- 综合排序
- 最热优先
- 最新优先
AI Harness 企业级落地实践（一）
通俗来说，Harness是将工程学的思维，落地成范式束缚于Agent上，让Agent能够更规范、更稳定的工作。想象一下在广袤的草原上，一群骏马飞快的驰骋着，它们就是AI，有时候难免会跑偏。 套马的汉子，你威武雄壮\~关于Harness更具体的定义可以参考以下文献:OpenAIHarness深度长文、HarnessEngineering即控制论今天笔者的核心：详细拆解Harness工程的设计和落地同时
33610编辑于 2026-06-02- 来自专栏咖啡拿铁
逸仙电商Seata企业级落地实践
就职于逸仙电商交易中心；Seata Committer，加入 Seata 社区已有一年半，见证了从 Fescar 到 Seata 的变更，GA 等。
76020发布于 2021-04-26 - 来自专栏数据医生专栏
企业级指标体系搭建全流程落地
合理调配公司资源，明确工作重点 指标体系是一个树形结构，如果是企业级的指标体系，可以对应到产品市场运营团队的组织架构，能够让每个人都能明确自己的工作重心。 在企业中，有2种常见状况需要搭建指标体系： 整个公司缺乏系统性的指标体系，这时需要搭建的是企业级的指标体系； 新上线的业务/活动，需要设立监控指标，这时需要搭建的是项目级的指标体系。
1.2K20编辑于 2022-05-13 企业级Agent落地：从工具调用走向治理闭环
一个企业级Agent系统，不能只看“能不能调用工具”，还要看四个工程问题：权限：Agent能访问哪些数据、调用哪些工具、执行哪些动作？
12610编辑于 2026-06-29- 来自专栏服务网格
拥抱云原生，Service Mesh 企业级产品落地实践
SolarMesh 致力于提供成熟、易用性更高的服务网格方案及产品，帮助企业更好地进行服务治理，并且已经在落地实践中初见成效。 全面的服务网格解决方案 成熟的服务网格落地方案 SolarMesh 采用业界成熟的服务网格技术选型并进行调优，基于 "服务+代理" 模式，以非侵入式的方式对微服务进行完备的流量代理，无需修改代码/配置， d37m2aHPm5tT8iUH__thumbnail.jpg 服务间安全调用 在企业级微服务实践中，伴随着服务的数量级增长，服务间的访问控制与加密也是必须要解决的问题之一。
1.6K1615发布于 2020-10-10 企业级智能体产业落地研究报告概要
场景与痛点：覆盖金融、文旅、医疗、零售、出行、数字政府、制造、交通物流等14大行业，解决共性痛点： 模型性能：“幻觉”与“泛化性”不足，通用模型难落地； 安全防护：新型攻击面出现，传统防火墙失灵 五、总结 落地路径：遵循企业智能体转型蓝图“三步走战略”： 短期（0-6个月）试点验证：聚焦高价值场景、轻量化方案、量化收益； 中期平台赋能：构建开发平台、横向拓场景、纵向深应用； 长期夯实底座生态融合 ：夯实技术底座、重塑核心流程、驱动组织变革，目标建成企业级“智能体工厂”与内生智能生态系统。 数据来源：以上内容基于腾讯全球数字生态大会发布的《企业级智能体产业落地研究报告》整理。
39410编辑于 2026-04-18腾讯云AI Agent安全中心企业级落地实践
腾讯云AIAgent安全中心企业级落地实践当你的AIAgent在没有人类干预的情况下，自主完成了一次跨云资源调配、一笔资金转账、一份敏感数据外发，你是否真的清楚它每一步的意图？ 本文将围绕以下核心问题展开，帮助你建立企业级AIAgent安全落地共识：AIAgent时代究竟有哪些传统安全防护无法覆盖的安全盲区？运行时防护、流量沙箱、密钥托管等核心能力，分别解决了什么层面的风险？ 企业级AIAgent安全平台，横评维度应如何设定，不同方案的适用场景是什么？选型时除了看功能清单，还应关注哪些行业标准与成熟度指标？从PoC到规模化落地，企业应遵循怎样的决策路径？ 企业级AIAgent安全方案横评评估维度与评选标准本次横评围绕以下维度展开，关注企业实际落地价值：防护深度：是否覆盖运行时行为意图、工具调用、网络流量与凭据安全。 核心优势：灵活轻量，支持自定义检测逻辑，适合技术驱动型团队做二次开发与实验性落地。适用场景与局限：企业级可观测性、资产管理、凭据托管与合规审计能力较弱，通常需要与商业平台配合使用才能达到成熟要求。
14310编辑于 2026-07-03盘古大模型：企业级AI落地的务实选择
盘古大模型：企业级AI落地的务实选择 最近大半年，我身边不少做AI应用的朋友都在纠结一个问题：大模型这么多，到底该用哪个？ 这篇文章我就想聊聊我自己的观察——盘古大模型在企业级场景里到底能干什么、怎么用，以及它跟其他模型比有什么坑要避开。如果你也在为企业AI接入头疼，这篇可能会给你一些实在的参考。 盘古大模型是什么？
9510编辑于 2026-07-052024 企业级智能体产业落地研究报告
第一章：报告基础信息 •报告标题：企业级智能体产业落地研究报告 •发布机构：腾讯云、腾讯研究院（Tencent Research Institute） •发布时间：未明确提及 •行业标签：技术服务 当前绝大多数智能体处于L1初级阶段，市场呈现L1-L2主导的阶梯式发展特征，企业面临落地场景识别、技术挑战（训推成本、模型幻觉、安全防护等）与生态构建难题。 报告旨在构建智能体能力分级体系与应用场景罗盘，为企业提供从试点到规模化的落地路线图，剖析技术挑战与腾讯云解决方案，助力企业释放智能体价值。 调研对象：企业IT部门、业务负责人、技术专家，聚焦智能体落地痛点与需求。 向量数据库：国内首家获中国信通院认证的企业级自研分布式数据库，支撑千亿级向量存储、500万QPS毫秒级检索，日处理8500亿次请求（腾讯内部实践）。
66220编辑于 2026-04-02腾讯开源Youtu-Embedding：加速企业级RAG落地
在企业级智能客服、知识库管理等场景中，它们常常一本正经地胡说八道——资料库明明有答案，却编出一段貌似合理的幻觉内容。 为破解这一难题，腾讯优图实验室正式开源Youtu-Embedding——这是一款面向企业级应用打造的通用文本表示模型，可同时胜任文本检索、意图理解、相似度判断、分类聚类等六大主流任务，既避免了「负迁移」 //第三步：创新微调框架，多任务协同进化要真正落地到业务场景中，还需要模型适配具体任务的复杂规则与多样需求。
99911编辑于 2025-10-14- 来自专栏IT运维技术圈
DeepSeek最佳落地实践之AskBot企业级AI助手
在 DeepSeek 风靡全球，并持续在行业推理能力榜单中领跑之时，自 2020 年起便专注于企业级 AI 助手领域的果然智汇 AskBot，宣布集成 DeepSeek 满血版模型后，多个应用场景实现升级蜕变 经过百万职场人几年的使用打磨，借大模型升级的契机，AskBot为企业 AI 应用落地打造出全新的 “样板间”。 03—十年磨一剑，连续创业者的初心与坚持 果然智汇AskBot团队多年来深耕企业级AI应用，默默无闻的服务了多家数智先锋企业，如百丽、蒙牛、立邦、美年等知名企业。
67510编辑于 2025-02-21 - 来自专栏WebOffice
从零到一：OnlyOffice企业级完整落地指南
本文不会重复官方文档的每一个配置项，而是聚焦于企业级落地过程中最容易踩坑的环节，以及定制版独有功能的正确使用方式。 问题三：再次打开提示版本更新 排查思路： 保存回调后是否更新了 document.key 原始文件是否已被新文件覆盖 是否存在多个用户使用不同 key 打开同一文件的情况 十二、总结 文档服务中文增强版落地不仅仅是 希望本文能帮助你少走弯路，快速文档服务中文增强版落地到你的业务系统中。 相关资源 最新版本镜像：https://onlyoffice.moqisoft.com/docs/install/docker
1.5K10编辑于 2026-06-07 - 来自专栏科技云报道
企业级AI“脱虚向实”，落地还有几道槛？
当全球科技巨头们将AI的边界推向星辰大海时，绝大多数企业仍在经历着AI落地的“高原反应”。 这个场景折射出企业级AI正在经历从技术狂欢向场景回归的阵痛期，就像攀登者必须面对的“希拉里台阶”，看似近在咫尺的峰顶，实则暗藏着致命的空气稀薄带。 第三，专业人才方面，AI领域专业人才稀缺且竞争激烈，86%的企业面临严重的技能缺口，技术团队与业务团队间的沟通障碍进一步阻碍了AI应用的有效落地。 为进一步降低开发难度，Dify提供完整的AI应用生命周期管理工具链，从开发、测试到部署、监控一站式覆盖，简化了企业级AI应用的运维复杂度，帮助团队有效识别并解决生产环境中的潜在问题，使AI应用稳定性显著提升 企业级AI的“脱虚向实”，本质是技术架构、组织能力与生态协同的系统性升级。
49410编辑于 2025-04-02 - 来自专栏软件测试架构师俱乐部
直播回访：构建可落地的企业级压测体系
关于压测这块讲过很多次，我在viptest&七牛云、testerhome&得物等一起举办的企业级沙龙也讲过全链路压测相关，这次直播的主题是老张群里粉丝投票选出来的，可见大家在公司性能落地层面依然存在种种困惑 而不经过企业级项目的锻炼，你的性能测试相关的技术和视野很难从量变引起质变。 那怎么办呢？ 以微服务为例，通过对原始数据的加工，你可以得到接口级别的测试访问模型，如下示意: 如何构建企业级压测体系？ 拓展升级：企业级线上全链路压测的技术和流程 压测对于一个企业级的要求是需要具备开展全链路压测的能力。我主要说一些与线下压测的差异点和可能的踩坑项。 四.性能测试体系如何在企业中落地 1.有没有必要落地。
47710编辑于 2022-09-20 - 来自专栏架构
Hadoop实战详解：从环境搭建到企业级案例落地
Hadoop实战详解：从环境搭建到企业级案例落地在大数据爆发的时代，PB级数据的存储与计算成为企业数字化转型的核心需求，而Hadoop作为Apache开源的分布式大数据框架，凭借高可用性、可扩展性、高容错性和低成本的优势 不同于纯理论讲解，本文聚焦Hadoop实战核心，从环境搭建、核心组件实操、综合案例落地到常见问题排查，全程干货无冗余，助力开发者快速上手，将Hadoop技术落地到实际业务场景中。 三、Hadoop核心组件实战（重点突破，落地实操）环境搭建完成后，重点掌握三大核心组件的实战操作，本节聚焦“高频实操场景”，结合命令行与JavaAPI，让你真正会用Hadoop处理数据，而非仅能启动服务 ，让你掌握Hadoop实战的核心落地能力。 生态扩展：学习Hive（数据仓库）、HBase（分布式数据库）、ZooKeeper（分布式协调）、Flume（日志采集），掌握Hadoop生态的完整链路，实现“数据采集→存储→计算→分析→可视化”全流程落地
38810编辑于 2026-02-11 - 来自专栏云原生技术社区
Harbor企业级落地实践 | 灵雀云AceCon演讲实录
灵雀云DevOps团队工程师张晨宇在云原生分论坛分享了《Harbor企业级落地实践》主题演讲，下面是演讲视频及实录。 想了解更多Harbor企业级实践干货，可添加小助手微信：alaudacloudnative，（备注：Harbor）拉您进入交流群。 视频回顾 演讲实录 大家好，我叫张晨宇，来自灵雀云，今天我给大家分享Harbor云原生制品仓库的企业级落地实践。 企业版服务内容： Harbor云原生制品仓库的高可用解决方案； a) 企业级高可用解决方案； b) 基于Kubernetes Operator的高可用解决方案； Harbor云原生制品仓库的版本升级
88820发布于 2021-10-26 WebRTC 核心原理拆解与企业级 RTC SDK 落地实践
的媒体数据传输基于两套协议： RTP（实时传输协议）：负责音视频数据的实时传输，核心是“时间戳+序列号”，保证数据按序到达且同步播放； SRTP（安全实时传输协议）：对RTP数据加密（AES算法），防止音视频被窃听，是企业级 生产环境必须用SRTP，禁止裸RTP VP8 vs H.264 VP8：开源免费，WebRTC默认；H.264：专利授权，兼容性更好 自研产品用VP8；对接第三方用H.264 二、实战：基于WebRTC搭建企业级 rtc-sdk-demo</artifactId> <version>1.0.0</version> <name>rtc-sdk-demo</name> <description>企业级 三、企业级RTC SDK优化策略 3.1 性能优化 抗丢包优化：启用WebRTC的FEC（前向纠错），在发送端添加冗余数据，接收端可恢复丢失的数据包； 延迟优化：调整视频帧率（15-20fps）、降低码率 总结 关键点回顾 WebRTC的核心是“音视频采集-编码-NAT穿透-传输-解码-渲染”的完整链路，其中NAT穿透（ICE/STUN/TURN）是实现P2P通信的关键； 企业级RTC SDK需在WebRTC
58110编辑于 2026-04-14- 来自专栏程序员阿常
直播回访：构建可落地的企业级压测体系
关于压测这块讲过很多次，我在viptest&七牛云、testerhome&得物等一起举办的企业级沙龙也讲过全链路压测相关，这次直播的主题是老张群里粉丝投票选出来的，可见大家在公司性能落地层面依然存在种种困惑 而不经过企业级项目的锻炼，你的性能测试相关的技术和视野很难从量变引起质变。 那怎么办呢？ 拓展升级：企业级线上全链路压测的技术和流程 压测对于一个企业级的要求是需要具备开展全链路压测的能力。我主要说一些与线下压测的差异点和可能的踩坑项。 四.性能测试体系如何在企业中落地 1.有没有必要落地。 2.你的想法能不能落地取决于你的专业性，你的专业性会让你具备公信力。 你的报告是否足够准确，能够对稳定性保障提供实际价值。
60910编辑于 2022-09-01 FFmpeg实战全解析：从底层原理到企业级应用落地
）控制质量（值越小质量越高，18-28为合理范围） ffmpeg -i input.mp4 -c:v libx264 -crf 23 -c:a aac -b:a 128k output.mp4 五、企业级应用场景落地 从底层的编解码原理到上层的企业级应用，FFmpeg都展现出了无与伦比的技术价值。随着5G和AI技术的发展，FFmpeg在实时音视频处理、智能编解码优化等方向将迎来新的发展机遇。
60510编辑于 2026-04-14- 来自专栏人工智能
企业级AI智能体落地实践：为何执行能力决定成败
根据多份行业调研，即便在AI投入最激进的2025年，依然有超过九成的AI试点项目卡在了“演示很惊艳，落地就熄火”的尴尬境地。很多企业投入了几千万，最后只换来一个“能聊天但干不了活”的对话框。 在企业级战场，智能体（Agent）绝非只有一种形态。为了帮大家看清门槛，我把目前市面上主流的智能体方案拆解为四个维度，看看哪一类才是解决你业务痛点的“真命题”。 目前，金智维（Kingsware）所代表的“大模型+RPA+API”融合路径，被普遍认为更具备实战落地价值的形态。 比如在国金证券的实践中，不选择那种只能聊天的通用AI，而是通过金智维Ki-AgentS企业级智能体平台实现规模化应用。这类智能体能够像资深员工一样，直接处理复杂的合规审查、报表勾稽及跨系统数据比对。 、遗留系统以及严苛的合规要求，那么以金智维为代表的融合型路径是更好的选择，尤其是对于金融、制造等行业，从任务感知到自动执行的闭环是比较重要的，本地化与私有化部署能力也可以彻底解决大模型落地的最后1公里问题
34510编辑于 2026-01-28
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