收藏 / 列表

u_16237826 頭像

軟件求生 - 為什麼 Redis 單線程卻比多線程還快？真實原因震撼我

大家好，我是小米，一個在互聯網研發裏滾了十來年、對技術既執着又好奇、寫代碼比寫週報開心的 31 歲男人。 今天這篇文章想和你聊聊一個面試“高頻炸裂”的問題——Redis 線程模型到底是怎麼回事？ 別小看這個問題，它比你想象的“壞”多了。 有一次我去一家還算知名的互聯網公司面試，面試官是個戴着黑框眼鏡、看起來很斯文的小哥，但當他一開口，我立馬意識到這人不好

單線程 , redis , yyds乾貨盤點 , 數據庫 , 多線程

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - 警用眼鏡1秒識別車輛，背後隱藏的AI浪潮如何改變你的職業？

看到交警戴上智能眼鏡的那一刻，你的職業生涯正在面臨一場革命。 近日，廣州交警一線警力開始配備新型智能眼鏡，用於路面車輛查驗工作。該眼鏡具備車牌識別與比對功能，可快速判斷車輛是否持有“十五運會”及“殘特奧會”專用車證，實現高效放行。 據交警部門介紹，以往通過警務通手動輸入車牌查詢的方式，如今被眼鏡掃描替代，查驗時間從人工輸入縮短至1到2秒，大幅提升了通行效率，減少因查驗造成的交通干擾。 智慧交管：從

人工智能

weidejianpan 頭像

商湯萬象開發者 - LazyLLM x MemU：20 行代碼打造有長記憶的知識問答

在開發知識問答助手的過程中，常見的挑戰之一就是如何讓智能體記住之前的對話和交互內容。 很多應用在實現多輪問答時，會遇到信息丟失或上下文混亂的問題：用户提過的問題、提供的數據、甚至助手之前的回答都無法被系統持續記憶，導致體驗斷層。對於企業級知識庫或面向用户的個人助手來説，這種缺失不僅影響回答的準確性，也使得智能體難以形成長期價值。 構建一個能夠記憶的問答系統，並非簡單地將對話記錄寫入數據庫。 智能

科技 , 人工智能 , 開源 , llama , dify

smartbidashuju 頭像

Smartbi - 對話思邁特CEO姚詩成：存量時代 BI 不只拼產品，客户真正要的是這兩種核心價值

​​​​​​​ChatBI是解藥還是新泡沫？ @松果財經 原創作者|在輝 2025年春節，DeepSeek的爆火讓產業圈迎來一波全民狂歡。很多行業或主動或被動地被AI影響，拿到了大量商機，銷售電話被打爆。 BI是其中一個典型。這個曾經專注於數據分析的行業，和AI有着天然的“親近感”。 思邁特CEO姚詩成告訴松果財經，當時那種氛圍中，不少客户涌入後台，紛紛表示今年預算重點在AI：“很多時候你過

數字化轉型 , bi , 人工智能

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 - 什麼是鐵路車號識別裝置？

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 , 算法 , 人工智能 , 深度學習

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.31-11.07）

本週AI領域動態密集，美團、360、銀河通用、字節、騰訊、Kimi與科大訊飛等分別發佈多模態、圖文、導航及視頻推理模型；工具層面，寒武紀、百度、崑崙萬維、騰訊均推出新平台或功能。技術方面，在長序列處理、多智能體協同及代碼執行效率上取得突破。市場方面，OpenAI與AWS達成鉅額合作，小鵬發佈人形機器人「IRON」。整體呈現高效化、多模態與實用化趨勢，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模

資訊 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

yufan_645f1d6e3f1d1 頭像

俞凡 - [大廠實踐] 少即是多：Zendesk 長時間作業執行優化

本文介紹了 Zendesk 構建數據遷移器進行長時間大規模賬户數據遷移的實踐，以及選擇這種作業執行方式的權衡和取捨。原文：Less is More: Improving job execution by ditching the job executor 本文概述了我們所做的架構調整，這些調整極大簡化了長時間運行任務的執行模式。 通過利用客户端行為，系統不僅提升了整體功能，還消除了分佈式任務

後端

wangzhongyang_go 頭像

王中陽講編程 - Python 的 PyPy 能追上 Go 的性能嗎？

在我們選擇用哪種編程語言進行後端開發的時候，Python 和 Go 似乎代表了兩種極端： Python 以人生苦短我用Python的開發效率聞名，卻經常因性能被調侃為慢如龜速； Go 則以編譯即部署的輕量和高併發性能成為雲原生時代的寵兒，卻因語法簡陋被吐槽開發像搬磚。 而 PyPy 的出現，像給 Python 注射了一劑強心針，這個基於 JIT（即時編譯）的 Python 解釋器，宣稱能讓 Pyt

go , 後端 , Python

chenzhuodeyagao 頭像

沉着的牙膏 - AI驅動·全鏈路監測·精確防護：構建新一代政務數據安全平台

一、概要 隨着政務數字化轉型的加速，政務數據安全面臨着前所未有的挑戰。數據安全不僅關乎公眾的隱私和權益，更是確保政務服務高效運行的基礎。為了更好地應對數據安全風險，本方案提出了一種基於全知科技的政務數據安全監測平台，該平台通過AI驅動、全鏈路監測和精準識別的技術特性，實現了對政務數據的全生命週期安全管控。平台在無干擾政務服務的同時，精準識別各種潛在的風險，從而有效地保障了數據安全與合規要求的

深度學習

codesheep_pro 頭像

CodeSheep - Jetbrains正式官宣免費，太炸裂了！！

提到 Jetbrains，相信搞開發的同學應該都不陌生。 眾所周知，該公司盛產各種編程IDE和開發工具。 2000年才成立，到現在卻已經發布了超30款世界頂級的編程軟件，同時也收穫了來自全球範圍內開發者和用户的青睞。 而就在不久前，Jetbrains 又放出了一個爆炸式的消息，那就是： Jetbrains 正式官宣： WebStorm 和 Rider 這兩款強大的IDE從現在開始對非商業用途全

ecmascript-6 , c# , 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 - 基於 Three.js 的 3D 模型加載優化

作者：來自 vivo 互聯網前端團隊- Su Ning 作為一個3D的項目，從用户打開頁面到最終模型的渲染需要經過多個流程，加載的時間也會比普通的H5項目要更長一些，從而造成大量的用户流失。為了提升首屏加載的轉化率，需要儘可能的降低loading的時間。這裏就分享一些我們在模型加載優化方面的心得。 一、前言 近段時間，我們使用three.js完成了vivo擬我形象的開發工作，大家可以在vivo賬號

rust , three.js , webassembly , 3d

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 - 中文Markmap v2.0 現已上線，新增高效功能，老闆再也留不住你下班的腳步！

介紹 Markmap.js 是一款開源項目，在 GitHub 上獲得了超過 1.7 萬個星的關注，它的主要功能是將 Markdown 文檔可視化為思維導圖。 在日常使用中，用户經常需要面對老闆的"再改一版"的問題， 而你則需要對生成的思維導圖進行高效修改以達到老闆的合理需求。 為此，中文Markmap 2.0 版本的更新，有效解決了這一需求，以下是新增的功能： 從圖形節點跳轉

Markdown

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🥤 - 智能API代碼示例生成工具AiRestful

一、產品介紹 AiRestful是一款基於智能AI的,幫助小白快速生成任意編程語言的API接口調用示例代碼的編程工具.它的特點是:簡單易用、集成支持、多主流編程語言覆蓋.它是面向學生、編程愛好者、編程小白的實用工具. AiRestful官網: 點擊直達AiRestful官網 二、如何使用 AiRestful是簡單易用的,只需要三步即可為您生成您需要的編程語言的代碼示例. 1、第一步(必須): 根

restful , 人工智能 , 深度學習 , 前端 , Javascript

jdcdevloper 頭像

京東雲開發者 - 淺談冪等設計 | 京東雲技術團隊

1 冪等性 一句話，冪等就是一個執行操作，無論執行多少次，產生的效果和返回的結果都是一樣的。 2 為什麼要實現冪等性？ 如今隨着互聯網技術快速發展，業務越來越複雜，系統的高併發和關鍵數據的場景越來越多。 在分佈式系統中，機器宕機和消息丟失也是需要重點關注的問題，其中的一個典型就是冪等性問題。 想想看，一個對外暴露的接口會面領很多次請求，如果不能保證冪等性會帶來什麼樣的後果？ 微信進行一次扣款操作，

redis , 高併發 , 接口設計 , 冪集

alijishu 頭像

阿里雲開發者 - 理解JS中的原型(Prototypes)

全新對象 在JS中，對象是有很多key和value構成的一種數據存儲結構。例如，如果想描述一個人的基本信息，可以構建一個擁有firstName和lastName的對象，並且分別被賦值為北宸和範。在JS對象中的key的值是String類型的。 在JS中，可以用Object.create創建一下全新的對象： //構建了一個空對象 var person = Obeject.create(null)

js異步編程 , code , prototype , 原型 , 代碼規範

u_16655836 頭像

wx6603b05eb93d0 - 上游6666元教養殖，下游變神藥治百病！殺人蜂騙局兩頭割……

俗話説，人有多大膽，地有多大產！這句俗語，在賺錢這件事上，體現得尤為淋漓盡致。 比如，小柴看完今天的一個熱搜話題，感慨，你永遠想不到，殺人蜂這玩意，竟然也能成為暴利生意，而且還能做到兩頭收割的完美閉環。 這個熱搜話題是——央視曝光6666元包教包會養殺人蜂…… 可能看到這個話題，你就會覺得，這和當年教養蠍子的騙局有啥區別？但你要相信，騙局永遠是與時俱進的

人工智能 , 數據分析 , 社交媒體

u_16060192 頭像

HyperAI超神經 - 在線教程丨目標檢測邁入「全局感知」時代：清華大學等發佈 YOLOv13，實現速度、精度雙突破

在自動駕駛、工業質檢、安防監控等需要「毫秒級反應」的應用場景中，實時目標檢測始終是一條極具挑戰的技術賽道。過去十年裏，YOLO 系列憑藉輕量高效的架構成為該領域的主流方案，從最初的 YOLO 到近年的 YOLOv11、YOLOv12，模型不斷在速度與精度之間尋找新的平衡點。 不過，即便進化多次，YOLO 系列的底層機制依舊面臨共同瓶頸： 要麼像卷積那樣只能在固定感受野內做局部聚合，要

卷積神經網絡 , 人工智能 , 計算機視覺 , 實時目標檢測

u_16018702 頭像

架構師李哲 - 大模型微調有必要做嗎？全參數微調、LoRA還是RAG？看完這篇你就懂了

在人工智能迅猛發展的今天，大型語言模型已成為解決各類問題的強大工具。但當您想要打造一個真正理解所在行業、掌握專業知識的大模型時，總會面臨一個關鍵問題：如何用最小的成本、最高的效率，讓通用模型變得"專業"？ 這就像把一位通才培養成領域專家——選對方法，事半功倍。這正是LLaMA-Factory Online要解決的核心問題——通過智能化的微調，讓每個團隊都能輕鬆駕馭大模型適配

實時更新 , 數據 , 人工智能 , 深度學習 , 迭代

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