博客 RSS 訂閱

u_15988698 頭像

代碼天地 - LangChain下使用MCP和Tools工具訪問數據庫方法

LangChain是一個專為大語言模型設計的開放框架，圍繞任務鏈（Chain）與內存模塊（Memory）構建了核心架構。這兩大組件是LangChain高效構建複雜語言應用的關鍵所在，使模型在多任務環境中得以應對任務管理、上下文維護、記憶存儲等多種需求。 構建大模型智能應用的時候，往往需要對數據庫進行查詢，返回結果，如果自己寫MCP客户端和Tools工具比較麻煩。如果基於La

服務器 , 數據庫 , 分佈式 , SQL

收藏 評論

fabarta 頭像

Fabarta - 楓清科技項目成功入選市科委、中關村管委會2025年重點應用場景項目名單

北京市科學技術委員會、中關村科技園區管理委員會於近期公示了2025年重點應用場景項目擬支持項目名單。由北京楓清科技有限公司（簡稱“楓清科技”）深度參與的“科技賦能會議論壇數智化管理場景項目”成功入選。 此次入選，體現了楓清科技的技術實力與AI場景落地能力。作為大模型和知識引擎雙輪驅動的企業，楓清科技將圍繞該項目開展智能體應用場景建設及關鍵核心技術迭代。

人工智能

收藏 評論

ivorysql_xiaozhuli 頭像

IvorySQL - 當AI遇上數據庫：為何初創公司，都選了那個“老派”的PG

友情提示：文末精彩活動預告不要錯過～ 技術內核 一個天生的 AI 原生底座 PostgreSQL 在 AI 時代的復興，其最根本的技術支撐在於一個近乎哲學層面的設計選擇：將“可擴展性”作為數據庫架構的第一性原則。這並非一個後添加的功能，而是自上世紀 80 年代 Michael Stonebraker 教授啓動 Postgres 項目時便植入的基因。這種設計哲學，使其在面對 AI 這一全新範式時，展

數據庫 , postgresql , 人工智能

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - Apache Paimon 多模態數據湖實踐：從結構化到非結構化的技術演進

在近期的 Streaming Lakehouse Meetup · Online EP.2｜Paimon × StarRocks 共話實時湖倉 直播中，Apache Paimon PMC 成員/阿里雲數據湖資深工程師葉俊豪帶來了關於 Paimon 多模態數據湖的深度技術分享。 隨着大模型訓練對數據規模與多樣性的要求不斷提升，傳統以批處理為中心的數據湖架構已難以滿足 AI 工作負載對實時性、靈活性和

阿里雲 , paimon , 數據湖

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - 使用Graviton機型推理LLM模型實踐指南

1. 背景介紹 在企業 AI 應用實踐中，並非所有任務都需要部署參數量數百億的大型模型。大量業務場景如工單分類與路由、客服評論情感分析、關鍵信息提取、實時文本翻譯等，屬於高頻但相對簡單的任務，這些場景對響應速度和成本更為敏感。Amazon Graviton 處理器與 Qwen3 0.6B 輕量級模型的結合，為這類場景提供了一個極具性價比的推理解決方案。 通過在多種實例類型上的全面測試，我們發現 G

人工智能

收藏 評論

sihaihande 頭像

漢得數字平台 - 【鯤蒼提效】一鍵批量接入外部應用監控，全面提升監控接入效率

漢得鯤蒼基礎架構管理平台的核心目標是為企業的異構系統提供簡單高效的一站式統一閉環管理能力，包括統一資源（集羣、主機、存儲等）管理、統一應用及部署管理、統一監控管理、統一服務治理，幫助企業實現更快、更好、更全面的異構系統管理。 接下來我們將會提供一系列推文，介紹鯤蒼平台的使用，幫助您快速瞭解本平台，給您更好的使用體驗。 本文為系列推文的第三十講，將介紹如何通過鯤蒼高效批量導入監控配置，快速完成外部應

部署 , 運維管理 , 監控工具

收藏 評論

u_16213428 頭像

mob64ca12ef9b85 - unity跟stable difusion通信

Unity與Stable Diffusion的通信是當前許多開發者關注的熱點問題。通過結合這兩者的優勢，可以實現強大的圖像生成和實時互動體驗。本文將詳細介紹如何解決Unity與Stable Diffusion之間的通信問題，包括版本對比、遷移指南、兼容性處理、實戰案例、排錯指南以及生態擴展等方面的內容。 版本對比 在對比版本時，我們需要關注Unity和Stable Diffusi

排錯 , 新版本 , 舊版 , aigc

收藏 評論

opentiny 頭像

OpenTiny社區 - 2025年OpenTiny年度人氣貢獻者評選正式開始

前言 攜手共創，致敬不凡！ 2025年，OpenTiny持續在前端開源領域紮根，每一位開發者都是推動項目共同前行的寶貴力量。從bug修復，到技術探討；從參與開源活動，到輸出技術文章；從使用項目，到參與共建，每一步跨越，都凝聚了開發者的智慧與汗水。 致敬所有在OpenTiny社區裏默默付出、積極貢獻、引領創新的傑出個人，我們正式啓動“OpenTiny年度貢獻者評選”活動！快為你喜愛的人氣貢獻者

vue.js , 前端 , Javascript

收藏 評論

u_16213401 頭像

mob64ca12e91aad - aigc與數據安全和隱私

在當前的數據驅動時代，人工智能生成內容（AIGC）為開發者、企業和個人帶來了新的機遇，但與此同時，數據安全和隱私問題也日益凸顯。本文將探討如何解決“AIGC與數據安全和隱私”的問題，從環境預檢、部署架構、安裝過程、依賴管理到配置調優和服務驗證進行系統化的分析。以下是針對這些步驟的詳細描述。 環境預檢 在實施AIGC系統前，需要進行全面的環境預檢，以確保所使用的硬件和軟件環境能夠支

bash , aigc , 安裝過程 , 調優

收藏 評論

u_16213624 頭像

mob64ca140234eb - jmeter鈎子函數

jmeter中雖然有很多的插件，但是有些需要安裝，有些具有一定的侷限性。函數助手是一個快捷的工具庫。下面記錄一下函數助手中一些主要的函數的使用方法。 注：不內容中所有的實例均基於3.2記錄 1、_BeanShell 表達式請求值後的值：可以是一個程序語句也可以是BeanShell腳本文件。如：“test”+“ing” Name of var

雲計算 , ip , jmeter鈎子函數 , 變量名 , JAVA , 雲原生

收藏 評論

u_16099203 頭像

網絡安全守衞 - Labview點查詢框自動二維數組自動索引設置步驟

1、二維插值之插值節點為網格節點 已知m x n個節點：（xi，yj，zij）(i=1…m,j=1…n)，且xi,yi遞增。求（x，y）處的插值z。 Matlab可以直接調用interp2(x0,y0,z0,x,y,`method`) m維和n維向量，表示節點， z0 為n×m維矩陣，表示節點值， x,y 為一維數組，表示插值點， x 與 y

多項式 , 擬合 , 大數據 , 數據倉庫 , 插值

收藏 評論

u_16213588 頭像

mob64ca13f96cda - dts overlay語法

一、基於度量的程序結構分析 0. 面向對象的度量指標 主要度量指標分為基本複雜度、模塊設計複雜度和圈複雜度。以下進行詳細解釋： 基本複雜度ev(G)：描述程序非結構化程度。ev(G)高的程序難以模塊化和維護。 非結構化：難以結構化的部分。此部分中，程序的質量較低，代碼維護難度較大。 模塊設計複雜度iv(G

express , 複雜度 , 雲計算 , dts overlay語法 , 雲原生 , Power

收藏 評論

xixindeshubao_epzrws 頭像

DK阿龍 - 基於TP6+Uni-app的多端圈子社交論壇系統：功能詳解與技術實現

系統架構概述 本社交論壇系統採用前後端分離架構，前端使用Uni-app實現跨平台移動端應用，後端基於ThinkPHP6框架構建。系統支持微信公眾號、微信小程序、H5、PC端多端同步，並可一鍵打包生成原生APP。 技術棧亮點 ·後端框架: ThinkPHP6 + MySQL + Redis ·前端框架: Uni-app + Vue.js ·實時通信: Socket.io自建服

社區 , 社交應用 , php , 小程序雲開發 , 論壇

收藏 評論

u_16213409 頭像

mob64ca12eaf194 - mac stable diffusion 更新

在更新 Mac 上的 Stable Diffusion 時，常常會遭遇一些讓人頭疼的問題。今天，就讓我來給大家詳細梳理一下在更新過程中遇到的問題、分析和解決方案。 問題背景 面對圖像生成模型 Stable Diffusion，在 Mac 上的更新過程中，我們發現這不僅是一次簡單的軟件更新，還是與依賴包、環境變量等多個因素的調試博弈。由於模型更新涉及大文件和複雜的依賴管理，對業務產

aigc , 更新過程 , ci , Mac

收藏 評論

u_16213432 頭像

mob64ca12f09e0c - ollama GPU support

ollama GPU support 是指在使用 Ollama 工具時，如何有效利用 GPU 加速計算。本文將分享如何解決相關問題，涵蓋協議的背景、抓包方法、報文結構、交互過程、性能優化及多協議對比等內容。 協議背景 在談論“ollama GPU support”之前，我們需要了解 GPU 加速在計算中的重要性。自 2006 年 NVIDIA 推出 CUDA 以來，GPU 編程逐

抓包 , 性能優化 , aigc , 多協議

收藏 評論

u_16213720 頭像

mob64ca14193248 - XGBRegressor中的eval_metric

2. Find Max and Min 3. Matrix Search 這個問題有一個十分美好的前提，那就是我們所給的$n\times n$矩陣是行列皆有序的，在這樣的條件下，我們要尋找某個元素$x$在不在矩陣中，通過對手論證，我們可以做到線性時間$O(n)$。 首先是一個並不高效的方法，

複雜度 , 雲計算 , 搜索 , Max , 雲原生

收藏 評論

lab4ai 頭像

Lab4AI - 小模型驅動大智能：NVIDIA新研究實現2.5倍效率提升，成本直降70%

小模型驅動大智能：NVIDIA新研究實現2.5倍效率提升，成本直降70% 論文標題：ToolOrchestra: Elevating Intelligence via Efficient Model and Tool Orchestration 作者團隊：英偉達、香港大學 發佈時間：2025年11月27日 👉一鍵直達論文 👉Lab4AI大模型實驗室論文閲讀 ⭐論文簡介 大語言模型在解決深度

人工智能

收藏 評論

ververica 頭像

ApacheFlink - Flink + Fluss 實戰: Delta Join 原理解析與操作指南

在使用FlinkSQL進行實時數據處理的過程中，雙流Join是非常常見的操作之一。典型的場景包括分析廣告效果（曝光流訂單流實時關聯）、實時推薦（點擊流和商品信息）等等。然而，雙流Join需要在狀態中維護兩側全量的歷史數據，以確保計算結果的準確性。隨着作業的持續運行，雙流Join會逐漸帶來一些問題： 運維層面 狀態過大，開發者需要不斷加大作業的資源才能維持較高的吞吐。 C

大數據 , flink , 實時計算

收藏 評論

u_16213458 頭像

mob64ca12f6aae1 - Spring ai ollama教程

在這篇博文中，我將詳細介紹如何構建一個基於Spring和Ollama的人工智能項目。這個教程將涵蓋從環境準備、分步指南到配置詳解和驗證測試等多個方面，確保你能夠順利運行和優化這個項目。 環境準備 首先，我們需要對項目的前置依賴進行安裝。請確保你的機器滿足以下硬件需求： quadrantChart title 硬件資源評估 x-axis 資源類型 y-a

spring , System , 應用程序 , aigc

收藏 評論

joyssl_6930deadc6785 頭像

冷姐Joy - 小小的SSL證書如何為您的業務帶來大生意

在熙熙攘攘的網絡世界裏，您的網站就是您的數字門店。想象一下，一位顧客走到您的店門口，卻看到門上掛着一把生鏽的鎖和一塊“小心，此處不安全”的告示牌。他們還會放心地走進來，並把珍貴的個人信息（如地址、信用卡號）留給您嗎？大概率不會。在網絡世界中，SSL證書正是那把閃閃發光的“安全鎖”，而它守護的，遠不止數據，更是您業務的命脈——信任。 一、 那把綠色的“小鎖”：信任的第一印象 當您的網站部署了SSL

ssl , HTTPS

收藏 評論

u_16213339 頭像

mob64ca12d9e536 - langchain react 思考鏈

在這篇博文中，我將詳細記錄我解決“langchain react 思考鏈”問題的過程。這個過程涵蓋了從環境準備到擴展應用的各個方面，確保讀者可以更好地理解和運用這一工具。 環境準備 在開始之前，我們需要準備一些必要的環境和工具，以確保我們的開發順利進行。以下是前置依賴的安裝步驟。 前置依賴安裝 Node.js npm React Langchai

使用場景 , 聊天機器人 , aigc , Javascript

收藏 評論

u_16099297 頭像

mob6454cc7416d1 - mremoteng的連接 提示登錄密碼

打開編輯器，依次點擊 Tools-Deloyment-Configuration，進入連接服務器的配置頁面 2.點擊左上角的 + ，配置一個新的服務器 3.填寫添加之後服務器的名稱，並選擇類型（一般都是選擇 FTP，對FTP不瞭解的，自行baidu）,點擊OK 4.依次填寫正確的參數 ，

機器學習 , Test , 服務器 , ip , 人工智能 , mremoteng的連接 提示登錄密碼

收藏 評論

u_13354 頭像

小咪咪 - litemall什麼樣子

一、下載 下載的是最新版 x28二進制包 liteidex28.windows-qt4.zip 二、安裝 1、下載後，將壓縮包解壓後得到liteide目錄，將其拷貝到你的go的安裝目錄下 ，如下圖，我的go的安裝目錄是“D:\軟件安裝\Go”，解壓到該目錄下。 2、 打開D:\軟件安裝\Go\liteide\

機器學習 , litemall什麼樣子 , 軟件安裝 , 人工智能 , go , ide

收藏 評論

u_16213345 頭像

mob64ca12db7156 - win10 ollama 運行在GPU下

在運行大型語言模型和相關技術時，通常需要充分利用計算資源。對於 Windows 10 用户來説，使用 Ollama 在 GPU 上運行可以大大提升性能。本文將深度分析如何在 Windows 10 系統中成功實現 Ollama 在 GPU 下的運行，包括版本對比、遷移指南、兼容性處理、實戰案例、排錯指南和生態擴展等內容。 版本對比 在使用 Ollama 之前，瞭解不同版本之間的兼容

運行時間 , aigc , 高級技巧 , CUDA

收藏 評論