核心观点 - Google发布69页Prompt Engineering白皮书，系统性梳理AI沟通方法论和最佳实践[1][6] - 提示工程是精确引导AI输出的关键技能，可解决AI输出不稳定、偏离预期等问题[3][4][9] - 白皮书提供分层方法论：从理解LLM原理到参数调节再到高级提示技巧[8][11][24] AI工作原理 - 大语言模型本质是预测引擎，通过提示词引导其预测方向[8] - 模型根据输入提示预测下一个token，循环生成输出内容[8] - 提示词质量直接影响输出效果，明确指令可提升预测准确性[9] 关键参数调节 - 温度(Temperature)控制输出随机性：0.1-0.3适合严谨任务，0.8-1.0适合创意任务[14][15][23] - Top-K限制候选词数量，Top-P动态调整候选词概率范围[23] - 推荐初始参数组合：Temp=0.2, Top-P=0.95, Top-K=30[23] 提示技巧 基础技巧 - 零样本提示：直接给出指令不含示例[25] - 少样本提示：提供3-5个高质量示例引导输出格式[26][28] 高级技巧 - 分层指令：系统提示定角色+上下文提示给背景+角色提示定风格[29] - 退步思考：先解决抽象问题再处理具体任务[29] - 思维树：生成多条推理路径投票选择最优解[33][37][40] - ReAct框架：思考-行动-观察循环，可调用外部工具[41] 最佳实践 - 保持提示简洁明确，指定输出格式要求[44] - 使用模板变量提高重复任务效率[44] - 建立实验记录文档追踪优化过程[44] - 不同模型/任务需重新调试参数和提示[41]

以下文章来源于CSDN ，作者CSDN CSDN . 成就一亿技术人 作者 | 《新程序员》编辑部 出品 | CSDN（ID：CSDNnews） 在万物向 "智 " 生长的 2025 年，AI 领域的热潮持续升温，正引领着技术革新与产业探索的新浪潮。 了新的破解思路？围绕这些关键问题，欢迎回看大会首日视频，看众多技术大咖如何从理论、算法到实际应用层面进行了深度剖析 ，以此 了解 AI 技术 的更多最新进展： 大模型技术创新驱动的 AI 生态和应用演进 李建忠 CSDN 高级副总裁、 Boolan 首席技术专家 4 月 18-19 日，由 CSDN 联合高端 IT 咨询与教育平台 Boolan 举办的 2025 全球机器学习技术大会（ML-Summit 2025），在上海虹桥西郊庄园丽笙 大酒店隆重拉开帷幕。本次大会围绕 AI 最前沿的发展趋势与落地实践，聚焦大语言模型技术演进、AI 智能体、具身智能、DeepSeek 技术解析与行业 实践等 12 大专题，邀请了超 60 位来自全球顶尖科技企业与学术机构的重磅嘉宾齐聚一堂，全面呈现 AI 领域的技术风向与应用前沿。 在生成式 AI 重构技术边界的浪潮下，产业实 ...

赛事概况 - 全球首个"人机共跑"半程马拉松在北京亦庄举办，引发科技圈和大众关注 [1] - 赛事涵盖21.0975公里复杂地形赛道，包括6个左转道和8个右转道，转弯角度≥90° [6] - 18款国产机器人参赛，包括天工Ultra、乐聚夸父、松延N2等来自清华大学、乐聚机器人、北京人形机器人创新中心等机构的机型 [6] 冠军机器人天工Ultra - 身高1.8米，体重55公斤，采用"具身大小脑高效协同"控制架构，实现局部电机动作控制和全身动态平衡与路径规划的高效协作 [3] - 采用大功率一体化关节和低惯量腿部结构，具备爆发性速度，轻量化设计和散热技术保障持续奔跑 [5] - 完赛时间2小时40分24秒，比赛过程中更换3次电池 [6] 亚军机器人松延N2 - 身高1.2米，体重30公斤，拥有18个自由度，关节扭矩达150N·m以上 [7] - 采用强化学习与动力学模型融合的运动控制策略，核心动态平衡算法每秒计算数千次，时速10公里时重心偏移控制在3厘米内 [9] - 依赖多模态传感器融合实现复杂地形导航，即使头部感知系统失效也能自主完赛 [9] 技术挑战与行业瓶颈 - 数据瓶颈：真实数据采集线性增长无法满足模型训练指数级性能提升需求 [13] - 计算瓶颈：有限算力资源下需实现更高效智能算法 [14] - 模型架构：现有架构在效率、精度和泛化能力方面存在局限性，需探索分层决策模型等新架构 [15] 赛事意义 - 标志着具身智能迈入全新发展阶段，是对机器人运动控制、环境感知、续航能力的全面考验 [6] - 单台机器人完赛需完成约25万次关节动作，展现当前机器人技术水平的综合能力 [6][11]

大模型技术体系概述 - 大模型不仅是单一程序，而是由模型、数据、系统、评测平台等多要素构成的"技术共同体"，需依赖大规模高质量数据、先进模型架构、训练策略及底层系统能力[1] - 开源大模型正崛起为AI普惠化的重要力量，但需解决选型难题并理解不同技术体系的优劣势[1] 榜单评估框架 - 评估覆盖模型、数据、系统、评测四大维度，设置53项核心指标，包括模型使用量、模态覆盖度、芯片适配数量、贡献者活跃度等[4] - 数据采集覆盖全球17个主流开源平台的11673个链接，统计周期为2025年1-4月，采用标准化方法确保可比性[6] - 模型指标筛选标准：仅统计月下载量>50的Transformer架构模型，排除参数量<500M的语言模型[7][8] - 系统指标侧重异构训练支持、芯片厂商接入、生命周期管理能力[11] - 评测平台指标要求公开可查且持续更新，排除临时性榜单[11] 分榜单核心发现 百亿参数大语言模型 - DeepSeek表现突出，R1模型以954万次下载量居首，前十名中独占四席[12] - 百亿级模型因性能与成本平衡成为产业焦点，国内机构加速追赶[12] 模型分榜单 - Meta连续四个月蝉联榜首，阿里巴巴稳居第二，DeepSeek凭借V3/R1等新模型跃居第四[16] - 评估维度包括下载量、开源数量、多模态覆盖（语言/视觉/语音等）及社区活跃度[15] 数据分榜单 - Ai2凭借C4数据集登顶，该数据集是多个主流语言模型的训练基础[19][20] - Google在语音数据集表现突出，Hugging Face通过FineWeb保持活跃[23] - 国内BAAI布局CCI语言数据集和Infinity多模态数据集，上海AI Lab聚焦视觉/多模态领域[24] - 多模态数据加速发展，具身感知类交互数据集受关注[25] 系统分榜单 - 智源研究院在通信库和AI编译器领域差异化领先，百度/华为跻身十强[26] - 六家机构覆盖四项关键技术：智源、百度、华为、Google、OpenAI、微软[26] - Meta和Google在算子库和并行训练框架上优势显著[26] 评测平台分榜单 - 上海AI Lab、Hugging Face、智源研究院领跑，Hugging Face评测模型达4576个[29] - BAAI的FlagEval平台评测覆盖能力紧随Hugging Face[29] 综合影响力总榜 - Meta因LLaMA系列模型和PyTorch生态位居第一，Google凭借Gemma 3和TensorFlow/JAX工具链排名第二[35][36] - 四家中国机构进入Top 10：BAAI（第三）、阿里巴巴（第四）、DeepSeek（第九）、上海AI Lab[32][36] - BAAI打造FlagOpen开源体系，目标成为大模型领域的"Linux"[36] - DeepSeek通过MoE架构创新和完整开源策略快速崛起[36] - OpenAI因"有限开源"策略排名第十，早期开放的GPT-2/Whisper仍被广泛应用[36] 行业动态与未来方向 - 多模态技术扩展推动评估体系优化，将引入动态权重调整机制适应具身智能等新趋势[37] - 《人工智能大模型技术体系开源影响力评估方法》白皮书将于2025年5月发布[37] - 评估框架已在GitHub/GitCode开源，鼓励生态共建[38]

AI发展前景与风险 - 几乎所有顶尖研究人员认为AI将比人类更聪明 最快5年内有50%概率超越人类智慧 [1][25] - AI导致人类灭绝的概率估计为10%-20% 目前缺乏可靠方法预测具体时间点 [27][28][30] - 大语言模型使网络钓鱼攻击效率大幅提升 2024年攻击次数达2023年的12倍 [24] AI技术应用领域 - 医疗领域AI诊断错误率已低于人类医生单独判断 未来可实现个性化家庭医生服务 [72] - 教育领域AI辅导系统可使学习效率提升3-4倍 可能颠覆传统大学教育模式 [72][74] - 神经网络技术模拟人脑神经元连接机制 通过调整连接强度实现机器学习 [15][17] 行业监管与安全研究 - 当前AI安全研究资源投入不足 建议科技公司将至少三分之一资源用于安全研究 [34] - 需建立全球合作机制应对AI风险 但联合国等现有机构难以主导该进程 [40][44] - 美国拜登政府曾发布AI安全行政命令 但可能因政府更迭被推翻 [35][37] 科技巨头动态 - 埃隆·马斯克旗下XAI公司曾邀请辛顿担任顾问遭拒绝 [49][50] - 主要科技公司被短期利润驱动 在AI安全领域投入不足 [34][45] - 行业需要公众督促政府加强监管 推动企业加大安全研究投入 [38] 技术演进趋势 - AI发展不可阻挡 因其在医疗教育等领域的变革性价值 [72] - 神经网络技术突破源于对人脑学习机制的模拟 [15][17] - 大语言模型显著提升网络攻击效率 2023-2024年钓鱼攻击激增1200% [24]

中国移动云智算大会核心内容 - 论坛聚焦AI新生态下云智算发展趋势 发布云智算系列产品与智算一体机等创新成果 [1] - 公司提出"AI+"行动计划 从供给者、汇聚者、运营者三方面推动AI技术规模效应 [1] 云智算技术体系架构 - 提出"1+4+1"体系架构：升级算网大脑为云智算超级智能体 强化IPMS四层架构安全防护 [3] - 通过普惠算力服务、标准制定、生态合作推动服务普惠化、技术可控化、生态多元化发展 [3] 新产品发布 - 云智算系列产品覆盖AI IaaS基础设施、AI PaaS开发平台、MaaS模型服务、AI SaaS应用 提供全场景一站式服务 [4] - 智算一体机以"硬件+软件"为核心 将算力转化为普惠服务 满足政务、教育等行业私有化部署需求 [6] 行业应用案例 - 苏州高新区政务助手融合"Deepseek"和"通义Qwen"大模型 通过sft微调与rag技术提升政务服务效率 [8] - 重庆大学实现异构算力资源池化与统一调度 显著提升资源利用率与AI应用稳定性 [8] - 中国航信联合开发5G+航空大模型 打造新一代民航智能客服产品 构建智慧民航生态 [8] 战略方向 - 公司通过央企算力网络创新联合体推动云智算规模化应用 响应"人工智能+"政策要求 [8] - 将持续加大研发投入 为千行百业提供高效智算服务 助力数字强国建设 [8]

Cursor与微软VS Code插件兼容性问题 - Cursor作为2023年诞生的AI编程工具，基于VS Code打造并集成Claude 3.5 Sonnet和GPT-4o等大模型，成为全球AI编程工具排行榜第一[1][9] - 近期用户反馈微软C/C++等插件在Cursor中出现兼容性问题，安装时报错提示"此扩展在你当前的环境中不可用"[4][5] - 开发者发现微软在VS Code更新中新增代码限制插件仅限官方产品使用，非微软编辑器如Cursor被排除在外[11][12] 技术原因与临时解决方案 - 问题根源在于微软在vscode-cpptools代码库新增许可条款，限制插件仅限VS Code等微软产品使用[12][13] - 用户通过回滚插件至1.17.62或1.23.6版本可暂时解决问题，但需关闭自动更新[16][17][19] - Cursor官方回应将逐步摆脱对微软闭源插件的依赖，转向支持开源替代方案[21] 微软潜在动机分析 - 微软可能通过限制插件使用保护VS Code生态控制权和品牌绑定[28] - 4月5日VS Code上线"Agent Mode"AI功能，与Cursor形成直接竞争关系[23][24] - 微软隐藏.vsix安装文件下载入口，进一步限制非官方编辑器获取闭源插件[26] 行业影响与开发者反应 - 微软C++插件用户量达8100万，远超开源替代品Clangd的170万安装量[29] - 开发者分为两派：支持微软维护权益派和反对破坏开源生态派[32][33] - 事件引发Reddit、Hacker News等社区广泛讨论，涉及开源与商业化的平衡问题[33] Cursor应对措施 - 官方承诺将推出长期解决方案，默认集成开源替代插件[21] - 正在投入资源支持社区开源方案，确保用户平滑过渡[21] - 强调部分微软插件如Remote access、Pylance等本就闭源，需建立自主生态[21]

大模型驱动的智能体系统发展 - 大模型快速发展催生了智能体系统（agentic system），彻底改变了人类与计算机的交互方式，其核心在于混合架构（传统编程语言+大模型指令）[1][4] - 智能体系统将成为大模型应用的普遍形式，其性能和使用成本决定了大模型的普惠范围，优化方向是提升单位算力的智能输出[4] - 大模型驱动的系统颠覆传统软件的两大特点：处理语义信息的能力（非语法层面）和用户只需指定任务目标无需说明执行步骤[5] 智能体系统的关键技术方向 - 提升效率的三大方向：面向大语言模型的编程、验证大模型输出、构建智能体原生服务系统[6][7][10] - 面向大语言模型编程的核心工具包括自动提示优化（APO）、提示压缩框架LLMLingua（压缩比达20倍）和动态稀疏注意力算法（推理延迟降低10倍）[11][14] - 验证大模型输出的方法包括构建DSEval和VisEval基准测试框架，以及V-Droid的实时验证器架构（移动端任务完成率创新高）[15][17][19] 智能体原生服务系统创新 - Parrot服务系统引入"语义变量"概念，通过构建请求间依赖关系图（DAG）实现端到端优化，多智能体编程任务性能提升11.7倍[21] - 当前公共大模型服务的局限性在于无法识别请求间关联，导致网络延迟、排队和冗余计算等问题[21] 跨领域协作与未来展望 - 智能体系统优化需要算法与系统协同创新，微软亚洲研究院采用网状团队合作模式（如YOCO和BitNet等底层技术研究）[24] - 行业未来重点在于通过低比特量化、系统架构优化等方法降低智能体系统成本，扩大应用范围[24] 行业应用案例 - RAG任务分类法已在医疗领域应用，将查询需求分为4级（显性事实查询到隐式推理查询），显著提升智能体性能[12][16] - 数据科学智能体通过DSEAL领域特定语言和校验原语实现全生命周期验证，确保技术准确性与用户意图匹配[15][17]

大赛启动背景 - 中国移动主办首届"云智算杯"AI+应用创新大赛，旨在拓展AI在多元场景下的创新应用 [1] - 公司积极响应国家"人工智能+"战略，发挥央企三大作用（科技创新、产业控制、安全支撑），依托算力网络优势推动"云智算"战略升级 [4] - 前身"移动云杯"算力网络应用创新大赛已举办三届，累计吸引20万+开发者、2000+企业、300+高校参与，沉淀数百项创新成果 [4] 大赛升级亮点 - 2025年大赛升级为"云智算杯"，以"智汇未来，云创无限"为主题，聚焦"云智融合"技术突破 [5] - 依托移动云智算平台和一站式大模型服务双技术底座，重点围绕智能体与大模型开发 [5] - 设立百万现金奖励及百万用云资源支持，加速前沿技术商业化落地 [5] 三大赛道设置 - 行业赛道：面向企业开发者，融合移动云智算平台与大模型服务，开辟AI+产业新通路 [7] - 高校赛道：聚焦顶尖人才孵化，点燃技术生态创新 [7] - 移动赛道：探索央企数字化转型场景，培育行业标杆应用，构建"政产学研用投"协同生态 [7] - 三大赛道形成从技术研发到产业应用的完整创新链条 [7] 生态支持计划 - 发布AI+产业"益企共创"行动计划，以大赛和开放云市场为核心载体 [9] - 计划招募百家合作伙伴、遴选百强AI应用，提供百万现金奖励及算力资源补贴 [9] - 依托行业大规模AI伙伴扶持计划，提供技术、资金、市场全链条支持 [9] 战略意义 - 践行国家人才战略，强化企业创新主体地位，推动"党建链"赋能"产业链" [11] - 通过"以赛促创、以赛促商、以赛促教、以赛引才"模式加速AI技术普惠化 [11] - 降低中小企业AI应用门槛，激发青年科技创新热情，构建多层次AI人才培养体系 [12] - 促进产业数字化转型，通过标杆案例带动千行百业智能化升级 [12]

项目背景 - OpenManus 复刻 Manus 核心功能，以开放姿态在不到一个月内于 GitHub 获超 42.2k Star 关注[2] 开发者经历 - 梁新兵和向劲宇因 MetaGPT 黑客松活动接触 Agent 领域，确定研究方向[8][9] - 梁新兵科班出身，向劲宇从物理转行，两人在合作中优势互补[8][9] 开发工具与工作流 - 开发者日常借助 Kimi、Repo Mix、Cursor 等 AI 工具学习新技术、提升编程技能，提高工作效率[11][14] - OpenManus 很多代码由 AI 辅助编写，但需人工审查和修改[15] 项目诞生与反响 - 向劲宇预判复刻 Manus 并开源会火，两人利用业余时间快速搭建 OpenManus，发布后 Star 数疯涨[18][19] - 开源目的主要是科普和推广简洁实现理念，让初学者易理解 Agent 核心逻辑[18][19] 项目设计与实现 - OpenManus 架构含 planning tool、Agent 和 tool 模块，采用 react 模式执行任务[24][27] - 定义 Agent 关键要素为工具和提示词，核心工具约 10 个，工具粒度较大[28][32][38] 开源社区贡献 - AWS 官方提交适配 Bedrock API 的代码，社区贡献者完善 Web Search 功能[43][44] - 因审核困难和缺乏测试用例，开发者会慎重考虑修改大量代码的 PR[46] 项目演示与挑战 - 演示 OpenManus 制定旅行规划时出现启动慢、卡住等问题，可能与上下文长度和代码 Bug 有关[52][53][55][56] MCP 协议 - MCP 是统一协议，目标是让大模型以统一方式使用工具，OpenManus 已实现部分支持[60][61][64] 未来规划 - 进行强化学习微调模型，基于 Agent Gym 开发 OpenManus RL 扩展项目[66][67] - 完善多 Agent 协调、MCP 协议支持、工具集成和测试用例建设等工作[68] 学习与借鉴 - 开发者通过 RepoMix 抓取代码，借助大模型理解代码逻辑和架构，将精华部分整合到项目中[69][72][73]