tag AI

標籤
貢獻161
775
03:55 AM · Nov 07 ,2025
wintersun 頭像 Goblinscholar 頭像 lying7 頭像 codingtea 頭像 dmx778 頭像 OBCE666 頭像 yupi 頭像 poloai 頭像 XY-Heruo 頭像 yjmyzz 頭像 u_16060192 頭像 huggingface 頭像

@AI / 博客 RSS 訂閱

saodiseng2015 頭像

掃地僧2015 - ASP.NET Core WebApi 集成 MCP 協議完全指南

前言 Model Context Protocol (MCP) 是一個標準化協議，讓 AI 客户端（如 Claude、ChatGPT 等）能夠通過統一的接口調用你的 API。本文將詳細介紹如何在 ASP.NET Core WebApi 項目中集成 MCP 支持，實現 AI 與你的服務無縫對接。 什麼是 MCP？ MCP（Model Context Protocol）是一個開放協議，旨在標準化 AI

AI , mcp

收藏 評論

gogoSandy 頭像

風雨中的小七 - 解密prompt系列63. Agent訓練方案:RStar2 & Early Experience etc

當大模型成為Agent，我們該如何教會它“行動”？純粹的模仿學習（SFT）天花板明顯，而強化學習（RL）又面臨獎勵稀疏、環境複雜、探索成本高的挑戰。本文將帶你深入四種前沿的Agent訓練方案：ReTool, RAGEN, RStar2, 和 Early Experience，看它們如何巧妙地設計環境、利用反饋，讓Agent不僅“能幹”，而且“聰明”。 我們將看到一條演進路線：從優化單一動作（ReT

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至10國家的未來

1.馬鐙 1.1.在馬鐙出現之前，騎兵在戰場上的實際作用極其受限 1.2.戰馬的主要作用僅僅是將士兵運送到戰場上 1.3.馬鐙將騎兵與衝鋒的戰馬緊密地結合在一起，從而形成了一個強大的戰鬥單元 1.4.在中世紀早期，馬鐙剛剛傳入歐洲不久，法蘭克人的領袖查理·馬特察覺到了它的潛力 1.5.隨之形成的新的社會基礎結構為這些權力中心提供了支撐與保障 1.6.技術的指數級發展擴大了每個人和每件事的影響力

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至11困境

1.災難 1.1.在某種程度上，人類的歷史就是一部災難史 1.2.大流行病廣泛存在 1.3.兩場大流行病曾導致世界上多達30%的人口死亡 1.3.1.6世紀的查士丁尼瘟疫和14世紀的黑死病 1.3.2.1300年，英格蘭的人口約為700萬，但到了1450年，由於瘟疫的肆虐，人口鋭減到僅剩200萬 1.4.災難也可能是人為造成的 1.4.1.一戰和二戰分別導致

AI

收藏 評論

wintersun 頭像

PetterLiu - 關於AI上下文工程重塑人機協作的 5 個顛覆性認知

關於AI上下文工程重塑人機協作的 5 個顛覆性認知 寶子們，AI界的大瓜來了！GAIR團隊剛發佈了Context Engineering 2.0，這可完全顛覆了我們對人機交互的認知。以前我們總想着怎麼設計prompt，現在才發現，context才是關鍵！ “一個人就是各種context的集合。”機器不是不夠聰明，而是缺乏處理context的能力。從1.0的context作為翻譯，到2.0的con

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程二： 改善深層神經網絡 第一週：深度學習的實踐（六）梯度現象和梯度檢驗

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 本篇為第二課第一週的內容，1.10到1.14的內容，也是本週理論部分的最後一篇。 本週為第二課的第一週內容，就像課題名稱

AI

收藏 評論

yunpan-plus 頭像

雲棧開源日記 - DeepCode：把論文和想法變成代碼的 AI 工具

看論文時，你是不是也遇到過這種情況？ 明明算法思路看懂了，但要自己從零實現，光是搭環境、調參數就要折騰大半天。或者腦子裏突然冒出個網站創意，想快速驗證一下可行性，卻被前後端開發的工作量勸退了。 最近發現香港大學開源的 DeepCode 項目，專門解決這類問題——用 AI 自動把想法轉成能跑的代碼。 這個工具能做什麼 DeepCode 是一個基於大語言模型的編碼工具，主要功能是把"人的想法"自動轉

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至12穿越浪潮

1.眾説紛紜的代價 1.1.在國家和超國家層面，在一個全面的、可執行的框架下，巧妙的監管可以平衡技術進步的需求與合理的安全限制，從科技巨頭和軍隊，到高校的小型研究團隊和初創企業，都應當受到監管 1.2.制定並實施有效的法規是一項艱鉅的任務 1.2.1.技術日新月異，但走完立法流程需要數年時間 1.3.目前，在車庫裏工作的業餘愛好者能接觸到更強大的工具，科技公司也在研發上投入了數十億美元，而

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至13遏制的關鍵步驟

1.審計 1.1.知識就是力量，力量就是控制 1.2.對技術控制來説至關重要 1.3.為技術創建安全的物理或虛擬隔離容器是基礎 1.4.實施有意義的監督，制定可執行的規則，並對技術執行情況進行審查，這些都是極其重要的 1.5.信任源自透明度 1.5.1.絕對需要在各個層面驗證系統的安全性、完整性和未受損狀態 1.6.外部審查的重要性不言而喻 1.6.1.全球範圍內並沒有形成系統性的、常

AI

收藏 評論

ludangxin 頭像

張鐵牛 - 2. AI 輸出內容導出Word！docx4j+poi-tl 實現Markdown轉Word全流程

1.簡介 我們在上一章介紹瞭如果想實現將markdown內容轉換為word的話, 如果想要轉換後的word內容排版好看的話, 就需要將其轉換過程分為兩步 markdown→html html→ooxml(Office Open XML) word內容,word元信息本身就是個xml) 上一章節我們使用flexmark將markdown內容轉換為html內容, 完成了第一步, 本章節我們將介

AI

收藏 評論

wintersun 頭像

PetterLiu - 谷歌Agent Development Kit架構概覽

寶子們，今天這個消息真的讓我驚呆了！Google搞了個大動作，直接把AI的交互方式給改寫了！以前AI都是等你把話説完才回應，現在不一樣了，它能一邊聽你説話一邊反應，還能被中途打斷，甚至能和其他AI實時協作！這就是谷歌新出的Agent Development Kit（ADK），異步I/O、狀態化會話、流式原生工具、實時回調……這哪是簡單的請求-響應啊，這分明就是真正的對話，AI終於有了“生命”的感

AI

收藏 評論

daibitx 頭像

daibitx - Microsoft Agent Framework 接入DeepSeek的優雅姿勢

一、前言 ​ Microsoft Agent Framework 框架發佈也有一陣子了，在觀望（摸魚）過後，也是果斷(在老闆的威脅下)將幾個AI應用微服務完成了從Semantic Kernel 框架到Microsoft Agent Framework 框架中的遷移工作。 所以這篇文章,我想記錄一下在開發過程中的我總結的一下工程化用法。 二、Agent Framework是什麼 簡單來講，Micro

AI

收藏 評論

u_16099211 頭像

笑傲江湖求敗 - 數學建模筆記一數據標準化_數據標準化是對數值型數據嗎

大數據建模中的數據標準化：行業標準與自定義規範深度解析 一、引言：為什麼數據標準化是大數據的“地基”？ 在大數據時代，企業面臨的最大挑戰從來不是“數據太少”，而是“數據太亂”： 電商系統中，“用户ID”可能同時存在字符串（user_123）、數字（123）和UUID（e5a5-...）三種格式； 金融機構的“交易時間”

大數據 , 數據 , 自定義 , AI , 元數據 , 後端開發 , Python

收藏 評論

wintersun 頭像

PetterLiu - AI手機之深入淺出ADAGRPO三大核心策略

AI手機之深入淺出ADAGRPO三大核心略 為何訓練“手機AI助手”如此困難？ 隨着視覺語言模型的飛速發展，能夠自主操作手機圖形用户界面（GUI）的通用智能體——也就是我們常説的“手機AI助手”——的前景變得日益廣闊。想象一下，未來你只需用一句話，AI就能幫你完成打開App、預訂酒店、設置日曆提醒等一系列複雜操作。然而，要將這個願景變為現實，研究人員在使用強化學習（RL）訓練這類智能體時，必須

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 評估，才是微調裏最反直覺的部分

訓練跑通了，並不意味着你“完成了微調” 如果你已經做過幾次大模型微調，很可能會有一種奇怪的感覺。 訓練這件事，其實沒那麼難。 數據準備好，參數配一配，模型一跑，loss 往下走，看起來一切都很正常。只要環境不炸，顯存夠用，大多數人都能把訓練流程跑完。 但等你真正停下來，準備回答一個問題時，事情就開始變得不那麼確定了。 “這次微調，到底算不算成功？” 模型是不是更好了？ 好在哪裏？

AI

收藏 評論

lying7 頭像

躺柒 - 讀共生：4_0時代的人機關係09教育機構（上）

1.教育機構 1.1.為了開始滿足數字驅動、人工智能驅動的經濟的需求，教育和職業培訓必須有所改變 1.2.教育和職業培訓要想在接下來幾十年中與社會切實相關，就必須發生根本性的變革 1.3.如果我們堅持採用20世紀初建立的教育和培訓模式，就無法滿足人工智能驅動的未來對於教育和職業培訓的需求 2.將教育與職業培訓分離 2.1.要闡明教育和職業培訓之間的區別，最簡單的方法就是將教育視為學生通過學習成為

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 第三週：檢測算法 （四）YOLO 的完整傳播過程

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 本篇為第四課的第三週內容，3.9到3.10的內容，同時也是本週理論部分的最後一篇。 本週為第四課的第三週內容，這一課所有

AI

收藏 評論

algieba 頭像

阿爾的代碼屋 - [大模型實戰 02] 圖形化的大模型交互: Open WebUI部署指南

核心摘要 (TL;DR) 目標：為本地的 Ollama 模型穿上漂亮的圖形化界面 (GUI)。 工具：Docker + Open WebUI (社區最活躍的開源 WebUI)。 核心功能：媲美 ChatGPT 的對話界面、本地知識庫 (RAG)、自定義角色 (Agent)。 相信各位友人在上一篇文章中，已經學會了如何用ollama在終端中運行Qwen模型。命令行工具有時候

AI

收藏 評論

yupi 頭像

程序員魚皮 - 全網最簡單的 OpenClaw 部署教程，5 分鐘擁有你的 AI 員工

大家好，我是程序員魚皮。 最近 OpenClaw（由 ClawdBot 改名）是真的火，它是一個能操作電腦幹活的 AI 數字員工。能幫你讀寫文件、編寫程序、執行任務，7×24 小時不休息。而且你隨時隨地掏出手機就能操控它，讓它幫你幹活。 網友也是把 OpenClaw 玩出花來了： 有人讓它自動清理上萬封郵件，收件箱直接幹掉 45%，省下幾十個小時的整理時間 有人用它搶演唱會

AI

收藏 評論

u_16391614 頭像

老艾的AI世界 - 白嫖最新ChatGPT和主流AI大模型，國內無限制使用

本文介紹8個免費使用ChatGPT等一眾頂尖大模型的網站，因為涉及到技術限制等因素，正文中不直接給出網址 GPT網站獲取及加速方法：網盤分享 1.網站一 用郵箱註冊後即可使用，支持Deepseek、ChatGPT、Google Gemini、Grok、Claude等主流大模型，並且支持聯網搜索

yyds乾貨盤點 , deepseek , AI大模型 , AI , chatgpt , 人工智能 , 深度學習

收藏 評論

OBCE666 頭像

OBCE666 - 餵飯級教程 II —— Dify x OceanBase seekdb 使用指南

君子性非異也，善假於物也。 —— 《荀子》 這篇文章，是繼上一篇公博大佬的大作《餵飯級教程 —— 基於 OceanBase seekdb 構建 RAG 應用》之後，第二篇 seekdb 使用教程類的內容。 歡迎各位老師也能根據文章中的步驟嘗試快速使用 Dify x seekdb 搭建屬於您自己的 AI 應用，也歡迎大家踴躍在評論區批評、指正、吐槽、謾罵~ 在這篇狗尾續貂的教程中，會為大家介紹：在

AI

收藏 評論

orion-orion 頭像

orion-orion - 學習理論：凸代理、代理與估計誤差界

這學期參加了同研究科的田中研的讀書會，所選的是近年出的較新的書《Learning Theory from First Principles》[1]： 作者Francis Bach是COLT2025的keynote speaker[2]。我承擔了4.1-4.4部分（這周做了分享），該部分和我目前的科研方向比較相關。下面是我結合自己的科研的一些心得和筆記。 1 導引 給定\(\mathcal{X}\

AI

收藏 評論

joas-pambou 頭像

Joas Pambou - On-Device AI: Building Smarter, Faster, And Private Applications

It’s not too far-fetched to say AI is a pretty handy tool that we all rely on for everyday tasks. It handles tasks like recognizing faces, understanding or cloning speech, analyzing large data, and

llm , Techniques , Tools , Apps , 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 （二）殘差網絡

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 本篇為第四課的第二週內容，2.3到2.4的內容。 本週為第四課的第二週內容，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