tag 搜索

標籤
貢獻136
201
07:54 AM · Nov 01 ,2025
elhix0bg 頭像 u_17513570 頭像 u_17176510 頭像 xiuji 頭像 u_15469972 頭像 u_16380863 頭像 anjingdexiaoyanyao_ciaxxr 頭像 u_75269 頭像 u_15903730 頭像 u_16213710 頭像 baidujiagoushi 頭像 u_16213693 頭像

@搜索 / 博客 RSS 訂閱

u_16213631 頭像

mob64ca1403c772 - 堵俊平：大數據與 AI 生態中的開源技術.pdf

本文介紹了某機構與Jina AI的合作，旨在通過整合開源多模態嵌入、重排序器和小型語言模型等技術，共同推進AI應用中的檢索能力。核心內容包括向量搜索、文本圖像理解模型以及高效的文檔與代碼檢索方案。 Elastic 與 Jina AI 攜手推動 AI 應用中的開源檢索技術 檢索技術是 Elastic Search AI 平台的核心。多年來，我們一直致力於提供強大的搜索相

elastic , 搜索 , 後端開發 , 公眾號 , Python

收藏 評論

u_16099211 頭像

笑傲江湖求敗 - Treeselect提示中文Treeselect

二分搜索樹是一種設計良好的有序集合，在平衡的情況下，查找search，插入insertion，刪除deletion都具有O(logn)的計算時間。本文討論實現二分搜索樹的具體細節。 二分搜索樹的每個結點包含key域，以及至多兩個孩子結點，並且左孩子小於當前結點的值，右孩子大於當前結點值。為了方便操作，每個結點還需要維護父結點的信息。從上面的描述可以看出，二分搜索樹的

結點 , 搜索 , 架構 , 後端開發 , 子樹

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 立馬耀：通過阿里雲 Serverless Spark 和 Milvus 構建高效向量檢索系統，驅動個性化推薦業務

作者：廈門立馬耀網絡科技有限公司大數據開發工程師 陳宏毅 背景介紹 行業 蟬選是蟬媽媽出品的達人選品服務平台。蟬選秉持“陪伴達人賺到錢”的品牌使命，致力於洞悉達人變現需求和痛點，提供達人選高傭、穩變現、速響應的選品服務。 業務特徵 個性化推薦：利用大數據和人工智能算法，根據用户的興趣和行為提供定製化的產品推薦。 數據驅動：通過分析用户和市場趨勢，優化推薦策略，提升用户滿意度。 精準營

spark , 大數據 , 搜索 , 阿里雲 , serverless

收藏 評論

u_16213319 頭像

mob64ca12d52440 - langchain Bing Search用法

langchain Bing Search用法的描述 在這篇文章中，我將分享如何使用langchain與Bing搜索引擎進行交互的過程，包括協議背景、抓包方法、報文結構、交互過程、字段解析及異常檢測。這些步驟能夠幫助開發者更好地理解在集成Bing搜索時需要注意的細節以及最佳實踐。 協議背景 首先，我們需要了解使用langchain調用Bing搜索的背景。langchai

抓包 , 字段 , 搜索 , aigc

收藏 評論

u_16099244 頭像

码海舵手之心 - Elasticsearch: 基於Text Embedding的文本相似性搜索

語義檢索學習 1. 基礎概念篇 1.1 什麼是語義搜索？ **語義搜索是一種解讀單詞和短語含義的搜索引擎技術。**語義搜索的結果將返回與查詢含義相匹配的內容，而不是與查詢字面意思相匹配的內容。 語義搜索是一系列的搜索引擎功能，包括從搜索者的意圖及其搜索上下文中理解單詞。 這種類型的搜索旨在根據上下文更準確地解讀自然語言來提高搜索結果的質量。語義搜索藉

System , 搜索 , 相似度 , 後端開發 , Python

收藏 評論

u_16213577 頭像

信息小飛俠 - windows 7安裝mariadb

首先 開啓win7系統下載Administrator 用户 刪除其他用户!這個應該都會吧!(不過這可做，也可不做) 1.“以管理員身份運行,所有程序→附件→命令提示符”，右擊選擇“以管理員身份運行”， 進入命令提示符後，手工輸入“powercfg -h off” 。。 2.刪除備份，關閉系統保護(計算機右鍵屬性--高級管理設置

windows , 搜索 , 人工智能 , 計算機視覺 , 右鍵 , windows 7安裝mariadb

收藏 評論

u_7739395 頭像

公眾號_小博測試成長之路 - 解鎖新技能：用Python讓你的AI Agent快速連接MCP工具

告別複雜代碼！Python輕鬆實現你的第一個AI Agent 從上一篇文章中，學完之後已經可以通過創建agent來跟大模型對話，並且在創建agent的時候，發現是可以指定tools的。那麼今天來學習一下怎麼創建tools。這裏會要用到mcp協議。讓我們先來看一下MCP是什麼？ MCP（Model Context Protocol，模型上下文協

搜索 , 開發語言 , HTTP , 後端開發 , Python

收藏 評論

u_16213666 頭像

mob64ca140c3859 - vulkan的鏡像怎麼安裝

聲明:我用的是window電腦 一、首先要安裝node環境 搜索地址:https://nodejs.org/en/ 上百度搜一定要搜英文版的官網，中文版的有問題(之前遇到過) 點擊左邊的綠色按鈕LTS 直接會下載 下載完成後 安裝 ,隨便安裝在哪個位置,就默認的好了,然後一直next就ok了。 安裝完成後再控制枱查看版本node -v，

vulkan的鏡像怎麼安裝 , 雲計算 , 搜索 , 自定義 , 雲原生 , 控制枱輸入

收藏 評論

u_15903730 頭像

WangLanguager - 神經架構搜索（Neural Architecture Search，NAS）介紹和代碼示例

神經架構搜索（Neural Architecture Search，NAS）介紹 1. 定義 神經架構搜索（NAS）是一種自動化設計神經網絡架構的方法，通過搜索算法在預定義的搜索空間中尋找最優的網絡結構。其目標是在給定的任務上找到性能最優的網絡架構，減少人工設計網絡結構的工作量。 2. 搜索空間 搜索空間定義了所有可能的網絡結構，

搜索 , 算法 , 搜索策略 , Css , 搜索空間 , 前端開發 , HTML

收藏 評論

JavaEdge 頭像

JavaEdge - 下一代搜索：AI 與 OpenSearch 的融合 —— 基於 MCP 的智能搜索

本文已收錄在Github，關注我，緊跟本系列專欄文章，咱們下篇再續！ 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新，我們的征途是改變世界！ 👉 實戰乾貨：編程嚴

服務器 , yyds乾貨盤點 , 數據 , 搜索 , 人工智能 , 深度學習

收藏 評論

u_17176510 頭像

DoraemonQ - 全類型支持，超越Everything

在日常辦公和學習中，我們經常需要處理大量的文檔和壓縮文件。然而，當我們需要查找某個特定文件時，常常會遇到一個令人困擾的情況：只記得文件中的部分內容，卻完全想不起文件名。這種記憶斷層給工作效率帶來了不小的挑戰，尤其是在處理大量歸檔文件或多人協作的項目時。傳統的文件管理系統主要依賴文件名進行檢索，這種侷限性使得我們不得不花費大量時間逐個打開文件查看內容，嚴重影響了工作

文件名 , 辦公效率 , 搜索 , 正則表達式

收藏 評論

u_16213412 頭像

mob64ca12ebb57f - langchain使用goole搜索

在日常工作中，使用 Google 搜索與 LangChain 結合進行信息搜尋的需求越來越普遍。隨着數據量的不斷增加，傳統的信息檢索方式已顯得不足。因此，本文將通過一系列步驟詳細記錄如何將 LangChain 與 Google 搜索進行融合，從背景定位到生態擴展，涉及參數解析、調試步驟、性能調優及最佳實踐。 背景定位 在一個快速發展的信息時代，數據檢索的需求不斷增長。我們的團隊多

信息檢索 , 搜索 , google , aigc

收藏 評論

u_16213696 頭像

mob64ca14133dc6 - 電腦grep軟件

全面搜索正則表達式（Global search regular expression(RE) ，GREP）是一種強大的文本搜索工具，它能使用正則表達式搜索文本，並把匹配的行打印出來。 Unix/Linux的grep家族包括grep、egrep和fgrep，其中egrep和fgrep的命令跟grep有細微的區別，egrep是grep的擴展，支持更多的re元字符， fgr

文件名 , 雲計算 , 電腦grep軟件 , 搜索 , 雲原生 , 正則表達式

收藏 評論

u_16099189 頭像

智能領航員 - 中文文本處理簡要介紹

在自然語言處理應用中，文本標準化與逆向文本標準化是提升系統準確性的關鍵環節。WeTextProcessing作為一款生產級的開源工具包，專門解決文本預處理中的規範化問題，為語音識別後處理、機器翻譯等場景提供可靠支撐。 項目亮點：四大核心優勢 生產級穩定性：經過大規模實際項目驗證，處理準確率達到98%以上，支持高併發場景下的穩定運行。 多語言覆蓋：原生支持

搜索 , text , Css , 前端開發 , 語音識別 , HTML

收藏 評論

u_15844731 頭像

阿森CTO - linux指令與實踐文件編寫

@TOC 📝前言 本節阿森將和你一起深入淺出的學習簡單幾條指令，快速上手在linux寫代碼，同時更好的理解指令記憶 🌠 linux目錄結構 在linux系統中，磁盤上的文件和目錄被組成一個樹，每個節點都是目錄或文件，像是一個多叉樹的層次結構。如圖所示： 以上只是展示目錄的結構是目錄樹的結構，以下是 Linux 文件目錄結構的主要組

大數據 , yyds乾貨盤點 , 搜索 , 數據倉庫 , Linux , Css

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：十七、大模型的幻覺難題：RAG 解決AI才華橫溢卻胡言亂語的弊病

一、拋磚引玉 經過一段時間的接觸，大型語言模型（LLM），展現出了令人驚歎的文本生成、對話和推理能力。它們飽讀詩書、才華橫溢，能夠就幾乎任何話題進行流暢的對話。然而，這個天才有一個致命的弱點：它的知識完全來源於其訓練數據，存在截止日期，並且它有時會為了保持對話的流暢性而“捏造”事實。這種現象在AI領域被稱為“幻覺”或“胡説八道”。想象一下，你結合實際問了一個問題，最新的員工

yyds乾貨盤點 , 搜索 , NLP , 數據庫 , 人工智能 , 參考資料

收藏 評論

u_16213664 頭像

mob64ca140bbb8b - NLP語義識別在人工智能領域中的應用與前景_nlp 語義識別

伴隨互聯網信息量呈爆炸式增長，傳統搜索引擎於處理複雜且多模態的用户查詢之際，漸漸顯露出侷限性，人工智能搜索優化技術順勢而生，它藉由引入先進的自然語言處理技術，以及深度學習技術，還有知識圖譜等技術，顯著提高了信息檢索的效率以及準確性。 要點的核心在於人工智能搜索優化，是對搜索過程實施智能化改造的舉措。傳統搜索方式主要依靠關鍵詞匹配，以及頁面權重排名來

搜索 , 後端開發 , 人工智能 , 模態 , Python

收藏 評論

u_16237826 頭像

軟件求生 - 從 0 到 1 玩轉 Spring AI + 智譜 AI 向量模型，RAG 工程師都在用！

事情是這樣的。 上週，我負責的一個智能問答項目，老闆突然説一句話： “小米啊，我們要做知識庫檢索，搞個類似 RAG 的東西，支持語義搜索。” 我當場愣住：語義搜索？知識庫？向量？Embedding？ 老闆微微一笑：“別慌，用 SpringAI 接智譜 AI。” 那一刻，我的人生彷彿聽見了 命運的 Callback。於是，就有

機器學習 , yyds乾貨盤點 , 搜索 , 屬性表 , 向量空間 , 人工智能

收藏 評論

u_16213665 頭像

mob64ca140beea5 - LangChain-Agents 入門指南

LangChain Agent工具的定義 大模型是Agent的大腦，工具就是Agent的手和腳 構建Agent時，要提供一個工具列表 首先需要創建Agent項目 安裝LangGraph CLI(python需要大於等於3.11版本) pip install --upgrade "langgraph-cli[inmem]"

字符串 , API , 搜索 , 後端開發 , harmonyos

收藏 評論

u_13200571 頭像

鹽焗西蘭花 - 鴻蒙學習實戰之路-Grid 網格佈局組件全攻略

鴻蒙學習實戰之路-Grid 網格佈局組件全攻略 最近在寫鴻蒙頁面時，發現好多佈局用傳統的 Flex 和 Column/Row 組合起來特別麻煩，尤其是那種網格狀的佈局，比如淘寶首頁的功能入口、小米有品的分類導航，簡直想摳腦殼 o(╯□╰)o 今天這篇，我就手把手帶你搞定 GridGridItem 網格佈局組件，從基礎到進階，保證你看完就能上手！ 一、

網格佈局 , 移動開發 , 搜索 , text , Android

收藏 評論

u_16099241 頭像

技術領航博主 - 好用的Linux grafana模板

A：cat命令的使用 作用1、查看文件內容，將文件內容一次性全部顯示出來，適用於文件內容較少的。 選項： -b //利用-b選項會將文件中的有效文件內容進行行排序。 -n //利用-n選項會將文件中所有內容進行行排序。 B：more命令的使用 作用：查看文件中的所有內容，將文件內容進行分屏顯示，適用於文件內容比較多的情況。

分屏 , 好用的Linux grafana模板 , 文件名 , 雲計算 , 搜索 , 操作系統 , 雲原生

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲 AI 搜索開放平台新發布：增加 QwQ 模型

為了滿足用户對更高效、更智能搜索功能的需求，阿里雲 AI 搜索開放平台 新增加 QwQ 模型，這一全新模型的加入將為企業和開發者帶來更強大的搜索解決方案。 一、QwQ模型 開源版： 基於 Qwen2.5-32B 模型訓練的 QwQ 推理模型，於2025年3月6日發佈。通過強化學習大幅度提升了模型推理能力。模型數學代碼等核心指標（AIME 24/25、LiveCodeBench）以及部分通用指標（I

雲計算 , 搜索 , 阿里雲 , 人工智能 , 大模型

收藏 評論

carloschiang 頭像

CARLOS_KONG - zabbix6.0+grafana12.2 安裝zabbix數據源

zabbix+grafana 安裝zabbix數據源 1.Grafana 中添加 Zabbix 數據源需要安裝Zabbix 插件並完成配置 方法一：通過 Grafana UI 安裝 登錄 Grafana，進入Configuration Plugins。 搜索Zabbix，找到Zabbix Plugin（通常由alexanderzob

數據源 , 數據 , MySQL , 搜索 , 數據庫

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲 AI 搜索開放平台：從算法到業務——AI 搜索驅動企業智能化升級

——已獲知乎作者【GitHub Daily】授權轉載 目前大模型的強大能力，使其成為一些企業和行業的主要創新驅動力，企業亟需重新審視和調整現有的創新機制，以適應AI技術和大數據的快速發展。目前很多企業已經開始嘗試大模型在業務中進行賦能，但在使用一些大模型時往往因為自身場景的需求不同，導致在應用落地中存在一些場景受限，知識庫不完善等一些痛點。 阿里雲AI搜索，憑藉先進的大模型能力和強大的 RAG 處

大數據 , 搜索 , 算法 , 阿里雲 , 人工智能

收藏 評論