博客 RSS 訂閱

benfangdechaofen 頭像

奔放的炒粉 - 廣泛應用於搜索引擎、推薦系統、問答系統等場景

知識圖譜（Knowledge Graph, KG）是人工智能領域的重要技術之一，廣泛應用於搜索引擎、推薦系統、問答系統等場景。然而，傳統知識圖譜構建依賴大量人工標註，成本高且效率低。近年來，隨着大模型（如GPT、BERT等）的快速發展，利用大模型自動化生成知識圖譜成為可能。本文將詳細講解如何利用大模型實現知識圖譜的自動化構建，包括實體識別、關係抽取和圖譜更新，並提供可運行的示例代碼和相關配圖。 引

antd

收藏 評論

benfangdechaofen 頭像

奔放的炒粉 - 合理調整現有資源配置

動態調整資源的使用 在面對物力資源短缺時，動態調整資源配置是應急調配的重要手段。項目經理應時刻關注資源的使用情況，並根據項目進度實時調整資源分配。例如，某個項目中出現資源緊缺時，可以考慮將某些非關鍵任務的資源調整到核心任務上，優先保障高優先級任務的順利進行。 同時，合理的資源調整還應考慮到團隊的能力，避免過度依賴某一特定資源。例如，如果人力資源緊張，可以通過臨時調配人員、外包服務等方式解決問題。靈

sass , tailwind-css , antd

收藏 評論

benfangdechaofen 頭像

奔放的炒粉 - 明確需求、快速溝通、靈活應對

一、項目目標不清晰的典型表現 項目目標不清晰的常見後果是團隊成員無從下手，甚至出現進度延誤與資源浪費。很多公司在項目初期並未進行充分的前期調研，僅憑領導或客户一兩句口頭描述就匆忙開工，結果後來發現大量需求偏離預期。對此，我們需要深刻認識到目標不清導致的風險，才能在執行中保持警惕。 第一，溝通偏差時常出現。由於沒有形成正式且統一的目標説明文件，不同角色很可能各自理解不一。開發者、測試人員、產品

sass , tailwind-css , antd

收藏 評論

feixi50 頭像

feixi50 - 易趨EasyTrack12升級更新搶先看

2025年新晉項目管理亮點 | 易趨EasyTrack12升級更新搶先看 近日，易趨（EasyTrack12）已成功完成了重大版本更新！ 此次升級不僅極大地提升了操作界面的美觀度與易用性，還全面增強了系統的功能，覆蓋了企業日常經營管理的所有關鍵流程，包括項目管理、財務管理、質量管理、合同管理、工時記錄以及資源規劃調配等等各個方面。本期內容主要選取了其中幾個亮點功能作簡要介紹，更多驚喜等您親自登錄易

antd

收藏 評論

xianglvxingdexianrenqiu 頭像

xianglvxingdexianrenqiu - 學 Python 需要安裝哪些軟件？全面工具指南

學習 Python 時，需要根據不同階段安裝以下核心工具：Python 解釋器、代碼編輯器（如 VS Code）、包管理工具（如 pip、conda）、集成開發環境（如 PyCharm、Jupyter Notebook）、虛擬環境管理工具（如 venv、virtualenv）。其中，Python 解釋器 是整個學習與開發的基礎，無論你是編寫腳本、構建應用，還是運行機器學習模型，都必須先安裝官方解釋

antd , chrome-devtools

收藏 評論

chaoqipengbodemogu_eceqzp 頭像

Ming - MetisUI-一套企業級 React-Tailwind 組件庫

Metis UI 的目標是為那些喜歡 Ant Design 的開發者提供一個更靈活的選擇，特別是希望結合 Tailwind CSS 的開發者。我們在保留 Ant Design 組件設計邏輯的基礎上，提供了以下改進： 樣式覆蓋更靈活基於 Tailwind CSS 的樣式體系，開發者可以方便地對組件的各個元素進行樣式覆蓋，無需編寫複雜的自定義樣式，快速實現個性化設計。 增強的交互功能內置了一些

react , tailwind-css , antd , typescript , 前端

收藏 評論

yingyongwubidehuoguo_z2xiu 頭像

英勇無比的火鍋_z2xIu - ‌Ant Design 編程小技巧指南

1. ‌表單聯動監聽：Form.useWatch‌ ‌ 場景‌：動態表單字段聯動時，避免手動監聽onValuesChange事件。 ‌ 代碼‌： const [form] = Form.useForm(); const username = Form.useWatch('username', form); Form form={form} Form.Item name="u

antd , 程序員

收藏 評論

youyudeshuanggang 頭像

憂鬱的雙槓 - ‌Ant Design 編程小技巧指南

1. ‌表單聯動監聽：Form.useWatch‌ ‌ 場景‌：動態表單字段聯動時，避免手動監聽onValuesChange事件。 ‌ 代碼‌： const [form] = Form.useForm(); const username = Form.useWatch('username', form); Form form={form} Form.Item name="u

antd , 程序員

收藏 評論

grewer 頭像

Grewer - 樹形選擇器的使用場景探索

在工作中，樹形選擇器（tree-select）是一種常見的基礎組件, 這次我們針對此組件做一些業務適配 背景: 在一個大型組織（2 萬以上）內，需要有一個選擇人、組的一個選擇器, 支持搜索功能。 一開始我的思路是這樣： 層級加載+後端搜索 **既然數據量很多，那最好不要一次性加載，不然會有以下的一些問題： 問題一是後端的加載速度很慢 二是前端也會手動很大的影響，比如需要開

業務 , antd , 組件化 , 前端 , Javascript

收藏 評論

junyidebanma 頭像

俊逸的斑馬 - 全功能剪映解鎖版SVIP_手機/電腦版解鎖功能激活方法指南

在短視頻內容爆發式增長的2025年，剪映憑藉其持續迭代的技術能力與生態佈局，已成為全球創作者不可或缺的智能創作平台。最新發布的剪映17.2.1版本，通過AI技術深度賦能、多模態創作體系構建及跨平台生態融合，重新定義了移動端視頻創作的可能性邊界。 資源下載：addrel.top 一、AI驅動：從工具到創作夥伴的範式革命 1. 智能創作引擎的全面進化 新版剪映搭載的「靈眸AI」系統，實現了從素材處理到

antd

收藏 評論

tiandexianggua 頭像

靦腆的青春逗 - 構建大模型的“服務網格”：從Cloud Foundry的Service Broker到AI時代的MCP演進

前序 作為資深諮詢規劃專家，我目睹過雲計算從混亂到標準化的演進歷程。如今，AI生態正面臨類似的十字路口。 在雲原生架構中，Service Broker機制通過標準化API，成功解決了PaaS平台上應用與服務之間的連接難題。這一經過實踐檢驗的設計，恰恰為當前大模型與外部數據和工具集成的挑戰提供了絕佳解決方案。 新興的Model Context Protocol正致力於解決類似問題，但作為202

觀點 , llm , 人工智能 , claude

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 物理感知 RTL 合成

1、PAS：縮短設計閉環的先鋒技術 物理感知合成（PAS）將物理設計信息（如佈局、連線、擁塞、功耗）提前納入 RTL 合成階段，使合成結果與後端佈局更一致，從而減少反覆迭代，提升設計效率與 PPA（性能-功耗-面積）表現。 2、核心技術亮點與典型案例 I. 時序驅動綜合（Timing-Driven Synthesis） 結合 Cadence Innovus 工具進行物理信息驅動的

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

danxiaodezixingche 頭像

老紀的技術嘮嗑局 - 究極乾貨 —— 用最純粹的語言，解析 DeepSeek OCR

楔子 最近看到了一篇極具啓發性的論文：《DeepSeek-OCR: Contexts Optical Compression》, AI 大神 Andrej Karpathy 對 DeepSeek 那篇 DeepSeek-OCR 的論文評價很高，你可能以為他會説：“哇，這個 OCR 模型真厲害，識別率又提升了！” 但他沒有。相反，他幾乎是揮了揮手説：“它是個不錯的 OCR 模型，但這不重要。” 因為

記憶 , 人工智能

收藏 評論

deephub 頭像

deephub - LangChain v1.0 中間件詳解：徹底搞定 AI Agent 上下文控制

用 LangChain 構建 AI Agent 的人應該都遇到過這種情況：測試階段一切正常，部署到生產環境就開始出各種問題。上下文管理混亂，Agent 的行為變得難以預測，最後不得不寫一堆自定義代碼來控制信息流向。 這是因為在v1.0 之前的 LangChain 對上下文工程的支持不夠系統化。上下文工程的本質其實就是信息管理——給 AI 多少信息、什麼時候給、以什麼方式給。信息過載會導致模型困惑，

llm , 資訊 , 人工智能 , 深度學習 , llama

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - AI 面試成招聘主流，智能化重塑招聘全鏈路

AI 面試成招聘主流，智能化重塑招聘全鏈路 最新行業調研數據顯示，簡歷智能篩選普及率已達 52.6%，AI 面試應用率 35.1%，剩餘 23% 的企業也已進入選型或試點階段。這意味着 AI 招聘已從嘗試性應用轉為企業必備選擇，過去依賴人工篩選、憑經驗判斷的招聘模式，正被自動化與智能化全面替代。當前招聘領域的競爭核心，已從 “是否使用 AI” 轉向 “AI 系統是否夠準、夠快、夠人性化”。近

人工智能

收藏 評論

dayong_59b0e68b1ed0d 頭像

六邊形架構 - 不會AI編程？沒關係！這幾個框架也讓你也能開發AI聊天助手！

文 / 勇哥 原創文章，轉載請聯繫授權 一、前言 大家好，我是勇哥！上一篇文章我們聊了《[真相！Dify和n8n這兩款LLM應用開發平台的最大區別，90%的人都不知道! ](https://mp.weixin.qq.com/s/gKbeM2Er66OF5U_otKPyeQ)》，有不少讀者私信我説："勇哥，雖然低代碼平台很方便，但我想自己動手實現一個真正屬於自己的AI助手，就像De

llm , 教程 , openai , 人工智能 , prompt

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - Agentic AI基礎設施實踐經驗系列（一）：Agent應用開發與落地實踐思考

在過去的短短几年內，基礎模型(FMs)已經從直接用於響應用户提示創建內容，發展到現在為AI Agent提供動力。AI Agent是一類新型軟件應用，它們使用基礎模型來推理、規劃、行動、學習和適應，以追求用户定義的任務目標，同時只需要有限的人工監督。AI Agent由基礎模型驅動，其不確定性和非預定義邏輯的運行機制，為開發者帶來了全新的應用開發和運維範式。基於在多個項目中積累的Agent應用

人工智能

收藏 評論

metaxk 頭像

萬界星空科技 - 萬界星空產線MES實施案例：精益數字化車間的構建與實踐

案例背景：某知名汽車零部件企業“精益數字化車間”項目 公司簡介： 行業： 汽車零部件製造（精密機加、裝配） 產品： 發動機核心部件、轉向系統零部件 產線特點： 多條半自動化生產線，包含數控機牀、機器人、自動化檢測設備及人工裝配工位。生產節奏快，質量要求極高，需滿足主機廠的嚴格追溯標準。 項目動因（為什麼需要產線級MES？）： 信息孤島嚴重： 設備獨立運行，生產數據

數字化轉型 , 工業互聯網 , 工業智能化 , 人工智能 , 製造業

收藏 評論

rivers_chaitin 頭像

百川雲開發者 - 告別“人工復讀機”：你的客服團隊需要這個AI外掛

“親，這個有貨嗎？” “什麼時候發貨？” “能便宜點嗎？” 如果你做過電商客服，這些對話一定不陌生。雙十一臨近，客服小張已經連續加班一週，每天重複回答着幾乎相同的問題。更讓她崩潰的是，凌晨兩點還有客户問：“你們的產品能治脱髮嗎？”而她只能機械地複製粘貼標準話術，感覺自己活成了一台“人肉復讀機”。 這不是小張一個人的困境。據統計，電商客服80%的工作時間都在處理重複性問題，這不僅消耗人力

人工智能 , 深度學習

收藏 評論

qcloudcommunity 頭像

騰訊雲開發者 - 對話香港城市大學張澤鬆：AI時代教育“變天”？先抓核心能力｜TVP專訪

引言 當 AI 浪潮席捲教育領域，“教育即將發生劇變”的聲音不斷涌現。作為香港城市大學協理副校長、計算機與電機工程系雙聘教授，張澤鬆不僅深耕 AI 與教育交叉領域，還推動着港校與內地企業的合作，更見證着大灣區教育協同的萌芽。 在接受 TVP 團隊採訪時，這位同時推動學生創科創業的學者，沒有空談技術紅利，反而反覆強調要冷靜：“AI 能讓學生快速做出原型，但找對問題、選對工具、有解決決心，才是核心。

教育 , 人工智能

收藏 評論

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

收藏 評論

wangzhongyang_go 頭像

王中陽講編程 - 為啥用GoZero快速實現AI應用開發後，我們又決定用字節的Eino重構優化項目呢？

大家好，我是王中陽，見字如面，感謝閲讀！ 最近我們團隊在瘋狂的研究AI。期間不僅做了幾個還不錯的項目，也踩坑不少。下面我就分享一下，過去用GoZero開發了怎樣一個AI應用，以及為什麼現在要用字節的Eino重構和優化。 我們過去基於gozero實現AI面試官智能體項目，一方面搞定了從0到1開發AI智能體應用，各種造輪子；另一方面，模擬面試，也是我粉絲股東們很迫切的需求。 之所以使用GoZero，是

人工智能 , 程序員

收藏 評論

fabarta 頭像

Fabarta - AI賦能生物醫藥，楓清科技連續中標頭部醫藥公司產業智能升級項目

在全球醫藥科技加速迭代、產業競爭日趨激烈的背景下，國家以政策為引領、以人工智能技術為核心驅動力、以全產業鏈協同為關鍵路徑，完善“AI +醫藥”系統性發展佈局。其中，《醫藥工業數智化轉型實施方案（2025—2030年）》進一步明確全鏈條轉型路徑，將AI技術定位為突破產業瓶頸、提升醫藥工業核心競爭力的核心抓手，為行業智能化升級提供清晰方向。 楓清科技緊扣“AI賦能醫藥產業全鏈條”核心目標，圍繞

人工智能

收藏 評論

beishangdejianjidan_cqxuxf 頭像

悲傷的煎雞蛋_cQXuXF - 為什麼説低代碼謊言的破滅，是AI原生開發的起點？

幾年前，公司老闆、產品經理，甚至隔壁行政的同事，都拿着一份花裏胡哨的低代碼方案，眼睛放光地跟你説：“小張啊，你來看看，未來！拖拉拽就能上線，咱們再也不用養那麼多程序員了！” 我當時啥心情？表面上“嗯嗯嗯，是是是，很有前景”，心裏一萬頭羊駝在奔騰。你懂個錘子啊，我一直認為它是解決了一類問題，引入了一大堆的複雜。 這玩意兒的核心是啥？説白了，就是想用一套“萬能模板”去解決所有問題。聽着是挺美，但咱都是

算法 , 人工智能 , 程序員 , 後端 , 前端

收藏 評論