收藏 / 列表

u_15214399 頭像

u_15214399 - 基於華為開發者空間，實現RFM分析與CLTV預測的電商客户細分與營銷策略優化

本案例由開發者：天津師範大學協同育人項目–翟羽佳提供 最新案例動態，請查閲 《【案例共創】基於華為開發者空間，實現RFM分析與CLTV預測的電商客户細分與營銷策略優化》。小夥伴快來領取華為開發者空間進行實操吧！ 一、概述 1. 案例介紹 隨着電子商務行業的競爭加劇，企業需要更加精細化的客户管理策略來提升客户忠誠度和營銷效率。根據最新的市場調研，電商行業平均

數據 , pytorch , Customer , 人工智能 , 開發者

u_16237826 頭像

軟件求生 - 我被問懵了：Tomcat 到底有幾種部署方式？

那是一個陽光明媚的週一早晨，我剛端起手邊的咖啡，還沒來得及喝上一口，HR小姐姐就笑眯眯地出現在我面前：“小米，下週去面試一家大廠吧？他們挺喜歡你的項目經驗。” 我一愣——面試？這可是我一年多沒換工作的第一個挑戰。於是我火速打開IDEA，開始複習八股文。JVM、Spring、Redis、MySQL……複習得正歡，突然一個題目跳了出來： “Tomcat

Spring Boot , yyds乾貨盤點 , 生產環境 , xml , 後端開發 , 熱部署

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - 當管理者開始領導上百個“智能體”，我們該慌了嗎？

當你的同事是會感知、能決策的“智能體”，你的價值將如何重新定義？ 從軟件工具到AI同事：企業服務賽道迎來範式革命 近日，在一年一度的行業大會上，國內頭部企業管理軟件廠商金蝶宣佈，將其核心品牌全面升級為“AI”，並旗幟鮮明地指出：“企業管理軟件已進入AI時代。” 這並非個例。從全球的Salesforce、SAP，到國內的各大廠商，在基本完成“雲轉型”後，向“AI轉型”已成為整個企業服務賽道共

c++ , JAVA , Python

weidejianpan 頭像

商湯萬象開發者 - LazyLLM教程 | 第14講：實戰：構建一個支持複雜學術論文問答的RAG系統

在前面的課程中，我們學習了 RAG 相關的知識，以及如何自定義 Reader 組件和在 RAG 任務中處理圖片和表格數據。本節內容將在此基礎上，利用前面學到的知識，搭建一個基於論文的問答系統。 在信息爆炸的時代，科研論文的數量激增，研究人員在查閲文獻時面臨諸多挑戰。論文內容專業性強、邏輯複雜，傳統的關鍵詞檢索方式難以精準提取核心信息，導致獲取有效內容的成本較高。 為了解決這一問題，RAG技術被廣泛

論文 , 教程 , 知識 , 系統架構 , 人工智能

smartbidashuju 頭像

Smartbi - Smartbi 10 月版本亮點：AIChat對話能力提升，國產化部署更安全

10 月版本煥新上線！Smartbi AIChat 與一站式 ABI 平台再升級，聚焦「交互體驗、數據效率、部署適配、安全管控」四大方向，解決溝通閉環、國產化遷移、大規模授權加載慢等實際業務痛點，讓數據分析更順暢、部署更靈活、安全更可靠，助力企業降本提效！下文為你拆解功能亮點～ 01 Smartbi AIChat 1 新增對話評論與回覆，雙向溝通更高效 AIChat 以往的反饋是單向的：用户提交問

大數據 , 版本更新 , 數據分析

bizidadejianbing 頭像

DashVector - 如何通過Python SDK向Collection中插入或更新Doc

本文介紹如何通過Python SDK向Collection中插入或更新Doc。 説明 若調用本接口時Doc Id已存在，則等同於更新Doc； Doc Id不存在，則等同於插入Doc。 若調用本接口時不指定Doc Id，則等同於插入Doc，DashVector會自動生成Doc Id，並在返回結果中攜帶id信息。 前提條件 已創建Cluster 已獲得API-KEY 已安裝最

向量 , 數據庫 , 人工智能 , 大模型

grapecity 頭像

葡萄城技術團隊 - 代碼生成器之如何快速生成後端接口？

前言 在現代軟件開發中，重複性的增刪改查邏輯代碼的編寫往往非常耗時且容易出錯。為了提高開發效率，減少手動維護的成本，代碼生成器就成為了一個非常重要的工具，本文小編就將為大家介紹一下如何利用一個開源項目快速生成數據接口。 實現方式 環境準備 技術棧：Java，Spring-Boot，MyBatisPlus，Maven（可選） 在開始前，請先確保自己有Java開發環境，並下載好這兩個項目。 附

code

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（10.17-10.24）

本週AI領域動態頻出，百度、阿里、DeepSeek推出高效OCR與視覺語言模型，提升文檔解析與多模態能力；騰訊、字節跳動分別開源世界模型與3D生成模型，推動3D內容生成；Anthropic、OpenAI、Google升級AI工具，聚焦生命科學、瀏覽器集成與開發體驗；華為鴻蒙6、宇樹機器人H2及多項評測基準發佈，推動AI向終端與實體場景加速落地，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模型 百

機器學習 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

yufan_645f1d6e3f1d1 頭像

俞凡 - FastAPI 項目架構指南

本文介紹了在 Python 項目中使用 FastAPI 構建產品的代碼架構設計模式，通過良好的代碼架構，可以清晰的組織代碼功能，有助於開發功能良好的產品。原文：FastAPI Architecture Guide: Build Scalable and Secure Systems with This Production-Ready Template 在生產環境中運行這個架構之後，可以自

程序員

wangzhongyang_go 頭像

王中陽講編程 - 面試必問：MyBatis 高頻面試題！

這些都是面試常見的問題，看看下面的問題你都能答得上來嗎？ 1.什麼是 MyBatis？它有哪些主要特性和優勢？ 2. mybatis 和數據庫交互的原理？ 3. mybatis 中#{}、${}的區別 4. Mybatis 自帶連接池都有什麼？ 5. Mybatis 的一級、二級緩存？ 6. MyBatis 是如何進行分頁的？分頁插件的原理是什麼？ 7. m

面試問題 , JAVA , 後端 , Mybatis

chenzhuodeyagao 頭像

沉着的牙膏 - 運營商數據治理新範式：AI大模型賦能的低成本場景適配分類分級系統

一、概要: 隨着5G技術的推廣和數據量的急劇增長，運營商面臨着數據分類與合規管理的巨大壓力，尤其是在敏感數據的精準分類與新業務需求的快速適配方面。全知科技的“知源-AI數據分類分級系統”，該系統針對運營商在數據管理與合規方面的挑戰，提供了一種基於AI大模型賦能的低成本、場景適配性強的解決方案。該方案通過深度學習和知識圖譜技術，顯著提高了數據分類的效率和準確性，確保了數據在全生命週期中的安全與

人工智能

codesheep_pro 頭像

CodeSheep - 稚暉君又開始搖人了，有點猛啊！

最近，稚暉君創業的智元機器人公司又開始各種“搖人”了，除了 2026 屆校園招聘正式啓動之外，最引人矚目的當屬新發布的「優才計劃」。 怎麼樣？這個名字是不是看起來就不一般？ 沒錯，這個屬於智元的高端人才招聘計劃，面向全球頂尖技術人才的公開招聘。 並且智元的這次優才計劃主要聚焦在兩個重點核心研發部門，分別是： 「智元 X-Lab」 和 「智元具身研究中心」。 其中「X-Lab」是智元 CTO-Of

機器學習 , 人工智能 , typescript , 前端 , Javascript

tizuqiudexiangpica 頭像

DM今天肝到幾點 - 7.16 勝算 AI 資訊日報：DeepMind 自信悖論、LG 混合模型登場、Astra AI 垂直突圍、瑞士千語開源

DeepMind 披露 LLM 的“自信悖論” 最新論文指出，LLM 在多輪追問或遭遇矛盾信息時，往往一面頑固堅持錯誤答案，另一面又輕易放棄已驗證的正確結論，呈現“過度自信 + 過度懷疑”的雙重失衡。(X (formerly Twitter), arXiv) 勝算短評：這相當於把“漂移”和“幻覺”結合成一個新級別風險：即便提示工程再精細，也可能在深層對話中被拖入邏輯黑洞。

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

vivo_tech 頭像

vivo互聯網技術 - 一次基於AST的大規模代碼遷移實踐

作者：來自 vivo 互聯網大前端團隊- Wei Xing 在研發項目過程中，我們經常會遇到技術架構迭代更新的需求，通過技術的迭代更新，讓項目從新的技術特性中受益，但由於很多新的技術迭代版本並不能完全向下兼容，包含了很多非兼容性的改變（Breaking Changes），因此我們需要設計一款工具，幫助我們完成大規模代碼自動遷移問題。本文簡單闡述了基於 AST 的代碼遷移概念和大致流程，並通過代碼案

ast , 代碼遷移 , 抽象語法樹 , postcss , Javascript

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 - 告別生硬翻譯！AI谷歌翻譯：讓你的文字“説人話“

還在為生硬的機器翻譯而苦惱嗎？ 還在為無法準確傳達意思而抓狂嗎？ 是時候告別這些煩惱了！ AI谷歌翻譯，基於先進的神經網絡技術，讓你的文字“説人話”，輕鬆跨越語言障礙，實現自然流暢的溝通。 AI谷歌翻譯的核心技術是基於神經網絡的深度學習模型。 這種模型能夠模擬人腦的學習過程，通過海量的語料庫訓練，逐漸掌握語言的細微差別和語境的複雜性。 與傳統的機器翻譯不同，神經網絡翻

人工智能 , 翻譯

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

liuyuedekele 頭像

六月的可樂🥤 - Vue3項目中集成AI對話功能的實戰經驗分享

前言 最近在項目中需要集成AI對話功能，經過調研後選擇了ai-suspended-ball-chat這個Vue3組件庫。使用了一段時間後，想從技術使用者的角度分享一下真實的體驗和踩過的坑，希望對有類似需求的開發者有所幫助。 項目背景與選擇理由 我們的項目是一個企業級的管理後台，需要為用户提供智能客服和代碼助手功能。在選擇方案時，主要考慮了以下幾個因素： 開發效率：不想從頭開發聊天UI和

vue.js , 人工智能 , 前端 , html5 , Javascript

jdcdevloper 頭像

京東雲開發者 - 抽象語法樹AST必知必會 | 京東物流技術團隊

1 介紹 AST 打開前端項目中的 package.json，會發現眾多工具已經佔據了我們開發日常的各個角落，例如 JavaScript 轉譯、CSS 預處理、代碼壓縮、ESLint、Prettier 等。這些工具模塊大都不會交付到生產環境中，但它們的存在於我們的開發而言是不可或缺的。 Babel，Webpack，Vue-cli 和 EsLint 等很多的工具和庫的核心都是通過 Abstract

ast , 抽象語法樹 , 前端 , html5 , Javascript

alijishu 頭像

阿里雲開發者 - 構建可靠的物聯網系統：瞭解 MQTT 性能測試

引言 近十年來，物聯網迎來了爆炸式的增長。面對海量的設備及其產生的數據，物聯網應用和服務變得越來越複雜。我們不僅要保證這些物聯網系統的業務功能正確無誤，還要保證系統能夠支持大量設備之間持續穩定地通信。 因此，我們需要通過性能測試以確保所構建的物聯網系統是穩定可靠的。 完整內容請點擊下方鏈接查看： https://developer.aliyun.com/article/1240780?utm_co

數據 , 物聯網 , 阿里雲 , 性能 , mqtt

JavaEdge 頭像

JavaEdge - Embedding Atlas：Apple推出的開源Embedding可視化工具！

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

聚類 , yyds乾貨盤點 , 數據 , 人工智能 , 深度學習 , 開發者

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

fabarta 頭像

Fabarta - Cursor可控AI編程實踐：縮短交付週期，保障產品質量

導讀AI編程工具的興起讓開發效率有了質的飛躍，但很多開發者在使用過程中會發現一個問題：AI生成的代碼往往與現有項目的技術棧、編碼規範不匹配，需要大量的手動修改，開發效率拖了後腿。如何讓AI按照我們的意圖和規範來編寫代碼？這就是"可控AI編程"要解決的核心問題。 通過Cursor可控AI編程技術，我們大幅提升了開發效率，同時確保了產品的高質量和可靠性。本文將展示這一技術如何為企業創造實際價

編程 , 人工智能 , 深度學習