博客 RSS 訂閱

安 - 批量檢查微信域名是否被封的Go代碼

概述: 這段Go代碼使用 https://api.52an.fun/wx/?url={url} 接口批量檢查多個微信域名是否被封。接口返回的JSON格式中,status 字段為 1 表示域名正常,status 為 0 表示域名被封禁,message 字段會提供封禁的具體信息。程序會根據返回結果輸出每個域名的狀態。 Go代碼示例: package main import ( "encod

微信

收藏 評論

StarRocks - 微信基於 StarRocks 的實時因果推斷實踐

作者: 張婧婧 騰旭微信數據科學家 熊吉祥 騰訊微信 OLAP 研發工程師、StarRocks Contributor本文整理自微信工程師 在 StarRocks 年度峯會上的分享,介紹了因果推斷在業務中的應用,詳細闡述了基於 StarRocks 構建因果推斷分析工具的技術方案,通過高效算子的支持,大幅提升了計算效率。例如,t 檢驗在 6億行數據上的執行時間僅需 1 秒。StarRocks

微信 , 大數據 , 數據庫 , olap

收藏 評論

鏡舟科技 - 如何理解 Apache Iceberg 與湖倉一體(Lakehouse)?

一、什麼是湖倉一體(Lakehouse)? 湖倉一體是一種融合了數據湖的靈活存儲能力與數據倉庫的高效分析功能的現代數據架構。它通過整合兩者的優勢,解決了傳統架構的侷限性,為企業數據處理提供了更全面的解決方案。 數據湖的開放性:支持多格式數據存儲(如 Parquet、ORC),兼容開放生態(如Hive、Iceberg),存儲成本低。 數據倉庫的高性能:提供 ACID 事務、高效查詢和實時分析能

微信 , hive , 數據倉庫 , iceberg , 數據湖

收藏 評論

TANKING - 抖音私信卡片源碼,揭秘抖音私信卡片生成的源碼和技術原理

摘要 抖音卡片是如何生成的?其實抖音是直接抓取html頁面的一些信息來生成封面圖、主標題、副標題的。 代碼 !DOCTYPE html html xmlns="http://www.w3.org/1999/xhtml" xml:lang="zh-CN" head meta http-equiv="Content-Type" content="text/html; charset=utf-

微信 , 微信開發 , 後端 , 前端 , Javascript

收藏 評論

TANKING - 開源!2025年最新微信域名攔截檢測接口(2個官方接口)

🔍 WeixinDomainCheck - 微信域名攔截檢測接口 一個用於檢測你的域名是否被微信封禁或攔截的小工具。通過調用微信官方接口,免費、無限次數檢測。 📌 功能簡介 檢測任意域名是否被微信攔截 提供兩種檢測方式(騰訊安全中心 微信公眾號接口) 支持通過 HTTP 接口調用,適合嵌入系統或定期掃描 🚀 如何使用 ✅ 使用示例: 假設你的網站域名是 www.qq.com,你想

微信 , php , 後端

收藏 評論

TANKING - 微信電腦版4.X新版獲取羣消息的自動化腳本

摘要 騰訊微信團隊重磅發佈 Mac / PC 微信 4.0 測試版,全新採用 QT+C++原生跨平台架構,大版本號更新,帶來了大量新特性。 這也讓以前的自動化腳本失效了,因為很多控件內容根本獲取不到了。 不過還是有方法的,uiautomation 這個庫還是可以獲取到羣消息的。 上代碼 import uiautomation as auto import time from win10toast

微信 , 自動化 , 監聽 , uiautomation , Python

收藏 評論

TANKING - 微信域名檢測自動化 HTTP 服務腳本,可檢測域名在微信內是否被封或被攔截(非官方也可以檢測)

摘要 微信域名檢測自動化 HTTP 服務腳本,可檢測域名在微信內是否被封或被攔截。 支持檢測情況包括: 如需瀏覽,請長按網址複製後使用瀏覽器訪問 已停止訪問該網頁 將要訪問 非官方網頁 未備案 技術原理 使用Python腳本自動化控制微信電腦版,完成訪問網頁的過程,解析頁面內容,即可得到檢測結果。 優點:準確; 缺點:需要掛機、並且響應速度慢,大概需要3-5秒完成一次檢測;

微信 , 域名解析 , 自動化 , Python

收藏 評論

奔放的炒粉 - 廣泛應用於搜索引擎、推薦系統、問答系統等場景

知識圖譜(Knowledge Graph, KG)是人工智能領域的重要技術之一,廣泛應用於搜索引擎、推薦系統、問答系統等場景。然而,傳統知識圖譜構建依賴大量人工標註,成本高且效率低。近年來,隨着大模型(如GPT、BERT等)的快速發展,利用大模型自動化生成知識圖譜成為可能。本文將詳細講解如何利用大模型實現知識圖譜的自動化構建,包括實體識別、關係抽取和圖譜更新,並提供可運行的示例代碼和相關配圖。 引

antd

收藏 評論

奔放的炒粉 - 合理調整現有資源配置

動態調整資源的使用 在面對物力資源短缺時,動態調整資源配置是應急調配的重要手段。項目經理應時刻關注資源的使用情況,並根據項目進度實時調整資源分配。例如,某個項目中出現資源緊缺時,可以考慮將某些非關鍵任務的資源調整到核心任務上,優先保障高優先級任務的順利進行。 同時,合理的資源調整還應考慮到團隊的能力,避免過度依賴某一特定資源。例如,如果人力資源緊張,可以通過臨時調配人員、外包服務等方式解決問題。靈

sass , tailwind-css , antd

收藏 評論

奔放的炒粉 - 明確需求、快速溝通、靈活應對

一、項目目標不清晰的典型表現 項目目標不清晰的常見後果是團隊成員無從下手,甚至出現進度延誤與資源浪費。很多公司在項目初期並未進行充分的前期調研,僅憑領導或客户一兩句口頭描述就匆忙開工,結果後來發現大量需求偏離預期。對此,我們需要深刻認識到目標不清導致的風險,才能在執行中保持警惕。 第一,溝通偏差時常出現。由於沒有形成正式且統一的目標説明文件,不同角色很可能各自理解不一。開發者、測試人員、產品

sass , tailwind-css , antd

收藏 評論

feixi50 - 易趨EasyTrack12升級更新搶先看

2025年新晉項目管理亮點 | 易趨EasyTrack12升級更新搶先看 近日,易趨(EasyTrack12)已成功完成了重大版本更新! 此次升級不僅極大地提升了操作界面的美觀度與易用性,還全面增強了系統的功能,覆蓋了企業日常經營管理的所有關鍵流程,包括項目管理、財務管理、質量管理、合同管理、工時記錄以及資源規劃調配等等各個方面。本期內容主要選取了其中幾個亮點功能作簡要介紹,更多驚喜等您親自登錄易

antd

收藏 評論

xianglvxingdexianrenqiu - 學 Python 需要安裝哪些軟件?全面工具指南

學習 Python 時,需要根據不同階段安裝以下核心工具:Python 解釋器、代碼編輯器(如 VS Code)、包管理工具(如 pip、conda)、集成開發環境(如 PyCharm、Jupyter Notebook)、虛擬環境管理工具(如 venv、virtualenv)。其中,Python 解釋器 是整個學習與開發的基礎,無論你是編寫腳本、構建應用,還是運行機器學習模型,都必須先安裝官方解釋

antd , chrome-devtools

收藏 評論

Ming - MetisUI-一套企業級 React-Tailwind 組件庫

Metis UI 的目標是為那些喜歡 Ant Design 的開發者提供一個更靈活的選擇,特別是希望結合 Tailwind CSS 的開發者。我們在保留 Ant Design 組件設計邏輯的基礎上,提供了以下改進: 樣式覆蓋更靈活基於 Tailwind CSS 的樣式體系,開發者可以方便地對組件的各個元素進行樣式覆蓋,無需編寫複雜的自定義樣式,快速實現個性化設計。 增強的交互功能內置了一些

react , tailwind-css , antd , typescript , 前端

收藏 評論

英勇無比的火鍋_z2xIu - ‌Ant Design 編程小技巧指南

1. ‌表單聯動監聽:Form.useWatch‌ ‌ 場景‌:動態表單字段聯動時,避免手動監聽onValuesChange事件。 ‌ 代碼‌: const [form] = Form.useForm(); const username = Form.useWatch('username', form); Form form={form} Form.Item name="u

antd , 程序員

收藏 評論

憂鬱的雙槓 - ‌Ant Design 編程小技巧指南

1. ‌表單聯動監聽:Form.useWatch‌ ‌ 場景‌:動態表單字段聯動時,避免手動監聽onValuesChange事件。 ‌ 代碼‌: const [form] = Form.useForm(); const username = Form.useWatch('username', form); Form form={form} Form.Item name="u

antd , 程序員

收藏 評論

Grewer - 樹形選擇器的使用場景探索

在工作中,樹形選擇器(tree-select)是一種常見的基礎組件, 這次我們針對此組件做一些業務適配 背景: 在一個大型組織(2 萬以上)內,需要有一個選擇人、組的一個選擇器, 支持搜索功能。 一開始我的思路是這樣: 層級加載+後端搜索 **既然數據量很多,那最好不要一次性加載,不然會有以下的一些問題: 問題一是後端的加載速度很慢 二是前端也會手動很大的影響,比如需要開

業務 , antd , 組件化 , 前端 , Javascript

收藏 評論

俊逸的斑馬 - 全功能剪映解鎖版SVIP_手機/電腦版解鎖功能激活方法指南

在短視頻內容爆發式增長的2025年,剪映憑藉其持續迭代的技術能力與生態佈局,已成為全球創作者不可或缺的智能創作平台。最新發布的剪映17.2.1版本,通過AI技術深度賦能、多模態創作體系構建及跨平台生態融合,重新定義了移動端視頻創作的可能性邊界。 資源下載:addrel.top 一、AI驅動:從工具到創作夥伴的範式革命 1. 智能創作引擎的全面進化 新版剪映搭載的「靈眸AI」系統,實現了從素材處理到

antd

收藏 評論

靦腆的青春逗 - 構建大模型的“服務網格”:從Cloud Foundry的Service Broker到AI時代的MCP演進

前序 作為資深諮詢規劃專家,我目睹過雲計算從混亂到標準化的演進歷程。如今,AI生態正面臨類似的十字路口。 在雲原生架構中,Service Broker機制通過標準化API,成功解決了PaaS平台上應用與服務之間的連接難題。這一經過實踐檢驗的設計,恰恰為當前大模型與外部數據和工具集成的挑戰提供了絕佳解決方案。 新興的Model Context Protocol正致力於解決類似問題,但作為202

觀點 , llm , 人工智能 , claude

收藏 評論

星星上的柳樹 - 物理感知 RTL 合成

1、PAS:縮短設計閉環的先鋒技術 物理感知合成(PAS)將物理設計信息(如佈局、連線、擁塞、功耗)提前納入 RTL 合成階段,使合成結果與後端佈局更一致,從而減少反覆迭代,提升設計效率與 PPA(性能-功耗-面積)表現。 2、核心技術亮點與典型案例 I. 時序驅動綜合(Timing-Driven Synthesis) 結合 Cadence Innovus 工具進行物理信息驅動的

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

老紀的技術嘮嗑局 - 究極乾貨 —— 用最純粹的語言,解析 DeepSeek OCR

楔子 最近看到了一篇極具啓發性的論文:《DeepSeek-OCR: Contexts Optical Compression》, AI 大神 Andrej Karpathy 對 DeepSeek 那篇 DeepSeek-OCR 的論文評價很高,你可能以為他會説:“哇,這個 OCR 模型真厲害,識別率又提升了!” 但他沒有。相反,他幾乎是揮了揮手説:“它是個不錯的 OCR 模型,但這不重要。” 因為

記憶 , 人工智能

收藏 評論

deephub - LangChain v1.0 中間件詳解:徹底搞定 AI Agent 上下文控制

用 LangChain 構建 AI Agent 的人應該都遇到過這種情況:測試階段一切正常,部署到生產環境就開始出各種問題。上下文管理混亂,Agent 的行為變得難以預測,最後不得不寫一堆自定義代碼來控制信息流向。 這是因為在v1.0 之前的 LangChain 對上下文工程的支持不夠系統化。上下文工程的本質其實就是信息管理——給 AI 多少信息、什麼時候給、以什麼方式給。信息過載會導致模型困惑,

llm , 資訊 , 人工智能 , 深度學習 , llama

收藏 評論

愛跑步的香蕉_cKtiNz - AI 面試成招聘主流,智能化重塑招聘全鏈路

AI 面試成招聘主流,智能化重塑招聘全鏈路 最新行業調研數據顯示,簡歷智能篩選普及率已達 52.6%,AI 面試應用率 35.1%,剩餘 23% 的企業也已進入選型或試點階段。這意味着 AI 招聘已從嘗試性應用轉為企業必備選擇,過去依賴人工篩選、憑經驗判斷的招聘模式,正被自動化與智能化全面替代。當前招聘領域的競爭核心,已從 “是否使用 AI” 轉向 “AI 系統是否夠準、夠快、夠人性化”。近

人工智能

收藏 評論

六邊形架構 - 不會AI編程?沒關係!這幾個框架也讓你也能開發AI聊天助手!

文 / 勇哥 原創文章,轉載請聯繫授權 一、前言 大家好,我是勇哥!上一篇文章我們聊了《[真相!Dify和n8n這兩款LLM應用開發平台的最大區別,90%的人都不知道! ](https://mp.weixin.qq.com/s/gKbeM2Er66OF5U_otKPyeQ)》,有不少讀者私信我説:"勇哥,雖然低代碼平台很方便,但我想自己動手實現一個真正屬於自己的AI助手,就像De

llm , 教程 , openai , 人工智能 , prompt

收藏 評論

亞馬遜雲開發者 - Agentic AI基礎設施實踐經驗系列(一):Agent應用開發與落地實踐思考

在過去的短短几年內,基礎模型(FMs)已經從直接用於響應用户提示創建內容,發展到現在為AI Agent提供動力。AI Agent是一類新型軟件應用,它們使用基礎模型來推理、規劃、行動、學習和適應,以追求用户定義的任務目標,同時只需要有限的人工監督。AI Agent由基礎模型驅動,其不確定性和非預定義邏輯的運行機制,為開發者帶來了全新的應用開發和運維範式。基於在多個項目中積累的Agent應用

人工智能

收藏 評論