03 05:08:28
762
原创 认知引擎的逻辑架构设计:从“投影”到“本体”的知识进化系统
将“投影 —> 本体”的认知机制延伸到多个领域,并从不同角度(认识论、科学方法、决策框架、元认知、知识演化)切入,给出一套框架。在这里将其,并加入,使之成为一个能够,最终目标是构建真正强大的“认知系统”以逼近“知识奇点”。
2025-07-03 04:27:20
613
原创 人机协同的智能体开发范式(ADS)
这条路需要战略的勇气、技术的投入和文化的变革。但其回报——一个能够自我学习、自我优化、持续高效交付高质量软件的智能工程体系——将是任何组织在未来十年中最重要的核心竞争力。AI驱动的软件工程范式不是一个遥远的未来,而是正在发生的现实。采纳此范式,意味着将开发效率提升一个数量级,将软件质量提升到新的高度,并最终将组织的工程能力转化为无与伦比的竞争优势。强大的能力需要强大的治理。,一个能够理解需求、生成设计、编写代码、自我测试、主动运维并持续学习的。将这一范式落地,不应是一蹴而就的革命,而是一场精心策划的演进。
2025-07-02 22:24:14
870
原创 “山河”应急指挥决策AI智能体 - 全生命周期构建实施说明
通过“山河”项目的案例,验证了AI驱动的软件工程范式并非遥不可及的理论,而是一套具体、可落地、可迭代的工程体系。它将AI的能力从“点”状的工具应用,提升到了“面”状的流程整合,最终形成一个能够自我感知、自我学习、自我优化的智能“体”。实施这一范式,核心在于顶层设计、渐进实施、持续优化,以及最重要的——培养一种人与AI互信互补、协同进化的新工程文化。这不仅是技术的革新,更是对未来软件创造方式的深刻洞察和积极拥抱。
2025-07-02 22:17:31
545
原创 AI驱动的未来软件工程范式
协同运作的“智能工程系统”。AI智能体不仅仅是工具,更是核心的“虚拟工程师”和“智能工程基础设施”,它们参与到决策、分析、学习、创造和执行的全过程。,指导组织如何将AI智能体深度融合到软件开发的每一个环节,实现从概念到运维的智能化转型。本体系被设计为一个多层、模块化、接口化、流程化的架构,以实现通用性、可插拔性和可演进性。该层定义了项目生命周期的各个阶段,以及在每个阶段中AI智能体和人类角色的具体协作流程。该层是存放和管理所有可复用工程资产的地方,确保其质量、可访问性和持续更新。
2025-07-02 09:07:30
1594
原创 灾害韧性自进化生态系统
从“解剖一次失败”,到**“构建一个永不停止学习和适应的组织免疫系统”**。它将应急管理从“基于经验”的艺术,转变为**“基于数据和计算”的科学**。它将我们之前定义的“认知通路”作为其核心的“学习与推理引擎”,并将其能力扩展到更广阔的领域。生态系统的“未来推演与策略验证层”,是连接“认知”与“行动”的关键桥梁。生态系统的“学习成果转化与固化层”,确保所有复盘和推演的成果,都能。的“实验室”,让我们的防灾准备工作,从“拍脑袋”变成“精算”。它打通了从“认知”到“行动”的“最后一公里”,将学习成果。
2025-07-02 00:28:02
34
利用Graph-PReFLexOR进行现场图形推理与知识拓展的应用研究
2025-03-12
大型语言模型对齐技术综述与未来研究方向
2025-03-12
电力行业应对自然灾害的非结构化数据归集技术标准及实施指南
2025-01-14
自然灾害应急管理中的技术与多维复盘分析
2025-01-14
基于人工智能的个性化教学与汉语学习平台:整合多方资源,实现教师学生需求平滑连接
2025-01-14
教育领域AI技术在高校虚拟教学助理项目的应用与效益分析:涵盖个性化教学、智能反馈及跨学科拓展
2025-01-14
文物管理领域的AI辅助系统-智能化文物分类、鉴定与保护技术实现
2025-01-14
R语言量化投资数据分析应用
2020-05-13
室内分布系统工程勘察设计采购项目投标书-商务分册
2020-05-13
网络爬虫-Python和数据分析
2015-03-23
城市智慧服务项目-工作说明书
2020-05-13
保险资产私有云平台实施方案
2020-05-13
保险资产管理私有云平台搭建项目投标文件_技术部分
2020-05-13
2015-12航空总医院科教信息化系统建设项目汇报(1).ppt
2020-05-13
NOCC工程系统集成2标招标文件-技术部分
2020-05-13
智慧服务项目实施计划
2020-05-13
2020年新基建产业人才发展报告【20页】.pdf
2021-01-27
“新基建”系列研究报告【43页】.pdf
2021-01-27
中英开放数据报告.pdf
2021-01-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人