Jan 19 2026
大模型玩家七七 -
大模型成本刺客退散！1/3算力跑出同等效果的秘訣
大模型成本刺客退散！1/3算力跑出同等效果的秘訣
破解算力成本難題，1/3 算力實現同等效果
大家好，我是七七！前陣子幫一個創業團隊做大模型落地諮詢，他們吐槽最狠的就是算力成本——微調一個7B模型，用雲GPU跑一次要花800塊，推理時高併發場景每月算力賬單超2萬，本來小團隊預算就緊，硬生生被算力拖慢了項目進度。
其實這是很多人和企業的共同痛點：做大模型微調與推理，要麼盲目堆硬件、拉滿參數，導致算
AI
收藏
評論
Jan 19 2026
zdyz -
《ESP32-S3使用指南—IDF版 V1.6》第六十三章 運動偵測實驗
第六十三章 運動偵測實驗
1）實驗平台：正點原子DNESP32S3開發板
2）章節摘自【正點原子】ESP32-S3使用指南—IDF版 V1.6
3）購買鏈接：https://detail.tmall.com/item.htm?id=768499342659
4）全套實驗源碼+手冊+視頻下載地址：http://www.openedv.com/docs/boards/esp32/ATK-DNESP32
操作系統
收藏
評論
Jan 19 2026
ApacheIoTDB -
技術創新 + 國產化標杆！天謀科技榮獲金猿大數據產業兩項大獎
昨日，第八屆金猿大數據產業發展論壇 —— 暨 AI Infra Data Agent 趨勢論壇於上海隆重召開，本屆金猿季評選的八大類重磅榜單亦同步揭曉。天謀科技憑藉在國產化領域的深耕與突破，榮登“2025 中國大數據產業年度國產化優秀代表廠商榜”；憑藉核心技術創新與國產化實踐成果，天謀科技與清華大學聯合研發的發明專利《一種基於數據文件的分佈式多副本高性能高可用方案》亦成功入選 “2025 中國大
數據庫
收藏
評論
Jan 19 2026
gavin_l -
我們為什麼需要另一個“桌面助手”？
一、起點：從手動查找到一鍵問答
開發初期，我只是想解決自己的一個高頻痛點：
在寫代碼、看PDF、甚至答題時，經常需要複製一段文本 → 打開瀏覽器 → 打開AI對話頁 → 粘貼 → 等待回覆 → 再切回原窗口。
這個過程重複、低效，且打斷心流。
於是，第一個版本誕生了：
一個簡單的窗口程序，內置大模型調用，支持本地文檔加載。
它解決了基礎問答問題，但依然需要“主動打開軟件、切
AI
收藏
評論
Jan 19 2026
iVictor -
Redis 調優：必須關注的幾個參數
背景
在一台未經過任何調優的 Linux 服務器上部署 Redis，在 Redis 啓動過程中，可能會碰到以下警告信息。
1363410:M 15 Jan 2026 13:07:34.879# WARNING: The TCP backlog setting of 512 cannot be enforced because /proc/sys/net/
數據庫
收藏
評論
Jan 19 2026
codechen8848 -
25K+ Star！一個開源的通用 SQL 客户端工具！
大家好，我是 Java陳序員。
對於每一位後端開發者、數據分析師、DBA 而言，日常工作中繞不開的就是與各類數據庫打交道，擁有一款功能強大的數據庫管理工具，可以大大地提高工作效率。
今天，給大家推薦一款開源的 SQL 客户端工具，幫助你更好的管理數據庫！
關注微信公眾號：【Java陳序員】，獲取開源項目分享、AI副業分享、超200本經典計算機電子書籍等。
項目介紹
Chat2DB —— 一個
後端
收藏
評論
Jan 19 2026
躺柒 -
讀人本智能產品設計6原則06互動(上)
1.互動
1.1.親密無間且直覺化的交互體驗從此成為衡量人機互動的黃金準則
1.2.對於產品發明者來説，理解人與產品之間只能通過預先編程好的零散規則進行交流互動，這很重要
1.3.作為消費者和設計師，我們成長的環境都讓人理所當然地認為產品就是功能的集合
1.4.在設計產品的過程中最好是放棄這種想法，才能更全面地看待消費者、產品和周圍環境之間的溝通交流，以及由此形成的整體關係，並在此基礎上建立與之
AI
收藏
評論
Jan 19 2026
sevencoding -
InheritableThreadLocal，從入門到放棄
InheritableThreadLocal相比ThreadLocal多一個能力：在創建子線程Thread時，子線程Thread會自動繼承父線程的InheritableThreadLocal信息到子線程中，進而實現在在子線程獲取父線程的InheritableThreadLocal值的目的。
關於ThreadLocal詳細內容，可以看這篇文章：史上最全ThreadLocal 詳解
和 ThreadL
後端
收藏
評論
Jan 19 2026
獨元殤 -
初學者掌握 claude code 的一些進階知識
目錄
1.發展史
2.斜槓命令 commands
3.skill 技能包
4.鈎子 HOOK
5. MCP 服務器
6.插件 plugins
7.子代理 SubAgents
8.項目記憶文件 CLAUDE.md
9.Plan模式
暫時的結語
很少有人真的喜歡天天學新東西，我一個 java 技術棧的朋友，説我們怎麼天天能學那麼多東西（針對於全
AI
收藏
評論
Jan 18 2026
大模型玩家七七 -
微調 + RAG 組合方案：1+1＞2 的大模型應用技巧
微調 + RAG 組合方案：1+1＞2 的大模型應用技巧
微調 + RAG 互補發力，解鎖大模型 1+1＞2 效果
大家好，我是七七！上個月幫一家連鎖藥店做智能客服項目，一開始踩了個大坑：只用微調，模型對最新的醫保政策一問三不知；只用RAG，模型又看不懂專業的醫學術語，回答總是驢唇不對馬嘴。後來我把微調與RAG結合起來，先用行業數據微調模型讓它“懂醫學”，再用RAG掛載實時醫保知識庫讓它“知政策
後端
收藏
評論
Jan 18 2026
躺柒 -
讀人本智能產品設計6原則05表達(下)
1.物體的表達方式
1.1.隨着產品變得更具有互動性和內容驅動性，例如亞馬遜的Alexa或蘋果的Siri，語音交互成為多模態系統的必要組成部分
1.2.語音要素必須與燈光、非語音提示、動作等實體表達形式有機融合，構成統一的產品語義體系
2.燈光
2.1.一種可以改變產品整體外觀的動態材料
2.2.利用環境光線的微妙變化來表達時區的變化，這是通過編程的方式在進行着有意識或無意識的交流
2.3.開車
AI
收藏
評論
Jan 18 2026
大模型玩家七七 -
大模型從“瞎聊”到“幹活”：指令微調核心邏輯全拆解
大模型從“瞎聊”到“幹活”：指令微調核心邏輯全拆解
指令微調破局，讓大模型從 “瞎聊” 變 “能幹”
大家好，我是七七！剛入門大模型時，我總被一個問題困擾：明明Llama 2、Qwen這些模型能聊天説地，可一讓它幹具體活就掉鏈子——讓它寫電商文案，通篇空話套話；讓它整理會議紀要，邏輯混亂漏重點；讓它做客服話術，答非所問不專業。
後來才明白，預訓練大模型就像“剛識字的小孩”，只會基礎的語言表達，卻
AI
收藏
評論
Jan 18 2026
林恆 -
用户 Token 到底該存哪？
🧑💻 寫在開頭
點贊 + 收藏 === 學會🤣🤣🤣
面試官問："用户 token 應該存在哪？"
很多人脱口而出：localStorage。
這個回答不能説錯，但遠稱不上好答案。
一個好答案，至少要説清三件事：
有哪些常見存儲方式，它們的優缺點是什麼
為什麼大部分團隊會從 localStorage 遷移到 HttpOnly Cookie
實
前端
收藏
評論
Jan 18 2026
大模型玩家七七 -
企業大模型微調別亂花錢！從ROI看值不值（附測算工具）
企業大模型微調別亂花錢！從ROI看值不值（附測算工具）
企業微調避坑：以 ROI 為核心把控成本
大家好，我是七七！上個月幫朋友的電商公司做技術諮詢，他們老闆一拍腦袋要花20萬買GPU服務器，給大模型做微調，説“別人都調，我們也得跟上”。我幫他們算完賬發現：他們的客服對話任務用現成的Qwen 7B加提示詞就能達標，微調後轉化率提升不到2%，投入產出比直接倒掛，最後硬生生把項目攔了下來。
其實這是
AI
收藏
評論
Jan 18 2026
wang_yb -
打破堆積困局：優化堆積條形圖的對比效果
在數據可視化中，堆積條形圖 擅長展示 “整體與構成” 的關係，但當每個柱子內的分段超過4個時，讀者很難同時追蹤各段的長度、位置與顏色映射， 誤讀概率顯著上升。
更糟的是，若不同類別的總量差異很大，堆積結構會放大視覺錯覺，導致“看起來差不多”的結論失真。
今天，本文將嘗試探索一下改進堆積條形圖的呈現方式，讓複雜數據對比變得一目瞭然。
如果大家有更好的方式，也歡迎指教，交流。完整的代碼會在文末提供共享
後端
收藏
評論
Jan 18 2026
PetterLiu -
軟件工程Agent在工程依賴版本升級探索
背景與動機
現代軟件項目廣泛依賴開源庫以避免重複開發，但庫版本更新常引入破壞性變更，導致代碼兼容性問題。手動適配這些更新需消耗大量開發者時間，且大型代碼庫中開發者易忽視更新警告或鎖定舊版本，長期阻礙功能迭代、性能優化與安全修復。現有自動化方案未被廣泛採用，而 LLM 在代碼生成、程序修復等領域已展現潛力，因此本文提出一種基於 LLM Agents 的框架，用於自動化完成依賴升級並保障代碼兼容性
AI
收藏
評論
Jan 18 2026
大模型玩家七七 -
5 分鐘搞懂開源大模型選型核心維度，16G顯卡也能選對
5 分鐘搞懂開源大模型選型核心維度，16G顯卡也能選對
快速拿捏開源大模型選型，關鍵維度一文説清
大家好，我是七七！剛入門大模型的時候，我踩過最蠢的坑就是“盲目跟風選模型”——當時看到朋友圈都在曬Llama 2 70B，腦子一熱就下載了，結果16G顯卡直接OOM（顯存溢出），折騰了整整一天，最後發現自己只是想做個簡單的中文情感分析，根本用不上70B模型。
後來跟身邊的技術大佬聊才明白：開源大模型
AI
收藏
評論
