工作流编排

麦哲思科技任甲林

AI编程之需求分析与描述在AI编程模式日益普及的当下，需求分析与描述的方式发生了根本性变革。传统编程中，需求描述可保留一定模糊性，依赖人与人之间的沟通追问完善细节；而AI编程的核心痛点的是，AI无法像人类一样主动追问模糊需求，只能严格按照给定的指令执行。因此，如何将模糊的业务需求转化为精确、完备的规格说明，成为AI编程时代需求分析与描述的核心课题。本文将从传统模式与AI模式的差异入手，明确需求与规格的核心区别，提供AI可读的规格检查标准，并结合具体案例拆解从需求到规格的细化过程，最终梳理出完整的需求到设计链路，为AI编程中的需求

许泽宇的技术分享

双剑合璧：Microsoft Agent Framework——Python与.NET的AI智能体协奏曲当Python的灵动遇见.NET的稳健，AI智能体开发进入了一个全新纪元。在AI Agent框架如雨后春笋般涌现的2025年,AutoGen、LangChain、LangGraph等已经占据了大量市场份额。此时微软推出Agent Framework,是又一次"重复造轮子"吗?

Airflow量化入门系列：第四章 A股数据处理与存储优化Airflow量化入门系列：第四章 A股数据处理与存储优化本教程系统性地讲解了 Apache Airflow 在 A 股量化交易中的应用，覆盖从基础安装到高级功能的完整知识体系。通过八章内容，读者将掌握 Airflow 的核心概念、任务调度、数据处理、技术指标计算、策略回测及工作流监控、Docker/Kubernetes集成及生产环境优化等关键技能。教程整合 Tushare 数据源、TA-Lib 技术指标库和 VectorBT 策略回测工具，提供丰富实战案例，帮助构建高效、可靠的工作流，助力量化交易实践。

LLM大语言模型私有化部署-使用Dify的工作流编排打造专属AI搜索引擎上一篇文章介绍了如何使用 Ollama 和 Dify 搭建个人 AI 助手。首先通过 Ollama 私有化部署了 Qwen2.5 (7B) 模型，然后使用 Docker Compose 一键部署了 Dify 社区版平台。在 Dify 平台上，通过普通编排的方式，创建了基于 Qwen2.5 模型的聊天助手，并添加了个人知识库作为上下文，实现了真正的个人助手功能。

我是有底线的