- 综合排序
- 最热优先
- 最新优先
- 来自专栏蟋蟀得不像专家派
如何构建 AI 原生技术团队
如何构建AI原生产研团队：我们花了一年，才搞懂这句话 别人还在讨论"AI要不要用"，我们已经把AI变成了团队的肌肉记忆。 几十人团队，双轨并行，代码生成率60%，效率提升40% 别人还在争"AI会不会取代程序员"的时候，我们已经在想"怎么让AI成为产研团队的新入职员工"。 因为 AI 已经是团队的肌肉记忆。 六、给想转型的团队：三个建议 如果你也想把团队往 AI 原生方向带，这是我踩完坑后的三条建议： 1️⃣ 双轨必须同时跑 只搞「AI for 组织」不碰「AI for 业务」 → 你变成了一个自嗨的内部效率工具团队 事实就是：同样的团队规模、同样的业务复杂度，AI 原生团队和非 AI 原生团队的产出差距已经拉开了 40% 以上。 这个差距只会越来越大。
10010编辑于 2026-05-26 - 来自专栏智能时刻
AI团队成功需要什么？
AI团队成功需要什么？ 智能时刻 2018-03-04 20:00 与人工智能合作的团队需要成功吗? 这一新的基础设施允许在不损害数据安全的情况下进行安全的学习，这是一个挑战，我们已经开始基于AI和区块链的结合来开发这一技术。 开发团队必须非常敏捷才能快速地采用它们。我们看到大规模投资的一个领域是区块链。区块链对社会的影响被一些布道者称赞为比互联网更深刻。另一些人则担心安全问题，是否有百分之百的保证。 必须有一个研发团队的资源，才能真正了解如何利用这种技术来实现实际应用。 随着对人工智能、区块链、深度学习和相关技术的兴趣，出现了一个主要问题，那就是潜在的技能短缺。 你投入了哪些资源来帮助你的团队进行实验? 基尼:这很有趣，因为所有的数据科学家都是真正的孩子。他们渴望学习，渴望尝试，不怕失败，实际上喜欢失败，但越快越好，这样他们就能继续前进。
48520发布于 2018-12-27 - 来自专栏量子位
独家 | Google正在北京组建AI团队
作为技术主管，还将帮助制定AI/ML解决方案，带领团队打造机器学习 (ML) 解决方案，推动AI相关技术的创新。 应聘要求 硕士以上，博士优先。8年以上管理经验，3年以上软件工程团队工作经验。 ■ 机器学习软件工程师 职位描述 机器学习解决方案团队将和研究团队合作，推动与Google云端平台相关的AI/ML技术的开发。 TensorFlow在中国 当然，Google在北京围绕AI的举措，不止组建团队而已。 在此之前，TensorFlow作为Google面向AI时代的开发者平台，内部对其在中国的影响力非常重视。 AI人才抢夺 最后，在AI人才争夺如此激烈的当前，Google在中国设立机器学习团队，主观上不知道，但客观上肯定能抢夺到不少优秀的AI人才。 此次Google在北京建立机器学习研发团队，会在AI时代里再培养出多少人才？ 值得期待。
1.1K70发布于 2018-03-27 多 Agent 协作：AI 团队的崛起
当AI从「单兵作战」走向「团队协作」，我们正在见证一场比大模型竞赛更深远的变革一、开篇：一个Agent是工具，一群Agent是组织如果你去年问一个AI工程师：「你的Agent能做什么？」 五、企业级实践：当AI团队开始「上班」理论讲再多，不如看看真实数据。 团队做了一个几百万行代码的基础软件项目，已上线生产环境并有真实客户。 而2026年，真正的分水岭变成了——谁能让一群Agent像团队一样协作。多Agent协作不是锦上添花的技术亮点，而是AI从「工具」走向「生产力主体」的必经之路。 真正的未来不是一个人+一个AI，而是一个人+一支AI团队。而组建这支团队的最佳时机，就是现在。
94110编辑于 2026-04-24- 来自专栏啄木鸟软件测试
团队转型：AI安全测试实战指南
这背后暴露出一个关键断层：传统软件测试团队正站在AI安全测试的‘能力悬崖’边缘——懂测试，不懂模型；懂AI，不擅验证；懂开发，难建防线。 这不是工具替代问题，而是团队认知、流程与能力的系统性转型。 本文基于啄木鸟软件测试团队为三家金融、医疗与智能驾驶客户落地的AI安全测试实践，拆解一条可复用、可度量、可进化的转型路径。 三、打造AI安全测试‘最小可行团队’（MVTT） 拒绝‘组建全新AI安全部’的资源幻觉。 结语：转型不是更换工具，而是重写团队的‘认知操作系统’ AI安全测试的挑战，从来不在技术复杂度，而在组织惯性。当测试工程师开始追问‘这个softmax温度值为何设为0.7？’ 啄木鸟团队坚信：未来的质量保障体系，将不再区分‘AI测试’与‘软件测试’，而只有一种能力——在不确定性中构建确定性保障的能力。这条路没有终点，但每一步都算数。
26810编辑于 2026-03-31 - 来自专栏Golang语言社区
体育竞技游戏的团队AI
很多人问游戏AI该怎么做？随着游戏类型的多元化，非 MMO或者卡牌的游戏越来越多，对AI的需求也越来越强了。 因为没有把最核心的三个问题讲清楚，即：分层状态机、决策支持系统、以及团队角色分配。下面以我之前做的篮球AI为例，简单叙述一下： 何为分层状态机？ 最高层的角色状态机的工作由团队AI来掌控，即角色分配的工作。而行为状态机以上的状态抉择，比如回防，到底是跑到哪一点，射球，到底在哪里起跳，路径是怎样的，则由决策支持系统提供支持。 何为决策支持系统？ 这些势力图都是为了给上面的三层状态机和团队状态机提供决策支持的。 何为团队角色分配？ 每一层状态机为下一层设定一个目标，让下层自动工作，顶层角色层的目标则由最高层的团队ai进行战术指导。 话题总结 其实团队AI没那么玄乎，任何问题就是一个编程的建模问题，而最复杂的体育竞技类游戏的AI策略，上文已经给出模型，相信各位略加修改即可使用。
1.4K50发布于 2018-07-26 - 来自专栏我爱计算机视觉
腾讯AI Lab绝悟团队夺冠Kaggle足球AI竞赛
由于其兼具挑战性和趣味性，一经推出便吸引海内外队伍踊跃参加，截至 12 月中旬，已经吸引了来自世界各地的 1100 多个团队，其中包含多支世界顶级学府和研究机构的科研强队。 不同于常见足球电子游戏的统一调控式 NPC 球队，Google Football 竞赛的参赛球队中每个球员都各由一个单独的智能体控制，参赛团队需要实时选择并控制其中一个智能体，与其他内置智能体配合。 这需要非常复杂的团队协作和竞争策略。 举个例子，当对方球员控球时，己方智能体不仅要根据球场上双方球员的分布位置预测控球球员的下一步动作，还需要与己方球员协同如何合规地夺取足球的控制权。 实际上，正是由于足球运动团队策略的复杂性、多样性和高难度，AI 领域的先驱们很早就已开始尝试基于足球研究人工智能技术。 此外，由于 MOBA 游戏和足球游戏任务目标的差异，团队还在特征与奖励设计上进行了扩展和创新。
1.4K30发布于 2021-01-05 - 来自专栏AIGC大模型应用
AI驱动软件团队变革：未来趋势解读
0 关键要点AI 正在改变代码编写方式，开发者需要从“代码输入专家”转变为“AI 合作伙伴”运维团队需掌握 AI 驱动的运维工具，从手动编写自动化脚本转向设计可观察性策略，以引导 AI 系统实现预期行为成功应用 其他工具还可用于 代码审查 和 现代化改造 旧代码，帮助团队以低风险方式逐步引入 AI，提高开发效率。 ，而是互动式、上下文感知的动态知识系统小结AI 正在彻底改变软件开发、运维和文档管理方式，软件团队需要快速适应这一趋势。 掌握提示工程（Prompt Engineering），熟悉现有 AI 工具，为未来 AI 机会做好准备。让团队内部展开关于 AI 的深度讨论，共同探索 AI 发展方向。 运维团队（Ops）探索 AI 自动化能力，减少人工介入。准备运维 AI 负载，无论是偶尔调用 LLM API，还是运行完整的 AI 代理系统。
94800编辑于 2025-04-04 - 来自专栏程序那些事儿
Mural：AI团队协作的视觉工作平台
在数字化浪潮的推动下，团队协作不再局限于传统的会议室和白板。Mural，一个创新的视觉工作平台，以其独特的设计和功能，正在重新定义团队协作的方式。 Mural 不仅仅是一个数字白板，它是一个全面的团队协作解决方案。它结合了直观的界面、动态的视觉元素和智能工具，以促进团队成员之间的沟通和创意发想。 Mural AI：Mural AI 的智能服务能够结构化工作会话，激发新想法，并减少团队的繁琐工作。 安全性和合规性：Mural 遵循严格的企业安全和合规标准，确保数据安全和隐私。 智能工具：Mural AI 的力量 Mural AI 是一个强大的助手，它通过以下方式提升团队效率： 聚类：自动按主题聚类便签，并根据新标准即时重新排列。 Mural 应用程序适用于 Teams，与 Microsoft 365 Copilot 的高级 AI 功能相结合，提供了更加流畅和智能的协作体验。
79710编辑于 2024-08-29 - 来自专栏AI技术体系搭建过程
AI时代如何沉淀和复用团队技能
但这不是他们团队的代码。 更让他心沉的不是小王这一个人。是另外两个项目组，同样在用 Claude Code，同样在以各自不同的"随机风格"生成代码。 AI 的速度，在放大每个人的不同习惯，把团队风格炸得七零八落。 这不是工具问题。这是经验没有被固化的问题。 二、为什么有规范还是没用 善弈者谋势，不善弈者谋子。 步骤四：团队提示词模板（可直接用） 配合 Skill 使用的标准任务描述模板： 使用 $java-layer-arch，帮我设计一个订单新接口，按分层规范输出目录、类名和代码骨架。 每次换项目、换团队、来新同事，就要重新传授一遍。 把它们写进 SKILL.md。一次，永久。 行动方法论：30 分钟开始你的第一个 Skill 写下你团队最重要的一条规范，哪怕只有 20 行 AI 不是让你失业的工具，是让你的经验第一次摆脱了时间和空间的限制。
26910编辑于 2026-04-14 80%团队被AI重构，测试角色何去何从
某头部互联网公司已经用AI工具将回归测试效率提升300%,测试团队规模缩减近40%。另一家金融科技公司的自动化测试覆盖率从55%跃升至85%,靠的不是增加人力,而是引入AI辅助编写测试脚本。 本文将通过对比这两种角色模式,探讨在AI重构团队的浪潮下,测试人员如何完成角色转型,从执行层的“工具使用者”升级为决策层的“质量架构师”。 这需要对业务逻辑、技术架构、用户行为有深刻理解,这正是AI短期内难以具备的能力。 二、从“发现缺陷”到“设计质量” 被动的价值困境 许多测试团队将“发现bug数量”作为绩效指标。 它需要测试人员具备数据分析能力、风险量化思维和业务判断力,这些都是AI短期内难以替代的。 转型路径与行动指南 AI重构团队的浪潮不可逆转,但这并不意味着测试角色的消亡,而是对从业者提出了更高的要求。 结语 AI重构团队是必然趋势,但技术的进步从未消灭过角色,只是重新定义了角色的价值边界。那些被替代的,是重复性的劳动;那些被强化的,是创造性的思考。
36810编辑于 2026-04-15AMD收购了整个Untether AI 芯片团队
不过，这并不是一场常规意义上的收购，AMD只是收购了 Untether AI的整个工程团队，把其他一切都抛在了脑后。 Untether AI 也通过其官方网站发布公告称，其已与 AMD 达成交易。 我们感谢我们团队的奉献精神以及客户、合作伙伴和投资者的支持。我们期待着我们的世界级团队为 AMD 做出贡献。” AMD 则在给媒体的一份声明中表示：“AMD 已达成一项战略协议，从 Untether AI 收购一支由人工智能硬件和软件工程师组成的才华横溢的团队。 此次交易为 AMD 带来了一支世界级的工程师团队，专注于提升公司的 AI 编译器和内核开发能力，并增强我们的数字和 SoC 设计、设计验证和产品集成能力。 我们很高兴欢迎该团队的独特专业知识加入 AMD。” 资料显示，Untether AI 可以提供从边缘到云的以能源为中心的 AI 推理加速芯片，支持各种类型的神经网络模型。
12210编辑于 2026-03-19agency-agents—开源的AI 专家团队
一个触手可及的完整 AI 代理机构—— 从前端魔法师，到 Reddit 社区运营高手； 从创意注入者，到现实校验官。 每一个 Agent 都是拥有独特个性、成熟流程和可验证交付成果的专业专家。 The Agency 诞生于一个 Reddit 讨论帖，并经过数月的迭代打磨，如今已发展成一个不断壮大的 AI Agent 个性集合库。 —— 只不过成员是 AI 专家。 场景 4：完整代理机构产品探索 你的团队： 8 个部门同时协作，围绕同一个任务并行工作。 ---------------------------------------------+ System scan:[*]=当前机器已检测到 [x]1)[*]ClaudeCode(claude.ai
2K10编辑于 2026-04-09- 来自专栏DevOps实践之路
从“没有CICD团队”进化到“使用CICD基础设施的团队，再到“使用AI基础设施的团队”
有部分自动化脚本的团队 项目创建 功能编写 代码提交 功能自测 代码 Review [这里可能使用了一些lint、coverage、risk scanner功能分摊了一些Review压力] 合并发布分支 在部署阶段，CI可基于上一步构建结果是否正确进行下一步的分发操作，包括交付测试使用的测试环境、给开发自行联调使用的开发环境、给团队成员验收使用的预发或者叫仿真环境、乃至线上正式的生产环境。 这样不仅为研发团队节省了大量资源，也减少了工程师在软件开发过程中遇到的等待和中断。 使用AI基础设施的团队 工程理念的升维：从“构建”到“培育”（从 “追求确定性”到“拥抱不确定性”） 传统理念核心是构建（Build），像建造大楼一样，根据精确的蓝图（需求规格），用标准化的构件（代码库 AI时代，大模型提供了土壤（知识库）、养分（数据）和引导（Prompt），并持续观察、修剪、调整，使其朝着我们期望的方向“生长”，建立有效的观察和干预机制。
28911编辑于 2025-11-17 对话式AI竞赛冠军团队技术解析
埃默里大学团队荣获某中心对话式AI大奖赛冠军某中心今日宣布，埃默里大学团队荣获2020年Alexa大奖赛冠军。 某中心对话AI自然理解组织副总裁表示："祝贺埃默里大学团队通过卓越工作使人机对话更加引人入胜。这是连续第三年获胜团队在用户平均评分方面创下新纪录。" Alexa大奖赛始于2016年，是致力于推动对话式AI领域发展的大学团队竞赛。参赛团队需要设计社交机器人，使用户可通过智能设备进行交互。 技术成果与排名虽然本届未有团队达成终极挑战，但各团队均取得显著进展：埃默里大学Emora机器人以3.81平均评分夺冠斯坦福大学Chirpy Cardinal团队以3.17评分获亚军（10万美元奖金）捷克理工大学 所有参赛团队的创新工作为AI科学发展做出了重要贡献，特别是在全球疫情期间展现的技术韧性令人鼓舞。
20410编辑于 2025-09-02- 来自专栏服务端技术杂谈
一个AI Native团队GTM的实践
昨天刚写完一篇AI时代的AI Native的组织和运营模式AI驱动组织及流程模式变革，如何找到不可替代的价值，今天就看到了某创业公司CTO用三人团队再创业了。 这三人团队背景是这样的。 首先都是程序员出身，虽然已经多年不写代码了，但必要时三人借助AI都可以写代码。 其中一人以往做过交付、管过销售，可以负责增长获客。 传统软件开发模式有几个明显痛点，比如人力成本高，一个产品方向需要产品经理、设计师、前后端、测试、运维多个职能团队协作，沟通成本很大。 而AI Native的方式则可以避开这几个问题。 AI写代码、文档、信息整理都是无损的，在确定好方向之后，AI完全可以闭环解决所有执行层面的问题，大大提高了效率。 就像我在上一篇文章末尾提到的一样AI驱动组织及流程模式变革，如何找到不可替代的价值，AI时代什么是最稀缺的，最不可替代的呢？ 从这个三人小团队看，写代码不是稀缺的能力。
21210编辑于 2026-03-11 - 来自专栏Elastic Stack专栏
利用 Elastic AI 助手增强运营团队的能力
图片使用交互式 Elastic AI Assistant，通过情境感知、可操作的见解来增强运营智能Elastic 利用其多年的机器学习专业知识以及与生成式 AI 平台的集成，通过相关且上下文感知的 AI Elastic AI Observability 助手（现已提供技术预览版）由 Elasticsearch 相关引擎 (ESRE) 提供支持，可增强对应用程序错误、日志消息和警报的理解，同时提供最佳代码效率的建议 此外，Elastic AI Assistant 的交互式聊天界面允许 SRE 在一个地方进行交互式聊天和可视化所有相关遥测，同时还利用专有的内部信息进行修复。 通过 Elastic AI Assistant 和机器学习功能的结合，SRE 可以更快、更主动地查明和解决问题，消除跨孤岛的繁琐的手动数据检索。 图片通过将内部的、业务特定的信息与LLM相结合，Elastic AI Assistant 可以提供高度相关的结果，帮助加速问题识别和解决，并为您的团队增强 AIOps。
1.7K41编辑于 2023-09-27 - 来自专栏AI科技评论
AI团队缺人！香港高校招聘计划等你加入
AI科技评论报道 AI科技评论今天推出香港高校博士招聘计划，来自香港理工大学计算机系石杰明博士的团队等你加入。 石杰明博士 导师简介： 石杰明博士，助理教授。 polyu.edu.hk 邮件主题：[PhD/Postdoc/RA] Your School - Major - Name 邮件正文：个人经历简介（中英文不限） 邮件附件：最新CV 更多内容，点击下方关注： 扫码添加 AI
79420编辑于 2022-07-25 - 来自专栏深度学习与python
AI 将如何颠覆传统软件开发团队
本文将探讨五个已经对软件团队产生影响并将在未来几年内变得越来越有影响力的趋势。 自动化根本原因分析（示例：Resolve.ai） 对于运维团队而言，AI 将可观察性从认知密集型的信号匹配转变为自动化、可操作的洞见。 对于技术写手和文档团队来说，工具正在发生翻天覆地的变化。如果你还在手动编写和更新文档，而没有利用 AI ，你可能会很快被自动化工具所取代。 在公司内部启动一个 AI 项目——培训团队成员，寻找机会。 识别产品使用中出现的问题，并利用自然语言界面（聊天）解决这些问题。 运维团队应该探索如何让 AI 自动化更多任务，减少人工干预。然后为运维 AI 工作负载做好准备，无论是仅涉及对外部 LLM 的少量调用，还是运行完整的智能体系统。
61410编辑于 2025-04-16 - 来自专栏AI
Cursor官方团队的AI指南：Cursor Team Kit
17-1-2：反AI内卷的极简兵法如今AI工具圈集体陷入一种病态内卷：大家拼命堆砌大模型、全能智能体，试图造出一个包揽需求、编码、测试、部署、写周报的“超级AI上帝”。全能，反而代表不可控。 2条硬性Rules：沉淀在.cursor/rules中的团队铁律。代码格式、命名习惯、注释规范、工程约束全部写死，每一次AI生成代码，都必须无条件遵守。老子说：治大国，若烹小鲜。 4.聊天沉淀规则：团队拥有了集体记忆我个人最惊艳、最偏爱、最看好的功能，是workflow-from-chats。它能静默分析你和AI的所有对话，自动捕捉反复出现的编码偏好、修改指令、约束习惯。 比如你三次强调“这里必须显式类型”、“禁止魔法数字”、“错误必须兜底”，它就会自动提炼成一条团队规则，写入配置。久而久之，个人习惯沉淀为团队规范；隐性默契固化为硬性标准。 在AI大肆入侵编码领域的今天，这句话应当被重新改写：我定义文化，故团队有序；我验证结果，故代码可信。CursorTeamKit的真正价值，不在于那17个炫酷技能，不在于自动化修复有多丝滑。
9910编辑于 2026-05-21
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