tag AI

標籤
貢獻119
196
03:55 AM · Nov 07 ,2025
wintersun 頭像 Goblinscholar 頭像 lying7 頭像 codingtea 頭像 OBCE666 頭像 huggingface 頭像 joas-pambou 頭像 XY-Heruo 頭像 u_16773655 頭像 poloai 頭像 yupi 頭像 znai 頭像

@AI / 博客 RSS 訂閱

wintersun 頭像

PetterLiu - HiAgent與BiSheng對比Dify選型

HiAgent 架構與戰略價值 1. 核心定義與證據 實質：HiAgent 不是一個單純的學術概念，而是火山引擎（Volcengine）推出的企業級 AI 應用開發框架（SDK）。 架構邏輯：它採用了“大一統（Unified）”的設計思路，試圖在底層將 LangChain 的靈活性、MCP（Model Context Protocol）的連接性、以及外部工具的異構性，統一抽象

AI

收藏 評論

wintersun 頭像

PetterLiu - PT-Mark主流擴散模型水印技術深度對比

PT-Mark主流擴散模型水印技術深度對比 一. 生成式AI時代的版權保護挑戰 隨着文本到圖像（Text-to-image）擴散模型的飛速發展，其在數字藝術創作、影視內容製作等領域的應用日益廣泛，深刻地改變了創意產業的格局。這些模型能夠根據用户精心設計的文本提示生成極具價值的視覺內容。然而，技術的普及也帶來了前所未有的挑戰，其中最突出的便是生成內容的版權歸屬與保護問題。如何有效證明生成作品的所有

AI

收藏 評論

OBCE666 頭像

OBCE666 - 有獎徵文 | 專為AI而生：用OceanBase seekdb高效搭建你的Agent與AI系統架構

11月18日，OceanBase開源了其首款AI原生數據庫seekdb（詳見https://www.oceanbase.ai/）。 專注於為 AI 應用提供高效的混合搜索能力，支持向量、全文及多模數據的統一存儲與檢索。 seekdb繼承了OceanBase 高性能優勢與 MySQL 全面兼容的特性，卻更輕量，更貼近個人開發者與中小型企業，更適用於 AI 數據處理場景： RAG和知識檢索，如客户

AI

收藏 評論

cicada-smile 頭像

七號樓 - AiStudio才是Gemini模型的編程真身！

在做編程方向測試的時候，先是在Gemini模型的對話中。 雖然效果算不上驚豔，但是質量和效率做了很大的平衡，很短的時間就能得到可用的代碼，呈現的功能也算完善。 後來使用AI Studio編程工具，相同的模型版本，但是效果有了質的提升，在社媒上很多亮眼的開發案例，實際都是基於AI Studio生成，只是Gemini的知名度高，帶這個標籤流量會好一點。 在編程測試領域，喜歡用的幾個場景：網頁製作，遊戲

AI

收藏 評論

huggingface 頭像

HuggingFace - 用 AI Sheets 解鎖圖像的力量

🧭簡要概覽：Hugging Face AI Sheets 是一款開源工具，能夠用 AI 模型增強數據集的處理能力，無需編寫任何代碼。現在新增視覺功能：可以從圖像 (如收據、文檔) 中提取數據、根據文本生成圖像、甚至編輯圖片——一切都能在電子表格中完成。依託 Inference Providers，可調用數千個開放模型。 我們非常高興地發佈 Hugging Face AI Sheets 的

AI

收藏 評論

wintersun 頭像

PetterLiu - ConTextTab一個語義感知的表格情境學習模型

概要 ConTextTab的核心設計哲學在於“兩全其美”——它旨在將大語言模型級別的深度語義理解和世界知識，無縫注入到一個高效、為表格數據原生設計的ICL框架中。其目標是創造一個既能理解數據“説什麼”（語義），又能高效處理數據“長什麼樣”（結構）的模型。另一個名字是SAP-RPT1-OSS ConTextTab(2506.10707)的核心目標，是將表格原生模型的高效性與大型語言模型（LLM）

AI

收藏 評論

OBCE666 頭像

OBCE666 - AI 時代，OceanBase 為什麼要開源一款 AI 原生數據庫 seekdb？

編者按： 11 月 18 日，2025 OceanBase 年度發佈會在北京舉行，現場發佈並開源了 OceanBase 首款 AI 原生混合搜索數據庫 seekdb（簡稱 seekdb ）。 OceanBase 開源生態總經理封仲淹（花名：紀君祥，就是這個公眾號 “老紀的技術嘮嗑局” 裏的話事人 —— 老紀）會在這篇文章中，為大家介紹 OceanBase 開源 seekdb 的初衷。 在 2025

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第二週：經典網絡結構 （四）CV 方法論

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 本篇為第四課的第二週內容，2.8到2.11的內容，同時也是本週理論部分的最後一篇。 本週為第四課的第二週內容，這一課所有

AI

收藏 評論

OBCE666 頭像

OBCE666 - 只用兩個週末給公司省了450$/月：從多數據庫架構到 AI 原生數據庫的知識庫重構之路（內含大量代碼）

本文來源：白鹿第一帥。未經授權，嚴禁轉載，侵權必究！ 前言 傳統 AI 應用往往需要組合多個數據庫：PostgreSQL 存儲結構化數據，Elasticsearch 做全文搜索，Milvus 做向量檢索，Redis 做緩存，這種“拼湊式”架構帶來了數據同步複雜、成本高昂、維護困難等問題。 2025 年 11 月 18 日，OceanBase 開源了 AI 原生數據庫 seekdb。我用兩個週

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至14讀後總結與感想兼導讀

1.基本信息 浪潮將至 [英]穆斯塔法·蘇萊曼 [英]邁克爾·巴斯卡爾 著 中信出版集團,2024年10月出版 1.1.讀薄率 書籍總字數20.8萬字，筆記總字數49311字。 讀薄率49311÷208000≈23.71% 1.2.讀厚方向 當我點擊時，算法在想什麼？ 算法霸權 極簡算法史：從數學到機器的故事 算法的陷阱：

AI

收藏 評論

u_16099274 頭像

墨香四溢 - 華為雲的研究成果又雙叒叕被MICCAI收錄了！ - 華為雲開發者社區的個人空間 -

本文總結 MaybeAI 團隊在 MCP（Model Context Protocol） 框架下構建生產級 AI 工作流系統的經驗。 從最初的“讓模型在運行時直接生成代碼”到後來的“規劃期驗證 + 組件化執行”，我們在失敗與重構中逐步建立起一個可擴展、可複用、可驗證的工作流體系。 一、背景：為什麼“自動化更強”，卻不代表“更可靠” 過去

工作流自動化 , AI自動化 , AI , 後端開發 , 無代碼工作流 , 工作流 , Python

收藏 評論

u_16213609 頭像

mob64ca13fe9c58 - Transformer架構詳解

Transformer架構概述 Transformer架構主要的功能是高效地完成某些自然語言分析任務，比如英語到德語和英語到法語的翻譯任務，這裏要注意的是，大語言模型（LLM）不等於Transformer，我個人認為Transformer可以算是一種從預訓練數據中更好提取信息的方式，因此當我們在瞭解Transformer架構時，其中一個重要關注點是

AI , 系統架構 , 人工智能 , transformer , 深度學習

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第一週：卷積基礎知識（三）簡單卷積網絡

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 本篇為第四課的第一週內容，1.6到1.8的內容。 本週為第四課的第一週內容，這一課所有內容的中心只有一個：計算機視覺。應

AI

收藏 評論

yupi 頭像

程序員魚皮 - 7 個 Cursor AI 極限省錢大法，別花冤枉錢！

大家好，我是程序員魚皮。 自從給我們團隊提供 Cursor AI 之後，公司的利潤是越來越少了，大家是真的瘋狂壓榨 AI。 來給大家看看賬單，才一個多月就花了 1 萬多！ 説破產雖然有些誇張，但這錢都夠招一個人了啊！ 我估計在座的沒多少同學用 AI 花錢比我們多吧，不信你們報報賬單？ 我接受用 AI 花錢，但是咱不能花冤枉錢對吧？於是我在公司內部做了一場全面的 Cursor 省錢技巧分享，大家的

AI

收藏 評論

cathybryant 頭像

CathyBryant - 信息論（13）：漸進均分性AEP與典型集

Asymptotic Equipartition Property，漸近均分性。 想象一下來自同一來源的一長串信息，就像一條符號構成的河流，日復一日地從我們身邊流過。 如果你觀察足夠長的時間，就會發生神奇的事情：這條河流開始呈現出某些典型的模式，並非所有序列出現的概率都相同，但幾乎所有的概率都匯聚到一個集合中，在這個集合中，每個序列的信息含量都驚人地相似。 事實上，每個典型序列的概率都接近於$ 2

AI

收藏 評論

sheng-jie 頭像

「聖傑」 - AI 時代，.NET 開發者是向左還是向右？

AI 時代，.NET 開發者向左還是向右？ Microsoft Agent Framework vs LangChain 1.0 —— 一場關乎未來的技術選擇 開篇：十字路口的抉擇 2025年11月的某個深夜，你剛寫完最後一行代碼，準備提交。 突然，技術總監在羣裏發了條消息： "下個季度要上AI智能體項目，大家調研一下技術方案，週五討論。" 你打開搜索引擎，映入眼簾的是： La

AI

收藏 評論

victoryocco 頭像

Victor Yocco - Beyond The Black Box: Practical XAI For UX Practitioners

In my last piece, we established a foundational truth: for users to adopt and rely on AI, they must trust it. We talked about trust being a multifaceted construct, built on perceptions of an AI’s Ab

ux , AI , Design

收藏 評論

wintersun 頭像

PetterLiu - 智能製造與AI人工智能落地

今天先到這兒，希望對AI，雲原生，技術領導力， 企業管理，系統架構設計與評估，團隊管理, 項目管理, 產品管理，信息安全，團隊建設 有參考作用 , 您可能感興趣的文章: 微服務架構設計 視頻直播平台的系統架構演化 微服務與Docker介紹 Docker與CI持續集成/CD 互聯網電商購物車架構演變案例

AI

收藏 評論

huizhudev 頭像

HuiZhu - 代碼考古學：如何讓你的代碼不再是“未解之謎”？

你有沒有經歷過這種“靈魂出竅”的時刻： 盯着一段三個月前自己親手寫的代碼，感覺像是在看外星文明留下的天書。邏輯極其精妙，變量名簡寫得極其瀟灑，但你就是死活想不起來——這玩意兒到底是用來幹嘛的？ 如果説寫代碼是構建一座宏偉的宮殿，那麼寫註釋就是給這座宮殿繪製“導遊圖”。遺憾的是，在趕進度的修羅場裏，我們往往只顧着添磚加瓦，卻忘了留下任何文字線索。 最終，項目變成了一座“數字迷宮”。新來的同事在裏面暈

AI

收藏 評論

yunpan-plus 頭像

雲棧開源日記 - n8n-workflows：4300+ 自動化工作流的開源數據中台方案

從數據採集痛點説起 在搭建量化交易系統時，數據採集往往是最耗時的環節。對接交易所 API、爬取財報數據、監控輿情信息……這些重複性工作可能佔據團隊 80% 的開發時間。 最近我們發現了一個開源項目 n8n-workflows，它收錄了 4343 個生產級工作流模板，覆蓋 365 個主流 API 接口。雖然不是專門的量化系統，但在數據管道搭建上展現出了獨特價值。 項目核心能力 n8n-workflo

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的無人機視角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 基於深度學習的無人機視角檢測系統 1. 前言​ 無人機憑藉其靈活性強、成本低、視角獨特等優勢，已成為環境監測、交通管理、農業勘測等領域的重要工具。然而，無人機航拍圖像中的目標往往尺寸較小、分佈密集，且常受到光照變化、複雜背景及運動模糊等因素干擾，導致檢測難度顯著增加。傳統的目標檢測算法在應對此類場景時，常出現漏檢、誤檢及實時性不足等問題。因此，開發一種高效、精準的無人機小目標檢測系統具有

AI

收藏 評論

u_16773655 頭像

向量檢索 - 如何通過HTTP API分組檢索Doc

本文介紹如何通過HTTP API在Collection中進行分組相似性檢索。 前提條件 已創建Cluster：創建Cluster。 已獲得API-KEY：API-KEY管理。 Method與URL HTTP POST https://{Endpoint}/v1/collection

向量檢索 , 大數據 , yyds乾貨盤點 , 數據倉庫 , AI , 數據庫 , 人工智能 , 大模型

收藏 評論

u_15591470 頭像

ceshiren2022 - AI引領天貓測試流程變革：從人工操作到智能化的實踐經驗與落地案例

在AI時代，天貓技術質量團隊不斷探索如何在測試全流程中引入AI，提升效率、保障質量，並實現可管理化、可溯化的測試流程。本文將結合實踐經驗，分享AI在測試鏈路中的落地方案和技術架構思路。 1️⃣ 測試體系變革：從人工到AI自動化 傳統測試工作鏈條主要包括五大核心階段： 需求解析 → 用例生成 → 測試數據構造 → 執行驗證 → 對比校驗 AI的引入目標：通過自然語言理解和大模型驅動

AI , 測試數據 , 人工智能 , 深度學習 , 自動化測試

收藏 評論

paul-boag 頭像

Paul Boag - How UX Professionals Can Lead AI Strategy

Your senior management is excited about AI. They’ve read the articles, attended the webinars, and seen the demos. They’re convinced that AI will transform your organization, boost productivity, and

workflow , ux , AI

收藏 評論