博客 RSS 訂閱

掃地小沙彌J - wso2~添加mcp服務的注意點

wso2-apim4.6版本支持對mcp服務的添加,同意支持從api導入到mcp服務,不過導入後,有些點需要注意一下 api的接口,必須有明確的參數定義 get,post都是支持的 路由參數支持 請求頭參數支持 表單參數和請求類型支持 如果沒有為接口配置明確的參數,會有如下錯誤

服務端 , AI寫作 , 請求頭 , aigc , 解決方法

收藏 評論

學技術贏未來 - Java 銀行智能AI客服項目方案

Java 銀行智能AI客服項目方案 一、項目概述 1.1 項目背景 隨着金融數字化轉型加速,銀行客户對服務效率、響應速度和個性化體驗的需求不斷提升。傳統人工客服存在高峯時段排隊擁堵、服務時間受限、重複諮詢處理效率低等痛點。為解決上述問題,構建高效、智能、全天候的客户服務體系,特啓動本次銀行智能AI客服項目。本項目基於Java技術棧開發,集成智能體核心能力,實現客户諮詢的自動應

微服務 , 運維 , 推送 , 後端開發 , JAVA

收藏 評論

滄州虎王科技 - 軟件開發中需求變更的真相與對策

這是一個在軟件開發領域非常普遍的現象,涉及多方因素的綜合作用。以下是需求變更的常見原因及應對思路: 一、需求變更的本質原因 市場動態性 產品開發週期內,市場環境、競爭對手策略或新技術出現可能導致原需求失效。例如移動支付興起時,銀行APP需臨時增加掃碼功能。 認知迭代過程 用户需求往往呈現$$需求=顯性需求+

軟件研發 , 規則引擎 , 用户反饋 , 迭代

收藏 評論

牛魔王MrDing - 星空企業版:銷售訂單單據體下推組裝拆卸單子單據體

背景: 銷售訂單下推組裝拆卸單時,不使用系統自帶的單據轉換,通過自定義單據轉換無法將銷售訂單中的物料明細全部攜帶至組裝拆卸單的子件明細中 【原因及解決方案】:標準的單據轉換框架支持的映射關係,上下游單據的數據是單據頭映射單據頭、單據體映射單據體、子單據體對應子單據體,不支持直接把上游單據體對應映射攜帶到下游子單據體時的完整數據攜帶,也不支持配置子單據體作為關聯單

銷售訂單 , 星空 , 組裝拆卸單 , 代碼人生

收藏 評論

mb695a2c931c5a9 - Python 入門必吃透:函數、列表與元組核心用法(附實戰案例)

文章目錄 前言: 一. 函數:告別重複代碼的 “代碼工廠” 1.1 為什麼需要函數? 1.2 函數的核心語法(重點) 1.3 函數的進階用法(嵌套 + 遞歸) 1.4 函數核心小結 二. 列表和元組:批量存儲數據的 “容器” 2.1 列表(list):最常用的可變容器 2.2 元組(tuple):不可變的序列容器 2.3 列表

遞歸 , 人工智能 , 數據結構與算法 , 元組 , Python

收藏 評論

技術員阿偉 - 《Python複雜結構靜態分析秘籍:遞歸類型註解的深度實踐指南》

許多開發者在初次接觸遞歸類型註解時,都會經歷從困惑到豁然開朗的過程,最初會擔心自引用會引發類型解析的無限循環,直到深入理解靜態分析工具的延遲解析機制後,才意識到這種註解方式恰恰是貼合複雜數據結構本質的最優解。在實際的開發場景中,當處理多層級的配置文件解析、文檔目錄構建等需求時,遞歸類型註解能夠讓靜態分析工具穿透嵌套層級,在編碼階段就識別出子節點類型錯誤,而傳統註解方式下這類問題往

yyds乾貨盤點 , 遞歸 , 代碼人生 , 靜態分析 , 開發者

收藏 評論

技術員阿偉 - 《PyPy超越CPython的核心技術架構解析》

PyPy的元跟蹤技術能夠在程序運行過程中,深度捕捉代碼執行的隱性規律,尤其是高頻觸發的邏輯片段的指令序列特徵、變量類型的穩定性軌跡,以及分支跳轉的概率分佈,這種運行時的智能感知能力,讓其得以突破靜態編譯與解釋執行之間的性能鴻溝。在動態語言的性能困境中,CPython的解釋執行模式存在難以規避的指令冗餘,每一條字節碼都需要經過解釋器的解碼、映射、執行等多個步驟,即便簡單的循環迭代操

yyds乾貨盤點 , 執行效率 , 代碼人生 , 開發者 , Python

收藏 評論

wx6906fb3f9b17a - 基於RFID技術的兩輪電動車智能通行管理解決方案。系統由RFID讀卡器(3-8米識別距離)、門禁控制板、電子車牌(防撕設計)和管理軟件等核心組件構成,實現電動車快速自動識別和閘機聯動

多奧兩輪電動車識別系統(DAIC-DD系列)是基於RFID技術的智能通行管理解決方案。系統由RFID讀卡器(3-8米識別距離)、門禁控制板、電子車牌(防撕設計)和管理軟件等核心組件構成,實現電動車快速自動識別和閘機聯動。安裝需注意電子車牌應粘貼在車頭無金屬遮擋處,設備需遠離強電磁干擾。系統支持99.5%以上的識別率,響應時間≤0.3秒,並具備髮卡管理、通行記錄查詢、權限控制等功能

門禁 , 電動單車 , 停車場出入口控制系統 , Css , 電動車 , 前端開發 , 電動兩輪車 , HTML

收藏 評論

1艾一刀 - CES深度觀察|AI硬件消費時代的“幕後英雄”走向台前

文 | 智能相對論 作者 | 日堯 當地時間1月6日,2026年國際消費電子展(CES)在拉斯維加斯開幕。 公開資料顯示,本屆CES吸引超4000家企業參展,主題依舊聚焦時下爆火的人工智能,但核心變化已然顯現——大會重心從技術創新轉向場景落地。 在AI大模型加速融入消費端的當下,智能座艙、具身機器人、AI眼鏡等新一代硬件產品成為展會焦點,本屆CES也被各方

人工智能 , 深度學習 , 核心技術 , 解決方案 , 智能終端

收藏 評論

代碼保安 - 不懂 K8s 的程序員,就像不會用導航的司機。

我們來詳細解讀一下這個比喻: “不會用導航的司機” 能開車嗎? 能。憑藉經驗和地圖,他可能在自己熟悉的城市裏開得很好。 面臨什麼問題? 效率低下: 去陌生地方需要不停停車看地圖,繞遠路是家常便飯。 無法應對複雜路況: 遇到封路、擁堵、高速公路立交橋,很容易陷入混亂和癱瘓。 風險高: 容易迷路,車輛(應用)出了問題(比如爆胎/沒

服務器 , kubernetes , 雲計算 , 運維 , 服務發現

收藏 評論

芯動大師 - “芯片級抗擾 + 系統級防護”構成航空芯片雷擊保護防線

航空芯片的雷擊測試防護需從芯片設計、電路防護、測試驗證三個核心環節入手,結合航空領域 DO-160 等標準要求,構建 “芯片級抗擾 + 系統級防護” 的雙層保障體系。以下是具體落地方案: 一、先明確航空雷擊測試的核心標準與要求 航空電子設備雷擊測試遵循DO-160《機載設備環境條件和測試程序》,其中第 22 節 “雷擊感應瞬態敏感度”是核心依據,分為兩個等級:

封裝 , yyds乾貨盤點 , 工作温度 , 引腳 , 開源

收藏 評論

用愛發電 - Kando v2.2.0:高效桌面餅狀菜單工具

Kando v2.2.0 是一款革新性跨平台桌面餅狀菜單工具,以獨特交互設計重構桌面操作邏輯,為用户帶來便捷高效的使用體驗,成為辦公族、設計師等羣體的實用桌面輔助工具。 一、軟件核心特色 1. 創新餅狀菜單交互設計 打破傳統線性菜單的操作侷限,Kando v2.2.0 核心亮點在於多級餅狀菜單設計。用户可從主餅圖菜單快速跳轉至次級餅圖,層層遞進完成目標操

軟件測試 , 跨平台 , 交互設計 , 餅圖

收藏 評論

千尋技術幫 - 10416_基於Springboot的企業人事管理系統

1、項目包含 項目源碼、項目文檔、數據庫腳本、軟件工具等資料; 帶你從零開始部署運行本套系統。綠-泡-泡:QianXun-Software 2、項目介紹 使用舊方法對企業人事系統的信息進行系統化管理已經不再讓人們信賴了,把現在的網絡信息技術運用在企業人事系統的管理上面可以解決許多信息管理上面的難題,比如處理數據時間很長,數據存在錯誤不能及時糾正等問題。 企業人事管理系統實現的功能分為:員工信息管理

後端

收藏 評論

MinionPy - 金融數據獲取利器:Tushare全面解析與應用指南

在量化投資和金融數據分析領域,獲取高質量、結構化的金融數據是進行研究與決策的基礎。Tushare作為國內知名的開源金融數據接口包,為Python用户提供了便捷的財經數據獲取方案,成為眾多金融從業者和數據科學家的首選工具。 什麼是Tushare? Tushare是一個著名的免費、開源的Python財經數據接口包。其官網主頁為:TuShare -財經數據接口包。該接口包如今提供了大量

機器學習 , 數據接口 , 數據 , 初始化 , 人工智能

收藏 評論

哥布林學者 - 吳恩達深度學習課程五:自然語言處理 第一週:循環神經網絡 (五)門控循環單元 GRU

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下: 原課程視頻鏈接:[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料,含課件與筆記:吳恩達深度學習教學資料 課程配套練習(中英)與答案:吳恩達深度學習課後習題與答案 本篇為第五課的第一週內容,1.9的內容以及一些相關基礎的補充。 本週為第五課的第一週內容,與 CV 相對應的,這一課所有

AI

收藏 評論

北京辰輝創聚生物 - 重組蛋白常見標籤(Tag)科普:設計邏輯與功能作用

在重組蛋白研究中,蛋白標籤(Tag)是一種關鍵的工程化設計元素。標籤並不是蛋白本身的功能組成部分,而是通過表達構建引入的分子附加序列,用於提升目標蛋白在實驗體系中的可識別性和可操作性。無論是分離、檢測,還是改善蛋白溶解性和穩定性,標籤都提供了明確的技術支撐。 融合標籤的基本原理是

標籤設計 , 大數據 , 蛋白檢測 , 數據倉庫 , 表達構建 , 融合蛋白 , 親和純化

收藏 評論

短短同學 - AI如何改變日常

AI 已經深度滲透到日常生活的方方面面,從衣食住行到學習工作,都在被逐步重塑,核心是簡化流程、提升效率、優化體驗。具體改變體現在這些場景: 信息獲取與內容消費 過去我們需要主動搜索、篩選信息,現在 AI 可以直接生成精準答案(比如智能問答工具)、個性化推薦內容(短視頻平台的推薦算法、音樂軟件的歌單推薦),甚至根據需求創作文案、圖片、視頻。它還能把複雜

數據 , AI寫作 , 一對一 , aigc , 代碼補全

收藏 評論

mb686fbcc4efbd6 - 建築物混凝土裂縫剝落泛鹼碳化缺陷識別檢測數據集VOC+YOLO格式5275張10類別

數據集格式:Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件,僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數):5275 標註數量(xml文件個數):5275 標註數量(txt文件個數):5275 標註類別數:10 所在github倉庫:firc-dataset 標註類別名

數據集 , 後端開發 , txt文件 , ci , Python

收藏 評論

科技之巔 - 【高中物理/電磁場/雙棒】如圖所示,由足夠長的平行金屬導軌構成的斜面,傾角α=37°,導軌間距L=0.5m,電阻不計;沿導軌方向建立x軸,虛線EF與座標原點O在同一水平線上;空間存在垂直於斜面的磁場,

【問題】 如圖所示,由足夠長的平行金屬導軌構成的斜面,傾角α=37°,導軌間距L=0.5m,電阻不計;沿導軌方向建立x軸,虛線EF與座標原點O在同一水平線上;空間存在垂直於斜面的磁場,取垂直於斜面向上為正方向,其磁感應強度的分佈為x0時B=-1(T),x=0時B=0.6+0.8x(T). 現有一質量為m1=0.1kg,電阻R1=0.2Ω的金屬棒ab放置於導軌上,下方還

電磁場 , 斜面 , 高中物理 , 代碼人生 , 雙棒

收藏 評論

mb686fbcc4efbd6 - 建築物混凝土裂縫剝落泛鹼碳化缺陷識別分割數據集labelme格式5276張10類別

數據集格式:labelme格式(不包含mask文件,僅僅包含jpg圖片和對應的json文件) 圖片數量(jpg文件個數):5276 標註數量(json文件個數):5276 標註類別數:10 標註類別名稱:["carbonatacion","acero_corroido","concreto_fracturado","desprendimiento","gr

數據集 , 後端開發 , ci , Json , Python

收藏 評論

技術博客領航者 - dolphinscheduler 線上demo

Demand Media之所以吸引了我的眼球,除了月初它向美國證券交易委員會(SEC)提交了IPO申請,很有可能成為繼Google之後科技公司裏首個10億美元級的IPO,更重要的是它的商業模式。如果説Twitter以及SNS網站在某種程度上解決了信息傳播的問題,那麼,Demand Media則是從內容的生產以及組織入手去解決信息去噪音化的問題。 我們都知道,隨着互聯

機器學習 , seo , google , 人工智能 , Web

收藏 評論

網絡安全守護先鋒 - superset db upgrade 使用postgres

2021年01月21日,Apache 官方博客宣佈 項目 Apache® Superset™ 成為頂級項目。 Apache® Superset™ 是一個現代化的大數據探索和可視化平台,它允許用户使用簡單的無代碼可視化構建器和最先進的 SQL 編輯器輕鬆快速地構建儀表盤(dashboards)。該項目於2015年在 Airbnb 啓動,並於2017年5月進入 Apac

微軟 , 大數據 , 雲計算 , 物聯網 , 數據可視化 , 雲原生 , apache

收藏 評論

青雲交技術圈 - Java 大視界 -- Java 大數據在智能建築室內環境舒適度預測與調控中的應用

(centerJava 大視界 -- Java 大數據在智能建築室內環境舒適度預測與調控中的應用/center) 引言: 嘿,親愛的 Java 和 大數據愛好者們,大家好!我是CSDN(全區域)四榜榜首青雲交!凌晨三點的深圳平安金融中心,智能建築管理系統仍在高效運轉。當傳感器檢測到 38 層辦公室二氧化碳濃度升至 800ppm 且人員停留超 2 小時,系統自動啓動新風系統,並將空

spark , 大數據 , yyds乾貨盤點 , JAVA , apache

收藏 評論

會飛的猴兒 - 【分佈式事務】5、分佈式事務Seata源碼學習

1、Seata的AT模型回顧 1.1、Seata的AT模型 在服務A中開啓全局事務,向TC申請全局事務id 服務A發起RPC遠程調用,分佈式事務參與方服務B和服務C分別向TC註冊分支事務 參與方提交本地事務,並記錄undo_log表 參與方上報分支事務的執行狀態 TC根據各分支事務執行狀態,通知全局事務是要提交

後端開發 , 分佈式事務 , JAVA , seata

收藏 評論