腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

腾讯专区

订阅及关注

云计算

人工智能

前端

后端

编程语言

数据库

大数据

音视频

安全

物联网

硬件

运维

测试

网络与通信

架构设计

开发工具

操作系统

职业发展

算法

管理

为你推荐

腾讯专区

订阅及关注

云计算

人工智能

前端

后端

编程语言

数据库

大数据

音视频

安全

物联网

硬件

运维

测试

网络与通信

架构设计

开发工具

操作系统

职业发展

算法

debezium 腾讯技术创作特训营S14#新手村

JDK17 反射失效？用这招搞定 JSON 动态类加载和解析

在上一篇Javassist 自动化生成实体类：让 Debezium 数据解析更高效文章中，我们通过 javassist 来实现自动创建实体类，但是当我想要将创建的 RowData 类放入到 DebeziumEvent 的时候，才想起来我们没有改变运行中的类。

叫我阿柒啊

2025-07-24

LLM 第四期热点征文-大模型技术 MCP Server MCP agent

企业级Agent开发落地指南：基于MCP的分布式架构设计与实施

聚客AI

2025-07-25

AIIDE CodeBuddyIDE

腾讯云CodeBuddy IDE+CloudBase AI ToolKit打造理财小助手网页

在线体验地址：https://pickstar-cloud-8g304kyq275603ff-1359706957.tcloudbaseapp.com/

摘星.

2025-07-25

腾讯技术创作特训营S14#红城堡 CodeBuddyIDE

不写代码，也能做出一个智能问答网页？CodeBuddy IDE 帮我实现了

CodeBuddy IDE 是腾讯推出的一款全栈开发AI工具，旨在整合产品设计、研发和部署的全流程。用户只需用自然语言描述需求，CodeBuddy IDE 就能自动生成结构化的需求文档、交互原型、前端代码及后端服务，支持一键部署上线。它还集成了多种顶尖AI模型，帮助用户在无需编写代码的情况下实现应用开发，大幅提升开发效率。

一键难忘

2025-07-25

腾讯技术创作特训营S14#新手村

ONNX Runtime推理优化实战

在人工智能应用的开发和部署过程中，模型推理性能往往成为影响用户体验的关键因素。无论是云端服务还是边缘设备，高效的推理能力都能帮助我们实现更快速的响应、更高的吞吐量和更低的运营成本。

二一年冬末

2025-07-24

腾讯技术创作特训营S14#红城堡

Flink on Yarn编译的Parcels包到CDH集群实录

简介：学习一个东西，个人认为最好的方式是：官网+源码+实践Flink官网：http://flink.apache.org

大王叫我来巡山、

2025-07-21

腾讯技术创作特训营S14#红城堡腾讯云代码助手

你的下一位“全栈同事”竟然是AI！CodeBuddy IDE彻底颠覆开发模式！

，旨在通过集成顶尖人工智能技术，彻底革新从产品构思、设计到开发、部署的整个软件开发生命周期。不仅能提升开发效率，更打破了传统的产品、设计与开发团队之间的壁垒。

Lion 莱恩呀

2025-07-24

CodeBuddy首席试玩官 CodeBuddyIDE

CodeBuddy IDE 首发，快来感受过程IDE的强大，主流大模型免费体验哦

，正是一款为新时代开发者而生的智能开发平台，打破了设计与编码之间的界限，让创意从草图到代码，从原型到上线，无缝流转。CodeBuddy IDE 不止是一款 IDE，它是你全天候的 AI 编码搭档、设计助手与部署利器。无论你是前端、后端，还是全栈开发者，都能在这里找到提效的终极武器：为什么这说？因为我正在体验它的强大。

不惑

2025-07-23

devops 安全治理软件测试 DevSecOps 软件质量保证

安全测试计划如何融入项目初期？

在当今数字化时代，软件安全事件频发，安全漏洞成为攻击者获取敏感信息、控制系统的主要入口。根据 OWASP 的统计，多数严重漏洞并非源自复杂黑客手法，而是由于开发与测试阶段对安全性的忽视。

AI智享空间

2025-07-25

腾讯技术创作特训营S14#补给站

【大模型学习 | DeepSeek-V3原理】

DeepSeek-V3 的基本框架还是 Transformer。该模型仍然沿用了 V2 模型中的 Multi-head Latent Attention (MLA) 和 DeepSeekMoE,在这框架的基础上，提出了auxiliary-loss-free strategy 解决了MoE的负载平衡问题。另外，V3 模型是通过将预测多token作为训练目标。本文主要是对DeepSeek-V3的模型框架以及训练目标进行讨论。

九年义务漏网鲨鱼

2025-07-24

下午好！

欢迎来到腾讯云开发者社区

沙龙日历

加入讨论

的问答专区 >

原创作者热度排行榜