博客 RSS 訂閱

u_15927439 頭像

黑馬Amos - Float

Float 將數字字符串或整數值轉換為浮點數。 FltValue := Float(Value) 返回值 類型：Float 此函數返回將Value轉換為純浮點數（類型名稱為"Float"）的結果，如果Value本身已經是正確的類型，則返回Value本身。 説明 如果數值無法轉換，將產

redis , 函數調用 , 字符串 , 運維 , 自動化 , 數據庫 , 浮點數

收藏 評論

u_16116809 頭像

wx6464351503832 - Agent實戰教程：深度解析async異步編程在Langgraph中的性能優化

在現代Python開發中，異步編程已經成為提高程序性能的重要手段，特別是在處理網絡請求、數據庫操作或AI模型調用等耗時操作時。本文將通過實際的LangGraph 示例，深入解析async的真正作用，並揭示一個常見誤區：為什麼異步順序執行與同步執行時間相近？ async的核心作用 async的主要價值在於創建異步編程環境，讓程序在等待耗

性能優化 , redis , 執行時間 , 智能體 , 數據庫 , 人工智能 , 大模型

收藏 評論

gmicloud 頭像

GMICloud - GMI Cloud 攜手英偉達在亞太建設 AI Factory，GB300 萬卡集羣，斥資 5 億美金

摘要 GMI Cloud基於GB300的 AI Factory 啓動構建，該項目攜手英偉達（NVIDIA），總投資額達 5 億美元，萬卡集羣將為全亞太AI產業發展提供堅實支撐。 本週，作為英偉達（NVIDIA）全球六大 Reference Platform NVIDIA Cloud Partner 之一及全球增長最快的 G

數據 , AI基礎設施 , 雲GPU , 人工智能 , 基礎設施 , 深度學習

收藏 評論

u_16163480 頭像

bugyinyin - 收藏必備！DeepSeek+本地知識庫搭建全攻略，小白也能輕鬆上手

前言 本文將詳細介紹如何搭建和使用 DeepSeek + 本地知識庫！ 我們會從兩種主流的搭建方案入手，分別是基於 Cherry Studio 和基於 AnythingLLM 的搭建方法。每一種方案都有其獨特的優勢和適用場景，我們將通過詳細的步驟和實際操作，幫助你快速上手，讓你也能擁有一個屬於自己的智能知識庫。幾分鐘帶你學會~ 為什麼選

大模型教程 , MySQL , AI大模型 , 數據庫 , 人工智能 , 大模型入門 , 大模型學習

收藏 評論

u_13317 頭像

liutao988 - vfp怎麼縱向合併多表

今天在網上看到了一篇寫得非常好的文章，是有關c++類繼承內存佈局的。看了之後獲益良多，現在轉在我自己的博客裏面，作為以後複習之用。 ——談VC++對象模型 （美）簡.格雷 程化 譯 譯者前言 一個C++程序員，想要進一步提升技術水平的話，應該多瞭解一些語言的語意細 節。對於使用VC++的程序員來説，還應該瞭解一些

vfp怎麼縱向合併多表 , 人工智能 , 編譯器 , 計算機視覺 , delete , c , vc++

收藏 評論

xaye 頭像

祝你今天愉快 - C++學習（十一） C 字符串

/* 4.字符串 xaye , 夏夜 C：char[] , char* C++：string */ #includeiostream using namespace std; int main() { // xaye , 夏夜 char name[4] = {'x','a','y','e'}; cout "我的名字是：" name

指尖人生 , 移動開發 , include , c++ , Android , ios

收藏 評論

u_17423871 頭像

美狐美顏SDK開放平台 - 輕量級直播美顏SDK的構建策略：端側推理、模型壓縮與算力調度

在短視頻和直播時代，用户對視頻畫質和美顏效果的要求越來越高。然而，對於直播平台和應用開發者來説，實現高質量美顏同時保持流暢的實時體驗，卻並非易事。今天，我們從軟件開發的角度，探討如何構建一個輕量級直播美顏SDK，並重點關注端側推理、模型壓縮和算力調度三大關鍵策略。 一、為什麼選擇輕量級SDK？ 在直播場景中，用户的設備多樣，從高性能旗艦手機到低端機型都有。這就

視頻美顏sdk , 美狐美顏sdk , 人工智能 , 直播美顏sdk , 計算機視覺 , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從零到一，解鎖城市治理數字孿生高效開發秘籍

作為一名數字孿生應用開發者，我深知在城市治理項目中，我們常常面臨這樣的挑戰：如何快速構建一個既宏觀又精細的三維城市場景？如何讓業務數據與三維場景無縫聯動？如何在有限的開發資源下，實現跨平台、多終端的應用適配？今天，我想和大家分享一些我在實際項目中總結出的高效開發技巧，希望能為你的城市治理數字孿生項目帶來啓發。 一、快速搭建城市級場景底圖，讓項目贏在

數據 , API , 數據可視化 , 人工智能 , 數字孿生 , 調試器

收藏 評論

baihai 頭像

baihai - 分享一名海外獨立開發者的 AI 編程工作流

編者按： 當AI編程智能體宣稱能自動化一切時，我們是否在工具與概念的叢林中迷失了方向，反而忘記了如何最簡單、直接地解決問題？ 本文的核心主張尖鋭而明確：與其追逐繁雜的“智能體套件”、子智能體（Subagents）、RAG 等概念，不如迴歸本質 —— 選擇一個強大且高效的模型，像與一位靠譜的工程師同事那樣，通過簡潔的對話和直覺性的協作來直接解決問題。作者直言不諱地

AI , AI編程 , 人工智能 , 深度學習

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 國防航天領域的智慧指揮新引擎

在國防航天領域，面對日益複雜的任務環境和瞬息萬變的戰場態勢，如何實現高效、精準的指揮決策與運維管理，一直是行業關注的焦點。傳統的信息系統往往存在數據孤島、響應滯後等問題，難以滿足現代國防航天任務對實時性、協同性和智能化的高要求。而今，隨着數字孿生技術的成熟，一種全新的智能運營解決方案正悄然改變這一局面。孿易數字孿生IOC ProMAX版，作為一款集全場景監控、智能分析、應急協同於

數據 , 運維 , 數據可視化 , 人工智能 , 數字孿生 , 解決方案

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從UE到瀏覽器：我們如何用數字孿生重構園區運營

還記得去年那個讓我夜不能寐的項目嗎？一家大型科技園區找到我們，希望打造一套能實時監控、分析和優化園區運營的數字系統。他們原有的2D管理系統已經無法滿足日益複雜的運營需求，而傳統的3D建模方案又面臨着開發週期長、硬件要求高、交互體驗差等痛點。 當UE遇見數字孿生 項目啓動之初，我們面臨的最大挑戰是如何在保證視覺效果的同時，實現高效的開發迭代。傳

數據 , API , 加載 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生賦能數據中心運維

在數據中心運維領域，傳統的運維方式常常面臨數據孤島、響應滯後、管理複雜等挑戰。隨着數據中心規模的擴大和複雜度的提升，如何實現高效、智能的運維管理成為行業關注的焦點。孿易數字孿生IOC憑藉其一體化監測運維平台、靈活後台配置和強大的數據接入能力，為數據中心運維帶來了全新的解決方案。本文將通過實際應用案例，展示孿易IOC如何幫助數據中心實現智能高效運營。

數據 , 運維 , 數據可視化 , 數據中心 , 人工智能 , 數字孿生

收藏 評論

u_16099265 頭像

智能開發者 - oem解鎖後如何還原

Oracle用户，權限，角色以及登錄管理 1. sys和system用户的區別 system用户只能用normal身份登陸em。除非你對它授予了sysdba的系統權限或者syspoer系統權限。 sys用户具有“SYSDBA”或者“SYSOPER”權限，登陸e

機器學習 , oem解鎖後如何還原 , 系統權限 , 數據庫 , 人工智能 , SQL

收藏 評論

u_16213689 頭像

mob64ca1411a6fc - element點擊大圖預覽

前言 大家好，我是宋哈哈，大家在某寶購買了 某某教學視頻，每次看的時候，都需要網絡去看它，如果網絡不好的時候，豈不是看起來非常吃力？這樣我們就把它爬去下來吧。【以下代碼不一定適合你，但是破解 反爬蟲的思路可能適合你】 這是我在某寶購買的視頻教程： 需要爬去的視頻預覽： 爬取教程講解

機器學習 , python3 , 反反爬蟲 , 爬淘寶視頻 , 人工智能 , element點擊大圖預覽 , selenium

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI保鮮系統：B端企業的降本增效利器，重塑供應鏈核心競爭力

在生鮮、餐飲、零售等行業，有一個沉默的利潤殺手——損耗。它潛藏在倉儲、運輸、銷售的每一個環節，悄無聲息地侵蝕着企業的利潤空間。傳統的保鮮方式，依賴於固定的温控標準和靜態的保質期標籤，這種“一刀切”的模式，在複雜多變的現實供應鏈面前，顯得力不從心。現在，AI保鮮系統正作為一項顛覆性的技術，成為B端企業降本增效、重塑供應鏈的“秘密武器”。 它不是一個簡單的温控設備，而是一個貫穿“採、儲、運、

鏈路 , 黑盒 , NLP , 人工智能 , 模態

收藏 評論

u_17583736 頭像

AI智能助理 - 人工智能要學哪些東西（AI入門必備知識全解析）

人工智能入門必備知識全解析：從疑問到行動指南 Q1：數學基礎是否必須？該學哪些內容？ 數學是AI的底層邏輯，但無需過度深究。核心需掌握線性代數（矩陣運算、向量空間，用於圖像處理與數據建模）1,4、概率統計（貝葉斯定理、分佈分析，支撐模型評估與決策）1,3以及微積分（梯度下降優化算法，提升模型精度）1,4。例如，推薦算法通過向量距離判斷用户相似性，本質是線性

機器學習 , 數學基礎 , AI入門 , Python編程 , 人工智能 , 深度學習

收藏 評論

u_17372332 頭像

mb67ff5f258c5ba - IPA 深度混淆 多層結構拆解與全鏈路加固的工程方法

當我們談“IPA 深度混淆”時，絕不是單純把類名、方法名改成亂碼那麼簡單。 真正的“深度混淆”應該覆蓋： 符號層（類名 / 方法名 / 變量名 / Swift 模塊） 資源層（圖片 MD5 / JSON / H5 / JS / Bundle） 結構層（二進制分佈 / 插件橋接 / 文件引用） 運行時層（Hook 對抗 / 完整性校驗） 策略層（可控白名

yyds乾貨盤點 , 移動開發 , ios

收藏 評論

u_16163442 頭像

datian1234 - 一文詳解RAG技術的五種分類：從基礎架構到智能體RAG的全面解析，零基礎小白收藏這一篇就夠了！！

前言 “ RAG的架構雖然有所不同，但其原理都是相同的，都是通過檢索來增強模型的生成能力，只不過在不同的環節做了不同的優化。” 從事RAG技術的工作也有一兩年時間了，但在此之間都是這學一點那學一點，感覺自己好像什麼都會，但從來沒有對整個RAG系統進行過梳理。 所以，今天就從RAG的迭代過程開始梳理一下RAG的架構升級過程，瞭解不同種類R

大模型教程 , redis , AI大模型 , 數據庫 , 人工智能 , 大模型入門 , 大模型學習

收藏 評論

u_13236892 頭像

哭泣的饅頭 - K8s控制器Deployment(補充)

1 Deployment 1.1 什麼是deployment Deployment(簡稱為deploy)是Kubernetes控制器的一種高級別實現，他構建於ReplicaSet控制器之上。 我們只需要描述Deployment中的目標Pod期望狀態，而Deployment控制器以受控速率更改實際狀態，使其變為期望狀態，也就是説，後期我們部署應用不直接使用Pod和

Deployment , Pod , 運維 , Nginx

收藏 評論

u_13019 頭像

boyboy - RESTARTGCODE在數控當中是 數控clear是什麼意思

Android系統的運行時庫層代碼是用C++來編寫的，用C++來寫代碼最容易出錯的地方就是指針了，一旦使用不當，輕則造成內存泄漏，重則造成系統 崩潰。不過系統為我們提供了智能指針，避免出現上述問題，本文將系統地分析Android系統智能指針（輕量級指針、強指針和弱指針）的實現原理。 在使用C++來編寫代碼的過程中，指針使用不當造成內存泄漏一般就是

智能指針 , 雲計算 , 引用計數 , Android , RESTARTGCODE在數控當中是 , 雲原生

收藏 評論

u_17585432 頭像

wx691d832271996 - 太陽系行星距離計算器項目實戰技巧分享

引言 在當今快速發展的技術世界中，實踐出真知。本文將探討最近完成的"太陽系行星距離計算器"教學輔助工具項目，分享其中的核心功能、技術亮點以及寶貴的開發經驗。這個項目不僅是一次技術挑戰，更是團隊協作和創新思維的完美展現。 項目概述 太陽系行星距離計算器是一個基於Python的桌面應用程序，它能夠精確計算地球與太陽系八大行星及月球的實時距離，並集成了AI行星科普資訊生

距離計算 , 文心一言 , API , aigc , 日誌系統

收藏 評論

mypm 頭像

itestAndy - Codes 創新的低代碼接口測試解決方案，讓點工也能做好接口自動化測試且效率起飛

導讀 常態下,刀耕火種的 Test 環節給自動化的 Dev 與 Ops 踩下了剎車。Codes 以技術極其薄弱，極其不被重視的測試為發力點，通過落地敏捷測試打通了研發與運維中間的樞鈕潤滑環節。解決了 Test 在 DevOps 快速迭代中的木桶效應，促進了研發、測試、運維一體化融合進程。 上述也是 Codes 落地敏捷測試的初心，Codes 也有一個整套敏捷測試的方案的詳説記 Cod

軟件測試

收藏 評論

u_17240866 頭像

u_17240866 - 一文讀懂 PG18 EXPLAIN 新字段：Index Searches

在 PostgreSQL 18 中，你會在 EXPLAIN ANALYZE 的輸出結果中看到 “Index Searches”（索引搜索次數）相關行。如果你和我一樣好奇這些行到底是什麼意思，那這篇文章就是為你準備的。 標準情況 標準情況是 “Index Searches: 1”，表示對索引進行一次遍歷。如果所需數據都集中在索引的同一區域，這種情況可能非常高效。但如果所需條目並非集

字段 , 搜索 , postgresql , 開源

收藏 評論

u_15879876 頭像

Aloudata - 企業級 VS 個人級：智能問數的“集團軍”與“單兵作戰”的差異解析

智能問數正迅速成為企業數據消費的新入口。從初創公司到世界 500 強，眾多組織嘗試通過“一句話問數”的方式，降低數據分析門檻、提升決策效率。理想很豐滿，但現實很骨感，“問不準”、“不靈全”、“問不深”成為大量嚐鮮用户的普遍感受。 表面上看，這類失敗常被歸因於技術瓶頸——例如模型準確性不足、SQL 生成錯誤、響應延遲等。但深入剖析後不難發現，問題的根

大數據 , 數據倉庫 , 智能歸因 , 智能報告 , 數據分析 , 智能問數 , chatbi

收藏 評論