- 博客(303)
- 资源 (24)
- 收藏
- 关注
RSS订阅原创 现有AI客服系统引入本体论后的开发改造方案
本体论落地的核心开发改动，是把散落在 Prompt、工作流节点、API 参数、人工经验和系统字段里的业务对象、状态、规则、动作、权限、审计，抽象成一层可配置、可复用、可追溯的业务对象模型。
2026-08-11 16:57:01
373
原创 本体论Ontology在企业AI项目落地思考
摘要： 本体论是计算机科学中用于形式化领域概念及其关联规则的建模方法，回答"存在什么实体""如何关联""遵循哪些规则"三个核心问题。在企业AI应用中，本体论构建业务对象（如订单、客户）、关系（订单关联库存）、动作（退款、审批）及规则的语义层，使AI Agent能按企业逻辑执行任务（如自动退款需满足金额/权限约束）。与知识库不同，本体论不仅提供信息检索，还定义业务运转逻辑。实践案例中，AI客服通过本体论将用户问题拆解为结构化业务链（客户风险→订单状态
2026-08-09 20:30:14
235
原创 外部数据采集平台建设方案
维度核心要点定位外部数据的统一“搬运工”，与数据中台明确分工、通过前置数据库衔接能力四种采集方式（爬虫/RPA/API/AI辅助）+ 双路存储（结构化入前置库、非结构化入本地存储）独特价值持续沉淀反爬策略、连接器、模板、知识库四类可复用能力，后续任务成本持续下降合规内置审批、频率控制、脱敏、审计五道防线成功标准覆盖度、稳定性、效率、复用次数、人力释放五项可量化指标一句话总结：一个平台统一管、四种手段灵活采、能力持续沉淀复用、与中台分工明确、合规底线守住。
2026-07-18 11:16:43
905
原创 AI 原生开发落地路线图：从个人提效到团队体系化
AI 原生开发不是一场工具替换，而是一场软件工程方式的升级。它从个人提效开始，但不能停留在个人提效；它依赖强大的模型，但不能只依赖模型；它需要技术平台，但更需要流程、上下文、质量和文化。一个真正成熟的 AI 原生团队，会让 AI 参与研发全流程，同时保留人的判断、责任和创造力。这也是本系列想表达的核心：AI 原生开发的本质，不是让 AI 替代工程师，而是让软件工程团队围绕 AI 重新组织知识、流程和质量体系。
2026-07-11 17:36:23
141
原创 AI 原生团队协作机制：角色、分工与工程文化变化
AI 原生开发带来的最大变化，不是某个工具变强了，而是团队协作方式发生了变化。工程师更关注问题定义和质量判断；架构师更关注上下文和边界；测试更关注质量策略；产品更关注结构化需求；管理者更关注团队机制和能力沉淀。AI 可以参与很多工作，但责任仍然在人。一个成熟的 AI 原生团队，不是人人都在随意使用 AI，而是团队拥有清晰的协作规范、上下文资产、质量护栏和持续沉淀机制。下一篇文章，我们会进入整个系列的收官部分：AI 原生开发落地路线图：从个人提效到团队体系化。
2026-07-11 17:35:15
181
原创 团队知识库建设：把 AI 对话沉淀为长期工程资产
AI 原生团队的长期竞争力，不只是用了什么模型、装了什么插件、买了什么工具，而是是否拥有持续增长的团队上下文资产。一个没有知识沉淀的团队，每次都要重新向 AI 解释自己是谁、系统是什么、规则是什么。一个有知识库的团队，可以让 AI 在已有业务、架构、代码和历史决策之上继续工作。这就是从个人提效走向团队能力的关键一步。下一篇文章，我们会讨论：AI 原生团队协作机制：角色、分工与工程文化会发生什么变化。
2026-07-11 17:33:56
243
原创 Context Engineering：让 AI 理解业务、系统和代码库
大家会讨论：怎么写提示词？怎么让 AI 输出更稳定？怎么让 AI 一次性生成更完整的代码？这些问题当然重要，但如果只停留在 Prompt 层面，很快会遇到瓶颈。因为软件工程不是孤立的问答。一个看似简单的代码修改，背后往往依赖大量上下文：业务规则、系统架构、历史设计、代码约定、测试策略、发布流程、安全边界。如果 AI 不知道这些信息，即使 Prompt 写得再精致，也很容易生成“不适合当前系统”的答案。所以，AI 原生开发的关键能力不是 Prompt Engineering，而是 Context
2026-07-11 17:27:51
233
原创 AI 原生研发工作流：一个需求如何从想法走到上线
AI 辅助开发更多是个人效率提升。 AI 原生开发则是团队重新设计研发流程，让 AI 参与需求澄清、技术设计、编码实现、测试验证、Code Review 和知识沉淀。
2026-07-11 17:25:30
379
原创 从 AI 辅助到 AI 原生：软件工程团队的开发范式变化
AI 辅助开发的核心是：个人在某些局部任务中使用 AI 提效。 AI 原生开发的核心则是：团队重新设计研发流程，让 AI 成为软件交付链路中的常规协作者。这两者看起来相似，但本质上是两种不同的工程范式。
2026-07-11 17:22:50
314
原创 AI时代，企业核心业务中台化建设思考
AI时代，企业推进核心业务中台化仍然有价值，但建设目标需要发生变化。过去中台更多强调系统整合、能力复用、流程标准化和降本增效；今天，中台还需要进一步成为企业 AI 能够理解业务、调用系统、沉淀经验、受控执行的核心能力底座。AI时代，真正有价值的中台，应当围绕企业核心业务对象，统一数据口径、业务规则、接口能力和权限边界，使 AI Agent、业务系统和员工都能在同一套业务能力基础上快速组合、验证和迭代。
2026-07-05 18:49:31
206
原创 企业 AI 大脑：企业智能化建设的终局与路线图
今天很多企业还在讨论 AI Agent。BCG AI Radar 2026 显示，CEO 正在更直接地参与 AI 决策，企业对 AI Agent 的可衡量回报抱有很高期待。这说明 Agent 已经不是边缘工具，而正在进入公司级战略议题。但再往前看一步，真正会改变企业运行方式的，可能不是某一个 Agent，而是企业逐步形成自己的 AI 大脑。企业 AI 大脑不是超级聊天框，而是由语义底座、组织记忆、智能体中台、业务子脑和治理机制组成的企业智能操作系统。它能理解企业业务语言，知道历史决策，调度多个业务系
2026-07-02 13:15:40
291
原创 AI 落地不是员工培训，而是为 AI 重写工作流
很多企业做完 AI 培训后，短期热情很高，但两个月后真正高频使用的人不多，能影响业务指标的项目更少。原因是培训解决的是“会不会用”，而企业 AI 落地真正要解决的是“能不能进流程”。AI 要产生组织级价值，必须进入工作流、审批流、协作流和数据流。同时，企业要建立验证、权限、复核、回滚和审计机制，让 AI 先获得信任，再逐步获得自主权。
2026-07-02 13:15:00
236
原创 企业最该喂给 AI 的不是数据，而是专家判断
很多企业以为，把制度、FAQ、产品资料和历史文档丢进知识库，AI 就能变成企业专家。上线后才发现，AI 能回答“是什么”，却做不好“该怎么办”。问题不在资料太少，而在企业没有把专家判断、流程协议和执行标准交给 AI。企业 AI 转型的核心资产，不只是私有数据，还包括私有判断、私有协议、工具连接和执行轨迹。谁能把这些隐性经验产品化为规则、评分卡、样例库、SOP 和 Skill，谁就能把个人经验变成组织能力。
2026-07-02 13:12:47
252
原创 企业 AI 第一步，不是建平台，而是找一个“小而痛”的场景
很多企业做 AI 的第一反应，是建平台、上系统、买工具。但如果没有先跑通真实业务场景，平台很容易变成昂贵的展示工程。企业 AI 落地的第一步，不是证明自己有多先进，而是证明 AI 能在一个真实流程里持续把一件小事做成。好场景通常具备六个特征：高频重复、规则明确、数据可得、可执行、可衡量、风险可控。企业可以先用 90 天跑通 1-2 个小闭环，再把 Prompt、Workflow、数据字段、复核规则和结果指标沉淀为可复制模板。
2026-07-01 11:12:56
389
原创 从工具热到组织转型：企业 AI 转型到底转什么？
过去一年，很多企业做了 AI 培训，买了 AI 工具，也搭建了智能体。但管理层开始发现：员工个人效率确实提升了，公司整体经营效率却没有同步跃迁。原因在于，个人 AI 化和企业 AI 化不是一回事。个人 AI 化解决的是一个人写得更快、查得更快、做得更快；企业 AI 化解决的是组织如何让数据、知识、流程、决策和反馈机制重新运转。真正的企业 AI 转型，不是把 AI 装进旧流程，而是把旧流程改造成 AI 能理解、能执行、能验证、能复盘的组织系统。
2026-06-30 14:46:56
373
原创 AI 时代，每个人都需要构建自己的操作系统
AI 时代的个人能力，不再只是掌握多少知识，也不只是会不会使用某个工具。更重要的是：你是否能把 AI、自己的判断和长期知识库，组合成一套持续运行的系统。人负责判断；AI 负责推进；记忆让能力复利增长。真正的差距，不是用了多少 AI 工具，而是有没有把每次协同沉淀成下一次优势。AI 时代，每个人都需要构建自己的操作系统。
2026-06-18 17:21:59
497
原创 AI时代，IT人员转型 FDE 的思考
本文探讨了IT人员向FDE（Forward Deployed Engineer）转型的必要性与路径。随着AI、低代码等技术普及，传统IT仅聚焦系统开发的价值逐渐减弱。FDE的核心在于深入业务现场，通过技术组合解决实际问题并验证业务效果，其工作边界从功能实现扩展至全流程闭环。IT人员转型具备天然优势（系统感、工程化能力等），但需突破三大瓶颈：需求响应转向问题定义、上线交付转向业务采纳、代码开发转向能力封装。转型路径建议从具体场景切入，通过最小可行方案验证价值，最终实现能力产品化。未来优秀IT的核心竞争力将体现
2026-06-06 20:09:05
515
原创 企业AI大脑——IT研发AI大脑设计
AI Brain 的产品方向是建设一个企业 AI 大脑平台，让不同业务领域可以配置自己的“业务大脑”。v1 系列以产品研发大脑为样板，分阶段跑通从研发需求到产品详细设计、技术方案、代码开发辅助、代码 Review、自动化测试、发布上线评估、上线后分析、人工确认、模拟回写、Bug 管理和知识沉淀的研发全链路闭环。
2026-05-30 12:22:56
199
原创 企业AI大脑战略建设方案
企业 AI 转型的终局建设方向是构建企业AI大脑，核心不是申请某个工具或系统采购，而是推动管理层对齐：公司 AI 转型应从“工具提效”升级为“AI 原生组织操作系统”建设，并以服务大脑、运营大脑、内容运营大脑、设计生产大脑作为第一批样板。
2026-05-24 11:26:58
140
原创 一文看懂 LLaMA 2：原理与模型训练介绍
LLaMA 2（Large Language Model Architecture 2）是一种基于深度学习的语言模型。它是通过对大量文本数据进行训练而成，能够生成自然流畅的语言文本，并理解和回应各种复杂的语言任务。LLaMA 2 的设计旨在提供更高效和更准确的自然语言处理能力。LLaMA 2 作为一种先进的语言模型，通过 Transformer 架构和大规模预训练，展示了强大的语言生成和理解能力。其高效性、准确性和多任务学习能力使得它在多个领域展现出巨大的应用潜力。
2024-06-26 22:29:32
1590
1
原创 ChatGPT 的原理简介
ChatGPT 是一种智能对话系统，能够理解并生成自然语言。你可以把它想象成一个非常聪明的计算机程序，能够与人类进行交流。它不仅能回答问题，还能聊天、写文章、生成代码等等。它的应用范围非常广泛，从帮助用户解答问题、提供信息，到生成创意内容，甚至在编程和技术支持方面都有显著表现。ChatGPT 是一种强大的对话生成工具，基于 GPT 模型，通过预训练和微调过程来理解并生成自然语言。它在多个领域展示了其巨大的潜力和应用价值。虽然它有很多优势，但也有一些局限需要注意。
2024-06-26 21:38:25
2040
2
原创 初识 LangChain：快速入门指南
LangChain 提供了常见的控制流程和函数定义功能，如条件语句和函数调用。# 控制流程和函数定义示例} else {通过本文的快速入门指南，你已经初步了解了 LangChain 的安装、基本语法和几个实际应用示例。LangChain 的简洁性和功能丰富性使其成为处理数据和执行自动化任务的理想选择。继续探索和实践，你将发现更多 LangChain 的强大功能和应用场景。希望这篇文章能够帮助你快速上手 LangChain，并激发你的编程兴趣！
2024-06-25 19:55:14
1668
原创 PostgreSQL 高可用性与容错性（十三）
配置 Prometheus 采集 PostgreSQL 指标，并设置 Grafana 监控面板和警报规则。使用 Prometheus、Grafana 等工具监控 PostgreSQL 数据库状态和性能。部署 Patroni 来管理 PostgreSQL 高可用集群。将备份目录复制到新的数据目录并启动 PostgreSQL。结合流复制和负载均衡器实现自动故障切换。配置多主复制以支持异地多活架构。
2024-06-25 19:08:19
1065
原创 PostgreSQL 日志管理与故障排查（十二）
集成监控工具（如 Prometheus、Zabbix）监控 PostgreSQL 数据库状态和性能。PostgreSQL 提供多种日志级别，可根据需求配置详细程度。检查数据库连接是否配置正确，查看日志中的连接错误信息。)，优化执行时间过长的查询。分析日志中的慢查询日志 (
2024-06-25 19:05:31
2011
原创 PostgreSQL 索引优化与性能调优（十一）
索引是一种数据结构，用于快速定位和访问数据库表中的特定行。在 PostgreSQL 中，常见的索引类型包括 B-tree、哈希、GiST 和 GIN 等。
2024-06-25 19:02:31
1105
原创 PostgreSQL 分区表与并行查询（十）
分区表是将大表分割成更小、更可管理的部分的技术。每个分区表都可以单独进行索引和查询，从而提高查询性能和管理效率。PostgreSQL 支持并行查询，可以利用多核处理器并行执行查询操作，提高查询性能。
2024-06-25 18:58:51
1107
原创 PostgreSQL 高级功能与扩展（九）
JSONB 是 PostgreSQL 中的一种数据类型，用于存储 JSON 格式的数据，并提供高效的查询和索引功能。
2024-06-25 18:56:05
1020
原创 PostgreSQL 安全性与权限管理（八）
通过以上内容，读者可以学习如何有效地管理 PostgreSQL 数据库的安全性和权限，保护数据库免受潜在的威胁和攻击，确保数据的保密性、完整性和可用性。使用监控工具（如 pg_stat_statements、pg_activity）监视数据库活动和性能。在 PostgreSQL 中，角色可以是用户或组的抽象概念，用于管理数据库的访问权限。使用 SSL/TLS 加密保护数据库连接，防止数据在传输过程中被窃听或篡改。用户是具体的数据库登录实体，可以登录到数据库并执行操作。提供额外的加密功能，保护敏感数据。
2024-06-25 18:52:42
755
原创 PostgreSQL 高可用性与灾难恢复策略（七）
使用监控工具（如Zabbix、Prometheus）监控数据库和复制状态。在需要恢复部分数据或表时，可以使用逻辑复制进行精确的恢复操作。如果主数据库不可用，可以通过物理备份和流复制从备库快速恢复。逻辑复制允许选择性地复制指定表或数据库，比流复制更灵活。安装和配置 Patroni，启动自动故障转移和集群管理。监控数据库状态和复制延迟，确保及时发现和解决问题。工具创建逻辑备份，备份数据库的逻辑结构和数据。使用流复制实现主从复制，提高系统的可用性和性能。工具创建物理备份，备份数据库的整个数据目录。
2024-06-25 18:45:30
1189
原创 PostgreSQL 性能优化与调优（六）
PostgreSQL 支持并行查询，可以利用多核处理器提升查询性能。索引可以显著提高查询性能。配置日志记录和监控，以识别和诊断性能问题。尽量使用批量操作替代逐条操作，以提高性能。调整 PostgreSQL 配置文件（）中的参数，以优化性能。
2024-06-25 18:39:00
1561
原创 PostgreSQL 高级功能（五）
存储过程是一组预编译的SQL语句，可以简化复杂的操作。PostgreSQL 支持存储和操作 JSON 数据类型，非常适合处理半结构化数据。函数与存储过程类似，但函数可以返回值。PostgreSQL 提供了强大的全文搜索功能，用于高效地搜索文本数据。触发器是在特定事件发生时自动执行的程序，如插入、更新或删除操作。PostgreSQL 提供了丰富的扩展，可以扩展其功能。表上创建触发器，当插入新用户时，自动记录时间戳到。
2024-06-25 18:30:53
1521
原创 PostgreSQL 数据库设计与管理（四）
ER模型用于描述数据和数据之间的关系。它包括实体（如用户、订单）、属性（如用户名、订单金额）和关系（如用户与订单之间的一对多关系）。反规范化是适当地引入冗余数据，以减少查询时的联接操作，从而提高性能。规范化是组织数据库结构的一种方法，旨在减少数据冗余并提高数据完整性。备份是保护数据免受损失的重要手段。PostgreSQL 使用多版本并发控制（MVCC）来实现高效的并发控制。数据完整性是指数据库中数据的准确性和一致性。恢复物理备份涉及到将备份文件复制回数据目录，并启动数据库。确保数据库的安全性非常重要。
2024-06-25 18:25:26
1258
1
原创 PostgreSQL 高级SQL查询（三）
窗口函数用于在查询结果集中执行计算，类似于聚合函数，但不缩小结果集的范围。子查询是嵌套在另一个查询中的查询，用于复杂的查询操作。可以分为两类：标量子查询和表子查询。左连接返回左表中的所有记录，即使右表中没有匹配的记录。右连接返回右表中的所有记录，即使左表中没有匹配的记录。全连接返回左表和右表中所有匹配的记录以及不匹配的记录。子句用于将结果集按照一个或多个列进行分组。内连接用于返回两个表中存在匹配关系的记录。子句用于过滤分组后的结果集。表子查询返回一个结果集，可以在。标量子查询返回单个值，可以在。
2024-06-25 18:20:04
1258
原创 PostgreSQL 基本SQL语法（二）
子句用于过滤数据，仅返回满足条件的记录。语句用于从数据库中检索数据。语句用于向表中插入数据。语句用于更新表中的数据。语句用于从表中删除数据。
2024-06-25 17:53:41
1231
原创 PostgreSQL 简介与基础（一）
PostgreSQL（常简称为Postgres）是一种功能强大的开源关系型数据库管理系统（RDBMS）。它以其可靠性、强大的功能和符合标准的特性著称。ACID 事务外键、联接、视图、触发器存储过程（可用多种编程语言编写）完全支持各种数据类型（如整数、浮点数、文本、日期/时间、布尔值、数组、JSON 等）
2024-06-25 17:47:27
1710
原创 Java集成DataX
Java集成DataXDataX介绍直接看官网代码集成DataX编译打包依赖集成编写测试代码1.新建一个测试job文件，testjob.json2.编写一个main方法3.运行测试参考demo代码下载DataX介绍直接看官网DataX官网代码集成DataX编译打包下载了DataX源代码后，本地编译打包，核心模块是 core、common、transformer必须要达成jar包，另外其他模块都是插件包，根据实际需要进行打包，本用例使用到了streamreader和streamwriter，因此对这
2020-07-17 09:40:29
4511
5
转载 一个简单可参考的API网关架构设计
网关一词较早出现在网络设备里面，比如两个相互独立的局域网段之间通过路由器或者桥接设备进行通信， 这中间的路由或者桥接设备我们称之为网关。相应的 API 网关将各系统对外暴露的服务聚合起来，所有要调用这些服务的系统都需要通过 API 网关进行访问，基于这种方式网关可以对 API 进行统一管控，例如：认证、鉴权、流量控制、协议转换、监控等等。API 网关的流行得益于近几年微服务架构的兴起，原本...
2020-04-15 18:04:26
1549
转载 谷歌开源内部代码评审规范
谷歌成立于 1998 年，以搜索起家，到目前为止已经发展了 21 年。在过去的 21 年中，谷歌不断创新，开发了七款产品，拥有超过 10 亿级活跃用户，谷歌的工程师文化一直被认为是优秀且特别的。近日，谷歌开源了其内部一直在使用的代码评审规范，InfoQ 对其进行了翻译和整理，分享给广大开发者，看看谷歌工程师是如何评审代码的。代码评审标准代码评审的主要目的是确保代码库的整体质量随时间推移逐步...
2019-10-18 17:28:20
504
1
Developing_Web_Applications_with_Java_at_9.2
2009-08-06
Spring 开发指南(pdf)
2009-08-06
dataxdemo.zip
2020-07-17
Spring+WebSocket+SockJS简单DEMO
2015-12-02
html5+exif.js+canvas
2015-09-22
Experience J2EE! Using WebSphere Application Server V6.1
2009-08-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人