博客 RSS 訂閱

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第44講筆記：隱語在新能源車險聯合定價中的實踐

筆記內容來自隱語Mooc，歡迎一起來學習。Mooc課程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8r... 📘 8.6 隱語在新能源車險聯合定價中的實踐 主講人：陳超 | 螞蟻保車險聯合定價技術負責人 一、新能源車險的困境 1. 行業背景 新能源車銷量持續增長，滲透率快速上升（2024年預計達50%+）。

機器學習 , 教程 , 人工智能

收藏 評論

u_14585161 頭像

beifu - 淺析一層交換機/二層交換機/三層交換機的區別

在弱電網絡、企業組網乃至數據中心的日常交流中，大家總會聽到“這是一層交換機”、“那是二層交換機”、“核心要用三層交換機”這樣的説法。很多新手運維工程師甚至部分技術人員，對這幾類交換機的概念並不清晰： 一層交換機是不是就是集線器？ 二層交換機到底靠什麼區分設備？ 三層交換機和路由器的邊界在哪裏？ 別急，今天我們就來一次系統、深入的拆解，

二層交換 , 運維 , 三層交換機 , 工作原理

收藏 評論

u_16175498 頭像

mob649e8163f390 - autodl上運行llama3

在這篇博文中，我們將深入探討如何在 autodl 上運行 Llama3。隨着機器學習和自然語言處理領域的發展，Llama3 作為一種新興的模型，逐漸得到越來越多開發人員的關注。本文將通過各個方面闡述如何 smoothly 遷移和優化這一過程，包括版本對比、遷移指南、兼容性處理、實戰案例、性能優化及生態擴展。 版本對比 首先，讓我們看看 Llama3 不同版本間的特性差異。以下是

性能優化 , 自動化工具 , 工具鏈 , aigc

收藏 評論

pannideniupai 頭像

雨大王 - AI視覺檢測怎麼選？技術原理、行業應用與解決方案解析

最近在工業智能化的浪潮下，AI視覺檢測技術成了製造業轉型升級的熱門話題，尤其是對於那些對產品精度和質量要求越來越高的企業來説，它簡直成了救命稻草。説實話，這種技術並不是憑空冒出來的，而是深度學習和傳統機器視覺的結合體。舉個簡單的例子，電子製造業裏的PCB板檢測，過去全靠人工肉眼識別，效率低下不説，還容易出錯，現在用AI視覺檢測，精度和速度都上了一個台階。 AI視覺檢測的核心在於它的算法。深度

人工智能

收藏 評論

u_16099345 頭像

智能開發先鋒 - 基於deepseek的智慧運維繫統技術方案

　試想一下，如果你在家看歐洲盃看得意興正濃、好不痛快的時候，啪!停電了。 　　你是否會捶胸頓足，心急難耐? 　　總之，你一定會感到失落，甚至是失望。 　　於個人而言，停電會給生活帶來諸多不便。 　　於企業而言，停電則是真金白銀的損失。 　　電力系統主要由發電、輸電、變電、配電和用電等環節組成。變電站作為電力系統的核心環節，對保證用户用電的可靠性尤為關

數據 , 運維 , 3d , aigc , bard

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - 利用Amazon Bedrock構建智能報告生成Agent

本文介紹通過Amazon Bedrock構建報告生成Agent，用在ESG報告生成場景。 背景 在全球可持續發展趨勢日益加強的背景下，環境、社會和公司治理(ESG)報告已從選擇性披露轉變為企業戰略必備要素。隨着全球主要金融市場監管機構和交易所逐步將ESG披露納入強制要求，企業面臨着前所未有的合規壓力與利益相關方期望。然而，高質量ESG報告的編制工作面臨兩大核心挑戰： 挑戰一：國際ESG框架的複雜

人工智能

收藏 評論

shuzibingbaoshichangbu 頭像

圖觀 - 從“看”到“治”：數字孿生如何重塑城市治理的“智慧大腦”

在智慧城市建設的深水區，一個核心挑戰日益凸顯：如何將散落在城市各個角落的數據——交通流量、環境監測、能源消耗、公共安全事件——從冰冷的數字，轉化為可被直觀感知、深度分析並驅動決策的“城市生命體徵”？對於承擔着大型信息系統集成重任的您而言，這不僅是技術命題，更是關乎項目價值與可持續運營的商業命題。 傳統的城市運營中心（IOC）往往面臨“數據孤島、展示平面、決策滯後”的困境。大屏上羅列着眾多圖表

資訊 , 知識 , 可視化

收藏 評論

u_13527 頭像

bigrobin - 冗餘的索引對插入的效率影響有多大

本文主要討論四個問題： （1）為什麼會有冗餘表的需求 （2）如何實現冗餘表 （3）正反冗餘表誰先執行 （4）冗餘表如何保證數據的一致性 一、需求緣起 互聯網很多業務場景的數據量很大，此時數據庫架構要進行水平切分，水平切分會有一個patition key，通過patition key的查詢能夠直接定位到庫，但是非pati

消息總線 , 冗餘的索引對插入的效率影響有多大 , 大數據 , 數據 , 離線 , 數據倉庫

收藏 評論

u_16099343 頭像

編程夢想編織者 - 兩主三從 分佈式hadoop

分佈式系統中的主從複製基本原理 分佈式系統中的主從複製基本原理 複製指在多台機器上保存相同數據的副本，通過數據的複製，人們希望達到以下目的： 使用户使用物理上離他們更近的的數據，降低訪問延遲。 部分組件出現故障，系統仍然可以繼續工作，提高可用性。 擴展至多台機器以令他們同時提供數據訪問服務，提高讀吞吐量。 本文只討論一些簡

觸發器 , 兩主三從 分佈式hadoop , 大數據 , 數據 , 關係型數據庫 , hadoop

收藏 評論

xishui_5ac9a340a5484 頭像

夕水 - React Server Components 中的嚴重安全漏洞

本文翻譯自原文地址。 React Server Components 中的嚴重安全漏洞 2025年12月3日，由 The React Team 發佈 React Server Components 中存在一個未經身份驗證的遠程代碼執行漏洞。 我們建議立即升級。 11月29日，Lachlan Davidson 報告了 React 中的一個安全漏洞，該漏洞允許未經身份驗證的遠程代碼執行，通過利用 Re

react , 前端

收藏 評論

weixiaoderenzituo_dq0ms3 頭像

王思睿 - 需求澄清三板斧：舉例子、畫流程、列邊界，把需求變成可落地方案

做項目久了你會發現，很多項目崩潰不是因為技術難，而是因為項目需求沒説清楚。需求澄清這件事，看起來像聊天，實則是項目需求分析、需求管理和跨部門溝通的起點。本文想用一個真實故事，拆解我一路摸索出的「需求澄清三板斧」——舉例子、畫流程、列邊界，幫你把模糊的業務需求變成團隊可執行的共識。 一次典型的需求澄清失敗 幾年前，我接了一個看上去不難的項目需求： “就在現有系統上做一點小改動，讓審批更靈活一點

需求管理 , 教程 , 知識 , 研發管理

收藏 評論

beishangdebanma 頭像

悲傷的斑馬 - GEO優化：從搜索排名到AI認知卡位的技術躍進

在生成式AI的答案中搶佔一席之地，成為品牌的新目標。這背後的核心變化，是流量入口從傳統的“搜索引擎結果頁”轉移到了“AI對話答案”，競爭的焦點也從“技術優化”轉向了“認知滲透”。 據IDC及行業白皮書數據，2025年國內GEO市場規模已實現百億躍升，同比激增67.8%。超過四分之一的全域搜索流量正向AI對話平台遷移，企業若未能提前佈局，將面臨用户觸達渠道失靈的增長困境。這場由技術驅動的營銷革

觀點 , 資訊 , 教程 , 知識

收藏 評論

u_16213353 頭像

mob64ca12dd8bce - stable diffusion git

stable diffusion git 是一個用於圖像生成的深度學習模型，其背後的原理和實現架構吸引了許多開發者與研究者。本文將對 stable diffusion git 的運作機制、架構設計和源碼實現進行詳細剖析，幫助大家更好地理解和應用該技術。 背景描述 在人工智能領域，圖像生成技術正逐步成熟，尤其是在生成對抗網絡（GANs）和變分自編碼器（VAEs）等模型的推動下，圖像

預處理 , 數據 , aigc , Git

收藏 評論

u_10538247 頭像

王星星LOVER - HTML5 服務器發送事件(Server-Sent Events)

HTML5 服務器發送事件（server-sent event）允許網頁獲得來自服務器的更新。 Server-Sent 事件 - 單向消息傳遞 Server-Sent 事件指的是網頁自動獲取來自服務器的更新。 以前也可能做到這一點，前提是網頁不得不詢問是否有可用的更新。通過服務器發送事件，更新能夠自動到達。 例子：Facebook/Twitter

服務器 , php , server , 代碼人生

收藏 評論

linyuyizhizou_678b9fdc436f1 頭像

小帆聊前端 - JS this取值深度解讀

JS this取值深度解讀 前言：被 this 折磨的前端日常 “為什麼函數裏的 this 一會兒是 window，一會兒是 undefined？” “對象方法裏的 this，賦值給變量後調用怎麼就指向全局了？” “箭頭函數的 this 為什麼跟外層函數一模一樣，改都改不了？” “用 new 創建實例時，this 明明指向實例，怎麼返回個對象就變了？” this 是 JavaSc

this , 前端 , Javascript

收藏 評論

liuhh 頭像

liumang - uniapp微信小程序應用騰訊地圖及實現自定義拖拽view

實現效果 地圖定位、地點搜索、拖拽地圖中心定位 底部view拖拽下滑和上滑 拖拽和縮放地圖，底部view滑動到底部 實現方案 方案一 通過uniapp提供的movable-area movable-view 實現滑動。一開始還算順利，但是後邊遇到了各種奇葩問題，主要就是屏幕事件衝突的問題和輸入框焦點問題。導致我不得不想各種野路子去解決，最後算是順利實現了，但是偶爾

微信小程序 , uni-app , 拖拽 , 騰訊地圖 , 前端

收藏 評論

kunaodehaigui 頭像

苦惱的海龜 - JSAPIThree 加載 Mapbox 數據學習筆記：使用 Mapbox 矢量瓦片地圖

作為一個剛開始學習 mapvthree 的小白，今天要學習加載 Mapbox 數據了！聽説這個功能可以加載 Mapbox 的矢量瓦片地圖，還能自定義樣式！想想就期待！ 第一次聽説 Mapbox 數據加載 今天在文檔裏看到了"Mapbox"這個詞。文檔説 Mapbox 數據加載可以： 加載 Mapbox 官方地圖 支持自定義 MVT 路徑 需要配置 AccessToken 我的理解

學習

收藏 評論

wosign 頭像

沃通CA - SSL證書越貴就越安全？如何最大限度地節省開銷

現在網站安全已不再是可選項，而是企業信譽和用户信任的基石。SSL證書作為實現HTTPS加密、保護數據傳輸安全的核心組件，幾乎是所有網站的“標配”。然而，當您放眼市場，會發現SSL證書的價格從幾十元到上萬元不等，巨大的價格差異常常讓採購者感到困惑，便宜的證書安全嗎？貴的證書貴在哪裏？如何在確保網站安全的前提下，最大限度地節省SSL證書的採購開銷？ 一、 七大實用技巧，立省SSL證書採購成本 省錢並

ssl證書 , HTTPS

收藏 評論

wosign 頭像

沃通CA - SSL證書的收費標準究竟和什麼有關？難道僅僅是域名嗎？

在為網站部署SSL證書，開啓HTTPS加密之旅時，許多網站運營者都會遇到一個令人困惑的現象，功能看似相似的SSL證書，其價格卻可能從幾十元到數千元不等，差距懸殊。這不禁讓人發問，SSL證書的收費標準究竟和什麼有關？難道僅僅是域名嗎？ 答案是，域名是影響SSL證書價格的關鍵因素之一，但絕非全部。一張SSL證書的最終價格，是由其保護的域名數量、驗證級別、頒發機構（CA）品牌等多個維度共同決定的。理解

ssl證書 , HTTPS

收藏 評論

u_16213369 頭像

mob64ca12e1881c - 如何通過python調用stable diffusion

如何通過Python調用Stable Diffusion 在機器學習和圖像生成領域，Stable Diffusion逐漸成為一種廣受歡迎的生成模型。它基於深度學習，通過條件生成模型生成高質量的圖像。隨着這一技術在商業環境中的應用日益廣泛，相關服務的可用性和性能分析變得尤為重要。 問題背景 隨着對圖像生成能力需求的增加，許多開發者開始探索如何通過Python調用Stable D

數據 , API , aigc , 開發者

收藏 評論

u_12219 頭像

誤會一場 - 搜索分詞器和索引分詞器

三大主流分詞方法：基於詞典的方法、基於規則的方法和基於統計的方法。 1、基於規則或詞典的方法 定義：按照一定策略將待分析的漢字串與一個“大機器詞典”中的詞條進行匹配，若在詞典中找到某個字符串，則匹配成功。 按照掃描方向的不同：正向匹配和逆向匹配 按照長度的不同：最大匹配和最小匹配 1.1

最大匹配 , 大數據 , 中文分詞 , NLP , 數據倉庫 , 未登錄詞 , 搜索分詞器和索引分詞器

收藏 評論

danxiaodezixingche 頭像

老紀的技術嘮嗑局 - 餵飯級教程 —— 基於 OceanBase seekdb 構建 RAG 應用

本文又是一篇餵飯級教程，為大家展示通過 OceanBase seekdb 構建 RAG（檢索增強生成）系統的詳細步驟。 RAG 系統結合了檢索系統和生成模型，可根據給定提示生成新文本。系統首先使用 seekdb 的原生向量搜索功能從語料庫中檢索相關文檔，然後使用生成模型根據檢索到的文檔生成新文本。 前提條件 已安裝 Python 3.11 或以上版本 已安裝 uv 已準備好 LLM AP

agent , 教程 , 人工智能

收藏 評論

u_16175442 頭像

mob649e81567471 - 安裝llama

在這篇博文中，我將分享如何安裝和配置 Llama（一個強大的自然語言處理模型），包括環境準備、安裝步驟、配置詳解、驗證測試以及優化技巧和擴展應用。隨着這篇博文的閲讀，您將瞭解到各個環節的細節以及在安裝過程中需要注意的事項。 環境準備 在開始之前，我們需要確保系統中安裝了 Llama 的前置依賴，如 Python 和 CUDA。以下是相應的安裝命令： # 更新系統 sudo a

aigc , CUDA , Python

收藏 評論

lying7 頭像

躺柒 - 讀智能新物種04自主決策

1.分配責任 1.1.弄清楚在出現問題時如何分配責任是一個很大的挑戰，但這個問題已經存在了幾千年 1.2.雖然大多數現代法律制度傾向於將動物視為財產而不是人，但該制度通常承認這種“財產”對自主行為的偏好 1.3.今天，隨着機器人開始進入共享空間，撞倒蹣跚學步的幼兒，抵制“機器人本身應負責任”的想法尤為重要，負責任的應該是人 1.4.嘗試用動物做類比，我們會發現現在或許並不是我們想象的那樣，成為了

AI

收藏 評論