Contributes38
Followers0
9月24日2025雲棲大會上，阿里雲智能集團資深副總裁、數據庫產品事業部負責人李飛飛發表題為《瑤池數據庫：多模態AI數據底座，智能數據管理平台》 主題演講。他表示：“數據與AI大模型的開放融合是大勢所趨。面向Agentic AI時代，阿里雲瑤池數據庫正加速邁向新階段——從雲原生數據底座向“AI就緒”的多模態數據底座全面演進。” 這一戰略性升級聚焦3大核心路徑：持續增強雲原生能力、全面提升多模
Nickname 數據庫知識分享者
引言 AI Agent其基礎架構可以簡單劃分為 Agent = LLM + 任務規劃（Plan） + 記憶（Memory） + 工具使用（Tools），現象級的AI Agent，例如deepresearch、manus、claude code等都在這個基礎框架上構建。 圖源 https://www.promptingguide.ai/research/llm-agents 任務
Nickname 數據庫分享小北
引言 AI Agent其基礎架構可以簡單劃分為 Agent = LLM + 任務規劃（Plan） + 記憶（Memory） + 工具使用（Tools），現象級的AI Agent，例如deepresearch、manus、claude code等都在這個基礎框架上構建。 圖源 https://www.promptingguide.ai/research/llm-agents 任務
Nickname 數據庫知識分享者
本文作者：阿里雲數據庫高級技術專家 徐大丁(辰馬) 前言 “What I cannot create, I do not understand.” -- Richard Feynman 2025年3月，筆者曾撰文探討LLM驅動的AI Agent如何重塑人機協同模式，彼時更多聚焦於技術實驗與理論推演，尚未在實際業務場景中落地。如今，隨着Agentic AI技術的成熟，Data Agent for A
Nickname 數據庫知識分享者
在實際開發中，我們經常需要從多個股票市場中獲取行情數據，尤其是在構建交易所、量化交易系統或跨市場套利策略時，對接實時、多市場的行情接口幾乎是剛需。然而，市面上大部分的行情服務產品只支持單一市場，比如只提供 A 股或美股數據；即便支持多個市場，也往往需要分別調用不同的接口，增加了開發成本和維護複雜度。 特別是對於K線數據的實時獲取需求，不少接口要麼延遲大、要麼授權複雜、價格昂貴，真正能夠同時支持 A
Nickname 霸氣的啞鈴
近日，第十三屆 CCF 大數據學術會議在天津成功舉行，吸引了近 700 位來自學術界、產業界的專家學者齊聚一堂，聚焦“數據要素築基、數智融合創新”，共同探討數字經濟時代的技術變革與產業機遇。 在這場國內大數據領域的年度盛會上，濤思數據高級副總裁、解決方案中心總經理陳肅受邀作專題演講，帶來了題為《如何打造 AI 驅動的物聯網工業大數據平台》的深度分享。 工業大數據的困局：存得下，卻用不快 陳肅開篇
Nickname TDengine濤思數據
在全球金融市場互聯互通的今天，逐筆成交、逐筆委託、K 線快照等數據量呈指數級增長。港股全市場高峯期每秒可達 3 萬筆交易，美股更是飆到 40 萬筆/秒。對於證券公司和金融科技服務商而言，不僅要“存得下”，還要“用得快”：全量明細長期留存、按證券代碼和時間窗口頻繁查詢、行情推流實時穩定，這些都對底層數據平台提出了高吞吐、低延遲、高可靠的嚴苛要求。 令克軟件為證券、期貨、基金、銀行、私募等機構提供門
Nickname TDengine濤思數據
視頻效果： 一、前言 在AI原生應用開發的時代，傳統的後端架構正在被重新定義。本文將帶你體驗如何使用 Qoder、阿里雲ADB Supabase 和通義千問圖像編輯模型（Qwen Image Edit），快速搭建一個完整的 AI 手辦生圖 Flutter 移動端應用。全程無需自建傳統後端，真實體驗一次 Vibe Coding 的極速開發。 二、總體思路 前端由 Qoder 根據需求自動生成
Nickname 數據庫知識分享者
