tag AI

標籤
貢獻179
1269
03:55 AM · Nov 07 ,2025

@AI / 博客 RSS 訂閱

JUGG11 - 你是否正在經歷這些知識管理的 “隱形內耗”?

技術文檔散落在語雀、GitHub、本地硬盤,新員工入職像 “尋寶”;寫一份部署手冊要熬 4 小時,修改迭代還要跨平台同步;搜索 “token 過期解決方案”,返回幾十篇無關文檔,翻半天找不到重點;敏感數據不敢存雲端,私有化部署又要折騰好幾天…… 在信息爆炸的時代,我們囤積了海量知識,卻陷入 “存得住、找不着、用不上” 的困境。直到 PandaWiki 的出現 —— 這款 G

github , 搜索 , AI , 人工智能 , 深度學習 , 技術文檔

收藏 評論

路過的旁聽生 - 在複雜任務中如何利用 Claude 4.5 Opus 提高推理精度與響應速度

在 AI 模型不斷髮展升級的背景下,Claude 4.5 系列帶來了 Sonnet、Opus 和 Haiku 三款子模型,每個模型都有其獨特的優勢和適用場景。尤其是 Opus 4.5,它以其強大的推理能力和響應速度在複雜任務中脱穎而出。 但對於腳本創作者來説,如何在 推理精度 與 響應速度 之間找到最合適的平衡,仍然是一個需要解決的實際問題。本文將從 實際任務應用 的角度,深入分析 Claude

AI

收藏 評論

Coding茶水間 - 基於深度學習的水面垃圾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 基於深度學習的水面垃圾檢測系統 1. 前言​ 大家好,歡迎走進 Coding 茶水間。 今天我們聊的是一個很貼近現實的應用——基於 YOLO 算法的水面垃圾檢測系統。它的核心能力很直觀:能判斷水面是否存在垃圾,還能進一步分辨垃圾的具體類別,讓監測工作變得更高效、更精細。 在接下來的演示裏,我們會一步步走過系統的全部功能:從主界面的佈局與操作,到圖片、視頻、文件夾批量、實時攝像頭的檢測流程

AI

收藏 評論

大模型玩家七七 - 告別盲目試錯!大模型微調核心參數的“油門、檔位與里程

告別盲目試錯!大模型微調核心參數的“油門、檔位與里程 (一)引言:參數沒調對,微調全白費 大家好,我是七七!剛入門大模型微調時,我踩過最致命的坑就是“瞎調參數”——拿着7B模型,隨便設個學習率、batch_size就跑訓練,結果要麼模型不收斂(損失一動不動),要麼顯存直接炸了,折騰兩三天都沒調出正經效果。 後來跟身邊的技術大佬請教才明白:大模型微調的核心不是“跑通代碼”,而是“調好參數”。

AI

收藏 評論

Mansoor Ahmed Khan - From Chaos To Clarity: Simplifying Server Management With AI And Automation

This article has been kindly supported by our dear friends at Cloudways, who make simple, scalable, fully managed cloud hosting possible. Thank you! If you build or manage websites for a li

performance , Tools , AI

收藏 評論

躺柒 - 讀人工智能全球格局:未來趨勢與中國位勢06人類的未來(下)

1.形態 1.1.科幻小説及影視作品中所承載的人類想象力,遠比真實世界要精彩得多,也超前得多 1.2.1999年,好萊塢相繼誕生了兩部科幻大作—《黑客帝國》和《異次元駭客》​ 1.2.1.​《黑客帝國》對人工智能的態度無疑是最消極的,即人工智能成為遠超人類的新物種後,必將導致人類的毀滅 1.2.2.​《異次元駭客》 1.2.2.1.​“世界1999”中的科學家創

AI

收藏 評論

mofcloud - AI API 聚合:跨多個 LLM 的成本與複雜性管理

如果你在沒有聚合層的情況下使用多個 LLM,就像在同時管理好幾個不同的雲平台——能用,但賬單往往會讓人吃驚。 大多數團隊並不是主動選擇多模型架構,而是逐步累積出來的:一個模型負責推理,一個負責總結,再加一個用於客服微調。 半年之後,AI 技術棧就變成了充滿不同計費方式和 token 規則的 API 迷宮。 AI API 聚合能解決這個問題。

FinOps , 數據 , 雲計算 , API , AI , 雲原生

收藏 評論

小雯AIGC - 阿里千問發佈 Z-Image:在 16GB GPU 上從 0 跑通並部署成在線 API(實戰)

最近做 AI 圖像生成的事情,一路試下來我覺得一個很現實的問題是:高質量模型對顯存要求太高,很多人只有 16GB 顯存的顯卡(比如 4070),就很頭疼。阿里千問工作室(Alibaba Qianwen Studio)剛發佈的 Z-Image(6B 參數)給了一個不錯的折中:性能夠用且對顯存友好。 這篇是一步步的實戰教程——從準備環境、把官方模型跑通,到把它封裝成一個對外的生

github , Z-Image , 通義千問 , AI , 阿里雲 , aigc , AI作畫

收藏 評論

HyperAI超神經 - 在線教程| 騰訊混元開源端側翻譯工具HY-MT1.5,1.8B模型僅需1G內存

在機器翻譯領域,傳統的高性能模型往往面臨兩個核心難題。對於主流語言,閉源商業模型效果出眾但調用成本高,模型參數量動輒百億級別,需要高昂的算力支持,難以在手機等消費級設備上部署。另一方面,對於數據稀缺的低資源小語種,以及包含專業術語、文化特定表達的文本,模型翻譯質量常常不佳,容易出現幻覺問題或語義偏差。這導致用户在日常和移動場景下,常常在高質量、高成本的雲端服務與本地化、輕量化但效果不足的

機器學習 , 多語言 , 機器翻譯 , AI , 人工智能 , 深度學習

收藏 評論

poloai - 三大 AI 編程巨頭聯手!Polocode.ai 讓開發效率實現 3 倍飛躍

在 AI 技術深度滲透軟件開發的今天,開發者對工具的需求早已超越單一功能的侷限。能夠整合頂尖技術、覆蓋全流程的一站式平台,成為突破效率瓶頸的關鍵。Polocode.ai 的橫空出世,正以革命性的整合思路,將 Claude Code、Gemini CLI、Codex 三大行業頂流 AI 編程工具融為一體,為全球超 10K 開發者打造出高效協同的智能編程生態,重新定義了現代開發的效率標杆。 三大

AI

收藏 評論

PetterLiu - Claude Code團隊內部使用指南

Claude Code(Anthropic 推出的 AI 命令行編程工具)的團隊內部使用指南。它系統地總結了高效使用該工具的 10 個核心技巧,旨在將 AI 從簡單的“自動補全”提升為“協同開發者”。 以下是梳理的詳細解讀: 一、 核心效率指標 圖片右上角標註了四個關鍵目標: 10個核心技巧。 3-5個並行會話。 6個月以上無需手動寫 SQL(通過數據分析功能實現)。 3倍語音

AI

收藏 評論

躺柒 - 讀人工智能全球格局:未來趨勢與中國位勢15倫理難題

1.在爭議中前行 1.1.自人工智能這個概念誕生以來,棋類遊戲一直被視為頂級人類智力及人工智能的試金石 1.2.最著名的人工智能威脅論來源於奇點理論 1.3.雷·庫茲韋爾在《奇點臨近》一書中預言機器的智能將在2045年超過人類的智能 1.4.著名物理學家霍金相信生物大腦可以達到的和計算機可以達到的沒有本質區別,計算機在理論上可以模仿人類智能,然後超越 1.4.1.著名物理學家霍金相信生物大腦

AI

收藏 評論

goody - 不得不看:關於AI實戰技術文章整理_www_jszja

一、官網鏈接 首次調用 API | DeepSeek API Docs 二、基礎準備 通過curl(http協議)獲取接口返回信息,僅需在請求頭上攜帶bearer-token即可 模型分為deepseek-chat(非思考模式)和deepseek-reasoner(思考模式) 目前價格1 箇中文

d3 , API , AI , 後端開發 , .net , Json , Python

收藏 評論

賽博女妖 - 國產大模型適配優選,MonkeyCode 賦能企業研發

長亭MonkeyCode AI開發平台上線:免費算力賦能,AI助力全場景工程級研發落地 當前AI編程工具層出不窮,但多數僅能應對“代碼撰寫、Demo運行”的基礎場景,難以匹配真實工程研發的複雜訴求。長亭科技全新推出的AI開發平台MonkeyCode,成功突破這一行業瓶頸——平台以企業級研發標準構建,讓AI深度參與從需求梳理到Review驗收的全研發鏈路,更配套註冊即贈免費算力的專屬福利,助力開發者

AI

收藏 評論

Pratik Joglekar - Using AI For Neurodiversity And Building Inclusive Tools

In 1998, Judy Singer, an Australian sociologist working on biodiversity, coined the term “neurodiversity.” It means every individual is unique, but sometimes this uniqueness is considered a deficit

ux , AI , Design

收藏 評論

大模型玩家七七 - RAG 效果差,80% 的問題和模型無關

當你開始懷疑模型的時候,問題往往已經被帶偏了 如果你真的在項目裏落地過 RAG(Retrieval-Augmented Generation),你大概率經歷過下面這個過程。 一開始,你很有信心。 Embedding 模型選了主流的, 向量庫也搭好了, Prompt 看起來也挺專業。 但一測效果,你開始皺眉。 有些問題明明“庫裏有”,模型卻答不出來 有些答案看起來很像“胡説”

AI

收藏 評論

哥布林學者 - 吳恩達深度學習課程三: 結構化機器學習項目 第二週:誤差分析與學習方法(二)數據不匹配問題

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 本篇為第三課的第二週內容,2.4到2.6的內容。 本週為第三課的第二週內容,本週的內容關於在上週的基礎上繼續展開,並拓展

AI

收藏 評論

程序員魚皮 - 幹掉 Claude Code,這個開源 AI 編程工具殺瘋了?

大家好,我是程序員魚皮。 Claude Code 一直是大家公認的 AI 編程命令行工具 Top 1,在 AI 和程序員圈子裏幾乎是神一般的存在。 但是,這狗玩意兒對中國用户可不太友好…… 首先,如果你想要使用 Claude Code,就必須要有特殊的網絡 + 官方賬號,否則就會看到一片紅。 此外,2025 年 9 月,Anthropic 公司不知道抽什麼風,突然宣佈 全面禁止中國控股企業使用

AI

收藏 評論

vivotech - Vibe Coding 之我們距離 “賈維斯” 還有多遠

作者:vivo 互聯網項目團隊- Ding Junjie 摘要:作者通過使用Vibe Coding和Claude Code等AI編程工具的實踐經驗,分享了與AI協作的方法和技巧。文章探討了當前AI工具與理想中"賈維斯"智能助手的差距,包括缺少持續記憶、意圖理解需反覆對齊、決策點過於依賴人工等問題。作者提出了通過模板化常見場景、記錄決策過程、優化溝通方式等方法來改進人機協作模式,並構想了一

AI

收藏 評論

daibitx - DeepSeek OCR+Fast API 容器化部署傻瓜包

一、前言 由於 DeepSeek-OCR 底層依賴的 LLVM 環境目前不支持 Windows 原生平台,因此在 Windows 系統上無法直接進行本地安裝和部署。為了保證可用性與兼容性,DeepSeek-OCR 主要通過以下方式運行: Docker WSL(Windows Subsystem for Linux) 原生 Linux 環境 為了便於在這些環境中快速搭建完整的 OCR 服務

AI

收藏 評論

躺柒 - 讀智能新物種05伴侶動物

1.生物學啓發 1.1.大約在公元前350年,古希臘哲學家和數學家阿契塔(Archytas)製造了一隻會飛的木鴿子 1.2.仿生學研究旨在從自然界中尋找方案來解決問題,是一種廣泛的學術研究趨勢 1.3.生物仿生學的一個大的子領域集中在受生物學啓發的機器人設計方面,特別是受動物啓發的傳感、身體設計和運動方面 1.3.1.動物以無數種不同的方式爬行、奔跑、飛行、游泳、跳躍、集羣和攀爬,所有

AI

收藏 評論

HuggingFace - 經同意的語音克隆

在這篇博客文章中,我們介紹了“語音同意驗證機制 (voice consent gate)”的概念,支持通過明確同意來進行語音克隆。我們還提供了一個 示例 Space 應用 和 相關代碼,幫助大家快速上手這一想法。 近年來,逼真的語音生成技術已經達到了令人驚訝的水平。在某些情況下,生成出來的合成語音幾乎能以假亂真,和真人的聲音非常相似。如今,曾經只存在於科幻小説中的“語音克隆”已經成為現實。只需要

AI

收藏 評論

Lab4AI - 原來用聊天記錄就可以創造數字分身!WeClone項目在Lab4AI平台上的復現

01 | WeClone如何創造數字分身 擁有一個數字分身可能是很多人的一個願望。其實通過給大模型餵我們的聊天記錄,就可打造出我們的數字分身,當前爆火的Weclone項目採取的就是這種做法。先導出自己的聊天記錄,再把聊天記錄作為數據用來微調大模型,讓模型學習我們的語言風格和習慣,就能打造出專屬的數字分身。近期,有開發者在Lab4AI大模型實驗室成功復現WeClone項目,不需要準備繁瑣的環境,很容

AI

收藏 評論