博客 RSS 訂閱

u_12960863 頭像

wx59290cd7bb11a - 大模型是“嚴謹理工男”還是“浪漫詩人”？架構師手中的兩把調教“密鑰”：Temperature 與 Top-P

💡 本文價值提示 你是否遇到過這種情況：同一個 Prompt，有時候模型回答得一本正經，有時候卻胡言亂語？或者你想讓模型寫代碼，它卻給你編造了一個不存在的庫？ 作為從大數據轉型而來的架構師，你習慣了 SQL 查詢結果的“確定性”（1+1 永遠等於 2）。但在 AI 的世界裏，“概率”才是王道。 本文將帶你深入 LLM 的“大腦皮層”，揭示控制模型輸出性格的兩個核

大數據 , 數據倉庫 , SQL , 架構師 , 概率分佈

收藏 評論

u_12960863 頭像

wx59290cd7bb11a - 拆解大模型“心臟”：BERT與GPT的相愛相殺（架構師進階指南）

本文價值提示： 很多轉型AI的大數據工程師，會調用 API，會寫 Prompt，但一旦遇到“為什麼這個任務跑得這麼慢？”或者“為什麼提取實體總是出錯？”時就懵了。 本文不講複雜的數學公式，而是用架構師的視角，帶你鑽進大模型的“黑盒”內部，看懂 Transformer 的三種形態，並附贈一份**2025年主流模型選型清單（含國產之光）**。 👋 大家好，我是你們的

大數據 , google , 數據倉庫 , AI , 架構師

收藏 評論

qian5201314 頭像

代碼保安 - “容器太多，我管不過來了！”—— Kubernetes 正是你的救星。

“容器太多，我管不過來了！”—— 這正是 Kubernetes 被創造出來的核心原因。 當你的應用從幾個、十幾個容器，發展到成百上千甚至上萬個時，手動管理幾乎是不可能的。你會面臨一系列災難性的問題： 調度困難： 新容器應該放在哪台服務器上？如何保證資源分配均衡？ 網絡複雜： 容器之間如何發現和通信？如何暴露服務給外部？ 伸縮笨拙： 流量高峯時如何快速擴容？流量

服務器 , kubernetes , 雲計算 , 服務發現 , 回滾

收藏 評論

OBCE666 頭像

OBCE666 - 餵飯級教程（番外篇）—— 在 K8s 上部署 Dify

背景 前一陣兒，OceanBase 聯合 Dify[1] 在 v1.10.1 版本中完成了 MySQL 兼容開發。同時，Dify 也在這一版本中，也開始嘗試通過一體化數據庫來解決多組件架構帶來的 Scale 複雜性，並選擇了 OceanBase seekdb[2] 作為首個實踐對象，詳情請見：《Dify x OceanBase seekdb 使用指南》。 在上面這篇文章中，我們已經為大家介紹如何配

AI

收藏 評論

u_17603633 頭像

mb69429895085de - 【2026最新】Geek Uninstaller下載使用全流程教程（附官網安裝包+圖文步驟）

Geek Uninstaller 是一款 Windows 專用的免費卸載工具，體積只有 10 MB 左右，單文件運行，無需安裝，也不寫註冊表，插上 U 盤就能隨身帶走 Geek Uninstaller 沒有廣告和彈窗，界面只有一張已裝軟件列表，右鍵點軟件就能直接卸載，對新手來説零學習成本。 和 Windows 系統自帶的“應用和功能”相比，前者只能調用軟件自己的卸載程

geek uninstaller下載 , geekuninstaller官網下載 , yyds乾貨盤點 , 辦公效率 , geek uninstaller , Geek Uninstaller軟件下載 , geek uninstaller 下載

收藏 評論

u_17580222 頭像

mb691327edb400f - 招聘邏輯迭代：AI重構HR工作新範式

招聘邏輯迭代：AI重構HR工作新範式 很多HR已經隱隱感覺到一件事：不是人不夠努力，是招聘這套流程，正在變得不值得人親自去做。 簡歷一年比一年多，崗位一年比一年細。你篩得越認真，主觀性越強；你想提高效率，就越容易漏人、錯人。 而現實是——越來越多企業，已經不再讓HR從第一份簡歷開始“親手幹活”了。 現在的招聘，已經悄悄換了一套邏輯。

執行系統 , 自動回覆 , 複雜度 , 人工智能 , 深度學習

收藏 評論

nebulabio 頭像

北京辰輝創聚生物 - 【辰輝創聚生物】重組蛋白 His 標籤（His-tag）原理與應用詳解：親和純化與檢測技術全解析

在生命科學研究領域，重組蛋白的表達、分離與分析是分子生物學、細胞生物學和蛋白質化學實驗中的基礎技術環節。為了提高目標蛋白的可控性與可重複性，融合標籤技術被廣泛引入實驗體系。其中，His標籤（Histidine tag, His-tag） 因其結構簡單、適用範圍廣、配套科研試劑成熟，成為科研實驗中使用頻率最高的蛋白標

Western Blot , 大數據 , 重組蛋白 , 數據倉庫 , His標籤 , ELISA , 親和純化

收藏 評論

u_13773780 頭像

lulight - 【Azure Web App】Github Action部署Jar包到App Service報400錯誤

問題描述 通過github aciton部署azure app service服務的時候，遇見400報錯。 報錯信息非常簡單： Starting deployment for web app... Package deployment using OneDeploy initiated. Error: Fai

jar , app , 雲計算 , 雲服務 , JAVA

收藏 評論

u_15718612 頭像

小怪獸會微笑 - Every Token Counts: Generalizing 16M Ultra-Long Context in Large Language Models（超長文本模型論文HSA）

Every Token Counts: Generalizing 16M Ultra-Long Context in Large Language Models（超長文本模型論文HSA） 這篇論文介紹了 HSA-UltraLong，這是一個基於 分層稀疏注意力（Hierarchical Sparse Attention, HSA） 機制的模

分塊 , redis , 語言模型 , 自然語言處理 , 點積 , 數據庫 , 人工智能

收藏 評論

zhangxueliang 頭像

a772304419 - Spring Boot 2.0.6 線程池監控二方庫完整實現代碼案例

項目結構 threadpool-monitor/ ├── pom.xml ├── src/ │ ├── main/ │ │ ├── java/ │ │ │ └── zhangxueliang/ │ │ │ └── monitor/ │ │ │ ├── ThreadPo

Spring Boot , spring , MySQL , 數據庫 , JAVA , 後端

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的汽車自動駕駛目標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 基於深度學習的汽車自動駕駛目標檢測系統 1. 前言​ 目前鐵路鐵軌巡檢主要依賴人工目測，存在效率低、漏檢率高及受主觀因素影響大等弊端，難以滿足現代鐵路的高安全性需求。為此，本文提出基於YOLO深度學習算法的解決方案，通過構建專用數據集訓練模型，並開發圖形化界面（GUI）將算法工程化，旨在用機器視覺替代人工，實現鐵軌缺陷的自動化、智能化識別，解決傳統檢測方式的痛點。 本系統集成了多元化的檢

AI

收藏 評論

tdengine 頭像

TDengine濤思數據 - 時序數據庫 TDengine 獲 IT168 創新產品獎、入選 OSCHINA 共創社區、上榜思否技術品牌影響力企業

歲末將至，各大媒體與開發者社區陸續發佈年度評選榜單。TDengine 在近期的三項評選中連續入選：來自 IT168 的“2025 技術卓越獎 · 創新產品獎”、OSCHINA 的“年度共創社區”、以及 SegmentFault 思否的“2024 中國技術品牌影響力企業”。這既是對 2025 年技術路線與落地成果的一次階段性確認，也為這一年畫下了一個穩健且清晰的收尾節點——基礎軟件的競爭，

大數據 , 基礎軟件 , 數據倉庫 , 開源中國 , 開發者

收藏 評論

u_16272508 頭像

事辯天下 - 太藍新能源完成B+輪融資，引領固態電池“多場景”未來

近日，重慶太藍新能源有限公司（以下簡稱“太藍新能源”“公司”）宣佈完成超4億元B+輪融資。本輪融資由兩江基金、君安迴天、交銀投資、潛江零度共同參與。融資資金將用於加快公司車規級固態電池產品產業化進程，加大固態電池關鍵技術研發投入，推進公司首條全固態電池量產線建設，強化新階段人才體系建設，持續鞏固公司在多場景、多維度固態電池應用的先發優勢。 　　本輪融資的順利完成，得

大數據 , 數據倉庫 , 應用場景 , 核心技術 , 解決方案

收藏 評論

yupi 頭像

程序員魚皮 - 從夯到拉，鋭評 39 個前端技術！

大家好，我是程序員魚皮。從夯到拉，鋭評 39 個前端技術，一口氣説完！ 之前我做了後端技術的從夯到拉排名，很多同學留言説想看前端版。説實話，剛開始我是拒絕的，因為前端技術實在是太多了、而且更新速度非常快，之前有個學弟還跟我吐槽什麼前端娛樂圈之類的，咱也不懂好吧。 但是！既然大家想看，那我就來一期。而且這期我還會評選出唯一的 前端技術之王（frontend king），大家可以先猜一猜，會是哪個？

程序人生

收藏 評論

u_15000328 頭像

架構師沉默 - 面試官：説説你們是怎麼做防重複提交的？

沉默是金，總會發光 大家好，我是沉默 不知道你有沒有遇到過這種線上事故： 一個用户下了兩筆一模一樣的訂單 支付接口被點了三次，錢扣了三次 抽獎活動一上線，獎品10 秒被薅光 最後排查半天，發現原因只有一個 用户點快了，接口沒兜住

redis , 重複提交 , 架構 , 後端開發 , ios

收藏 評論

u_17405625 頭像

楓葉丹6 - 【HarmonyOS Next之旅】基於ArkTS開發(三) -＞ 兼容JS的類Web開發(七) -＞ JS動畫(二)

目錄 1 - 動畫動效 1.1 - 創建動畫對象 1.2 - 添加動畫事件和調用接口 2 - 動畫幀 2.1 - 請求動畫幀 2.2 - 取消動畫幀 1 - 動畫動效 通過設置插值器來實現動畫效果。 説明 從API Version 6 開始支持。 1.1 - 創建動畫對象

華為 , MySQL , 開發語言 , 數據庫 , HarmonyOS Next , 前端 , Javascript

收藏 評論

u_5253513 頭像

藍楓居士 - 緩存+db 該怎麼設計？

具體流程 讀流程 寫流程 寫流程要記住兩點 1 先更新數據庫再更新緩存 2 更新緩存的時候就直接刪除，不要update成新值。 3 如果刪除緩存失敗了，整體對外的寫請求仍然返回成功，內部再重試去刪除。 為啥要先更新數據庫，如果先刪除緩存不行

redis , 數據 , db , 緩存 , 數據庫 , 更新數據

收藏 評論

u_15961827 頭像

寫代碼不累 - 如何搞定接口簽名驗證、登錄令牌刷新、動態參數生成等

在日常開發過程中，經常有用户在Apipost社羣中會提到一些進階問題，比如：如何動態修改參數？如何實現接口簽名驗證？如何調試帶登錄狀態的接口……為了幫助大家更高效地完成接口驗證、調試與測試，本期我們結合真實開發實踐，總結了7 大高頻腳本使用場景—— 從動態參數修改、自動簽名、登錄態維護，到加密處理、性能壓測、OAuth 授權獲取，讓你的接口調試過程更智能、更自動、更省心。

軟件研發 , 字符串 , 壓測 , 解決方法

收藏 評論

u_15171169 頭像

Datcon - 藍牙聊天工具APP實現方案

一、項目結構 text app/ ├── src/main/ │ ├── java/com/example/bluetoothchat/ │ │ ├── MainActivity.kt # 設備列表頁 │ │ ├── ChatActivity.kt # 聊天頁 │ │

藍牙 , 移動開發 , Android

收藏 評論

ohxiaohu 頭像

HaleyTiger - Docker鏡像導出導入常用命令：save與load

一、鏡像一般導入導出 1.1、鏡像導出 支持單個或多個鏡像導出，甚至可壓縮為 gzip 格式。 # 將 nginx:latest 鏡像導出為 tar 文件 docker save -o nginx-image.tar nginx:latest # 導出多個鏡像並壓縮 docker save nginx:latest red

移動開發 , 加載 , Nginx , Docker , html5

收藏 評論

ewhisper 頭像

東風微鳴 - Claude Code 最佳實踐

Claude Code 最佳實踐 1. 簡介 Claude Code 是 Anthropic 推出的命令行工具，旨在為工程師和研究人員提供一種低級別、無偏見的方式，將 Claude AI 無縫集成到編碼工作流中。其設計哲學強調靈活性和可定製性，不強制特定工作流程，支持多種語言和環境，適合多樣化的開發需求。 2. 環境配置與優化 2.1 創建 CLAUDE.md

參考文檔 , code , 編程效率 , 用AIGC寫一篇爆文 , AI寫作 , aigc

收藏 評論

u_17609209 頭像

mb694e4f78082d7 - 【2026最新】balenaEtcher下載和安裝保姆級教程（附安裝包，非常詳細）

balenaEtcher 是一款用於鏡像燒錄的工具軟件，核心作用是將 ISO、IMG 等格式的操作系統鏡像文件，安全快速地寫入 U 盤、 SD 卡等移動存儲設備，製作成可啓動的系統安裝介質或設備固件。 balenaEtcher 具備跨平台特性，完美適配 Windows、macOS 和 Linux 三大主流系統，包括 Apple Silicon 芯片的 Mac 設備，界面和操

balenaetcher官網下載 , yyds乾貨盤點 , balenaetcher 下載 , 辦公效率 , balenaetcher官網 , balenaetcher下載 , balenaetcher

收藏 評論

u_12960863 頭像

wx59290cd7bb11a - AI 計費的秘密：為什麼你的 Prompt 越寫越貴？

【本文價值提示】 作為一個擁有大數據背景的工程師，你可能習慣了按 GB、TB 甚至 PB 來衡量數據。但在大模型（LLM）的世界裏，計量單位變了——變成了 Token。 這不僅僅是一個計費單位，它是大模型理解世界的“原子”，是架構設計的“硬約束”，更是導致模型“算術不好”的罪魁禍首。 本文是 “從大數據工程師到 AI 架構師” 系列教程的第一篇。我們將揭開大模型黑

大數據 , API , 數據倉庫 , 架構師

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - StarRocks + Paimon： 構建 Lakehouse Native 數據引擎

繼去年StreamingLakehouseMeetup順利舉辦後，StreamingLakehouseMeetup·OnlineEP.2｜Paimon×StarRocks共話實時湖倉於12月10日重磅迴歸。在這場直播中，阿里雲計算平台事業部開發工程師張慶玉聚焦StarRocks與ApachePaimon的深度集成實踐，探討如何構建真正意義上的LakehouseNative數據引擎

大數據 , 阿里雲 , 人工智能 , starrocks , 數據分析 , paimon , 數據湖

收藏 評論