博客 RSS 訂閱

software-Development 頭像

IT開發者筆記 - 【能源行業案例】藉助LightningChart打造高性能工業級數據可視化能力

在智能製造、能源監測與工業分析等領域中，高性能數據可視化是構建現代軟件產品核心能力的重要環節。瑞典能源測量與電力質量分析解決方案提供商Metrum Sweden AB成功採用LightningChart JS 高性能數據可視化庫，顯著提升其基於 Web 的實時圖表展示功能，為工業測量與分析產品注入更強的可視化動力。 LightningChart JS是Web上性能特高的圖表庫，具有出色的執行性能

前端

收藏 評論

dmx778 頭像

大模型玩家七七 - RAG 選型避坑：5 種主流方案對比，輕量場景 vs 大規模場景怎麼選？

RAG 選型避坑：5 種主流方案對比，輕量場景 vs 大規模場景怎麼選？ RAG選型核心邏輯，避開90%團隊踩過的坑 最近和多家企業的AI技術負責人深度交流，發現一個共性痛點：RAG（檢索增強生成）作為解決大模型“知識過期”“幻覺”的核心技術，80%的團隊都在選型上栽了跟頭——要麼用輕量方案硬扛大規模數據，導致檢索延遲飆升至3秒以上；要麼用複雜方案給小場景做“過度設計”，服務器成本翻倍卻沒提升效果

軟件設計

收藏 評論

yupi 頭像

程序員魚皮 - 20 個神級 AI 編程擴展，爽爆了！

大家好，我是程序員魚皮。給大家分享一些我自己在用的 AI 編程擴展，幫你大幅提高 AI 編程效率和代碼質量。 萬字長文 + 100 多張圖，絕對乾貨！點個收藏，讓我們開始吧~ 本文已收錄到 魚皮 AI 導航的《免費 Vibe Coding 教程》 中，可以在這裏免費獲取更多 AI 資源。 一、MCP 服務器類 MCP 的全稱是 Model Context Protocol 模型上下文協議。

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 10 萬文檔 RAG 落地實戰：從 Demo 到生產，我踩過的所有坑

10 萬文檔 RAG 落地實戰：從 Demo 到生產，我踩過的所有坑 引言：RAG 為什麼在企業級場景“必選但難用” 在過去一年裏，RAG（Retrieval-Augmented Generation）幾乎成了企業落地大模型的標準配置。 原因很簡單： 企業數據高度私有，無法直接丟給大模型訓練 業務知識更新頻繁，微調成本高、週期長 需要“可控、可解釋、可追溯”的回答來源 但當你真的把 RA

AI

收藏 評論

sevencoding 頭像

sevencoding - 劍指offer-65、矩陣中的路徑

題目描述 請設計⼀個函數，⽤來判斷在⼀個矩陣中是否存在⼀條包含某字符串所有字符的路徑。路徑可以從矩陣中的任意⼀個格⼦開始，每⼀步可以在矩陣中向左，向右，向上，向下移動⼀個格⼦。如果⼀條路徑經過了矩陣中的某⼀個格⼦，則該路徑不能再進⼊該格⼦。 例如矩陣： 中包含⼀條字符串 " bcced " 的路徑，但是矩陣中不包含 " abcb " 路徑，因為字符串的第⼀個字符 b佔據了矩陣中的第⼀⾏第⼆個格⼦

後端

收藏 評論

liwen01 頭像

liwen01 - 藍牙基礎(九)：詳解藍牙 GAP、SDP、ATT、GATT 的歷史背景與設計哲學

liwen01 2026.01.01 前言 我們現在使用的藍牙，它不是一蹴而就的，它經歷了從電纜替代者（經典藍牙）到萬物互聯基石（低功耗藍牙）的演變。 要理解SDP、GAP、ATT、GATT這些類似重疊的協議，需要回到藍牙技術發展的歷史背景和設計哲學。 （一）歷史背景 （1）早期無線通信的春秋戰國 在藍牙標準誕生之初，不同廠家對如何發現對方、如何加密、如何連接有不同的理解。如果沒有一個統一的框架，

操作系統

收藏 評論

lying7 頭像

躺柒 - 讀人本智能產品設計6原則07互動(下)

1.零用户界面 1.1.最強大的系統是利用組合傳感技術來進行流暢且可響應的社交互動，這更像是一種全面性體驗，更接近人們在現實中與他人互動的方式 1.2.自動駕駛汽車的應用就不僅僅依賴於一種類型的傳感器，而是將雷達、激光雷達、視覺攝像頭和物理傳感技術全都結合起來，以此來了解車上駕駛員的意圖，以及其他車輛中駕駛員和前方將穿過道路的行人的意圖 1.3.亞馬遜GO無人超市提供了一種無須排隊、無須結賬的親

AI

收藏 評論

amit-sheen 頭像

Amit Sheen - Rethinking “Pixel Perfect” Web Design

It’s 2026. We are operating in an era of incredible technological leaps, where advanced tooling and AI-enhanced workflows have fundamentally transformed how we design, build, and bridge the gap betw

Responsive Design , Web Design , Design Systems

收藏 評論

guojin-blogs 頭像

椒顏皮皮蝦 - DeploySharp 全面支持 YOLO26 系列，助力開發者快速部署落地應用

DeploySharp 全面支持 YOLO26 系列，助力開發者快速部署落地應用 一、DeploySharp 簡介 DeploySharp 是一個專為 C# 開發者設計的跨平台模型部署框架，旨在提供從模型加載、配置管理到推理執行的端到端解決方案。該項目由 椒顏皮皮蝦開發並開源，遵循 Apache 2.0 許可協議，目前在 GitHub 上獲得了廣泛關注。 DeploySharp 採用了清晰的模塊化

.net , 後端

收藏 評論

henjay724 頭像

痞子衡 - 痞子衡嵌入式：如果你在找針對i.MX RT系列的OTA參考設計，可以持續關注Tiny OTA

　　Tiny OTA 是一個針對 i.MX RT 系列的 OTA 參考設計，其包含 MCU 端固件（tota_sbl 和 tota_app）和 PC 端 GUI 工具（MCU-TinyOtaUtility）兩部分。 　　tota_sbl 是示例 bootloader 程序，其由 MCU ROM 引導啓動，該程序負責檢查 OTA 標誌、校驗兩個 Slot 位置的 tota_app 完整性並選擇高

操作系統

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的交通標誌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 基於深度學習的交通標誌檢測系統 1. 前言​ 大家好，歡迎來到 Coding茶水間。 在智能交通與自動駕駛快速發展的當下，準確、實時地識別道路上的交通標識，已成為保障行車安全與提升駕駛輔助系統性能的關鍵環節。然而，現實場景中交通標識種類繁多、形態各異，且受光照變化、遮擋、天氣等因素影響，傳統圖像處理方法往往難以兼顧檢測速度與精度；即便引入深度學習，不同模型在複雜環境下的魯棒性與可部署性也

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程五：自然語言處理 第二週：詞嵌入（二）詞嵌入模型原理

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 本篇為第五課的第二週內容，2.4到2.5的內容以及一些相關知識的補充。 本週為第五課的第二週內容，與 CV 相對應的，這

AI

收藏 評論

YpEng-Codeme 頭像

YounGp_oo - 使用 AI 編程工具的一點實踐體會：為什麼要減少對話輪次、一次把需求説清楚

使用 AI 編程工具的一點實踐體會：為什麼要減少對話輪次、一次把需求説清楚 一、背景 隨着 Cursor、Copilot、ChatGPT 等 AI 編程工具在日常開發中的普及， 越來越多的開發者開始嘗試用 AI 來完成： 單個功能模塊 小型系統原型 重複性或模板化代碼 我自己在實際使用這些工具的過程中，也逐漸形成了一些使用習慣。 其中最重要的一點體會是： 在讓 AI 寫代

AI

收藏 評論

syf0824 頭像

阿瓜不瓜 - Spring AI學習：基本配置&聊天客户端

創建spring boot項目並選擇ai功能： spring boot版本不能過高，4.x.x暫時不支持ai 非本地部署可以使用openai，本地部署可以使用ollama。對應的，在創建項目初（上一步）選擇的ai功能需與客户端一致。 配置基本如下： 創建一個文本交流客户端，交由spring boot管理： defaultSystem可以告訴大模型它在服務中需要扮演的角色 （實際上，defau

後端

收藏 評論

aurora-zzm 頭像

一葦江湖 - WebDataset使用指南：構建高效深度學習數據管道

在深度學習項目實踐中，數據加載往往成為限制訓練速度的關鍵瓶頸。當數據集規模達到數百萬甚至數十億樣本時，傳統的文件系統隨機訪問方式會導致I/O效率急劇下降，讓昂貴的GPU資源處於閒置等待狀態。WebDataset通過流式處理和順序讀取的設計理念，可以極大提升數據加載性能。 什麼是WebDataset？ WebDataset是一個基於TAR歸檔格式的深度學習數據加載庫，專為處理超大規模數據集而設

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 大模型微調評測入門：看懂這些指標，才知道模型好不好

大模型微調評測入門：看懂這些指標，才知道模型好不好 從“瞎評”到“精準評”：大模型微調核心評測指標全拆解 大家好，我是七七！最近後台收到很多粉絲的共性提問：“我用LoRA微調了Llama 2 7B模型做情感分析，怎麼判斷它好不好用？”“微調後的文案生成模型，憑感覺比原版好，但是怎麼證明？” 這其實戳中了大模型微調的一個核心痛點——很多新手只關注“怎麼調”，卻忽略了“怎麼評”。不少人微調完模型，僅

AI

收藏 評論

xiaobai1523 頭像

小白同學_C - Lab1-Xv6 and Unix utilities 配置環境的搭建以及前言 && MIT6.1810操作系統工程【持續更新】

Lab: Xv6 and Unix utilities（未完待續） ​ 在這個，也是第一個Lab當中6.1810 / Fall 2025，它會要求你通過git拉取最基本的內核代碼，然後cd到內核代碼目錄當中，通過指定的指令（下面會介紹）即可構建起xv6操作系統。 1.拉取基本代碼 ​ 注意：由於之前Lab0 配置環境的搭建以及前言 MIT6.1810操作系統工程 的文章中提過本人的環境（Win1

操作系統

收藏 評論

dmx778 頭像

大模型玩家七七 - 民用卡 vs 專業卡 vs 雲 GPU：大模型微調該選哪種？

民用卡 vs 專業卡 vs 雲 GPU：大模型微調該選哪種？ 大模型微調 GPU 選型無優劣，核心是場景與成本的精準適配 大家好，我是七七！最近後台收到的GPU選型問題快堆成山了：學生黨問“16G民用卡能不能微調7B模型”，小團隊糾結“買專業卡還是租雲GPU”，企業負責人困惑“大規模微調該配多少張專業卡集羣”。 其實三類GPU沒有絕對的“好壞”，只有“適配與否”。之前幫一個跨境電商小團隊選型，他

AI

收藏 評論

software-Development 頭像

IT開發者筆記 - 高性能WPF圖表庫SciChart發佈v8.11，全新Polar熱力圖與示例增強功能

近日，高性能實時圖表控件庫SciChart WPF發佈了v8.11.0（Build 28985）版本更新。這次迭代是對 8.x 系列的累積性升級，新增功能、示例與改進內容兼具，並持續向後兼容 v8.0 版本，建議所有使用 8.x 系列的開發者及時升級體驗最新特性。 獲取SciChart WPF v8.11新版下載，請聯繫Scichart官方合作伙伴慧都科技 🔥 全新 Polar Heatma

.net , 後端

收藏 評論

software-Development 頭像

IT開發者筆記 - 汽車軟件越來越複雜，測試這件事，真的不能再“靠人扛”了！

這兩年，汽車行業有一個非常明顯的變化：車還是那輛車，但軟件已經完全不一樣了。 從傳統 ECU，到域控制器、中央計算平台，再到 ADAS、自動駕駛、車聯網，汽車正快速變成一個“裝在車殼裏的大型軟件系統”。隨之而來的，是軟件規模暴漲、代碼複雜度飆升，以及越來越嚴格的安全和合規要求。 很多汽車軟件團隊都有類似的感受： 👉功能越來越多，但測試時間卻越來越緊 👉標準一大堆，ISO 2626

後端

收藏 評論

smileZAZ 頭像

林恆 - 0.1加0.2為什麼不等於0.3

🧑‍💻 寫在開頭 點贊 + 收藏 === 學會🤣🤣🤣 這個問題你可能在面試、線上 Bug、甚至隨手寫 Demo 的時候都見過： console.log(0.1 + 0.2 === 0.3); // false 很多人第一反應是“浮點數精度問題”，但如果繼續追問： 為什麼偏偏是 0.1、0.2 這種小數出問題？ “精度”到底精在哪一位、丟在哪一步？

前端

收藏 評論

lijinhuaboke 頭像

此顏差矣。 - html2canvas + jspdf實現頁面導出成pdf

封裝一個好用的頁面導出 PDF 工具 Hook (html2canvas + jspdf) 在最近的一個項目中，遇到一個將頁面內容（詳情頁）導出為 PDF的需求,但是好像目前沒有直接把dom轉成pdf這樣一步到位的技術，所以自己封裝了一個間接轉換的方法，基於 Vue3 + TypeScript 的通用 Hook 封裝，利用 html2canvas 和 jspdf 實現網頁內容導出為 PDF，並解決

前端

收藏 評論

jazz-z 頭像

LAYONTHEGROUND - 使用 C# 實現 PDF 文檔對比

在日常開發或辦公場景中，PDF 文檔對比是高頻需求（如合同版本迭代校驗、技術文檔審核、報表一致性驗證等）。市面上雖有 Adobe Acrobat 等可視化對比工具，但通過編程實現 PDF 對比可滿足自動化、定製化的業務需求。本文將介紹如何使用免費庫 Free Spire.PDF for .NET 對比兩個 PDF 文檔。 一、核心組件：PdfComparer 類 PdfComparer 是 Fre

.net , 後端

收藏 評論

dmx778 頭像

大模型玩家七七 - 顯存不夠？16G顯卡駕馭13B模型的計算與優化全指南

顯存不夠？16G顯卡駕馭13B模型的計算與優化全指南 低顯存逆襲，16G 顯卡駕馭 13B 模型的核心邏輯 大家好，我是七七！之前收到很多粉絲私信，核心痛點就一個：手裏只有16G顯卡，想微調13B模型提升效果，可要麼算錯顯存盲目下載後直接OOM（顯存溢出），要麼覺得“16G肯定不夠”直接放棄，眼睜睜看着別人用13B模型做出更優效果。 其實16G顯卡跑13B模型不是“天方夜譚”，關鍵在於兩點：一是

後端

收藏 評論