博客 RSS 訂閱

小咪咪 - GRpcExceptionHandlerInterceptor 使用

從軟件架構的角度講:攔截器屬於AOP編程的範疇。它將影響了多個業務對象的公共行為封裝到一個個可重用的模塊,減少了系統的重複代碼,實現功能的高度內聚,確保了業務對象 的整潔和純度。 從java代碼的角度講:它就是一個普度的Java對象,它只需要實現一個名為Interceptor的接口。 當我們在struts.xml配置文件中包含struts-

struts , 雲計算 , 攔截器 , 雲原生 , apache

收藏 評論

追逐時光者 - 一款由字節跳動推出的 AI 提示詞生成和優化工具,為你提供更精準,專業,可持續迭代提示詞!

前言 在AI技術迅猛發展的當下,高效且精準的提示詞成為與AI模型有效交互的關鍵。今天大姚給大家分享一款由字節跳動推出的 AI 提示詞生成和優化工具,為你提供更精準,專業,可持續迭代提示詞! 工具介紹 PromptPilot 是由字節跳動推出的一款專注於 AI 提示詞優化與提示詞生成的實用工具。該工具旨在幫助用户更高效地生成和優化 AI 提示詞,提升與 A

yyds乾貨盤點 , AI寫作 , aigc , 數據分析 , 應用場景 , 客户服務

收藏 評論

ApacheIoTDB - 時序數據庫 IoTDB 2.0 雙模型架構詳解:樹、表如何融合,查詢如何進化?

時序數據庫 IoTDB 2.0 的樹模型與表模型分別有哪些特點與能力? 樹/表模型如何實現平滑轉換與融合查詢? 在未來的聯邦查詢場景中,IoTDB 又將扮演怎樣的角色? 如果你也好奇這些問題的答案,我們將基於 2025 時序數據庫技術創新大會上,天謀科技數據庫內核研發工程師、Apache IoTDB PMC Member 田原的分享,為您系統解讀 IoTDB 在時序數據建模、雙模型融合與跨源分析方

數據庫

收藏 評論

是嶼小夏呀 - 昇騰平台多模態微調與推理實戰:從理論到落地的完整探索

多模態大模型正在改變AI的應用邊界,從文生圖到文生視頻,從圖像理解到全模態交互,這些能力的背後離不開強大的算力支持和高效的推理框架。 最近我在昇騰平台上完成了一次完整的多模態項目實踐——使用MindSpeed MM進行Qwen2.5-VL模型微調,並通過MindIE SD實現Wan2.1視頻生成模型的高性能推理。 這次經歷讓我深刻體會到,多模態模型的訓練和部署遠比想象中複雜,但昇

Exchange , 服務器 , 權重 , 模態 , Git

收藏 評論

是嶼小夏呀 - vLLM-ascend 下的 PD 分離實戰:從DeepSeek-V3-w8a8模型到壓測,一次把坑踩完

vLLM-ascend 下的 PD 分離實戰:從DeepSeek-V3-w8a8模型到壓測,一次把坑踩完 Prefill 計算密集、Decode 訪存密集——這對天然割裂的階段,決定了大模型推理並非一鍋燉。 把兩者解耦(PD 分離)+ 用 vLLM 的 PagedAttention 精準管控 KV Cache,是目前在昇騰場景下把吞吐與成本同時打上去的可靠路徑。 我們就用 D

Exchange , 服務器 , ip , bash , Git

收藏 評論

話不是這麼説的 - 無順序applist 怎麼做共現embeding

Reference jianshu easemob TCP UDP TCP(Transmission Control Protocol):傳輸控制協議 UDP(User Datagram Protocol):用户數據報協議 TCP UDP 都是傳輸層協議 目錄

機器學習 , 數據 , tcp , 人工智能 , udp

收藏 評論

温柔一刀 - demp編碼

我整理了一下研發近期需要完成和實現的功能供大家參考。 1. 多畫面,流矩陣和大數據,EPG的對接。 2. SDI採集中杜比音頻數據的透傳。 3. 編碼器輸入流信息的展示與輸入流的預覽。 4. 編碼器主,備,墊輸入流或文件可同時配置,目前編碼器只支持 “主輸入流+備輸入流或者主輸入流+墊片文件的方式”。 5. 編碼器主,備,墊配置時可切換主,備

機器學習 , demp編碼 , 數據丟失 , 編碼器 , 人工智能 , 輸入流

收藏 評論

架構魔法師 - higress 如何控制流量

視頻會議系統由於涉及到視頻的傳輸,而視頻的傳輸量相對其他的數據是大很多的,而這種視頻數據在公網上進行傳輸,如果控制不當,會造成網絡堵塞,音視頻不連續等其他問題,因此視頻會議的流量控制的好壞一定程度決定了視頻會議系統的質量。哪我們怎樣對視頻會議的流量進行控制呢?對視頻會議的流量控制通常有三種方案: 1. 對應用層進行流量控制 視頻會議的傳輸現在都

數據 , 雲計算 , higress 如何控制流量 , 應用層 , 流量控制 , 雲原生

收藏 評論

池央_chi - 白嫖黨福音:Coze 雙旗艦模型限時免費!接入 AIPing 打造你的專屬 C++ 後端分析專家

Coze 工作流大進化:接入 AIPing 免費接口,打造硬核 C++ 後端分析專家 前言: 全體開發者請注意,這波“算力羊毛”真的要薅禿了![平台名稱] 剛剛放出了年末最強更新:不僅一次性上線了兩款業內公認的最強國產大模型,更把“誠意”直接寫在了激勵機制裏——只要參與,就能無門檻獲取 **[具體額度]**的通用算力點數。 當你還在為昂貴的 API

yyds乾貨盤點 , 多語言 , AI寫作 , Max , aigc , 開發者

收藏 評論

Tezign特贊 - 內容運營解決方案供應商怎麼選?從需求匹配到價值落地全解析

在內容成為品牌核心競爭力的當下,單純依靠內部團隊搭建內容運營體系,已難以應對多平台分發、規模化生產、精準化轉化的複雜需求。專業的內容運營解決方案供應商,能通過成熟的技術工具、豐富的行業經驗與完整的服務體系,幫助企業少走彎路,實現內容運營的降本提效與價值最大化。本文以拆解企業選擇供應商的核心邏輯、評估標準與實戰參考,為企業決策提供清晰指引。 一、為什麼企業需要內容運營解決方案

AI寫作 , aigc , 內容運營 , 解決方案

收藏 評論

AI領域佈道師 - vue如何通過javascript賦值

vue jsx 記錄 template的寫法 是 vue 的靈魂,jsx的寫法就沒那味了。雖然我一直都是這麼相信的,但是template寫久了感覺沒啥新鮮感,於是打算用jsx的寫法來解悶。 寫jsx你需要準備什麼?啥都不需要,雖然官網建議安裝@vue/babel-preset-jsx @vue/babel-helper-vue-j

修飾符 , 作用域 , 插槽 , vue如何通過javascript賦值 , 前端開發 , Javascript

收藏 評論

lulight - 【Azure Notification Hub】實驗Notification Hub頁面中的Test Tag 功能 -- 定向發送消息到指定的Android設備

問題描述 使用Notification Hub(通知中心)發送移動設備的通知,在Azure Notification Hub頁面,可以通過Test功能測試設備是否可以成功收到消息。 只是,這個頁面只能隨機發送10個設備,如果設備超過10個之後,當需要定向指定發送到某一個/某一類設備時,就無法達到快速的測試目的。 You can send test no

Test , 雲計算 , 雲服務 , 通知中心 , 參考資料

收藏 評論

mob64ca140b82e3 - 語音識別 -

RWK35xx語音前端處理提升語音識別置信度 在廚房裏煮着湯,水聲嘩嘩響,風扇呼呼轉——這時候你説“小愛同學,音量調低”,它卻毫無反應。是不是很崩潰?🤯 這背後不是AI聽不懂你説話,而是 根本沒聽清 。 真實世界從不安靜。噪聲、混響、遠場拾音……這些“聲音污染”讓原本清晰的語音變得模糊不清,直接導致ASR(自動語音識別

自適應 , 語音前端處理 , RWK35xx , 波束成形 , 前端開發 , 語音識別 , Javascript

收藏 評論

數據分析家 - 淺談內聯函數與宏定義的區別詳解_C 語言

內聯函數(inline)和宏定義(#define)都是 C/C++ 中用於減少函數調用開銷、提升代碼執行效率的手段,但二者在實現機制、類型安全、作用域等方面存在本質區別。以下從核心差異、具體對比及使用建議三方面詳細解析: 一、核心差異:實現機制不同 宏定義:由預處理器處理,屬於 “文本替換”—— 預編譯階段直接將宏調用處替換為宏體代

作用域 , JAVA , Css , 內聯函數 , 前端開發 , HTML , 前端 , Javascript

收藏 評論

風之谷啓航 - 基於WinPcap的包截獲和分析系統

此項目旨在開發一個運行於 Linux 環境下的網絡數據包監控與分析系統。系統會實時捕獲網絡數據包,運用多線程技術對數據包進行解析和處理,同時將處理結果存儲於本地文件。深入理解網絡數據包的結構與傳輸機制,提升多線程編程、網絡編程以及數據處理的能力。 一:功能需求 1.數據包捕獲 能夠通過 libpcap 庫在 Ubuntu 系統

tcp , ip , 網絡數據 , 前端開發 , Javascript

收藏 評論

mob64ca13f8eecb - Linux 系統上 Redis 數據庫的 安裝

一、安裝 1.更新系統並安裝依賴 sudo apt update -y sudo apt install -y ca-certificates curl gnupg lsb-release 2.添加 Redis 官方 GPG 密鑰 下載GPG 密鑰並保存到指定路徑 curl -fsSL https

redis , 服務器 , 運維 , Linux , 前端開發 , Javascript

收藏 評論

mob64ca13fdd43c - GEO優化數據統計系統DeepAnaX系統詳細介紹:開啓AI數據智能分析新範式

隨着AI技術的不斷髮展,DeepAnaX系統將持續迭代升級,整合更多先進的分析模型和可視化技術,為企業提供更智能、更精準的數據服務。我們相信,在數據驅動的時代,小脈傳媒的GEO優化數據統計系統將成為企業在AI生態競爭中不可或缺的利器。 在人工智能技術深度融入商業決策的今天,企業面臨的核心挑戰已從"是否使用AI"轉變為"如何有效利用AI生態數據"。當用户通過DeepSeek、

數據 , 數據安全 , 數據統計 , 前端開發 , Javascript

收藏 評論

技術極客領袖 - Serial Debug Assistant使用JavaScript腳本

Cocos Creator 中的 JavaScript 使用和 Node.js 幾乎相同的 CommonJS 標準來實現模塊化, 簡單來説: cocos 中 cc.Class 定義的每一個單獨的 JavaScript 腳本文件就構成一個模塊。 cocos 中普通 JavaScript 腳本文件需要添加 module.exports 主動導出成模塊。

作用域 , 模塊外 , 模塊化 , 前端開發 , Javascript

收藏 評論

mob64ca1411e411 - activemq消息隊列當消費一定數量的消息後就停止消費了

MSMQ全稱MicroSoft Message Queue,微軟消息隊列,是在多個不同的應用之間實現相互通信的一種異步傳輸模式,相互通信的應用可以分佈於同一台機器上,也可以分佈於相連的網絡空間中的任一位置。它的實現原理是:消息的發送者把自己想要發送的信息放入一個容器中(我們稱之為Message),然後把它保存至一個系統公用空間的消息隊列(Message

機器學習 , express , microsoft , server , soa , 人工智能 , 網絡

收藏 評論

墨色天香 - C++STL標準庫學習筆記(一)sort

一、概念 java 或 C# 中叫泛型:generic,但是C++中叫templates,templatea則完全不同,也不能説完全不同,但是牛逼的多,比泛型和那些託管語言牛逼的多。模板有點像宏,它可以讓你做很多事情,但是泛型卻非常受制於類型系統,以及其他很多因素,模板templates要強大的多。模板是一個巨大、複雜的話題。 二、什麼是模板? 模板允許你定義一

include , 編譯器 , Css , ios , 前端開發 , HTML

收藏 評論

雲端築夢者 - springboot 集成elasticsearch遇到的坑

文章目錄 一、Bean定義衝突 1. MyBatis與Elasticsearch Repository掃描路徑衝突 二、依賴配置問題 1. 缺少必要依賴或依賴版本不匹配 三、Elasticsearch服務連接問題 1. Elasticsearch

elasticsearch , spring , elastic , Css , 前端開發 , HTML

收藏 評論

小屁孩 - CF1324A Yet Another Tetris Problem 題解

短題解:我的簡要題解。 為了簡短和易懂,我在短題解中,可能會在不約定的情況下使用不那麼規範、公認的數學語言、記號,表述有時也不完全形式化。好處是: 算了,就不自賣自誇了,看看就知道了,總之很牛! 簡要題意 洛谷上的題面已經挺簡要了:CF1924A Did We Get Everything Covered?,同時沿用其變量名與記號。 思路 設

結點 , Css , 子序列 , ci , 前端開發 , HTML

收藏 評論

mob64ca140d2323 - 企業級AI知識庫:PandaWiki如何讓知識管理變得智能又高效

在信息爆炸的今天,企業知識管理正面臨前所未有的挑戰。傳統知識庫系統往往只是靜態的文檔倉庫,員工需要花費大量時間搜索和篩選信息,效率低下。而PandaWiki的出現,徹底改變了這一局面——它不僅是一個知識存儲平台,更是一個能理解、能回答、能創作的智能知識中樞。 為什麼企業需要AI知識庫? 想象一下這樣的場景:新員工入職時,不再需要翻閲厚厚的員工手冊,只需向企業微信機器人

搜索 , 知識管理 , 企業級 , Css , 前端開發 , HTML

收藏 評論

u_17586993 - Google與OpenAI繪圖工具遭濫用,阿里巴巴開源語音模型,知乎發佈AI產品榜單,Jan團隊發佈Jan-v2-VL-Max

今天AI領域有多項重要進展,涵蓋AI安全挑戰、大廠模型開源、AI商業化現狀、新興技術突破等多個方面。我們將重點關注Google與OpenAI的安全問題、阿里巴巴的模型開源與芯片佈局、AI商業化現狀及未來趨勢等核心要點。 1. Google與OpenAI繪圖工具遭濫用,AI安全問題引發行業關注 Google與OpenAI的繪圖工具面臨重大安全挑戰:Google與OpenAI繪圖工具

機器學習 , 商業 , 人工智能 , 技術細節 , 開發者

收藏 評論