博客 RSS 訂閱

pulangte 頭像

普郎特 - Scrapy-Redis 分佈式爬蟲深度解析：去重機制與數據持久化最佳實踐

本文深入探討 Scrapy-Redis 在分佈式爬蟲場景下的去重機制、資源管理和數據持久化策略，幫助開發者理解真實生產環境中的技術選型。 目錄 [TOC] 一、核心問題：為什麼要用 Redis 管理起始 URL？ 1.1 傳統方式 vs Redis 方式 傳統 Scrapy 方式 pythonclass MySpider(scrapy.Spider): name =

觀點 , 教程 , 知識 , 爬蟲 , Python

收藏 評論

u_16164933 頭像

謝爾登_ - Vue3 應用實例創建及頁面渲染底層原理

整體流程 完整的創建與渲染流程可以分成這些階段： 創建 App 實例 創建根組件實例 設置響應式狀態 創建渲染器（Renderer） 掛載 Mount vnode - DOM 渲染 數據變更觸發更新 重新渲染 / diff / patch 流程圖大致如下： createApp() ─── app.mount('#ap

vue.js , 渲染器 , app , 響應式 , 前端開發

收藏 評論

u_16992695 頭像

mb66d5bdacc3b93 - GoLand v2024.1 解鎖版下載安裝教程 (Go語言開發工具)

專門為Go語言開發人員構建的跨平台的集成開發環境。動態錯誤檢測和修復建議、快速安全重構、智能代碼完成、無效代碼檢測和文檔提示可以幫助新手和有經驗的Go開發人員高效地創建可靠的代碼。GoLand還支持JavaScript，TypeScript，NodeJS，SQL，DB，Docker，Kubernetes 和 Terraform。 （文末附安裝下載地址） 安裝步驟 1、下載解壓後點擊如下進

Goland下載 , 辦公效率 , GoLand 開發工具 , GoLand 安裝包

收藏 評論

zhuxianzhong 頭像

googlingman - 二十部優秀的代表世界各國流派的電影

下表列舉了20部最具代表性的作品，涵蓋了從歐洲先鋒派到當代亞洲電影的關鍵節點： 電影流派/運動 代表影片 導演

商業 , 3d , aigc , 首部 , AI作畫

收藏 評論

liuzi26 頭像

liuzi26 - allure的安裝

allure安裝包括三部分 1.java環境的安裝以及配置 2.allure的下載安裝 3.allure-pytest安裝 首先進行第一步 JDK下載 Index of openjdk-local/21 進行下載 解壓後 ，在左下角搜索框輸入 cmd 進入到解壓後的bin文件 1.windows系統可以用命令 cd 進入 例如 我這邊下載的地址為C:\Users\Administrator\

後端

收藏 評論

u_13943015 頭像

亢少軍 - 05-本地化部署的優勢：Ollama + Weaviate保護數據隱私

本地化部署的優勢：Ollama + Weaviate保護數據隱私 前言 在數據隱私日益重要的今天，企業對AI應用的本地化部署需求越來越強烈。本文將深入探討本地化部署的優勢，以及如何使用Ollama和Weaviate構建完全私有的AI系統。 適合讀者： 企業架構師、CTO、安全工程師、AI開發者 一、雲端API的隱私風險 1.1 數據泄露風險

數據 , 搜索 , 數據庫 , 人工智能 , 數據分析

收藏 評論

u_13943015 頭像

亢少軍 - 04-SSE vs WebSocket：實時AI對話的最佳實踐

SSE vs WebSocket：實時AI對話的最佳實踐 前言 在構建AI對話系統時，選擇合適的實時通信協議至關重要。本文將深入對比SSE和WebSocket，並分享我們在生產環境中的實踐經驗。 適合讀者： 全棧開發者、後端工程師、架構師 一、實時通信的需求 1.1 AI對話的特點 用户發送問題 ↓ AI開始思考（需要實

HTTP , 客户端 , 人工智能 , 數據分析 , Json

收藏 評論

u_13943015 頭像

亢少軍 - 03-技術選型背後的思考：為什麼選擇Next.js + FastAPI + LangChain

技術選型背後的思考：為什麼選擇Next.js + FastAPI + LangChain 前言 技術選型是項目成敗的關鍵。本文將深入分析我們在構建AI Agent框架時的技術選型思路，以及每個技術棧的優劣對比。 適合讀者： 技術Leader、架構師、全棧開發者 一、技術選型的核心原則 1.1 選型標準 ✅ 成熟度 - 生產環境

API , 數據庫 , 人工智能 , 數據分析 , Css

收藏 評論

u_13943015 頭像

亢少軍 - 02-三層架構設計：前端+業務+AI層的職責劃分

三層架構設計：前端+業務+AI層的職責劃分 前言 在構建企業級AI Agent系統時，清晰的架構分層至關重要。本文將詳細介紹本項目採用的三層架構設計，以及各層的職責劃分和通信機制。 適合讀者： 架構師、全棧工程師、技術Leader 一、為什麼需要三層架構 1.1 單體架構的問題 傳統單體架構： Frontend + Backe

技術棧 , server , 人工智能 , frontend , 數據分析

收藏 評論

u_13943015 頭像

亢少軍 - 01-從0到1：構建企業級AI Agent框架的完整思路

從0到1：構建企業級AI Agent框架的完整思路 前言 在AI大模型時代，企業面臨着如何將AI能力與自身業務深度結合的挑戰。本文將分享我們從0到1構建企業級AI Agent框架的完整思路，涵蓋技術選型、架構設計、核心功能實現等方面。 適合讀者： 後端開發、AI應用開發者、技術架構師 一、項目背景與痛點 1.1 企業AI應用的核心痛點

數據 , API , server , 人工智能 , 數據分析

收藏 評論

zhangguilandocpartner 頭像

aaabbbcccd - 本地知識庫：數據安全時代的智能文件管家

本地知識庫：數據安全時代的智能文件管家 在信息爆炸的時代，個人和企業都面臨着海量文件的管理難題。傳統的雲存儲雖然便捷，但數據安全和隱私泄露的風險始終存在。本地知識庫應運而生，它不僅是文件管理的革命性工具，更是數據主權時代保護知識資產的必然選擇。 什麼是本地知識庫？ 訪答本地知識庫是一種完全運行在用户本地設備上的智能文件管理系統。它通過將個人電腦中的文件投影到知識庫中，實現對PDF、Word、圖片、

opensource

收藏 評論

u_15795349 頭像

西安王曉楠 - 楊建允：AI搜索優化對品牌管理行業獲客的影響

AI搜索優化（GEO）通過優化品牌在各大AI平台的可見性，顯著影響品牌管理行業的獲客效率。楊建允從以下多個維度分析其具體影響。 獲客效率與成本優化： AI搜索優化能顯著縮短獲客週期，通常7-14天即可實現AI推薦，遠快於傳統SEO的3-6個月；同時降低獲客成本，案例顯示成本可下降40%以上，例如某品牌管理企業通過精準關鍵詞佈局和結構化內容，使線索獲取成本降低52%。

AI搜索 , 生成式引擎優化 , yyds乾貨盤點 , GEO優化 , AI賦能 , AI搜索優化 , AI寫作 , aigc

收藏 評論

u_17580222 頭像

mb691327edb400f - AI浪潮下的HR生存戰：淘汰還是升級，關鍵看這一步

AI浪潮下的生存戰：淘汰還是升級，關鍵看這一步 當AI智能體從冰冷工具進化為能獨立思考、自主執行的“數字員工”，人力資源領域的無聲革命已然來臨。事務型、經驗型、非數據驅動的面試官正被時代浪潮推向邊緣，依賴人工篩選、主觀判斷與機械流程的傳統招聘模式，早已成為企業人才升級的桎梏。生存還是淘汰？答案不在於抗拒變化，而在於能否率先擁抱下一代招聘生產力工具。 近嶼智能面向審核客

自動回覆 , 數據 , 人工智能 , 深度學習 , 數據驅動

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI健康智慧體檢管理系統：用技術把體檢變成“私人健康指揮中心”

很多人每年都體檢，但報告一拿就束之高閣，異常指標看不懂、風險不知道、後續該怎麼做更是一頭霧水。AI健康智慧體檢管理系統，正是用一系列前沿技術，把傳統體檢從“一次性檢查”升級為“持續、精準、可執行”的健康管理中樞。它不靠玄學，而是靠硬核技術驅動。 那麼，這套系統到底用了哪些關鍵技術？ 1. 智能分診引擎：用算法定製你的體檢“菜單” 傳統體檢套餐“一刀切”，浪費錢還可能漏檢。AI系統

數據 , NLP , 管理系統 , 人工智能 , 模態

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智慧倉庫物資裝備管理系統：技術重構倉儲運營新範式

在倉儲物資管理領域，“賬實不符”“找貨難”“裝備閒置浪費”曾是行業通病。AI智慧倉庫物資裝備管理系統的出現，打破了傳統倉儲依賴人工盤點、經驗調度的侷限，靠技術手段實現物資與裝備的全生命週期智能化管控。作為深耕倉儲數字化的產品經理，我用直白話術拆解核心技術，帶你看懂AI如何讓倉庫高效運轉。 計算機視覺+RFID融合識別是物資管控的“精準抓手”。系統通過高清攝像頭搭配AI視覺算法，可快速

深度圖 , 建模 , 數據 , NLP , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI姿勢及步態分析系統：用技術解碼身體運動密碼

從康復醫療的術後評估到體育訓練的動作矯正，從安防監控的異常行為識別到智能穿戴的健康預警，AI姿勢及步態分析系統正憑藉精準的技術能力，打破傳統人工分析的侷限。不同於靠肉眼觀察、經驗判斷的傳統方式，這套系統能像“智能運動偵探”，快速拆解身體姿態與行走規律，其核心價值完全依託底層技術構建，下面用直白話術拆解關鍵技術邏輯。 骨骼關鍵點檢測技術是系統的“感知眼睛”，決定分析的精準度。系統通過攝

深度圖 , 建模 , 數據 , NLP , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI業務信息系統：技術撐起企業高效運轉骨架

對企業而言，業務信息系統是日常運營的“中樞神經”，而AI技術的融入，就像給這根神經裝上了“智能大腦”。不同於傳統系統只做數據記錄與流轉，AI業務信息系統靠核心技術打破效率瓶頸、優化決策邏輯，讓系統從“被動工具”變成“主動幫手”。作為深耕AI產品落地的從業者，我用直白話術拆解背後的關鍵技術，看懂它如何重構業務場景。 數據底座技術是系統的“燃料庫”，決定AI能力的上限。傳統系統裏，數據分

數據 , 業務需求 , NLP , 人工智能 , 迭代

收藏 評論

pomeas 頭像

普密斯光學 - 激光自動對焦顯微系統優勢詳解

激光自動對焦顯微系統作為現代顯微成像領域的先進技術，憑藉其獨特的激光對焦機制，在科研、工業檢測及醫療診斷等多個領域展現出顯著優勢，具體體現在以下幾個方面： 1.對焦速度極快，實現高效觀測 瞬時響應：激光對焦通過發射激光束並檢測反射信號，可在毫秒級時間內完成對焦調整，遠超傳統機械對焦或手動調節

高精度測量設備 , 測量設備 , 數據丟失 , yyds乾貨盤點 , 數據 , 數據可視化 , 人工智能 , 顯微觀測

收藏 評論

leadingcode 頭像

leadingcode - 《獨立開發者精選工具》第 025 期

Indie Tools 是一個收錄獨立開發、AI 出海領域最新、最實用的免費工具與資源工具站。讓你快速找到所需，專注於創造產品。 獨立開發者必備網站：https://www.indietools.work Github: https://github.com/yaolifeng0629/Awesome-independent-tools 如果本文能給你提供啓發和幫助，感

使用場景 , yyds乾貨盤點 , 開源 , Css , ui

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI心理測評管理系統：用技術解鎖精準心理洞察

傳統心理測評多依賴固定量表、人工計分與解讀，不僅效率低下，還易受主觀經驗影響，難以實現大規模篩查與個性化評估。AI心理測評管理系統的核心突破，是用技術重構“測評-分析-解讀-干預”全鏈路，靠算法量化心理特徵、規避主觀偏差，讓心理評估從“小眾專業服務”走向“規模化精準管理”。其技術內核不晦澀，本質是讓系統成為“智能心理分析師”，看得透數據、讀得懂人心。 系統前端技術核心是“多模態數據採

數據 , NLP , 人工智能 , 原始數據 , 模態

收藏 評論

cuicui_623c4b541e91e 頭像

Datenlord - 開源週報第三期

本文為達坦科技DatenLord新系列文章【開源週報】的第三篇。 設立這一系列的初衷，是為了更透明地分享達坦科技開源項目的成長軌跡。在這裏，我們不僅會同步項目近期的核心開發進展與技術突破，更將通過路線圖為您揭示未來的演進方向。 📍 項目地址與參與 GitHub 倉庫：https://github.com/open-rdma/open-rdma-driver 我們誠摯邀請所有對高性能網絡、Rust

教程 , 知識 , c

收藏 評論

jieduanxingdebugger 頭像

階段性debugger - 如何獲取外匯實時數據：全球貨幣行情對接指南

無論是外匯行情、外匯實時報價，還是更廣泛的金融行情數據，都離不開數據外匯實時行情 API，但獲取數據還是有很多坑的，比如延遲、數據格式、認證、數據源、數據覆蓋度等等。作為一個常年和外匯數據打交道的開發者，我踩過不少 API 對接的坑——要麼延遲高到沒法用，要麼認證步驟藏着小陷阱，甚至還有數據格式不兼容的尷尬。今天就把我實戰總結的完整指南分享出來，不管你是做個人交易分析，還是開發交易系統，照着這篇走

金融 , 教程 , 知識 , Python

收藏 評論

wang_yb 頭像

wang_yb - 格式塔原理：數據可視化如何引導觀眾的注意力

在數據分析中，我們常説：“一張好的圖表勝過千言萬語。” 但很多時候，我們做出來的圖表卻是“千言萬語堵在心口難開”。讀者看了半天，抓不住重點。 這是為什麼？ 因為人類的視覺感知遵循一套被稱為 格式塔（Gestalt） 的心理學原理。 簡單來説，當我們看到一組物體時，大腦會自動將它們視為一個整體或一種模式，而不是孤立的碎片。 下面我們用 Python 的 Matplotlib 庫，來演示 格式塔（Ge

後端

收藏 評論

deephub 頭像

deephub - 從貝葉斯視角解讀Transformer的內部幾何：mHC的流形約束與大模型訓練穩定性

Scaling Laws 已經成為深度學習領域的共識：更大的模型配合更多數據效果往往更好。但當參數量攀升至百億乃至千億級別時一個棘手的問題是：訓練不穩定性。 現代大語言模型動輒堆疊數十甚至上百層，殘差連接、跳躍連接、跨層路由機制層出不窮。這些架構設計背後的邏輯就是為了改善梯度流、加快收斂、提升參數利用率。但是在實踐中這些技在大規模訓練時卻經常出現問題：損失函數突然飆升、梯度爆炸、表徵坍塌、訓練動態

神經網絡 , 人工智能 , 深度學習

收藏 評論