人工智能应用现状分析
从群内交流来看，人工智能在企业中的运用，已逐渐分成两类人群，一部分人仍停留在网页交互阶段，边使用边抱怨AI能力不足。另一部分人已精通AI编程和各类智能代理，计算资源消耗巨大。你属于哪一类用户 #AI#人工智能#土木工程#codex#claude 北京 , 2小时前 ,
非程序员AI编程实录：普通人用AI究竟能创造什么？
两年时间过去了，开发者依然在岗，但一个更有意思的趋势浮现了——不懂代码的普通人，正借助AI打造出实用的工具。我本身是技术背景，但在过去一年里，我协助了十多位"零代码基础"的朋友利用AI开发应用。本文将揭示真实情况：不懂编程的人使用AI究竟能达到何种境界，以及哪些是做不到的。我有一位从事房产经纪的朋友，以往每天得在5个平台上徒手发布房源——不断复制粘贴、调整排版、上传图片，每天耗费3个钟头。他借助Claude Code（没错，就是与AI对话）说明了自己的诉求："我的Excel表格里存
Codex新功能：支持接入开源模型
最近 Codex 有一个小更新，很值得关注。OpenAI 的 Codex 支持接入开源模型，这非常开放。也体现了一种发展方向。它现在不再仅限于 OpenAI 自家的模型，也可以连接第三方模型或本地模型了。简单来说，你可以将 Codex 这个“编程代理”连接到不同的模型后端。比如本地的 Ollama、LM Studio，或者其他兼容接口的模型服务。这件事初看像是一个配置更新，但我认为它更像是 AI 编程工具在逐渐解耦。以前我们提到 Codex，默认会把几个方面混为一谈：交互界面编程代理的能力背后的模型文件读
AI爆发前夜，他用10亿告诉你该从哪里下手
假设今天，AI能帮你完成一个需要一小时的任务。六个月后，它能完成两小时的。五年后，85天的。十年后——239年的。Marc Warner说，这不是预测，是现实。至少在写代码这件事上，AI就在沿着这条曲线走。研究数据也印证了这一点：AI能独立完成的编程任务难度，每七个月翻一倍。他有资格这么说。2014年，他在哈佛做量子物理研究，那时候大多数同行连"AI"这个词都不愿意提——说出口会被嘲笑，因为这个词已经被过度炒作又烂掉了。他的老同学Demis Hassabis正在伦敦做一家叫DeepMind的AI公司，没多
【智能速递】0620|机器人入职，智能体账号需严管
智能速递 0520 ｜搜索端口智能化，业务流正重构智能觉醒站 · 智能速递时间：2026年6月20日核心词汇：智能体 业务流、Claude、智能编程、智能监管、运算成本今日核心金句本日的人工智能动态聚焦于全新模型、开源编程实力与更迅猛的推理效率，核心在于将其投入实际任务中去检验。本期速递依据10条动态进行梳理：前5条源自 OPC 本日优选，后5条出自 AIHOT 当日速递。此举既留存了 OPC 平台过滤后的资讯，亦可全面洞悉 AIHOT 当日对产品、产业及观点的密集追踪。
AI编程：钱花得有点猛
字数 364，阅读大约需 2 分钟过去两个月，几乎每天都在跟AI打交道，日常工作里借助AI完成了好几个项目。媒体铺天盖地鼓吹AI的种种能力，仿佛不赶紧上车就会被时代甩掉，类似的论调四处蔓延，好像只要拥抱AI，所有难题都能轻松化解。来看一下我这个月AI的使用情况，目前我还没开通付费套餐，基本都在免费薅羊毛。下面两张图分别展示copilot和qcoder的使用量:qcoder的剩余额度也只剩大约40%，值得欣慰的是21号额度会重新刷新。借助AI工具写代码，效率确实有了肉眼可见的提升，不过Agent的消耗速度也
从随性编码到规范流程：我的AI编程进化之路
最初借助AI写代码的方式就是纯粹对话——后来人们给这种风格起了个名字，叫vibe coding。提需求、等结果、发现偏差、再纠正、再等待，效率尚可，但总有几个痼疾难以回避。首当其中的便是需求漂移。一个功能讨论到后半程，AI已然忘却了最初的目标，只保留最近几轮交互的内容。我不得不一次次将原始需求重新粘贴。其次是代码水准起伏不定。状态在线时它能产出整洁优雅的实现，状态欠佳时则抛出一堆能运行却不堪入目的代码。测试环节基本由我兜底。再者是Bug修复的恶性循环。修补一处，冒出两处。每次只做表面文章，深层根因无人追查
AI Agent 的核心变革：重塑软件研发全流程
Agent 真正改变的不是“少写几行代码”，而是软件生产流水线本身。 云平台要开始服务持续工作的 AI worker；开发流程会被 PR、CI、Review 重新卡住；Agent 也需要自己的运行环境，而不只是模型 API。 这期袁工智能拆 Railway 和 Daytona 两场长访谈。 #AIAgent #AI编程 #云计算`#开发者工具 #Daytona #AgentNativeAgent 真正改变的不是“少写几行代码”，而是软件生产流水线本身。 云平台要开始服务持续工作的 AI worker；开发
AI赋能禅意木鱼开发：人机共创的产品革新实践
现代人的心理消耗，亟需一个低门槛、易获取的释放通道。近年风靡的虚拟木鱼，看似荒诞的网络调侃，实则反映了年轻群体在高压环境中，默默进行的自我疗愈。身为产品设计者，我始终思考：一个简单的点击操作，为何能触及广大用户的情感痛点？市面上充斥的类似应用，又究竟缺少了什么？带着这些疑惑，我以独立创作者的角色，借助AI开发平台TRAE，从零构建了一款更具温情、文化底蕴和完备产品体系的禅修木鱼应用。全程未依赖专业开发团队，通过人机配合实现了需求分析、系统构建、效能调优、增长策略的全链条打造。这次产品探索，不仅诞生了一款抚
AI走进乡村校园 种下科技梦想
AI创意课堂，解锁智能奥秘校园录播室内，欧阳鑫老师现场演示机器狗编程操控，指导设备完成握手、翻滚等动作，同步展示AI图文、短文一键生成技术。互动问答环节中，师生一问一答拆解人工智能基础原理，用生活化案例打破孩子们对前沿科技的距离感，直观感受AI技术的实用与奇妙。无人机手工工坊，实操锤炼工程思维实验室工坊内，薛继良老师带领志愿者开设木质四轴无人机手工实践课。学生两人一组协作，从零完成木料拼接、整机组装、设备调试与试飞。零散木料升空成型的瞬间，抽象的空气动力学、工程搭建、编程逻辑转化为触手可及的实操乐趣，动手
AI与传统编程的差异解析
从 Ada Lovelace 到 ChatGPT：计算机究竟如何"学会"做事？传统编程是程序员写规则，计算机来执行；机器学习是给计算机看答案，让它自己找规则。这一来一回的颠倒，就是整个 AI 时代的底层逻辑。一、从 Ada Lovelace 说起1843 年，Ada Lovelace（埃达·洛夫莱斯伯爵夫人）为查尔斯·巴贝奇的分析机写下了历史上第一段计算机程序——一段计算伯努利数的指令序列。她的方法很简单：写下一行行明确的规则，机器逐条执行，得到正确答案。这便是传统软件设计最核心的信仰：计
人工智能专业门槛有多高？数学编程成关键挑战
四月正值高三学生和家长集中研究志愿的关键时期，近期接触到不少理科生家庭，孩子平时总分表现优异，全家人一致瞄准了近年来录取分数持续走高的热门专业。然而当深入询问孩子的数学单科成绩、逻辑推理能力以及对枯燥代码的接受程度时，许多家长陷入了犹豫，甚至开始重新审视当初的选择。在决定报考这个热门方向之前，必须正视一个核心现实：该专业的课程体系极具挑战性，对理科基础的严苛程度远超一般工科专业，绝非仅凭一腔热情就能轻松应对。首要难题在于极高的数学要求，众多新生怀揣期待踏入大学校门后，才恍然发现人工智能本质上属于应用数学的
2026年6月19日AI领域最新动态速报
追踪────────────────────[01]Claude Fable 5- Claude Fable 5 已于2026年6月9日向公众开放，定位为Anthropic的「Mythos级别」系列模型，在主流大模型对比中三项指标位居第一，展现断层级领先优势。- 特斯拉创始人马斯克预测中国大模型（如智谱GLM-5.2）达到Claude Fable 5水平或需到2027年第一季度，认为GLM-5.2已显著缩小差距。[02]Claude AI- Claude 语音模式正升级以支持多语言，包括中文、西班牙语、日
GLM-5.2开源：低成本逼近GPT-5.5性能
闭源模型的护城河，从来不是技术，而是成本。当开源追上性能，价格战就没了赢家。6月16日，Z.ai发布开源GLM-5.2模型权重，宣称在多个长程编程任务基准测试中逼近GPT-5.5水平，而推理成本仅为后者的六分之一。消息一出，开发者社区迅速沸腾。对于工程团队而言，这意味着可以在自有基础设施上部署前沿级别AI。不再受制于API调用配额和成本波动，数据主权问题也随之解决。这是企业采用开源模型最核心的动力。01 开源的优势不只是免费很多人以为开源AI的价值在于"免费"，但真正的优势在于可审计和可定
昇腾0Day全面优化GLM-5.2推理性能
IT之家 6 月 18 日消息，“昇腾 AI 开发者”公众号 6 月 17 日宣布，昇腾 0 Day 支持 GLM-5.2，为编程与长程任务提供全面推理优化。 据官方介绍，目前昇腾 A3 系列产品已经支持 GLM5.2 的单双机以及大 EP 推理部署。针对 GLM5.2 模型的结构特点，昇腾围绕以下几个关键技术开展了高效推理优化： IT之家注意到，智谱 6 月 17 日宣布上线并开源 GLM-5.2。在全球百万用户参与盲测的前端开发评估系统 Code Arena 上，GLM-5.2 取得全球可用模型第一的