AI 助理
备案控制台

云中大虾_个人页

个人头像照片 云中大虾
个人头像照片
文章
0
问答
11
视频
0

个人介绍

暂无个人介绍

擅长的技术

获得更多能力
通用技术能力：
  • 数据库
    初级

    能力说明：

    具备数据库基础知识，了解数据库的分类，具备安装MySQL数据库的能力，掌握MySQL数据类型知识，基本了解常用SQL语句，对阿里云数据库产品有基本认知。

    获取记录：

    • 2023-04-28 在 大学考试 大学/社区-用户参加考试
    • 2023-04-28 在 大学考试 数据库初级 大学/社区用户通过技能测试
云产品技术能力：

阿里云技能认证

详细说明
暂无更多信息

2023年04月

2023年03月

正在加载, 请稍后...
暂无更多信息
  • 回答了问题 2023-04-28

    新技术浪潮来袭会影响你的个人选择吗？

    大数据技术是新技术浪潮的变革，也是时代发展主流方向。作为职场人员。能够切身感受到大数据给职场认识带来的快捷与便利。新技术浪潮的来袭，会直接影响到每一个人的工作，学习，生活的各个方面。 通过大数据管理可以很方便地实现人力资源管理，财务管理，运营管理等，而且需要的人员也不是很多，可以做到人力资源优化培训，降本增效的同时实现人力最优解。作为个人，学无止境。新技术的应用必然会开启新的技术产业革命。我们应紧跟时代步伐，朝着新道路不断进步。
    踩0 评论0
  • 回答了问题 2023-04-26

    开发者需要怎样的技术社区？

    在知识爆炸的当下，开发者需要一个能够提供广泛、及时、有用的知识和资源的技术社区。这个社区应该具备这几个特点： 广泛性：社区中涵盖的技术领域应该尽可能广泛，包括前端、后端、数据库、移动开发、网络安全等多个方面。 及时性：社区中发布的资源和信息应该尽可能及时，开发者能够及时获取最新的技术动态和开源代码。 有用性：社区中发布的资源和信息应该尽可能有用，能够帮助开发者解决实际问题，提高开发效率。 成长性：社区应该具有良好的成长性，能够不断吸引新的开发者加入，并促进社区内部的知识共享和交流。 管理性：社区应该有专业的管理团队，能够有效地组织和管理社区内部的资源和信息，确保社区的正常运行和发展。 对于开发者来说，加入一个好的技术社区可以帮助他们更快速地成长和发展，获取最新的技术动态和开源代码，解决实际问题，提高开发效率。因此，开发者应该选择一个能够满足上述要求的技术社区，并积极参与社区的建设和发展。 同时好的技术社区一般具备以下特质： 有明确的共同目标和愿景：好的技术社区应该有一个明确的共同目标和愿景，包括社区的使命、愿景、价值观等，以确保社区内部的凝聚力和一致性。 拥有一定的开放性和包容性：好的技术社区应该具有一定的开放性和包容性，能够吸引不同领域的开发者加入，并容纳不同观点和声音。 有完善的管理机制和规章制度：好的技术社区应该有完善的管理机制和规章制度，包括社区的规则、管理方式、版规等，以确保社区的稳定和有序。 提供有价值的资源和信息：好的技术社区应该提供有价值的资源和信息，包括开源代码、技术文档、知识库、案例分析等，以帮助开发者更快速地成长和发展。 能够积极回应用户反馈和问题：好的技术社区应该能够积极回应用户反馈和问题，积极改进和优化社区的功能和服务，提高用户的满意度和忠诚度。 对于开发者来说，好的技术社区可以帮助他们更快速地成长和发展，获取最新的技术动态和开源代码，解决实际问题，提高开发效率。因此，开发者应该选择一个能够满足上述要求的技术社区，并积极参与社区的建设和发展。 作为一个开发者，促进开发者与技术社区之间的知识共享，实现知识的沉淀流动和技术进步，总的来说可以从这几个方面展开： 编写技术博客：开发者可以编写技术博客，分享自己的经验、知识和见解，帮助其他开发者更好地理解和掌握相关技术。 参与开源项目：开发者可以参与开源项目，为项目做出贡献，与其他开发者合作，共同实现项目目标。 加入技术社区：开发者可以加入相关技术社区，与其他开发者交流、分享经验、挑战问题，并与社区管理员沟通反馈，推动社区的发展。 参加技术会议：开发者可以参加技术会议，了解最新的技术趋势、交流经验，拓宽视野，促进技术进步。 分享代码：开发者可以将自己的代码分享给其他开发者，让其他开发者在代码中学习和借鉴，共同进步。 持续学习：开发者需要持续学习新技术，更新知识库，不断提高自己的技术水平，为社区做出更多贡献。 通过以上方法，开发者可以与技术社区建立联系，分享知识，实现知识的沉淀流动和技术进步。同时，社区也可以通过反馈机制，帮助开发者改进技术，提高其在社区中的影响力和地位。
    踩0 评论0
  • 回答了问题 2023-04-11

    面向AI时代，产品如何用大模型重新升级？

    AIGC背后的生成式AI火爆以后，AI对各行业的冲击是显而易见的。 仅仅是一个Midjourney，就能替代原画设计、摄影师、模特等多种职业，何况还有Stable Diffusion、DALL-E等开源模型，以及更多科技巨头推出的自有AI绘图模型。 现在，AI绘画已经在设计、电商、艺术等领域掀起了滔天巨浪，关于效率、成本、优化、裁员等声音更是不绝于耳。 如果再加上可以生成多种形式内容的ChatGPT，生成式AI为各行业带来的震撼难以用言语形容。 各行业喜欢探索的研究者们，更是把这两个最前沿的AI工具玩出了花样，各种Prompt输出、各种角色调教、各种喂资料之后的反哺，带来的是这两个工具在各行业各场景应用后的效果与效率的鲜明对比。 在体验了ChatGPT和Midjourney之后，企业大佬们的表情是丰富的，更多的是集震撼、惊喜、担忧等情绪于一体。仅仅两个AI工具，就让他们对生成式AI佩服得五体投地。 于是在一片“啥也别说了，赶快用吧”的声音中，“ChatGPT+Midjourney+相应插件”的工具组合似乎成了企业对于前沿技术应用的“新标配”。 每月一百多美元付费订阅带来的是效率的翻倍增长与成本的急剧下降，由不得大家不去尝试。国内SaaS多少年没培养起来的用户订阅习惯，被这两个AI应用程序一下就搞定了。 尤其是在ChatGPT的插件商店推出以后，在官方插件和第三方插件的助力之下，ChatGPT冲破了网络束缚并且能够直接生成各种应用程序，易用性和适应性得到全方位提升。全新的交互和更多的功能让一众开发者高呼，AI技术重构系统和人机交互的时代已然来临。 自从ChatGPT推出以来，OpenAI的每一个动作都会造成行业巨震。偏偏OpenAI又是那么激进，十八般兵器和奇特招数一样又一样的连环使出。以至于马斯克都与千名科技人士签署公开信，呼吁暂停训练比GPT-4更强大的AI系统。就连美国科技伦理组织CAIDP，也要求禁止OpenAI发布新的商业版GPT-4。 在应用端感受到ChatGPT等生成式AI带来巨变的同时，技术端也无时无刻不在讨论它对技术、架构、产品、生态等带来的一系列影响，甚至会导致一些技术与产品的快速消亡。 RPA行业也是如此。对于这个基于抓取UI界面的UI自动化软件来说，如果未来生成式AI等技术所带来自然语言交互脱离了UI界面，RPA又该何去何从？智能自动化以及超自动化又会受到什么影响？ 01 UI界面没有了还需要RPA？ 生成式AI的火爆，引起了全行业对人工智能的探讨。技术领域也不例外，如何用AI重构企业信息化架构和系统，包括各种软件未来的发展走向都是热门话题。 AI对RPA的主要影响，落点于API自动化彻底取代UI自动化上。很简单的道理，以后基于自然语言的人机交互都不需要UI了，还需要用RPA去抓取吗？ 在API接口与UI自动化的发展上，相当一部分人认为，当API接口的开发可以通过AI实现自动化后，API接口的衔接自然也能通过AI自动化。 这就意味着，在接下来AI定义系统或者说大模型定义系统的时代，业态基础的逻辑改变了，就不再需要RPA这样的Ui自动化软件了。 简单地讲，接下来所有行业的企业数字化系统都面临着AI技术的架构重塑，目前的很多软件都要被新的基于AI技术及业务的逻辑所取代。 所以，微软宣布将Copilot引入到Microsoft 365后，在程序开发领域引起了巨大震动。 Microsoft 365 Copilot相当于OpenAI GPT大语言模型+Microsoft Graph+Microsoft 365。 Microsoft Graph是Microsoft 365中通往数据和智能的网关, 它提供统一的可编程模型，可用于访问Microsoft 365、Windows系统和企业移动性+安全性中的海量数据，利用Microsoft Graph中的大量数据针对与数百万名用户交互的组织和客户构建应用。 我们可以将Microsoft Graph看作Microsoft 365的API接口、数据存储传递窗口和云计算连接器，它可以实现AI大模型与办公应用的有效链接。 Microsoft 365 Copilot对RPA的冲击是不言而喻的，我的朋友苏州邮储银行RPA创新实验室创始人、微软技术俱乐部（苏州）执行主席、AIGC开放社区发起人潘淳认为： 微软在十年前开始布局的Microsoft Graph，正是目前Copilot的核心之一，它与GPT形成了一种绝配。 从Copilot来看，以Graph为代表的API+以GPT为代表的AIGC+以Power Fx（微软推出的类似 Excel 公式的低代码语言）为代表的TOOLS，将会成为企业级应用软件的主要形态。 RPA的核心逻辑是action+ Designer，action可以被api/tools替代，Designer可以被GPT替代，这样基于UI抓取的RPA这种软件就没有存在的必要了。 从技术发展角度而言，王吉伟频道非常认同这个观点。毕竟RPA之所以会出现是因为大量组织无法使用API实现集成自动化，才会用RPA通过UI抓取实现更多的自动化。RPA本身就是一种过渡性技术，对于已经存在20来年的纯RPA产品形态来说，这个时间已经足够长。 新技术的应用必然会淘汰旧技术，这个进程中有些产品因为过时而被抛弃。但另一方面，各种软件也会与时俱进。 以RPA来说，它在沉寂了十几年后重新焕发生命，正是因为融合了AI技术。RPA厂商并不是一味的围绕UI自动化做文章，他们在用AI技术巩固UI抓取的同时，也在用低\无代码等技术重构RPA产品架构与形态，并在API集成方面也下了很大功夫。 02 RPA在API方面的进化 API（Application Program Interface）即应用程序接口，是为应用程序可用以与计算机操作系统交换信息和命令的标准集。它定义多个软件中介之间的交互，以及可以进行的调用（call）或请求（request）的种类，如何进行调用或发出请求，应使用的数据格式，应遵循的惯例等。 可以将API看作一种软件中介，允许多个应用程序相互通信。当你使用某APP发送即时消息或查看手机上的天气时，都在使用 API。 API接口并不是新技术。2000年左右开始，随着ERP、CRM等企业内部管理系统的普及，各类系统沉淀了海量的关联数据，基于早期的数据库和http1.0通信协议，API开始在企业内部数据打通展露头角，系统集成进入API 1.0时代；2007年前后随web2.0时代到来，进入API 2.0时代；2015年后云服务主导了企业服务市场，进入了API 3.0时代。 现在，我们已经处于API 3.0的后时代。 过去只要提到API，大部分人对它的基本印象就是价格高、难度大。曾经Salesforce、SAP、Oracle等厂商的API接口授权费用贵得吓人，一些老旧但不得不用的软件系统并没有API，开发API更是个费钱费力费时但ROI不一定高的大型项目。 以前传统的集成自动化仅是现金流充沛的大型企业的专利，也逼迫着广大中小型企业不得不想其他办法替代基于API的自动化，能够实现UI自动化的RPA应需而生。 RPA的主要功能是UI自动化，但RPA并不排斥API接口。比如UiPath在集成服务方面很早就推出的integration service功能，可以把很多套装软件的API集成进来，用户可以在同一个平台上既可以通过用户界面、也可以通过API去操控目标对象。 为了提升集成能力，UiPath还在2021年就收购了API集成平台Cloud Elements，这是一个可以拿来即用的套装成熟的软件，为UiPath带来了200个以上的常用的connector（比如Box、Gmail、Google Docs、Google Drive、Oracle NetSuite等）。 UiPath这个做法带动了一大批厂商探索API集成，而擅长API的厂商所打造的RPA产品优势便在于API自动化。 等到这几年超自动化（Hyerautomation）横空出世以后，很多厂商尤其是RPA厂商都引入了超自动化架构。超自动化是一个技术合集，用于为企业提供端到端的自动化服务。 正是因为它囊括几乎目前已知所有自动化相关的技术，才使得集成变得更加重要。API能够提供更加稳定高效的自动化，但目前UI自动化也是不可或缺，所以超自动化平台更注重集成能力，或者说是同时集成API与UI的能力。 因此在2022年的魔力象限报告（MQ报告）中，Gartner预测到2024年，95%的RPA供应商将通过API与UI集成提供自动化。包括集成供应商和大型软件供应商在内的更多RPA厂商，正在成功推广API优先的流程自动化方法。UI抓取和API优先自动化，能够为客户提供更广泛的自动化能力。 这个数据，既让我们看到了API对于今后RPA产品的重要性，也体现了API与UI集成对于RPA的必要性。 2021年开始，在大公司对于API的各种动作以及各种趋势报告的影响下，广大RPA厂商以及拥有RPA业务的相关厂商都在通过自研、收购以及生态合作等方式，积极布局各自的UI与API集成。 当然，之所以这样做是因为足够大的市场需求。 03 API统一管理系统的进程 生成式AI对各行业的冲击很大，主要表现在其对业务流程的颠覆上。很多业务流程由原来的多个节点直接变为更少的节点，多种业务场景业务节点的减少，意味着原来的自动化流程也不需要了，RPA等应用场景也会随着减少。 并且如前文所讲，以ChatGPT等为代表的生成式AI会在接下来重构企业技术架构，基于AI模型层的各种自动化应用会取代现有的RPA，未来AI操作系统所带来的新型人机交互会替代现在所有的UI交互。 但这个进程不会那么快。企业基于RPA、低代码、BI、iBPMS、BPA等建立起来的复杂自动化流程不会轻易被生成式AI锁取代，并且短期内生成式AI还无法替代ERP、CRM、HCM等企业运营的核心数字化系统。 RPA的兴起，很大程度在于它的连接功能与粘结特性上。企业经过多年构建起来的复杂、异构的业务与数据的管理系统，目前而言想要完全通过API来解决集成与自动化问题是很难的。通常一家中型企业内部的应用系统就有100多个，大型企业的应用甚至多达1000个以上，不可能所有应用都有API接口。 另一方面，企业更会衡量开发API以及投入一项技术的ROI，他们会在运营需求、资金投入、开发周期、实施效果等多方面进行考量。如果RPA能够以更便宜的价格和更稳定运行解决这个问题，至少现在不用考虑开发API了。并且对于大部分中小型企业而言，一些RPA产品所提供的API服务已经足够满足需求。 而现在RPA厂商所提供的企业级端到端自动化解决方案，已经足够稳定。因此，在系统集成与自动化这件事上，目前大部分企业都是API+UI的融合解决方案。这也是为什么Gartner预测今后RPA厂商都会通过API与UI集成向用户提供自动化的原因，它来自于用户切实的需求。 这个需求所造就的市场有多大？可以看看下面的数据。 Gartner预测，到2022年，全球90%的大型组织将以某种形式采用RPA，他们希望通过弹性和可扩展性，对关键业务流程进行数字化赋能，同时重新分配人力资源保持充足的劳动力。到2024年，大型组织现有RPA产品组合的容量将增加两倍。 在另一份报告中，Gartner预测，到2024年，组织通过超级自动化将降低30%的运营成本。到2025年，超级自动化市场规模将达到8600亿美元，年复合增长率为12.3%。 这两组数据中，都能看到RPA的身影，同时也展示了未来几年RPA的市场情况。 因此，从应用市场来看，即便现在的API技术越来成熟，对于已经成型的超自动化大市场，想要彻底取代UI自动化或者RPA实现应用迭代也需要一段时间，往后看几年内实现的可能性并不大。 所以，王吉伟频道认为，在在未来至少5年或者更长的时间里，大部分企业的数字化系统都会是UI界面与基于API的自然语言交互并行的状态。 04 人机交互自动化层 从人机交互的角度而言，自从更简单的自动化技术出现后，原有的基于API的系统集成，在RPA等流程自动化的连接之下，人机之间已经多了一个基于自动化的人机交互层。 广大组织尤其是欧美企业已将RPA、低代码、BPA、BPM等软件应用通过UI、API、iPaaS以及更多云技术与各种企业管理软件的嵌入、集成、连接和融合，打造了一个存在于PaaS和SaaS之间包括业务中台的人机互动自动化操作层，现在超自动化技术架构的影响下可以称之为超自动化层。 在自动化优先思维的影响之下，现在欧美大部分企业的应用是基于自动化构建的，即让每个应用都具备自动化执行的能力以及自动化创建各种应用，自动化基因充斥于程序创建、应用与维护的全生命周期。就像微软、谷歌等推出的集成RPA工具的低代码平台，目的就是让自动化遍及业务流程从创建到执行的各个角落。 让自动化充斥于每个应用，显然对于业务流程自动化有着莫大的助力，更便于广大组织基于业务流程优化实现数字化转型。现在，国内更多的组织同样也已意识到自动化思维以及自动化层的重要性，正在通过引入超自动化、RPA卓越中心等构建与巩固其自动化操作层。 看到这里，大家应该已经意识到，RPA或者说智能自动化所做的连接的事情，目前而言生成式AI是无法替代的。而整个人机交互自动化层，也不是生成式AI都能实现的。至少在API+UI所构成的自动化层彻底被API取代之前，RPA这个物种不会消失。 同时从投入产出而言，与正在兴起的生成式AI技术相比，更成熟的RPA技术仍旧是更简单且成本更低的业务流程自动化解决方案，更易于本地部署，也不需要微调AI模型，更适合于广大中小型企业。 此外，目前生成式AI所表现出的不稳定性以及无法解决的版权等问题，也使得更多企业还处在观望之中，不敢大举引入。 另一方面，RPA也一直在与时俱进。 现在国外大部分RPA产品都已经集成了GPT，有的厂商也已经推出基于其他大模型的插件，国内厂商也已经有官宣集成GPT以及文心一言的。这意味着，引入RPA技术就可以同时部署两种技术。 目前RPA与ChatGPT协同应用的场景之一，就是通过与ChatGPT交互调动自动化层的运作，这是一种将两者结合的直接有效的解决方案。 已经有很多案例证明，生成式AI与RPA协同是企业用于提升效率的最佳方案。融合生成式AI技术的RPA，也能让广大企业能够以更简单的方式和成本去使用这些技术。 通过与各种人工智能技术的融合，现在的RPA也早已不是曾经的UI自动化工具。 05 技术成熟度曲线上的生命周期 从Gartner技术成熟度曲线，也能看出基于RPA的智能自动化未来发展的一些端倪。 下图是2022年人工智能技术成熟度曲线。我们可以看到，生成式AI已经进入曲线的第二阶段期望膨胀期，距离生产成熟期需要的时间是2-5年。 虽然这个曲线没有出现RPA以及超自动化，但我们可以从智能机器人（Smart Robot）、自然语言处理（natural langugge processing）、AI云服务（AI clound services）、深度学习（deep learning）、智能应用程序（intelligent applications）等技术中看到它们的身影。 其中智能机器人处于第二阶段，技术成熟期为5-10年，比生成式AI的技术成熟期还要长，说明这项技术仍然会有很多的技术融合以及变数在其中。 融合AI技术的RPA可以算是智能应用程度，同时它也是创造智能应用程度的平台。智能应用程序则处于第四阶段的稳步爬升恢复期，意味着它已经受住市场考验，确实是市场需要的技术。 至于其他几项技术，超自动化已经包含了它们。这些技术目前都处于第三阶段泡沫破裂低谷期，技术成熟期都是2-5年。 通常而言，多次出现于曲线的技术越处于后面的阶段代表应用时间也越长，而期望值下降也是因为企业已经引入相关技术，大家对此早已司空见惯，但也意味着更大的市场渗透率。 人工智能技术成熟度曲线，反映出了与AI技术融合的RPA、智能自动化、超自动化等更长的生命周期。这也意味着，API+生成式AI+tools可能不会在短短几年内取代基于RPA的自动化。 当然，还有一个重要的原因在于，在AI技术取得突破的这几年，RPA的进化迭代速度也是无比的快。 06 人工智能重构的RPA Gartner曾有一个预测数据，到2022年，部署机器人流程自动化的组织中有65%将引入人工智能，包括机器学习和自然语言处理算法。 现在看来，广大组织对于AI技术要热情得多。 近几年RPA之所以会火爆，是因为它融合了人工智能技术。当代的RPA，其实已经不算是纯UI自动化工具，AI技术的引入改变RPA的产品逻辑。 比如NLP和OCR的应用就让RPA的应用场景大大增加，而IDP的应用的则让RPA对文档的理解与提取能力翻了数倍。 尤其是人工智能技术起家的AI厂商，他们通过从AI技术角度考虑RPA产品的技术架构、产品形态以及未来走向，就会有一些创新且别致的RPA产品走出来。 以国内RPA厂商为例，比如有些厂商会在产品架构中都加入了一个AI能力产品，在来也科技这个产品叫作UiBot Mage，在弘玑Cyclone这个产品叫AI技能引擎，很多厂商亦有同类产品。 这类产品一般是构建定制化AI能力的工作台，集数据处理、数据标注、模型开发、训练及发布于一体，用于联动RPA以让其更加智能。 有的厂商，已经用AI技术重塑RPA产品架构。比如实在智能推出的基于智能屏幕语义理解技术的实在RPA 6.6.0 ，进一步实现了RPA的人人可用。 还有些RPA产品，开始构建产品时就是基于AI以及API技术去做的。比如容智信息的0代码RPA就是基于AI技术实现的，还有自然机器人所打造的AutoPaaS模式产品，也是在人工智能以及融合API技术的基础上实现的。 现在的RPA产品，基本都采用了超自动化架构，因此产品矩阵都会包含对话机器人、流程挖掘等产品。这两类产品同样都是AI技术的产物，没有AI就没有现在相对完备的产品形态。 超自动化作为包含RPA、低代码开发、流程挖掘、OCR、NLP等在内的技术合集，将多种技术与产品融合为一体服务用户。通过集成API和UI，融合各种技术为用户提供更加稳定高效的端到端自动化，目前而言所包含的每一种产品都一定程度上应用了AI技术，或者本身就是在AI技术基础之上构建的。 超自动化是一个可以容纳任何与RPA相关联技术的技术合集，所以生成式AI火爆以后，RPA厂商们都迅速引入了这项技术。 之前我们介绍过海外RPA产品引入ChatGPT的情况，就在前两周又有6家厂商引入的生成式AI技术。其中国内几家厂商，九科信息官宣了集成ChatGPT，影刀则引入了文心一言，达观数据则正在研发自己的AI大模型“曹植”系统。 某种程度上，引入生成式AI或者自研AI大模型，RPA也成了AI模型层上的产品。 生成式AI所带来的更直接的自动化和灵活性，正好可以弥补基于RPA自动化的不足，同时可以通过自然语言以及生成数据助力RPA更高效的优化业务流程，两者相辅相成，可以为广大组织提供更直接、高效、便利的流程自动化。 这些都在表明，当代RPA属于融合AI的自动化新物种，从发展开始AI就在不断对其进行重构、改变和优化。 后记：RPA的未来在哪里？ RPA与AI的技术融合，造就了今天的智能自动化与超自动化。在AI发展的同时，RPA也在持续进化。 基于RPA的智能自动化已经成为企业系统软件之一，由超自动化所打造的人机交互自动化层将会成为组织运营的数字化主体，未来所有技术与软件都会在这个自动化层上衍生与发展，包括生成式AI技术，以及未来更多的新技术。 在更多AI技术的加持之下，RPA会进化成什么样，现在来看仍是个未知数。经过这几年的发展，如今在主打超自动化厂商的身上，RPA的标签已经逐渐淡化了。可能未来5-10年，RPA会完成它的使命，而RPA厂商也将进化或者转型成为更加智能的自动化厂商抑或其他。 其实欢换个角度来看，RPA也就是智能自动化或者超自动化的切入点，它仅是广大厂商进入自动化领域的一个入口罢了。相对于未来自动化的星辰大海，RPA仅是自动化发展进程中的一颗微小星辰。 RPA终究会消亡，但自动化将却是人类持续追逐的目标。 某种程度上，自动化寄生于懒惰，而懒惰正是人性七宗罪之一。所以，有人的地方就会有江湖，而有江湖的地方就不会缺少自动化。 未来AI无处不在的时代，现在流行的大部分技术和产品都会被贴上一个“过渡性”标签，都会因被取代而消亡。
    踩0 评论0
  • 回答了问题 2023-04-10

    中小企业如何选择云服务？

    中小企业尤其是初创企业，在云计算蓬勃发展的今天，考虑都便捷和成本，云应用会是企业的首选。大概会使用到如下的云服务。 1、企业建站服务，比如阿里的自主建站服务，类ppt操作自助搭建，低成本快速建站，SaaS系统自动部署阿里云计算资源集群，阿里云计算服务，保障网站快速稳定。其中这里面也会涉及到域名解析服务。 2、企业邮箱服务，比如阿里云邮箱，可以与钉钉深度融合，邮件也可以看已读未读，就像聊天一样简单高效，邮件发送到聊天里方便提醒和讨论，员工只要打开钉钉即可使用企业邮箱及更多智能移动办公应用，支持手机和电脑端。 3、计算类服务，包括云服务器ECS、云负载SLB，企业的业务应用需要部署在云上的服务器，就必须使用的ECS，同时也会引入云SLB保障了业务入口的通畅，高并发流量通过SLB做负载均衡，分发到后端多台ECS上来提升应用系统的服务能力，在消除了单点故障提升可用性的同时，为系统提供了横向扩展的能力。 4、存储类服务，比如云数据库RDS等，企业可以根据自己的业务需求，来选择各种云上数据库来满足存储。网盘与相册服务，对象存储OSS、文件存储NAS/CPFS等等，企业用户可以通过互联网随时随地访问和管理自己的数据。 5、安全类服务，比如云WAF，针对提供对外服务的企业，不过是web端还是APP端，接入层都是https，这就需要部署WEB应用防火墙（WAF）来对系统对外服务WEB应用和API进行保护，主要防护以应用系统为入口的攻击方式。还有DDOS、防火墙、入侵检测、漏洞扫描、数据加密和身份认证等多种云安全服务。可以帮助企业保护自己的网络和数据安全，提高安全性和可靠性，并且降低了成本。 6、桌面类服务，比如无影云桌面，可广泛应用于具有高数据安全管控、高性能计算等要求的金融、设计、视频、教育等领域，适用于多种办公场景，如远程办公、多分支机构、安全OA、短期使用、专业制图等。 企业用户在上云方面，会更加关注数据安全、合规问题、云厂商的服务水平、投入成本、是否会被云厂商绑定等。 阻碍企业上云大概有这几个方面：1、业务复杂不合适部署在云环境；2、数据及其敏感；3、迁移成本过高；3、业务连续性的保障问题；4、法律法规的监管。
    踩0 评论1
  • 回答了问题 2023-04-10

    乘风问答官4月排位赛开启！话题、问题双赛道，AirPods 3等你赢！

    快来参加
    踩0 评论0
  • 回答了问题 2023-04-10

    聊聊你和Java的故事

    1、在Java问题排查方面，我有以下几点建议和经验： 1.1 代码审查和调试： 使用IDE（如IntelliJ IDEA或Eclipse）的调试功能逐行调试代码，查看变量值，了解代码执行过程。 使用System.out.println()或日志库（如log4j或SLF4J）打印关键变量值，以便于观察程序执行状态。 1.2 异常处理与日志记录： 对可能出现的异常进行捕获，并记录详细的异常信息和堆栈跟踪，以便于分析问题原因。 使用合适的日志级别，如：DEBUG、INFO、WARN、ERROR等，按需记录日志信息。 1.3 性能分析与优化： 使用JProfiler、VisualVM等性能分析工具，分析CPU使用率、内存占用、垃圾回收等情况。 分析代码中的瓶颈和低效代码，对算法和数据结构进行优化。 1.4 外部依赖排查： 检查第三方库的版本兼容性和依赖关系，确保正确引入。 查阅官方文档和社区资源，了解可能存在的已知问题及解决方案。 1.5 单元测试与集成测试： 编写针对关键功能的单元测试，确保代码质量。 进行集成测试，验证各模块之间的协同工作。 2、在Java并发编程中，可能遇到的难题有： 2.1 竞争条件（Race Condition）： 在多线程环境下，多个线程同时访问共享资源时可能导致不正确的结果。解决方法：使用同步机制（synchronized关键字或Lock接口实现）来保证线程安全。 2.2 死锁（Deadlock）： 多个线程在获取资源时相互等待对方释放资源，导致程序陷入无法进行的状态。解决方法：避免循环等待资源，使用锁顺序、锁超时等策略。 2.3 活锁（Livelock）： 多个线程在执行过程中，因为相互干扰而无法继续执行。解决方法：引入随机化处理，避免多个线程同时尝试执行相同操作。 2.4 资源不足（Resource Starvation）： 某个线程无法获得足够的资源，导致无法完成任务。解决方法：设置合适的线程优先级，使用公平锁，确保资源公平分配。 2.5 性能瓶颈（Performance Bottleneck）： 并发编程中，共享资源的访问可能导致性能瓶颈。解决方法：尽量减少共享资源的使用，优化数据结构和算法，降低锁粒度，采用无锁数据结构等。 2.6 线程泄漏（Thread Leak）： 线程创建后未被正确结束，导致系统资源耗尽。解决方法：确保线程在完成任务后能够正确终止，使用线程池来管理线程资源。 2.7 错误的线程同步： 错误地使用线程同步机制可能导致程序行为异常。解决方法：确保正确使用synchronized关键字、ReentrantLock、Semaphore等同步工具，遵循Java内存模型规范。 2.8 并发安全性问题： 在并发编程中，可能出现数据不一致、内存可见性等问题。解决方法：使用volatile关键字、原子操作类（如AtomicInteger、AtomicReference等）以及锁机制来保证并发安全性。 2.9 线程间通信： 多线程之间需要进行协作和通信。解决方法：使用wait()、notify()、notifyAll()等方法进行线程间通信，或使用高级并发工具如BlockingQueue、CountDownLatch、CyclicBarrier等。 2.10 线程管理与调度： 合理地管理线程资源以提高系统性能。解决方法：使用线程池（如ExecutorService、ThreadPoolExecutor等）来管理线程资源，设置合适的线程优先级、核心线程数和最大线程数等参数。 在解决Java并发问题时，充分理解问题背景和需求，选择适当的同步机制和并发工具，确保代码的可靠性、安全性和高性能。同时，充分利用文档、教程和社区资源，提高自己的并发编程能力。
    踩0 评论0
  • 回答了问题 2023-04-06

    【藏经阁一起读（49）】读《Serverless 技术解析与落地》，你有哪些心得？

    《Serverless 技术解析与落地》是一本由阿里云 Serverless 团队编写的电子书，旨在为读者介绍 Serverless 的概念、发展、价值和实践。本书从技术理论到方法指导，涵盖了 Serverless 的各个方面，包括 Serverless 的软件架构、平台组件、应用场景、落地案例等，帮助读者打开思路、降低学习成本、精进技术、实现从入门到上手 Serverless 的丝滑进阶。 作为一名对 Serverless 感兴趣的开发者，我认为本书是一本非常值得阅读的参考资料。本书不仅有深入浅出的理论讲解，还有丰富的实战案例和操作指南，让我能够更好地理解和掌握 Serverless 的核心原理和优势。通过阅读本书，我了解到了 Serverless 是云计算的 2.0 版本，是云原生发展的高级阶段，是未来云计算的默认计算范式。我也了解到了 Serverless 可以为各行各业的业务带来弹性伸缩、按需付费、简化运维等核心价值，提升研发效率、降低运营成本、增强业务竞争力。我还了解到了 Serverless 在音视频处理、轻量 ETL、事件驱动、任务跑批、应用托管、微服务容器化等场景下的广泛应用和成功案例，让我对 Serverless 的落地实践有了更多的启发和信心。 总之，《Serverless 技术解析与落地》是一本全面而实用的 Serverless 电子书，对于想要了解和学习 Serverless 的开发者来说，是一本不可错过的好书。我非常感谢阿里云 Serverless 团队的辛苦付出和无私分享，让我能够从中受益匪浅。我也期待未来能够看到更多关于 Serverless 的优秀作品和创新成果。
    踩0 评论0
  • 回答了问题 2023-03-31

    压力来临时，你会怎样化解？

    压力无处不在，作为一名互联网公司的一名管理者，我曾经遇到过许多具有挑战性的事情和时间段。在我的工作经历中，以下事情让我感觉压力特别大。 第一，公司处于快速增长和扩张阶段时是最具有挑战性的。在这种情况下，我们需要管理和领导大量的员工及各个部门，并且需要有一个迅速和高效的流程来管理和支持增长。这时，我会积极面对挑战，推动和协调各个部门的合作，并且开发出最佳方案使团队的目标得以实现。 第二，公司面临的战略性转型是另一个具有挑战性的事情。在这种情况下，我需要与高层管理人员合作，为公司确定一个新的发展方向。这往往需要精心策划、大量的市场调查和跨部门合作。在这种情况下，我会充分利用我自己和其他团队成员的技能和知识，以确保我们完成转型过程中的每一个阶段。 第三、商业环境的变化。在这种情况下，快速的适应新的环境对公司的生存和繁荣至关重要。这时，我会密切关注市场和客户需求，并且尽可能地了解我们竞争对手的动态。我会与各个部门合作，通过开展市场推广活动、优化产品、降低成本等方式，使公司更好地适应外部环境。 第四、危机处理也是一种需要应对的情况。在遇到公司内部突发状况或风险时，我会尽快集合有经验和能力的团队成员，采取必要的措施来确保公司业务的连续性。我会领导团队与其他相关方进行沟通，并在危机得到解决后总结整个过程，以便更好地准备和应对未来的风险和事情。
    踩0 评论0
  • 回答了问题 2023-03-30

    如何评价GPT-4？

    简单的说GPT4基本达到了GPT系列最初的设计目标，要了解GPT4就要从GPT的初心谈起。GPT系列的设计目标是多任务的通用AI，而达到这个目标的技术手段是生成式预训练Generative Pre-Training加上差异性微调Discriminative Fine-Tuning。多任务通用AI是相对当时主流的单任务专用AI，也即专用于图像处理的CNN和专用于语言处理的RNN/LSTM等。Google 发明的Transfomer为之提供了理论基础，Transfomer最初是利用Attension的并行处理能力来取代RNN的串行处理，后来发现Attension机制可以完美模拟CNN，这就使通用处理图像和语言成为现实。GPT为强调生成能力，Transformer简化为Decoder only，而Google则在保留Encoder+Decoder的基础上侧重Encoder only的BERT。 GPT系列从最初就认识到实用通用AI还必须针对具体任务进行差异性微调。实用通用AI系统必须经过两个阶段，一是无人工的预训练形成通用核心模型，二是针对具体任务微调，通常需要人工参与优化。这个方法在GPT2就已经成型，限于模型太小，实际效果逊于各种专业AI，但表现出很好的成长性，也即随着模型大小的增长，效果有很好的增长。在GPT3时终于化蝶，GPT3是一个20倍于竞争对手的大型通用核心模型，通过差异性微调而形成的ChatGPT应用则举世皆惊，其他微调任务如GitHub Copilot，DALLE等也有很好效果。 GPT4相对GPT3最大的进步是从单模态发展为多模态（GPT4资料太少，以下多模态分析只是个人推测）。GPT3时，为特定任务进行微调会直接改变核心模型，为聊天优化的ChatGPT的模型和为代码生成优化的Github Copilot模型都是独立的模型。而多模态的GPT4在微调时不会改变核心模型，而是仅仅改变特定任务所对应的适配模块。在为聊天任务微调时改变的只是聊天适配模块，各种适配模块互相独立，象插件一样加入最终模型，于是一个单一大模型可以通用处理各种不同AI任务，在各种图像，文字，代码间做出令人叹为观止的效果。GPT4其它已知特点还有对图像处理和法律知识的极大加强，画师和律师要夜不能寐了。在上述大模型的极简介绍中，最关键因素是无人工预训练所使用的训练数据的数量和质量，也是我认为应由中央出面组织现代永乐大典的原因。
    踩0 评论0
  • 回答了问题 2023-03-30

    写code还是做管理，开发者如何进行职业规划？

    开发者可以根据自己的兴趣和技能，进行职业规划。如果喜欢写代码和解决技术难题，可以考虑成为一名专注于技术的工程师或架构师。在这个角色中，可以开发高质量的代码，解决技术问题，同时也可以为管理层提供技术建议。 如果喜欢管理和领导团队，可以考虑成为一名项目经理或产品经理。在这个角色中，需要协调各个团队成员的工作，确保项目进度和质量，同时也需要与高层管理者沟通，帮助他们制定项目的战略规划。 当职业规划不确定时，可以尝试不同角色的工作，从而了解自己的优势和兴趣所在。可以寻找一些管理和领导能力的机会，例如参与更大型的项目、领导团队等。 简单来说包含下面几点： 1、了解自己的技能和兴趣：作为开发者，了解自己的技能和兴趣非常重要。你需要知道你擅长什么，对什么感兴趣，这样才能决定什么方向最适合你的职业发展。 2、持续学习：技术变化日新月异，不断学习更新的技术知识非常重要。开发者应该把自己的技能与市场需求进行匹配，为自己的职业道路做好准备。 3、探索不同的职业路径：开发者应该尝试不同的职能职位，例如技术经理，产品经理等等，以便能够更好地了解自己在哪个职业领域更有天赋。 4、建立专业网络：在行业内建立广泛的人脉网络可以帮助开发者获取更好的职业机会，也可以通过与同行互动获得更多的技术知识和灵感。 不管采取哪种方法，记住永远保持对技术的好奇心和探索精神，随时关注行业趋势，持续学习和提高自己的投入度
    踩0 评论0
  • 回答了问题 2023-03-28

    3.31世界备份日：你都在使用哪些备份方式？

    今天我就分享一下利用网络把重要的文件随时带在身边，而完全抛丢U盘、硬盘的束缚。在各种免费成为主流的今天，我们利用各种”云“而轻松把文件带着走。 方法一 云文档 如果你是办公一族，难免会面对各种各样的文件、表格，这些文件使用频率相当高，怎样让这些文件随身带，随身编辑呢？我们利用wps办公软件，利用微登录后，你编辑过的文字、表格会自动漫游、自动保存，走到哪里都可以使用文件。 方法二 云盘备份 如果你觉得第一种方法你不喜欢，那可以使用QQ微云、百度网盘。把各种文件上传到网盘，稳定、方便快捷，想要文件的时候下载下来即可。手机端的微云、百度云还可自动备份手机通信讯及照片，非常方便，而且还是免费的，此种方法适用于大文件，单个文件在4G以上的大文件适用。 方法三 邮箱备份法 如果你说，我没有微云、网盘怎么办？那邮箱你一定有吧！你一定会发邮件吧！就要会发邮件就会利用邮箱备份。怎么备份，把重要的文件作为邮件附件发出去就行了，发给谁？自己发给自己！自己发给自己邮件也就实现的备份，是不是相当简单。
    踩0 评论0
正在加载, 请稍后...
滑动查看更多
正在加载, 请稍后...
暂无更多信息