Stories

List
Create Time

基於 DMS Dify+Notebook+Airflow 實現 Agent 的一站式開發

本文作者：阿里雲數據庫開發專家 陳樞華 背景與挑戰 Dify 作為一款低代碼 AI 應用開發平台，憑藉其直觀的可視化工作流編排能力，極大降低了大模型應用的開發門檻。然而，在實際企業級落地過程中，我們發現其原生能力仍存在兩個關鍵瓶頸： 代碼執行能力受限：Dify 內置的 Sandbox 節點雖支持基礎 Python 代碼執行，但無法安裝自定義 Python 包，難以支撐複雜的業務邏輯、數據處理或

dify , 數據庫 , 知識 , 資訊
Create Time

DMS Airflow：企業級數據工作流編排平台的專業實踐

本文作者：阿里雲數據庫技術專家 賈志威 DMS Airflow 是基於 Apache Airflow 構建的企業級數據工作流編排平台，通過深度集成阿里雲 DMS（Data Management Service）系統的各項能力，為數據團隊提供了強大的工作流調度、監控和管理能力。本文將從 Airflow 的高級編排能力、DMS 集成的特殊能力，以及 DMS Airflow 的使用示例三個方面，全面介紹

知識 , 觀點 , 數據庫 , MySQL , SQL
Create Time

Dify+DeepSeek+夸克 On DMS 實現聯網版DeepSeek服務

阿里雲DMS重磅推出一站式AI應用部署解決方案：Dify+DeepSeekonDMS，開箱即用，獨立VPC部署，數據不出域更安全！ 支持Dify+DeepSeek私域部署+夸克搜索，簡單配置即可實現聯網搜索版DeepSeek服務。 DifyonDMS版本升級為0.15.3，團隊成員、構建應用程序和消息額度均無限制～ 參考操作演示視頻，一小時內即可拉起聯網搜索版私域DeepSeek服

人工智能 , nosql , 數據庫
Create Time

【瑤池數據庫動手活動及話題本週精選（體驗ADB、 SelectDB，參與 RDS 遷移訓練營）】（4.28-5.4）

一、動手活動 活動1：體驗AnalyticDB無感集成（Zero-ETL）下的一站式數據分析，完成任務可領取300社區積分兑換各種商城好禮！ 急需高效數據分析，卻在為數據同步效率發愁？本方案藉助雲原生數據倉庫AnalyticDB提供無感集成（Zero-ETL）功能，能快速搭建 OLTP 與 OLAP 數據同步鏈路，一站式完成數據分析同步管理。 （一）活動時間 2025年4月3日-5月9日16:00

SQL , nosql , MySQL , 數據庫
Create Time

如何構建企業級數據分析助手：Data Agent 開發實踐

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

教程 , 觀點 , MySQL , 數據庫 , 資訊
Create Time

【瑤池數據庫動手活動及話題精選（體驗Dify on DMS，參與DMS Data Copilot討論）】

一、動手活動 基於 Dify on DMS 快速構建客服對話數據質檢服務 企業面臨傳統開發環境割裂及數據流轉不暢的挑戰？本方案基於數據管理服務 DMS，深度集成雲數據庫 RDS 與百鍊大模型，快速構建客服對話質檢服務，顯著降低數據庫與 AI 應用的開發門檻。 （一）活動時間 2025年9月9日-10月9日16:00:00 （二）活動獎品 300社區積分，限量200個，前15名完成全部任務的用户可額

agent , 資訊 , MySQL , 數據庫
Create Time

有獎話題：Data Agent for Meta 能否成為企業級 “數據大腦”？

隨着生成式人工智能（Generative AI）從概念驗證邁向規模化商業落地，AI Agent已成為企業核心業務流程的重要組成部分。然而，當模型調用日益便捷時，核心痛點已不再是模型本身，而是集中在一個關鍵要素上：數據。 傳統的數據管理方式依賴於繁重的人工開發和漫長的維護週期，難以應對指數級增長的數據複雜度。數據孤島導致知識庫分散，通用大模型難以理解專業業務。AI Agent面臨"看不懂業務語

資訊 , MySQL , 阿里雲 , agent , 數據庫
Create Time

Qoder + ADB Supabase ：5分鐘GET超火AI手辦生圖APP

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

教程 , 數據庫 , 後端 , MySQL , 知識
Create Time

極智編程：基於Qoder+PolarDB Supabase 實現全棧VibeCoding

前言 VibeCoding（氛圍編程）是一種由AI驅動的編程範式， 開發者通過自然語言描述需求，由AI自主完成選的代碼開發、調試以及部署運行。由OpenAI聯合創始人Andrej Karpathy於2025年提出，強調"對話驅動"的開發模式。 VibeCoding 極大的的降低了編程門檻，非專業開發人員也可通過自然語言交互來完成網站、APP的開發。 AI 雖然可以生成完美的前端甚至後端代碼，

資訊 , 數據庫 , 知識 , 觀點 , MySQL
Create Time

PolarDB Supabase 助力 Qoder、Cursor、Bolt.diy 完成 VibeCoding 最後一公里

引言：在“摩擦力”中追尋心流 Vibecoding——是每一位開發者都在追尋的理想境界：一種思想與代碼完全同步、創造力毫無阻礙的沉浸式“心流”狀態。然而，在日常工作中會常被各種“摩擦力”無情打斷：繁瑣的後端配置、重複的API聯調、以及等待編譯的漫長時間。每一次中斷，都是對寶貴心流的消耗。 近年來，AI原生IDE（如Qoder）的興起看似將我們推向了心流的邊緣，卻也暴露了一道更深的鴻溝：前後端

資訊 , MySQL , 數據庫
1