收藏 / 列表

u_16237826 頭像

軟件求生 - 別再手動 set 時間了，JPA 一行註解全幫你搞定！

大家好，我是小米，一個寫代碼也寫故事的31歲程序員。 上週五晚上，我在工位上加班修 Bug，手裏那杯咖啡都涼透了。原因嘛——老闆的一句話：“小米，你這表記錄誰創建的、什麼時候改的，怎麼都沒寫？”我一臉懵：“啊？這不是數據庫自帶的嗎？”老闆笑了笑，“你去查查 JPA Audit。” 就這樣，我打開電腦，走上了一條“審計字段自動填充”的覺醒之路。 那些年我們

字段 , yyds乾貨盤點 , 數據庫 , 後端開發 , jpa , JAVA

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - AI崗瘋了？AI應屆生的“起薪通脹”來了

AI行業的薪資，已經“卷”到讓人目瞪口呆。 過去年薪80萬是高管的待遇，如今——可能只是一個AI應屆生的起點。 “搶人大戰”全面打響：AI崗供不應求 脈脈發佈了《2025年 AI 人才流動報告》數據顯示：截至今年7月，脈脈上已有超1000家企業發佈AI相關崗位超7.2萬個。 從互聯網大廠（字節、小紅書、阿里、騰訊），到車企（比亞迪、小鵬、理想），再到智駕公司（文遠知

人工智能

weidejianpan 頭像

商湯萬象開發者 - LazyLLM 教程 | 第 13 講：RAG + 多模態：圖片、表格通吃的問答系統

在前面的課程中，我們探討了RAG（Retrieval-Augmented Generation）的基本原理及其在純文本處理中的應用。RAG 通過從外部知識庫檢索相關信息，結合上下文生成更準確、信息豐富的回答，從而提升基於文本的問答系統能力。 然而，現實世界中的信息並不侷限於文本，例如 PDF 文檔中的圖片、表格等多模態數據也承載着大量有價值的知識。在某些情況下，這些圖文並茂的內容比純文本更直觀、

llm , 算法 , 教程 , 人工智能 , 開源

smartbidashuju 頭像

Smartbi - 對話思邁特CEO姚詩成：存量時代 BI 不只拼產品，客户真正要的是這兩種核心價值

​​​​​​​ChatBI是解藥還是新泡沫？ @松果財經 原創作者|在輝 2025年春節，DeepSeek的爆火讓產業圈迎來一波全民狂歡。很多行業或主動或被動地被AI影響，拿到了大量商機，銷售電話被打爆。 BI是其中一個典型。這個曾經專注於數據分析的行業，和AI有着天然的“親近感”。 思邁特CEO姚詩成告訴松果財經，當時那種氛圍中，不少客户涌入後台，紛紛表示今年預算重點在AI：“很多時候你過

數字化轉型 , bi , 人工智能

bizidadejianbing 頭像

DashVector - 如何通過Python SDK更新Collection中已存在的Doc

本文介紹如何通過Python SDK更新Collection中已存在的Doc。 説明 若更新Doc時指定id不存在，則本次更新Doc操作無效 如只更新部分屬性fields，其他未更新屬性fields默認被置為None Python SDK 1.0.11版本後，更新Doc時vector變為非必填項 前提條件 已創建Cluster 已獲得API-KEY 已安裝最新版SDK 接口定義

向量 , 數據庫 , 人工智能 , 大模型

grapecity 頭像

葡萄城技術團隊 - 用 evaluateFormulaAsync 實現高效異步公式計算

在表格應用開發中，公式計算是核心能力之一。傳統同步公式計算在處理耗時任務（如複雜邏輯運算、異步API交互）時，容易導致用户界面（UI）凍結，嚴重影響用户體驗。為解決這一痛點，SpreadJS V18.2 正式推出 evaluateFormulaAsync 方法，提供異步公式計算能力，兼顧計算效率與交互流暢性。本文將從特性概述、注意事項、適用場景、API細節及實戰示例五個維度，全面解析該新特性。

異步編程

huamingshixunkeji 頭像

華明視訊科技 - 鐵路車號識別裝置：賦能鐵路貨運智能化的核心

在現代化鐵路貨運管理中，效率與準確性是衡量運營水平的關鍵尺度。傳統依賴人工抄錄車號的方式，不僅效率低下、成本高昂，更因人為因素導致數據不準，已成為制約礦區、編組站、貨運站等場景智能化升級的瓶頸。鐵路車號識別裝置，正是為解決這一核心痛點而生的智能化解決方案。 什麼是鐵路車號識別裝置？ 鐵路車號識別裝置是一套基於前沿人工智能深度學習技術的自動化識別系統。它通過高清圖像捕捉與智能分析，對貨運

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.31-11.07）

本週AI領域動態密集，美團、360、銀河通用、字節、騰訊、Kimi與科大訊飛等分別發佈多模態、圖文、導航及視頻推理模型；工具層面，寒武紀、百度、崑崙萬維、騰訊均推出新平台或功能。技術方面，在長序列處理、多智能體協同及代碼執行效率上取得突破。市場方面，OpenAI與AWS達成鉅額合作，小鵬發佈人形機器人「IRON」。整體呈現高效化、多模態與實用化趨勢，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模

資訊 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

yufan_645f1d6e3f1d1 頭像

俞凡 - [大廠實踐] 少即是多：Zendesk 長時間作業執行優化

本文介紹了 Zendesk 構建數據遷移器進行長時間大規模賬户數據遷移的實踐，以及選擇這種作業執行方式的權衡和取捨。原文：Less is More: Improving job execution by ditching the job executor 本文概述了我們所做的架構調整，這些調整極大簡化了長時間運行任務的執行模式。 通過利用客户端行為，系統不僅提升了整體功能，還消除了分佈式任務

後端

wangzhongyang_go 頭像

王中陽講編程 - 我週末突發奇想，讓AI總結了我們最近做的項目：

見字如面，我是王中陽，祝大家升職加薪，早日上岸。 我週末突發奇想，讓AI總結了我們做的GoFrame分佈式微服務電商項目(https://mp.weixin.qq.com/s/ACzEHtvGh2YsU_4fxo83fQ)，做的哪裏好？哪裏不好，有哪些優化的空間。 他是這麼説的： AI回覆：我需要幫你總結項目中關於分佈式微服務和高併發的優秀實踐。讓我先查看項目的主要架構和配置，然後分析其中的亮點

go , 後端

chenzhuodeyagao 頭像

沉着的牙膏 - 金融行業低誤差高性能符合審計要求的數據庫風險審計與監測方案

概要：在金融行業日益數字化的背景下，數據庫成為企業核心資產，亦是合規審計與安全防控的重要戰場。面對多源異構、跨域流轉、高併發訪問等複雜環境，金融機構亟須一套「低誤差、高性能、符合審計要求」的數據庫風險審計與監測方案。本文圍繞“金融行業低誤差高性能符合審計要求的數據庫風險審計與監測方案”展開，首先闡述其背景與挑戰，再深度分析風險類型、提出解決方案、展現落地應用成效，最後探討其推廣價值，並附問答與用户

深度學習

codesheep_pro 頭像

CodeSheep - JetBrains官宣，又一個IDE可以免費用了！

提到 JetBrains 這家公司，相信搞開發的同學應該都不陌生。 該公司盛產各種編程 IDE 和開發工具，雖然 2000 年才成立，到現在卻已經發布了超 30 款世界頂級的編程軟件，同時也收穫了來自全球範圍內開發者和用户的青睞。 眾所周知，從去年開始到今年 JetBrains 曾經搞過一系列大動作，那就是： 陸續官宣了 WebStorm、Rider 以及 CLion 這幾款強大的 IDE 對

JAVA , SQL , 後端 , 前端 , Javascript

tizuqiudexiangpica 頭像

DM今天肝到幾點 - 別問“我會不會被AI取代”，先問“我+AI 能做多強？”

**話題：《AI 編程會取代程序員嗎？還是讓開發更自由？》 ——AI固然取代了一部分程序員日常需要去做的事情，但AI 編程並非“職業終結者”，而是幫助程序員擺脱重複性勞動、聚焦高價值創造的“超級外援”** 1. 先拋結論：AI ≠ 職業終結者，而是“超級外援” 替代的是單調機械的 30 % API 接口封裝、樣板代碼生成、重複性測試腳本……這些工作 AI 已經能 24

cursor , chatgpt , 人工智能 , visual-studio , claude

vivo_tech 頭像

vivo互聯網技術 - vivo 前端三劍客發展歷程及原理揭秘

作者： vivo 互聯網前端團隊- Han Xuejian、Zhang Hao 異地協作模式，給開發和測試間的問題溝通及定位帶來了諸多挑戰。本文從前端開發視角出發， 闡述在這過程中遇到的痛點，探索解決的思路，並在過程中成功孵化出技術工具“前端三劍客”，文章深入解析了“前端三劍客”技術的實現原理及應用場景。 1分鐘看圖掌握核心觀點👇 一、背景 隨着公司業務的不斷髮展，異地協作成為一種常態

工具 , 遠程調試 , 錄製屏幕 , 抓包解密 , 前端

alluxio_com 頭像

Alluxio - Alluxio在數據索引和模型分發中的核心價值與應用

在當前的技術環境下，搜索、推薦、廣告、大模型、自動駕駛等領域的業務依賴於海量數據的處理和複雜模型的訓練。這些任務通常涉及從用户行為數據和社交網絡數據中提取大量信息，進行模型訓練和推理。這一過程需要強大的數據分發能力，尤其是在多個服務器同時拉取同一份數據時，更是考驗基礎設施的性能。 在這樣的背景下，Alluxio Enterprise AI 在數據索引與模型分發/部署方面展示了其獨特的優勢，特

大數據 , 索引 , 人工智能 , 模型

amin_671603a27d1a0 頭像

AMIN - Markmap，用Markdown語法輕鬆創建思維導圖，AI助力提升工作效率

Markmap介紹 首先，什麼是 Markmap? Markmap 是一個開源項目，旨在用 Markdown 語法來製作思維導圖。 它的目的是：允許你使用簡單的 Markdown 語法來快速編寫思維導圖。 值得一提的是，中文Markmap 在此基礎上進一步引入了AI技術，實現了自動生成思維導圖的功能。 用户只需輸入內容，AI就會自動將其轉化為思維導圖，這大大地提高了工作效率，省去

思維導圖 , Markdown

momodel 頭像

Momodel - 首批！18個“人工智能+高等教育”應用場景典型案例

近日，教育部發布通知，公佈了首批18個“人工智能+高等教育”應用場景典型案例—— 為深入貫徹落實國家關於開展“人工智能+”行動的戰略部署，積極推動高等教育與人工智能技術的融合發展，利用智能技術支撐人才培養模式的創新、教學方法的改革、教育治理能力的提升，教育部高等教育司組織了首批“人工智能+高等教育”典型應用場景案例的徵集和論證工作，尋找、發掘和推廣在人工智能技術應用上具有代表性、前瞻性且能

學習 , 人工智能 , 分享

liuyuedekele 頭像

六月的可樂🥤 - SSE請求多種實現方式總結

文前推薦一下👉 前端必備工具推薦網站(圖牀、API和ChatAI、智能AI簡歷、AI思維導圖神器等實用工具): 站點入口：http://luckycola.com.cn/ 什麼是SSE SSE（Server-Sent Events）是一種用於實現服務器主動向客户端推送數據的技術，也被稱為“事件流”（Event Stream）。它基於 HTTP 協議，利用了其長連接特性，在

typescript , HTML , 前端 , html5 , Javascript

jdcdevloper 頭像

京東雲開發者 - 併發丟數據深度剖析：MySQL鎖機制與事務實戰踩坑及解決方案

1、理論來源於實踐 現象：於2025-08-13 21:45:35，事實邏輯表將自身的指標與維度同步到原子服務的實現時，出現同步過來的指標與維度丟失。 核心原因：兩次重複的事實邏輯表同步時間非常相近，導致同步過來的指標與維度丟失。 2、倒帶進事故現場 邏輯表向原子服務同步的核心邏輯是 “先刪後增”：刪除舊數據→對比新老數據→插入新增數據，具體流程如下：  整體業務代碼精簡邏輯如下： @T

程序員

alijishu 頭像

阿里雲開發者 - 快成物流科技 x mPaaS | 小程序容器加持下的技術架構“提質增效”

簡介：大前端團隊如何選型技術？如何快速上手？如何高效協同？讓我們看看快成科技如何解決這一問題。 導言 從 2017 年開始，GMTC“移動技術大會”就更名為“大前端技術大會”。發展至今，混合開發、原生開發、前端開發等概念正在深度融合，組成“大前端”團隊。 大前端團隊如何選型技術？如何快速上手？如何高效協同？讓我們看看快成科技如何解決這一問題。 緣起兩地三團隊 快成科技是網絡貨運領

weex , 小程序 , 緩存 , SQL , ide

u_16655836 頭像

wx6603b05eb93d0 - 上游6666元教養殖，下游變神藥治百病！殺人蜂騙局兩頭割……

俗話説，人有多大膽，地有多大產！這句俗語，在賺錢這件事上，體現得尤為淋漓盡致。 比如，小柴看完今天的一個熱搜話題，感慨，你永遠想不到，殺人蜂這玩意，竟然也能成為暴利生意，而且還能做到兩頭收割的完美閉環。 這個熱搜話題是——央視曝光6666元包教包會養殺人蜂…… 可能看到這個話題，你就會覺得，這和當年教養蠍子的騙局有啥區別？但你要相信，騙局永遠是與時俱進的

人工智能 , 數據分析 , 社交媒體

u_16060192 頭像

HyperAI超神經 - 從9,874篇文獻到1.5萬晶體結構，MOF-ChemUnity重構MOF全景知識，推動材料發現進入「可解釋AI」時代

在材料科學領域，金屬有機框架（Metal–Organic Frameworks，MOFs）堪稱科學家們的「瑞士軍刀」：它們具有高比表面積、化學可調性和結構多樣性，在氣體分離與儲存、催化以及傳感等領域具有廣泛應用。然而，對於科研人員而言，MOF 的世界極其龐大且複雜——目前已有超過 12.5 萬種 MOF 框架被合成，並計算預測了數百萬種可能的結構。 雖然人工智能（AI）已經深刻改變了

人工智能 , 深度學習 , 材料科學

u_16018702 頭像

架構師李哲 - 大模型微調有必要做嗎？全參數微調、LoRA還是RAG？看完這篇你就懂了

在人工智能迅猛發展的今天，大型語言模型已成為解決各類問題的強大工具。但當您想要打造一個真正理解所在行業、掌握專業知識的大模型時，總會面臨一個關鍵問題：如何用最小的成本、最高的效率，讓通用模型變得"專業"？ 這就像把一位通才培養成領域專家——選對方法，事半功倍。這正是LLaMA-Factory Online要解決的核心問題——通過智能化的微調，讓每個團隊都能輕鬆駕馭大模型適配

實時更新 , 數據 , 人工智能 , 深度學習 , 迭代

baihai_idp 頭像

Baihai_IDP - 對 GPT 5 模型路由機制的深度解析

編者按： 我們今天為大家帶來的文章，作者的觀點是：GPT-5 通過引入“智能路由器”架構，實現了按需調用不同專家模型的動態協作機制，標誌着大模型正從“全能單體架構”邁向“專業化協同架構”的新範式。 文章深入剖析了 GPT-5 路由機制的四大決策支柱 —— 對話類型、任務複雜度、工具需求與用户顯性意圖，並對比了其相較於 GPT-4、Toolformer 及早期插件系統的突破性進步。作者還詳細拆

llm , 知識 , chatgpt , openai , 人工智能