- 综合排序
- 最热优先
- 最新优先
- 来自专栏软件安装
AI应用开发
AI应用开发是将人工智能技术与实际业务场景结合，构建具有智能决策、自动学习或感知能力的应用系统。 它融合了传统软件开发与机器学习、深度学习等AI技术，以下是其核心要素和流程： 一、AI应用的核心技术栈 基础框架 机器学习：Scikit-learn、XGBoost、LightGBM 深度学习：TensorFlow Platform、Azure ML 二、AI应用开发的典型流程 问题定义与数据准备 明确AI要解决的核心问题（如分类、预测、生成等） 数据采集（爬虫、API、传感器等）、清洗（去噪、补全）、标注 （通过API接口或SDK） 构建监控系统（跟踪模型精度衰减、数据漂移） 迭代优化 基于用户反馈和新数据持续更新模型 优化计算效率（边缘部署或云端算力调度） 三、示例：简单的文本分类AI应用 以下是一个基于预训练模型的文本分类应用 ） 可解释性：部分场景（如医疗、金融）需要模型决策可解释 五、常见AI应用场景 智能客服（NLP对话系统） 图像识别（安防监控、质检） 推荐系统（电商、内容平台） 预测分析（金融风控、需求预测） AI应用开发的核心是
67710编辑于 2025-11-12 - 来自专栏AI小程序
AI人脸应用
这款颜值检测小程序使用了腾讯开放人脸识别API，本项目适合刚入门的同学练手，熟悉整个框架，整体实现如下：
1.3K00发布于 2019-01-06 AI 应用感想
龙虾热潮退去，最终会剩下文字相关的应用——编程、写文章、论文等等。一、大模型本质是文字模型不管形态如何变化，大模型的输出仍然以文字为主。 最终沉淀下来的应用，一定是那些将文字能力发挥到极致的场景。二、多代理提高可用性，但仍未达到可信的专家水平多代理架构让任务可以并行、分工、协作，显著提升了复杂任务的完成率。 这意味着所有AI输出都必须经过经验丰富的人员验证，以避免疏漏和安全问题。这是当前AI应用落地的最大瓶颈——不是技术不够强，而是信任成本太高。 未来可能出现”AI审计AI”的模式：一个代理负责输出，另一个专门负责对抗性验证，降低人工成本的同时保留人类兜底。四、记忆之后，还有知识整理与理解偏差记忆问题的解决只是第一步。 五、下一个高价值方向：代理自组织与AI团队导师人类组织中有项目管理和项目经理，AI代理体系同样需要自组织能力。
11200编辑于 2026-03-30- 来自专栏一乐来了
AI驱动的应用：插件、应用市场和AI Agents
所以才发明了AI Native/AI First，来表达未来智能应用跟现在软件的不同。 等到ChatGPT发布插件，一众软件从懵懂中醒来，开始瑟瑟发抖，我们好像看到了AI吞噬软件世界的景象。 另一方面，在具体需求满足上，AI跟应用还只是有限度的打通，并不能完全闭环，这大大限制了用户从旧应用体系脱离的意愿和速度。 所以我们相信，大模型AI并不会取代AI以外的软件，尤其是企业应用。 只要用户需求是分散的，智能应用的未来就还属于企业和开发者，AI Native实际是AI Drive。 蓝莺智能插件 蓝莺智能插件（AI Plugin），是由应用自定义提供给大模型AI服务调用的一组API或函数集合。 基本步骤如下： 用户提出问题，应用服务器将问题和相关函数调用的定义发给AI服务； AI识别出缺失的业务信息，根据上下文信息拼装成函数调用返回给应用服务； 应用服务收到拼装好的函数后，进行实际的API或函数调用
63910编辑于 2025-05-23 - 来自专栏云云众生s
用AI制作应用
我用一种我不熟悉的语言和框架制作了多模态多功能移动应用程序 CrayEye，我依靠现代大语言模型来编写代码，而不仅仅是代码片段，而是全部代码。 自从我创建原生应用程序以来已经有一段时间了，我一直想再次尝试一下，而这种多模态多功能工具的用例提供了绝佳的机会。 自从我上次尝试制作原生应用程序以来，Flutter 的受欢迎程度有所提高，所以我决定尝试一下，尽管我之前没有使用过 Dart。 此时，样板应用程序的核心逻辑完全包含在 lib/main.dart 中 - 这使得立即开始工作变得特别容易。 我开始提示添加简单的功能 - 相机预览、远程 HTTP 请求以通过 GPT 分析图像，并且应用程序的功能（和代码行）开始迅速增长。
1.1K10编辑于 2024-05-01 - 来自专栏AI
常见的AI应用
常见的AI应用：语音识别、图像处理、自然语言处理等人工智能（AI）近年来在各个领域取得了飞速进展，尤其是在语音识别、图像处理、自然语言处理等应用中，AI的技术不断推动着这些领域的革新与发展。 以下是三种最为常见且广泛应用的AI技术：语音识别、图像处理与自然语言处理（NLP）。我们将逐一探讨它们的基本概念、应用场景以及具体的例子。 图像处理与计算机视觉图像处理和计算机视觉是AI技术中的两个重要分支，它们的目标是使计算机能够“看”并理解图像、视频等视觉信息。这些技术广泛应用于医疗、自动驾驶、安防监控等领域。 ○ 医疗图像分析：计算机视觉在医学领域应用广泛，尤其是在医学影像的分析和诊断中。AI可以通过分析X光片、CT扫描图像或MRI图像来帮助医生诊断疾病，如肺炎、癌症等。 总结与未来展望语音识别、图像处理、自然语言处理是人工智能领域中最为基础且广泛的应用，它们各自在不同的领域发挥着重要作用。在未来，随着AI技术的进步，这些领域的应用将变得更加精准、智能化。
1.3K10编辑于 2025-01-11 - 来自专栏AI
AI 智能体（AI Agent）的应用
AI 智能体（AI Agent）的应用非常广泛，几乎涵盖了我们生活的方方面面。它们能够自主地感知环境、做出决策并执行行动，从而完成各种复杂的任务。以下是一些 AI 智能体的典型应用场景。 娱乐：游戏 AI： 在游戏中扮演各种角色，例如敌人、队友、NPC 等，提高游戏的可玩性和挑战性。内容创作： 能够生成文本、图像、音乐等内容，例如写小说、作诗、绘画等。 一些具体的例子：谷歌 DeepMind 的 AlphaGo： 击败了人类围棋冠军，展示了 AI 在复杂决策领域的强大能力。亚马逊的 Alexa： 能够通过语音指令控制家电设备、播放音乐、查找信息等。 百度的文心一言 APP 上的智能体： 可以进行“视频对话”、背单词、纠正口语，还可以通过 AI 智能体模拟面试、与 AI 古人对话等，体现了 AI 智能体在内容创作和人机交互方面的应用。 总而言之，AI 智能体正在深刻地改变着我们的生活和工作方式。随着技术的不断发展，AI 智能体的应用领域还将不断拓展，为我们带来更多的便利和创新。
1.6K10编辑于 2024-12-23 - 来自专栏DotNet NB && CloudNative
AI应用开发基座：Microsoft.Extensions.AI
微软在2024年11月就发布了新的AI核心库Microsoft.Extensions.AI，虽然目前还是一个预览版，但其可以大大简化我们的AI集成和开发工作。 画外音>开发者可以节省时间下来专注自己的应用程序的业务逻辑实现，从而不必花过多时间去做AI服务的集成调试，点个大大的赞！ 我能使用哪些服务实现？ eShopSupport eShopSupport 是一个开源的AI示例应用程序，客户可以使用它来与AI客户对话查询产品，实现网站系统的“智能客服”的场景。 此外，基于Aspire来生成可观察和可靠的云原生应用也是这个项目带来的一个亮点，可以学习下。 小结 本文介绍了Microsoft.Extensions.AI的基本概念 和 基本使用，如果你也是.NET程序员希望参与AI应用的开发，那就快快了解和使用起来吧。
1.1K10编辑于 2025-04-04 - 来自专栏PHP饭米粒
AI应用开发，如此简单。
关注公众号的盆友应该了解，我一直是在做一些AI应用层技术上的一些研究，这也是大部分人能够入局AI，了解AI的很好的方式，通过实战，从应用层开始，从自己做第一个AI应用开始，慢慢的就可以更加深入的了解。 但目前AI学习对于很多人来讲，有一个最大的门槛，就是你连访问这些官方AI都如此的困难，而我因为自己的一个地理上的优势，比较方便使用各种最新的，流行的AI技术，并在此基础上，搭建了国内体验站 （https 经过了一段时间的沉淀，我总结和实现了以下的一些应用方向： 对于这几个方向，基于目前2个多月的系统稳定运行的积累，现在把这些能力通过标准的API开放出来，希望能够帮助更多的人进行AI的应用开发，具体包括以下四大方向和 /api-793410 基于此API，可以方便的搭建各类AI画图的能力，如AI头像, 壁纸等 三、私有数据训练 上传文件，支持自动分段和自动训练 对某一数据集进行单独训练 对某一数据集进行相似查询 对某一数据集进行数据查询和删除 这里可以完整体验上述各类AI的能力
1.2K30编辑于 2023-09-02 - 来自专栏AIGC大模型应用
AI大模型应用开发实战(05)-AI时代应用开发破局！
再往下看 3 AI原生应用 不管是ToB还是ToC，这块儿是大量机会，给到我们这些传统做互联网、科技公司、应用开发公司包括科技创业公司，就有我们应用开发者大量的机会存在。 当然了，也是因为我们很多应用级开发者，目前对 AI 不是很了解，他可能有很多应用场景，但是对 AI 能做什么，怎么做，不太清楚。所以这块市场非常广阔，可以说，所有应用都值得用 AI 重做。 应用组件里面就包含了我们的 AI 的能力，我们 AI 的能力，还有我们的云能力，那 AI 能力可能就包括我们的多模态，大模型插件，云能力像什么向量数据库、COS 存储，这些云能力你可理解为是给 AI 开挂的 传统的应用开发者在转型做 AI GC 有 AI 软件工程师，即做 AI 应用，还不过瘾，还想去深度的话，那可能就是偏向了我们的 AI 本身开发，类似我们的视觉工程开发，然后自然语言开发，机器学习等，这都是我们的一些转型职业机会 然后我们要学会使用 AI。 应用级开发者，所谓的学会使用 AI，那和一般用户的使用 AI 还不一样。
2K00编辑于 2024-08-11 - 来自专栏VoiceVista语音智能
Reality AI -面向工业应用的语音AI
Reality AI 面向工业场景的嵌入式AI应用，如加速度传感器和震动传感器数据，环境音识别等，极大的扩展了 AI On-edge的应用领域。 ? 对于AI的工业级应用，有效的数据搜集和标记是AI模型训练和预测的关键，Reality.ai更可以提供详细的工具和指引 - ? 可通过如下链接了解更多内容，更可以下载白皮书 -- https://reality.ai/successful-data-collection-for-machine-learning-with-sensors-part
2.8K40发布于 2020-09-23 - 来自专栏网络安全
开源AI应用安全指导框架 — OWASP AI Exchange
随着这一趋势的推进，他们的企业也在快速地引入各类AI工具、平台、应用程序和服务，业界也相应涌现出众多资源，以协助从业者适应这一不断变化的环境。 在此背景下，开放全球应用程序安全项目（OWASP）的AI Exchange成为了其中最具价值的资源之一。 下图形象的展示了AI面临的一些常见攻击手段和信息泄露风险AI安全控制内容概要 AI 安全控制（以大写字母表示 - 并在文档中进一步讨论）可以按照元控制进行分组：应用 AI 治理 （AIPROGRAM 将专业的软件工程实践应用于 AI 生命周期 （DEVPROGAM）。 将安全软件开发应用于 AI 工程 （SECDEVPROGRAM），并在安全开发时使用涵盖技术应用程序安全控制和操作安全的标准（例如 15408、ASVS、OpenCRE）。
64910编辑于 2024-09-22 - 来自专栏CSDN技术头条
创建你的 AI 应用！
只要你掌握 AI 程序开发，还怕老板不追着你加工资？！ 所以，本文将教你写出第一个 AI 程序 – 手写识别（见下图），入门 AI 应用开发。 ? 注意：安装过程建议在网速稳定且较快的环境下进行。 Visual Studio Community 版是完全免费的，包含有 Visual Studio 的大部分基础功能，也能全面的支持 AI 应用开发。只需要用微软账户登录后，就可以一直使用。 ? 二、训练第一个模型 下载的 samples-for-ai 中包含了大量的机器学习训练和应用的示例。 三、创建第一个 AI 应用 克隆代码，并导入训练好的模型，就可以试试自己的第一个 AI 应用了！接下来分析一下核心的代码。 把程序跑通 克隆代码 使用下面的命令来克隆 AI 应用的代码。 你的第一个 AI 应用就运行起来了！666。 ? 四、理解代码 该文件包括了界面联动、数据预处理两部分的代码，以及一行推理预测的代码。
2.4K30发布于 2018-11-05 【AI智能体的应用】
应用场景： 人工智能虚拟助手：开发可以回答用户问题、执行任务、提供建议的智能助手，如Siri、Google Assistant等。
29910编辑于 2025-08-29AI应用开发需要啃底层吗？个人AI应用开发学习经验之谈
作为一个重度AI使用者，这两年也接入过不少AI大模型做应用，今天就先讲一讲如何做AI应用开发、需要掌握哪些技术吧，明天我会继续分享一下个人这一年多VibeCoding的一些浅薄经验。 这篇文章我主要回答一个很具体的问题：如果只是做AI应用，而不是研究AI底层，那么到底该学什么，哪些必须学，哪些理解即可，哪些可以先放一放。一、先把问题说清楚：什么叫“AI应用开发”？先区分两个概念。 换句话说，AI应用开发不是把“模型”单独学会，而是把“模型作为一个能力组件”学会。二、做AI应用，真正绕不过去的核心能力1.提示词工程：定义接口很多人第一次接触AI开发，最先学的是提示词工程。 在AI应用里，日志不是上线后再补的，而应从第一版开始就进入系统设计。 做到这一步，已经足够做出很多真正有价值的AI应用。而且越早开始做，越容易看清楚一件事：AI应用开发最难的，从来不是调用模型，而是把模型放进一个正确的系统里。
20500编辑于 2026-03-30- 来自专栏老欧说安卓
15天学会AI应用开发（一）搭建AI大模型应用开发环境
AI大模型时代来了，程序员们纷纷入坑AI应用开发，可是苦于AI教程良莠不齐，往往花费了大量时间精力和金钱，却仍然过其门而不入。 有鉴于此，博主开始连载AI应用开发教程《15天学会AI应用开发》，帮助大家快速掌握AI应用开发技能，不掉坑、不迷路、有收获。 一、学习AI应用开发的四大困难 在入坑AI应用开发之时，孤立无援的开发者面对着下列四个拦路虎： 1、个人电脑跑不动AI大模型应用。 二、个人电脑也能跑AI大模型应用 对于初学者而言，既不需要在本地电脑部署大模型，也不需要部署开源框架全家桶，只要能跑通AI应用的基本流程就行。 AI应用在加载离线大模型时用到了 Ollama ，它的安装包比较大，有1.8G左右，AI应用的智能体开发必须安装Ollama。
9110编辑于 2026-05-14 - 来自专栏个人路线
鸿蒙藏头诗应用【利用AI为应用赋能】
今天我们将做一个OpenHarmony趣味应用——OpenHarmony藏头诗应用，是通过AI接口来做。通过调用指定的AI接口来做，接口会返回藏头诗或者继续完成诗的后面几句。 我要实现的功能主要有： 生成藏头诗， 生成整首诗， 你能学到的有： 网络请求 可滚动组件 状态管理 常用组件 常用属性 修改应用名称和图标 在Config.json添加权限等 用到的接口： 接口： https 首先预览一下应用 gif1 注意点： 允许https需要添加下面的配置 "deviceConfig": { "default": { "network": { 上述代码，重点是通过调用HTTP的AI接口，来获取生成接口返回的诗的内容，并显示在应用界面上。 修改应用描述信息 默认的应用描述信息，集中在config.json文件中。 ! ", "visible": true, "launchType": "standard" 这么有趣的应用就这样完成了，比起js开发方式，eTS是不是更为简单呢。
67630编辑于 2022-12-05 - 来自专栏量子位
谷歌的AI应用开发之道
因为从2019年Google I/O展现的新进展来看，谷歌几乎没有新推出什么软硬一体的AI新产品，反倒是各种基于手机的AI应用解决现实挑战。 尽可能本地化训练，不需要云边协同，若能完全实现AI模型本地化训练，对用户隐私更有利。 尽可能减少网络要求，甚至在无网络状态也能使用AI应用。 总之，让AI福祉尽可能低门槛地惠及最多的人。 谷歌AI博客也已经介绍了该应用全过程，产品立项起点，是希望能帮更多语言障碍患者实现更好交流。 Sagar表示，在谷歌内部，他们打造AI应用有两条思路，一是让更多人受惠，二是尽可能减少限制和要求。 Julie说5G的进展是很好，但对于谷歌AI的应用打造来说，“帮助有限”。 因为她们希望每一款AI应用，基本标准都是完全无网络、纯本地的，这样任何情况下，都不影响正常使用。
2K10发布于 2019-07-30 - 来自专栏AI
AI语音大模型的应用
AI语音大模型的应用已渗透到日常生活、行业服务及社会发展的多个领域，凭借“自然交互、智能理解、多场景适配”的核心优势，重构了人机交互方式并推动效率革新。以下从典型场景出发，梳理其核心应用价值。 智能硬件与家居控制作为智能家居的“中枢神经”，AI语音大模型通过语音指令实现对家电设备的精准控制（如“打开客厅灯并调暗至30%”“让扫地机器人开始清扫”），兼容主流协议（Wi-Fi/蓝牙/Matter） 这类应用显著提升了弱势群体的数字生活参与度。2. 公共服务政府与公共机构利用语音大模型优化服务体验：政务热线通过语音交互快速解答政策咨询（如“异地就医如何备案？”） 四、技术融合趋势：从单一功能到生态协同当前，AI语音大模型正与视觉（图像识别）、触觉（传感器数据）等多模态技术融合，进一步拓展应用边界。 总结AI语音大模型的应用本质是通过“自然语言交互”降低技术使用门槛，同时以强大的智能理解能力解决实际问题。
81211编辑于 2025-09-29 - 来自专栏喔家ArchiSelf
企业AI应用的数据策略
LLM 的数据持久化策略 在构建大语言模型应用时，数据策略的第二步是确定如何高效支撑AI工作负载的技术架构。 借助现代数据库的多模态查询能力，开发者可以在传统结构化查询的基础上，无缝集成语义搜索功能，从而打造更加智能、高效的 AI 应用体验。 一旦处理完成，LLM 将返回结构化或自然语言形式的响应，供前端应用展示给用户或触发后续的自动化流程。这一过程不仅实现了从原始数据到智能输出的闭环，也为构建下一代 AI 驱动型应用提供了坚实基础。 Pydantic AI与MCP相逢 万字解读：8种常见框架，选择哪一种来开发MCP呢？ 采用LangGraph集成多个MCP服务器的应用 当RAG遇上MCP... 全网首发：安全性问题，使MCP成为AI应用的双刃剑，如何化险为夷呢？ 智能体间协作的"巴别塔困境"如何破解？解读Agent通信4大协议：MCP/ACP/A2A/ANP
2.6K10编辑于 2025-10-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号