我当了一年 TL,又退回写代码,反而踏实了

从大众到福特:盘点主流车企的BCI测试标准差异与应对策略(含GB/T 17619) 本文深度解析主流车企BCI(大电流注入)测试标准差异,涵盖GB/T 17619、大众TL 82166、福特EMC-CS等关键标准的技术参数对比。通过实战案例分享多标兼容解决方案,包括模块化EMC设计、预测试流程优化及成本控制策略,帮助汽车电子零部件供应商提升产品抗扰度测试通过率。 阅读详情

管了五个人,降本一来,管理岗也裁

前年我三十二,组里提我当 TL,带五个人,做公司中后台前端。当时挺高兴,觉得从"写代码的"变成"管人的",算是往上走了。一年里我排期、拆需求、盯进度、搞绩效、跟产品扯皮,代码写得越来越少。组里新来的小朋友用上 Cursor,我心想"管理岗不用自己写了"。

去年降本,公司砍管理层级。我们部门三个 TL,裁了两个,剩一个。我不在剩下那个里。HR 谈的时候说:"管理岗要缩编,你技术底子还在,回去写代码吧。“一句话,把我从"管理者"打回"执行者”。我没觉得屈,反而有种奇怪的放松——这一年我天天慌,怕哪天项目黄了背锅,怕手下人不服,怕自己不会写代码了就废了。

最扎心的是,回到工位我想接需求,发现手生了。Vue3 的新特性我得查文档,Cursor 我只会基础用法,团队用的 RAG 问答组件我完全没碰过。我那个"管理者"的身份,原来这么虚——脱了那层皮,里面是个一年没长进的程序员。有回小伙子问个 Composition API 的坑,我支支吾吾答不上,他去问了别人。那一刻我知道,这一年我长在"管理"上的,不如我荒在"技术"上的多。

当 TL 那年也不是没收获。我学会了看全局:一个需求下来,先想清楚为谁做、做到什么程度够用,再拆给谁。有回大需求,我拆三块分给三人,两周上线,满意度不错。那次挺得意。可现在回头看,那套拆法,跟我今天给 Agent 拆工作流,用的是同一个脑子——都是"把一团乱的事,变成一串能执行的步骤"。我当时以为这是管理专属能力,其实通用,只是换战场。

管理不是退路,技术也不是——能解决问题才是

被退回那阵子我想通一件事:管理不是写代码的退路,技术也不是管理的退路。两者都只是"解决问题的手段"。我当 TL 时以为躲开了写代码就安全,结果降本一来,不写代码的管理岗反而先没。可光会写代码也不行——这一年技术停了,回去也是个"旧时代前端"。

真正稳的,是"能解决问题"这件事本身。管理练的是"拆目标、排优先级、盯落地",写代码练的是"把需求变成能跑的东西"。这两样,在 AI 应用落地里,居然能合上。我开始想:我带团队时拆目标的那套,能不能用在 Agent 工作流编排上?带人时我总说"先打最痛的点",做 AI 落地不也该这样吗。

管理那一年还教了我一件写代码时容易忘的事:交付不是写完代码,是东西真被人用起来。当 TL 时我盯的是"需求关了没、bug 清了没";现在做 Agent 落地,我盯的是"销售真用它查资料了吗、答得准不准"。这视角,让我没再掉进"功能做完了就完事"的老坑。丢掉管理身份我以为算退步,结果留里的习惯成了 AI 落地的底座。

把"拆目标排优先级"搬进 Agent 工作流

转机是今年初。公司要做一个"销售助手 Agent",帮销售查客户、写跟进、生成周报。我主动接了落地,不靠管理身份,靠我带团队练出来的两样东西:拆目标、排优先级。

具体做:把"帮销售提效"拆成三个子任务——查客户资料(RAG 检索知识库)、写跟进话术(Prompt 模板加少样本)、生成周报(调大模型总结对话记录),跟当年把"上线中台"拆成接口、组件、权限三个迭代一模一样。排优先级:先让 RAG 检索跑通,因为销售最痛的是"找资料慢";话术生成放第二;周报放第三。用 Dify 把三个子任务编排成工作流节点,命中客户问走检索,命中写话术走模板,全用 LangChain.js 接前端做流式。

我把带人时的"兜底思维"用上:Agent 调工具失败,加超时重试和转人工,跟当年给新人留"出错找我"一个意思;前端用 LangChain.js 接模型做引用标注,销售看到答案出处才敢用。现在也给 Agent 回答做抽检,每周看一百条,答错的丢回知识库补,肌肉没白练。

踩过一个具体的坑。二月联调时,销售问"上个月的成交里,华东占多少",Agent 没走检索,直接让模型编了个"约三成"。我抽检时一眼看出不对——这种数字得查库,不能靠模型猜。根因是工作流里"查数据"这条分支的触发条件写得太宽,模型偷懒走了生成。我把它改成:凡带数字、带"多少、占比、排名"的问题,强制走检索加 SQL 查询,模型只负责把结果说成人话。这事儿让我想起当 TL 时定的一条规矩:"凡涉及钱的改动,必须双人复核。"换形式还是那句:不能信嘴上说的,得有机制兜底。

我的时间线:一月接项目,前两周把销售知识库(产品手册、历史成交、话术库)切片进 pgvector,光"产品手册"就切了四百多段;二月用 Dify 跑通工作流,踩了"检索和生成抢资源导致慢"的坑,排优先级后先返回检索再异步生成,响应从八秒压到两秒;三月学 Function Calling,让 Agent 自己决定查客户还是写话术,调接口失败的重试逻辑写了三版;四月用 LangChain.js 把前端和后端接起来,全程没碰训练代码。这里必须说一句:不用学训练模型,那是算法岗的事。我干的还是应用层。

销售助手上线两月,销售人均找资料时间从二十分钟降到三分钟。老板在会上提了一句"这个落地不错"。没升我当 TL,但我从"被退回的执行者"变成了"能落 AI 的工程师",踏实。

有个销售老哥的反馈我记到现在。他以前找"华东客户的上次成交记录",得翻三个系统、问两个同事,半天凑不齐。现在对着助手说一句,十秒出带出处的清单。他原话:"你这东西,比我带的两个新人上手还快。"这话戳中我——当年当 TL 费劲带新人,现在把那套拆法喂给 Agent。我不是不需要团队了,是终于把"拆目标、排优先级、兜底"这套本事,落到了一个能自己跑的东西上。这比管五个人让我踏实。

老娄:前 TL,转做 AI 落地反而稳了

说个旁证。老娄是我前领导,管过十二人的前端团队,降本时团队拆散,他没再争管理岗,转去做 AI 应用落地,给公司搭"合同审查 Agent",把法务模板做知识库加工作流。从管理回到技术落地,他用了半年。他现在是部门"AI 落地主力"。他算了笔账:以前管人,产出是别人的;现在亲手落地,产出是自己的,谁都拿不走。他提醒我,管理那层皮脱了不可怕,可怕的是皮下面啥也没长。

这次转型教会我的事

管理不是退路,技术也不是——能解决问题才是。我当 TL 时把管理当避风港,结果避风港也被降本填了。退回写代码时又慌手生,因为技术也停了。真正接住我的,是把两样合起来:带团队练的拆解和排序,加上重新捡起的技术,落在 AI 应用这个具体问题上。

我现在不争 TL 了。不是看不起管理,是知道自己更适合"亲手把东西做出来"。转型不是又换身份,是终于把以前练的功夫,用在了能落地的地方。身份会过期,解决问题的能力不会;头衔写进简历,本事写进骨头。这一年我退过、慌过,现在反倒比当 TL 时踏实——因为手里这活,是我自己长出来的。

说句掏心的话,退回写代码头两个月,我也动摇过,怕别人觉得"当过 TL 又回来写代码,是不是混得差"。后来想通了:当初争 TL,是想着"别写代码了,省心";现在回来写,是"这活我能做成,且做得比别人落地"。有人问我后不后悔争过那次 TL,我说不后悔——没当过,我也不知道自己其实更适合落地;可若一直当下去,降本一来连退路都没有。管理那张皮,我脱得值;能亲手把事做成,比管五个人踏实。

你们带过团队吗?是更想管人,还是更想亲手把东西做出来?评论区聊聊。

想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2026 年 AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享!

👇👇扫码免费领取全部内容👇👇

​

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI:

1. 100+本大模型方向电子书

在这里插入图片描述

2. 26 份行业研究报告:覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:

  • 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
  • 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
  • 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
  • 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT:听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

在这里插入图片描述

  • 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
  • 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
  • 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
  • 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析:

2. 102 道 AI 大模型真题:直击大模型核心考点

针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:


三、路线必明: AI 大模型学习路线图,1 张图理清核心内容

刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

在这里插入图片描述

路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。

img

L1阶段:启航篇丨极速破界AI新时代

L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。

img

L2阶段:攻坚篇丨RAG开发实战工坊

L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

img

L3阶段:跃迁篇丨Agent智能体架构设计

L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

img

L4阶段:精进篇丨模型微调与私有化部署

L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

img

L5阶段:专题集丨特训篇 【录播课】

img
四、资料领取:全套内容免费抱走,学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:

👇👇扫码免费领取全部内容👇👇

​

2026 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!

EBS OM销售订单接口相关 OM接口相关表:1. OE_HEADERS_IFACE_ALL此表为多组织表,用于将销售订单头插入开放接口。该表存储来自于其他子系统需要导入OM模块的订单头信息,该表导入时必须输入的字段/条件:ORDER_SOURCE_ID : Order source id 可选ORIG_SYS_DOCUMENT_REF: Original syst... 阅读详情

相关推荐

Word文档数据提取实战:从POI表格解析到复杂场景处理

数据提取是数据处理流程中的基础环节,其核心原理在于将非结构化或半结构化信息转化为可程序化访问的结构化数据。在办公自动化和企业数据处理场景中,Word文档因其广泛使用而成为重要的数据源,但因其内部基于Open XML的复杂层级结构(逻辑层、XML格式层、二进制层),直接提取面临诸多挑战。从技术价值看,高效、准确的文档数据提取能极大提升合同处理、报告分析和简历筛选等场景的自动化水平。针对Word文档,Apache POI等库提供了底层API访问能力,是实现自动化提取的关键工具。本文聚焦使用POI进行表格数据提取

385

论文AI率太高被退回?5招教你快速解决

论文被退回说AI率太高,别慌!这篇文章教你5招快速解决:了解AI率高的真正原因、避开3个常见误区、3个有效的手动修改技巧、借助专业工具快速降AI、最后再做一轮检查。按这个流程走,基本都能解决问题。

aigccleaner的博客 710

基于51单片机的数码管多功能时钟(代码可直接使用)

摘要: 本设计基于89C52单片机实现多功能数字时钟系统,包含基础时钟、秒表和倒计时三大功能。系统采用矩阵键盘和独立按键实现功能切换与参数调整:时钟模式下可调整时分秒(S4-S9键),5秒无操作自动熄屏;倒计时模式下设置分钟和秒数(S4-S6键),完成时LED闪烁提示;秒表模式支持启动/暂停、复位、记录和读取功能(独立按键控制)。核心代码采用模块化设计,包含主控程序、数码管显示、矩阵键盘扫描和定时器中断服务等模块,通过1ms精确定时实现各功能的稳定运行。展现了嵌入式系统在时间管理领域的应用。

weixin_74013772的博客 251

毕业生必看:论文AI率太高被退回?5招搞定降AI全攻略

论文AI率太高被导师打回来?别慌。这篇攻略教你5招搞定:先搞清楚检测原理,再用手动+工具组合拳处理。核心推荐嘎嘎降AI(达标率99.26%)和比话降AI(知网专攻),能把AI率从70%+降到10%以下。

aigccleaner的博客 885

[MSSQL]单级审批

--================================================== --用途:单级审批 --作者: 龚德辉 --日期:2008-03-15 --================================================== Create Procedure [dbo].[ApproveTask]( @ApproveUserID

德仔 1369

[MSSQL]多人群组审批

--================================================== --用途:多人审批 --作者: 龚德辉 --日期:2008-03-15 --================================================== Create Procedure [dbo].[ApproveTaskMutiType]( @Appr

德仔 1544

fw150rm刷openwrt固件_为 OpenWrt 加入新设备支持 // Add New Profile To OpenWrt

最近折腾 TL-MR10U, 可直接刷 WR703N 固件, 不过 USB 不能供电, 网络, LED 正常. 所以需要修复下. 记录+教程.假定已经有了完整 OpenWrt 开发环境. 包括编辑器, 配置好的 quilt 工具.经过本人实践, 当前(20130522)在互联网上能找到的大部分教程都不靠谱, 或多或少有错误或者坑, 有的干脆就是错的.配置开发环境请参考其他文献设置开发环境. 前几篇...

weixin_29808375的博客 1059

Altium Designer开关电源专用元件库:原理图符号+PCB封装一体化打包

这套Altium Designer元件库专为开关电源硬件开发整理,直接支持AC-DC、DC-DC、LED驱动、适配器等常见拓扑的快速设计。包含电阻、电容、电感、变压器等无源器件的标准贴片与插件封装;二极管、桥堆、MOSFET、IGBT、三极管等功率半导体的主流型号原理图符号及对应PCB Footprint;UC3842/UC3844、TL431、光耦(如PC817、TLP521)、PWM控制器等电源核心IC的符号与封装;还有保险丝、检流电阻(含标准四端子封装)、端子排、继电器、EMI滤波器件(共模电感、TM

info6的博客 330

我的AI工作流一年进化史:从单点工具到Agent协作

我的AI工作流一年进化史:从单点工具到Agent协作

人工智能(AI)技术,大模型技术,深度学习,机器学习,计算机视觉,AI工具实践应用等分享 286

Mac用户解决WPS中的俄语显示红线问题(WPS添加外语拼写检查)

我所使用的WPS版本:AppleStore 下载的 MacOs版 3.3.0 首先,对于 在访达-应用程序中,找到WPS,右键-点击“显示包内容” 然后按照下图的索引目录(Contents\Resource\office6\dicts\spellcheck),最后进入一个叫“spellcheck”的文件夹 最后将下载好的字典包(例如上图中的 en_US就代表美式英语;ru_RU就代表俄语) 关于字典包资源下载,我在网上找到一个Google云盘,里面包含了法语,德语,西语,意大利语,葡萄牙.

qq_48159150的博客 7905

Ubuntu 24.04 + RTX 5090 部署 OpenVLA-OFT:从环境配置到机器人任务评估实战

本文详细记录了在Ubuntu 24.04 LTS系统上,为全新RTX 5090显卡配置CUDA 12.8+与PyTorch 2.7.1+开发环境,并成功部署OpenVLA-OFT视觉语言模型进行机器人任务评估的完整实战流程。文章重点解决了驱动安装、依赖版本冲突、路径设置等核心难题,为在最新硬件上运行先进AI机器人模型提供了可靠的避坑指南和性能观察。

n8m7b6v5c4的博客 596

年终总结AI化已成刚需,但87.6%的报告被退回重写:从Prompt工程到结果校验的全链路拆解

用ChatGPT写年终总结效率翻倍,但87.6%初稿被退回。本文拆解Prompt工程、岗位适配模板、数据嵌入技巧与结果校验四步法,覆盖HR、技术、销售等多场景,提升通过率与专业度。值得收藏

StepNexus的博客 169

LabVIEW实战:3步搞定Excel模板数据填充(附完整VI源码)

本文提供了一个高效的LabVIEW Excel报表自动化方案,通过使用命名区域定位和动态文件管理,实现数据的精准、动态填充。文章详细阐述了如何构建可复用的数据填充引擎,包括文本、表格数据及图表的写入,并分享了主程序流程、错误处理及性能优化等进阶技巧,帮助工程师彻底摆脱手动操作,提升工作效率。

weixin_29233333的博客 276

自制对讲机写频器硬件解析与GP338不拆机扩频实战指南

EEPROM(电可擦可编程只读存储器)和串口通信是嵌入式系统与外部设备进行数据交换和固件配置的基础技术。EEPROM允许在断电后保存数据,常用于存储设备的配置参数,其读写操作依赖于特定的时序和通信协议。串口通信则提供了一种简单、可靠的异步数据传输方式,是许多老旧设备与编程器通信的标准接口。在业余无线电和设备维护领域,这些技术的价值在于能够直接读写和修改对讲机、中继台等通信设备的核心配置数据,从而实现频率调整、功能解锁和设备维护。具体应用场景包括为建伍、摩托罗拉等品牌的老款对讲机进行写频、设置亚音,以及执行关

weixin_30721077的博客 431

Hodgkin-Huxley Model

介绍了经典的动力学模型:HH Model

weixin_73557167的博客 2476

GEPA_AIME教程:使用GEPA优化数学问题求解的完整指南

本教程展示了如何使用DSPy框架中的GEPA(Generative Evolutionary Prompt Adaptation)优化器来提升大语言模型在数学竞赛问题(AIME)上的表现。# 创建基础的链式思考程序"""带有详细反馈的评估指标,为GEPA提供学习信号"""try:# 处理解析错误feedback_text = f"最终答案必须是一个有效的整数。你回答了'

步子哥的博客 1387

毕业论文AI检测不过关?学长亲历的通关攻略

作为刚毕业的学长,我的论文也被AI检测卡过。从一开始的手忙脚乱到最后顺利通过,总结出一套完整的通关攻略:提前自测留足时间、找准问题段落精准修改、善用专业工具提效、最后人工校对确保质量。希望我的经历能帮你少走弯路。

aigccleaner的博客 842

药物对接仿真软件:HADDOCK_(9).结果分析方法

HADDOCK是一种强大的药物对接仿真工具,通过对生成的输出文件进行详细的分析,我们可以验证仿真结果的可靠性,并为进一步优化药物设计提供依据。常见的分析方法包括解读输出文件、使用可视化工具进行结构分析、评估对接模型的稳定性和准确性等。通过这些步骤,我们可以更全面地了解受体和配体的结合模式,从而提高药物设计的成功率。

kkchenjj的博客 1009

【AI时代技术翻译生死线】:为什么87%的ChatGPT翻译交付被拒?资深TL曝光3个致命盲区与ISO 18587合规路径

破解ChatGPT技术文档翻译交付拒收困局,揭示ISO 18587合规路径。聚焦API文档、SDK手册等高敏场景,剖析术语一致性、上下文断层、格式元数据丢失3大致命盲区。提供人机协同质检清单与LQA标准化流程,交付合格率提升至92%。值得收藏

InitPulse的博客 225

YOLOV5 自动刷图脚本实战(十五)之如何找到正确的门

DXF是一个2D游戏,我们所看到的人物移动,其实是后面的背景在移动,我们所看到的画面,不过是一个完整背景中的一个镜头视角而已想要正确找到门的坐标,我们需要对不同的地图中的每个房间做一些配置信息。

qq_38892949的博客 2812

YOLOv11改进策略【损失函数篇】| 替换激活函数为Mish、PReLU、Hardswish、LeakyReLU、ReLU6

在卷积神经网络中,激活函数通过在神经网络中引入非线性,使网络能够学习和逼近复杂函数,从而处理复杂的模式识别与分类问题。

Limiiiing的博客 2803

DeepSeek写的论文怎么降AI率?3款工具实测对比

DeepSeek写的论文直接提交知网检测,AI率通常在38%-99%之间。单靠DeepSeek自己降AI效果有限(平均降35%),推荐用专业工具:嘎嘎降AI性价比高,比话降AI可将AI率降至0%。

aigccleaner的博客 852

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

写论文必备的5款AIGC检测工具推荐,提前自查避免翻车

论文提交前一定要自查AIGC检测率!推荐知网、维普、万方三大主流检测平台提前测试。如果AI率超过20%,用嘎嘎降AI(达标率99.26%)或比话降AI处理后再提交,能省很多麻烦。

aigccleaner的博客 690

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

台电c280的第18个问题

台电c280的第18个问题,虽然他们会删我的贴子,会删我的注册信息,但是我还是要发前面已经写了17个问题了见http://blog.youkuaiyun.com/cnxmouse/archive/2007/03/23/1539355.aspx今天又发现了一个新的问题:在视频的时候,如果你没有退到主界面就插了USB,那么要恭喜你一下,等你从电脑上拔下的时候,它已经不会再关闭屏幕的背光灯了,情况是这样的,播放视频

love阳光 的专栏 2213

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

基于单片机的智能窗户控制系统设计(风雨感应+遥控)【附代码】

在控制器的选型上,考虑到系统需要处理脉冲信号(风速)、模拟信号(雨滴)、射频遥控信号以及电机驱动逻辑,推荐选用具有丰富定时器资源和外部中断功能的单片机,如STC89C52(经典型)或STM32F0系列(高性价比32位)。电源部分,由于窗户电机通常为12V或24V直流电机,系统需配置一个AC-DC开关电源模块,将市电转为24V供给电机,再通过DC-DC降压芯片(如LM2596)或线性稳压器(如7805)转为5V供给单片机和传感器。设计中需设置“风速阈值”,当风速超过设定值(如5级风)时,触发关窗动作。

lagougongzuoshi的博客 733

Claude Managed Agents 实战:用多智能体编排 + Webhooks 跑一个“自动审稿流水线“

Anthropic推出多智能体协作审稿系统 Anthropic近日发布Claude Managed Agents三项新功能:目标驱动评分(Outcomes)、多智能体编排(Multiagent Orchestration)和异步回调(Webhooks)。这些功能共同构成了一个完整的智能审稿流水线解决方案。 系统采用主从架构设计,主代理(Lead Agent)使用轻量级Haiku模型负责任务分发,三个子代理分别执行事实核查、风格润色和结构评估工作。其中高精度任务由Opus模型处理,简单任务仍用Haiku以节省

凯 646
上一篇: 三十五岁,二本,投了二百份前端岗,面试电话一个没来
下一篇: 报销和报表这种活,大模型真能接手吗
AI_小站
博客等级 码龄3年 6255粉丝 1155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