博客 RSS 訂閱

gmicloud 頭像

GMICloud - Dify 上線 GMl Cloud 插件！構建深度研究作流只需 5 步！

摘要 GMI Cloud 插件正式無縫集成到 Dify！提供高性能的多系列模型，如Minimax、DeepSeek、GPT OSS、Qwen、Keling等，支持市場研究、模型評估、文獻綜述等任務處理。大家只需獲取 GMI Cloud API 密鑰，在 Dify 安裝配置插件，即可藉助模板構建深度研究工作流程。本文為步驟的詳細教程。 01 概

機器學習 , AI , 雲GPU , 人工智能 , dify , cloud , 工作流

收藏 評論

u_16213366 頭像

mob64ca12e0c608 - ollama gemma2

ollama gemma2是一款新興的IT工具，旨在幫助開發者和數據科學家處理各種任務。然而，隨着其不斷更新，我們也遇到了一些兼容性和性能問題。本博文將詳細探討這些問題，並提供相關的解決方案。 版本對比 在版本對比中，我們將對ollama gemma2的各個版本進行分析，並突顯出它們的兼容性。 quadrantChart title 版本兼容性分析 x-axi

新版本 , 配置文件 , 舊版 , aigc

收藏 評論

matthieu-cneude 頭像

Matthieu Cneude - How To Build Your Own Mouseless Development Environment

Once upon a time, in the magical land of Software development, there was a young developer, your humble servant, discovering Linux for the first time. Suddenly, I had access to the Linux shell, a to

workflow , Productivity , Tools

收藏 評論

u_16827017 頭像

全棧技術開發者 - 什麼是「多模態協同決策」？它與多傳感器融合的關係是什麼？知識蒸餾和跨模態蒸餾有什麼關係？不同模態之間的信息衝突應如何解決？

在過去的十餘年中，智能交通與自動駕駛技術的發展被普遍視為人工智能落地應用最具代表性與最具挑戰性的領域之一。人們對自動駕駛的期待不僅僅是“解放雙手”，更是寄希望於其能夠顯著提升道路利用效率，並最後推動社會出行方式的根本變革。然而，當我們深入考察現有的自動駕駛方案時，一個不容迴避的現實逐漸顯現出來：單車智能正在觸碰其發展的瓶頸。 自動駕駛的決策過程高度依賴感知，而感知本質上是車

自動駕駛 , 人工智能 , 深度學習 , 車聯網 , 模態

收藏 評論

u_16175489 頭像

mob649e8161c39d - linuxdocker部署stable diffusion

在這篇文章中，我們將介紹如何在Linux Docker環境中部署Stable Diffusion。這一過程不僅涉及環境準備，還包括配置、驗證、優化以及排錯等多個方面。下面就是詳細的步驟和指南。 環境準備 要成功部署Stable Diffusion，首先要確保系統有必要的前置依賴。我們需要安裝 Docker 和 NVIDIA Container Toolkit。 前置依賴安裝

aigc , ci , Docker

收藏 評論

vitaly-friedman 頭像

Vitaly Friedman - Getting Your head Straight: A New CSS Performance Diagnostics Snippet

There are plenty of ways to detect performance bottlenecks and audit CSS. We can look into common performance bottlenecks and the complexity of stylesheets, the way we load assets, and the order in

performance , workflow , Tools , Css

收藏 評論

u_16175470 頭像

mob649e815d334b - golang langchain 連接ollam

在開發與應用程序交互的過程中，如何將 Golang 的 Langchain 庫連接到 Ollama 平台上，成為了許多開發者關心的話題，尤其是在構建基於機器學習和大型語言模型的應用時。本文將詳細解析這一過程，包括適用場景、性能指標、功能特性、實戰對比、內核機制和工具鏈支持，為您提供全面的理解。 背景定位 在當今快速發展的技術環境中，Golang 和大型語言模型（如來自 Ollam

aigc , 開發者 , 代碼示例 , Python

收藏 評論

michelle-barker 頭像

Michelle Barker - Simplifying Form Styles With accent-color

I don’t know about you, but I love it when new CSS properties arrive that make our daily lives as developers simpler and enable us to remove a whole lot of redundant code. aspect-ratio is one such p

Tools , Accessibility , Css , Browsers

收藏 評論

vitaly-friedman 頭像

Vitaly Friedman - Free Online Workshop: Frustrating Design Patterns And How To Fix Them

Disabled buttons. Infinite scroll. Poor inline validation. Parallax. Carousels. Modals. Mega-dropdown hover menus. There is plenty of frustration on the web. Let’s fix that. Join us for a free onlin

Tools , Career , Smashing

收藏 評論

u_16340920 頭像

程序員小徐 - IM SDK選型避坑指南，2025年最新10家服務商穩定性排名

隨着移動互聯網的深入發展，即時通訊已使用到各行各業，從日常的社交聊天到關鍵業務的金融交易、遠程醫療、在線教育，穩定可靠的IM服務成為保障用户體驗和業務連續性的基石。 本文將深入探討2025年主流IM服務商的穩定性表現，通過對多項指標的全面評估，對IM SDK的技術架構和性能表現進行排名。 01 行業基石：IM核心場景與穩定性的生命線意義 即時通訊已從單純的社交工

機器學習 , 高併發 , 聊天室 , 人工智能 , 即時通訊

收藏 評論

u_16340920 頭像

程序員小徐 - 零研發實現AI對話，有沒有好用的服務商？

在競爭激烈的數字時代，智能對話能力已成為企業提升用户體驗、優化運營效率的關鍵。然而，技術門檻高、研發成本大、週期長等因素讓許多企業望而卻步。 幸運的是，如今市場上涌現出一批提供“零研發” 解決方案的服務商，讓企業無需從零構建技術團隊，也能快速擁有先進的AI對話能力。 一、AI對話的核心技術能力 實現真正智能的人機對話，需要兩大核心能力支撐： AI模型能力

機器學習 , 音視頻 , API , 人工智能 , 模態

收藏 評論

jonne-kats 頭像

Jonne Kats - Rebuilding A Large E-Commerce Website With Next.js (Case Study)

At our company, Unplatform, we have been building e-commerce sites for decades now. Over those years, we have seen the technology stack evolve from server-rendered pages with some minor JavaScript a

Headless , next.js , E-Commerce , Case Studies

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - 全協議讀卡模塊廣泛應用於門禁、梯控、消費系統，支持1K起訂的OEM定製及二次開發，可集成掌靜脈/人臉等多模態識別技術，是智能安防系統的理想解決方案

DAIC-MJ-QRW全協議讀卡模塊技術摘要：該模塊採用47×27×5mm緊湊設計，支持DC5V/3.3V/12V寬電壓輸入，功耗100mA。支持13.56MHz/125KHz雙頻段，兼容ISO14443A/B/C等20餘種協議，可讀取二代證(3cm)、Mifare(5cm)及15693標準卡(8cm)。提供Wiegand/UART/USB多接口，支持TCP/IP/MQTT等網絡

門禁讀卡器 , ID卡讀卡器 , CPU卡讀卡器 , 人工智能 , 深度學習 , 梯控讀卡器

收藏 評論

u_15591470 頭像

ceshiren2022 - 小白必備：輕鬆上手自動化測試的強大工具

傳統自動化測試工具如Selenium，其複雜的代碼編寫和維護成本居高不下，讓許多測試工程師望而生畏，已成為行業痛點。而Playwright MCP的出現，重新定義了"測試自動化"的邊界——不僅能理解你的自然語言描述，還能自動生成專業級的測試代碼，實現了從"寫代碼"到"説需求"的質的飛躍。 Playwright MCP的技術架構解析 Playwright MCP的創新絕非偶然，它是

選擇器 , 測試用例 , 人工智能 , 深度學習 , 測試自動化

收藏 評論

ramona-schwering 頭像

Ramona Schwering - Let’s Dive Into Cypress For End-to-End Testing

This article has been sponsored by our dear friends at LambdaTest who are making the cross-browser testing experience smoother for so many folks around the globe. Thank you! Software develo

Tools , testing , ui

收藏 評論

u_16099356 頭像

IT智行領袖 - bevformer簡單復現

©作者|杜偉、陳萍 微軟亞洲研究院升級了 Swin Transformer，新版本具有 30 億個參數，可以訓練分辨率高達 1,536×1,536 的圖像，並在四個具有代表性的基準上刷新紀錄。 在不久之前公佈的 ICCV 2021 論文獎項中，來自微軟亞洲研究院的研究者憑藉論文《Swin Transformer: Hierarchic

機器學習 , bevformer簡單復現 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_15591470 頭像

ceshiren2022 - Playwright MCP：AI驅動自動化測試，輕鬆告別傳統腳本編寫

2025年初，某知名電商公司在引入Playwright MCP後，UI自動化測試腳本編寫時間從原來的3天減少到2小時，測試覆蓋率提升了40%，而這一切，測試人員幾乎沒有編寫一行傳統腳本。 在傳統的UI自動化測試中，測試人員需要編寫大量腳本和選擇器來模擬用户操作。然而，隨着人工智能技術的快速發展，對話式自動化正在改變這一格局。 Playwright作為微軟開源的現代化We

選擇器 , 服務器 , 人工智能 , 深度學習 , 自動化測試

收藏 評論

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

收藏 評論

eric-bailey 頭像

Eric Bailey - Improving The Accessibility Of Your Markdown

Markdown is a small text to HTML conversion language. It was created by John Gruber in 2004 with the goal of making writing formatted text in a plain text editor easier. You can find Markdown in man

Tools , Accessibility , Browsers , User Experience

收藏 評論

u_15591470 頭像

ceshiren2022 - 輕鬆生成測試數據：Dify工作流結合大模型，實現百萬級逼真數據生成

在軟件研發、數據分析和機器學習項目中，構建高質量、高覆蓋度的測試數據是確保產品質量的關鍵環節。然而，手動創建測試數據不僅耗時耗力，還常常面臨數據單調、缺乏真實性、難以模擬複雜業務邏輯等痛點。尤其是在進行壓力測試、性能基準測試或訓練複雜模型時，對百萬級逼真測試數據的需求，往往讓開發者和測試工程師們頭疼不已。 今天，我們將介紹一種革命性的解決方案：利用 Dify 工作流 結合 大語言模型（L

數據 , 測試數據 , 人工智能 , 深度學習 , Json

收藏 評論

u_17583190 頭像

fangpin - 深入解析：使用 Triton 實現 Flash Attention2 - 讓大模型訓練飛起來

引言 你是否曾經在訓練大型語言模型時，眼睜睜地看着 GPU 內存不斷飆升，最終因為 OOM（Out of Memory）錯誤而前功盡棄？或者在處理長序列時，發現注意力機制的計算時間呈平方級增長，讓人望而卻步？ 如果你有過這樣的經歷，那麼今天這篇文章將為你帶來一個革命性的解決方案：Flash Attention2。更令人興奮的是，我們將通過 Triton 這個強大的 GPU 編程框

歸一化 , 人工智能 , 深度學習 , ide , Python

收藏 評論

u_17583190 頭像

fangpin - 從0到1：揭秘LLM預訓練前的海量數據清洗全流程

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

收藏 評論

addy-osmani 頭像

Addy Osmani - Using Modern Image Formats: AVIF And WebP

We’ve recently published Addy’s Image Optimization book with everything you need to know about images, how to compress, serve and maintain images. Now, shipping with a hand-written personal messa

performance , Images , optimization , Browsers , Smashing Books

收藏 評論

u_15641375 頭像

芯動大師 - codigger體驗過程記錄

一、codigger的介紹 codigger是一款分佈式操作系統，主要是便於進行個人移動化辦公、在線協同辦公、開發和娛樂的私人應用。 收到codigger開發者朋友的邀請，於是進行了這款產品的升級體驗，接下來就簡單介紹一下自己的體驗過程吧。 二、登錄系統 首先，我根據提供的專屬賬號和密碼登錄進了系統，進去之後，感覺整體的設計非常的美觀。

文本編輯 , yyds乾貨盤點 , 人工智能 , 深度學習 , 開發者 , 資源管理器

收藏 評論