博客 RSS 訂閱

mb68738fa1c4e31 - ?演講稿:TRAE SOLO 實戰賽——智啓Coding 碼力全開,讓AI為你打造完美旅程??演講稿:TRAE S

🚀演講稿:TRAE SOLO 實戰賽——智啓Coding 碼力全開,讓AI為你打造完美旅程🧣 幻燈片 1:TRAE SOLO 實戰賽 | 智啓Coding 碼力全開 | 讓AI為你打造完美旅程 演講內容: Hello,各位小夥伴們,我是圍巾哥蕭塵。今天的時間是2025年12月12日,週五。時間過得很快,又到了我們的分享時間。 演

數據 , 數據庫 , AI寫作 , aigc , 開發者

收藏 評論

ApacheFlink - Apache Flink 2.2.0: 推動實時數據與人工智能融合,賦能AI時代的流處理

Apache Flink PMC 很高興地宣佈 Apache Flink 2.2.0 版本發佈了。Flink 2.2.0 版本進一步增強了 AI 函數 和 向量檢索功能,改進了物化表和連接器框架,並優化了批處理和 PyFlink 支持。Flink 2.2.0 版本總共由來自全球的 73 位貢獻者參與,累計推進了 9 個 FLIP(Flink 重要改進提案),完成了 220 多項缺陷修復和改進。 F

大數據 , flink , 實時計算

收藏 評論

愛聽歌的金針菇 - 全棧自主+全場景落地!邁富時AI工業智能體一體機全球首款領先發布,為工業製造注入AI核心動能

當製造業智能化轉型駛入深水區,兩個核心矛盾日益凸顯:一邊是工業場景對“數據安全”的絕對剛需,私有工藝、產能數據容不得半分泄露;另一邊是生成式AI的“不確定性”與工業生產“零誤差”要求的尖鋭對立——一個排產計劃的偏差可能導致百萬級損失,一次質檢的疏漏可能引發批量召回。 在2025實體經濟發展大會上,全球領先的AI應用平台邁富時與科技巨頭HCL Tech的聯手,給出了破局之道:一款集“AI工業應用軟件

agent , 工業智能化 , 數智化轉型 , 人工智能 , 解決方案

收藏 評論

bruce_xiaowei - Windows命令無法直達網卡屬性?最全替代方案與底層邏輯揭秘

Windows命令無法直達網卡屬性?最全替代方案與底層邏輯揭秘 當你在運行窗口輸入一條想象中的“神級命令”,期待直接彈出網卡屬性設置時,系統卻以沉默迴應——這並非設計缺陷,而是Windows在網絡管理上的深層設計哲學。 01 為什麼沒有“直達命令”? 每次需要更改IP地址、DNS服務器或網絡協議時,許多用户都會習慣性地尋找一條能夠“一鍵直達”網卡屬性設置窗

windows , yyds乾貨盤點 , 網絡安全 , ip , 圖形界面

收藏 評論

數據小玩子 - 【製造業數據驅動系列 1】供應鏈智能協同:如何打通內部數據,實現庫存與交付的可視化管理?

製造企業的供應鏈痛點,往往源於內部數據割裂:採購、生產、倉儲、銷售數據散落在不同系統中,導致庫存水位不清、齊套情況不明、交付週期難以準確答覆。依賴跨部門溝通獲取信息,效率低下且易出錯。 要提升供應鏈響應速度與準確性,關鍵在於打通內部ERP、MES、WMS等系統,構建統一、實時、可交互的數據視圖。助睿BI正是實現這一目標的利器,它能將分散的訂單、物料、庫存數據聚合,轉化為清晰的供應鏈作戰地圖。

數據挖掘 , 人工智能

收藏 評論

mob64ca12dab0a2 - stable diffusion forge

Stable Diffusion Forge是一個用於生成圖像的開源深度學習模型,它的靈活性和強大性能使得用户得以創造出各種風格各異的視覺作品。然而,在實際應用中,使用Stable Diffusion Forge時可能會遭遇一系列技術問題,本文將以覆盤的方式記錄解決這些問題的過程,包括背景定位、參數解析、調試步驟、性能調優、最佳實踐及生態擴展。 背景定位 在使用Stable Di

System , 性能調優 , aigc , 圖像質量

收藏 評論

安勢信息 - 安勢信息受邀參加COSCon'25 第十屆中國開源年會|「4D開源組件評估模型+清源SCA」,精準鎖定權威組件,守護軟件供應鏈!

圖1來源開源社 COSCon'25 第十屆中國開源年會於2025年12月7日圓滿收官!作為中國開源領域極具行業影響力的年度盛會,本屆年會恰逢COSCon十週年里程碑節點 ,既是對過往十年中國開源生態從萌芽到蓬勃的沉澱與致敬,更是凝聚全球開源力量、共探產業未來的全新起點! 此次盛會,安勢信息創始人CEO薛植元先生以及聯合創始人SVP高琨先生受邀就對開源安全領域最新洞察和行業研究分別在Open

開源 , 安全

收藏 評論

袋鼠雲數棧 - 媒體觀點丨Databricks與袋鼠雲,兩個故事、一個方向

以下文章來源於數據猿,作者月滿西樓。 “中國的Data+AI平台,不僅僅是複製Databricks那麼簡單。 過去兩年,關於AI的敍事有一個明顯的轉折點。一開始,所有人都在看參數量、模型榜單和Demo效果——誰的模型更大、更“聰明”,就能多佔據幾天話題中心。很快,行業發現:真正決定AI能走多遠的,除了模型有多好,還包括“業務到底敢不敢、能不能用起來”。 從“大模型卷參數”,到“智能體

觀點 , 資訊 , 中台概念 , 人工智能 , 大模型

收藏 評論

隱語SecretFlow - 如何在 Kuscia 中使用自定義鏡像倉庫

打開鏈接即可點亮社區Star,照亮技術的前進之路。 Github 地址:https://github.com/secretflow/kuscia Kuscia支持自動拉取遠程的應用鏡像(比如:SecretFlow 等),這樣可以不用手動導入鏡像到容器中。可以在 Kuscia 配置文件中配置私有(or 公開)鏡像倉庫地址。 如何配置使用自定義鏡像倉庫 配置文件中的 image 字段用來配置自定義倉庫

開源

收藏 評論

運維有小鄧 - 2025年十款多因素認證(MFA)解決方案對比

選擇合適的多因素認證(MFA)服務,對於保護企業抵禦日益增長的網絡威脅至關重要。目前市場上MFA解決方案種類繁多,如何為企業挑選最適配的產品成為一大難題。本文將通過對比主流服務商、梳理核心選擇要素,助您輕鬆應對MFA選型的複雜挑戰。 什麼是MFA?它如何運作? 多因素認證(MFA)通過組合兩種及以上身份驗證方式完成身份核驗。例如,用户輸入密碼後,系統可能會要求通過手機接收驗證碼,或掃描指紋進行二次

資訊 , 運維

收藏 評論

mob64ca12d0a366 - stable diffusion 多GPU

在處理Stable Diffusion時,你可能會遇到“多GPU”的問題。這裏,我將分享一個詳細的過程,幫助你成功實現Stable Diffusion的多GPU配置。 環境準備 在開始之前,我們需要先準備好我們的環境,以確保基礎組件全部就位。 前置依賴安裝 首先,確保你的系統具備Python、CUDA、CuDNN等必要的依賴。下面是安裝這些依賴的命令: # 更新包管理

bash , aigc , CUDA , Python

收藏 評論

曼孚科技 - 從“聽得清”到“聽得懂”:音頻標註技術的演進

在人工智能的發展圖譜中,讓機器 “聽見” 並解讀世界,始終是一條充滿挑戰卻意義深遠的探索路徑。 早期技術突破集中於一個明確目標 ——“聽得清”,即實現聲音信號向文字符號的高精度轉化。然而,隨着 AI 應用場景的持續拓展與深化,行業對機器 “聽力” 提出了更高階的要求:不僅要精準轉寫語音內容,更要深度理解其背後的內涵。 把握指令意圖、辨識話語情緒、洞悉聲音場景的複雜構成,成為人工智能向高階智能演進的

機器學習 , 算法 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

中煙創新 - 中煙創新連續兩年被認定為國家級科技型中小企業

在科技創新深度重構產業競爭格局、驅動轉型升級的當下,權威的國家級資質認定已成為客觀評判企業研發體系成熟度、核心技術儲備與可持續成長潛力的關鍵性標尺與系統性評估框架。北京中煙創新科技有限公司(簡稱:中煙創新)憑藉其在技術研發與創新實踐方面的紮實積累與持續投入,連續兩年被認定為國家級科技型中小企業。其創新能力再獲官方權威認定,這一成績不僅是對企業自身創新實力的高度認可,也是其積極響應國家創新驅動發展戰

人工智能

收藏 評論

mob64ca12e8d855 - llama的實現

在這篇博文中,我想分享關於“llama的實現”的一些經驗。這包括背景描述、技術原理、架構解析、源碼分析、性能優化等部分,所有這些構成了llama實現的一個全面框架。 在背景部分,我們首先明確時間線。這一實現的起源可以追溯到2022年,隨着自然語言處理技術的迅速發展,我的團隊決定着手研究 llama 這一新興模型。這個模型的一個重要目標是能夠在相對較小的計算資源下實現高效的語言理解和生

性能優化 , 自然語言處理 , aigc , 數據加載

收藏 評論

mob64ca12f55920 - centos7 安裝 ollama 很慢

在centos7安裝Ollama時,很多用户都會遇到安裝過程緩慢的問題,這可能是由於網絡條件、依賴環境等多種因素造成的。本文將詳細記錄如何解決“centos7安裝Ollama很慢”的問題,包括環境準備、分步指南、配置詳解、驗證測試、優化技巧以及排錯指南等。 環境準備 在開始之前,確保你的服務器滿足以下前置依賴條件。我們需要安裝一些基礎庫,如curl、git等。 sudo yu

User , server , aigc , 安裝過程

收藏 評論

access開發 - Access中帕累託圖的完整技術實現

hi,大家好! 今天,我們接着來講新式圖表! 在工業控制、質量管理(QC)及 ERP 系統開發中,帕累託圖(Pareto Chart)是必不可少的分析工具。雖然 Excel 製作帕累託圖很方便,但在 Access 開發的業務系統中,我們需要圖表能動態響應數據庫的變化(如按日期篩選、按產線過濾),而無需人工干預。 本文將從SQL 數據處理和圖表控件配置兩個核心維度,詳細拆解如何在

知識 , vba , access , SQL , 圖表

收藏 評論

Serverless - 阿里雲 Serverless 計算 11 月產品動態

精選文章 算力成本降低 33%,與光同塵用 Serverless AI 賦能影視商業內容生產 ModelScope 模型一鍵上線?FunModel 幫你 5 分鐘從零到生產 助力企業構建 AI 原生應用,函數計算 FunctionAI 重塑模型服務與 Agent 全棧生態 【本不該故障系列】從 runC 到 runD:SAE 如何化解安全泄露風險 從代碼到生產推理服務:DevPod 全流程部署 D

阿里雲 , 雲原生 , serverless

收藏 評論

智能開發者 - 內網yarn

華為雲和AWS雲的VPN都是收費的,華為雲可以包月或按時間/流量計費,AWS那邊沒有找到計費方式,貌似是按出網流量算的.打通內網需要華為雲和AWS雲各創建一個帶有公網IP的網關,兩個網關分別指向對方的公網IP,網關創建成功後就開始收費.而且需要先創建華為雲這邊的網關,因為AWS那邊的網關創建完成後不能修改,如果想要修改,只能刪除重新創建. 1.創建華為雲 虛擬專用網絡-VP

內網 , AWS , 大數據 , yarn , ip , 內網yarn

收藏 評論

mob64ca12dfd1d5 - Stable Diffusion 模型下載提供

Stable Diffusion 模型下載提供是一個複雜而又細緻的過程,需要對環境配置、依賴管理、安裝過程、故障排查等多個方面進行詳細規劃和實施。本文將全方位地記錄下這一過程,從環境預檢到最佳實踐分析,力求為後續的實際應用提供一個參考框架。 環境預檢 四象限圖 通過評估不同配置方案的有效性,可以合理選擇最優的配置。 quadrantChart title 四象限圖:配

User , System , 最佳實踐 , aigc

收藏 評論

mob64ca12df5e97 - llamaindex 追溯 檢索文本

llamaindex 追溯檢索文本是在最近的開發工作中越來越受到重視的一個話題。在處理大規模文本數據時,如何有效追溯和檢索相關內容顯得尤為重要。接下來,我將為大家分享這一過程的詳細步驟。 環境準備 在開始之前,我們需要確保有適合的軟硬件環境,具體要求如下: 軟硬件要求 硬件要求: CPU:四核心及以上 內存:16GB RAM

硬件資源 , aigc , 代碼塊 , Python

收藏 評論

GreatSQL社區 - GreatSQL MGR三節點基於時間點恢復

GreatSQL MGR三節點基於時間點恢復 前言 本文將介紹DDL模擬誤操作數據庫後,怎麼恢復到誤操作時間點? 解決方案:利用binlog偽裝master實例(搭建偽主從複製環境),讓複製應用binlog停留在具體時間點對應的gtid上。 方案可以幫助客户在發生DDL事故時快速恢復數據到誤操作之前,避免進一步的損失。 文章分為三個階段: 自行準備一套GreatSQL MGR三節點集羣環境

後端

收藏 評論

mob64ca12e7b5cf - llama factory USLOTH

llama factory USLOTH是一種特殊類型的技術問題,涉及到複雜的系統設置與調試。本文將以輕鬆的覆盤記錄方式呈現解決這個問題的全過程,包括環境準備、分步指南、配置詳解、驗證測試、排錯指南和擴展應用等結構。 環境準備 在開始任何工作之前,首先需確保我們擁有合適的軟硬件環境。以下是本項目的軟硬件要求: 硬件資源評估 quadrantChart title

配置文件 , aigc , 啓動服務 , Docker

收藏 評論

冉冉同學 - VS Code 推出全新 JS/TS 工具,自動升級老舊 JS/TS 項目

微軟悄悄在VSCode 中放了一個新東西,JavaScript/TypeScript Modernizer,可一鍵將老舊的JS/TS 項目,升級到現代化的最新的項目 原文:https://developer.microsoft.com/blog/jsts-modernizer-preview 1. 背景:為何我們需要它? 隨着 JavaScript 和 TypeScript 標準的快速迭代,

vscode插件 , ai開發 , typescript , 前端 , Javascript

收藏 評論

Addison - 深度覆盤 II: WebGL 工業級落地:混合渲染架構與 HMI 工程化實踐

🚀 前言 在上一篇《渲染架構篇》中,我們探討了基於 Three.js 的場景管理與 DrawCall 優化。然而,在實際交付的 工業數字孿生(Digital Twin) 項目中,決定系統能否長期穩定運行的,往往不僅僅是 3D 渲染效率,更是 2D UI 與 3D 場景的混合架構質量。 很多項目在 Demo 階段表現尚可,一上生產環境就暴露問題:DOM 更新導致 WebGL 掉幀、交互事件衝突、現

three.js , 數據可視化 , 數字孿生 , webgl , 前端

收藏 評論