tag 人工智能

標籤
貢獻928
1007
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 xingxingshangdeliushu 頭像 u_17579295 頭像 lab4ai 頭像 u_15591470 頭像 u_17512334 頭像 rtedevcomm 頭像 qingfouai 頭像 tecdat 頭像

@人工智能 / 博客 RSS 訂閱

jizaodebangbangtang 頭像

文心快碼 - 插件開發實錄：我用Comate在VS Code裏造了一場“能被代碼融化”的初雪

2025年的第一場雪，我是在報錯日誌裏度過的😭 朋友圈在曬雪景，我在盯着 VS Code 萬年不變的界面發呆。 既然錯過了現實裏的初雪，那我為什麼不能在我的 IDE 裏下一場雪？ 於是，一個極其離譜又帶感的腦洞誕生了——我想做一個VS Code插件，實現： 落雪：當我停下來思考或者單純摸魚時，讓屏幕飄落初雪，積雪慢慢覆蓋代碼，假裝我也在過冬。 燃火：一旦我開始狂修 Bug，指尖的每一次敲擊

教程 , 知識 , 人工智能 , 程序員 , 前端

收藏 評論

u_17555117 頭像

wx68f48421c9781 - 支持20+平台一鍵發佈我是如何用技術解決自媒體矩陣運營難題的

我曾長期被矩陣賬號的「效率黑洞」折磨——同時維護知乎、掘金、CSDN、微信公眾號等8個平台，每天光是內容分發就要花掉4小時：這篇要轉成公眾號的短圖文，那篇得調整Markdown格式適配掘金，知乎回答又要補充案例細節……更頭疼的是數據覆盤：每個平台的後台數據格式不一，手動整理閲讀量、漲粉數到Excel，經常加班到深夜。有次趕熱點，因為漏發了一個平台，導致流量斷層，這讓我意識到：傳統

知乎 , API , 人工智能 , 計算機視覺 , 自媒體

收藏 評論

selectdb 頭像

SelectDB技術團隊 - Apache Doris 4.0.2 版本正式發佈

親愛的社區小夥伴們，Apache Doris 4.0.2 版本已正式發佈。此版本新增了在 AI Search、函數、物化視圖、Lakehouse 等方面的功能，並同步進行了多項優化改進及問題修復，歡迎下載體驗！ GitHub 下載：https://github.com/apache/doris/releases 官網下載：https://doris.apache.org/download

數據庫 , 人工智能 , dorisdb , apache

收藏 評論

perfectcorp 頭像

玩美移動 - AI 肌膚分析技術的演進：從視覺識別到智能護膚決策

隨着人工智能在圖像識別領域的持續突破，AI 正逐漸滲透到生活的每一個細節。從智能安防到醫療影像，再到近年來備受關注的美妝與護膚行業，AI 驅動的視覺識別正讓“皮膚狀態分析”成為數字化美業的重要組成部分。 本文將從 技術原理、算法演進、評估指標與商業落地 四個角度，探討肌膚分析技術的前沿趨勢，並結合行業領先企業的實踐，展示這一技術如何推動護膚體驗的智能化。 一、從人臉識別到肌膚識別：AI 如何“看見

人臉識別 , 資訊 , 圖像識別 , 人工智能

收藏 評論

u_16147706 頭像

火星情報 - Zenlayer 攜手Palo Alto Networks 重塑 AI時代安全訪問解決方案

11 月 21 日，PaloAltoNetworks Ignite onTour2025上海年度安全峯會圓滿落幕。作為聚焦網絡安全前沿的行業盛會，本次活動以“安全釋放 AI 時代無限潛能”為主題，聚焦在 AI 時代，如何將網絡安全從傳統的防禦手段轉變為推動創新的核心引擎。作為 PaloAltoNetworks核心技術合作夥伴，Zenlayer 受邀參與了此次活動，不僅在現場展示最

機器學習 , 安全策略 , 組網 , 人工智能 , 解決方案

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生賦能數據中心運維

在數據中心運維領域，傳統的運維方式常常面臨數據孤島、響應滯後、管理複雜等挑戰。隨着數據中心規模的擴大和複雜度的提升，如何實現高效、智能的運維管理成為行業關注的焦點。孿易數字孿生IOC憑藉其一體化監測運維平台、靈活後台配置和強大的數據接入能力，為數據中心運維帶來了全新的解決方案。本文將通過實際應用案例，展示孿易IOC如何幫助數據中心實現智能高效運營。

數據 , 運維 , 數據可視化 , 數據中心 , 人工智能 , 數字孿生

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - 基於Hologres構建多模態AI數據分析與檢索系統

在數據驅動時代，非結構化數據（文本、圖像、音視頻、日誌等）與結構化、半結構化數據（JSON）共同構成企業的核心數據資產。其中，非結構化數據以更原始、多元的形態藴含着海量的業務洞察（如用户反饋、合同條款、產品缺陷圖像），Hologres4.0以“AI時代的一站式多模態分析平台”為核心理念，全面展示了Hologres在結構化、半結構化與非結構化數據分析能力上的重大突破，發佈全新向量索

多模態分析 , AI , 人工智能 , 數據分析 , 向量數據庫 , Hologres

收藏 評論

u_16213574 頭像

數據分析家 - 訓練權重分割怎麼做

中南大學ACM的暑期集訓馬上就要開始了，這次集訓會將全體N名集訓隊員（編號分別為1, 2, …, N）按集訓選拔賽的排名分成兩組，前K名隊員分入A組，其餘隊員分入B組。 但現在助理教練CSGrandeur一不小心把集訓選拔賽的排名弄丟了，而之前又沒將A組和B組的人員確定出來，於是CSGrandeur打算問一下集訓人員他們的

訓練權重分割怎麼做 , include , i++ , 測試數據 , 人工智能 , 深度學習

收藏 評論

u_16099250 頭像

架構師之光 - CLAHE算法增強局部對比度的X光圖像增強效果對比

目錄 1 概述 2 單位 3 窗口設置：窗口寬度和窗口水平 4 更改窗口設置的意義 5 軟組織窗口 6 骨骼窗 7 肺窗 8 腹部窗口 9 肝臟窗口 10 媒體窗口 11 CTA窗口 12 腦窗 13 腦卒窗 概述

ico , f5 , python 計算對比度 , 3d , 人工智能 , 計算機視覺

收藏 評論

u_15675190 頭像

冰淇淋紅茶Q - openEuler網絡優化：TCP/IP協議棧性能深度測評

一、測評背景與目標 在現代分佈式計算環境中，網絡協議棧性能是衡量操作系統網絡處理能力的關鍵指標。面對多樣化的網絡應用場景，高效的TCP/IP協議棧能夠顯著提升數據傳輸效率和系統整體性能。openEuler作為面向數字基礎設施的開源操作系統，在網絡協議棧優化方面進行了深度技術投入。本次測評旨在全面評估openEuler在網絡協議棧性能方面的表現，驗證其在多樣性算力支持環境下的

連接建立 , tcp , 人工智能 , 深度學習 , 網絡協議棧

收藏 評論

u_15082365 頭像

u_15082365 - 破局複雜業務場景：百度數據分析平台（TDA）分析增強與性能優化的雙輪驅動

導讀 通過Turing Data Analysis(TDA）一站式自助分析平台建設，實現了業務看數、分析一體化閉環。然而，隨着業務深度使用，分析需求也更加的複雜、多樣，對TDA的分析能力提出了更高的要求，同時用户的極限查詢與性能形成對抗，也影響了用户的分析體驗。本文將聚焦分析能力增強與性能優化兩方面，闡述具體的優化策略，以持續保證用户分析體驗。 01 背景與問題

數據 , 緩存 , 人工智能 , 數據分析 , SQL

收藏 評論

u_16213684 頭像

mob64ca14106f2f - 談談“數據庫中間件”生態與發展-

在信息技術的廣闊天地裏，中間件就像是一位默默無聞的幕後英雄，為各種軟件系統的高效運行和協同工作立下了汗馬功勞。瞭解中間件的起源與發展歷程，能讓我們清晰地看到它是如何一步步走到今天，以及它在現代信息技術中扮演着怎樣不可或缺的角色。接下來，就讓我們一起走進中間件的前世今生。 目錄 起源背景 發展階段 早期

中間件 , 大數據 , 後端開發 , 人工智能 , harmonyos

收藏 評論

u_15591470 頭像

ceshiren2022 - 2025年測試工程師的核心能力：掌握Dify工作流編排AI測試智能體

測試工程師的角色正從“腳本執行者”向“質量策略架構師”躍遷。掌握用Dify這樣的AI工作流平台來編排“AI測試智能體”，將成為你的新護城河。 在傳統的自動化測試中，我們編寫腳本（如Selenium, Playwright）來模擬用户操作，驗證預設結果。這套模式在過去二十年裏非常有效。然而，隨着AI應用的爆炸式增長，尤其是大語言模型（LLM）和Agent（智能體）的普及，軟件界面、交互邏輯

智能體 , AI , 人工智能 , 深度學習 , dify , 測試報告

收藏 評論

u_16125291 頭像

科技雲報到 - 科技雲報到：AI落地卡殼數據層？數據庫重構價值鏈路

AI數據庫迎來里程碑時刻。 在人工智能席捲全球的背景下，企業級競爭力正在重寫，如何把握科技浪潮奔涌下的生產力躍升時機？很多人把目光投向了數據：誰能把數據潛力完美釋放，誰就握住了 AI 的確定性紅利。 但是，如何釋放數據潛力？這才是問題的根本。顯然，在這個充滿未知的領域，跟隨者註定無法立足，只有足夠智慧的勇士才能踏上充滿坎坷與驚喜的探索征程。

數據 , 科技 , 數據庫 , 後端開發 , 人工智能 , Python

收藏 評論

mianlengxincidehongjiu 頭像

中煙創新 - 煙草行政處罰案卷製作與評查平台 | 賦能執法、優化管理、規範案卷、提質增效

新形勢下，煙草專賣行政執法工作需在規範性、效率與內部監管三個方面實現全面強化。傳統的案卷製作與評查模式，因其依賴手工、標準不一、流程繁瑣等痛點，已難以適應現代執法管理的需要。 北京中煙創新科技有限公司（簡稱：中煙創新）“煙草行政處罰案卷製作與評查平台”其價值精準地體現在“賦能執法、優化管理、規範案卷、提質增效”上，切實推動煙草行政執法工作邁向新台階。煙草行政處罰案卷製作與評查平台首要目的是為了解決

人工智能

收藏 評論

u_17521085 頭像

北京智定義科技 - #數字人不止於“對話”，更在賦能千行百業

一、建設背景 政策導向： 國家層面：國務院發佈《關於深入實施“人工智能+”行動的意見》，明確提出發展“智能服務業態”，推動人工智能在政務、文旅等場景的深度融合，支持構建“自然人、數字人、智能機器人”多元協同的治理與服務模式。 地方政府：多地如江蘇、廣東、上海、中山等省市也相繼出台政策，鼓勵AIGC內容創作、智慧旅遊、智能政務等方向的發展，為數字人

數字化轉型 , 多模態交互虛擬人 , 數字助手 , yyds乾貨盤點 , 智能虛擬人 , AI數字人 , 人工智能

收藏 評論

u_16213659 頭像

mob64ca140a8e67 - 板載內存memoryinit

•DRAM：它的基本原件是小電容，電容可以在兩個極板上保留電荷，但是需要定期的充電（刷新），否則數據會丟失。缺點：由於要定期刷新存儲介質，存取速度較慢。 •SRAM：它是一種具有靜止存取功能的內存，不需要定期刷新電路就能保存它內部存儲的數據。其優點：存取速度快; 但是缺點是：功耗大，成本高。常用作存儲容量不高，但存取速度快的場合，比如steppingstone. 在嵌

機器學習 , 數據 , 初始化 , 人工智能 , 寄存器 , 板載內存memoryinit

收藏 評論

u_16163442 頭像

datian1234 - 程序員必備技能：LangChain v1.0模塊化拆分指南，值得反覆閲讀收藏

前言 大家好！LangChain 迎來了 v1.0 這個里程碑版本（2025 年10月正式發佈），這是 LangChain 團隊經過幾年社區反饋和生產實踐後，對框架的一次大刀闊斧的重構。 最大的變化就是模塊化拆分：過去一個 langchain 包，現在被拆成了多個獨立、可按需安裝的包。這樣做的好處是： 主包更輕量、更專注（安裝

大模型教程 , AI大模型 , langchain , 人工智能 , 大模型學習 , 前端開發 , Javascript

收藏 評論

u_16099346 頭像

雲端築夢者 - BetaSchemaForm 的屬性

absolute與float 具有同樣的性質 包裹性 破壞性 absolute性質 可以脱離overflow的限制 無依賴的absolute定位 無依賴的定義： 不受relative限制的absolute定位，行為表現上是不使用top/right/

機器學習 , 文檔流 , BetaSchemaForm 的屬性 , 絕對定位 , 人工智能 , 九宮格

收藏 評論

aiagent 頭像

AIAgent研究 - Manus AI Agent 終極技術解析：從爆火到反思的全鏈路架構深度覆盤

本文是目前關於Manus AI Agent最全面、最深入的技術解析，整合了Manus聯合創始人季逸超的官方技術覆盤、核心開發團隊的工程實踐總結以及第三方深度技術分析，涵蓋從架構設計、核心機制到經驗教訓的完整鏈路，總計12大核心維度，超過100個技術細節點，為AI Agent開發者提供一份兼具技術深度與實踐價值的參考範本。 一、Manus的技術抉擇：上下文工程 vs 端到端模型 1.1 路線之爭：

manus , 人工智能

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 情感分析如何更精準？深度解讀AI語義理解在出海輿情監控網站中的運用

情感分析是出海輿情監控網站的核心能力之一，它負責判斷用户表達中的“好意”“惡意”“擔憂”“憤怒”“驚喜”“諷刺”等情緒類型，為品牌決策提供更明確、結構化的洞察。然而在出海場景中，由於多語言、多文化、多表達方式的差異，傳統情感分析模型往往失效。例如同樣一句“not bad”，在美國是“不錯”，在英國是“還可以但不算好”；泰國人喜歡使用玩笑語氣表達不滿；阿拉伯用户常用語氣詞加強情緒；

多語言 , 人工智能 , 數據分析 , 情感分析 , 模態

收藏 評論

huodadexiang 頭像

南瓜 - 基於 YOLOv8 的駕駛員疲勞狀態識別系統實戰（含完整源碼與可視化界面）

基於 YOLOv8 的駕駛員疲勞狀態識別系統實戰（含完整源碼與可視化界面） 一、項目背景與研究意義 隨着汽車保有量的持續增長，疲勞駕駛已成為交通事故的重要誘因之一。據統計，在高速公路和長途駕駛場景中，由於駕駛員長時間保持同一姿態，容易出現注意力下降、反應遲鈍、頻繁眨眼、打哈欠等疲勞特徵，從而顯著提升事故風險。 傳統的疲勞檢測方法多依賴以下方式： 車載方向盤行為分析 心率、腦電等生理傳感器

機器學習 , 人工智能 , 深度學習

收藏 評論

u_16993377 頭像

一線數智 - 實戰為王！這場“AI・共創”會議 憑“強實用 + 高互動” 圈粉，嘉賓直呼“拿來就能用”

　　【一線數智資訊】2026 年被業界公認為 AI 規模化爆發的關鍵一年，AI 正從實驗室走向企業生產一線。近日，一場聚焦“AI・共創”為主題的AI與數智化創新研討會（以下簡稱研討會）在北京召開。會議現場邀請到火山引擎、光環雲等企業從模型能力、算力支持、數據治理三大核心維度，拆解了 AI 落地的實戰路徑，乾貨滿滿且福利豐厚。 　　本文將完整覆盤分享核心內容，為企業和從業者提

數據 , 人工智能 , 深度學習 , 解決方案 , 迭代

收藏 評論

u_17580222 頭像

mb691327edb400f - HR的下半場：不靠加班，而靠升級為AI指揮官

HR的下半場：不靠加班，而靠升級為AI指揮官 “再努力也招不到優秀的人”正在成為HR的共同焦慮。許多HR加班篩簡歷到深夜，卻仍錯過關鍵人才；安排面試滿滿一週，卻被候選人臨時放鴿子；做了大量流程工作，卻常常被質疑“招聘為什麼這麼慢、這麼不準”。 我們正在進入一個現實：人才不是稀缺，識別能力才是稀缺。 與此同時，市場變化、業務迭代、候選人體驗與僱主品牌競爭，

快速啓動 , 數據 , 人工智能 , 深度學習 , 迭代

收藏 評論