Nov 16 2025

天潤融通科技 - 天潤融通ZENAVA上崗3C家電售後，90%的報修無需人工處理

在競爭日趨激烈的家電行業，售後服務已成為影響消費者忠誠度和品牌口碑的關鍵戰場。 過去，面對一台壞掉的空調、洗衣機，消費者要撥打售後熱線，重複描述問題、等待人工響應、排隊建單、安排維修……流程複雜、響應慢、體驗差，品牌好感度就這樣一點點流失。 而現在，這一切正被AI徹底改寫。 在大量真實客户的服務場景中，天潤融通推出的對話式AI產品ZENAVA，已經將90%以上的

人工智能 , 深度學習

Nov 16 2025

fangpin - 從 0 搭建 LLM 不再難！這個 PyTorch 項目幫你吃透大模型底層邏輯

如果你曾想深入理解大語言模型（LLM）的 “五臟六腑”，卻被框架封裝的黑盒接口、複雜的源碼結構勸退；如果你希望親手實現 Transformer 的每一個組件，而非單純調用transformers庫 —— 那麼今天推薦的這個開源項目，絕對能成為你的 LLM 學習 “腳手架”。 它就是 GitHub 上的 llm-from-scratch（項目地址），一個基於 PyTorch、專為教育設

AIGC二三事 , llm , BPE , 人工智能 , transformer , 深度學習 , 大模型

Nov 06 2025

IvorySQL - 直播預告｜PostgreSQL 18 六大新特性深度解析

PostgreSQL 18 已於 9 月 25 日正式發佈。該版本包含大量改進，其中有多項新特性。在 PostgreSQL 18 發佈後，IvorySQL 社區推出了一篇六大新特性解讀的文章聚焦六大功能：PostgreSQL 18 新特性深度解析，引發了多人關注。 本次直播，我們邀請到了本文的六位作者，為大家深度解析每一個功能的變化。同時，我們特別邀請了彭衝老師擔任本次直播的主持人。 觀看直播即有

數據庫 , postgresql

Oct 30 2025

HuiZhu - 30分鐘搞定媒體級新聞稿！我開源了這個"公關寫手"AI指令

哈嘍，各位思否的開發大佬們！ 作為技術人，我們最擅長的是寫代碼、解決問題，但一提到"新聞稿"，很多人就懵了。 "我們產品功能很強，為什麼媒體不報道？" "技術這麼牛，為什麼投資人聽不懂？" "明明很用心，為什麼傳播效果這麼差？" 這些問題，本質上都是內容表達能力的問題。 最近我整理了一套"新聞稿撰寫AI指令"，把專業公關寫手的思維模式，用我們程序員最熟悉的"工程化思維"重新包裝了一下。

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

Nov 03 2025

PoloAPI - Windows 系統安裝與使用 Claude Code 全攻略

Claude Code 作為一款高效的 AI 編程輔助工具，深受開發者青睞，但由於其本身不支持 Windows 文件系統，在 Windows 系統上使用需要藉助 WSL（適用於 Linux 的 Windows 子系統）。下面為你詳細介紹在 Windows 系統上安裝和使用 Claude Code 的完整流程。 什麼是 WSL WSL（Windows Subsystem for Linux，適用於

編程 , 人工智能 , 深度學習 , 後端 , 前端

Nov 05 2025

一點人工一點智能 - 《控制與建模的經典與現代優化技術》

書籍：Classical and Modern Optimization Techniques Applied to Control and Modeling 作者：Radu-Emil Precup，Raul-Cristian Roman，Elena-Lorena Hedrea等 出版：CRC Press 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《控制

機器學習 , 控制器 , 人工智能 , 優化

Nov 06 2025

Aloudata大應科技 - 2025 AI 智能問數產品推薦：Aloudata Agent 分析決策智能體

摘要： Aloudata Agent 是業界首個公開體驗版企業級數據分析智能體，基於“NoETL 明細語義層 + 多 Agent 協同”架構而構建，通過獨創的 NL2MQL2SQL（MQL:MetricQueryLanguage）技術路徑，可以幫助用户實現自然語言智能問數、歸因分析、報告生成，推進數據民主化，精準賦能業務靈活用數和敏捷決策。 Aloudata Agent 還支持用户根據不同業

agent , 人工智能 , 數據分析

Nov 15 2025

全棧技術開發者 - 結構化協作（structured collaboration）本質是什麼？什麼是「語義編排」？語義編排在FoA中核心原理是什麼？

在現代人工智能中，智能體的規模和複雜性正在以前所未有的速度擴展。單個智能體在處理複雜任務時往往面臨計算能力和知識覆蓋的限制，而多智能體系統的出現為解決這一問題提供了可能。然而，隨着智能體數量的增加和任務複雜度的提升，如何確保智能體之間能夠高效、可靠地協作，成為設計分佈式智能系統的核心挑戰。 傳統的多智能體系統通常依賴於同步調用或點對點通信來完成任務分配與結果收集。這種模式在

yyds乾貨盤點 , 智能體 , 異構 , 人工智能 , 深度學習 , 子任務 , 結構化