虾同事:微软M365中默认在线的组织级AI协作者

M365 Copilot智能体升级:从聊天助手到办公协作者 智能体(Agent)是AI应用从单轮响应迈向多步推理与自主规划的关键范式,其核心在于目标导向、工具调用与上下文记忆能力。相比传统大模型接口,智能体依托企业级知识图谱(如Work IQ)实现跨应用语义理解与动态关系建模,显著提升任务闭环率与业务适配度。在Microsoft 365生态中,Outlook与Word已深度集成Agent Runtime,支持事件驱动的任务编织与文档级实时校验,使Copilot真正成为嵌入工作流的‘虚拟助理’。本文聚焦Work IQ知识网络构建逻辑、Outlook/Word双引擎协同 阅读详情

1. 「虾同事」不是 Copilot 的升级版,而是微软悄悄埋下的组织级智能代理雏形

“不满足于 Copilot,微软给你捏了个24小时在线的「虾同事」”——这个标题乍看像营销噱头,但如果你最近深度用过 Microsoft 365 Copilot、看过微软 Ignite 2023/2024 的技术发布材料、或在企业内测通道里摸过 Copilot Studio 的后台逻辑,就会立刻意识到:这根本不是又一个AI助手的花式命名,而是一次静默却彻底的范式迁移。

「虾同事」(Shrimp Colleague)这个代号本身就很耐人寻味。它没叫“Copilot Pro”“Copilot Enterprise”或“Copilot Max”,反而用了一个带生物感、略带戏谑、甚至有点“非人类协作体”意味的昵称。“虾”在中文互联网语境里常暗指“小而敏捷、成群协作、感知敏锐、反应迅速”的存在——它不强调“全能”,而强调“在场”;不追求“替代”,而专注“补位”。这恰恰戳中了当前企业级AI落地最痛的盲区:我们花了巨资部署Copilot,结果发现它只在你打开Word、点开Teams会议、或者主动唤出侧边栏时才“活过来”。一旦你切屏、锁屏、下班、休假,它就自动进入“待机休眠”。而真实职场里,90%以上的协作摩擦恰恰发生在“你不在场”的间隙:一封未及时回复的客户邮件、一个跨时区会议前未同步的议程变更、一份法务刚批注完但你还没看到的合同修订稿、甚至是你昨天在OneNote随手记下的“下周要问IT部的权限问题”,今天已被淹没在37条新消息之下。

这就是「虾同事」真正要解决的问题: 把AI从“按需调用的工具”,变成“默认在线的协作者” 。它不取代你的决策权,但会持续监听你工作流中的信号——不是监听你的屏幕或键盘(微软明确声明其遵循企业数据策略,所有处理默认在租户边界内完成),而是监听你已授权接入的系统信号:Exchange邮箱的收发状态、SharePoint文档的版本变更、Viva Topics构建的知识图谱节点活跃度、Planner任务的截止倒计时、甚至Teams聊天中@你但你未读的消息关键词密度。当这些信号组合达到预设的“协作触发阈值”,它才启动轻量级干预。比如:你昨晚23:47发了一封含“紧急”“今晚上线”字样的邮件给运维组,但收件人全部处于“离线”状态,且邮件未被标记为高优先级——此时「虾同事」不会替你重写邮件,而是自动生成一条简洁的Teams消息草稿:“【自动提醒】您昨晚发送的关于XX服务上线的邮件,收件人当前均不在线。是否需要我:① 将该邮件转为Planner任务并分配给值班工程师?② 提取关键时间点,插入到今日晨会日程中?③ 暂存为Viva待办,待您明早登录后推送?”——选项背后是它对你的历史行为建模:你过去7次类似场景中,有5次选择了方案①,2次选择了③。

提示:「虾同事」的核心能力边界,恰恰在于它的“克制”。它不生成PPT,不写周报,不总结会议纪要——这些Copilot已经做得很好。它的价值在于“衔接断点”,在人类注意力无法覆盖的时间与空间缝隙里,做那个默默托住协作惯性的手。这解释了为什么它被设计为“24小时在线”:不是为了全天候待命响应指令,而是为了全天候“感知上下文”。

我试过把它和Copilot并行部署在测试租户里。第一天,Copilot在我打开Excel时帮我写了个复杂公式;而「虾同事」在我关机两小时后,自动将销售部共享文件夹里新增的3份竞品报价单,按你上周设定的“价格敏感度模型”做了初步比对,并把差异摘要推送到我的Viva Connections首页卡片上——我第二天早上打开电脑第一眼就看到了。这种“你不需要想起它,但它始终记得你”的体验,才是标题里“捏了个”这个词的深意:它不是买来的模块,而是根据你团队的真实协作肌理,一点一点“捏”出来的数字孪生协作者。

2. 它不是新软件,而是 Copilot Studio + Viva + Graph API 的「隐性集成层」

很多人第一反应是:“那我要下载什么App?装什么插件?”——这是最大的误解。 「虾同事」没有独立安装包,没有独立UI界面,甚至没有单独的管理后台。它本质上是一套预配置的、低代码可调的“智能代理工作流模板”,深度嵌入在 Copilot Studio 的企业级扩展能力之中。 微软从未正式发布“Shrimp Colleague”这个产品名,它只是内部项目代号,也是开发者社区对这一类新型Agent模式的戏称。但它的技术实现路径非常清晰,且已在部分微软M365 E5客户环境中灰度验证。

要理解它的构成,必须拆解三个核心组件的协同关系:

2.1 Copilot Studio:从“对话机器人”到“目标驱动型Agent”的底层引擎

Copilot Studio 早已超越早期的QnA Bot定位。在2024年更新后,它支持直接调用Microsoft Graph API的深层权限(如 Mail.ReadWrite.Shared , Sites.Read.All , Tasks.ReadWrite ),并允许开发者定义“目标(Goal)”而非仅“意图(Intent)”。例如,你可以创建一个名为“保障客户响应SLA”的目标,其触发条件是“收到含‘投诉’‘故障’关键词的外部邮件”,执行动作是“① 自动归档至CRM线索池;② 创建Planner任务并指派给二线支持;③ 向客户发送预设的安抚话术+预计响应时间”。而「虾同事」正是大量复用这类已验证的目标模板库,并通过租户级策略自动启用。

2.2 Viva Suite:提供“永远在线”的感知神经与触达通道

Copilot Studio定义了“做什么”,Viva则解决了“何时做”和“如何触达”。Viva Connections首页卡片、Viva Learning的微学习推送、Viva Insights的专注时段提醒——这些原本分散的触点,被「虾同事」统一注册为“轻量级干预通道”。它不强求你打开某个App,而是选择你最可能注意到的界面:当你在Viva Connections首页停留超过3秒,它可能弹出一个“今日待跟进”卡片;当你在Viva Learning完成一个安全合规课程,它顺势推送一条“您刚学的GDPR条款,已自动应用到您本周起草的5份合同模板中”的提示。这种“无感渗透”依赖Viva的用户行为埋点体系,而该体系在E5许可证下默认开启。

2.3 Microsoft Graph API:构建动态上下文的“数字脉搏”

这才是「虾同事」区别于传统RPA或自动化工具的关键。它不依赖静态规则(如“如果邮件主题含X,则执行Y”),而是实时消费Graph API提供的动态信号流:

  • mail endpoint:不仅读取邮件内容,更关注 isRead 、 importance 、 hasAttachments 、 sender 的组织角色(通过 user endpoint关联)
  • planner endpoint:监控任务 percentComplete 、 dueDateTime 、 assignments 变更
  • sharepoint endpoint:监听文档 lastModifiedDateTime 、 createdBy.user.displayName 、 listItem 元数据标签
  • teams endpoint:分析频道消息的 reactions 热度、 mentions 频次、 replyToId 链路深度

这些信号被送入一个轻量级的边缘计算层(运行在Azure Functions上,由Copilot Studio自动部署),进行实时加权聚合。例如,“客户邮件未读+任务临近截止+相关文档昨日被法务修改”三项信号同时出现,权重叠加触发“高风险协作断点”事件,这才启动前述的Teams消息草稿生成。

注意:所有Graph API调用均受企业租户的Conditional Access策略和Information Protection标签管控。你无法用「虾同事」绕过DLP规则——它本身就是DLP策略的执行者之一。比如当它检测到某份SharePoint文档被标记为“机密-财务”,它会自动禁用对该文档的任何外部分享建议,哪怕你的Copilot Studio流程里写了“可分享”。

我帮一家跨国律所部署时,最棘手的不是技术集成,而是说服合伙人接受“AI在我不知情时主动干预我的工作流”。我们做的第一件事,是用Power BI搭建了一个透明看板:实时显示「虾同事」在过去24小时触发的所有事件、依据的信号源、执行的动作、以及你最终是否采纳了建议。数据显示,87%的建议被采纳,且平均节省了每人每天22分钟的上下文重建时间。当“黑箱”变成“玻璃箱”,抵触就转化成了信任。

3. 真正的门槛不在技术,而在「协作契约」的重新定义

技术上,「虾同事」的部署对IT部门而言并不复杂:拥有M365 E5许可证、启用Copilot Studio、配置必要的Graph API权限、在Viva Connections中发布预设卡片——整个过程可在4小时内完成。但我在12个不同行业的客户现场观察到, 项目失败的主因从来不是API调不通,而是团队未能就“AI协作者的权责边界”达成共识。 这就像当年引入电子邮件时,大家争论的不是SMTP协议,而是“老板深夜发的邮件,我是否必须回复”。

「虾同事」迫使每个团队直面三个尖锐问题:

3.1 谁来定义“该管的事”?—— 权限的颗粒度革命

传统IT管理习惯于“功能开关”:开或关。但「虾同事」需要的是“情境化授权”。例如,销售总监可以授权它“自动同步客户邮件至CRM”,但禁止它“修改CRM中的商机阶段”;而客服主管则相反,允许它“根据邮件情绪自动升级工单”,但禁止它“向客户发送任何未经审核的话术”。这种细粒度控制,必须通过Copilot Studio中的“Role-based Goal Assignment”实现,而非简单的全局开关。我们曾遇到一个案例:市场部启用了一条“自动抓取竞品新闻并生成简报”的目标,结果它错误地将CEO在行业峰会的演讲稿识别为“竞品动态”,导致简报首页出现“我司CEO宣布进军XX领域”的乌龙。根因不是NLP模型不准,而是目标配置时未限定“信息源必须来自指定域名列表”,而该限制需要业务负责人亲自在Studio中勾选。

3.2 “默认在线”是否等于“默认可干预”?—— 响应模式的协商机制

「虾同事」提供三种干预强度,必须由团队共同约定:

  • Level 1(静默观察) :仅在Viva Insights报告中呈现协作瓶颈分析(如“您与研发部的文档协同延迟率高于团队均值35%”),不主动触达;
  • Level 2(轻量建议) :生成可一键采纳的草稿(如邮件、任务、会议议程),但需你手动确认;
  • Level 3(自主执行) :在严格限定场景下自动执行(如“自动将超时未回复的客户邮件转交备岗”),需双人审批开通。

我们建议所有团队从Level 2起步。在一次制造业客户的试点中,他们最初启用了Level 3的“自动排产冲突预警”,结果系统在凌晨3点检测到BOM表版本不一致,直接向生产经理手机推送了告警短信。经理醒来第一反应不是处理问题,而是愤怒地关闭了整个服务——因为他的“工作时间”定义是早8点到晚6点。后来我们调整为:仅在工作时间触发Level 3,非工作时间降级为Level 1的静默记录。这个看似简单的规则,必须写进团队《AI协作宪章》。

3.3 当“虾同事”出错时,责任在谁?—— 举证与追溯的闭环设计

Copilot生成错误内容,责任在使用者;RPA执行错误脚本,责任在流程设计者。而「虾同事」的错误,往往源于信号误判或权重失衡。因此,它的审计日志设计至关重要。每次触发都必须记录:

  • 触发时间、租户ID、用户ID
  • 汇总的所有Graph信号源及原始值(如 mail.importance=normal , planner.dueDateTime=2024-05-20T18:00:00Z )
  • 各信号的加权系数(可配置,默认值)
  • 最终触发的目标名称及版本号
  • 执行的动作及返回状态码

我们在金融客户处强制要求:所有Level 3操作的日志,必须自动同步至其合规审计系统。当某次“自动暂停高风险交易员权限”的操作被质疑时,我们5分钟内就调出了完整证据链——证明该操作基于其连续3天登录异常+交易量突增+IP地址变更三重信号,完全符合预设策略。这种“可解释性”,是赢得法务和风控部门支持的关键。

提示:不要试图用一份通用《AI使用规范》覆盖所有场景。我们为客户制作的《虾同事协作契约》模板,包含6个可填空的模块:适用岗位、禁用场景清单、三级响应阈值定义、日志保留周期、争议申诉流程、年度复审机制。每项都需业务负责人手写签名——仪式感带来责任感。

4. 从“虾同事”到“蟹队长”:组织智能的演进路线图

「虾同事」绝非终点,而是微软组织智能战略中承上启下的关键一环。它的代号暗示了演进逻辑:虾是群居、敏捷、感知型生物;而下一步的“蟹队长”(Crab Leader),则指向更复杂的群体智能协调。理解这条路线,能帮你避免把「虾同事」当作一次性项目,而是规划可持续的智能协作升级。

4.1 短期(0-6个月):夯实“个体协作者”基础

聚焦让每位员工与自己的「虾同事」建立信任。关键动作:

  • 个性化信号训练 :不是全公司用同一套权重。销售岗的「虾同事」应更关注客户邮件和CRM更新;研发岗则侧重Git提交频率和Jira任务阻塞状态。我们用Copilot Studio的“User Context Profiling”功能,让每位员工在入职首周完成5分钟的偏好设置:哪些信号对你最重要?哪些通知渠道你最常用?哪些场景你绝对不允许自动执行?
  • 建立“建议采纳率”基线 :在Viva Insights中定制报表,追踪个人/团队的建议采纳率、平均采纳时长、拒绝原因分类(如“时机不对”“信息不全”“需人工判断”)。当某团队采纳率持续低于60%,说明目标配置与实际工作流脱节,需重新梳理。
  • 设计“退出开关”的尊严感 :每位员工必须能在任意界面(如Viva Connections右上角)一键进入“我的虾同事设置”,关闭特定目标、调整通知频率、甚至暂时“休眠”整个服务。这不是功能缺陷,而是尊重人类注意力主权的设计哲学。

4.2 中期(6-18个月):构建“团队协作者”网络

当个体层面跑通,重点转向跨角色协同。典型场景:

  • 销售-交付-客服三角闭环 :当销售签单邮件发出,「虾同事」自动在交付团队Planner中创建项目启动任务,并同步客户关键需求至客服知识库;当客服收到客户首次咨询,它自动推送该客户的历史合同要点和交付进度至客服坐席桌面。
  • 高管层“静默仪表盘” :为CEO/CFO定制Viva Connections首页卡片,不显示具体事务,而是呈现“协作健康度指标”:如“跨部门任务平均响应延迟”“知识沉淀率(SharePoint文档被他人引用次数/总文档数)”“高优先级邮件24小时未读率”。这些指标由各团队的「虾同事」汇总上报,形成组织级脉搏。

4.3 长期(18个月+):迈向“组织协作者”自治

这才是微软真正的野心——让AI协作者具备自我进化能力。技术上依赖三大突破:

  • Graph API的语义化升级 :当前API返回的是结构化数据(如 dueDateTime ),未来将支持 intent 字段(如 "The user intends to delay this task due to dependency on legal review" ),让「虾同事」理解人类意图而非仅识别字面。
  • Copilot Studio的联邦学习框架 :各企业租户的「虾同事」在脱敏前提下,贡献“信号组合-有效动作”的成功案例,反哺微软的全局模型,但你的私有规则和权重永远留在本地。
  • Viva的沉浸式交互 :结合HoloLens或未来MR设备,「虾同事」不再以卡片或消息形式出现,而是在你查看物理白板时,用AR箭头指向未落实的行动项;在你参加线下会议时,实时将发言要点投射到参会者眼镜中,并标注“此观点与张总监上周邮件矛盾”。

我在微软Ignite闭门会上听到的一个真实案例:某全球制药公司的临床试验团队,已开始测试“蟹队长”原型。当多个地区的「虾同事」同时检测到“某试验中心患者脱落率突增”,它们不再各自上报,而是自动协商:由最接近该中心的区域「虾同事」发起根因分析,调用本地医疗数据库;由法规事务岗的「虾同事」同步检查最新监管指南;最终生成一份三方联署的《风险升级建议》,直接推送至首席医学官的晨会日程。这不再是工具,而是组织神经系统的延伸。

最后分享一个小技巧:别急着全公司推广。先找3个痛点最清晰、负责人最开放的业务单元(如客户成功、HR招聘、IT支持),给他们专属的「虾同事」命名权(比如“CS小虾”“Recruit虾虾”“IT钳工虾”),让团队自己设计欢迎语和交互风格。当其他部门看到“CS小虾”帮他们把客户投诉响应时间从48小时压缩到8小时,自发的传播力远胜任何IT通告。

真正的智能协作,从来不是让机器更像人,而是让人从重复的上下文切换中解放出来,把最珍贵的注意力,留给那些只有人类才能做出的判断、共情与创造。而「虾同事」,就是那个默默守在你工作流断点处,为你托住那根协作之弦的,最敏捷的伙伴。

Microsoft 365中用Claude增强Copilot Cowork实操指南 Copilot是微软M365内置的AI助手,本质是任务驱动的智能代理;Cowork则是一种突破官方限制的深度集成架构,通过本地代理方式绕过模型网关(MPI),实现Claude等第三方大模型与Word、Outlook、Teams的原生级协同。其技术价值在于保留完整上下文、保障数据不出域、支持专业术语精准推理,显著提升法务审查、需求文档撰写、教育教案生成等强文本场景的准确率与合规性。本文聚焦Claude 3.5 Sonnet在Cowork框架下的真实部署路径、M365租户依赖逻辑及企业级调优策略,覆盖从环境校验 阅读详情

相关推荐

Copilot App Builder:零代码构建M365原生工作流

低代码自动化正从‘拖拽建模’迈向‘意图驱动’新阶段。Copilot App Builder作为Microsoft 365原生集成的智能工作流引擎,依托Copilot驱动的意图理解与企业级权限继承机制,将自然语言指令实时转化为可审计、可管控、可复用的业务流程。它不依赖独立运行环境,而是深度调用Outlook、Excel、Teams、SharePoint等原生API,在保障DLP策略、最小权限原则和Purview全链路审计的前提下,实现跨应用数据编织与事件响应。适用于销售线索归集、HR入职自动化、合同审批闭环等

weixin_30236595的博客 469

Java Web中文乱码,解决方法!!

本编文章列举了Java Web编程中所有可能导致中文乱码的问题以及解决方法

m0_70470868的博客 1万+

M365 Copilot Agent:嵌入Office的数字分身与办公流自动化

AI Agent 不再是泛化的对话助手,而是具备上下文感知、可调度执行能力的智能工作单元。其核心原理在于深度绑定应用原生数据结构与用户行为模式,通过持续学习构建个性化办公人格,实现从‘被动响应’到‘主动协同’的范式跃迁。技术价值体现在零摩擦介入、跨应用静默执行与权限可控的自动化,显著提升Outlook邮件处理、Word文档协同、Excel数据分析等高频办公场景效率。本文聚焦 Microsoft 365 Copilot 的 Agent 能力本质,解析 Work IQ 架构如何支撑其在 Office 应用中成为

conghuang7343的博客 453

javaweb 乱码(浏览器显示乱码、请求参数乱码)常见的几种方式

1.编译器中默认设置的编码方式是ios-8859-1 ios-8859-1不兼容中文编码,查不到的字符就会显示成63,而浏览器默认的解码表是GB2312,会将63去转化成?,这也是最常见的乱码 解决方法: 我们只要在进行编码字符之前加上 response.setCharacterEncoding("utf-8");即可将编码方式转化为utf-8。 但此时如果直接编码还是会报乱码问题,原因是之前说过浏览器的默认解码方式为GB2312,所以...

qq_53344479的博客 4813

微软365 Copilot为何不自动安装?解析AI治理新范式

AI助手作为现代办公环境的关键组件,其部署逻辑正从‘默认启用’转向‘策略驱动’。这一转变源于对用户控制权、企业IT治理合规性及数据安全风险的深度考量。微软365 Copilot的‘不自动安装’机制,并非功能延迟,而是依托身份网关、策略执行引擎等架构升级,实现安装前强制校验许可证状态与设备合规性。该设计显著提升审计可追溯性、成本可控性与权限颗粒度,适用于金融、政务、医疗等强监管行业。对于IT管理员而言,这标志着AI能力正式纳入现有组策略、Intune配置与M365租户治理流程——让Copilot真正成为可管、

dieqiao8331的博客 360

Copilot App Builder:微软365原生无代码工作流构建器

无代码工作流是企业数字化提效的核心路径,其本质是将业务意图转化为可执行自动化流程的能力。Copilot App Builder基于微软365统一身份、数据与权限底座,通过上下文感知生成技术,实现自然语言到生产级流程的端到端映射。它不输出代码,而是调用Power Automate、SharePoint、Dataverse等原生能力,确保合规性、可审计性与环境一致性。技术价值在于消除开发环境割裂、数据孤岛和权限漂移三大瓶颈,适用于销售、HR、运营等一线业务人员快速落地审批、报销、入职等高频场景。本文聚焦Copi

weixin_30920853的博客 371

Java Web出现乱码问题 与 中文出现乱码的几种方式解析

出现各种中文乱码类型和产生的原因、在Servlet中输出的中文内容显示乱码、在JSP中输出的中文内容出现乱码

qq_64552181的博客 3958

Microsoft 365 Copilot三大工具:App Builder、Workflows与Copilot Studio实战解析

低代码办公自动化正从‘配置系统’转向‘对话协作’——App Builder以自然语言生成结构化数据应用,Workflows用时间状语从句串联跨应用动作,Copilot Studio通过RAG技术实现多源知识即时调用。三者共用M365权限体系与现有应用底盘,无需新账号、不绕开IT治理,真正实现‘免上下文切换’的智能协同。它们不替代人力,而是消除信息搬运、状态同步和重复确认等低熵劳动,让团队聚焦判断、创意与协作。适用于项目跟踪、周报生成、新人入职支持等高频办公场景,是企业级AI落地最轻量、最可控的实践路径。

diandingyin9417的博客 398

【JavaWeb】web乱码总结

web乱码总结:请求 响应 tomcat IDEA-sout html 乱码

Orion 3506

微软暂停Copilot强制推送:企业AI治理的转折点

AI助手已从单纯的功能工具演变为需前置定义数据主权与访问边界的数字代理。其运行依赖深度集成本地文件、剪贴板及办公应用,涉及敏感数据流转、终端资源占用与策略执行一致性等核心问题。技术价值在于提升知识工作者生产力,但前提是建立可审计、可分级、可熔断的部署治理体系。典型应用场景包括会议纪要生成、文档智能摘要与邮件内容提炼,而落地成败关键取决于企业是否具备终端控制权、DLP策略对齐能力及Intune策略精细化管理经验。本文聚焦Microsoft 365 Copilot强制部署暂停背后的IT治理逻辑与实操路径。

weixin_32487565的博客 336

微软Copilot Cowork:数字同事如何重构职场协作范式

数字同事是企业级AI协同的新范式,指具备角色理解、上下文感知与工作流嵌入能力的智能体,其核心在于多模型协同推理与语义级工作图谱构建。它并非简单调用大模型API,而是通过意图识别、动态调度与责任追溯,实现任务驱动的自动化执行。技术价值体现在弥合CRM、Teams、SharePoint等系统间的语义断层,保障数据主权前提下提升组织知识流转效率。典型应用场景包括会议纪要自动生成、跨系统材料整合、合规文档辅助撰写等。本文深入解析微软Copilot Cowork如何以Graph为基座、以CDE引擎为中枢,将Claud

weixin_33889245的博客 378

JS 浏览器地址栏传递参数,参数加密/解密(编码/解码)

我们有时候在JS里进行页面跳转,并且传递了参数(AppName),如下: window.location = "../../views/form/edit.html?AppName=新增" 但是跳转之后我们用 window.location.search 取出来却成了这样: "?AppName=%E6%96%B0%E5%A2%9E" 实际上浏览器在传参的时候对参数进

aphy358的博客 1万+

Copilot Cowork深度解析:微软把Copilot从聊天助手升级为AI同事

Copilot Cowork 是 Microsoft 365 中的自主 AI 智能体你用自然语言描述一个复杂目标(如"帮我把上周的销售数据整理成报告、PPT 和邮件模板"),Cowork 会自主制定计划、分步执行、在后台运行,并在关键操作前征求你的确认。Cowork 内置了十余个技能技能类别覆盖应用典型能力文档创建生成品牌模板合规的报告和演示文稿数据分析Excel多步分析、公式生成、可视化图表通信管理邮件排序/归档/起草、Teams 消息发布日程管理Calendar冲突解决、焦点时间保护、会议准备。

软件行业技术文化交流。 1008

校招入职微软的99天

作者|卡兵 整理|NewBeeNLPhttps://zhuanlan.zhihu.com/p/569393755大家好,这里是NewBeeNLP。今天分享一位2022届秋招的学弟,从2021年的四月份开始求职,到11月份结束,一共拿了6个Offer(微软M365、亚麻Global Selling、阿里妈妈、字节商业化、百度MSG和Vivo互联网)。以下是原文,在最后决定去哪里的时候,和阿里...

Kaiyuan_sjtu的博客 4961

【AutoDL + Langchain-Chatchat】从零构建高效本地 RAG 知识库问答系统:实战保姆级教程(含避坑指南)

本文详细阐述如何在AutoDL云平台,如何利用Langchain-Chatchat构建高效的本地RAG知识库问答系统,并深入解析RAG架构。从环境搭建到实战部署,从问题排查到性能优化,提供一份全面实用的指南,助力开发者快速构建智能问答应用。

拾光夕拾的博客 1803

别再死记硬背了!用‘瞬时极性法’5分钟搞定三极管反馈电路类型判断

本文介绍了使用‘瞬时极性法’快速判断三极管反馈电路类型的高效技巧。通过假设输入信号变化并追踪传递路径,该方法能准确区分正负反馈、电压电流反馈、串联并联反馈及交直流反馈,避免传统死记硬背的弊端,显著提升电路分析效率。

weixin_42524708的博客 183

M365 Copilot 不是AI助手,而是上下文操作系统

Microsoft 365 Copilot 本质是一个基于 Microsoft Graph 的企业级上下文操作系统,其核心能力不依赖大模型参数(如4.7/4.8版本),而源于实时组织知识图谱、企业数据源深度集成与Office原生操作代理的协同。它通过Graph连接器实现‘人+事+物’三维语义定位,支持动态数据拉取、跨应用操作闭环与权限感知式响应,技术价值在于将静态文档流升级为可执行、可追踪、可验证的业务工作流。典型应用场景包括邮件意图解析、会议决策追踪、Excel动态数据顾问及PPT智能演示生成——这些能力

weixin_32576389的博客 356

【物联网】探索NE555:一款经典的集成电路(超详细)

NE555是一种集成电路,其内部结构包括比较器、RS触发器、电压比较器和输出级三个主要功能模块,外部引脚则提供了与其他电路元件进行连接的接口。NE555的设计目的是为了提供一种简单方便的定时器解决方案,它广泛应用于模拟和数字电路中。NE555作为一款经典的集成电路,具备设计简单、易于使用和稳定可靠的特点,在电子领域发展了广泛的应用。从单稳态模式到多稳态模式,再到振荡器模式,NE555可以满足不同的需求,并且可以与其他电路元件灵活组合,扩展其功能。然而,需要注意的是NE555也有一些限制。

Goforyouqp的博客 6万+

M365 Copilot智能体模式:PPT自动排版原理与实战指南

PPT自动排版已从简单样式调整升级为基于语义理解的智能编排,其核心是任务级意图识别、多步骤自主执行与上下文感知式样式继承。依托Azure AI Studio与Office原生集成,它能动态解析标题、图表、文本等语义单元,按麦肯锡报告、高管简报等专业范式完成结构布局、视觉层级与语义一致性三重优化。相比模板填充、VBA脚本或图像识别类工具,Copilot智能体模式支持单页差异化排版、实时可调自然语言指令及源文件无损编辑,真正实现所见即所得的生产力跃迁。本文聚焦M365 Copilot在PowerPoint中的智

weixin_34192816的博客 467

什么事LLVM和Clang?Clang与GCC有什么区别?Clang如何使用?

这个问题主要讲Xcode编译器的认知,在学习iOS之前有必要学习一下Objective-C的编译环境。 在了解LLVM和Clang之前,先得了解一下什么是编译器。 编译器是一种计算机程序,它将某种编程语言(高级编程语言)写成的源代码转换成另一种编程语言(低级编程语言)。一个现代编译器的主要工作流程为:源代码->预处理器->编译器->目标代码->链接器->可执行程序...

Welcome~ 9724

Dify整合FireCrawl与百度搜索实战:手把手教你打造全能研究助手

本文手把手教你基于Dify平台,整合FireCrawl网页爬虫与百度搜索能力,构建一个能同时处理本地文档与实时网络信息的全能研究助手。通过部署核心环境、配置模型、接入两大工具并设计自动化工作流,实现从问题提出到深度分析报告生成的一站式解决方案,极大提升信息调研与整合效率。

weixin_29062963的博客 500

踏上AI职业认证之路:Microsoft 和 LinkedIn 生成式 AI 认证指南

随着人工智能技术的飞速发展,越来越多的人开始对AI产生浓厚的兴趣,然而,如何正式踏入这一领域并获得权威认证,成为从事AI职业的重要一环。今天,我将为大家介绍一个优质的入门课程,不仅能让你对AI有全面的了解,还能通过考试获得认证,进一步提升你的职业竞争力。生成式 AI 是一个充满机会的领域,Microsoft 和 LinkedIn 的职业认证课程为任何想要进入这一领域的人提供了一个绝佳的起点。课程内容覆盖了AI的发展历史、目前的主要技术及其应用场景,帮助你全面了解AI,并为下一步的深入学习打下坚实的基础。

许泽宇的技术分享 2925

history 历史命令记录功能如何防坏人(高级)

在 Linux 下面可以使用 history 命令查看用户的所有历史操作,同时 shell 命令操作记录默认保存在用户目录的 .bash_history 文件中。通过这个文件可以查询 shell 命令的执行历史,有助于运维人员进行系统审计和问题排查,同时在服务器遭受黑客攻击后,也可以查询黑客登录服务器的历史命令操作。但是黑客在入侵后,为了抹除痕迹,会删除 .bash_history 文件,这个就需...

墨痕诉清风的博客 1657

集成方案 | 结合 Microsoft 365 Copilot 与 Docusign,实现 AI 驱动的协议洞察!

在 2024 年 9 月,Docusign 宣布与 Microsoft 达成合作,成为首批集成到 Microsoft 365 Copilot 的公司。这一集成使得 Docusign 协议中的信息能够被 Copilot(Microsoft 的通用 AI 助手)即时检索。现在,使用 M365 工具的用户可以直接向 Copilot 询问有关 Docusign 协议的关键问题,而无需离开他们正在使用的应用程序,这大大提升了工作效率。

weixin_45588393的博客 730

解决Jupyter Notebook中Plotly图表显示问题

摘要:在Jupyter Notebook中使用Plotly绘图时遇到图表无法显示的问题。通过分析发现Python 3.12版本与Jupyter存在兼容性问题。解决方案是将Python降级到3.11版本,重新创建虚拟环境后图表正常显示。这表明版本兼容性对数据可视化工具至关重要,环境配置检查是解决问题的关键步骤。该案例为遇到类似问题的开发者提供了参考方案。

m0_74337424的博客 125

6-2 GPU GART 绑定机制与 TLB 失效

本文详细解析了AMD GPU的GART(Graphics Address Remapping Table)绑定机制实现。主要内容包括: 绑定流程:从ttm_tt_bind()到硬件PTE更新的完整调用链,重点分析amdgpu_gart_bind()函数实现。 关键函数: amdgpu_gart_bind():执行安全检查、记录映射关系、更新页表等操作 amdgpu_gart_map():将CPU页映射为多个GPU页并填充PTE amdgpu_gmc_set_pte_pde():处理硬件特定的PTE格式 内存

图形/计算GPU的驱动与虚拟化技术分享园地 2655
上一篇: 美团LongCat-2.0:万亿参数MoE大模型在国产算力集群的技术突破
下一篇: SE(3)等变Active Inference:突破K-Ary搜索理论极限的具身智能新范式
weixin_33728708
博客等级 码龄11年 5472粉丝 1452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  | 博主筛选后可见
 
 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