博客 RSS 訂閱

paul-boag 頭像

Paul Boag - Giving Users A Voice Through Virtual Personas

In my previous article, I explored how AI can help us create functional personas more efficiently. We looked at building personas that focus on what users are trying to accomplish rather than demogr

User Research , ux , AI , Design

收藏 評論

tangqingfeng 頭像

唐青楓 - 一篇搞定 dotnet ef：EF Core 常用命令與實戰指南

基礎知識 項目 説明 EF Core .NET 的 ORM 框架，支持 Code First、Database First。 dotnet ef 一個 CLI 工具，用於管理 EF Core 遷移、數據庫操作。 安裝方式 通常安裝在項目中（推薦）： dotnet add pac

c# , .net

收藏 評論

u_9849794 頭像

子丶不語 - Vue3 實用篇：基於 mitt 打造靈活的組件通信與全局事件方案

在 Vue3 生態中，組件通信是前端開發的核心需求之一。父子組件間的props/emit雖簡潔高效，卻難以應對跨層級、無關聯組件的通信場景；provide/inject偏向全局狀態注入，缺乏靈活的事件通知能力；而 Pinia/Vuex 作為專門的狀態管理工具，對於臨時、非持久化的事件觸發又顯得過於笨重。 面對這些痛點，mitt以其超輕量、無依賴、API 簡潔的特性，成為 V

vue.js , 封裝 , 數據 , 事件總線 , 前端開發

收藏 評論

u_15844731 頭像

阿森CTO - Linux模擬線程封裝與智能指針shared_ptr

@TOC 📝線程封裝 🌉 Thread.hpp // Thread.hpp #pragma once #include iostream #include string #include functional #include pthread.h namespace ThreadModule { // 原⼦計數器，⽅便形成線程名稱

封裝 , 大數據 , yyds乾貨盤點 , include , 數據倉庫 , ios

收藏 評論

poemyang 頭像

poemyang - 化整為零、分而治之、異步編排：一文讀懂現代併發的底層心法

LongAdder：化整為零，熱點分散 在Java多線程編程中，‌原子變量（如AtomicLong）‌通過CAS操作實現線程安全的累加。然而，在高併發場景下，大量線程爭搶同一原子變量會引發嚴重的‌緩存一致性問題‌。 ‌ 1）緩存行偽共享‌：多個線程頻繁更新同一緩存行，導致緩存失效和MESI協議頻繁觸發，處理器性能急劇下降。 ‌ 2）CAS衝突開銷‌：CAS操作需自旋重試，線程競爭

軟件設計

收藏 評論

docpartner 頭像

文檔伴侶 - 打造你的專屬知識大腦：訪答本地私有知識庫

打造你的專屬知識大腦：訪答本地私有知識庫 在信息爆炸的時代，如何高效地管理個人知識，構建屬於自己的知識體系，成為許多人面臨的挑戰。今天，我們將為您介紹一款強大的工具——訪答知識庫，它能夠幫助您在個人電腦上搭建一個安全、高效的本地私有知識庫。 什麼是本地私有知識庫？ 本地私有知識庫是指安裝在個人電腦上的知識管理軟件，它將所有數據存儲在本地設備中，不依賴雲端服務器。這種知識庫具有以下核心優勢： 數

opensource

收藏 評論

apocelipes 頭像

apocelipes - 從源碼角度解析C++20新特性如何簡化線程超時取消

C++20中增加了很多重量級新特性，它不僅帶來了ranges、concept和協程，也為多線程編程帶來了jthread和stop_source這些強力輔助。利用這些新特性，我們可以更高效地編寫併發程序。 今天要説的就是利用jthread和stop_source來簡化線程超時控制的實現，最終我們可以實現一個簡單高效、可維護性不輸給號稱“天生支持併發”的Go語言的版本。 為什麼需要超時控制 超時控制是

後端

收藏 評論

zhangguilandocpartner 頭像

aaabbbcccd - 數據主權的守護者：為什麼你需要本地知識庫？

數據主權的守護者：為什麼你需要本地知識庫？ 引言：數據時代的隱私危機 在人工智能和大數據蓬勃發展的今天，我們的文件、知識和數據正以前所未有的速度被數字化。然而，一個不容忽視的問題日益凸顯：當我們將個人或企業的核心知識上傳到雲端，我們是否正在失去對數據的主控權？雲服務商的數據泄露事件頻發，AI模型對用户數據的"白嫖"行為引發廣泛擔憂。在這樣的背景下，本地知識庫應運而生，為我們提供了一個全新的解決方案

opensource

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第三週：檢測算法 （一）目標定位與特徵點檢測

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第四課的第三週內容，3.1到3.2的內容。 本週為第四課的第三週內容，這一課所有內容的中心只有一個：計算機視覺。應

AI

收藏 評論

u_16213690 頭像

mob64ca1411e411 - perf基本使用功能-

Perf Top 參數詳解（按給定順序） 1. 基礎選項 -a, --all-cpus 作用: 在所有CPU上進行系統級收集 perf top -a # 監控所有CPU perf top # 默認就是-a -b, --branch-any 作用:

服務器 , Linux , Nginx , 堆棧

收藏 評論

wintersun 頭像

PetterLiu - 企業級AI智能體（Agent）市場分析

企業級AI智能體（Agent）市場分析報告：從應用場景到落地挑戰的深度洞察 AI智能體——從輔助工具到自主生產力的範式轉移 一場深刻的範式轉移正在重塑人工智能的版圖，其核心驅動力便是AI智能體（AI Agent）。它不再是亦步亦趨的輔助工具，而是正在崛起為一種能夠自主規劃與執行的全新生產力，徹底改寫着人機協作的遊戲規則。 我們可以用一個生動的比喻來理解AI智能體的核心構成——它是一個擁有“大腦

AI

收藏 評論

20214843 頭像

龐然大悟 - 高可用架構設計：Keepalived+NGINX 主從切換與腦裂防護

在分佈式架構中，NGINX 作為流量入口，其單點故障會直接導致服務不可用。Keepalived 基於 VRRP（虛擬路由冗餘協議）可實現 NGINX 主從節點的自動切換，二者組合是構建高可用流量入口的經典方案。本文將拆解 Keepalived+NGINX 高可用架構的核心實現，聚焦主從切換機制與腦裂問題防護，提供可落地的設計思路與實操要點。 一、核心架構邏輯：主從節點與虛擬

服務器 , ip , Nginx , 主從切換

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - Hologres Dynamic Table：高效增量刷新，構建實時統一數倉的核心利器

在企業數據架構逐步走向實時化與一體化的過程中，如何高效處理“大量歷史+少量新增”的業務數據，已成為建設統一數倉與實時數倉時繞不開的關鍵挑戰。 傳統全量刷新方式在面對億級歷史數據時，往往面臨刷新延遲高、計算成本大、鏈路複雜等問題。為了解決這些痛點，業界逐漸形成了一種新的數據處理範式——DynamicTable（動態表），它通過聲明式語法自動維護物化結果，並支持高效的增量刷新能

大數據 , 阿里雲 , 人工智能 , 數據分析 , 實時數倉 , Hologres

收藏 評論

u_16099217 頭像

技術博客達人 - kafka集羣安裝

Kafka_4.1.0(Kraft模式)集羣安裝 環境準備 系統：Ubuntu 22.04 JDK：21 Kafka: 4.1.0 CPU：4核+ 內存：8GB+（生產環境建議16GB+）

服務器 , 主機名 , ip , 集羣 , kafka

收藏 評論

TwilightLemon 頭像

TwilightLemon - WPF 使用 RenderTransform 實現高性能平滑滾動的 ScrollViewer

在之前的兩篇文章中，我們探討了 WPF 中實現平滑滾動的不同方案： WPF 如何流暢地滾動ScrollViewer 簡單實現下：基於DoubleAnimation的動畫方案。 WPF 使用CompositionTarget.Rendering實現平滑流暢滾動的ScrollViewer：基於CompositionTarget.Rendering的每幀佈局更新方案。 雖然第二版方案解決了觸控板

.net , 後端

收藏 評論

toplist 頭像

Java烘焙師 - 架構師必備：後端程序員需要了解的數倉知識

大家好，我是Java烘焙師。後端程序員平時除了接觸業務代碼、中間件、存儲等，也難免會跟數倉有交集。下面結合筆者的經驗和思考，從後端程序員的視角看數倉、做個總結，後續再跟數倉/BI argue的時候就不虛了😃 分成兩部分介紹：離線數倉、實時數倉。 離線數倉 離線數倉是最典型的數倉應用場景。後端服務產生了業務數據、監控埋點、日誌等，如果要做統計分析，就要先離線採集到數倉，再通過SQL做聚合查詢。

數據倉庫 , 架構

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的水下海洋生物檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的水下海洋生物檢測系統演示 1. 前言​ 大家好，歡迎來到 Coding 茶水間。今天要分享的是一個基於 YOLO 算法的水下海洋生物識別系統，它能幫我們快速判斷畫面中出現的海洋生物種類。 這套系統界面清晰、功能齊全，分為左側功能區、中央展示區與右側數據區三大板塊。左側可選取圖片、視頻、批量圖片或攝像頭進行檢測，還能切換不同訓練好的模型；中央區域不僅能實時預覽檢測畫面，還提供

AI

收藏 評論

huggingface 頭像

HuggingFace - Codex 正在推動開源 AI 模型的訓練與發佈

繼我們使用 Claude Code 訓練開源模型的項目之後，現在我們更進一步，將 Codex 引入這一流程。這裏的重點不是“Codex 自己開源模型”，而是讓 Codex 作為編碼代理，參與並自動化開源模型的訓練、評估與發佈全流程。為此，我們為 Codex 接入了 Hugging Face Skills 倉庫，該倉庫包含了許多與機器學習和 AI 相關的“技能”，比如模型訓練與評估等任務。通過 H

AI

收藏 評論

huggingface 頭像

HuggingFace - 經同意的語音克隆

在這篇博客文章中，我們介紹了“語音同意驗證機制 (voice consent gate)”的概念，支持通過明確同意來進行語音克隆。我們還提供了一個 示例 Space 應用 和 相關代碼，幫助大家快速上手這一想法。 近年來，逼真的語音生成技術已經達到了令人驚訝的水平。在某些情況下，生成出來的合成語音幾乎能以假亂真，和真人的聲音非常相似。如今，曾經只存在於科幻小説中的“語音克隆”已經成為現實。只需要

AI

收藏 評論

ivictor 頭像

iVictor - MySQL 在哪些場景下不會寫 binlog

背景 在 MySQL 中，慢日誌不僅可以記錄在文件中，還可以記錄在表中。具體是記錄在文件還是表中是由log_output參數決定的。 該參數默認為FILE，即慢日誌默認會記錄在文件中。如果參數中包含TABLE，則慢日誌還會記錄在mysql.slow_log中，而mysql.slow_log使用的是 CSV 存儲引擎。 最初研究這一問題，是為了確認在主從複製以及組複製（MGR）環境下，mysql.s

數據庫

收藏 評論

lxlinux 頭像

良許 - 什麼樣的程序員在35歲以後依然被公司搶着要？

大家好，我是良許。 35歲這道坎，是每個程序員都繞不開的話題。我今年剛過36，這幾年做公司招人，也接觸了不少35歲以上的程序員。有的人簡歷一投過來，我恨不得立馬打電話約面試；有的人，説實話，簡歷看完就石沉大海了。 這個差距到底在哪？今天我就從一個創業者和技術管理者的角度，跟你聊聊什麼樣的程序員在35歲以後依然搶手。 我見過的兩種35歲程序員 先説兩個真實的例子，都是我這兩年接觸過的。 第一個，老張

後端

收藏 評論

lxlinux 頭像

良許 - 程序員的偽年薪百萬還能持續多久？

大家好，我是良許。 前兩天刷脈脈，看到一個帖子炸了——某大廠程序員曬出自己的年薪package，標題寫着"年薪120萬"，評論區一片羨慕。 但仔細一看，base只有40萬，剩下的80萬是股票、期權、年終獎的"理論值"。更狠的是，股票要分四年才能拿到，期權還沒到行權期，年終獎能不能拿到還得看公司業績。 這種偽年薪百萬的遊戲，還能玩多久？作為一個從大廠出來創業的過來人，我今天必須把這個話題説透了。 1

後端

收藏 評論

aigoto 頭像

逐夢AI - 專用蚊子蒼蠅檢測數據集（含背景樣本）：適用於目標檢測任務

專用蚊子蒼蠅檢測數據集（含背景樣本）：適用於目標檢測任務 一、背景 隨着城市化進程的加快和氣候環境的變化，蚊子、蒼蠅等害蟲在居民生活、公共衞生以及工業場景中造成的問題日益突出。它們不僅影響生活環境質量，還可能傳播多種疾病，對公共健康構成威脅。 傳統的蚊蟲監測方式大多依賴人工觀察或簡單的誘捕統計方法，存在 效率低、實時性差、誤判率高 等問題。隨着計算機視覺和深度學習技術的發展，基於目標檢測的蚊子、蒼

深度學習

收藏 評論

huggingface 頭像

HuggingFace - 流式數據集：效率提升 100 倍！

快速瞭解（TLDR） 現在只需一行代碼，就能通過 load_dataset('dataset', streaming=True) 以流式方式加載數據集，無需下載！ 無需複雜配置、不佔磁盤空間、不再擔心 “磁盤已滿” 或 429 請求過多錯誤，立即開始訓練 TB 級數據集！ 性能非常強勁：在 64×H100、256 個併發 worker 環境下，流式加載速度甚至超過本地 SSD！

AI

收藏 評論