通义千问

最初的↘那颗心

Spring AI Alibaba 多模态全家桶：图片理解、图片生成与语音合成实战本文围绕 Spring AI Alibaba 的三大多模态能力——图片理解（Vision）、图片生成（通义万象）和语音合成（CosyVoice），从项目搭建到完整业务实战，覆盖发票 OCR、商品鉴定、电商配图生成、风格化出图、文字转语音、AI 语音对话和定时语音播报七个真实场景。面向有 Spring Boot 基础、正在用 Spring AI 做大模型应用开发的后端工程师。

威化饼的一隅

【大模型LLM学习】通义Agent系列学习笔记通义的一系列Agent，一开始的目标是构建自主借助网络搜索答案的WebAgent系列，后续基于这些WebAgent，通义开发了Deep Researcher系列。涉及的论文很多，记录一下学习笔记方便日后查阅～ WebAgent的场景，是给定问题，Agent思考，并使用搜索、浏览、点击链接等工具，生成正确答案。

【通义千问】蓝耘原生代 | Qwen3-235B-A22B 架构创新引领性能跃升【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈人工智能与大模型应用 ⌋ ⌋ ⌋ 人工智能（AI）通过算法模拟人类智能，利用机器学习、深度学习等技术驱动医疗、金融等领域的智能化。大模型是千亿参数的深度神经网络（如ChatGPT），经海量数据训练后能完成文本生成、图像创作等复杂任务，显著提升效率，但面临算力消耗、数据偏见等挑战。当前正加速与教育、科研融合，未来需平衡技术创新与伦理风险，推动可持续发展。

【大模型技术学习】大模型压力测试全攻略：以Qwen3-32B为例在大模型落地生产环境的过程中，压力测试是不可或缺的一环——它能帮我们验证模型在高并发场景下的稳定性、响应效率和资源利用率，避免上线后出现服务崩溃、响应超时等问题。本文以阿里通义千问的Qwen3-32B模型为例，从核心指标、环境搭建、代码实现到结果分析，完整讲解大模型压力测试的全流程。

楚国的小隐士

Qwen是“源神”？实际上GLM-4.6才是被低估的黑马在AI科技圈，Qwen因其开源模型数量位居世界第一、模型涵盖各种大小、开销低而表现不俗，被称为“源神（开源界的神）”。这也导致有些人在体验之后，觉得Qwen写的代码质量是国内第一，仅次于Claude、chatGPT、Gemini、grok这些国外大模型之后。但GLM却像是被遗忘了一样，网上对它知之甚少，唯一比较出名的就是编程套餐每个月20块钱，还被骂奸商。但殊不知，GLM-4.6却是一匹被低估的黑马，甚至不输外国模型。我今天就来试一试。

FightingITPanda

springAI +openAI 接入阿里云百炼大模型-通义千问我们已经完成 1、本地模型搭建 DeepSeek-R1 本地部署 - 十分钟搞定 2、spring ai 调本地大模型SpringAI + DeepSeek本地大模型应用开发-聊天机器人

给web增加简单的ai对话功能自从 ChatGPT 火了之后，越来越多人开始对 AI 感兴趣，AI 的使用也越来越普遍了。现在你随便点开个知名网站或者 APP，基本都能看到 AI 的影子，而且这些 AI 大多都是用 “问答” 的形式跟人互动，说白了就是 “聊天”。

阿里最新开源！轻量级视觉模型Qwen3-VL-4B&8B-Instruct本地部署教程：小参数媲美顶尖模型Qwen3-VL 是迄今为止 Qwen 系列中最强大的视觉语言模型。这一代产品全面升级：卓越的文本理解和生成、更深层次的视觉感知和推理、扩展的上下文长度、增强的空间和视频动态理解以及更强大的智能体交互能力。

LangChain4j从入门到实战（一）课程链接：黑马程序员LangChain4j从入门到实战项目全套视频课程，涵盖LangChain4j+ollama+RAG，Java传统项目AI智能化升级_哔哩哔哩_bilibili

Python测试之道

测试工程师如何利用通用千问大模型精准获取需求文档图片内容在软件测试与需求追踪的实际工作中，经常遇到需求文档、票据、合同等图片资料，这些资料中的关键信息需要被高效、准确地提取和结构化，便于后续的自动化测试、数据归档及追溯分析。传统OCR工具虽能实现基本的文字识别，但在关键信息精准抽取、中文票据格式处理、多语言兼容等方面存在局限。

通义千问席卷日本！开源界“卷王”阿里通义千问成为日本AI发展新基石据日本经济新闻（NIKKEI）报道，通义千问已成为日本AI开发的新基础，其影响力正逐步扩大，深刻改变着日本AI产业的格局。

ZHW_AI课题组

调用通义千问实现语音合成并将合成的音频通过扬声器播放郭建东，男，西安工程大学电子信息学院，2024级研究生研究方向：机器视觉与人工智能电子邮件：1229963266@qq.com

【通义千问】蓝耘智算 | 智启未来：蓝耘MaaS×通义QwQ-32B引领AI开发生产力【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈人工智能与大模型应用 ⌋ ⌋ ⌋ 人工智能（AI）通过算法模拟人类智能，利用机器学习、深度学习等技术驱动医疗、金融等领域的智能化。大模型是千亿参数的深度神经网络（如ChatGPT），经海量数据训练后能完成文本生成、图像创作等复杂任务，显著提升效率，但面临算力消耗、数据偏见等挑战。当前正加速与教育、科研融合，未来需平衡技术创新与伦理风险，推动可持续发展。

怎样能写出完美的Prompt随着语言大模型的智能化演进，其作为内容生产引擎的核心竞争力日益凸显。如何通过Prompt工程深度释放其潜能，实现工作效率的指数级提升与文本质量的突破性飞跃，本质上是对"指令炼金术"的极致探索。在语言模型的运行机制中，Prompt不仅是需求输入的载体，更是思维路径的导航仪——其精准度直接决定输出内容与预期目标的拟合度。当我们聚焦【Prompt的精炼艺术】时，需构建包含三层维度的优化框架：首先通过场景化拆解明确核心诉求，其次运用结构化模版整合思维要素，最后借由迭代式对话完成语义校准。这种系统化的Prompt设

【深度学习总结】使用PDF构建RAG：结合Langchain和通义千问使用平台：趋动云，注册送算力在大型语言模型（LLMs）应用领域，我们面临着大量挑战，从特定领域知识的匮乏到信息准确性的窘境，以及可能生成虚假内容。检索增强生成（RAG）通过引入外部知识库等补充信息源，成为解决这些难题的有效策略。事实证明，在需要持续更新或特定领域应用的知识密集型场景中，RAG 尤其有效。与其他方法相比，RAG 的一个显著优势在于无需为特定任务重新培训 LLM。最近，RAG 因其在会话助手等应用中的成功应用而备受瞩目。

AI高中数学教学视频生成技术：利用通义千问、MathGPT、视频多模态大模型，语音大模型，将4个模型融合，生成高中数学教学视频，并给出实施方案。大家好，我是微学AI，今天给大家介绍一下AI高中数学教学视频生成技术：利用通义千问、MathGPT、视频多模态大模型，语音大模型，将4个模型融合，生成高中数学教学视频，并给出实施方案。本文利用专家模型+反思+总结的模式提升大模型返回结合，文本生成PPT模型，驱动PPT生成动画视频，并结合文稿生成语音，最后合并生成完整的高中数学教学视频。

java脚手架系列16-AI大模型集成之所以想写这一系列，是因为之前工作过程中有几次项目是从零开始搭建的，而且项目涉及的内容还不少。在这过程中，遇到了很多棘手的非业务问题，在不断实践过程中慢慢积累出一些基本的实践经验，认为这些与业务无关的基本的实践经验其实可以复刻到其它项目上，在行业内可能称为脚手架，因此决定将此java基础脚手架的搭建总结下来，分享给大家使用。

华尔街的幻觉

FastGPT部署通义千问Qwen和智谱glm模型|OneAPI配置免费的第三方API继这篇博客之后从零开始FastGPT本地部署|Windows有同学问，不想在多个平台申请API-Key，不好管理且要付费，有木有白嫖方案呀？

ApiSmart-QWen2.5 coder vs GPT-4o 那个更强？ ApiSmart 测评QWen2.5 coder vs GPT-4o 那个更强？那个更快，那个更精准，让我们来看看；ApiSmart Api design Copilot - ApiHugApiSmart make your api design and implement happierhttps://apihug.com/zhCN-docs/copilot

Bruce_Liuxiaowei

如何编写有效的Prompt模板：提升大模型性能的关键在大模型的应用中，编写一个好的Prompt至关重要。Prompt用于定义智能体的行为模式，正确的Prompt能帮助智能体更好地理解用户的需求并做出恰当的回应。它直接影响模型输出的质量和相关性，提高模型在特定任务上的性能。有效的Prompt还能减少模型输出中的错误和偏见等。本文将介绍如何编写有效的Prompt模板，并详细探讨百炼平台提供的三种主要Prompt模板（ICIO、CRISPE、RASCEF），以及静态和动态样例库的创建与应用。