千问3.7震撼登场：代码生成与函数调用性能跃居首位，刷新国内AI纪录
新浪科技讯 5月20日上午消息，在今日举行的2026阿里云峰会上，阿里巴巴集团副总裁、阿里云智能CTO兼阿里巴巴合伙人周靖人正式发布千问模型Qwen3.7，该模型在知识理解、逻辑推理、工具调用和代码生成等多个维度实现全面升级。 在知识储备与逻辑推理方面，Qwen3.7在主流评测基准测试中全面领先国内模型，超越kimi K2.6、智谱GLM5.1、DeepSeek v4 pro、opus4.6-Max等竞争对手，位居国内首位。 在函数调用与代码生成能力上，Qwen3.7同样在多项基准测试中全面领先国内模型，
AI智能体开发技术演进
当前，我国AI智能体（AI Agent）的开发正经历从“单体智能”迈向“群体智能”与“行业深化”的关键阶段。现阶段技术重点聚焦于底层架构、感知与认知的协同优化，并针对中文语境进行了特别适配。北京木 lick 移动技术有限公司，作为一家专业的软件外包开发公司，诚邀各界开展技术交流与合作。商务合作请通过微信联系：muqi2026一、 核心架构技术国内主流的Agent开发通常遵循"大模型 + 记忆 + 规划 + 工具使用"的核心公式。长期记忆：利用向量数据库（如 Milvus、Zilliz）实现
AI应用名词解析（二）
接着上一段，这次进入发展阶段，主要讲 FunctionCalling、MCP、RAG 以及 Agent（先导形态）这些内容如果把 LLM 当成一颗超级大脑，它最大的短板是：它本身没法真正执行任何动作。也就是说，你给它下指令，它就把内容“编排”着完成一遍，但它无法自主感知外部环境，更谈不上对环境产生影响。举个最直观的例子：你直接问 LLM 今天的天气、日期或者新闻，它通常会胡说，也就是它根本不具备搜索能力。原因很简单：它只是做连续的词语衔接，并不会去查资料；那如果确实需要搜索，我们能不能先帮它把信息检索出来
专家解读：AI函数调用如何实现从空谈实干的技术跃迁
2026年，当你的AI助手还在背诵百科时，别人的AI已经自动完成查天气、发邮件、写周报——这中间的差距，就是Function Calling。数据显示，使用Function Calling后，AI任务完成率从42%飙升至78%，错误调用率下降85%。Function Calling（函数调用）是让AI从"聊天机器人"升级为"智能助手"的核心机制。想象一下，你给助理一张工具清单，告诉他什么情况下用什么工具，但具体操作由后台团队完成——这就是Function Calling的本质。3个关键点，2分钟搞懂：决策
AI智能体全景拆解：Function Calling、MCP、Skill与Agent
阅读指南：本文同时面向业务与技术人员阅读，不需要任何AI专业基础，建议按顺序浏览。前两期“业务创新篇-图文”和“业务创新篇-视频”，我们更强调直接给出案例：比如“银行智能查询平台”的 Demo，让你沉浸式感受大模型接入行内系统后的真实效果，而不是堆理论。从“跑通 Demo”到“走向稳定落地”，期间总会卡在几个关键点：Demo 中究竟靠什么让大模型获得“执行能力”？为何不能让大模型直接“裸连”银行内部系统？当业务部门提出“让 AI 去处理业务”时，科技团队需要拿出怎样的架构才能接得住？想要规模化推广，还必须
AI代理协议十年跃迁：从单打独斗到协同社会
设想这样一个场景：你希望AI替你预订一张下周五出发的机票。一个足够智能的AI，不但要理解你的日程安排，还得即时检索各家航司航班、完成价格比较，甚至与航空公司的AI客服进行沟通议价，最终安全地完成线上支付。看上去并不复杂的需求，对当下的AI而言，实际上仍是一道极具挑战的难题。这些年，我们早已习惯把AI视作一台聪明的“问答工具”——你提问，它回应。可像“订机票”这类需要多步推理、跨系统调用，甚至还要和其他AI共同配合的任务，早已超出传统AI的处理边界。真正的关键在于：来自不同企业、基于不同框架构建的AI，怎样
.NET中的生成式AI入门：聊天应用基础
在本课程中，我们将探讨如何使用语言模型的补全功能和.NET中的函数来构建聊天应用。我们还会学习如何利用 Microsoft Extensions AI (MEAI) 创建聊天机器人。文本补全可能是 AI 应用中与语言模型交互的最基础形式。文本补全是根据输入（即提供给模型的提示）由模型生成的单次响应。文本补全本身并不是一个聊天应用，它更像是一次性交互。你可以将文本补全用于诸如内容摘要或情感分析等任务。让我们看看如何使用 .NET 中的Microsoft.Extensions.AI库实现文本补全。🧑💻示例代