博客 RSS 訂閱

goody 頭像

goody - aidlux安裝docker

AidLux內置外設極速互連模塊，支持豐富的接口與外設，例如USB、LAN、WiFi、4G/5G、藍牙、GPS、陀螺儀、RS232、RS485、Arduino、機械臂、網絡相機、工業相機、深度相機等，即插即用。 這期內容我們就先挑其中的3類聊一聊：機械臂、工業相機和深度相機。 機械臂 説到利用安裝了AidLux的設備連接並控制機械臂，除

aidlux安裝docker , 雲計算 , 物聯網 , 機械臂 , 邊緣計算 , 人工智能 , Docker

收藏 評論

u_15591470 頭像

ceshiren2022 - 解密高效測試系統：利用Dify工作流與Jira API的自優化實踐

將測試智能體與Jira集成，可以構建一個能夠自動識別問題、執行測試並反饋結果的智能化質量保障體系。這種集成不僅能將測試活動直接嵌入開發流程，還能實現閉環的持續質量改進。 以下是四種不同集成深度的方法，您可以根據團隊的技術成熟度進行選擇。 一、核心集成模式 二、基礎API集成：實現自動反饋 這是最基本的集成方式，主要目標是將測試執行結果自動反饋至Jira工單。

API , 人工智能 , 深度學習 , 自動化測試

收藏 評論

u_16116809 頭像

wx6464351503832 - GPT-5.1 發佈：更智能也更“人性化“的 AI 助手

2025年11月12日，OpenAI 發佈了 GPT-5 系列的重要更新版本 GPT-5.1，包括 GPT-5.1 Instant（即時版）和 GPT-5.1 Thinking（思維版）兩個變體。這次更新不僅在技術能力上有所提升，更值得關注的是其在對話風格上的顯著變化，而這一變化正在社區中引發激烈討論。 技術升級：智能與效率的平衡 GPT-5

redis , 智能體 , 數據 , gpt , 數據庫 , 人工智能 , 大模型

收藏 評論

u_16116809 頭像

wx6464351503832 - 智能體AI的六大核心設計模式

隨着大模型技術的成熟，智能體正在從概念走向實際應用。與傳統的單次問答系統不同，智能體能夠自主規劃、使用工具、反思決策，並通過多輪交互完成複雜任務。本文探討當前業界最主流的六種智能體設計模式，這些模式已經在各大AI產品中得到驗證和應用，為開發者提供了構建可靠智能體系統的技術參考。 ReAct Agent：推理與行動的循環框架

agent , 智能體 , 設計模式 , 人工智能 , Css , 大模型 , 前端開發 , HTML

收藏 評論

u_16116809 頭像

wx6464351503832 - 強化學習(RL)簡介及其在大語言模型中的應用

看到huggingface上有個大模型課程，其中有個章節是講如何構建推理大模型，下面是對應的學習內容。 接下來會用最通俗易懂的方式介紹RL，就算之前完全沒接觸過也能看懂。會拆解核心概念，看看為什麼RL在大語言模型（LLMs）領域變得這麼重要。 什麼是強化學習（RL）？ 想象一下訓練一隻狗。想教它坐下。可能會説"坐下！"，如果狗坐下了，就

強化學習 , 語言模型 , 自然語言處理 , 人工智能 , Css , 大模型 , 前端開發 , HTML

收藏 評論

u_16099272 頭像

墨舞天涯 - 從零開始到設計Python+Selenium自動化測試框架

測試學習記錄，僅供參考！ 各種彈窗的處理 以測試網站 https://www.leafground.com/alert.xhtml 頁面中的 各種彈窗 為例； 1、在項目根目錄下新建一個名稱為 alert_handle.py 的 Python 文件； 2、之前在基礎知識 1 常用函數中有提到過警告窗的處理； 在回顧一

實例化 , 學習 , 根目錄 , 測試工具 , 前端開發 , Javascript , Python

收藏 評論

u_16116809 頭像

wx6464351503832 - 通義DeepResearch技術報告解讀

通義深度研究：開源AI研究助手的新里程碑 最近AI研究領域有個很有意思的現象，就是那些最厲害的AI研究助手，比如OpenAI的DeepResearch、谷歌的Gemini DeepResearch，全都是閉源的。這就像大家都在説"我做出了很棒的東西"，但就是不告訴你怎麼做的。阿里巴巴通義實驗室最近開源的通義深度研究（Tongyi

強化學習 , agent , 智能體 , 數據 , Css , 大模型 , 前端開發 , HTML

收藏 評論

u_15353947 頭像

一線碼農聊技術 - 記一次 .NET 某醫聯體管理系統 崩潰分析

一：背景 1. 講故事 這段時間都在跑外賣，感覺好久都沒寫文章了，今天繼續給大家帶來一篇崩潰類的生產事故，這是微信上有位老朋友找到我的，讓我幫忙看下為啥崩潰了，dump也在手，接下來就可以一頓分析。 二：崩潰分析 1. 為什麼會崩潰 雙擊打開dump文件，會看到崩潰信息通覽，參考如下： Executable

windows , windbg , Css , .net , c , 前端開發 , HTML

收藏 評論

u_16213694 頭像

mob64ca1412b28c - 絕地求生 機器學習

1946 年 2 月 14 日，ENIAC 在美國賓夕法尼亞大學出現。71 年過去了，計算機經歷了無數次的更新迭代，成為了我們現在使用的樣子。 筆記本基本都是由各個廠商直接搭配好固定配置出售，常人不會去對筆記本進行過多的 DIY。 所以今天我們討論的主題就是，組裝台式機。組裝的台式電腦每個部件都可以由你自己進行 DIY，從外到內。 我的

機器學習 , 固態硬盤 , 絕地求生 機器學習 , 後綴 , 閃存 , 人工智能

收藏 評論

u_16074861 頭像

萬嶽教育張先生 - 外賣開源系統源碼設計思路：商家、騎手、用户三端一體化方案

外賣系統的本質是一套複雜的分佈式業務系統，涉及用户下單、商家出餐、騎手配送、支付結算等多方數據協作。要讓三端在高併發場景下保持穩定與同步，系統在架構設計上必須具備高可擴展性與模塊解耦能力。 本文將從整體架構、通信機制、調度算法、數據模型四個維度，剖析外賣開源系統源碼的技術實現思路。 一、系統整體架構設計 系統

MySQL , 系統源碼 , 推送 , 開源 , jquery , 前端開發

收藏 評論

moonfdd 頭像

福大大架構師每日一題 - agno v2.2.11 發佈：新增 ParallelTools 工具集與 Claude 上下文編輯支持

2025年11月12日，agno 正式發佈了 v2.2.11 版本。本次更新帶來了多項新功能、性能改進以及重要的 bug 修復，下面我們將詳細介紹這一版本的變化。 一、新功能 1. ParallelTools 工具集 在 v2.2.11 中，全新引入了 ParallelTools 工具集。 該工具集面向

API , 工具集 , Css , 開發者 , agno , 前端開發 , HTML

收藏 評論

u_16213715 頭像

mob64ca1417eedd - 泊松迴歸 擬合度

去年12月，美國康涅狄格州發生校園槍擊案，造成28人死亡。 資料顯示，1982年至2012年，美國共發生62起（大規模）槍擊案。其中，2012年發生了7起，是次數最多的一年。 去年有這麼多槍擊案，這是巧合，還是表明美國治安惡化了？ 前幾天，我看到一篇很有趣的文章，使用"泊松分佈"（Poisson distribution），判斷同一年發生7起槍擊案是否巧合。

機器學習 , 臨界值 , 取值 , 泊松分佈 , 泊松迴歸 擬合度 , 人工智能

收藏 評論

u_15591470 頭像

ceshiren2022 - 揭開帷幕：如何實現UI迴歸測試的全面自主化

在自動化測試領域，Playwright已成為端到端測試的優選方案，以其跨瀏覽器支持和高可靠性著稱。 然而，傳統測試腳本的編寫和維護依然是一項昂貴且對專業知識要求很高的工作。隨着大語言模型和AI智能體技術的發展，一個全新的範式正在興起：讓AI驅動Playwright完成測試任務。 Model Context Protocol在這一變革中扮演了關鍵橋樑的角色，它使得LangChain等AI應

服務器 , 人工智能 , 深度學習 , 自動化測試 , ui

收藏 評論

guoxiaoyu 頭像

努力的小雨 - Doubao-Seed-Code實測：AI驅動的全流程遊戲開發新體驗

豆包發佈了全新的編程模型——Doubao-Seed-Code。今天我就迫不及待地嘗試用它來快速實現一個自己的小創意。之前，我一直在嘗試通過各種模型來快速開發一款遊戲，所以這次我想親自驗證一下：這個全新的編程模型，究竟能不能勝任真正的遊戲開發任務。 不過今天我想換一種思路，不只是單純地做一個遊戲，而是嘗試打造一個AI驅動的遊戲開發平台。我的想法是，將大模型的強大能力與我預先設計好的開發流程、各種提

AI

收藏 評論

u_12855 頭像

西門吹雪 - 正則化損失函數代碼 pytorch

前言 L1、L2在機器學習方向有兩種含義：一是L1範數、L2範數的損失函數，二是L1、L2正則化 L1範數、L2範數損失函數 L1範數損失函數： L2範數損失函數： L1、L2分別對應損失函數中的絕對值損失函數和平方損失函數 區別： 分析： robust: 與L2相比，L1受異常點影響比較小，

稀疏矩陣 , pytorch , 損失函數 , 人工智能 , 正則化損失函數代碼 pytorch , 權值

收藏 評論

u_17483740 頭像

qq688ac5fc71654 - Google Chrome瀏覽器安裝教程 谷歌瀏覽器下載安裝（PC+安卓）教程，附Chrome瀏覽器插件使用方法

最新谷歌瀏覽器(Google Chrome)下載安裝全攻略！ Google Chrome，簡稱Chrome，是由谷歌（Google）公司開發的一款網絡瀏覽器。自2008年首次發佈以來，Chrome因其速度快、界面簡潔和強大的功能而廣受用户喜愛。 支持平台：Windows、Mac、Linux，安卓、iOS移動端 為什麼要選擇谷歌瀏覽器？ 在開始之前，先簡單説

chrome , redis , github , 離線 , google , 數據庫

收藏 評論

u_16099300 頭像

墨染青衫 - 商城小程序demo

微信小程序，基於微信運用而生，誕生於2017年。由於由於具有無需下載、安裝，使用方便、快捷，因此受到廣大用户青睞。而微信小程序中開發較火的要屬商城小程序了，背靠微信的11億免費流量，且開發成本低，流暢的操作模式是很多商家的選擇。下面簡單分析一下商城小程序的常見功能： 1.商品展示 一個商城小程序，商品展示功能是必須的，這樣可以方便用户查看商品

機器學習 , 微信 , 微信小程序 , 人工智能 , 商城小程序demo , 服務器部署

收藏 評論

u_16213698 頭像

mob64ca1413c518 - spark 決策樹剪枝 spss決策樹剪枝

決策樹——剪枝 本篇是決策樹系列的第二篇，介紹一下決策樹的剪枝過程。過擬合是決策樹構建過程中常見的問題，信息失衡、噪聲等問題都會導致過擬合，剪枝則是提高決策樹模型泛化能力的重要手段，下面對常用的剪枝方法作一些介紹。 1.預剪枝 決策樹系列第一篇《分類：決策樹——樹的生長》中提到過，樹的生長是一種“完全”式的生長，終止條件也僅有“所有的樣本屬於同一類，

spark , 結點 , 誤分類 , 決策樹 , spark 決策樹剪枝 , 大數據 , 子樹

收藏 評論

wintersun 頭像

PetterLiu - 組織變革案例-小企業實施OKR與反思

背景 對於小型企業50人互聯網公司，實施OKR就是組織變革。這是一個失敗案例，但我們依然可以反思與總結。 OKR 的核心原則與價值觀​ OKR 的核心原則體現了現代管理理念的精髓，主要包括以下幾個方面：​ 目標導向與聚焦原則。OKR 強調目標的明確性和聚焦性，目標（O）必須是明確、具體、具有挑戰性的定性目標，回答 "我們要做什麼？" 的問題。關鍵結果（KR）則是衡量目標達成的定量 / 可

軟件工程

收藏 評論

u_16099253 頭像

數據解碼者 - spark 被壓

因特殊業務場景，如大促、秒殺活動與突發熱點事情等業務流量在短時間內劇增，形成巨大的流量毛刺，數據流入的速度遠高於數據處理的速度，對流處理系統構成巨大的負載壓力，如果不能正確處理，可能導致集羣資源耗盡最終集羣崩潰，因此有效的反壓機制(backpressure)對保障流處理系統的穩定至關重要。 Storm和SparkStreaming都提供了反

spark , Streaming , spark 被壓 , 大數據 , 數據 , 執行過程

收藏 評論

u_17483740 頭像

qq688ac5fc71654 - 圖像處理綠色版：免安裝即開即用，扣圖 / 去水印 / 修圖功能媲美 PS

GIMP （GNU Image Manipulation Program，GNU圖像處理程序），它是一個圖像處理與合成工具。GIMP的擴展性很強，用户可以通過自己編寫的插件來擴充GIMP功能。 説了這麼多，主要是他可以替換PS的一些功能，比如摳圖、濾鏡等，主要是免費咯。 免費，免費，免費，綠色可用，説了三次，不多説了。 安裝 gimp輕量免安裝綠色

oracle , Photoshop , github , 圖像處理 , GNU , 數據庫

收藏 評論

liujunqi 頭像

倆毛豆的碎碎念 - 【基礎】Content的filesDir方法返回沙盒路徑中的<module-name>在什麼時候會不同

在HarmonyOS應用開發中，通過Content獲取文件沙盒路徑時，會隨不同的context和module而不同（developer.huawei.com/consumer/cn…獲取應用文件路徑） 其中filesDir（cacheDir、preferencesDir、tempDir等）生成的路徑中會在以下場景下發生變化： 當項目採用多HA

應用開發 , redis , 文件路徑 , re模塊 , 數據庫 , harmonyos , 前端

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - Transformer實戰（22）——啓用FLAIR進行語義相似性評估

Transformer實戰（22）——使用FLAIR進行語義相似性評估 0. 前言 1. 使用 FLAIR 進行語義相似性評估 2. 平均池化詞嵌入 3. 基於循環神經網絡的文檔嵌入 4. 基於 Transformer 的 BERT 嵌入 4. Sentence-BERT 嵌入 系列鏈接 0. 前言

數據集 , redis , 數據庫 , 循環神經網絡 , 池化

收藏 評論

u_16099330 頭像

網絡小墨 - 為什麼國內很多人都在説Python好，真正招聘的時候不需要呢？

今天咱聊聊Python後端的現狀——為什麼在國外大火的Python後端開發，在國內卻少有人問津呢？作為一個寫了多年的程序員，我經常聽到這個問題，尤其是當你跟人聊到Python後端時，許多人就開始搖頭嘆氣：“哎，Python寫爬蟲可以，搞後端嘛，就算了吧。” 我覺得這個問題不是沒有道理，但也有點偏激。今天咱就來深挖一下背後的原因和現狀。

開發效率 , 開發語言 , 後端開發 , aigc , bard , Python

收藏 評論