登录社区云,与社区用户共同成长
邀请您加入社区
接下来打算用几篇文章来演示一个知识库Agent平台的搭建。把它当成一个“项目”来做。
本文介绍如何借助开源 AI Agent 框架 OpenClaw(🦞 龙虾),通过自然语言指令统一管理 AWS 和 Azure 多云资源。从传统云运维的痛点出发,展示 OpenClaw 在跨云资产盘点、成本估算、自然语言运维、自动巡检告警四个场景中的实际价值,并对比传统方式与 AI 辅助运维的效率差距。适合需要管理多云环境的独立开发者、小团队和成本敏感型企业参考。
本文属于。本文属于。接上文。
本章聚焦 提示工程进阶技巧 —— 这是从“会用模型”到“用好模型”的关键一步,也是面试中“AI实操”的高频考点。
本文介绍了Azure Container App DebugConsole中预装的三种调试工具包:iputils、net-tools和procps。iputils提供ping、arping和tracepath等网络连通性测试命令;net-tools包含netstat、ifconfig等经典网络诊断工具;procps则提供ps、top等进程监控命令。文章详细说明了各工具包的核心功能和使用场景,并给出
摘要:多云环境下AWS与Azure测试工具链集成面临环境一致性、数据同步和成本效率等挑战。AWS提供DeviceFarm、CloudWatch等工具,Azure则拥有DevOps Test Plans和Application Insights,两者优势互补。建议采用分层架构设计,结合Jenkins协调、Selenium测试框架和ELK分析工具,通过分阶段实施实现跨云测试自动化。关键解决方案包括统一
上一篇已经进行了Azure OpenAI的尝试,跑通 Azure OpenAI GPT-4o Mini 基础调用Demo,打通「本地环境→Azure云端→模型部署」全链路。本篇进行一些进阶升级,使模型的能力体现出来。环境验证:本地Python环境正常;鉴权验证:Azure OpenAI的Endpoint(服务地址)、API Key(访问凭证)有效,能成功访问Azure云端服务;部署验证:Azure
接上文,下面我们开始实操过程,首先会创建一个azure openai服务,然后部署一个模型,并创建一个demo。
摘要:Gitpod作为云端开发环境(CDE)工具,正在重塑2026年软件测试工作流。其核心价值在于通过预配置的标准化测试环境、无缝集成的测试工具链和按需资源分配,实现"编码即测试"的高效模式。典型应用场景显示,测试周期可缩短40%,团队协作效率提升50%。虽然面临网络延迟等挑战,但结合AI和边缘计算的发展趋势,Gitpod将持续推动测试自动化向云原生转型,帮助测试从业者适应敏捷
摘要:随着忆阻器阵列在神经形态计算中的应用,其稳定性问题对软件测试提出新挑战。Memryx测试仪通过强化学习(RL)与实时仿真,提升测试覆盖率和效率,支持从器件级到系统级的全面验证。该工具集成物理参数监控、动态测试策略生成及端到端工作流,帮助测试团队应对AI边缘设备的可靠性问题。实际案例显示,Memryx可提升缺陷检出率50%,缩短测试周期30%,并降低能耗20%,为软硬件融合场景提供高效解决方案
背景本文记录于2026-02-25,使用OpenClaw AI助手完成。
简单来说,Azure AI Foundry 是微软推出的,一个专门为企业级AI应用和智能代理(Agent)打造的、统一的开发与运营平台(PaaS)。它不再是你之前可能听说过的“Azure AI Studio”或分散的认知服务,而是一个将所有AI能力(模型、数据、工具)和治理功能整合在一起的“总指挥部”。它的目标,是让你和你的团队,能够在同一个地方,安全、高效地完成从AI想法探索、应用构建到最终生产
KinectAzure在人形机器人中主要用于动作捕捉、遥操作和环境感知。其优势在于多模态传感器集成、高精度深度感知和成熟的开发生态,但存在精度不足、计算资源依赖和环境适应性等局限。未来发展方向包括传感器优化、AI融合和应用场景拓展。虽然KinectAzure已停产,但其技术路径仍将推动人形机器人感知系统的进步。
Azure Kinect是一款高性能深度感知开发工具包,配备ToF深度摄像头、RGB传感器和7麦克风阵列,支持高精度3D场景重建和人体骨骼追踪。其硬件设计紧凑但功能强大,深度感知采用AMCW时差测距技术,有效范围达0.25-3.86米。提供丰富的SDK支持多种开发语言,并与Azure云服务深度集成。应用涵盖工业检测、VR/AR、医疗康复等领域,虽然成本较高,但凭借精准的深度感知和强大的AI能力,成
如果说前一篇OCR是让机器"看见"文字,那么Document Intelligence就是让机器"读懂"文档。它是Azure上一项专门从文档中提取结构化信息的AI服务,前身是Azure Form Recognizer。最常用的地方就是发票。它的核心价值:你的OCR提取的是"一堆文字",而Document Intelligence提取的是按照需求"发票号码:INV-001"、“总金额:$1,600”
本文开始接触一下另外一个服务:Azure 认知服务(Cognitive Services)。从上图可以看到Azure AI = Azure 的 AI 服务总称(包含认知服务+高级AI)认知服务 = Azure AI的基础服务层(预训练模型,开箱即用)Azure AI Vision = 认知服务中的计算机视觉子集(包含OCR、图像分析等)Azure Computer Vision服务在2026年已经
AI(尤其是Agent和Copilot)是微软的Ignite 2025大会(2025/11/18-2025/11/22)最重要的主题。当前制作Agent从No code到Pro code有如下一些方式,在Agent Knowledge source方面,微软发布了一些更新。这边将简单说明一下Agent Builder Knowledge source配置方面的其中一些更新。
在软件测试领域,传统A/B测试常因固定流量分配导致效率低下——50%用户暴露在次优方案中,造成转化率损失与测试周期冗长。:$UCB_i = \bar{x}_i + \sqrt{\frac{2\ln t}{n_i}}$($t$总试验次数,$n_i$臂i试验次数):某电商支付页测试中,算法将75%流量动态分配给CTR(点击率)领先的V2版,较传统方法提前3天锁定最优方案。:基于贝叶斯概率模型,为每个测
摘要:GNN在容器网络异常预测中展现出显著优势,成为解决动态拓扑检测难题的新工具。热门应用包括:AI工具评测(异常检出率提升30%)、精准测试案例(STGNN实现95%准确率)和DevSecOps集成实践。通过PyG框架构建GCN/GATv2模型,结合无监督链路预测(AUC达92.5%),在电商平台落地中使故障预测准确率达90%。2026年趋势显示,GNN将与生成式AI结合,建议从业者掌握PyG工
2026年软件测试将深度整合AI技术,能力评估迎来智能化变革。T型/Y型矩阵仍是团队技能评估核心工具,大模型可自动化生成热力图识别技能缺口(如安全测试覆盖率仅45%)。实战中,AI评估工具通过三步法提升效率:数据采集(如SeleniumAI插件)、可视化分析(技能达标率提升至90%)、闭环优化(结合DevOps实时更新)。未来趋势包括AI合规融合(自动生成GDPR测试用例)和智能矩阵(同步云原生数
眼动追踪工具热度飙升,主要因其能精准量化认知负载(注视时间、瞳孔变化等指标),有效提升测试质量。热门内容包含工具横评(如NeuroLens与Tobii对比)、实战案例(某金融团队缺陷率降37%)及AI应用技巧(10分钟生成测试框架)。该技术尤其适用于脚本调试,通过监测500ms以上注视预警逻辑问题,结合CLI指数优化工作流。行业预测2026年78%企业将采用AI疲劳监测,从业者需关注ISO标准合规
2026年软件测试公众号爆款内容呈现三大趋势:AI测试工具评测(占比60%)、精准测试案例(年增40%)和职业发展指南(环比增30%),均以解决实际痛点为核心。成功要素包括专业方法论(如缺陷预测模型)、可操作模板(测试用例库)及AI热点结合。AI可高效生成初稿(10分钟完成框架),但需人工优化专业细节。未来重点将转向多模态测试(AR/VR)、合规解析及测试数据服务(TDaaS)。内容需建立质量门禁
摘要: AI同步引擎通过三层自动化架构解决文档与测试脚本版本割裂问题:智能感知变更、动态重构脚本及合规自校验。实证显示,某证券系统部署后文档延迟率下降94%,缺陷逃逸率降低80%。2026年建议集成Apifox等工具,设置CI/CD校验关卡,并预判大模型将实现端到端自动化,人力投入缩减至20%以下。核心价值在于同步效率提升与合规风险防控。
2026年,软件测试公众号内容热度高度聚焦AI安全领域,尤其“对抗样本诱发的芯片功耗侧信道检测”主题阅读量激增40%以上,成为三大爆款赛道之一(工具评测、安全测试实战、AI赋能案例)。这一趋势源于行业痛点:随着AI模型在嵌入式系统(如IoT设备)的普及,对抗样本攻击可诱发芯片功耗异常,导致数据泄露或系统崩溃,而传统测试方法难以捕捉此类隐蔽威胁。:2025-2026年,中央网信办“清朗行动”强化对硬
在上一文中, 我们看到了ADLS 分层设计, 数据版本控制等数据工程的理念在Azure中的实现, 现在加入对Azure ML的实现,构建「可追溯、可复现、可扩展」的AI数据供给体系。我们不是“把数据喂给ML”,而是设计让数据持续健康流动的循环系统。备注:因为在实操过程出现了一些小失误,而目前我们使用数据类型为V2 API, 不支持物理删除,所以只能通过命名其他的方式来重做,因此截图中会出现一些上下
本文解析软件测试公众号高热度内容创作策略,提出数据驱动的优化框架。研究显示,工具评测、自动化教程和案例复盘等实用内容分享率超30%,而理论探讨类完成阅读率不足50%。文章构建七步写作法,建议采用"痛点+解决方案"标题、模块化主体架构,并强调AI工具辅助与A/B测试优化。案例表明,融合趋势解读与实操代码的内容可获得10万+阅读量。核心在于持续迭代专业价值内容,动态适配测试技术发展
上行带宽占用高、云端存储/计算成本激增、实时性受网络波动影响。Azure IoT Edge 作为微软推出的企业级边缘计算平台,支持将计算逻辑下沉到本地边缘网关,配合C#编写自定义预处理模块,可在边缘侧完成数据清洗、聚合、过滤、AI推理等操作,仅将高价值、轻量化数据上传至云端,大幅降低云端负载与带宽成本。结合工控上位机Windows系统、7×24h稳定运行、C#技术栈。
一篇文章带你读懂 Azure AI 有哪些服务
看板图表数核心指标OpenAI15请求数、成功率、Token、限流、错误10请求数、响应时间、CPU、内存、重启通过合理选择指标和布局,可以构建清晰有效的监控看板,及时发现和定位问题。
AI 时代很多东西都不是技术层面的内容,比如数据治理,数据工程等。试想一下你去面试,面试官考察的不是“你用了什么工具”,而是“你为什么这样设计”例如:❌ 工具操作:“我创建了三个容器”✅ 工程思维:“我设计三层容器,因为Raw层满足合规审计,Processed层隔离脏数据风险,Curated层支持特征复用——这是微软Azure数据架构指南推荐的分层模式”数据工程原则ADF+ADLS实践专业体现1.
三相桥式全控整流电路仿真模型包括6脉波整流电路(sixmaibo.slx)与12脉波整流电路(double12maibo.slx)包括三相全控整流电路输入电压、电流仿真波形三相全控整流电路输出电压、电流仿真波形交流侧输入电流进行FFT傅里叶谐波频谱分析【内有文档解析原理,结果分析】在电力电子领域,三相桥式全控整流电路是一个非常重要的存在。今天咱们就来深入聊聊它的仿真模型,特别是其中的 6 脉波整流
对我来说,Claude Code 不是“替我写代码”,而是让我把时间花在更值钱的地方:我把“写代码”变成“定义正确 + 快速验收 + 快速交付”。如果你也是做开发、做运维、做桌面支持的,我非常建议你试试这种工作流:先写验收清单,再让 AI 产出,再用日志和复现条件做迭代。你会发现效率提升真的不是一点点。⬆️ 返回顶部。
摘要:在使用Java SDK访问中国区Azure AI Search资源时,由于默认认证地址为全球云环境(https://search.azure.com),导致出现AADSTS500011错误。解决方法是在构建SearchClient时指定中国区云环境:1) 设置authorityHost为AZURE_CHINA;2) 添加audience(SearchAudience.AZURE_CHINA)
微软更新AI-102认证考试,聚焦生成式AI与代理解决方案。新版考试重点涵盖Azure AI Foundry、RAG架构及自主代理开发,反映企业对智能应用的需求转变。备考建议结合官方文档与实践操作,并推荐使用考证宝KaozhengPro等专业题库资源。该认证将提升工程师竞争力,推动企业数字化转型,未来AI开发将更注重工作流策划与伦理合规。微软将持续更新考试内容,引领智能化技术发展。
本文介绍了Azure AI生态中的核心服务Azure Machine Learning(Azure ML)工作区的使用。文章首先展示了Azure ML的默认目录结构,包含工作区、功能存储区、中心和注册表等核心组件,以及共享资产和管理员功能。通过实操演示,详细说明了从创建工作区、运行示例笔记本到创建计算资源的完整流程。最后,文章梳理了实际运用中的6个关键步骤:数据准备、模型训练、模型评估、模型部署、
摘要:本文针对自动化测试中的动态元素定位难题,系统解析XPath和CSS选择器的进阶优化策略。重点探讨了XPath的相对路径优化和函数应用,CSS选择器的属性匹配技巧及性能优化方法,并提出了混合使用策略与动态元素处理方案。结合2026年AI辅助定位趋势,文章通过电商、金融等实战案例,展示了如何将元素定位失败率降低13个百分点,测试脚本稳定性提升30%。为测试团队提供了降低维护成本、提升自动化框架鲁
本文探讨了异步机制在现代应用中的核心原理与测试挑战,提出四维等待优化策略提升测试效能。异步架构依赖事件循环和非阻塞I/O模型,但常引发竞态条件和状态同步延迟问题。解决方案包括:1)智能事件驱动等待自动校验元素状态;2)多层级队列监控实现任务优先级调度;3)分布式事务追踪保障跨进程调用;4)自适应阈值算法动态调整等待时间。实战数据显示,智能等待策略使用例稳定性提升至98%,执行效率优化10%。未来方
WebApp调用Azure中国区认证端点时因令牌缓存失效导致请求激增和登录失败。问题根源在于未正确复用ConfidentialClientApplication对象及启用共享缓存。解决方案包括:1)应用级单例创建ConfidentialClientApplication;2)显式启用.WithCacheOptions共享缓存;3)通过AcquireTokenForClient优先从缓存获取toke
Codex是OpenAI基于GPT-3训练的代码生成模型,专门用于理解和生成编程代码。通过与Azure OpenAI服务(AOAI)集成,开发者可以在本地开发环境中获得强大的AI编程辅助。本文将详细介绍如何在VS Code中配置和使用Codex扩展,充分利用Azure OpenAI的强大能力。// 在VS Code的keybindings.json中添加},},创建。
Azure Storage 节点内置支持多种功能,包括创建、获取和删除 blob 及容器。使用此节点可在 Azure Storage 服务中实现工作自动化,或将其与工作流中的其他服务集成。
可定制化的数据收集模板。
摘要:本文介绍了在Azure API Management (APIM) 中禁用自签名证书验证的方法。通过PowerShell命令或REST API,可以设置SkipCertificateChainValidation为True来跳过证书链验证,使APIM能与使用自签名证书的后端服务进行HTTPS通信。具体步骤包括新建或修改Backend、在API中配置backend服务策略以及测试验证。虽然这种
深度对比 AWS、Azure、GCP 与 DigitalOcean 的性能、带宽成本及 AI 算力差异,为中国出海企业技术负责人提供专业、务实的云服务选型指南。
本文介绍了如何在Azure上使用远程MCP工具触发器构建AI工作流。通过模型上下文协议(MCP)和Azure Functions的结合,开发者可以创建灵活可扩展的AI工具,实现云服务与AI助手的深度集成。文章以智能代码片段管理系统为例,展示了如何利用TypeScript开发MCP服务器,实现代码片段的存储、检索和管理功能。这种方案不仅提高了AI工作流的灵活性,还能充分利用Azure无服务器计算的优
本文是Azure AI系列的第一篇,旨在为初学者提供Azure AI生态系统的概述和入门指南。文章首先介绍了Azure AI的三大核心部分:认知服务(计算机视觉、语言服务等)、AI平台(机器学习、OpenAI)和行业解决方案。通过2024最新版服务全景表,详细列出了各服务的功能、适用场景和定价层。作者强调Azure AI的全栈体验、企业级集成和生成式AI领导力等核心优势。为便于实践,文章提供了详细
本文介绍在Linux环境下,使用Azure服务主体(SP)配置Azure DevOps自托管代理的最佳实践,包括SP创建、权限配置、代理安装启动等步骤,适用于生产及高安全性自动化场景。
微软Azure语音服务升级,推出Voice Live API与Live Interpreter,助力智能体实现自然语音交互与多语种实时翻译。