tag AI

標籤
貢獻136
299
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

joas-pambou 頭像

Joas Pambou - A High-Level Overview Of Large Language Model Concepts, Use Cases, And Tools

Even though a simple online search turns up countless tutorials on using Artificial Intelligence (AI) for everything from generative art to making technical documentation easier to use, there’s stil

Tools , Apps , AI

收藏 評論

DashVector 頭像

e3830ba1-5631-457e-bd1b-9f3b6cfcd899 - 通義深度搜索

簡介 通義深度研究產品，又稱深度搜索智能體DeepSearchAgent，基於廣受歡迎的通義開源WebSailor/DeepResearch開源項目增強而來，為用户打造的端到端智能深度搜索AgentAPI，可廣泛應用於本地+聯網知識庫、長文報告寫作、金融分析、法律諮詢、市場研究等應用場景 通義深度搜索Agent，通過多階段預訓練、SFT和RL訓練，在Humanity’sLas

AI

收藏 評論

u_17442285 頭像

xcLeigh - 數據可信：“AI+Data”時代企業落地的生死線與破局之道

在 AI 技術迅猛發展的今天，企業對智能化轉型的需求日益迫切，但落地效果卻普遍不理想。據 MIT 報告顯示，企業垂直場景 AI 應用真正上生產的比例僅 5%。2026 年 1 月，由【Yolanda科技見聞】與【矩陣起源】聯合推出的年度重磅專欄 “AI +數據時代的技術戰略與組織進化” 第二期直播，圍繞 “數據可信——如何構建支撐可信 AI 與決策的數據基座” 主題，墨創數跡 C

it , yyds乾貨盤點 , 數據 , AI , 數據可視化 , 知識管理 , 人工智能

收藏 評論

poloai 頭像

poloai - 【2025年最新】全面解析 poloapi.top：一站式 AI 大模型 API 聚合服務平台

在 AI 技術高速迭代的今天，接入多個大模型成為技術產品的重要能力，無論是構建智能客服、生成式內容中台，還是開發自動化助手，都需要支持 GPT、Claude、Gemini、其他語言或多模態模型。單個模型 API 接入複雜、密鑰管理繁瑣、成本難控，這就促成了 API 聚合平台 的誕生。poloapi.top 便是其中代表性的一站式 AI 大模型聚合 API 服務平台。 ✅ 什麼是 poloapi.

AI

收藏 評論

u_16099325 頭像

數據小築 - linux系統進程解析,Linux操作系統的進程管理詳解

【Linux】 進程管理進階：從 ps 到 pidstat，高手都在用的監控技巧 摘要 目錄 1\. 引言：為什麼需要進階的進程管理？ 1.1. 基礎工具的侷限性 1.2. 進階監控的目標 2\. `ps` 命令的精進使用

spring , 上下文切換 , AI , Linux , 進程管理 , Css , 前端開發 , HTML

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 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 本篇為第四課第二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

znai 頭像

老艾的智能世界 - 股票資金流向獲取工具！無限制查詢，Hawk下載介紹

現在越來越多普通人想嘗試量化投資，很多新手股民一上來就盯着K線圖研究短線走勢，卻忽略了市場主力資金的流動走向，在金融分析領域，獲取豐富且準確的資金進出數據是深入研究一隻股票和策略制定的重要基礎 Hawk是一個強大的股票數據獲取工具，可以查詢股票的價格數據、成交量等各類信息，它整合了多個頭部信息源，使得用户不需要在各個財經網站和平台之間查找數據 Hawk最新中文版： 百度網盤：https://p

AI

收藏 評論

efancn 頭像

nafe - 考研高等數學筆記01：函數與極限 緒論

考研高等數學筆記01：函數與極限 緒論 1 緒論 1.1 微積分研究的主要內容 微積分研究的主要內容是：事物運動中的數量變化規律，包括： \[事物運動中的數量變化規律 \begin{cases} 觀察方式\begin{cases}宏觀\\微觀\end{cases}\\\\ 變化方式\begin{cases}均勻變化\\非均勻變化\end{cases} \end{cases} \] 1.2 微觀

AI

收藏 評論

joas-pambou 頭像

Joas Pambou - A Simple Guide To Retrieval Augmented Generation Language Models

Suppose you ask some AI-based chat app a reasonably simple, straightforward question. Let’s say that app is ChatGPT, and the question you ask is right in its wheelhouse, like, “What is Langchain?” T

Techniques , Tools , AI

收藏 評論

znai 頭像

老艾的智能世界 - 最新AI換臉軟件，全面升級可直播，Mirage下載介紹（支持cpu）

Mirage是一款功能強大且操作簡單的AI換臉工具，它採用先進的人工智能技術，基於PyTorch+TensorRT框架構建，憑藉雙加速特點實現換臉速度提升數倍，打破了傳統換臉工具在速度與效果上的瓶頸，為用户提供圖片、視頻、網絡直播等多場景的逼真換臉體驗 針對圖片和視頻換臉場景，用户只需導入待換臉的圖片與目標人臉圖片、視頻，軟件會自動識別人物面部特徵並精準完成替換，相比傳統換臉工具，Mirage優

AI

收藏 評論

yldeveloper 頭像

yLDeveloper - 一隻菜鳥學深度學習的日記：入門卷積

本文以作者閲讀《Dive into Deep Learning》為線索，融合串聯了自身理解感悟、原始論文、優秀文章等。如有無意侵權，請聯繫本人刪除。 卷積神經網絡，由圖像處理而生，但在NLP等方面仍有較大作用。 圖像分辨率大時，對模型參數數量要求很多 原理： 物體是什麼 與 物品所在的位置 無關 --- 平移不變性 最初只探索圖像中的局部區域，忽略不同空間的關係 --- 局

AI

收藏 評論

lying7 頭像

躺柒 - 讀智能新物種03新物種

1.新物種 1.1.動物世界包含擁有各種各樣才能的物種，其中許多動物的能力都超越了人類 1.2.當談到機器人和人工智能時，我們卻關注着某些特殊的智能和技能，即我們自己所擁有的 1.3.在思考人工智能時總是使用人類的大腦作為模型，這樣做的部分原因在於，從歷史上看，最早的人工智能開發者的目標正是：再現人類的智能 1.4.弄清楚人類是如何學習的，並試圖在機器中再現這一過程 1.5.自動化已經並將繼續對

AI

收藏 評論

wintersun 頭像

PetterLiu - 實戰利用LLM輔助小程序逆向與HTTP報文漏洞挖掘

摘要： 在Web安全與小程序逆向分析中，面對成千上萬條HTTP請求日誌，人工審計往往效率低下且容易遺漏邏輯漏洞。本文將介紹一種高效的新型工作流：“Fiddler抓包 + 文本導出 + LLM智能體分析”。通過一個真實的婚戀交友SaaS小程序案例，我們演示瞭如何利用大模型快速破解簽名算法，並從Raw報文中精準挖掘出嚴重級越權（IDOR）與未授權圖牀漏洞。 1. 核心思路：讓LLM成為

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 （四）RNN 中的梯度現象

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，1.8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

u_15644617 頭像

u_15644617 - 告別繁瑣操作！這款神器用 AI 輕鬆繪製專業圖表！

大家好，我是 Java陳序員。 在日常工作中，我們常常要繪製架構圖、流程圖等。 你是否也曾經歷過這些場景：對着空白的 Draw.io 界面發呆，想畫個系統架構圖卻不知從何下手？花兩小時調整流程圖佈局，結果元素還是擠成一團？好不容易畫完的雲架構圖，領導一句“重新排版”讓你心態崩潰？ 今天，給大家推薦一款製圖神器，用 AI 幫助你輕鬆繪製專業圖表！

yyds乾貨盤點 , drawio , deepseek , AI , aigc , AI作畫

收藏 評論

u_13778063 頭像

u_13778063 - Agent 記憶系統技術深度：從上下文工程到長期記憶組件集成！

作者：柳遵飛（翼嚴） 前言 隨着 AI Agent 應用的快速發展，智能體需要處理越來越複雜的任務和更長的對話歷史。然而，LLM 的上下文窗口限制、不斷增長的 token 成本，以及如何讓 AI“記住”用户偏好和歷史交互，都成為了構建實用 AI Agent 系統面臨的核心挑戰。記憶系統（Memory System）正是為了解決這些問題而誕生的關鍵技術。 記憶系統

agent , 雲計算 , AI , 阿里雲 , 雲服務 , 雲原生

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的交通事故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 基於深度學習的交通事故檢測系統 1. 前言​ 大家好！歡迎來到Coding茶水間。今天我們將深入探討一個極具現實意義的技術方案——基於YOLO算法的交通事故檢測系統。在正式演示前，不妨先聊聊這個領域的現狀與挑戰：隨着城市化進程加快，道路交通事故頻發已成為威脅公共安全的重要隱患。傳統交通事故監控依賴人工巡檢或簡單視頻回放，不僅效率低下（漏檢率高、響應滯後），更難以應對海量交通數據的實時分析

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（一）圖像處理基礎

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 本篇為第四課的第一週內容，1.1到1.3的內容。 本週為第四課的第一週內容，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

u_16099337 頭像

IT獨行俠客 - 常用數據清洗方法大盤點_51CTO博客

大數據清洗：從“髒數據”到“黃金礦”的魔法變身術 關鍵詞：數據清洗、髒數據、ETL、數據質量、大數據優化、特徵工程、Pandas實戰 摘要：大數據時代，“數據是黃金”的説法早已深入人心，但剛從業務系統、傳感器或用户行為中採集到的數據，往往像剛從河裏撈上來的沙子——混着泥土、石頭、碎玻璃，甚至還有爛葉子。要想從這些“髒

spark , 髒數據 , 大數據 , 數據清洗 , 數據 , AI

收藏 評論

longlong688 頭像

longlong688 - 魔搭社區-2025文旅智能體創新大賽-參賽作品記錄

智能行程規劃工具2.0 一. 網頁初嘗試 一開始通過HTML寫，發現調用智能體的api密鑰只能明文保存，通過加密讀取存在問題， 也不會用魔搭社區的py語法讀取保存密鑰。 二. 前後端連接 瞭解和嘗試使用後端，在豆包的幫助下，成功跑通本地電腦和雲服務器，用其他雲服務器嘗試也可以和後端連上。 嘗試部署到創空間，發現創空間只認https鏈接網址，通過http+ip（域名）連接不上，用海外服務器連接

AI

收藏 評論

wintersun 頭像

PetterLiu - Z-Image圖像生成模型發佈與競品

1. 引言 當前，高性能文本到圖像（Text-to-Image, T2I）生成模型市場呈現出一種根本性的二元格局。一方面，是以Nano Banana Pro、Seedream 4.0為代表的專有（閉源）商業模型，它們性能強大，但其技術實現被封裝於“黑盒”之內，限制了社區的研究與創新。另一方面，則是以Qwen-Image、Hunyuan-Image-3.0為代表的開源模型，它們雖然推動了技術的普及

AI

收藏 評論

u_13778063 頭像

u_13778063 - 從傳統架構到AI原生：深度剖析企業AI落地的“三高”痛點與Serverless化解決方案

作者：趙世振 本文整理自 2025 雲棲大會，阿里雲智能集團產品架構師 趙世振 的主題演講《Serverless AI 原生應用架構》 在 AI 大模型浪潮席捲全球的今天，企業紛紛加速擁抱 AI，推動智能客服、內容生成、流程自動化等場景快速落地。然而，許多企業在實踐中卻遭遇了“三高困境”——成本高、複雜度高、風險高。 一位互聯網公司 CTO 曾坦言：“智

鏈路 , 原生應用 , 雲計算 , AI , 雲服務 , serverless

收藏 評論

baihai 頭像

baihai - 分享一名海外獨立開發者的 AI 編程工作流

編者按： 當AI編程智能體宣稱能自動化一切時，我們是否在工具與概念的叢林中迷失了方向，反而忘記了如何最簡單、直接地解決問題？ 本文的核心主張尖鋭而明確：與其追逐繁雜的“智能體套件”、子智能體（Subagents）、RAG 等概念，不如迴歸本質 —— 選擇一個強大且高效的模型，像與一位靠譜的工程師同事那樣，通過簡潔的對話和直覺性的協作來直接解決問題。作者直言不諱地

AI , AI編程 , 人工智能 , 深度學習

收藏 評論

u_17182302 頭像

u_17182302 - 2025年底，我還在用哪些AI工具？

25年底了，我還在用哪些AI工具？ 留下來的8個工具 Copilot：每月10刀，性價比之王 這個可能很反常識。網上大量詬病Copilot的帖子，説它不如Cursor和Claude Code聰明。 但它一個月10刀能包含300次調用啊！而且每次超額只要4美分。處理超長上下文任務時按次計費的性價比無需多言，而且最新的模型包括gpt codex都有，後

AIGC二三事 , AI應用 , AI , AI工具 , aigc , 人工智能 , Copilot

收藏 評論