tag AI

標籤
貢獻136
292
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

poloai 頭像

poloai - 不止編程！Claude Code 跨界應用指南：5 大垂直領域關鍵詞用法 + PoloAPI 省錢技巧

提到 Claude Code，很多人會默認它是 “程序員專屬工具”。但實際上，這款強大的 AI 工具早已突破技術場景侷限，憑藉精準的意圖理解和深度推理能力，成為創意寫作、商業決策、教育學習等多個領域的 “全能思維夥伴”。只需輸入精準關鍵詞，它就能快速輸出結構化方案，幫你打破思維瓶頸、提升效率。本文將拆解 Claude Code 在 5 大垂直領域的跨界用法，同時分享如何通過 PoloAPI 聚合平

AI

收藏 評論

wintersun 頭像

PetterLiu - Trae 智能體與邊緣小模型 (SLM) 重構日誌分析工作流

AIOps 實戰：如何用 Trae 智能體與邊緣小模型 (SLM) 重構日誌分析工作流 摘要： 從 180MB 的日誌文件中秒級定位故障，到 K8s 集羣的全面體檢——本文將揭秘如何構建“日誌分析專家”Agent，並探討“邊緣清洗 + 雲端推理”的下一代運維架構。 在運維（Ops）和開發（Dev）的日常中，最令人頭禿的場景莫過於：凌晨三點，生產環境報警，你面對着幾百兆滾動的日誌文件，試圖

AI

收藏 評論

u_17610575 頭像

mb695230a481982 - 規模最大、性能最好，百度百舸助力北京人形打造開源具身多模態大腦模型 Pelican-VL1.0

北京人形機器人創新中心有限公司（下文簡稱：北京人形）是國內首家省級人形機器人創新中心，聚焦於具身智能機器人核心技術、產品研發和應用落地，圍繞通用機器人平台「具身天工」和通用具身智能平台「慧思開物」兩大核心任務開展攻堅，致力於打造具有全球影響力的具身智能創新策源地和應用示範高地。 2024 年，北京人形發佈「天工1.0 LITE」，成為全球首個純電驅擬人奔跑的全尺寸人形機器人

機器學習 , 具身智能 , AI , 人工智能

收藏 評論

sltjz 頭像

品牌推薦排行榜 - 2025 年 12 月 GEO 服務商 TOP5 評測：分晰牛科技登頂，有客來緊隨其後

2025 年 12 月 GEO 服務商 TOP5 評測：分晰牛科技登頂，有客來緊隨其後 埃森哲最新發布的《2025 生成式 AI 營銷白皮書》顯示，全球 80% 的企業已將 GEO（生成式引擎優化）納入核心營銷戰略，其中 78% 的企業表示通過 GEO 優化實現了 AI 搜索流量翻倍。在 AI 搜索技術持續迭代、市場競爭日趨激烈的背景下，選擇專業的 GEO 服務商成為企業突破增長瓶頸的關鍵。

AI

收藏 評論

eduard-kuric 頭像

Eduard Kuric - Human-Centered Design Through AI-Assisted Usability Testing: Reality Or Fiction?

Unmoderated usability testing has been steadily growing more popular with the assistance of online UX research tools. Allowing participants to complete usability testing without a moderator, at thei

User Research , testing , AI , Usability , Case Studies

收藏 評論

adriano-raiano 頭像

Adriano Raiano - Modern Technology And The Future Of Language Translation

Multilingual content development presents its own set of difficulties, necessitating close attention to language translations and the use of the right tools. The exciting part is that translation te

Internationalization , ux , AI , User Interaction

收藏 評論

yinjian-huang 頭像

Yinjian Huang - How To Design Effective Conversational AI Experiences: A Comprehensive Guide

Conversational AI is revolutionizing information access, offering a personalized, intuitive search experience that delights users and empowers businesses. A well-designed conversational agent acts a

Guides , AI , User Interaction , Design

收藏 評論

u_16773655 頭像

向量檢索 - 如何通過HTTP API獲取Doc

本文介紹如何通過HTTP API，根據id列表獲取Collection中已存在的Doc。 説明 如果指定id不存在，則該id對應的Doc為空。 前提條件 已創建Cluster：創建Cluster。 已獲得API-KEY：API-KEY管理。 Method與URL HTTP

大數據 , yyds乾貨盤點 , 數據倉庫 , 向量 , AI , 數據庫 , 大模型

收藏 評論

poloai 頭像

poloai - 揭秘 Gemini 3.0 官方系統提示詞：從邏輯框架到實戰技巧，這樣用效果翻倍

玩 Gemini 3.0 時，很多人都有個困惑：明明用的是同一個模型，別人生成的代碼又快又準，自己卻要反覆調整提示詞？其實關鍵藏在官方系統提示詞裏 —— 谷歌沒明説，但這套 “隱藏規則” 直接決定了模型的響應邏輯。2026 年實測發現，掌握官方提示詞的核心框架，再結合 PoloAPI（官網 poloai.top）的適配優化，能讓 Gemini 3.0 的調用效果提升 3 倍，不管是寫代碼、做數據分

AI

收藏 評論

javatoai 頭像

javatoai - 【人工智能時代】-Dify繪圖工具解析

Dify繪圖工具解析：硅基流動與其他主流工具的實戰對比 引言：AI繪圖時代的到來 在AI技術迅猛發展的今天，圖像生成已成為AI應用的重要組成部分。Dify作為一款開源的LLM應用開發平台，雖然本身不提供內置繪圖功能，但通過其強大的自定義工具能力，可以輕鬆集成各類AI繪圖模型。本文將深入探討Dify平台中可用的繪圖工具，特別聚焦於硅基流動（SiliconFlow）這一熱門選擇，並提供詳細的實戰對比和

AI

收藏 評論

wintersun 頭像

PetterLiu - 基於LLM持續改進文章的方法

核心轉變：從"被動聽摘要"變為"主動提問，讓AI當編輯" 原創文章 起點：待打磨的初稿。 NotebookLM自定義音頻（評論模式） 關鍵動作：上傳文檔後，選擇自定義提示詞，向AI主持人主動提問。 示例："點評第一段是否成功勾起讀者興趣？" 示例："審閲文檔結構，對一般受眾來説主要觀點明確嗎？" 示例："針對這份草稿的邏輯漏洞提供建設性反饋" 產出：一段針

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 第一週：卷積基礎知識 課後習題和代碼代碼實踐

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 本篇為第四課第一週的課後習題和代碼實踐部分。 1. 理論習題 【中英】【吳恩達課後測驗】Course 4 -卷積神經網絡

AI

收藏 評論

wintersun 頭像

PetterLiu - LLM驅動的多智能體心靈感應協作

一.概述：從“對話”到“心靈感應”的進化 在人工智能領域，多智能體系統（Multi-Agent Systems, MAS）正迅速成為一項具備戰略性意義的技術。它推動着AI從獨立的“個體思考者”向能夠協同解決複雜問題的“智能團隊”演進。然而，當前主流的多智能體協作方式嚴重依賴於文本——如同人類通過對話交流。這種模式不僅效率低下，還常常因信息的壓縮和轉譯而導致關鍵細節的丟失。為了突破這一瓶頸，一項

AI

收藏 評論

joas-pambou 頭像

Joas Pambou - Integrating Image-To-Text And Text-To-Speech Models (Part 2)

In Part 1 of this brief two-part series, we developed an application that turns images into audio descriptions using vision-language and text-to-speech models. We combined an image-to-text that anal

Techniques , Tools , AI

收藏 評論

Goblinscholar 頭像

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 課後習題與代碼實踐

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 本篇為第五課第一週的課後習題和代碼實踐部分。 1.理論習題 【中英】【吳恩達課後測驗】Course 5 - 序列模型 -

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的水果品質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 基於深度學習的水果品質檢測系統演示與介紹 1. 前言​ 在農業和食品安全領域，水果品質檢測面臨效率和準確性挑戰。傳統手工方法易受主觀影響，無法實現實時監控。本文介紹基於YOLO算法的水果品質檢測系統，可自動識別水果類型（如草莓、香蕉、番茄）及其變質程度（優質、輕微變質、腐爛）。 系統利用YOLO變體（如YOLOv5和YOLOv12N）訓練於超過21,000張圖片數據集（訓練集11,964

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 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 本篇為第三課第二週的課程習題部分的講解和代碼實踐。 1 . 理論習題 還是先上鍊接：【中英】【吳恩達課後測驗】Cours

AI

收藏 評論

lying7 頭像

躺柒 - 讀人機溝通法則：理解數字世界的設計與形成06機器讓失衡自動化

1.排斥 1.1.科技公司需要全速運行以跟上摩爾時間尺度，這加大了在潛在僱員中優化“文化適配度” 1.1.1.意味着招聘“和我們一樣”的人—的壓力 1.1.2.新員工就會花更少的時間適應（因為他們“和我們一樣”​）​，產生更少的日常摩擦（因為他們“和我們一樣”​）​，並且聽老闆的話（因為他們“和老闆一樣”​）​ 1.2.“排斥” 1.2.1.exclude這

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 第三週：超參數調整，批量標準化和編程框架 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 本篇為第二課第三週的課程習題和代碼實踐部分筆記。 1. 理論習題：獨熱編碼 還是先上鍊接： 【中英】【吳恩達課後測

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的香蕉成熟度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 基於深度學習的香蕉成熟度檢測系統演示 1. 前言​ 隨着農業現代化的發展，水果品質在線檢測在採摘後分級與倉儲管理中具有重要意義。香蕉成熟度直接影響其口感與銷售價值，但人工檢測效率低、主觀性強，難以滿足規模化需求。 YOLO 系列算法檢測速度快、精度較高，已廣泛用於目標檢測。然而在香蕉成熟度檢測中，不同階段的外觀差異細微，且易受光照、背景等因素干擾，現有方法多侷限於簡單二分類，缺乏多類別細

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的安檢危險品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 基於深度學習的安檢危險品檢測系統 1. 前言​ 大家好，歡迎來到 Coding 茶水間。 在公共交通與公共安全的日常守護中，安檢是防止危險品流入人羣的關鍵防線。傳統依靠人工判圖的安檢方式，不僅工作強度大，還容易因疲勞或經驗差異漏檢風險物品。今天我們要分享的項目，就是基於 YOLO 算法​ 的安檢危險品檢測系統——它能自動分析安檢通道拍攝的箱包圖像，精準識別其中的槍支、刀具等危險品，把“人

AI

收藏 評論

wintersun 頭像

PetterLiu - 氛圍編程工具個人推薦

大模型推理能力（腦子） 編輯器功能（手）。它更推崇擁有強大邏輯架構能力的模型（如Claude），而不是單純的IDE集成工具。 第一梯隊 (First Echelon)：主力軍 這一層級是作者認為完成“Vibe Coding”最核心的工具組合。 Claude Code (核心大腦) 定位： 架構師、總指揮。 專家解讀： 這裏指的應該是搭載

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的水下垃圾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 基於深度學習的水下垃圾檢測系統 1. 前言​ 隨着海洋環境保護和水下作業需求的增加，快速、準確地識別水下垃圾成為亟待解決的問題。然而，受光照變化、水體渾濁及數據稀缺等因素影響，現有檢測手段普遍存在魯棒性不足、實時性差、部署成本高等痛點。YOLO 系列算法憑藉高速與較高精度的優勢，為目標檢測提供了可行方案，但在水下環境仍需針對性優化。為此，我們開發了基於 YOLO 算法的水下垃圾檢測系統，

AI

收藏 評論