tag 人工智能

標籤
貢獻909
923
06:37 AM · Oct 27 ,2025

@人工智能 / 博客 RSS 訂閱

Akamai - BlackstoneOne 實現業務十倍增長:IT安全服務商依託Akamai雲平台,為更多客户提供創新解決方案與功能

"在我們發展的每個階段,Akamai始終相伴。從可預測的定價到區域技術支持,再到便捷的使用體驗,它已成為我們讓中小企業也能享受高效IT安全服務這一征程中不可或缺的夥伴。" ——BlackstoneOne 合夥人兼高級開發工程師 Jacob Honoré 為中小企業簡化IT安全防護 BlackstoneOne致力於革新中小企業的IT安全防護,提供先進的漏洞管理與攻擊面管理解決方案。2019年

雲計算 , 雲服務 , 人工智能

收藏 評論

bugouhen - service如何配置流量權重

一,配置報表查看權限   方法一:使用dynamic365添加用户組管理     參考教程:https://www.pianshen.com/article/25031937531/   方法二:配置訪問目錄和用户角色  方法三:如果數據源是SQL,通過SQL AS實現人員或者部門級的權限控制   方法

數據集 , 數據 , 用户權限 , 人工智能 , 深度學習 , service如何配置流量權重

收藏 評論

wx6583a3b0b06d1 - LocalAI Docker 容器化部署指南

概述 LocalAI 是一款免費開源的OpenAI替代方案,作為兼容OpenAI API規範的REST API服務,它允許用户在本地或企業內部環境中運行大型語言模型(LLMs)、生成圖像和音頻等AI功能。該項目無需GPU支持,可在消費級硬件上運行,支持多種模型家族,為開發者和企業提供了本地化AI推理的靈活解決方案。 LocalAI 的核心優勢在於其兼容性和部署靈活性:

LocalAI部署 , LocalAI , API , openai , 人工智能 , 深度學習 , Docker

收藏 評論

16099361 - 數據可視化任務是

導讀:其實工作中我們並不需要作出很炫酷的視覺呈現,數據可視化主要旨在藉助於圖形化手段,清晰有效地傳達與溝通信息,有效地傳達思想概念,通過直觀地傳達關鍵的方面與特徵,從而實現對於相當稀疏而又複雜的數據集的深入洞察。因此在設計過程中:每一個選擇,最終都應落腳於讀者的體驗,而非圖表製作者個人。 一、不得不注意的圖表製作小

交互設計 , 數據可視化 , 人工智能 , 數據可視化任務是 , 可視化 , HTML

收藏 評論

上海拔俗網絡 - OA辦公+AI智能體:讓辦公效率“開掛”的技術革命

在多數職場人的印象裏,OA系統是“流程審批機”——填表單、走流程、存文件,功能夠用但總顯繁瑣。而AI智能體的加入,正讓OA從“工具”升級為“辦公搭檔”,用實打實的技術優化,解決重複勞動、信息孤島、決策滯後等老問題。不用懂複雜算法,咱們就聊聊這些技術到底怎麼讓辦公變輕鬆。 AI智能體的核心,是給OA裝上“大腦”和“手腳”。“大腦”是自然語言處理(NLP)和機器學習技術,能聽懂人話、讀得

機器學習 , 規則引擎 , 數據 , NLP , 人工智能

收藏 評論

JavaEdge - 微軟 Copilot 秋季更新發布:新增協作與個性化功能

微軟在最新的 Copilot 秋季版本更新 中推出了一系列圍繞生產力、協作和個性化的新功能。本次更新同時改進了 Edge 和 Windows 中的 Copilot 功能,並進一步整合了微軟自研的 AI 模型。 微軟 AI 部門 CEO Mustafa Suleyman 在其 博文 中介紹了此次更新的 12 項新功能,稱其為一個“重要的里程碑”。其中一些功能(如 Groups

ico , yyds乾貨盤點 , 新功能 , 人工智能 , 深度學習 , memory

收藏 評論

上海拔俗網絡 - AI教務員智能平台系統——把“排課、考勤、成績單”做成一鍵套餐,讓教務老師準時下班

每學期開局,教務辦公室總上演“人海拼圖”:教師時間衝突、教室容量不足、學生選課撞車……AI教務員智能平台系統用“大模型+運籌算法+實時數據”把排課、考勤、成績、畢業審核串成一條自動化流水線,讓教務老師從“表格奴隸”升級為“數據指揮官”。 一、智能排課:30秒生成“零衝突”課表 平台讀取5類數據: 教師時間碎片(含科研、外出); 學生選課意願(權重分5級); 教

多目標 , 數據 , NLP , 權重 , 人工智能

收藏 評論

王中陽講編程 - 別讓AI智能體瞎幹活!多Agent分工+協作3步法,新手也會用!

兄弟們,見字如面,我是王中陽。 最近我們團隊紮在AI智能體應用開發裏,Trea solo模式下的多Agent協同算是把坑踩了個遍——最痛的一次,因為把架構設計和代碼實現丟給同一個智能體,直接導致項目延期兩週。今天就把“智能體職責劃分”的實戰經驗掏給大家,全是能直接抄的乾貨。 這張圖,就值得兄弟們實操一下: 很多人剛搞多Agent開發時都犯過這個錯:覺得“一個智能體多幹活,省得協調”。但實測下來,

人工智能 , 程序員

收藏 評論

智能開發藝術家 - Docker系列之Elasticsearch安裝教程 - Nicky的個人空間 -

安裝 Docker 和 Docker Compose 確保系統中已安裝 Docker 和 Docker Compose。在大多數 Linux 發行版中,可通過包管理器直接安裝: sudo apt-get update sudo apt-get install docker.io docker-compose 安裝後啓

elasticsearch , AI智能體 , 技術問答 , 後端開發 , 人工智能 , Docker , harmonyos

收藏 評論

mb6911caa73d1d1 - 數據中心運維新範式:如何用數字孿生技術實現可視化智能管理

在數字化轉型浪潮中,數據中心作為企業核心基礎設施,其運維管理正面臨前所未有的挑戰。隨着設備規模不斷擴大,系統複雜度持續攀升,傳統運維模式已難以滿足實時監控、快速定位和精準決策的需求。如何打破數據孤島,實現運維數據的可視化呈現與智能分析,成為行業亟待解決的問題。 從平面監控到立體可視的跨越 傳統數據中心監控系統大多基於二維平面展示,運維人員需要

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

慧星雲 - 阿里開源Qwen-Image-Layered:AI繪畫進入圖層化創作新時代

Qwen-Image-Layered 當對一張已生成的圖片進行局部調整時,比如給人物換衣服、修改場景色調,整圖往往會出現結構扭曲、風格斷裂或細節崩壞的問題。這就是行業內長期存在的“一致性難題”——AI 無法在保持其他部分不變的前提下,精準修改目標區域,導致專業設計門檻居高不下。 阿里巴巴正式開源全新圖像生成大模型—Qwen-Image-Layered,首次在AI圖像生成中引入類 Photo

雲平台 , 雲計算 , 雲主機 , aigc , 人工智能

收藏 評論

MinionPy - 關於AI的學習筆記02.提示詞工程

提示詞就是我們輸入給AI的所有文本信息,包括問題、指令、背景信息、示例等。它決定了AI如何理解我們的需求。 為什麼叫提示詞“工程”呢? 因為我們提問的過程需要技巧和方法,而不是隨便問問——這樣才能拿到更準確的、有用的回答,獲取高質量的解決方案。 寫好提示詞有6大原則: 1.明確性——準確表達意圖,清晰描述你的需求,避免模糊。使用具

機器學習 , 提示詞 , 人工智能 , 大模型

收藏 評論

上海拔俗網絡 - AI旅遊助手:不是“機器人導遊”,而是你的“智能旅行大腦”

你有沒有發現—— 出門旅遊,查攻略、比價格、訂酒店、排路線……光是準備工作就能耗掉半天? 到了目的地,問路靠地圖、找吃靠點評、改行程靠運氣,一不小心就踩坑? 更別提帶老人孩子、語言不通、突發狀況……整個旅程像在“打怪升級”。 別擔心,這不是你不會玩,而是傳統旅遊方式太“被動”、太“碎片”、太“靠運氣”。現在,一個叫“AI旅遊助手”的技術產品,正悄悄改變這一切——它不取代人,而是幫

對話系統 , 數據 , NLP , 語言模型 , 人工智能

收藏 評論

軟件求生 - SpringAI + 圖像模型:一篇搞懂 OpenAI、智譜、千帆怎麼選

那天中午,我正在公司樓下買煎餅果子。 前面排隊的是產品經理阿強,他一邊啃着雞蛋灌餅,一邊問我一句:“小米啊,我們能不能用 AI 自動生成商品海報?一個促銷海報人肉 PS 三個小時,設計師要崩了。” 我腦子裏“叮”的一聲:SpringAI + 圖像生成模型,這不就用上了嗎? 然後我就開啓了一場從“煎餅果子”到“企業級 AI 圖像生成平台”的奇幻漂流。今天,

機器學習 , 生成模型 , yyds乾貨盤點 , azure , 人工智能 , JAVA

收藏 評論

全棧技術開發者 - 矩陣的跡到底有什麼意義?跡如何描述平均拉伸效應?特徵多項式中跡係數的代數與幾何意義是什麼?跡操作如何保證統計平均與座標無關?

在線性代數的理論體系中,矩陣是描述線性映射和向量空間結構的核心工具。矩陣不僅用於描述有限維空間的變換,還廣泛應用於量子力學、統計力學、羣表示理論、微分幾何以及現代計算科學。在學習矩陣時,一個看似簡單的概念——矩陣的跡——經常被提及。 初次接觸跡的人可能會認為它只是矩陣對角線元素的求和: 然而,這種表面上的簡單掩蓋了其深層的數學與物理意義。跡不僅是線性代數中的數

機器學習 , 複雜度 , 線性變換 , yyds乾貨盤點 , 特徵值 , 人工智能

收藏 評論

mob64ca14079fb3 - Stm32cubemx LCD 經常不顯示

TFTLCD TDTLCD即薄膜晶體管液晶顯示器,在液晶顯示屏每個像素上都設置有一個薄膜晶體管(TFT),圖像質量高 一般TFTLCD模塊位3.3V供電,不支持5V電壓MCU,如果使用5V MCU需在信號線串接120R電阻使用 LCD使用16位80並口驅動,與OLED並口驅動類似 電容觸摸模塊使用SPI串口驅動 採用廠商提供

機器學習 , 嵌入式 , 數據 , 單片機 , stm32 , 人工智能 , define

收藏 評論

技術極客傳奇 - PSTView如何將pst轉為eml

  做平面設計時為了作圖需要我們經常要把cdr的文件轉換為psd格式的分圖層文件,CorelDRAW是常用的矢量圖形制作工具,Photoshop是功能強大的圖像處理軟件,在做一些設計作品的時候兩款軟件偏重不同,各有千秋,當我們同時需要使用兩個軟件的時候,就存在格式轉換這一問題,這可能也是困擾許多小夥伴的難題。今天的CDR教程將教大家如何將CorelDR

機器學習 , Photoshop , 圖層 , 對象管理器 , 人工智能 , PSTView如何將pst轉為eml

收藏 評論

wx65bc375171f34 - 從圖靈之問到大模型時代:人工智能的“三生三世”

1950年,英國數學家艾倫·圖靈在《心智》雜誌發表了一篇題為《計算機器與智能》的論文,提出了一個看似簡單卻震撼世界的問題:“機器能思考嗎?”這個後來被稱為“圖靈之問”的問題,如同一顆投入平靜湖面的石子,激起了持續至今的漣漪。而圖靈設計的“模仿遊戲”——後來廣為人知的“圖靈測試”,為人工智能領域樹立了第一個里程碑。七十餘年來,人工智能經歷了從實驗室概念到日常生活無處不在的演變,其發

神經網絡 , 人工智能 , 深度學習 , Css , 前端開發 , HTML

收藏 評論

mob64ca1400bfa8 - vsoce GitHub Copilot 安裝

1、官網下載vs安裝包,打開安裝,看是否有自動添加環境變量如果沒有在安裝完後自己設置,環境變量一般是bin文件的絕對路徑並且,千萬記住路徑中!!不能有中文和空格!!(一般默認安裝時文件命名會自帶空格,刪除它或者用下劃線代替) 2、並在網上找到mingw文件(一定要帶有bin的)下載後隨便安裝在沒有中文和空格路徑的地方。添加環境變量。 3、測試,打開cmd輸入gcc -

環境變量 , c++ , 人工智能 , 深度學習 , Json

收藏 評論

mob64ca1404baa2 - wpf datagrid 後端代碼添加 DataGridTemplateColumn

不同的狀態對應不同的操作,DataGrid中最後一列為操作列,裏面是Button控件。希望點擊Button後執行對應的操作,但是設置Button的Command="{Binding VideoOperationCommand}"後觸發不了操作。 XAML代碼如下: DataGrid ItemsSource="{Binding VideoList}"

控件 , 機器學習 , 上傳 , 人工智能 , ide

收藏 評論

harusamei - 用copilot 生成一個貪吃蛇

在VSCODE裏接入copilot 已經快一年了。 寫代碼有了這個小助手確實如有神助。 不過我用它一直都是解決程序錯誤信息,寫明確功能的小函數,或者查某個語句怎麼寫 並沒有嘗試用它生成一個完整的項目 這幾天大家都LLM的代碼生成越來越信任,紛紛寫複雜的PROMPT生成完成的項目,簡直做到了立等可用。代碼agent是真香 我也試試讓copilot給我輸出一個完整的python

人工智能

收藏 評論

mb6928174700026 - 情緒之眼:Rokid智能眼鏡賦能特殊兒童情感溝通新橋樑

摘要 本文聚焦特殊兒童(尤其是自閉症譜系障礙兒童)的情感溝通困境,提出利用 Rokid CXR-M SDK 構建一套集實時錄像、AI 表情分析與眼鏡端交互於一體的情緒識別與干預系統。該系統通過 Rokid Glasses 硬件平台捕捉兒童面部表情,經 AI 引擎分析情緒狀態後,為照顧者提供即時應對策略,搭建特殊兒童與外界的情感溝通橋樑。文章從系統架構設計、核心技術實現、應用

初始化 , NLP , 視頻採集 , 人工智能 , ide

收藏 評論

合合信息解決方案 - 財務數字化轉型具體步驟是什麼

當企業財務部門還在為每月數百張發票錄入、跨系統數據核對而焦頭爛額時,行業領先者已經通過數字化轉型實現了效率的質變。某快消品集團五年投入5300萬元完成轉型後,每年節省人工成本超1000萬元,財務效率提升40%。這背後的關鍵,在於掌握了科學的分階段實施路徑。 第一步:明確轉型戰略與需求評估 財務數字化轉型的首要任務是制定清晰的戰略規劃。企業需要評估當前財務業務的運作情況

機器學習 , 業務流程 , 數據 , 人工智能 , 數據驅動

收藏 評論

mob64ca14005461 - cJSON_GetObjectItem堆棧溢出

函數調用時會在棧上有一系列的保留現場及傳遞參數的操作。棧的空間大小有限定,VC的缺省值是2M。棧發生溢出的情況一般是程序中分配了大量數組或遞歸函數層次太深。棧是由編譯器自動管理的,當一個函數調用完返回後它會釋放該函數中所有的棧空間。 堆是

機器學習 , 內存 , , , 管理 , 人工智能 , c

收藏 評論