tag AI

標籤
貢獻136
290
03:55 AM · Nov 07 ,2025
wintersun 頭像 Goblinscholar 頭像 lying7 頭像 codingtea 頭像 OBCE666 頭像 poloai 頭像 XY-Heruo 頭像 joas-pambou 頭像 huggingface 頭像 u_16773655 頭像 yupi 頭像 u_16060192 頭像

@AI / 博客 RSS 訂閱

tangshiye 頭像

AI架構師湯師爺 - AI自動化神器N8N，保姆級安裝教程，小白也能5分鐘搞定（建議收藏）

大家好，我是湯師爺，AI智能體架構師，致力於幫助100W人用智能體創富~ n8n最近非常火爆，很多人都在用它來搭建自動化工作流。 作為一個開源的自動化工具，它不僅功能強大，而且完全免費，這讓它迅速成為了自動化領域的熱門選擇。 今天把完整的部署教程分享給你，保證小白也能看懂。 什麼是N8N？ 簡單説，N8N是一個自動化工作流工具。 你可以用它連接各種應用和服務。讓它

軟件研發 , n8n , agent , 智能體 , AI

收藏 評論

yupi 頭像

程序員魚皮 - Gemini 3.0 炸裂發佈！前端又死了？？？

大家好，我是程序員老魚皮~ 來看看現在的 AI 有多離譜！ 1）設計原型圖：1 句話幾十秒，隨便做個億級流量的產品原型。 嚯，這個還原度！ 2）企業級網站：1 句話復刻各種企業級網站。 真的是各種…… 3）3D 動畫特效網站：1 句話製作複雜的 3D 動畫特效網站。 這給我一個月也做不出來啊！ 4）生活寫實網站：1 句話還原各種生活場景。 你別説，還挺暖和，不知道大家隔着屏幕能不

AI

收藏 評論

u_16773655 頭像

向量檢索 - 如何通過HTTP API檢索Doc

本文介紹如何通過HTTP API在Collection中進行相似性檢索。 前提條件 已創建Cluster：創建Cluster。 已獲得API-KEY：API-KEY管理。 Method與URL HTTP POST https://{Endpoint}/v1/collections/

向量檢索 , 大數據 , yyds乾貨盤點 , 數據倉庫 , AI , 人工智能 , 大模型

收藏 評論

wintersun 頭像

PetterLiu - 自動化檢索增強生成（RAG）評估框架解析

一.RAG系統評估的必要性與挑戰 檢索增強生成（Retrieval-Augmented Generation, RAG）技術已成為增強大型語言模型（LLM）能力的關鍵範式。通過從外部知識庫中檢索相關信息，RAG能夠有效解決LLM固有的知識過時和內容幻覺等核心侷限性。無論是為客户支持系統提供最新的產品信息，還是在金融、醫療等專業領域確保答案的準確性與可追溯性，RAG都扮演着至關重要的角色。

AI

收藏 評論

wintersun 頭像

PetterLiu - 基於GEM的需求評審專家agent

基於GEM的需求評審專家agent 之前有文章AI輔助需求規格描述評審，優化需求評審流程論LLM與人工審查協同模式。 以下是我們基於Google Gem，目前支持上傳附件，如我們項目與產品需求文檔直接上傳評審。 需求功能列表補全 從這訪問 gemini.google.com 今天先到這兒，希望對AI，雲原生，技術領導力， 企業管理，系統架構設計與評估，團隊管理, 項目管理,

AI

收藏 評論

cathybryant 頭像

CathyBryant - 信息論（12）：Jensen不等式

Jensen不等式：如果 f 是一個凸函數，X 是一個隨機變量，那麼： $ f(\mathbb{E}[X]) \leq \mathbb{E}[f(X)] $ 它的含義是，對於凸函數 f 而言：平均值的函數 ≤ 函數的平均值，如果 f 是凹函數，則不等式取反。 想象一下，函數 f 的形狀就像一個碗，例如 f(x) = x²，中間向下，兩端向上翹起。 在碗中任意選取兩點，比如 x₁ 和 x₂。連接 f

AI

收藏 評論

baihai 頭像

baihai - 剖析大模型產生幻覺的三大根源

編者按： 為什麼大語言模型總是“一本正經地胡説八道”？它們是在故意欺騙，還是被訓練機制“逼”成了這樣？ 我們今天為大家帶來的這篇文章指出：幻覺並非模型的故障，而是當前訓練與評估機制下的一種理性選擇 —— 當模型因進行猜測獲得獎勵、因坦白“我不知道”而被懲罰時，編造答案就成了最優策略。 文章系統剖析了幻覺的三大根源：預訓練階段以統計預測替代事實判斷、後訓練

llm , AI , 人工智能 , 深度學習 , 大模型幻覺

收藏 評論

wintersun 頭像

PetterLiu - 不止於代碼-如何用 Trae IDE與Agent重塑軟件需求工程

從“氛圍編程”到“智能評審”——利用上下文感知 Agent 實現 30%+ 的研發左移提效 在 AI 編程工具爆發的今天，大多數人的目光仍聚焦在 Copilot 的代碼補全上。但作為資深開發者，我們都清楚一個殘酷的現實：如果需求（PRD）本身就是垃圾，寫代碼的速度越快，產出“技術債務”的速度就越快。 最近，AI 輔助開發的概念已從簡單的“輔助編程”演進為 “氛圍編程 2.0 (Vibe C

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的紡織品缺陷檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的紡織品缺陷檢測系統 1. 前言​ 大家好，歡迎來到Coding茶水間。在傳統的紡織工業質檢環節中，人工目檢不僅效率低下，還容易因視覺疲勞導致漏檢，而基於YOLO算法的紡織品缺陷檢測系統正是解決這一痛點的智能化方案。今天我將為大家全面演示這套系統的功能，它不僅能通過圖片、視頻、文件夾及實時攝像頭流，精準識別破洞、織線瑕疵、污漬、紗頭等缺陷，還具備直觀的可視化操作界面，支持置信

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的船舶檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的船舶檢測系統演示與介紹 1. 前言 海上場景的船舶檢測對海事安全與航運管理具有重要意義。傳統方法在複雜海況、密集目標與小目標場景下存在魯棒性不足、效率偏低等問題。近年來，YOLO系列單階段檢測器憑藉端到端推理與良好實時性，成為船舶檢測的主流方案。 本文實現並評估一套基於 YOLO 的船舶檢測系統，集成YOLOv5、YOLOv8、YOLOv11、YOLOv12，在同一界面實現

AI

收藏 評論

u_17216172 頭像

數據庫知識分享者小北 - 基於 PolarDB 打造企業專屬智能問答應用，完成任務可贏取保温杯、加濕器等好禮！

企業在智能化升級的浪潮中，知識問答和智能客服的需求不斷激增。然而，傳統的 RAG 方案往往依賴外部向量庫，導致架構複雜、數據同步困難和高昂的運維成本。 本方案將基於雲原生數據庫 PolarDB 構建 RAG 智能知識系統，融合原生 IMCI 向量索引與 PolarDB for AI 能力，通過原生 SQL 調用列存向量節點和 AI 節點，無需外部向量庫，實現數據與知識的閉環

MySQL , AI , 阿里雲 , 數據庫 , RAG , PolarDB

收藏 評論

wintersun 頭像

PetterLiu - Table-RAG破解海量表格檢索難題

破解海量表格檢索難題 一.概述 在當今的商業與科研領域，結構化數據——尤其是那些動輒包含數十萬、數百萬單元格的大型表格——構成了我們決策與洞察的基石。然而，一個令人困惑的現實是，即便強大如GPT系列的大型語言模型（LLM），在面對這些海量、規整的數據時，也常常會“迷航”。它們就像一位才華橫溢的語言學家被要求在沒有地圖的情況下，穿越一片由數字和文本構成的汪洋大海。將深入剖析這一困境的根源，並拆解一

AI

收藏 評論

wintersun 頭像

PetterLiu - 六頂思考帽深度解析AI賦能代碼生成技術

六頂思考帽深度解析AI賦能代碼生成技術 簡介 人工智能（AI）賦能的代碼生成技術已不再是簡單的代碼補全工具。它已經迅速演變為一個複雜而龐大的生態系統，涵蓋了從底層的代碼基礎模型、推動軟件工程自動化的智能體（Agents），到保障系統可靠性的安全對齊技術，乃至探索通用人工智能（AGI）邊界的通用智能代理。這個技術版圖正在以驚人的速度擴張，並深刻地重塑着我們對軟件開發的認知。 借鑑權威技術綜述

AI

收藏 評論

lying7 頭像

躺柒 - 讀共生：4.0時代的人機關係11消費者（上）

1.消費者 1.1.不僅來自工作場所期望以及工作與生活界限的變化，還來自智能手機、平板電腦和筆記本電腦，加上無處不在的互聯網連接，還有激增的移動辦公應用 1.2.在法國，員工在下班時間不回覆工作電子郵件的權利受法律保護 1.2.1.世界上大多數國家迄今為止都未能充分解決這個摩擦點，而且我們預計這種趨勢至少會持續到下一個十年 2.推薦引擎 2.1.在過去二十年中，報紙和雜誌已經實現了數字化

AI

收藏 評論

lying7 頭像

躺柒 - 讀智能新物種04自主決策

1.分配責任 1.1.弄清楚在出現問題時如何分配責任是一個很大的挑戰，但這個問題已經存在了幾千年 1.2.雖然大多數現代法律制度傾向於將動物視為財產而不是人，但該制度通常承認這種“財產”對自主行為的偏好 1.3.今天，隨着機器人開始進入共享空間，撞倒蹣跚學步的幼兒，抵制“機器人本身應負責任”的想法尤為重要，負責任的應該是人 1.4.嘗試用動物做類比，我們會發現現在或許並不是我們想象的那樣，成為了

AI

收藏 評論

poloai 頭像

poloai - GPT-5.2-Codex 重磅上線！代碼審查 + 網絡安全雙 buff，poloai.top 一鍵解鎖

2025 年底，AI 編程領域迎來重磅更新 ——OpenAI 正式發佈 GPT-5.2-Codex，這款專為複雜軟件工程設計的智能體編碼模型，憑藉在代碼審查、網絡安全、長上下文處理等維度的突破性表現，迅速引爆開發者社區。作為迄今為止最先進的編碼模型，它不僅延續了 GPT-5 系列的專業能力，更針對智能體編碼和終端使用完成深度優化，成為開發者從代碼編寫到安全校驗的 “全能助手”。而對於國內開

AI

收藏 評論

maximillian-piras 頭像

Maximillian Piras - When Words Cannot Describe: Designing For AI Beyond Conversational Interfaces

Few technological innovations can completely change the way we interact with computers. Lucky for us, it seems we’ve won front-row seats to the unfolding of the next paradigm shift. These shifts te

ux , AI , Design

收藏 評論

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

fanshaoO 頭像

飯勺oO - AI 編程配置太頭疼？ACP 幫你一鍵搞定，再也不用反覆折騰！

重構AI編程工具配置體驗：ACP (AI-Config-Plaza) 核心價值解析 在AI編程工具全面普及的今天，Claude Code、GitHub Copilot、OpenAI Codex、Cursor等工具已成為開發者日常工作的標配，但隨之而來的配置管理難題卻成為制約效率的關鍵瓶頸。ACP (AI-Config-Plaza) 作為專注於AI編程工具配置管理的開源平台 (官網)，以統一化、社區

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程三： 結構化機器學習項目 第二週：誤差分析與學習方法（一）誤差分析與快速迭代

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 本篇為第三課的第二週內容，2.1到2.3的內容。 本週為第三課的第二週內容，本週的內容關於在上週的基礎上繼續展開，並拓展

AI

收藏 評論

wintersun 頭像

PetterLiu - CodeWiki評估大型代碼庫整體文檔生成能力思辨

階段一：收集並審視證據 1.1 引言：證據是思辨的基石 任何嚴謹的思辨都始於對證據的無情審視。在對一項技術創新進行評估時，我們必須首先剝離所有的敍事與宣傳，直面其最原始、最客觀的事實。本章節將專注於從 CodeWiki 論文中提取核心事實、數據和聲明，並對其來源、有效性和一致性進行嚴格的審視。這一過程如同為一座宏偉的建築勘驗地基，只有確保每一塊基石都堅固可靠，我們才能在其上構建起有價值的分析與

AI

收藏 評論

lying7 頭像

躺柒 - 讀共生：4_0時代的人機關係07工作者

1.技術的浪潮 1.1.兩輪顛覆式技術的浪潮主要區別在於對創造工作崗位一事的潛在影響 1.1.1.移動互聯網、雲計算有助於重塑全球信息技術、物流和通信基礎設施 1.1.2.機器學習、智能自動化和人工智能有助於重塑工作本身的性質 1.2.基礎設施往往有着廣闊的舞台，這通常意味着勞動力的增加 1.2.1.人們必須學習新技能，必須創造新的工作職能，而增長會帶動人們對更高

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程二： 改善深層神經網絡 第二週：優化算法（六）課後習題和代碼實踐

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 本篇為第二課第二週的課程習題和代碼實踐部分筆記。 1.理論習題 【中英】【吳恩達課後測驗】Course 2 - 改善深層

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第二週：經典網絡結構 （三）1×1卷積與Inception網絡

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 本篇為第四課的第二週內容，2.5到2.7的內容。 本週為第四課的第二週內容，這一課所有內容的中心只有一個：計算機視覺。應

AI

收藏 評論