收藏 / 列表

u_16459925 頭像

wx6583a3b0b06d1 - DIFY-WEB Docker 容器化部署指南

概述 DIFY-WEB是Dify.AI的前端應用Docker鏡像，Dify是一款LLM應用開發平台，目前已支持超過10萬款應用的構建。該平台集成了Backend as a Service (BaaS)和LLMOps的核心概念，覆蓋了構建生成式AI原生應用所需的核心技術棧，包括內置的RAG引擎。通過DIFY，用户可以基於任何LLM模型自助部署類似Assistants API和

生產環境 , 數據可視化 , dify部署 , 人工智能 , dify , Docker

momodel 頭像

Momodel - ColBERT——以詞元級別的向量嵌入提升信息檢索效果

介紹 檢索增強一代 （RAG） 自成立以來就風靡全球。RAG 是大型語言模型 （LLM） 提供或生成準確和事實答案所必需的。我們通過RAG解決LLM的事實性，我們嘗試為LLM提供一個與用户查詢上下文相似的上下文，以便LLM將處理此上下文並生成事實正確的響應。我們通過以向量嵌入的形式表示我們的數據和用户查詢並執行餘弦相似性來做到這一點。但問題是，所有傳統方法都以單個嵌入表示數據，這對於良好的檢索系統

llm , 向量 , 編碼 , 人工智能 , 檢索系統

dewujishu 頭像

得物技術 - 可擴展系統設計的黃金法則與Go語言實踐｜得物技術

一、引言：為什麼需要可擴展的系統？ 在軟件開發領域，需求變更如同家常便飯。一個缺乏擴展性的系統，往往在面對新功能需求或業務調整時，陷入“改一行代碼，崩整個系統”的困境。可擴展性設計的核心目標是：讓系統能夠以最小的修改成本，適應未來的變化。對於Go語言開發者而言，利用其接口、併發、組合等特性，可以高效構建出適應業務演進的系統。 本文將從架構設計原則、編碼實踐、架構實現模式、驗證指標到演進路線，系統講

開發工具 , go , 後端

alixitongruanjianjishu 頭像

阿里云云原生 - 雲原生場景下高可用架構的最佳實踐

作者：劉佳旭（花名：佳旭），阿里雲容器服務技術專家 引言 隨着雲原生技術的快速發展以及在企業 IT 領域的深入應用，雲原生場景下的高可用架構，對於企業服務的可用性、穩定性、安全性越發重要。通過合理的架構設計和雲平台的技術支持，雲原生高可用架構可以提供高可用性、彈性擴展性、簡化運維管理、提升可靠性和安全性等方面的優勢，為企業提供了更加可靠和高效的應用運行環境。 Kubernetes 是雲原生的核心技

阿里雲 , 雲原生 , 高可用

u_17342767 頭像

野豹商業評論 - 從"小微之王"到"罰單大户"：民生銀行的雙面2025

當51.42億元信用卡不良資產在銀登中心掛牌轉讓，當2025年度罰沒金額逼近9500萬元，中國民生銀行——這家曾被譽為“民營銀行標杆”的金融機構，正站在矛盾交織的十字路口。 一邊是時隔四年重拾增長的營收曲線，一邊是連續七個季度下滑的淨利潤；一邊是不良資產轉讓中“嚴禁暴力催收”的合規表態，一邊是罰單扎堆暴露的內控漏洞。 民生銀行究竟怎麼了？這場橫

差異化 , 風控 , 數據 , 人工智能 , 數據分析

u_15690955 頭像

出手吧Glen - 免費，無限，批量AI換臉！支持直播！

大家好，我是立志替大家出手的AI區（最近在醖釀一個新東西，更新慢一點）UP主Glen。 寶子們，今天給大家帶來一個超酷的AI換臉神器——Roop-Unleashed，它簡直就是換臉界的“變形金剛”，功能強大到讓你驚掉下巴！ Roop-Unleashed到底有多厲害？ Roop是AI換臉領域的鼻祖級項目，但因為一些不可抗力，原作者停更了。

機器學習 , 換臉 , 人工智能

u_16116809 頭像

wx6464351503832 - GPT-5.1 發佈：更智能也更“人性化“的 AI 助手

2025年11月12日，OpenAI 發佈了 GPT-5 系列的重要更新版本 GPT-5.1，包括 GPT-5.1 Instant（即時版）和 GPT-5.1 Thinking（思維版）兩個變體。這次更新不僅在技術能力上有所提升，更值得關注的是其在對話風格上的顯著變化，而這一變化正在社區中引發激烈討論。 技術升級：智能與效率的平衡 GPT-5

redis , 智能體 , 數據 , gpt , 數據庫 , 人工智能 , 大模型

u_15316473 頭像

阿里雲大數據AI技術 - EMR Serverless Stella 1.0 技術分享：StarRocks企業級版本內核重大突破

在今年雲棲大會上，EMRServerlessStella1.0正式發佈，這是一款面向企業級場景深度優化的高性能數據分析引擎。阿里雲開源大數據平台OLAP引擎負責人周康系統性地分享了Stella在存算分離架構、Lakehouse場景以及全文檢索等三大核心場景下的深度優化經驗，為業界提供了大規模OLAP系統工程化實踐的寶貴參考。Stella引擎的發佈將為企業級用户提供更加專業、高效的

大數據 , 數據倉庫 , 阿里雲 , Lakehouse , starrocks , Stella , olap

u_16018702 頭像

架構師李哲 - 最佳實踐丨讓蘇東坡"復活"！我用Qwen3-8B實現了與千古文豪的跨時空對話

"你是誰？" "我是一個多才多藝的文學家、書法家和畫家，生活在北宋時期。我是蘇東坡，我……" 這不是穿越劇的台詞，而是藉助大模型技術實現的真實對話。在人工智能的賦能下，千年前的文豪蘇東坡以“數字分身”的形式“復活”，與今人吟詩作對、暢談人生，展開一場跨越時空的交流。 這是微調前大模型的回答。此時的模型如同一個精準的“知識庫”，回答客觀

AIGC二三事 , 數據集 , 數據 , 大模型微調 , 人工智能 , 深度學習

candy_68fb0dfb0afd0 頭像

Candy - 構建具備深度思考能力的 Agentic RAG 流水線，用於解決複雜查詢

原文地址：https://mp.weixin.qq.com/s/JnRcU-6wg6g9RjdVXe3fQA 很多 RAG 系統失敗，並不是因為 LLM 不夠聰明，而是因為它們的架構太簡單。它們試圖用線性的一次性方式，處理一個本質上循環、多步驟的問題。 許多複雜查詢需要推理、反思，以及何時行動的聰明決策，這與我們面對問題時如何檢索信息非常相似。這正是 RAG 流水線中引入“agent 驅動行為”的

人工智能

fannaodeshafa 頭像

煩惱的沙發 - 7個讓全棧開發效率起飛的 Bun 工作流

有沒有誰敲下 npm install 後，電腦風扇開始狂轉，好像隨時就要起飛了。 隨着 Bun 的出現，這種情況就好轉了，Bun 把運行時、包管理器、打包工具、測試工具全塞進了一個二進制文件裏，主打多快好省。 但光用上 Bun 還不夠，得用得巧。今天就分享7個Bun工作流，提升你的全棧開發效率，減少掉髮。 在開始之前，咱們先解決入門問題。要在電腦上裝 Bun 或者 Node.js，就得得跟 nv

web開發 , 後端 , 前端 , Javascript

liudamao 頭像

劉大貓 - JavaScript入門及基礎知識介紹

@[toc] JavaScript大綱 1.概述 JavaScript是一門世界上最流行的腳本語言 ==一個合格的後端人員，必須要精通JavaScript== 2.歷史 https://blog.csdn.net/kese7952/article/details/79357868 ECMAScript它可以理解為是JavaScript的一個標準 最新版本已經到ES6，但是

數據類型 , 算法 , 人工智能 , JAVA , Javascript

lab4ai 頭像

Lab4AI - 10.7萬條軌跡+4大機器人構型！RoboMIND開源數據集破解機器人通用操作難題

01 | 引入 開發魯棒且通用的操作策略是機器人領域的關鍵目標。為實現有效的泛化能力，構建包含大量演示軌跡和在複雜真實環境中完成多樣化任務的綜合數據集至關重要。儘管現有研究已致力於整合各類機器人數據集，但仍缺乏統一的數據收集標準，且在多樣化任務、場景和機器人類型方面的高質量數據不足。因此，構建一個大規模、標準化的多構型機器人操作數據集具有重要意義。然而，現有數據集往往存在以下侷限： l 規模有限

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

fabarta 頭像

Fabarta - 強強聯合！楓清科技攜手麒麟OS發佈「雲邊端協同AI智能體聯合解決方案」

AI正加速成為企業業務創新與效率提升的核心動力，在國家政策推動下，AI與實體經濟的深度融合已成為趨勢，企業向“知識化、智能化”升級已成共識。但企業轉型中痛點顯著：一是知識資產分散孤島，難以整合為可共享且安全可控的企業級知識庫；二是AI應用落地難，企業知識呈多模態且結構複雜，難以解析並支撐AI應用。同時，個人辦公面臨 “知識過載”，與企業系統存在數據斷層。 11月20日，楓清科技

服務器端 , 企業級 , 人工智能 , 深度學習 , 解決方案

openbayescom 頭像

OpenBayes - OpenBayes 一週速覽丨李沐團隊開源語音大模型Higgs Audio V2，擴展多語言對話等功能

公共資源速遞This Weekly Snapshots ！ 5 個公共數據集： B3DB 生物基準數據集 PolyMath 數學推理數據集 SongEval 音樂評估數據集 MegaScience 科學推理數據集 WebInstruct-verified 多領域推理數據集 4 個公共模型： gpt-oss-20b gpt-oss-120b Qwen3-30B-A3B-Inst

llm , 圖像識別 , 數學 , 自然語言處理 , chatgpt

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_13303 頭像

colddawn - 神經網絡自適應控制仿真matlab 自適應 神經網絡

Adaptively Connected Neural Networks Paper link: Adaptively Connected Neural Networksarxiv.org Code link: wanggrun/Adaptively-Connected-Neural

神經網絡自適應控制仿真matlab , 自適應 , 卷積 , 數據 , 神經網絡 , 人工智能

whaosoft143 頭像

whao143 - 51c自動駕駛~合集51

#毫末最新OAD 軌跡偏移學習助力端到端新SOTA~ 端到端自動駕駛技術在近年來取得了顯著進展。在本研究中，我們提出了軌跡偏移學習，將傳統的直接預測自車軌跡，轉換為預測相對於軌跡錨點的偏移，降低模型學習的難度。與baseline模型相比，該方法顯著提高了規劃精度和安全性，在nuScenes上將L2 error降低了39.7%（從0.78m降至0.47m），並將碰撞率降

自動駕駛 , 人工智能 , 計算機視覺

baidujiagoushi 頭像

百度Geek説 - 百度垂搜數據管理系統彈性調度優化實踐

百度垂直搜索系統將搜索核心能力賦能阿拉丁（百度搜索特型結果）、垂直領域搜索、應用內搜索等場景，支撐了數百個檢索場景、百億級內容數據的檢索。隨着接入業務數量和數據量不斷增長，系統在海量數據管理與調度上遭遇新的挑戰，通過垂搜數據管理系統彈性調度優化實踐來滿足業務增長需求。 01 背景 1.1簡介 百度垂搜架構的召回引擎經過歷史架構演進確定了異構部署的架構模型，相較於同構部署在容量自動調整、數據按需存儲

大數據 , 搜索 , 雲原生

ivorysql_xiaozhuli 頭像

IvorySQL - 無需安裝！PostgreSQL 18 Windows 便攜部署方案

在 Windows 環境中使用 PostgreSQL 的常見做法是下載安裝程序並進行配置。該方式操作簡便，可自動完成依賴組件和系統服務的部署。然而，對於無需 PostgreSQL 持續運行、需要在多個版本之間靈活切換，或希望具備可複製至任意計算機並直接運行的便攜式環境的場景，本文將介紹一種更靈活的實現方案。 該方案僅適用於個人開發環境。在未進行安全加固的情況下，不應將其用於共享或生產部署等場景。

數據庫 , postgresql

huizhudev 頭像

HuiZhu - 每週8小時耗在會議上，但73%的會議紀要根本沒人看

數據顯示，職場人平均每週花費8小時在各類會議上，但調研發現：73%的會議紀要在發出後根本沒人仔細讀，92%的行動項沒有被有效追蹤。 更尷尬的是，38%的職場人承認自己"從不寫會議紀要"，原因不是懶，而是不知道該怎麼記錄才有用。 這就是會議紀要的真實現狀：會開了，時間花了，但價值沒沉澱下來。 會議紀要為什麼淪為"形式主義"？ 真正的問題不是寫不寫，而是寫了沒人用。我見過太多這樣的紀要： 會議紀要 -

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

aoshizhongshengdexiangjiao_bvx78q 頭像

傲視眾生的香蕉_bvX78Q - 亞馬遜Kiro強勢挑戰Cursor霸主地位，AI IDE大戰誰能笑到最後？

2025年，AI驅動的開發工具生態系統正在經歷前所未有的變革。在Cursor重新定義AI IDE概念之後，亞馬遜推出的Kiro以其獨特的"規劃優先"理念強勢入場，為開發者帶來了全新的編程體驗。這兩款工具雖然都致力於提升開發效率，但在架構設計、工作流程和生產力提升方式上卻展現出截然不同的哲學。 本文將從技術架構、功能特性、開發者體驗等維度深度對比這兩款AI IDE，探討它們如何重塑現代軟件開發流程。

開發工具 , 人工智能 , ide

shujuxiaowanzi 頭像

數據小玩子 - 2025年主流BI工具深度測評：從功能到成本的全方位對比分析

2025年4月，Gartner最新報告指出，全球BI市場規模已突破2000億美元，但70%的企業因選型不當導致數據價值利用率不足40%。在這個數據驅動決策的時代，選擇一款合適的BI工具成為企業數字化轉型的關鍵一步。本文將從功能特性、易用性、價格成本和適用場景四個維度，對當前市場上最受關注的8款BI工具進行深度測評，幫助不同類型的用户找到最適合自己的"效率神器"。 FineBI：國產BI的全能選手

bi , 數據分析