<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0">
    <channel>
        <title>AI Engineering Radar</title>
        <link>https://liuminxin45.github.io/ai-engineering-radar</link>
        <description>国内公司技术博文索引</description>
        <lastBuildDate>Mon, 02 Nov 2026 09:56:30 GMT</lastBuildDate>
        <docs>https://validator.w3.org/feed/docs/rss2.html</docs>
        <generator>https://github.com/jpmonette/feed</generator>
        <language>zh-CN</language>
        <copyright>文章及摘要版权归原作者；本站只提供索引。</copyright>
        <item>
            <title><![CDATA[LakeAgent：DWS数据仓库的第二大脑，告别 “翻译式运维”，迈入智能自治时代]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/84a0158ab91880b7b015/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:84a0158ab91880b7b015</guid>
            <pubDate>Mon, 02 Nov 2026 07:08:29 GMT</pubDate>
            <description><![CDATA[和普通 SQL 改写工具不同，LakeAgent 自动做多方案代价对比，主动规避负优化陷阱：补充分区键过滤实现剪枝，扫描分区由 37 收敛至 1，执行代价从 758.28 降至 113.74；未来的数据仓库，将不止能算、能存，更能看懂自己、诊断自己、理解自己。长久以来，数仓的智能都依附于人：信号需要人解读，瓶颈需要人研判，经验困在个体里，无法随底座永续生长。CPU 高、CPU 告警、CPU 诊断、CPU 使用率过高、CPU 满。语法、错误码、计费、性能调优、最佳实践、故障处置等全场景内容。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/169842070]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[腾讯TGR：以生成式范式重塑推荐系统]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/597c3a473f867aec1441/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:597c3a473f867aec1441</guid>
            <pubDate>Fri, 30 Oct 2026 09:36:48 GMT</pubDate>
            <description><![CDATA[作者：李裕东、王云龙、朱俊璋、庞雲升、苏宏阳工业级推荐系统长期依赖"召回–粗排–精排–重排"级联架构，却面临三大结构性瓶颈：模型缺乏规模效应，算力与参数增加后效果饱和；逐条打分、逐级截断，难以刻画整屏列表质量；冷启动、长尾和意图模糊场景表现欠佳。为此，我们提出生成式推荐技术栈 TGR，沿生成式排序（GenRa...

来源：腾讯 · 原文：https://news.qq.com/rain/a/20261030A0B2KI00]]></description>
            <author>腾讯技术工程</author>
        </item>
        <item>
            <title><![CDATA[如何使用RDS Supabase后端BaaS能力：文件存储（File Storage）]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/dfe54d801157cfd78b24/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:dfe54d801157cfd78b24</guid>
            <pubDate>Fri, 30 Oct 2026 08:46:50 GMT</pubDate>
            <description><![CDATA[• product-images（公开桶，允许公共读取）：策略名称"Public read for product-images"，允许SELECT，目标角色anon，策略定义bucket_id = 'product-images'。上传/删除需另配INSERT/DELETE策略，详见SQL。• product-specs（私有桶，仅认证用户访问自己的文件夹）：建议拆为上传、读取、删除三条策略，策略定义均为 bucket_id = 'product-specs' 且仅限本人文件夹（详见下文 SQL）。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/169560076]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[Visa持卡人请查收！你的专属Token福利来了！]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/8fa81c43d706d6fba4ef/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:8fa81c43d706d6fba4ef</guid>
            <pubDate>Thu, 29 Oct 2026 14:25:14 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：百度 · 原文：https://blog.csdn.net/2301_82040283/article/details/169465827]]></description>
            <author>2301_82040283</author>
        </item>
        <item>
            <title><![CDATA[如何使用RDS Supabase后端BaaS能力：实时订阅与推送（Realtime）]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/51b067ab3322c985f91f/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:51b067ab3322c985f91f</guid>
            <pubDate>Thu, 29 Oct 2026 09:06:38 GMT</pubDate>
            <description><![CDATA[Realtime 把数据库的每次变更同步到客户端：表里增、删、改一行，订阅者无需刷新页面或主动请求即可秒级收到。三大能力各司其职：• Postgres Changes — 监听表的 INSERT/UPDATE/DELETE，变化即通知• Broadcast — 客户端之间直接互发，适合瞬时通知、协同编辑• Presence — 跟踪频道里“谁在线”典型场景有实时数据展示（订单、库存、监控指标即时刷新）、即时通讯（消息收发、在线名单、“对方正在输入”）、协同编辑与实时通知。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/169460918]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[AI Agent如何通过MCP连接到华为云RDS Supabase应用平台]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/81b4000bdd1b0231ca87/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:81b4000bdd1b0231ca87</guid>
            <pubDate>Thu, 29 Oct 2026 08:45:15 GMT</pubDate>
            <description><![CDATA[Schema元数据列出所有可访问的表（按schema分组）。Schema元数据列出表的列及元数据（类型/默认值/约束）。Schema元数据列出所有约束（PK/FK/UNIQUE/CHECK/EXCLUDE）。可按schema/表/类型过滤。Schema元数据列出所有外键关系。可按schema/表过滤。Schema元数据列出所有索引及定义和大小。可按schema/表过滤。Schema元数据列出已应用的数据库迁移记录。Schema元数据列出已安装的PostgreSQL扩展。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/169460595]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[KDC 全景：从现实到反馈的完整工程模型 ｜KDC 系列 05]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/1a2b8522d993a09cd6b9/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:1a2b8522d993a09cd6b9</guid>
            <pubDate>Thu, 29 Oct 2026 03:33:55 GMT</pubDate>
            <description><![CDATA[KDC 试图把领域现实、数字表示、知识、记忆、推理、技能、能力、行动和反馈组织成一条连续的业务因果链。本文给出 Reality-to-Feedback 闭环以及对象化、运行时化、治理化三层工程模型，同时区分已验证实践、理论推导和开放问题，说明企业如何从一个高影响业务闭环开始渐进采用。

来源：vivo · 原文：https://blog.csdn.net/vivo_tech/article/details/169448596]]></description>
            <author>vivo_tech</author>
        </item>
        <item>
            <title><![CDATA[Jev 实战：为AI工作流引入轻量决策层 x10倍提速｜得物技术]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/4cd6e267d7ca360e944e/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:4cd6e267d7ca360e944e</guid>
            <pubDate>Thu, 29 Oct 2026 02:45:34 GMT</pubDate>
            <description><![CDATA[前段时间Jev挺火。我一开始也以为它是又一个新模型，实践之后才发现它的与众不同！它是一个可以在AI工作流中，工程化地实现轻量决策层的工具，帮助流程降本提效！

来源：得物 · 原文：https://developer.cloud.tencent.com/article/2771331]]></description>
            <author>得物技术</author>
        </item>
        <item>
            <title><![CDATA[从知识沉淀到编程范式：AI Coding 项目冷启动落地实践]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/87fd3515075d66cadf5c/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:87fd3515075d66cadf5c</guid>
            <pubDate>Thu, 29 Oct 2026 02:39:59 GMT</pubDate>
            <description><![CDATA[本文基于 SmartFlow 实践，提出存量业务 AI Coding 冷启动方法：从历史代码和需求中沉淀可复用 Skill，新需求通过规格化、评审、受控实现、验证联调与知识回写闭环交付，降低协同开发成本，推动 AI 成为持续积累的团队资产。

来源：vivo · 原文：https://blog.csdn.net/vivo_tech/article/details/169441251]]></description>
            <author>vivo_tech</author>
        </item>
        <item>
            <title><![CDATA[如何在“不能出错”的系统里使用 AI Coding？分布式存储实践与边界]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/b08f5483cf471e3bda76/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:b08f5483cf471e3bda76</guid>
            <pubDate>Wed, 28 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[本文结合美团基础技术部在 AI 评审、问题排查和自动化开发中的真实实践，分享 AI 能帮上什么忙、容易在哪些地方犯错，以及哪些地方仍需要人来把关。比「多写代码」更重要的，是让代码和结论经得起验证。

来源：美团 · 原文：https://tech.meituan.com/2026/10/29/AI-Coding-IN-Distributed-Storage-System.html]]></description>
            <author>美团</author>
        </item>
        <item>
            <title><![CDATA[阿里云刚发布的 AgentCore 有何不同？]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/87e8d8f039ae177dc45a/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:87e8d8f039ae177dc45a</guid>
            <pubDate>Wed, 28 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1776525]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[云效工作项智能优化：先澄清，再开工]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/290d122fad3a08b0de65/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:290d122fad3a08b0de65</guid>
            <pubDate>Wed, 28 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1776498]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[网易智企 Agent 落地实践：数据底座五层架构、3.7万任务治理，问答准确率半年66%到95%]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/e8490a75f8e8181c36f9/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:e8490a75f8e8181c36f9</guid>
            <pubDate>Wed, 28 Oct 2026 10:17:09 GMT</pubDate>
            <description><![CDATA[未命中既有规则的情况，由模型辅助归因，生成待人工复核的草案，再反哺规则库。因此，数帆在知数 DataAgent 侧投入更多业务本体与语义建设，将业务实体、指标、关系及分析规则，与底层数据对应起来，并沉淀数据集、业务本体语义和业务数据看板三类资产。在网易智企内部的一次治理实践中，帝王蟹 ClawHive（网易智企企业级 AI Agent 平台）与数据开发治理平台 EasyData 协作，从存量任务中筛选分析范围，通过 SQL 解析、状态过滤和依赖判断，形成了177条任务级治理建议，交由负责人确认执行。

来源：网易 · 原文：https://blog.csdn.net/wangyiyungw/article/details/169364353]]></description>
            <author>wangyiyungw</author>
        </item>
        <item>
            <title><![CDATA[一句话生成看板｜灯塔AI数据分析从0到1完整指南]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/8acf5a5c024f699351d7/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:8acf5a5c024f699351d7</guid>
            <pubDate>Wed, 28 Oct 2026 09:35:54 GMT</pubDate>
            <description><![CDATA[灯塔AI，是腾讯灯塔面向外部用户全面升级的 2.0——一款人人可用的AI通用数据分析工具。此前我们发布过《腾讯内测Omega，一句话生成数据看板》，介绍的正是它的内测版本；如今，它已正式以「灯塔AI」之名与大家见面。这是一份灯塔AI的「从入门到精通」完整指南。从接入第一份数据、用一句话生成看板，到在线编辑、分享发布...

来源：腾讯 · 原文：https://news.qq.com/rain/a/20261028A0B11F00]]></description>
            <author>腾讯技术工程</author>
        </item>
        <item>
            <title><![CDATA[华为大数据Flink让每一 CU 算力，跑出开源 5.74 倍的性能]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/e16a7954ee739e5cc794/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:e16a7954ee739e5cc794</guid>
            <pubDate>Wed, 28 Oct 2026 07:20:06 GMT</pubDate>
            <description><![CDATA[1. 开源Apache Flink 已成为业界流计算事实标准，但在极端重负载场景下存在性能瓶颈。2. 华为大数据Flink通过多项自研深度优化，在执行计划、算子执行、状态存储三个层面构建协同的优化体系。3. Nexmark Benchmark 测试结果：整体性能提升 5.74 倍，极端重负载场景性能领先最高 18.3 倍。4. 100% 兼容 Apache Flink 1.20，业务代码零改造，无缝迁移。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/169360329]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[OxygenData-Vibe搭建：用 AI Coding重新定义数据看板搭建]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/aa8a35284b4992716a21/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:aa8a35284b4992716a21</guid>
            <pubDate>Wed, 28 Oct 2026 06:08:00 GMT</pubDate>
            <description><![CDATA[前言：让数据看板开发变得像对话一样简单 长期以来，数据看板开发主要有两种方式：一种是使用标准化 BI 工具，交付快、成本低，但图表样式、交互体验和功能扩展都受限于 BI 本身的能力；另一种是自研定制开发，能够充分满足复杂和个性化需求，但需要投入大量研发资源，交付周期也更长。比如一个通过 BI 只需要

来源：京东 · 原文：https://www.cnblogs.com/Jcloud/p/23467127]]></description>
            <author>jcloud</author>
        </item>
        <item>
            <title><![CDATA[浙江国贸集团走进网易智企：国企数据治理与 AI Agent 落地实践交流（数据底座 / 智能问数 / 系统升级）]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/7339aaf38ac7604cf6e9/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:7339aaf38ac7604cf6e9</guid>
            <pubDate>Wed, 28 Oct 2026 03:35:25 GMT</pubDate>
            <description><![CDATA[10月22日下午，“浙江国贸集团走进网易智企”AI 专题交流活动在网易杭州园区举办。浙江省国际贸易集团有限公司数智部副主任杨勇及集团所属成员企业20余位嘉宾到访。浙江国贸集团是浙江省属国有企业，业务涵盖商贸流通、金融服务、医药健康等领域。本次活动围绕“网易智企在 AI 领域的转型与应用——大模型及多项 AI Agent 产品与实践”，结合企业数据建设、业务应用与安全管理需求展开讨论。浙江国贸集团数智部副主任杨勇、网易智企销售副总裁赵鹏，分别致辞。

来源：网易 · 原文：https://blog.csdn.net/wangyiyungw/article/details/169349055]]></description>
            <author>wangyiyungw</author>
        </item>
        <item>
            <title><![CDATA[国产算力·昇腾 910C 大模型推理优化（下）：源码修改与算子优化，提速30%｜得物技术]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/6f87d932053f74126fb2/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:6f87d932053f74126fb2</guid>
            <pubDate>Tue, 27 Oct 2026 02:43:58 GMT</pubDate>
            <description><![CDATA[本文为《昇腾 910C 大模型推理优化实践》下篇。上篇已覆盖昇腾 910C 的软硬件环境、性能基线与瓶颈分析，以及无需改动源码的镜像升级与参数调优。本篇承接上篇...

来源：得物 · 原文：https://developer.cloud.tencent.com/article/2769661]]></description>
            <author>得物技术</author>
        </item>
        <item>
            <title><![CDATA[你的Personal Agent 如何真正跑起来？Agent实战指南]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/d7d81e9464a09b849fde/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:d7d81e9464a09b849fde</guid>
            <pubDate>Mon, 26 Oct 2026 09:33:10 GMT</pubDate>
            <description><![CDATA[作者：spike，腾讯游戏数据团队负责人导语今年以来我一直在建设自己的分身，也在工作中用得非常多。前面几篇聊到了context、个人bias和判断带宽，这次想具体讲讲，我平时怎么用，以及这套东西是怎么一点点搭起来的。现在已经养成了一个习惯，想到什么，就找一个当时顺手的分身聊一下。如果是在电脑前的时候，可以跟它深入讨...

来源：腾讯 · 原文：https://news.qq.com/rain/a/20261026A0B67200]]></description>
            <author>腾讯技术工程</author>
        </item>
        <item>
            <title><![CDATA[LakeAgent实战 | 业务分析篇从一句提问到业务分析]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/4a5534fbf7c17ff1b89a/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:4a5534fbf7c17ff1b89a</guid>
            <pubDate>Mon, 26 Oct 2026 08:43:04 GMT</pubDate>
            <description><![CDATA[本文以“订单金额变化”分析为例，展示LakeAgent如何通过自然语言提问，结合DataArtsStudio的数据资产与专业技能，帮助业务人员快速定位数据、生成SQL、追踪血缘、生成报告。从问题出发，逐步实现数据发现、变化洞察、原因追溯与团队协作，最终形成可复用的分析流程与企业规则，显著提升数据分析效率与一致性。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/169164752]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[《金发〔2026〕 8 号》落地：金融机构如何建立大模型与 Agent 全流程安全能力？]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/e7d47c4f86a4bf64d2de/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:e7d47c4f86a4bf64d2de</guid>
            <pubDate>Mon, 26 Oct 2026 02:40:36 GMT</pubDate>
            <description><![CDATA[金发〔2026〕8 号》把金融 AI 安全责任延伸到数据、模型、内容、运行过程和 Agent 动作。金融机构需要建立贯穿训练、推理、运营、评测和 Agent 调用链路的安全能力，并能用日志、质检结果、评测报告和调用轨迹证明这些能力持续有效。百度智能云 AI 安全护栏金融解决方案将监管要求拆成对应的系统能力和运营动作，帮助金融机构缩短从理解条款到完成建设、从发现风险到调整策略的路径，让大模型和 Agent 在真实业务中保持可控、可追溯、可验证。

来源：百度 · 原文：https://blog.csdn.net/2301_82040283/article/details/169146732]]></description>
            <author>2301_82040283</author>
        </item>
        <item>
            <title><![CDATA[从“治已病”到“治未病”：浩瀚能源与阿里云共建充电补能异地双活高可用体系实践]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/70dcaba52c4fdd9ebe75/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:70dcaba52c4fdd9ebe75</guid>
            <pubDate>Sun, 25 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1775335]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[阿里云日志服务 SLS 全新升级，打造 Agent 时代的智能数据引擎]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/68da7d7767aa16b770c5/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:68da7d7767aa16b770c5</guid>
            <pubDate>Sun, 25 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1775359]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[腾讯员工下班后都在玩这么刺激的？？？]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/19483d4c33c55702ba4a/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:19483d4c33c55702ba4a</guid>
            <pubDate>Fri, 23 Oct 2026 09:36:04 GMT</pubDate>
            <description><![CDATA[10月24日，是一年一度的程序员节。平时在公司里，我们熟悉的同事可能是开发工程师、产品经理，也可能是项目管理者。但走出办公室，他们还有着许多不一样的身份。有人热爱摩托骑行，有人下班后体验送外卖，有人喜欢潜水、攀岩、冲浪，也有人把时间花在唱歌、阅读、徒步和布置自己的小家上。这一次，我们采访了 9 位来自不同...

来源：腾讯 · 原文：https://news.qq.com/rain/a/20261023A0BDI100]]></description>
            <author>腾讯技术工程</author>
        </item>
        <item>
            <title><![CDATA[华为云RDS Supabase AI应用已开放公测 ：30分钟搭建AI应用后端]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/d140242e2be28ef06443/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:d140242e2be28ef06443</guid>
            <pubDate>Fri, 23 Oct 2026 07:56:40 GMT</pubDate>
            <description><![CDATA[认证、存储、实时推送、数据库API——4个后端模块，传统开发需要数周。今天，你只需要30分钟。AI创业公司的全栈开发工程师。上周老板说"下周要上线的AI对话应用，后端你来搞"——认证鉴权、数据库接口、文件存储、实时推送，每一个模块都需要数周搭建，而市场不会等你。小张打开华为云RDS Supabase，30分钟搭好认证、数据库API、对象存储，剩下的时间全用来打磨AI交互体验。基于开源Supabase+华为云RDS PostgreSQL全托管能力，为开发者提供。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/168877926]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[百度百舸第一时间适配 RLinf v0.4，持续建设具身智能 AI Infra 全链路能力]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/00a8683d9bb25c27803c/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:00a8683d9bb25c27803c</guid>
            <pubDate>Fri, 23 Oct 2026 07:10:04 GMT</pubDate>
            <description><![CDATA[基于强化学习的仿真真机协同训练。对应 RLinf 团队被 CoRL 2026 接收的 RL-Co 方法：在仿真环境中用 PPO 做强化学习，同时在真机轨迹上做 SFT，两种训练信号放进同一个优化循环，既提升仿真任务成功率，又保留真机数据带来的先验。真机工程更模块化：全新模块化真机接口（rlinf.robotics）将机械臂、灵巧手、相机、移动底盘与遥操作外设抽象为即插即用的「乐高积木」，硬件驱动与任务逻辑彻底解耦，换本体、改构型或跨节点部署时，上层任务与策略代码「零改动」。

来源：百度 · 原文：https://blog.csdn.net/2301_82040283/article/details/168876569]]></description>
            <author>2301_82040283</author>
        </item>
        <item>
            <title><![CDATA[从个人生产力到企业生产力，阿里云发布企业级 Agent 平台 AgentCore]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/fc17104807466c1eec6d/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:fc17104807466c1eec6d</guid>
            <pubDate>Thu, 22 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1774482]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[看清 Coding Agent：从执行记录到风险调查]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/8965d8070c465724205a/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:8965d8070c465724205a</guid>
            <pubDate>Thu, 22 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1774435]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[云效智能评审：让团队规则持续生效]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/54255962e06db4c00151/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:54255962e06db4c00151</guid>
            <pubDate>Thu, 22 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1774221]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[阿里云发布 Alibaba Cloud AI Agent Handbook，阐述“智能面积”]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/16347df2690c7c182f3c/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:16347df2690c7c182f3c</guid>
            <pubDate>Thu, 22 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1774447]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[如何使用RDS Supabase后端BaaS能力：数据库函数（Database Function）]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/bb9744aee108d7ded15e/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:bb9744aee108d7ded15e</guid>
            <pubDate>Thu, 22 Oct 2026 03:12:51 GMT</pubDate>
            <description><![CDATA[上一篇介绍了 Database Data API——建表即自动生成增删改查接口，解决单表读写，但聚合统计、跨表事务、字段自动维护等逻辑已超出其能力边界。本篇推进到数据库函数（Database Function）：把业务逻辑封装进数据库，前端通过 .rpc() 调用，由触发器自动响应数据变更。上一篇中，小张基于 Data API 完成了产品目录的建表与基础读写。但新需求随之而来：按分类统计产品数与价格区间、上架新品同时写产品表与定价表、产品修改后自动刷新更新时间。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/168752882]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[记忆不是存历史，而是治理未来行动｜KDC 系列 04]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/43db456d003bf637e04b/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:43db456d003bf637e04b</guid>
            <pubDate>Thu, 22 Oct 2026 03:00:46 GMT</pubDate>
            <description><![CDATA[记忆的价值不在于保存更多历史，而在于决定哪些历史仍然可以影响未来的判断与行动。本文把记忆放入形成、强化、衰减、冲突、遗忘、迁移和归档的生命周期，并进一步说明反馈验证与错误归因如何帮助系统修正知识、记忆、推理和治理策略。

来源：vivo · 原文：https://blog.csdn.net/vivo_tech/article/details/168752131]]></description>
            <author>vivo_tech</author>
        </item>
        <item>
            <title><![CDATA[域名埋点零侵入实时校验实践：基于代理转发与规则驱动的工具设计]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/ad0865b850141ab99544/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:ad0865b850141ab99544</guid>
            <pubDate>Thu, 22 Oct 2026 02:29:37 GMT</pubDate>
            <description><![CDATA[埋点是数据驱动的基础，但大量无配套后台的域名埋点只能靠抓包加肉眼比对测试，自建后台侵入性强。本文介绍 Flyheart Monitor，一套零侵入的域名埋点实时校验工具：在请求必经之路拦截数据校验，不绑定抓包代理，用规则代替人工校验，并将结果沉淀为可归档图片。

来源：vivo · 原文：https://blog.csdn.net/vivo_tech/article/details/168746978]]></description>
            <author>vivo_tech</author>
        </item>
        <item>
            <title><![CDATA[国产算力·昇腾 910C 大模型推理优化（上）：镜像更新与参数调优，提速 40%｜得物技术]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/148eb52d0678735c5926/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:148eb52d0678735c5926</guid>
            <pubDate>Thu, 22 Oct 2026 02:15:04 GMT</pubDate>
            <description><![CDATA[本文系统性地总结了我们以华为昇腾 910C 为国产算力底座，在大模型在线推理场景下完成国产化适配与性能优化工作。项目从建立 Qwen3.5-35B-A3B 在 ...

来源：得物 · 原文：https://developer.cloud.tencent.com/article/2766437]]></description>
            <author>得物技术</author>
        </item>
        <item>
            <title><![CDATA[从 LOOP 到图探索 —— 算法模型的 AutoResearch 自进化系统架构演进之路]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/e09f7e0a0a57f44be218/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:e09f7e0a0a57f44be218</guid>
            <pubDate>Wed, 21 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[本文分享这套系统的设计理念、架构演进与可信度设计，希望对大家有所帮助或启发。

来源：美团 · 原文：https://tech.meituan.com/2026/10/22/LOOP-AutoResearch.html]]></description>
            <author>美团</author>
        </item>
        <item>
            <title><![CDATA[2026 Agent 开发者调研报告丨Alibaba Cloud AI Agent Handbook]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/d19f5346573fc9043863/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:d19f5346573fc9043863</guid>
            <pubDate>Wed, 21 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1774000]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[如何使用RDS Supabase后端BaaS能力：创表即生成API（Database Data API）]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/6a8949b10b7dd25890d1/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:6a8949b10b7dd25890d1</guid>
            <pubDate>Wed, 21 Oct 2026 08:03:26 GMT</pubDate>
            <description><![CDATA[认证、存储、实时推送、数据库API——4个后端模块，传统开发要数周。本系列逐个拆解，首篇聚焦数据库API（Database Data API）：建表即得 API，无需手写后端。小张，AI创业公司的全栈工程师。老板让他做个产品目录页，展示产品与价格、支持上下架。传统做法要搭后端、写接口、配权限，工期少说1-2周；而在华为云RDS Supabase，建两张表、应用 SDK 直连，几分钟增删改查全跑通。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/168656475]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[让推理服务稳定可控，从负载治理到 KVCache 全域感知]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/2ee9e20973dc490c6018/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:2ee9e20973dc490c6018</guid>
            <pubDate>Wed, 21 Oct 2026 06:56:35 GMT</pubDate>
            <description><![CDATA[回顾整套方案，我们围绕流量、负载和 Cache 建立了三层稳定性能力。在流量侧，通过流量分级管控、冷启动加速和事件驱动弹性，将客户有感的可用性抖动次数降低 80%，并显著缩短扩容准备时间。在负载侧，通过动态分桶与 KV Cache 无感跨桶热迁移，解决静态负载不均与运行期负载漂移，使 Decode 吞吐提升约 40% 至 50%，Prefill 吞吐提升约 20% 至 30%。

来源：百度 · 原文：https://blog.csdn.net/2301_82040283/article/details/168653897]]></description>
            <author>2301_82040283</author>
        </item>
        <item>
            <title><![CDATA[面向高效推理的 MoE 专家压缩，合并与剪枝的协同设计与工程实践]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/9c1e12bcc76f46be5fce/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:9c1e12bcc76f46be5fce</guid>
            <pubDate>Wed, 21 Oct 2026 06:51:33 GMT</pubDate>
            <description><![CDATA[本文整理自 26 年 9 月 22 日 SGLang Meetup 北京站活动的同名主题演讲。在技术站公众号回复「百度百舸 2609」，可以获得此次 Meetup 下午的 3 个演讲主题材料。各位嘉宾、各位社区的开发者，大家好。今天想和大家分享我们在 MoE 专家压缩方向上的一些思考和实践。MoE 模型通过 router 为每个 token 选择少量专家参与计算，在扩大模型参数规模的同时，把单 token 的计算量控制在相对可接受的范围。

来源：百度 · 原文：https://blog.csdn.net/2301_82040283/article/details/168653681]]></description>
            <author>2301_82040283</author>
        </item>
        <item>
            <title><![CDATA[Kafka 不止于消息：阿里云发布面向 AI 的流算湖一体化实时数据平台]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/e197de1e3be115084395/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:e197de1e3be115084395</guid>
            <pubDate>Tue, 20 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1773428]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[阿里云 AgentBridge：为生产级 Agent 构建多源实时上下文]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/d247101c65585c5bdfe6/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:d247101c65585c5bdfe6</guid>
            <pubDate>Tue, 20 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1773425]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[千问办公 × AgentBridge：连接企业数据，让智能分析触手可及]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/a05f1c039372ab036924/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:a05f1c039372ab036924</guid>
            <pubDate>Tue, 20 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1773443]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[RocketMQ for AI：基于 LiteTopic 的 Agent 异步通信架构与生产实践]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/6ef1a042907d7a4c9aa5/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:6ef1a042907d7a4c9aa5</guid>
            <pubDate>Tue, 20 Oct 2026 16:00:00 GMT</pubDate>
            <description><![CDATA[收录自已核验的国内官方技术账号；首批不进行文章内容筛选或自动主题分类。

来源：阿里巴巴 / 阿里云 · 原文：https://developer.aliyun.com/article/1773435]]></description>
            <author>阿里云云原生</author>
        </item>
        <item>
            <title><![CDATA[从0到1打造AI电影！基于WorkRally的创作实践]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/1a33a4a252d541e4bb3a/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:1a33a4a252d541e4bb3a</guid>
            <pubDate>Tue, 20 Oct 2026 09:48:23 GMT</pubDate>
            <description><![CDATA[作者：hangyh1个人10晚用WorkRally做了部电影AI漫剧【龙舟】，本文将全面分享电影AI漫剧【龙舟】的【AI制作技术全流程】，借助AI完成一场和老同学最后的告别吧。突然收到了老同学去世的消息，几周前还在和他聊下次来北京或者回老家要吃饭好好聚聚，连一句再见都没来得及说。想起上学一起参加学校比赛，我们说活着这一世，要...

来源：腾讯 · 原文：https://news.qq.com/rain/a/20261020A0BVMG00]]></description>
            <author>腾讯技术工程</author>
        </item>
        <item>
            <title><![CDATA[Index-Translate：支持 150 种语言的多模态翻译模型是如何炼成的？]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/6fec96700c2100587676/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:6fec96700c2100587676</guid>
            <pubDate>Tue, 20 Oct 2026 04:00:00 GMT</pubDate>
            <description><![CDATA[哔哩哔哩 Index LLM 团队推出 Index-Translate 系列。文本翻译覆盖 150 种语言，提供 2B、9B 和 35B-A3B（preview） 三种规模，同时支持图文翻译；系列还提供语音翻译、音节控制与长文档翻译能力。本文简要介绍这些功能，重点展开它们背后的训练设计。

来源：B站 · 原文：https://blog.csdn.net/bilibili_TC/article/details/168453213]]></description>
            <author>bilibili_TC</author>
        </item>
        <item>
            <title><![CDATA[从一句话到一个能出去的链接，AI开发者空间做了什么]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/ea4229ca927303d2824c/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:ea4229ca927303d2824c</guid>
            <pubDate>Tue, 20 Oct 2026 03:40:10 GMT</pubDate>
            <description><![CDATA[自行搭建的 Agent、正在使用的开源项目、团队既有的工具，都可以接入，可以通过AI创建或者手动搭建环境；华为云 AI开发者空间——面向开发者的云端一站式开发平台，做的就是把这段路接上：环境免安装，浏览器打开即为完整的 Linux 运行环境，预置的 AI 智能体开箱即用。第一个任务建议选能出结果的：做一个游戏、生成一个页面、创建一台实例，从需求走到可访问的链接，一次就能看清这个环境在做什么。沙箱是一个完整的 Linux 环境，依赖、服务、端口都是真实的，不是模拟。环境释放后，权限随之失效。

来源：华为 · 原文：https://blog.csdn.net/devcloud/article/details/168543201]]></description>
            <author>devcloud</author>
        </item>
        <item>
            <title><![CDATA[ScoAI：面向供应链的运筹原生决策智能]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/34d623bd3e49efa28693/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:34d623bd3e49efa28693</guid>
            <pubDate>Tue, 20 Oct 2026 01:48:00 GMT</pubDate>
            <description><![CDATA[核心观点：可复用学习组件的设计与评价，应以其支持的决策为中心，而非仅考察其输出内容。 本文导读 供应链库存管理需要在需求与供给均存在不确定性的条件下，对补货数量、库存配置和执行时点作出决策。基础模型与智能体已可用于需求估计、供应商信息解析和候选计划生成，但模型输出并不等同于业务决策。只有将其纳入明确

来源：京东 · 原文：https://www.cnblogs.com/Jcloud/p/23367542]]></description>
            <author>jcloud</author>
        </item>
        <item>
            <title><![CDATA[从 BERT、GPT 到 Jev：一文看懂大模型架构的演进与分化]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/a456c6e67113009bf82b/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:a456c6e67113009bf82b</guid>
            <pubDate>Mon, 19 Oct 2026 09:37:21 GMT</pubDate>
            <description><![CDATA[作者：leonjia2026 年 9 月，TypeSafe AI 发布了 Jev。与常见的语言模型不同，Jev 不生成文本，而是针对给定的输入材料回答三类限定形式的问题：从若干选项中选一个，在若干等级上评分，或判断一个陈述是否成立，并直接返回各个答案的概率。常见语言模型完成一次回答需要数秒到数分钟，Jev 完成一组判断在百毫秒量级。要说...

来源：腾讯 · 原文：https://news.qq.com/rain/a/20261019A0AZ0Y00]]></description>
            <author>腾讯技术工程</author>
        </item>
        <item>
            <title><![CDATA[AI 能查到数据却用不好？量子位智库报告：企业 AI 规模化卡在数据底座，六大断点怎么破？]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/de34210474c60dff8a55/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:de34210474c60dff8a55</guid>
            <pubDate>Mon, 19 Oct 2026 06:18:19 GMT</pubDate>
            <description><![CDATA[*数据底座把数据、指标、业务知识、流程规则和访问权限打包成 Agent 能理解的形式，让 Agent 在可信的范围内做判断。**它能结合模型、指标与 BI 看板、指标语义、图谱与知识库，完成复杂查询和探索分析，交付图表、看板、图文报告和办公文档。报告在**“数据底座如何服务 Agent”**部分，画了一条清晰的链路：业务系统与知识文件→接入治理→数据与语义资产→查询、检索及校验服务→ Agent 任务处理。**也就是说，AI 能访问数据，但无法保证数据在语义上的一致性、口径上的统一性、血缘上的可追溯性。

来源：网易 · 原文：https://blog.csdn.net/wangyiyungw/article/details/168434623]]></description>
            <author>wangyiyungw</author>
        </item>
        <item>
            <title><![CDATA[3 个月用Harness重构90万行旧项目：实战经验与踩坑总结]]></title>
            <link>https://liuminxin45.github.io/ai-engineering-radar/articles/0650c6372c32b1dd96cc/</link>
            <guid isPermaLink="false">urn:ai-engineering-radar:article:0650c6372c32b1dd96cc</guid>
            <pubDate>Fri, 16 Oct 2026 09:37:25 GMT</pubDate>
            <description><![CDATA[作者：komahu如今程序员越来越离不开AI Coding。当AI有足够能力很快把代码实现写出来，而开发人员在此过程中应该干什么？我们在开发过程中遇到的几个问题：这个需求到底要做成什么样？做完效果如何？最终产物质量够不够好？以前手搓代码时代这三件事裹在日常开发流程里，开发过程中就定好了，开发人员靠专业素养和工具守住...

来源：腾讯 · 原文：https://news.qq.com/rain/a/20261016A0AYDU00]]></description>
            <author>腾讯技术工程</author>
        </item>
    </channel>
</rss>