收藏 / 列表

aoshizhongshengdexiangjiao_bvx78q 頭像

傲視眾生的香蕉_bvX78Q - MCP 與傳統集成方案深度對決：REST API、GraphQL、gRPC 全方位技術解析

在系統集成領域，技術方案的選擇直接影響應用性能、開發效率和維護成本。隨着 AI 技術的快速發展，傳統集成方案在應對動態上下文管理、工具鏈調用等場景時逐漸顯露出侷限性，而 MCP（Model Context Protocol）作為 AI 時代的新選擇，正引發行業關注。本文將從技術特性、性能表現、安全機制等維度，對 MCP 與 REST API、GraphQL、gRPC 三種傳統方案進行深度對比。

rest-api , grpc , graphql , 人工智能

huandanshendeshoushudao 頭像

慧星雲 - Gemini 2.0：集多模態、強性能、優交互於一身的 AI 新寵

谷歌 在科技飛速發展的當下，人工智能領域不斷涌現出令人矚目的創新成果，谷歌推出的新一代大模型Gemini2.0無疑是其中一顆璀璨的新星，正以其卓越的性能和強大的功能，為我們開啓了智能化交互的嶄新篇章。 Gemini2.0 Gemini2.0 使用Gemini2.0構建的最新版本中的改進包括： 更順暢的對話：ProjectAstra現在能夠使用多種語言和混合語言進行交談，從而更好地理

llm , 雲計算 , google , aigc , 人工智能

u_17423871 頭像

美狐美顏SDK開放平台 - 直播美顏SDK中的抖動特效實現難點：識別、渲染與延遲控制全攻略

在短視頻與直播行業快速演進的今天，用户對“視覺體驗”的要求不斷提高。美顏不再僅僅是磨皮、美白、瘦臉，而是追求更具互動感和趣味性的抖動特效（ShakeEffect）。從直播美顏SDK的角度來看，要實現一個自然、不卡頓、匹配主播動作的抖動特效，其實遠比看上去複雜。 如果你是技術負責人、產品經理，或者正關注直播美顏SDK集成方案、直播特效算法開發、實時渲染優化等問題，那麼這篇文章

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

javaedge 頭像

JavaEdge - 別隻怪客户端宕機！還有這些導致 Redis 分佈式鎖“死鎖”的原因

本文已收錄在Github，關注我，緊跟本系列專欄文章，咱們下篇再續！ 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新，我們的征途是改變世界！ 👉 實戰乾貨：編程嚴選網 0 前言 除了“持有鎖的進程崩潰、未釋放鎖”這一經典

JAVA

u_17583190 頭像

fangpin - 從0到1：揭秘LLM預訓練前的海量數據清洗全流程

讀完這篇文章，你將用監督微調（SFT）把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%，同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法，所有代碼均來自本倉庫 alignment 文件夾，保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

u_16970152 頭像

求知上進 - Python 數據結構：可變與不可變

1.前言 在 Python 中，數據結構的選擇直接影響程序的性能和可維護性。可變（mutable）與不可變（immutable）數據結構是 Python 數據模型的核心概念。這些概念不僅影響數據的存儲方式，還影響數據的操作方式。 理解可變與不可變數據結構的特性，可以幫助我們更有效地進行數據處理、內存管理和性能優化。在日常編程中，選擇合適的數據結構不僅能提高代碼效率，還

不可變對象 , 數據 , 數據結構 , 人工智能 , 深度學習

u_13303 頭像

colddawn - DB where 字段 is null 會走索引嘛

1.對查詢進行優化，要儘量避免全表掃描，首先應考慮在 where 及 order by 涉及的列上建立索引。 2.應儘量避免在 where 子句中對字段進行 null 值判斷，否則將導致引擎放棄使用索引而進行全表掃描，如： select id from t where num is null 最好不要給數據庫留NULL，儘可能的使用NO

字段 , 大數據 , 存儲過程 , 數據倉庫 , bc

ivorysql_xiaozhuli 頭像

IvorySQL - 直播預告｜ PostgreSQL 與 IvorySQL 在雲原生時代的演進與實踐

觀看直播即有機會獲取 IvorySQL 周邊禮品。歡迎大家預約哦！ 直播預告 本期直播將由兩位講師聯袂分享。 直播時間和平台 時間：2025 年 9 月 29 日 19:30 開啓 平台：【IvorySQL】視頻號 講師簡介 唐成，中啓乘數創始人及 CTO，IvorySQL 專家顧問委員會成員。《PostgreSQL 修煉之道：從小工到專家》的作者，中啓乘數科技創始人及 CTO。資深數據庫

數據庫 , postgresql , 人工智能 , SQL , 程序員

huizhudev 頭像

HuiZhu - 寫週報還在手動湊字數?試試這個結構化提示詞模板

週報:開發者的代碼之外的另一場戰鬥 週五下午 5 點,代碼提交完了,測試也跑通了,本想着可以準點下班。突然想起來:週報還沒寫。 打開文檔,腦子裏的想法是這樣的: const weeklyReport = { tasks: ['修bug', '寫代碼', '開會', '對接需求'], hours: 40, result: '???' } 問題就在這個 result 上。工作做了一堆,但該

generative-ai , 教程 , chatgpt , 人工智能 , prompt

chunzhendexiaogou 頭像

PoloAPI - 一文看懂谷歌I/O 2025開發者大會： Android、Chrome、谷歌搜索、Gemini

谷歌I/O開發者大會以"AI原生生態"為核心戰略，圍繞技術升級、產品整合與商業模式展開深度佈局。以下是關鍵內容的結構化總結： 一、AI技術架構突破‌ ‌Gemini模型矩陣‌ Gemini 2.5 Pro新增Deep Think模式，增強複雜推理能力（數學/編程任務準確率提升37%） 輕量級Gemini 2.5 Flash實現移動端40%延遲降低，支持邊緣設備部署 多媒體生成模型V

gemini-2.5-pro , google , 人工智能 , 後端 , 前端

puxiaoke6 頭像

一點人工一點智能 - 書籍-《優化與最優控制簡明教程》

書籍：Optimization and Optimal Control in a Nutshell 作者：Sudath Rohan Munasinghe 出版：Springer​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《優化與最優控制簡明教程》 01 書籍介紹 本書簡潔地介紹了優化過程和最優控制過程，並通過實例和仿真幫助自學和更好地理解。首先從函數優

算法 , 人工智能 , 深度學習 , 優化

aloudata 頭像

Aloudata大應科技 - ChatBI 推薦：Aloudata Agent 分析決策智能體在“歸因分析”上的突破

前言 在智能數據分析時代，企業對於數據分析的需求已超越簡單的數據呈現，更追求對數據波動背後原因的深度洞察。作為一款 ChatBI 分析決策智能體，Aloudata Agent 不止於幫助企業通過自然語言實現“智能問數”，在“歸因分析”上還實現了重大突破，通過其自主構建的 NoETL 指標語義層，提供了可組合、可追溯、可解釋、可複用的歸因分析能力，把每一次波動、每一場對比、每一個異常，都變成一次結構

agent , 人工智能 , 數據分析

u_17580222 頭像

mb691327edb400f - AI人工智能

在數字化轉型加速與人才競爭白熱化的當下，企業招聘正陷入前所未有的多重困局。一方面，經濟下行壓力下企業招聘預算普遍收緊，但業務擴張、人才迭代帶來的崗位需求卻愈發迫切，人才市場中核心崗位的薪酬成本持續攀升，HR團隊卻往往面臨人手不足、技術工具匱乏的資源困境；另一方面，海量簡歷如同“信息海洋”，HR僅依靠人工逐一審閲不僅耗時耗力，還易因主觀判斷出現疏漏，即便經過多輪面試，仍常出現候選人

數據 , 人工智能 , 深度學習 , 迭代

u_16349720 頭像

短短同學 - 正則表達式進階用法：從基礎到實戰的全場景指南

正則表達式（Regular Expression，簡稱 Regex）是文本處理的 “瑞士軍刀”，它通過簡潔的語法規則，實現對字符串的匹配、提取、替換與驗證。在前文哈希機制的學習中，我們瞭解到 “映射” 是核心邏輯；而正則表達式的核心，則是 “模式定義”—— 用特定語法描述目標文本的結構，再通過解釋器執行匹配操作。本文將從基礎語法拓展到進階技巧，結合 10 + 實戰場景，帶你掌握正

正則 , bc , 人工智能 , 深度學習 , 正則表達式

u_16380863 頭像

未聞花名AI - 構建AI智能體：十四、從“計算”到“洞察”：AI大模型如何讓時間序列數據“開口説話”

一、我需要學習“時間序列”嗎 今天主題是“時間序列模型”，在開始之前我們先討論一下學習大模型需要了解時間序列嗎，首先要看我們的目標，學習大模型也必須也要有自己的目標。 應用型工程師： 如果想成為一名應用大模型的專業工程師，比如構建一個智能聊天客服機器人、開發一個文檔總結工具、創建一個代碼生成助手，那麼，不需要深入研究時間序列模型，此時你的核心技能應該是：

擬合 , yyds乾貨盤點 , 數據 , NLP , 人工智能 , 時間序列

writers 頭像

思否編輯部 - 論壇前瞻 一文讀懂軟件供應鏈和開源安全系列標準

中國信息通信研究院雲計算與大數據研究所自 2019 年，以安全開發為切入點，開展軟件供應鏈和開源安全相關研究工作並搭建標準體系。截至目前，由中國信息通信研究院牽頭，廣泛邀請包括金融、互聯網、運營商、軟件廠商、安全廠商、工具廠商等個行業領域專家參與，共同編制了 1 項國家標準、3 項行業標準和 7 項團體標準，具體如下圖。同時依託標準展開測試評估工作，目前已有累計 50 餘家企業的產品通過測試評估。

開源 , 開源項目介紹