tag AI

標籤
貢獻169
1007
03:55 AM · Nov 07 ,2025
wintersun 頭像 lying7 頭像 Goblinscholar 頭像 codingtea 頭像 dmx778 頭像 OBCE666 頭像 yupi 頭像 poloai 頭像 XY-Heruo 頭像 yjmyzz 頭像 longronglang 頭像 huggingface 頭像

@AI / 博客 RSS 訂閱

u_14767244 頭像

u_14767244 - 字節跳動：Apache Doris + AI 一站式融合數據引擎的探索與實踐

隨着人工智能技術在業務中的滲透，我們逐漸意識到：AI 不僅是提升效率的工具，更是重構數據處理與消費方式的核心驅動力。在這一背景下，我們思考：能否構建一款「AI + Data」一站式融合的數據引擎？ 它不僅能夠統一處理文本、音視頻等非結構化數據與傳統結構化數據，還能為算法工程師提供流暢的數據開發體驗，實現數據處理與 AI 模型無縫銜接，並能確保數據處理負載與在線服務負載完全隔離。這是 20

大數據 , 數據 , 搜索 , 數據倉庫 , AI , 人工智能 , Python

收藏 評論

wintersun 頭像

PetterLiu - ProxyBridge下使用Antigravity

ProxyBridge下使用Antigravity， 不需要啓動TUN模式 ProxyBridge 是一款輕量級、開源的代理工具，支持 Windows 和 macOS 系統，可在內核層面攔截指定進程的 TCP 和 UDP 流量，並將其重定向到 SOCKS5 或 HTTP 代理服務器。它常被用於精細化控制應用程序的網絡訪問行為，例如讓特定程序走代理，而其他程序直連網絡。 Antigravity 是

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07讀後總結與感想兼導讀

1.基本信息 人機溝通法則：理解數字世界的設計與形成 美]前田約翰，北京聯合出版公司，2025年1月 1.1.讀薄率 書籍總字數10.3萬字，筆記總字數20882字。 讀薄率20882÷103000≈20.27% 1.2.讀厚方向 當我點擊時，算法在想什麼？ 算法霸權 極簡算法史：從數學到機器的故事 算法的陷阱：超級平台、

AI

收藏 評論

aidso 頭像

AIDSO愛搜 - 什麼是GEO優化？如何做GEO優化？一文讀懂AI搜索時代的品牌生存法則

AI搜索時代的到來，為什麼GEO成為企業必做之事？ 2025 年的某個下午，一家工廠的採購經理打開手機，對着 DeepSeek 問：“哪家激光切割機性價比高？”幾秒鐘後，AI 給出了 3 個品牌推薦，附帶詳細的參數對比和用户評價。採購經理沒有打開任何網頁，就完成了初步篩選。 這個場景，正在成為常態。 根據 Gartner 的預測，到 2026 年，25%的傳統搜索流量將轉移至 AI 問答平台。Bo

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的蘋果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 基於深度學習的蘋果檢測系統 1. 前言​ 大家好，這裏是 Coding茶水間。 在現代智慧農業與果園管理中，果實的自動化檢測與統計是提高採收效率、優化種植決策的重要手段。然而現實中，蘋果等水果多生長在枝葉交錯、光照變化的複雜環境下，傳統人工計數不僅費時費力，而且易受主觀因素影響；已有的機器視覺方案在面對密集果實、重疊遮擋或部分遮擋時，往往出現漏檢、誤檢，且大多隻能處理靜態圖片，缺乏對視頻

AI

收藏 評論

LyShark 頭像

lyshark - Windows 環境下 llama.cpp 編譯 + Qwen 模型本地部署全指南

在大模型落地場景中，本地輕量化部署因低延遲、高隱私性、無需依賴雲端算力等優勢，成為開發者與 AI 愛好者的熱門需求。本文聚焦 Windows 10/11（64 位）環境，詳細拆解 llama.cpp 工具的編譯流程（支持 CPU/GPU 雙模式，GPU 加速需依賴 NVIDIA CUDA），並指導如何通過 modelscope 下載 GGUF 格式的 Qwen-7B-Chat 模型，最終實現模型本

AI

收藏 評論

RunfarAI 頭像

RunfarAI - Stanford-CS336-Lecture-01 學習理解

1.資源 課件資料：https://github.com/stanford-cs336/spring2025-lectures clone下來後，將var目錄移動到trace-viewer中的public目錄內，將images目錄也移動到public目錄內，然後cd trace-viewer，以此命令npm install和npm run dev，到瀏覽器打開如下鏈接來看第一章的課件： http:

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的水下海洋生物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海洋生物檢測系統演示 1. 前言​ 大家好，歡迎來到 Coding 茶水間。今天要分享的是一個基於 YOLO 算法的水下海洋生物識別系統，它能幫我們快速判斷畫面中出現的海洋生物種類。 這套系統界面清晰、功能齊全，分為左側功能區、中央展示區與右側數據區三大板塊。左側可選取圖片、視頻、批量圖片或攝像頭進行檢測，還能切換不同訓練好的模型；中央區域不僅能實時預覽檢測畫面，還提供

AI

收藏 評論

yupi 頭像

程序員魚皮 - 幹掉 Draw.io，這個程序員畫圖神器殺瘋了！

這年頭誰還人工畫圖啊？我用 AI 幾十秒就搞定了。 我在 編程導航 上看到了這個最近大火的 AI 畫圖神器，完全免費開源，短短几天就漲了 6k star，值得收藏！ 開源指路：https://github.com/DayuanJiang/next-ai-draw-io 這個項目支持在線體驗，你可以完全從 0 開始畫圖，比如畫一個流程圖，演示 RAG 的工作原理。 ⭐️ 建議觀看視頻演示：h

AI

收藏 評論

lying7 頭像

躺柒 - 讀共生：4.0時代的人機關係10教育機構（下）

1.大學教育 1.1.教育應該把學生培養成通才，而職業培訓應該把他們培養成專才 1.2.無論有多少機器開始取代這些角色，經濟發展中仍然需要人類來完成大部分工作，至少在可預見的未來都將如此 1.3.無論有多少機器開始執行曾經由人類工作者執行的任務，社會對技能熟練、能力合格的人類工作者的需求即便最終會消失，也不會很快消失 1.4.社會對職業培訓的需求也不太可能畫上句號 1.5.必須剋制住建設完全由技

AI

收藏 評論

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 - 軟件工程Agent在工程依賴版本升級探索

背景與動機 現代軟件項目廣泛依賴開源庫以避免重複開發，但庫版本更新常引入破壞性變更，導致代碼兼容性問題。手動適配這些更新需消耗大量開發者時間，且大型代碼庫中開發者易忽視更新警告或鎖定舊版本，長期阻礙功能迭代、性能優化與安全修復。現有自動化方案未被廣泛採用，而 LLM 在代碼生成、程序修復等領域已展現潛力，因此本文提出一種基於 LLM Agents 的框架，用於自動化完成依賴升級並保障代碼兼容性

AI

收藏 評論

OBCE666 頭像

OBCE666 - 告別拼湊：記憶、檢索與AI數據引擎的一站式技術棧解析（一）

作者：傅榕鋒，OceanBase 高級技術專家 AI 開發者需要什麼樣的數據庫 在開始正式話題前，我們不妨先思考一個問題： AI 時代下開發者需要什麼樣的數據庫？ 自本世紀初以來數據庫需求的演變歷程。Web 2.0及業務在線化的時代，強調的是一個可靠、精確的記錄系統，能夠精準地記錄每一筆交易數據，滿足典型的事務處理（TP）需求。進入移動互聯網和數據智能化時代後，隨着數據量的爆發式增長，海量數據分析

AI

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

codingtea 頭像

Coding茶水間 - 基於深度學習的輸電電力設備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 基於深度學習的輸電電力設備檢測系統演示 1. 前言​ 大家好，歡迎來到 Coding 茶水間！ 今天要和大家分享的項目是“基於 YOLO 算法的輸電電力設備檢測系統”，它面向輸電線路場景，能夠自動識別與定位線路中的各類電力設施。隨着電網巡檢智能化需求的不斷提升，傳統人工目視巡檢效率低、漏檢率高的問題日益凸顯，亟需藉助計算機視覺手段實現自動化、批量化檢測。本項目針對輸電線路巡檢痛點，構建了

AI

收藏 評論

wzs-study 頭像

IronBro - pgvector語義檢索踩坑：為什麼加了 ORDER BY 反而查不到數據？

1.背景 最近在做一個agent項目，涉及到了pgvector向量數據庫的語義檢索檢索。 碰到了這樣的一個奇怪現象：數據庫裏明明有數據，但是什麼也查不出來，我也沒有用where對檢索進行限制，只是做了order by；當去除order by後才能查出東西來 我執行的語句類似如下所示，這個語句很正常，就是根據傳入的向量，到向量數據庫中查詢相似度最高的topK條記錄並返回，可是查不出東西。

AI

收藏 評論