博客 RSS 訂閱

u_15214399 頭像

u_15214399 - 【案例共創】基於華為開發者空間-Versatile Agent預置MCP資產快速構建税務AI助手服務

最新案例動態，請查閲【案例共創】基於華為開發者空間-Versatile Agent預置MCP資產快速構建税務AI助手服務。小夥伴們快來領取華為開發者空間進行實操吧！ 一、概述 1. 案例介紹 華為開發者空間-Versatile Agent為開發者提供了最新AI智能應用服務，不僅支持大模型，還支持MCP。通過MCP (Model Context Proto

機器學習 , 模型選擇 , 應用程序 , 人工智能 , 開發者

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】基於華為雲開發環境桌面版的人臉顏值打分

最新案例動態，請查閲【案例共創】基於華為雲開發環境桌面版的人臉顏值打分。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由開發者：南航金城學院-孫福清教師提供 一、概述 1. 案例介紹 本案例是基於華為雲主機的python開發環境，引導開發者學習和實踐人工智能計算機視覺的一個應用案例—基於計算機視覺python開源模塊opencv以及meidiapipe

機器學習 , 雲主機 , 人工智能 , 開發者 , Python

收藏 評論

jeecg 頭像

JEECG低代碼平台 - 敲敲雲免費零代碼平台，應用如何分組

應用的分組： 我們可以對應用進行分組，方便查看和維護 產品安裝 在線使用地址：https://www.qiaoqiaoyun.com 開源部署版下載：https://github.com/jeecgboot/qiaoqiaoyun 操作步驟 一、自定義分組 1、添加分組 點擊①處的 +，在添加分組彈窗中，填寫名稱（如：銷售），點

編輯刪除 , 分組操作 , 星標分組 , 低代碼 , 自定義分組 , 應用分組

收藏 評論

u_12187 頭像

karen - fastdds中PropertyPolicyQos策略

一、java.util.Properties API 案例 java.util.Properties 是一個屬性集合。常見的api有如下： load(InputStream inStream) 從輸入流中讀取屬性 getProperty(String key) 根據key，獲取屬性值 getOrDefault(Object key, V d

System , 雲計算 , 測試 , JAVA , 雲原生 , Json

收藏 評論

u_17590352 頭像

mb6928174700026 - AI Ping：大模型時代的“性能羅盤”——免費新上線GLM-4.7 與 MiniMax M2.1 實測

前言：新模型爆發時代，選型需要“實測羅盤” 2025年末，大模型行業迎來新品密集爆發期——智譜GLM-4.7以“性能超越GPT-5.2”震撼開源，MiniMax M2.1聚焦“真實世界複雜任務”實現全面升級。但開發者卻陷入新困境：20+供應商、400+模型中，新一代旗艦模型到底誰更能打？編碼場景選哪個？辦公協作誰更高效？成本與性能如何平衡？ AI P

多語言 , API , NLP , Max , 人工智能

收藏 評論

jeecg 頭像

JEECG低代碼平台 - JeecgBoot 零代碼應用大模塊，應用如何新建與設置

應用的基礎操作： 應用的基礎操作包含創建應用、修改應用、退出 / 刪除應用、排序應用、維護應用、應用回收站 產品安裝 在線使用地址：https://www.qiaoqiaoyun.com 開源版下載地址：https://github.com/jeecgboot/qiaoqiaoyun 操作步驟 1、新建應用 第一種方式：選擇需要新建

創建應用 , 刪除應用 , 低代碼 , 應用維護 , jeecgboot , 編輯應用

收藏 評論

u_16099280 頭像

編程小達人之心 - linux搭建負載均衡服務

在現代互聯網應用中，單台服務器往往難以應對高併發訪問。為了解決這個問題，Linux負載均衡成為提升系統性能和可用性的關鍵技術。本文將手把手教你如何在 Linux 系統上搭建一個簡單的網絡負載均衡環境，即使是小白也能輕鬆上手。 什麼是網絡負載均衡？ 網絡負載均衡是指將客户端的請求分發到多個後端服務器上，從而避免單點過載、提高整體吞吐量並增強系統

服務器 , 負載均衡 , Linux , 網絡

收藏 評論

u_13354 頭像

小咪咪 - Cgroup drivers：systemd cgroupfs 區別_cgroupfs和systemd的區別

在 Docker 容器化部署中，資源限制是保障容器集羣穩定的核心能力，無論是限制容器的 CPU 使用率、內存上限，還是塊設備 I/O 吞吐量，本質上都依賴 Linux 內核的 Cgroups（Control Groups）機制。而 Docker 與 Cgroups 的交互，需要通過 “Cgroup Driver（Cgroup 驅動）” 作為中間接口：目前

容器 , 雲計算 , 運維 , Docker

收藏 評論

u_12219 頭像

誤會一場 - 雲基礎架構-雲原生DevOps的全面介紹 - DevOps雲學堂的主頁 -

在雲原生架構下，DevOps的核心目標是實現快速迭代和穩定運維，而微服務化正是這一目標的典型體現。不過，微服務多了，問題也接踵而至：服務發現、負載均衡、熔斷降級，這些原本由應用代碼處理的邏輯，現在成了基礎設施的負擔。傳統DevOps工具鏈比如Jenkins或GitLab CI，能搞定CI/CD流水線，但對服務間通信的細粒度控制卻力不從心。這就是Servi

devops , 微服務 , 雲計算 , service_mesh , 運維 , 雲原生

收藏 評論

u_17603531 頭像

mb6942773dc15ef - Anlink中文版下載和安裝圖文版教程（附安裝包，超級詳細）

在當今多設備協同工作的時代，你是否想過將手機的屏幕完整地映射到電腦上，並用鼠標鍵盤來直接操作？Anlink 正是實現這一想法的便捷軟件。 Anlink 是一款專業的安卓手機投屏與控制軟件，能夠通過有線 USB 連接或無線 Wi-Fi 網絡，將安卓手機的界面實時顯示在 Windows 或 macOS 電腦的桌面上。如此一來，你無需頻繁拿起手機，就可以在更大的電腦屏幕上

anlink下載 , 安聯anlink , yyds乾貨盤點 , 辦公效率 , anlink中文版 , anlink官網 , anlink

收藏 評論

u_17487076 頭像

mb6890178244a4e - 數字採集分類任務

圖像分類是計算機視覺中的基礎任務，本實例使用 TensorFlow 和 Keras 庫對 MNIST 手寫數字數據集進行分類。 import tensorflow as tffrom tensorflow.keras.datasets import mnistfrom tensorflow.keras.models import Sequentialfrom tensorf

數據集 , 雲平台 , 數據 , tensorflow , 雲計算

收藏 評論

huodadexiang 頭像

南瓜 - 面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】

面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】 一、研究背景：為什麼要做“坐姿識別”？ 在信息化學習與辦公環境中，久坐與不良坐姿已成為青少年與上班族普遍面臨的健康問題。長期駝背、前傾、低頭等坐姿行為，容易引發： 脊柱側彎、頸椎病 注意力下降、學習效率降低 視覺疲勞與肌肉勞損 傳統的坐姿管理主要依賴人工監督或簡單硬件傳感器，不僅成本高、實時性差，而

機器學習 , 人工智能 , 深度學習

收藏 評論

u_17603531 頭像

mb6942773dc15ef - aTrust下載和安裝圖文版教程（附官網安裝包，超級詳細）

在數字化辦公日益普及的今天，如何安全地訪問公司內部資源成為一個關鍵挑戰。aTrust，一款由奇安信推出的零信任安全產品，正是為了解決這一難題而生。 aTrust 是一個“安全接入平台”，它為企業構建了一個虛擬的、受保護的工作空間。無論員工身處何地，使用何種設備，都能通過這個空間安全地連接到內部的應用、數據和系統，就像在辦公室內網中工作一樣，但整個過程都經過了嚴格的安

atrust , yyds乾貨盤點 , 辦公效率 , atrust下載 , 零信任atrust客户端 , atrust官網 , atrustapp下載

收藏 評論

cico 頭像

N2020 - mysql覆蓋索引如何理解

1、查詢語句中所需的列在索引中，這樣查詢結果就可以在索引的數據結構中找到。 2、由於覆蓋索引可以減少樹木的搜索次數，顯著提高查詢性能，因此使用覆蓋索引是一種常用的性能優化方法。 實例 +----+-------------+------------+------+-----------------------+--------------+------

性能優化 , MySQL , 搜索 , 數據庫

收藏 評論

cico 頭像

N2020 - mysql如何啓動組複製

1、創建複製用户。 create user 'repl'@'%' identified with 'mysql_native_password' by '123456'; grant replication slave on *.* to 'repl'@'%'; 2、配置新成員和捐贈者之間異步複製的複製渠道。 ch

bootstrap , 服務器 , MySQL , 數據庫

收藏 評論

cico 頭像

N2020 - mysql中undo log的兩種類型

根據行為的不同，undo log分為兩種：insert undo log和update undo log 1、insert undo log，是在insert操作中產生的。insert操作的記錄只對事務本身可見。 對於其它事務此記錄是不可見的，所以 insert undo log 可以在事務提交後直接刪除而不需要進行purge操作。 2、update undo

刪除操作 , MySQL , 數據庫 , 回滾

收藏 評論

cico 頭像

N2020 - mysql中正則表達式是什麼

1、正則表達式是實現複雜搜索的有力方法，正則表達式描述了一組字符串。 最簡單的正則表達式是一個普通的字符串。比如正則表達式hello只匹配字符串hello。 2、正則表達式通常包含一些特殊的結構來匹配多個不同的字符串。 例如，正則表達式hello|world包含替換操作符(|)，可以匹配字符串hello或字符串world。 實例 字符 ^ 匹配字符串

字符串 , MySQL , 數據庫 , 正則表達式

收藏 評論

cico 頭像

N2020 - mysql常見的備份方法

1、使用tar包裝文件夾備份。數據庫可以直接保存data文件夾，但是佔用空間大，可以用tar包裝壓縮保存。 [root@localhost ~]# systemctl stop mysqld [root@localhost ~]# tar Jcvf /opt/mysql-$(date +%F).tar.xz /usr/local/mysql/data/ [root

MySQL , 佔用空間 , 數據庫 , SQL

收藏 評論

u_17167612 頭像

wx674bbdaa2255a - GLM-4.7 與 MiniMax M2.1 工程實測：一次性交付與長期 Agent 的分水嶺

引言 一直以來，真正限制大模型落地的，往往不是“能不能用”，而是算力成本和穩定性。尤其是在需要反覆測試、對比不同模型和供應商的階段，算力消耗幾乎是硬門檻。 AI Ping 這次的做法比較直接：隨着 GLM-4.7 和 MiniMax M2.1 兩款旗艦模型上線，平台同步開放了算力激勵機制，把“體驗成本”壓到了接近零。通過模型聚合與加速調度，同一套接口即可調用多家供應商

軟件測試 , 配置文件 , API , Max

收藏 評論

cico 頭像

N2020 - mysql中redo log是什麼

1、redo log是MySQLEngine層，InnoDB存儲引擎特有的日誌。又稱重做日誌。 2、redo log是物理日誌。可以理解為一個具有固定空間大小的隊列，將被循環複製。 實例 root@test:/var/lib/mysql# pwd /var/lib/mysql root@test:/var/lib/mysql# ls -lstr ib_

MySQL , 重做日誌 , 數據庫 , 存儲引擎

收藏 評論

xjsunjie 頭像

xjsunjie - 可信數據空間：技術架構與建設路徑

隨着數字經濟的深化，數據要素的價值日益凸顯，但數據孤島、隱私泄露和信任缺失等問題嚴重製約了數據價值的充分釋放。可信數據空間（Trusted Data Space, TDS）作為一種新型的數據基礎設施和協作範式，通過構建一個去中心化、主權可控、安全可信的數據共享與流通環境，為解決上述難題提供了系統性方案。 本文旨在深入剖析可信數據空間的核心理念、關鍵技術架構，並提出一套系統化

數據空間 , yyds乾貨盤點 , 數據 , 技術架構 , 人工智能 , 數據分析

收藏 評論

u_15434217 頭像

文傳商訊 - Omdia：2025 年第三季度全球雲基礎設施服務支出達 1,026 億美元，同比增長 25%

根據 Omdia 最新研究，2025 年第三季度全球雲基礎設施服務支出達到 1,026 億美元，同比增長 25%。市場動能保持穩定，已連續第五個季度維持在 20% 以上，顯示出行業整體的持續韌性。 這一表現反映出企業對AI的需求正從早期試驗階段，逐步邁向規模化、生產級部署。隨着這一轉變加速，超大規模雲廠商的競爭焦點也正在從模型性能的邊際提升，轉向支持多模型部署、並保障 AI

AWS , 雲計算 , azure , 雲服務 , 基礎設施

收藏 評論

xiuji 頭像

修己xj - 從“死記硬背”到“靈活應用”：詳解RAG如何讓AI真正理解並回答問題

當AI不再僅僅是“復讀機”，而是能夠結合最新信息提供準確回答的智能助手——這就是RAG技術帶來的變革。 在人工智能快速發展的今天，我們常常遇到這樣的困境：大型語言模型如GPT-4擁有海量知識，卻無法獲取最新的信息；它能寫出優美的文章，卻無法準確回答你公司內部文檔中的具體問題。這就是所謂的“知識截止日期”問題——模型只能基於訓練時的數據進行回答。 但有一項技術正在徹底

數據 , 搜索 , 語言模型 , aigc , llama

收藏 評論