腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

OpenClaw专区NEW

腾讯专区

订阅及关注

云计算

人工智能

前端

后端

编程语言

数据库

大数据

音视频

安全

物联网

硬件

运维

测试

网络与通信

架构设计

开发工具

操作系统

职业发展

算法

管理

Dockerfile 全景指南：从入门编写dockerfile到生产环境镜像优化实战，一步步带你从啃透制作指令到镜像制作落地！

本文系统解析 Dockerfile 全指令集与实战技巧，涵盖镜像构建原理、多阶段优化、缓存机制及安全实践。通过快照与 Dockerfile 对比，详解如何高效封装应用、缩减镜像体积，并提供企业级镜像优化方案，助力构建生产就绪的容器化应用。

羑悻的小杀马特.

2026-09-21

610

标签:

FDE落地实战 08｜Claude、Codex与多智能体，怎样组成AI交付流水线？

导语：当AI Coding进入项目现场，最先变快的往往是代码产量，最先失控的也可能是代码产量。一个Agent十分钟生成实现，另一个Agent补测试，第三个Agent给出“没有严重问题”的评审；如果它们共享了同一组错误假设、都没有看到真实验收标准，团队只是更快地把偏差写进仓库。AI原生交付不是把Claude叫“架构师”、把Codex叫“程序员”，再派几个子Agent并行干活，而是把现场材料、研究证据、架构规格、测试、实现、评审、UAT和复盘连接成一条可追溯流水线。每一段都有明确输入、输出、权限、证据和停止条件；规格约束测试，测试约束实现，独立评审挑战共同盲区，人类在范围、风险、合并与上线处负责。本文给出完整工作流、多智能体任务契约和质量Gate，并讨论中国企业最现实的源代码保密、内外网隔离、本地部署、供应商监督与数据跨境问题。

2026-09-15

1961

标签:

腾讯云架构师技术同盟

透传：为什么 embeddings 不该被"翻译"，以及 29 个明确不支持的接口

《micro-one-api 拆解》第 7 篇代码基线：develop（v0.26.x）

2026-09-19

1112

标签:

为什么纯数据库 MCP 无法直接用于企业生产？聊聊 DatI 如何在语义层、自定义工具与权限管控破局

随着 Model Context Protocol (MCP) 成为大模型与外部工具交互的事实标准，很多开发者开始尝试用 MCP 连接数据库。

2026-09-20

870

标签:

AI + CAD 落地探索：为什么 Demo 满天飞，工程却走不通

先看现象。你在网上能搜到的"AI 画 CAD"，基本逃不出这四类：第一类：文生图式的"平面图生成"。输入一句"画一个三室两厅"，出来一张看着像施工图的图片。问题是：它是像素，不是矢量。放大就糊，没有图层，没有尺寸标注实体，CAD 打不开，改一根轴线的位置和重新画一遍没区别。这类东西解决的其实是"给甲方看效果"，不是"给施工用"。第二类：LLM 直接写 DXF 文本。 DXF 是明文格式，大模型确实能写出来，而且语法合法、能被 CAD 打开。但它是用坐标硬拼几何：圆和直线"看起来"相切，是因为你把圆心坐标算到了小数点后三位；实际导入后拓扑不闭合、倒角不连续、布尔运算一做就崩。工程图的本质是拓扑关系 + 约束关系，不是一组坐标值。第三类：CAD 插件式"AI 助手"。嵌在 AutoCAD 里的对话框，能回答规范条文、能写 LISP 脚本、能帮你改图层名。有用，但它不碰几何。它回答的是"知识问题"，不是"求解问题"。本质是把 CHM 帮助文档换成了大模型。第四类：学术界的 CAD 生成模型。用 CAD 命令序列做训练，能生成“像那么回事”的三维模型。但它学的是形状分布（什么样的模型常见），不是工程约束（这个模型在软土地基上会不会倾覆）。生成 100 个，可能 60 个漂亮但不能用。四类 Demo 的共同点是：它们都跳过了最硬的那一段。把"画得像"当成了"画得对"。根因不是模型不够大，是四份契约缺失。这四个断层从上到下是层层递进的：几何层不管，出来的图不可编辑；规范层不管，出来的图不敢用；格式层不管，出来的图别人打不开；责任层不管，出来的图没人敢签。任何一份契约缺失，整条链就断在那一环，前面的自动化全部作废。所以别再问"AI 能不能画 CAD"了，该问的是：这四份契约，你现在能兑现几份？

2026-09-21

902

标签:

给Coding Agent立规矩：一套可落地的六层治理架构

AI 编码助手最大的风险不是写得差，而是"不受约束地做错事"。我把个人工作台的治理体系拆成了六层——宪法层定原则、执法层做硬拦截、流程层管怎么做、知识层管经验复用、协作层管交叉评审、记忆层管跨会话沉淀。核心思路一句话：提示词是君子协定，机制才是法律。

老张的费曼实践

2026-09-20

1281

标签:

设计 AI 自动构建本体的业务功能时，如何做好意图识别，并将用户需求准确转换为本体构建指令？

面试属性：垂直 AI 产品系统设计题，重点考察候选人能否把模糊自然语言转换为可验证、可审查、可回滚的 Ontology Change Contract

程序员库里

2026-09-20

780

标签:

微服务稳定性｜容错四大金刚：限流（二）Sentinel 中间件防护实战：MyBatis 数据库与 Redis 接入深度取舍

对于 RPC 调用，我们可以做统一的限流防护。但数据库、Redis 这类中间件，不能直接照搬 RPC 的接入思路。核心矛盾在于：防护粒度如何选择？是单条 SQL、单条 Redis 命令，还是逻辑数据源？接入之后会带来哪些误杀、性能风险？不同中间件的架构特性不同，答案完全不同。

2026-09-20

720

标签:

指标平台：从语义底座到智能消费的实践路径|得物技术

指标平台的演进史，本质上是一部"意义"从人脑迁移到机器的历史。第一代把指标固化进 OLAP 立方体的物理结构，灵活性极差；第二代用语义层把业务名词和 SQL 表达式解耦，解决了"命名一致"的表面问题；第三代把指标升级为结构化的语义资产对象，用 NoETL 绕开宽表预物化的负担，Chat BI 和 NL2SQL 第一次成为可能。行业普遍认同的下一站，是把指标从"有血缘的对象"进一步升级为"有语义关系、可推理约束的本体网络"------这个方向是对的，指标之间的因果链路、维度层次的动态扩展，确实是数据认知基础设施迟早要补上的一课。

2026-09-17

1390

标签:

卓越架构师最佳实践征文#场景解决方案

第四期热点征文-C#

AG-UI 协议+Canvas 渲染引擎在工业现场的实践

本文介绍的工程（ice-agent-console）建立在 ICE 渲染引擎家族之上。该家族是一组 Canvas 2D 渲染引擎，典型应用场景是工业现场的图形界面：水池、泵、阀门、管线与位号等图元均以 Canvas 绘制。

2026-09-20

2533

标签:

为你推荐

OpenClaw专区NEW

腾讯专区

订阅及关注

云计算

人工智能

前端

后端

编程语言

数据库

大数据

音视频

安全

物联网

硬件

运维

测试

网络与通信

架构设计

开发工具

操作系统

职业发展

算法

Dockerfile 全景指南：从入门编写dockerfile到生产环境镜像优化实战，一步步带你从啃透制作指令到镜像制作落地！

本文系统解析 Dockerfile 全指令集与实战技巧，涵盖镜像构建原理、多阶段优化、缓存机制及安全实践。通过快照与 Dockerfile 对比，详解如何高效封装应用、缩减镜像体积，并提供企业级镜像优化方案，助力构建生产就绪的容器化应用。

羑悻的小杀马特.

2026-09-21

610

标签:

容器服务

dockerfile

FDE落地实战 08｜Claude、Codex与多智能体，怎样组成AI交付流水线？

导语：当AI Coding进入项目现场，最先变快的往往是代码产量，最先失控的也可能是代码产量。一个Agent十分钟生成实现，另一个Agent补测试，第三个Agent给出“没有严重问题”的评审；如果它们共享了同一组错误假设、都没有看到真实验收标准，团队只是更快地把偏差写进仓库。AI原生交付不是把Claude叫“架构师”、把Codex叫“程序员”，再派几个子Agent并行干活，而是把现场材料、研究证据、架构规格、测试、实现、评审、UAT和复盘连接成一条可追溯流水线。每一段都有明确输入、输出、权限、证据和停止条件；规格约束测试，测试约束实现，独立评审挑战共同盲区，人类在范围、风险、合并与上线处负责。本文给出完整工作流、多智能体任务契约和质量Gate，并讨论中国企业最现实的源代码保密、内外网隔离、本地部署、供应商监督与数据跨境问题。

2026-09-15

1961

标签:

合肥同盟

腾讯云架构师技术同盟

透传：为什么 embeddings 不该被"翻译"，以及 29 个明确不支持的接口

《micro-one-api 拆解》第 7 篇代码基线：develop（v0.26.x）

2026-09-19

1112

标签:

API 网关

北京同盟

为什么纯数据库 MCP 无法直接用于企业生产？聊聊 DatI 如何在语义层、自定义工具与权限管控破局

随着 Model Context Protocol (MCP) 成为大模型与外部工具交互的事实标准，很多开发者开始尝试用 MCP 连接数据库。

2026-09-20

870

标签:

agent

MCP

database

AI + CAD 落地探索：为什么 Demo 满天飞，工程却走不通

先看现象。你在网上能搜到的"AI 画 CAD"，基本逃不出这四类：第一类：文生图式的"平面图生成"。输入一句"画一个三室两厅"，出来一张看着像施工图的图片。问题是：它是像素，不是矢量。放大就糊，没有图层，没有尺寸标注实体，CAD 打不开，改一根轴线的位置和重新画一遍没区别。这类东西解决的其实是"给甲方看效果"，不是"给施工用"。第二类：LLM 直接写 DXF 文本。 DXF 是明文格式，大模型确实能写出来，而且语法合法、能被 CAD 打开。但它是用坐标硬拼几何：圆和直线"看起来"相切，是因为你把圆心坐标算到了小数点后三位；实际导入后拓扑不闭合、倒角不连续、布尔运算一做就崩。工程图的本质是拓扑关系 + 约束关系，不是一组坐标值。第三类：CAD 插件式"AI 助手"。嵌在 AutoCAD 里的对话框，能回答规范条文、能写 LISP 脚本、能帮你改图层名。有用，但它不碰几何。它回答的是"知识问题"，不是"求解问题"。本质是把 CHM 帮助文档换成了大模型。第四类：学术界的 CAD 生成模型。用 CAD 命令序列做训练，能生成“像那么回事”的三维模型。但它学的是形状分布（什么样的模型常见），不是工程约束（这个模型在软土地基上会不会倾覆）。生成 100 个，可能 60 个漂亮但不能用。四类 Demo 的共同点是：它们都跳过了最硬的那一段。把"画得像"当成了"画得对"。根因不是模型不够大，是四份契约缺失。这四个断层从上到下是层层递进的：几何层不管，出来的图不可编辑；规范层不管，出来的图不敢用；格式层不管，出来的图别人打不开；责任层不管，出来的图没人敢签。任何一份契约缺失，整条链就断在那一环，前面的自动化全部作废。所以别再问"AI 能不能画 CAD"了，该问的是：这四份契约，你现在能兑现几份？

2026-09-21

902

标签:

cad

人工智能

工程化

给Coding Agent立规矩：一套可落地的六层治理架构

AI 编码助手最大的风险不是写得差，而是"不受约束地做错事"。我把个人工作台的治理体系拆成了六层——宪法层定原则、执法层做硬拦截、流程层管怎么做、知识层管经验复用、协作层管交叉评审、记忆层管跨会话沉淀。核心思路一句话：提示词是君子协定，机制才是法律。

老张的费曼实践

2026-09-20

1281

标签:

工程化

设计 AI 自动构建本体的业务功能时，如何做好意图识别，并将用户需求准确转换为本体构建指令？

面试属性：垂直 AI 产品系统设计题，重点考察候选人能否把模糊自然语言转换为可验证、可审查、可回滚的 Ontology Change Contract

程序员库里

2026-09-20

780

标签:

AIGC

微服务稳定性｜容错四大金刚：限流（二）Sentinel 中间件防护实战：MyBatis 数据库与 Redis 接入深度取舍

对于 RPC 调用，我们可以做统一的限流防护。但数据库、Redis 这类中间件，不能直接照搬 RPC 的接入思路。核心矛盾在于：防护粒度如何选择？是单条 SQL、单条 Redis 命令，还是逻辑数据源？接入之后会带来哪些误杀、性能风险？不同中间件的架构特性不同，答案完全不同。

2026-09-20

720

标签:

sentinel

指标平台：从语义底座到智能消费的实践路径|得物技术

指标平台的演进史，本质上是一部"意义"从人脑迁移到机器的历史。第一代把指标固化进 OLAP 立方体的物理结构，灵活性极差；第二代用语义层把业务名词和 SQL 表达式解耦，解决了"命名一致"的表面问题；第三代把指标升级为结构化的语义资产对象，用 NoETL 绕开宽表预物化的负担，Chat BI 和 NL2SQL 第一次成为可能。行业普遍认同的下一站，是把指标从"有血缘的对象"进一步升级为"有语义关系、可推理约束的本体网络"------这个方向是对的，指标之间的因果链路、维度层次的动态扩展，确实是数据认知基础设施迟早要补上的一课。

2026-09-17

1390

标签:

卓越架构师最佳实践征文#场景解决方案

第四期热点征文-C#

AG-UI 协议+Canvas 渲染引擎在工业现场的实践

本文介绍的工程（ice-agent-console）建立在 ICE 渲染引擎家族之上。该家族是一组 Canvas 2D 渲染引擎，典型应用场景是工业现场的图形界面：水池、泵、阀门、管线与位号等图元均以 Canvas 绘制。

2026-09-20

2533

标签:

人工智能

上午好！

欢迎来到腾讯云开发者社区

沙龙日历

加入讨论

的问答专区 >

最具价值作者榜