使用FoxnicWeb以及FoxnicSQL进行应用开发时，都可以支持代码生成。他们的区别是，基于FoxnicSQL的快速main函数启动的应用，只需要生成Model和Service即可。基于FoxnicWeb开发Web应用时，除了生成Model和Service以外，还要生成Proxy、Controller、UI界面等。  Foxnic的代码生成是基于数据表的，所以当表结构变更，甚至只是注释的调整，我们也是建议重新生成必要的代码。在Foxnic的体系中，我们认为最初的表结构设计、ER图设计，就是这个系统设计的起点。后续的程序设计或数据结构设计都是表结构设计的延续。  Foxnic的代码生成体系希望开发者可以有一个较高的开发起点，可以基于生成的代码直接开发应用，甚至是代码生成后无需修改就可以直接使用了。另一方面，我们又不关闭二次开发的开放性，毕竟自由的修改代码才是软件系统可以按需定制的终极路径。这也是Foxnic体系没有走无代码或低代码平台的原因。

4月11日，首届超算互联网峰会暨国家超算互联网平台上线仪式在天津顺利举办，来自部委、省级科技厅、中国科学院、中国工程院、计算产业链相关企业等专家、代表数百人共聚一堂，见证了这一历史性时刻。天翼云作为副理事长单位受邀参会，围绕超算领域的前沿技术和应用，与业内专家共同探讨互联网背景下的新型超算服务模式和发展前景，并在会上展示了“天翼云弹性高性能计算EHPC”的核心产品能力。此外，天翼云云网产品事业部超算团队参与编写的《超算互联网白皮书》正式发布，为国家超算互联网的后续发展、建设提供了参考。

5月25日，第七届数字中国建设峰会期间，以“国云注智 聚力向新”为主题的2024智算云生态大会·智算云论坛在福州召开。天翼云全面升级产品及生态矩阵，打造“算力·平台·数据·模型·应用”五位一体的智算云能力体系。会上举行“开源大模型社区发布暨生态繁荣计划启动”、“息壤区域算力互联互通及调度管理服务计划暨息壤城市算力互联网点亮行动”等仪式，通过产业各方伙伴共创、共建、共推智算产业发展再上新台阶。作为云服务国家队，天翼云正以全新智算云布局，加快构建以科技创新为驱动的新质生产力，为数字经济发展与数字中国建设注入澎湃动能。

为充分发挥宁夏算力产业基础与优势，聚焦人工智能关键共性技术创新，推动人工智能技术与实体经济深度融合，搭建AI产业应用开发与生态合作平台，6月29日，2024首届算力之都开发者大会暨天翼云智算生态合作大会在宁夏隆重举行。大会以“沙海铸就人工智能，黄河汇集数字洪流”为主题，邀请全球顶尖院士和来自清华大学、北京邮电大学等高校的知名学者、10余家头部模型厂商、3000余名国内外AI开发者和行业精英汇聚一堂，共同探讨AI应用创新的前沿趋势和关键技术，展示AI技术在各个领域的应用成果，推动AI应用的落地和普及。

大家好！我是sum墨，一个一线的底层码农，平时喜欢研究和思考一些技术相关的问题并整理成文，限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。作为一名从业已达六年的老码农，我的工作主要是开发后端Java业务系统，包括各种管理后台和小程序等。在这些项目中，我设计过单/多租户体系系统，对接过许多开放平台，也搞过消息中心这类较为复杂的应用，但幸运的是，我至今还没有遇到过线上系统由于代码崩溃导致资损的情况。这其中的原因有三点：一是业务系统本身并不复杂；二是我一直遵循某大厂代码规约，在开发过程中尽可能按规约编写代码；三是经过多年的开发经验积累，我成为了一名熟练工，掌握了一些实用的技巧。

大家好！我是sum墨，一个一线的底层码农，平时喜欢研究和思考一些技术相关的问题并整理成文，限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。作为一名从业已达六年的老码农，我的工作主要是开发后端Java业务系统，包括各种管理后台和小程序等。在这些项目中，我设计过单/多租户体系系统，对接过许多开放平台，也搞过消息中心这类较为复杂的应用，但幸运的是，我至今还没有遇到过线上系统由于代码崩溃导致资损的情况。这其中的原因有三点：一是业务系统本身并不复杂；二是我一直遵循某大厂代码规约，在开发过程中尽可能按规约编写代码；三是经过多年的开发经验积累，我成为了一名熟练工，掌握了一些实用的技巧。

作为一名从业已达六年的老码农，我的工作主要是开发后端Java业务系统，包括各种管理后台和小程序等。在这些项目中，我设计过单/多租户体系系统，对接过许多开放平台，也搞过消息中心这类较为复杂的应用，但幸运的是，我至今还没有遇到过线上系统由于代码崩溃导致资损的情况。这其中的原因有三点：一是业务系统本身并不复杂；二是我一直遵循某大厂代码规约，在开发过程中尽可能按规约编写代码；三是经过多年的开发经验积累，我成为了一名熟练工，掌握了一些实用的技巧。

检索增强生成(RAG)为大型语言模型赋予访问外部知识库的能力，提升其精准性和实用性。它包含三个步骤：检索、增强和生成。RAG通过向量数据库进行语义搜索，克服了传统关键词匹配的局限性。文章以云计算促进人工智能发展为例，在大模型分发助手平台上演示了RAG的实际流程，包括知识准备、知识切割、向量化、提问、相似度计算、提示词构建和答案生成。RAG的未来在于提升精准性、个性化、可扩展性、可解释性和成本效益，最终实现更深入的知识理解和推理，更自然的人机交互以及更广泛的领域应用。