登录社区云,与社区用户共同成长
邀请您加入社区
AI自动生成Commit信息正成为开发者新选择,通过Codex等模型解析代码变更(diff)并生成规范描述,能显著提升提交效率、统一团队规范。实践方案涵盖命令行工具、IDE插件及CI/CD集成,支持自定义提示词优化输出。但全自动化存在准确性误判、敏感信息泄露等风险,需建立"AI生成+人工复核"的协同机制,对核心变更保持人工干预。未来AI或拓展至代码审查等更多场景,但当前阶段开发
比如一台设备接入 HubPort,它的温度、压力、状态、控制指令,自动变成 AI 可调用的 MCP 工具。MCP 把这件事标准化了——设备能力按统一协议暴露,AI 智能体通过 MCP 直接调用,不用逐个自建。MCP 是给 AI 调用的,能力语义清晰,AI 直接理解。设备接入 HubPort,能力自动暴露为 MCP 工具,AI 智能体出厂即用。设备接入 HubPort,就自动进入 AI 智能体生态,
/ Rust 实现 taosX 插件// 详见《TaosX 插件开发》// 插件实现 trait// 自定义解析逻辑;Ok(vec!}])// 编译为 .so// 加载到 taosX 注册为 parserRust 插件机制支持任意协议。或在应用层自行转换为 TDengine 支持的格式。
本文介绍了如何在星图GPU平台上自动化部署🤖 ChatGLM3-6B镜像,构建物联网智能助手。该平台简化了部署流程,用户可快速搭建基于大语言模型的设备管理系统,实现通过自然语言对话查询设备状态、分析能耗等智能控制场景,显著降低物联网管理门槛。
本文介绍了如何利用星图GPU平台,一键自动化部署【vllm】glm-4-9b-chat-1m镜像,快速构建智能家居控制中枢。该方案利用大语言模型强大的自然语言理解和工具调用能力,实现诸如“我回来了”自动开灯、调温等复杂场景的自动化控制,让家居交互更智能、更人性化。
在工业控制场景下,需要的是对现场传感器的精确采集转换,进一步精确控制现场设备,考虑现场及转换过程中的各种误差因素,的电路基本一致,可以不用上拉电阻,但要加参考电压,参考电压的精度直接影响转换精度。信号到了控制板之后,怎么转换成单片机能够识别的数字量?后续干货不断,咱们一起在单片机的世界里,共同进步。以内的精密金属膜电阻,阻值误差直接影响采集精度。,不需要外部参考电压和放大电路,外围元件极少。采集这
AI选品的核心,不是让AI替你决定“卖什么”,而是把AI放进完整的选品流程里,帮你更快完成信息整理、维度拆解、市场判断和产品优化。1.选品方向延展:把兴趣、经验、资源、供应链、预算告诉AI,让它基于你的真实条件延展方向(先给AI接入MCP数据工具,减少“AI幻觉”)2.数据维度判断:用销量、集中度、新品机会、利润率等数据建立基础模型,把“感觉不错”变成“数据上可判断”⚠市场不是越大越好!4.人工二
相信不少嵌入式开发者都有过这样的经历:让AI助手帮忙写一段nRF Connect SDK的代码,结果生成的代码要么API已经废弃,要么DeviceTree节点配置完全错误,甚至直接“ hallucinate”(幻觉)出一些根本不存在的功能模块。这不是AI不够聪明,而是它缺少。
JS 开发 → 每块板功能直接 JavaScript 编程3D 场景 → 集成 3D 编辑器 + 场景演示 + 操作组件控硬件微信开发 → 支持微信 iLink,随时随地用微信写代码Skills → 每块板开源 Skill,跨 AI 工具通用
# 大语言模型+物联网:LLM如何理解物理世界> 当LLM学会了"看"传感器数据、"听"设备告警、"说"控制指令,物联网就从"自动化"进化到了"智能化"。这不是科幻,而是正在发生的技术融合。## LLM+IoT的三种融合模式``` 模式1: LLM作为接口层 用户: "把客厅温度调到26度"│▼ ┌─────┐┌─────
本文介绍了如何在星图GPU平台上自动化部署Qwen3-8B镜像,并实现其在物联网领域的核心应用。通过该平台,开发者可快速搭建环境,利用Qwen3-8B模型将用户自然语言指令(如“调暗灯光”)自动解析并生成结构化控制命令,从而轻松驱动智能家居设备,实现智能化控制。
本文分享了在边缘网关中集成AI能力的实战经验,提出让AI直接通过MCP协议访问网关数据的技术方案。架构上采用统一数据缓存服务MQTT推送和AI查询,通过Modbus实现设备数据采集,并设计轻量级REST API和MCP协议两种AI接入方式。重点介绍了MCP协议实现,包括工具发现、调用流程及安全控制(权限、审计和限流)。文章还总结了告警引擎优化和嵌入式开发经验,如单线程事件循环、轻量JSON解析等。
cNetgate采用模块化插件架构设计,支持多种工业协议和设备类型。其核心设计包括模块化分离、统一接口规范、动态加载机制和JSON描述文件,支持C/C++动态库及Lua/Python/JavaScript脚本语言开发。插件管理器负责生命周期管理,通过标准化接口实现数据处理和配置。该架构显著提升了系统的可扩展性和灵活性,降低了开发门槛,使不同技术背景的开发者都能参与插件开发,有效解决了工业物联网领域
本文介绍了如何在星图GPU平台自动化部署AI语义搜索与轻量化生成实战项目(GTE+SeqGPT)镜像,实现物联网设备的智能交互。该方案结合MCP协议,使设备能理解自然语言指令并协同响应,典型应用于智能家居场景,如根据语音“有点暗”自动调节灯光,提升交互体验与效率。
《智能导航大脑:AI时代的地图革命》摘要 腾讯位置服务提出"AI+地图"创新方案,通过MapSkills工具链与大模型融合,解决传统地图三大痛点:被动响应、信息过载和缺乏预见性。该智能系统采用四层架构:1)基础能力层实现POI检索效率提升40%;2)智能体交互层通过MCP协议构建多模态决策流;3)时空决策层运用热力图进行动态路径规划;4)协同协议层实现跨终端调度。典型应用场景包
大家如果感兴趣可以去多尝试一下,现在的大模型能力我觉得已经能支撑很大一部分的工作,不必因为ai而焦虑,拥抱安全,拥抱ai,如果大家对AI挖洞有兴趣的话,后面还可以继续更新相关系列的文章,如果大家有好的AI安全的思路和想法,欢迎大家交流!最近心血来潮,突然想接触一些关于IOT相关的内容,但是由于之前基本没有怎么接触过,基础有限,最近又刷到各种AI agent,AI CTF相关的内容,于是就想试试能不
它通过本机 MCP Relay,把 OptiByte 页面显式声明的能力转换成 AI 可调用的工具,同时把登录会话、凭据、权限和配额校验保留在现有 OptiByte 会话里。做 IoT、工业控制或设备联调的人都知道,协议交付里有很多重复但不能省的准备工作:整理寄存器表、定义字段结构、补充数据类型、生成 hex 示例帧、解析设备响应、对比预期结构,最后还要把结果写成可以复查或交付的说明。AI 可以协
AI Agent Harness Engineering(智能体工程)是一门专注于设计、构建、部署和管理自主智能体的工程学科。智能体是指能够感知环境、进行推理决策并采取行动以实现特定目标的计算实体。智能体工程不仅仅是构建单个智能体,更是研究如何"驾驭"(Harness)多个智能体组成的复杂系统,使它们能够协同工作,解决单一智能体无法处理的问题。智能体的核心特性包括:物联网是指通过互联网将各种物理设
嵌入式系统与物联网技术正将传统设备升级为智能互联节点。其核心原理在于通过微控制器或单板计算机(如树莓派)作为大脑,连接各类传感器与执行器,实现对物理世界的感知与控制,并通过网络服务进行数据交互与远程管理。这种技术架构在智能家居、工业自动化等领域具有极高价值。具体到智能棋盘这一应用场景,它融合了传感器网络、总线通信协议与嵌入式逻辑。本项目利用磁簧开关矩阵作为棋子感知单元,通过I2C总线扩展芯片(如M
本文详细介绍了如何利用ESP32的PWM功能实现智能灯带与电机的精准控制,包括LEDC和MCPWM模块的配置与应用。通过实战项目,展示RGB调光和舵机控制的技术细节,帮助开发者快速掌握ESP32在物联网和自动化项目中的高级应用。
物联网(IoT)技术通过将物理世界的传感器数据与数字世界的计算处理相结合,实现了环境感知与智能控制。其核心原理在于利用微控制器或单板计算机(如树莓派)作为处理中枢,连接各类传感器采集模拟或数字信号,并通过网络服务实现数据的远程监控与交互。这项技术的价值在于构建了低成本、可定制的智能硬件解决方案,广泛应用于智能家居、环境监测和工业自动化等领域。本文以**智能夜灯**和**环境监测**为具体应用场景,
本文以某 NB-IoT 水表 MQTT 协议为例,记录一次协议插件开发后的回溯拆解过程。文中的表号、密钥、密文报文、平台名称、数据库表名均已脱敏或示例化,不能直接作为真实联调报文使用。写这篇文章的目的不是简单说明“代码怎么写”,而是从一条 MQTT 上看到的 HEX 报文出发,反向拆成协议帧、密文 DATA、解密后的明文 DATA、字段定义,以及平台后续业务动作。这个过程能帮助我们确认:实现到底有
物联网技术通过传感器、网络和数据处理,实现了物理世界的数字化感知与控制。其核心原理在于将各类终端设备接入互联网,进行数据采集、传输与分析,最终服务于决策与自动化。在环境监测领域,这项技术的价值尤为突出,它能够实现对特定区域水文、气象等要素的长期、连续、自动化观测,为预警和决策提供实时数据支持。一个典型的应用场景便是城市内涝与洪水监测。本文聚焦于这一具体需求,详细阐述了如何利用树莓派(Raspber
物联网(IoT)系统通过传感器、微控制器和网络连接,实现对物理世界的感知与控制,其核心在于数据的采集、处理与可视化。在嵌入式开发领域,Raspberry Pi(树莓派)因其丰富的GPIO接口和强大的社区生态,常被用作物联网网关或边缘计算节点。本项目深入实践了这一技术栈,利用光敏电阻阵列作为传感器,通过MCP3008模数转换器采集模拟信号,精准感知棋盘状态变化。其技术价值在于提供了一个从硬件电路设计
物联网(IoT)技术通过将物理设备连接到网络,实现了数据的采集、传输与智能控制。其核心原理在于利用微控制器或单板计算机(如树莓派)作为处理中枢,通过GPIO、I2C、SPI等接口连接各类传感器,采集环境数据,并借助网络服务实现远程访问与交互。这项技术的价值在于将简单的硬件节点升级为智能终端,广泛应用于智能家居、环境监测和工业自动化等领域。本文聚焦于一个典型的物联网应用场景——智能环境监测,详细阐述
物联网(IoT)系统通过感知层、网络层和应用层的协同,实现了物理世界与数字世界的连接。其核心原理在于利用传感器采集环境数据,通过微控制器或单板计算机进行处理与决策,并借助网络通信将数据上传至云端或本地服务器,最终通过应用程序实现远程监控与智能控制。这一技术架构的价值在于打通了从数据采集到执行反馈的完整闭环,为智能家居、环境监测等场景提供了灵活、低成本的定制化解决方案。本文以树莓派(Raspberr
物联网(IoT)系统通过嵌入式硬件感知物理世界,并借助网络服务实现数据互联与智能控制。其核心原理在于将传感器采集的模拟或数字信号,经由微控制器处理,再通过网络协议传输至服务器进行存储与分析。这种技术架构的价值在于打通了物理设备与数字世界的桥梁,使得环境监测、智能家居和工业自动化等应用场景成为可能。本文聚焦于一个具体的工程实践案例,详细阐述了如何利用树莓派(Raspberry Pi)作为主控与网络服
使用聆思科技的Arcs-mini的开发板测试,发现可以通过大模型调用本地的MCP服务,实现通过大模型开灯,光灯,调节屏幕亮度,和显示表情等功能。2.代码分析,通过查看代码,mcp可以通过注册的方式增加,用户可以根据自己的需求创建相应本地mcp服务,只需通过相应的接口进行mcp注册,大模型就可以调用相关mcp服务。大模型根据问题,向开发板发送调用MCP服务请求,程序解析运动请求后,通过mcp_int
跨行业求职AI工具测评摘要 2026年,超40%求职者面临跨行业转型挑战,核心痛点包括行业经验缺乏、简历筛选困难及面试知识不足。本文测评5款AI工具,重点考察行业适配度(40%)、简历转化能力(35%)和面试辅助专业度(25%)。 测评结果: 1️⃣ 求职精灵Genielink(4.6/5)以全流程服务胜出,尤其擅长可迁移技能挖掘与职业规划; 2️⃣ 职徒简历(4.1/5)专注跨行业简历优化; 3
部署于田间地头的各类传感器(如环境温湿度、土壤墒情、光照强度、作物长势监测设备)实时采集数据,再通过无线通信技术(如LoRa、NB-IoT、5G)传输至云平台。经大数据与人工智能分析后,系统可自动执行灌溉、施肥、补光等操作,实现精准作业。农业物联网(IoT)技术的兴起,正深刻变革着农业生产方式,通过数据驱动决策,实现精准化、智能化的现代农业管理,为全球粮食安全与可持续发展提供关键支撑。未来,随着边