博客 RSS 訂閱

xiaoqian01 頭像

筱倩 - SRE核心工作流與實踐指南：從故障預防到持續優化

1、SRE體系工作流 　（1）故障預防階段：主動構建系統韌性 　　從技術規範和架構設計層面，推動系統具備抗風險能力。 向開發團隊傳遞“面向失敗編程“理念，明確RPC異常處理、分佈式事務一致性等編碼要求。 主導或參與框架治理能力建設，包括設計熔斷限流策略、配置失敗重試機制、定義數據中間態規則等，從架構層降低故障概率。 （2）故障發現階段 監控策略設計：規劃全鏈路監控方案，明確需埋點的關鍵

軟件工程

收藏 評論

beishangdebanma 頭像

悲傷的斑馬 - 低代碼實戰：用釘釘宜搭+Python，3天搭建企業級審批系統

作為一名非科班出身的運維工程師，我曾因部門審批流程混亂（紙質表單、郵件來回確認、統計耗時）被領導批評。在嘗試過Excel宏、VBA後，最終通過低代碼平台（釘釘宜搭）+Python增強的組合方案，3天內搭建了一套全流程線上審批系統，現在審批效率提升80%，且零代碼維護成本。今天分享我的實戰經驗，適合想快速落地數字化項目的技術人蔘考。 一、為什麼選擇「低代碼+Python」組合？ 低代碼解決核心流程：

Python

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程三： 結構化機器學習項目 第一週：機器學習策略（二）數據集設置

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 本篇為第三課的第一週內容，1.5到1.7的內容。 本週為第三課的第一週內容，本週的內容關於在實際項目進行中的一些基本策略

AI

收藏 評論

tomato9527 頭像

一顆爛土豆 - 告別 Vue 多分辨率適配煩惱：vfit.js 讓元素定位 “絲滑” 跨設備

在前端開發中，“多分辨率適配”一直是個繞不開的坎。尤其是Vue項目，面對從手機到大屏的各種設備，既要保證元素比例不變，又要讓位置精準，往往需要手寫大量縮放計算或媒體查詢，代碼冗餘且難維護。 今天推薦一個專為Vue 3設計的輕量方案——vfit.js，通過“全局縮放管理+組件化定位”的思路，讓適配工作變得簡單可控。 為什麼需要vfit.js？ 傳統適配方案（如rem、vw/vh）的痛點在於： 僅

vue.js , css3 , HTML , 前端 , Javascript

收藏 評論

beishangdebanma 頭像

悲傷的斑馬 - GEO公司推薦的三大黃金法則：2025年選型技巧與實戰分析

隨着生成式AI搜索日均處理請求量突破十億次，超過70%的高價值商業諮詢由AI直接生成答案，GEO（生成式引擎優化） 已從前沿概念演變為企業數字營銷的核心戰場。在AI重構信息分發規則的今天，選擇一家技術領先、效果可衡量的GEO服務商，意味着在源頭鎖定AI流量入口。本次評測基於行業數據點與實戰案例，從技術實力、優化效果與服務生態三個維度，對國內主流GEO服務商進行全方位剖析，為您的選型決策提供可靠依據

觀點 , 資訊 , 算法 , 人工智能

收藏 評論

beishangdebanma 頭像

悲傷的斑馬 - 從LLM到多模態，開源如何重塑AI創新範式？

在AI技術狂飆突進的今天，開源模型已不再是“備選方案”，而是推動技術普惠、加速產業落地的核心力量。從Hugging Face生態的繁榮，到Meta的Llama系列引發的“開源大模型革命”，再到Stable Diffusion引領的AIGC平民化浪潮，開源模型正以開放協作的模式，打破技術壁壘，讓全球開發者共享創新紅利。 本文將探討開源模型的核心價值、當前生態格局，以及中國開發者如何在這場浪潮中把握機

開源

收藏 評論

xaye 頭像

祝你今天愉快 - C++學習（十七）複習題

1.如何聲明下述數據？ a.actor是由30個char組成的數組 b.betsie是由10o個short組成的數組 c.chuck是由13個float組成的數組 d.dipsea是由64個long double組成的數組 #includeiostream using namespace

指尖人生 , 移動開發 , include , c++ , Android , ios

收藏 評論

u_16099278 頭像

代碼工匠傳奇 - hadoop3x 兼容的hive

Hadoop集羣安裝配置教程_Hadoop3.1.3_Ubuntu http://dblab.xmu.edu.cn/blog/2544-2/ 林子雨編著《大數據技術原理與應用（第3版）》教材配套大數據軟件安裝和編程實踐指南 http://dblab.xmu.edu.cn/post/13741/ hadoop hbase hive spark對應版本

spark , hadoop3x 兼容的hive , 大數據 , MySQL , hive , hadoop

收藏 評論

lab4ai 頭像

Lab4AI - NeurIPS 2025Mamba引爆3D重建！MVSMamba：效率與精度雙雙超越Transformer

論文標題：MVSMamba: Multi-View Stereo with State Space Model 作者團隊：北京科技大學 發佈時間：2025年11月4日 👉一鍵直達論文 👉Lab4AI大模型實驗室論文閲讀 ✅Lab4AI平台提供AI導讀和AI翻譯等工具，輔助論文閲讀。 ⭐研究背景 基於學習的多視圖立體視覺方法嚴重依賴魯棒的特徵匹配。傳統CNN方法因感受野有限，難以捕捉全局特徵

llm , 算法 , chatgpt , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - StackOverflow已經死亡了嗎

StackOverflow已經死亡了嗎 最近，一張有趣的圖片在X平台上引發了程序員社區的熱烈討論。用户@_devJNS將StackOverflow比作《忍者神龜》中的斯普林特大師，而ChatGPT、Claude、DeepSeek和Gemini則化身為新一代忍者。配文直擊靈魂：“StackOverflow官方已經死亡了嗎？”。這不僅是一句調侃，更折射出技術社區對這一經典問答平台的關注度下降和AI崛起

機器學習 , llm , 算法 , 人工智能

收藏 評論

lab4ai 頭像

Lab4AI - NeurIPS 2025|清華北大團隊開源VCA模塊，即插即用，讓視覺AI“抓重點”既快又準

論文標題：Linear Differential Vision Transformer: Learning Visual Contrasts via Pairwise Differentials 作者團隊：清華大學、北京大學 發佈時間：2025年11月4日 👉一鍵直達論文 [👉Lab4AI大模型實驗室論文閲讀]( https://www.lab4ai.cn/paper/detail/

機器學習 , llm , 算法 , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - 重磅！圖靈獎得主 Bengio 領銜 30 + 頂流學者聯合發文！首次給 AGI 下量化定義

論文標題：A Definition of AGI 作者團隊：人工智能安全中心、加州大學伯克利分校、Morph實驗室、密歇根大學等 發佈時間：2025年10月21日 👉一鍵直達論文 👉Lab4AI大模型實驗室論文閲讀 ✅Lab4AI平台提供AI導讀和AI翻譯等工具，輔助論文閲讀。您還可以投稿復現這篇論文~ ⭐論文簡介 本文旨在提出一個全面、可量化的框架，以澄清AGI的定義，並精確測量AI系統

機器學習 , llm , 算法 , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - NeurIPS 2025 Spotlight|還在為KV緩存爆炸苦惱？清華團隊重新設計注意力

論文名稱：Tensor Product Attention Is All You Need 發佈時間：2025年10月23日 👉一鍵直達論文 👉一鍵直達Github 👉Lab4AI大模型實驗室論文閲讀 ✨研究背景 大型語言模型在處理長輸入序列時面臨顯著的計算和內存挑戰，主要瓶頸在於自迴歸解碼過程中鍵值（KV）緩存的內存開銷隨序列長度線性增長。現有方法如稀疏注意力、多查詢注意力（MQA）、

機器學習 , llm , 算法 , chatgpt , 人工智能

收藏 評論

lab4ai 頭像

Lab4AI - AAAI2025論文！川大團隊領銜！用 “稀疏注意力” 幹掉手工特徵，讓圖像造假無所遁形 | 圖像編輯

01 論文概述 這篇頂會級工作由 四川大學計算機學院 + 教育部機器學習與工業智能工程研究中心 核心領銜（通訊作者：周吉喆教授），聯合 穆罕默德・本・扎耶德人工智能大學、澳門大學計算機與信息科學系 共同完成。 論文名稱：Can We Get Rid of Handcrafted Feature Extractors? SparseViT: Nonsemantics-Centered, Param

機器學習 , 神經網絡 , 算法 , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - NeurlPS 2024! 擴散模型用於世界建模：視覺細節在Atari環境中至關重要| 計算機視覺 | 強化學習

01 論文概述 論文名稱：Diffusion for World Modeling: Visual Details Matter in Atari ——擴散模型用於世界建模：視覺細節在 Atari 環境中至關重要 👉一鍵直達論文 [👉Lab4AI大模型實驗室論文]( https://www.lab4ai.cn/paper/detail?utm_source=lab4ai_jssq_sf

機器學習 , 神經網絡 , 算法 , 人工智能 , 深度學習

收藏 評論

u_17213027 頭像

wx676be6175e246 - Android 透明度動畫

透明度動畫（Alpha Animation）是Android視圖動畫體系的核心組件，通過改變View的alpha屬性值（0.0完全透明至1.0完全不透明）實現漸變效果。其本質是通過插值器（Interpolator）控制數值變化節奏，結合動畫監聽器完成交互邏輯。 實現方式與代碼示例 XML資源定義 在res/anim目錄創建fade_in

移動開發 , xml , 視圖動畫 , Android

收藏 評論

qibaimadejianpan 頭像

IT課程999it與top - c++實戰區塊鏈核心密碼學-基於openssl

在數字化安全日益成為國家戰略與企業核心競爭力的今天，密碼學已從學術象牙塔走向工程一線，成為高價值技術崗位的關鍵能力。尤其在區塊鏈、金融支付、物聯網安全、隱私計算等前沿領域，掌握底層加密技術的 C++ 工程師正成為稀缺人才。《C++ 加密與解密實戰：基於 OpenSSL 玩轉區塊鏈核心密碼學，從原理到實現》這門課程，正是瞄準這一高潛力賽道，為程序員提供了一條從通用開發向安全底層專家躍遷的清晰路徑。

c++ , openssl

收藏 評論

renxingdexizhuang 頭像

任性的西裝 - 如何使用C#代碼在Excel 文件中添加工作表

在處理現有的 Excel 文件或從零創建 Excel 文件時，我們可能需要添加一個或多個工作表來記錄數據。本文將演示如何使用 Spire.XLS for .NET 庫在 C# 和 VB.NET 中向 Excel 添加工作表。 安裝 Spire.XLS for .NET 首先，您需要將 Spire.XLS for .NET 包中的 DLL 文件添加為 .NET 項目的引用。這些 DLL 文件可以通過

excel , c#

收藏 評論

airenaodexianrenqiu 頭像

Coolmuster - WeTransfer評測：功能、定價、優缺點及替代方案

WeTransfer 於 2009 年在阿姆斯特丹成立，現已成為最值得信賴的大文件傳輸平台之一。它提供了一種簡單便捷的解決方案，用於發送文檔、照片、視頻和其他大型文件——無需複雜的設置或專業技術知識。無論您是與朋友分享回憶的個人用户、發送設計素材的自由職業者，還是交換重要文件的企業，WeTransfer 都能簡化流程。 在這篇全面的 WeTransfer 評測中，我們將深入探討其主要功能、定價方案

Android

收藏 評論

u_16237826 頭像

軟件求生 - 面試官一句“Redis 主從會嗎”，我當場講了20分鐘

我先給你講個故事。前幾年我剛進一家公司，業務漲得特別猛，一開始我們用 Redis 就是很“樸素”的：一個 Redis 實例，所有請求都懟上去。 剛開始很爽，QPS 上千感覺自己是扛着服務器在飛。結果有一天，大促來了。凌晨兩點，監控報警。Redis CPU 飆到 90%，延遲肉眼可見地抖，接口 RT 從 30ms 飆到 800ms。 那一刻我就懂了一個真理：

redis , yyds乾貨盤點 , 數據 , 緩存 , 數據庫

收藏 評論

jdcdevloper 頭像

京東雲開發者 - 用“分區”來面對超大數據集和超大吞吐量

1. 為什麼要分區？ 分區（partitions） 也被稱為 分片（sharding） ，通常採用對數據進行分區的方式來增加系統的 可伸縮性，以此來面對非常大的數據集或非常高的吞吐量，避免出現熱點。 分區通常和複製結合使用，使得每個分區的副本存儲在多個節點上，保證數據副本的 高可用。如下圖所示，如果數據庫被分區，每個分區都有一個主庫。不同分區的主庫可能在不同的節點上，每個節點可能是某些分區的主庫，

程序員

收藏 評論

jdcdevloper 頭像

京東雲開發者 - RAG 分塊策略：從原理到實戰優化，餵飯級教程不允許你踩坑

一、引言 為什麼同樣是做 RAG，有的效果拔羣，有的卻差強人意？分塊（Chunking）策略可能是那個被你忽略的關鍵環節。 什麼是Chunk？ AI中的分塊是指將大型文檔分割成稱為“chunk”的較小片段。這些片段可以是段落、句子、詞組或受token限制的片段，這使得模型能更輕鬆地僅搜索和檢索所需內容。這種分塊技術對於優化檢索增強生成（RAG）的性能至關重要。 為什麼在RAG中需要Chunk？ 在

程序員

收藏 評論

jdcdevloper 頭像

京東雲開發者 - JoyAgent 榮獲2025開放原子基金會 “《人工智能》開源先鋒項目” 稱號

2025開放原子開發者大會於11月21日至22日在北京北人亦創國際會展中心成功舉辦。本屆大會以“一切為了開發者”為主題，匯聚了來自全球的開發者、學術專家、開源先鋒及社區代表，圍繞技術實踐、生態建設等多個維度展開深度分享與交流。 大會設有開幕式暨前沿主論壇，以及十餘場平行技術分論壇，內容覆蓋前沿技術與創新實踐、開源項目與基礎軟件、開發者生態與社區治理、學術研究與開源融合等關鍵方向，為開發者構建了從

程序員

收藏 評論

apacheiotdb 頭像

ApacheIoTDB - 時序數據庫 IoTDB 集成 SpringBoot Starter，實現時序數據庫“零配置”接入

面對工業物聯網場景中高頻產生的設備狀態、環境指標等海量時序數據，如何在其產生後迅速完成採集、存儲並服務於上層應用，是構建實時數據驅動型業務的核心挑戰。 國產時序數據庫 IoTDB 與快速開發框架 SpringBoot Starter 的深度集成，正是為了應對這一挑戰，通過標準化的自動配置模式，將時序數據庫的接入流程簡化為引入單一依賴，使開發者能一鍵構建起高性能的數據管道。 簡化配置，快速

數據庫

收藏 評論