收藏 / 列表

u_16970152 頭像

求知上進 - Python 集合操作的魔法書

1. 集合數據結構概述 1.1 什麼是集合？ Python 中的集合（set）是一種無序、可變、不允許重複元素的數據結構，基於數學集合概念。集合的主要特點包括： 無序性：元素沒有固定索引，無法通過位置訪問。 唯一性：自動去除重複元素。 可變性：set支持添加、刪除元素；frozenset是不可變版本。 高效性：基於哈希表，成員測

集合運算 , 人工智能 , 深度學習 , 集合操作 , Python

u_16349720 頭像

短短同學 - 對象住哪裏?——深入剖析JVM內存結構與對象分配機制

對象住哪裏？—— 深入剖析 JVM 內存結構與對象分配機制 在 Java 程序運行時，我們創建的每一個對象（如new User()）都需要佔用 JVM 內存，但這些對象究竟 “居住” 在哪個內存區域？為何有的對象很快被回收，有的卻能長期存活？要解答這些問題，必須先理清 JVM 的內存結構劃分，再深入對象從創建到銷燬的全生命週期分配邏輯 —— 這不僅是面試高頻考點，更是理解

User , jvm , 人工智能 , 深度學習 , 常量池

u_13303 頭像

colddawn - STM32F407 cubemx adc注入法加規則

文章目錄 前言 一、ADC 什麼是ADC？ ADC主要特性有那些？ ADC的功能説明 二、實驗步驟 代碼部分講解 代碼示例 總結 前言 本文參考了網上的博文，並加以歸納總結，幫助新手

機器學習 , 初始化 , 採樣週期 , 人工智能 , 寄存器

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

matrixorigin 頭像

MatrixOrigin - 第五屆 HiPM 產品創新力峯會｜矩陣起源帶您深度解析企業級 Agent 實踐

10月17日-18日，第五屆 HiPM 產品創新力峯會在深圳成功舉辦。本次峯會匯聚了眾多國內頂尖的科技企業與行業專家，共同探討 AI Agent 在多模態、產品化落地等領域的最新趨勢與實踐。矩陣起源作為企業級 AI Agent 解決方案的先行者，受邀出席本次盛會。矩陣起源資深產品專家魏旭東發表了題為《構建值得信賴的企業級 Agent 解決方案》的主題演講，分享了矩陣起源在一線業務場景中的深

數據挖掘 , 數據庫 , 人工智能

metaxk 頭像

萬界星空科技 - QMS選型的本質與AI質檢的終極賦能

行業適配是偽命題？QMS選型的本質與AI質檢的終極賦能​ 一、選擇QMS應該如何選擇呢？ 1、功能 2、業務關聯和控制能力 3、集成能力 4、併發和大數據處理能力 5、諮詢能力，設計能力 6、其他製造業系統的熟悉程度，最好做MES，ERP。 二、AI質檢在萬界星空科技QMS中的具體應用場景 來料檢驗（IQC） 傳統方式： 抽樣檢

運維 , 工業智能化 , 人工智能 , 製造業 , 工業物聯網

openanolis 頭像

龍蜥社區 - 深度探討“雲+智能計算”，智算新基礎設施分論壇議程揭曉 | 2025 龍蜥大會

2025 龍蜥操作系統大會將於 11 月 17 日在北京·星地藝術中心舉辦，由中國計算機學會開源發展技術委員會、泛在操作系統開放社區、中關村科技園區朝陽園管理委員會（北京市朝陽區科學技術和信息化局）、中國開源軟件推進聯盟指導，龍蜥社區主辦，中關村互聯網 3.0 產業園（星地中心）協辦，阿里雲、中興通訊、海光信息、Intel、浪潮信息、Arm 等 24 家理事單位共同承辦，主題為“生態共融·智驅未來

操作系統 , 開源

nocobase 頭像

NocoBase - Markdown 區塊的妙用

Markdown 區塊是我們最常用且功能強大的區塊之一。它從輕量級文本提示到簡單的 HTML 樣式，甚至可以承擔重要的業務邏輯，功能多樣而靈活。 一、Markdown 區塊的基本功能 由於 Markdown 區塊具有靈活、公開和隨時可更改的特點，它常被用於展示系統公告。無論是業務模塊、功能、區塊還是字段，我們都可以像小便利貼一樣，隨時貼上我們想要的小提示。 在使用 Markdown 區塊之前，建議

無代碼開發平台 , 開發工具 , 低代碼 , 開源 , Markdown

liudamao 頭像

劉大貓 - Redis 搭建主從複用-讀寫分離和主備切換,及重要的關鍵詞解釋 部分2

# 3.10註釋公共配置追加文件 根據需求配置是否打開追加文件選項 appendonly yes - 每當 Redis 執行一個改變數據集的命令時（比如 SET），這個命 令就會被追加到 AOF 文件的末尾。這樣的話，當 Redis 重新啓時，程序就可以通過重新執 行 AOF 文件中的命令來達到重建數據集的目的。 3.11從服務器默認是隻讀不允許寫操作(不用修改) 4. 添

大數據 , 雲計算 , 算法 , 物聯網 , 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

codists 頭像

codists - 2025年10月文章一覽

2025 年 10 月編程人總共更新了 1 篇文章： 1.2025年9月文章一覽 如果用一句話來形容 10 月，那就是“心裏很着急，想做的太多，但是執行能力跟不上”，“路要一步一步走，飯要一口一口地吃”——還是慢慢來。 歡迎搜索及關注：編程人(a_codists)

Python

writers 頭像

思否編輯部 - 智創飛躍｜2025 Google 開發者大會邀你報名

點擊屏末|閲讀原文|即刻報名2025Google 開發者大會

google , google-i-o-25

u_17580222 頭像

mb691327edb400f - AI面試智能體

培訓預算削減的背後，是時候重新審視招聘的真正成本。 年底覆盤，不少HR對着培訓報表愁眉不展：預算花了近百萬，員工滿意度剛過及格線，業務部門還抱怨“培訓沒用”。降本增效的要求之下，培訓預算首當其衝被壓縮。問題真的出在培訓本身嗎？或許，根源在於招聘環節——選錯人，才是企業最大的成本浪費。 01 培訓無效的背後：選錯人是最昂貴的成本 當業務部門抱怨“培訓沒用”時，他們

沉浸式 , 一對一 , 人工智能 , 深度學習

u_17420180 頭像

合合信息解決方案 - 申請試用智能財務單據處理平台

方案介紹 面對財務單據處理中“效率低、易出錯、合規難”的痛點，這款AI驅動的一站式財務單據自動化處理平台應運而生，為中小企業提供全方位的財務文檔處理解決方案。平台深度融合AI技術與財務管理場景，支持海內外不同版式、不同類型財務文檔的全流程自動化處理，涵蓋智能採集、解析、分類、信息抽取及智能審核等核心功能。 在單據覆蓋方面，無論是發票、銀行回單、承兑匯票、完税證明等標準

機器學習 , 表單 , 上傳 , 自定義 , 人工智能

u_17512334 頭像

疆鴻智能研發中心 - CC LINK IE與ETHERNET/IP“語病”有治了！一網關讓產線精準同步

CC LINK IE與ETHERNET/IP“語病”有治了！一網關讓產線精準同步 在電子製造車間裏，PCB測試線如同一道精密的脈搏。一側，三菱PLC控制着機械臂的每一次起落；另一側，羅克韋爾PLC指揮着檢測儀的每次測量。這本應是完美的配合，卻因兩大工業巨頭“語言不通”——CC LINK IE與ETHERNET/IP協議無法直接對話，導致機械臂與檢測儀動作存在毫秒級延遲，最終

ETHERNET , ip , CCLINKIE , 協議轉換 , 人工智能 , 深度學習 , 網關 , 工業自動化

u_16380863 頭像

未聞花名AI - 構建AI智能體：十二、給詞語繪製地圖：Embedding如何構建機器的認知空間

我們理解“蘋果”這個詞，能聯想到一種水果、一個公司、或者牛頓的故事。但對計算機而言，“蘋果”最初只是一個冰冷的符號或一串二進制代碼。傳統的“One-Hot”編碼方式（如“蘋果”是[1,0,0,...]，“香蕉”是是[0,1,0,...]）無法表達任何語義，所有詞之間的關係都是相等且無關的。 如何讓機器真正“理解”含義？這就需要一種新的表示方法——Embedding。它就像一

中心詞 , NLP , 加載 , 人工智能 , 詞向量

candy_68fb0dfb0afd0 頭像

Candy - AI Agent 與 Agentic AI 系統：真正的區別是什麼？

大多數人把這兩個詞混用——但一個負責執行任務，另一個旨在達成目標。教你如何區分（以及各自的適用場景）。 先來澄清當下 AI 討論中最常見的一處混淆。 你可能經常看到大家把“AI agent”和“agentic AI system”當成同一件事。但事實是： 🚨 它們有關聯，但並不相同 就像把微波爐稱作“廚師”。它確實能加熱食物，但它不會幫你策劃一場晚宴。🍳 Friend Link 同理，AI

人工智能

selectdb 頭像

SelectDB技術團隊 - 從 Snowflake 到 Apache Doris：Planet 實時分析成本直降 80%、查詢加速 90 倍

Planet 是一家全球領先的金融科技企業，在零售、酒店和旅遊行業的支付與税務數字化服務領域深耕近四十年。公司業務廣泛，覆蓋支付處理、免税退税及行業軟件等，致力於通過一體化的解決方案提升全球商户的運營效率與顧客體驗。 為了應對日益增長的數據分析需求並優化成本效益，Planet 數據團隊近期主導完成了一項重要的數據倉庫升級，將系統從 Snowflake 遷移至開源的 Apache Doris。 這次

資訊 , apache

fannaodeshafa 頭像

煩惱的沙發 - Gemini CLI 核心命令指南，讓工作從從容容遊刃有餘

讓我看看，誰還沒有用上 Gemini CLI？ 免費額度：個人 Google 賬户可享受每分鐘 60 次請求的免費額度，足以滿足日常開發中的交互需求。 強大的模型支持：由 Gemini 2.5 Pro 模型驅動，擁有高達一百萬 token 的上下文窗口，能夠處理和理解大型代碼庫或複雜的文檔。 內置工具集：集成了多種實用工具，包括使用 Google 搜索來提供有時效性的回答、執行文件系統操

ai開發 , gemini-pro , 人工智能 , 後端 , 前端

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

u_16776161 頭像

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

u_17583190 頭像

fangpin - 從 1.56% 到 62.9%：SFT 推理微調優化實戰

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

ivorysql_xiaozhuli 頭像

IvorySQL - PostgreSQL 全表 count 優化實踐：從 SeqScan 痛點分析到 heapam 改進與性能突破

本文整理自 IvorySQL 2025 生態大會暨 PostgreSQL 高峯論壇的演講分享，演講嘉賓：權宗亮。 本文主要包括以下三部分： SeqScan 現狀 heapam 改進 全表計數 SeqScan 現狀 我們使用了一個稍寬的 SeqScan 表，包含約 10-20 個字段，記錄數達 1,000 萬。填充因子約為 50%，生成的數據總計 2.63 GB，佔用約 34.5 萬塊磁盤

數據庫 , postgresql , 人工智能 , SQL , 程序員

huizhudev 頭像

HuiZhu - // TODO: 寫一封讓老闆秒回的郵件？試試這個AI提示詞模板

// 程序員寫郵件的日常 try { const email = writeEmail(); // 期望: 專業得體，重點突出 // 實際: 寫了刪，刪了寫，最後發出去像流水賬 } catch (error) { console.log("郵件焦慮綜合徵又犯了"); } 數據顯示，87%的程序員寫商務郵件需要30分鐘以上，其中63%的人會反覆修改超過3次。不是不會寫

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