tag AI

標籤
貢獻169
1022
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_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

codingtea 頭像

Coding茶水間 - 基於深度學習的魚苗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 基於深度學習的魚苗檢測系統 1. 前言​ 大家好，歡迎來到Coding茶水間！ 今天我們要聊的是一個既貼近生活又充滿技術巧思的項目——基於YOLO算法的魚苗檢測系統。在觀賞魚養殖和水產育苗場景中，及時識別魚苗狀態（尤其是死魚苗）是保障存活率、維持水質的關鍵，但傳統人工巡檢往往面臨效率低、漏檢率高、難以量化統計的痛點：魚缸環境複雜時，微小死魚苗易被忽視；批量觀察時，肉眼判斷誤差大；長期監測

AI

收藏 評論

zhangqiaokeyan 頭像

掌橋科研-AI論文寫作 - 論文寫作ai工具哪個好？精選四款AI寫論文工具測評，讓寫畢業論文不再苦惱！

論文寫作ai工具哪個好？精選四款AI寫論文工具測評，讓寫畢業論文不再苦惱！ 每到畢業季或職稱評審期，面對空白文檔的焦慮感總是如期而至——文獻查找耗時、框架搭建困難、格式規範繁瑣，這些痛點讓論文寫作成為許多人的噩夢。別擔心！AI論文寫作工具正是解決這些難題的利器。本文將精選四款表現突出的AI論文生成工具，幫你找到最適合的學術助手。 本文測評將圍繞學術專業性、文獻支撐能力、格式規範適配性以及使用便捷度

AI

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

yupi 頭像

程序員魚皮 - 20 個神級 AI 編程擴展，爽爆了！

大家好，我是程序員魚皮。給大家分享一些我自己在用的 AI 編程擴展，幫你大幅提高 AI 編程效率和代碼質量。 萬字長文 + 100 多張圖，絕對乾貨！點個收藏，讓我們開始吧~ 本文已收錄到 魚皮 AI 導航的《免費 Vibe Coding 教程》 中，可以在這裏免費獲取更多 AI 資源。 一、MCP 服務器類 MCP 的全稱是 Model Context Protocol 模型上下文協議。

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

wintersun 頭像

PetterLiu - Claude Code 的 Skills 可以在 Trae IDE 中通用

Claude Code 的 Skills 可以在 Trae IDE 中通用，但需要了解兩者在實現細節上的差異。 兼容性總結 根據社區文檔和工具生態的調研，Claude Code 和 Trae IDE 都遵循通用的 Agent Skills 規範，因此 Skills 在兩者間基本兼容 特性 Claude Code Trae

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的航拍視角下的羊羣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 基於深度學習的航拍視角下的羊羣檢測系統 1. 前言​ 在智慧畜牧與無人機航拍技術快速融合的當下，傳統人工統計羊羣數量存在效率低、誤差大、耗時費力等問題，已難以滿足規模化養殖的管理需求。為實現航拍視角下羊羣數量的精準、高效、自動化統計，本次帶來基於 YOLO 算法的航拍視角下的羊羣數量統計系統。該系統依託先進的 YOLO 系列目標檢測算法，結合可視化交互界面，集成圖片、視頻、批量文件夾

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

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程：深度學習入門筆記全集目錄

課程 週數 類別 內容 課程一：神經網絡和深度學習 第一週：深度學習簡介 理論 （1）深度學習簡介 實踐 無 第二週：神經網絡基礎 理論 （1）迴歸基礎 （2）分類與邏輯迴歸 （3）梯度下降法 （4）損失函數與傳播

AI

收藏 評論

lying7 頭像

躺柒 - 讀人本智能產品設計6原則10鏈接(下)

1.可穿戴設備 1.1.可穿戴設備 1.1.1.聯產品開發中最引人注意的領域之一就是身體互聯產品 1.2.隨着紡織和印刷技術的進步，製造商可以將電子元件直接嵌入服裝中，從而為用户提供可持續跟蹤的數據 1.3.這個生態系統基本上可以讓用户與其身體進行持續的對話，從而創建一個反饋循環，讓人們更清楚地意識到自己身體裏的循環系統和肌肉正在發生什麼變化 1.4.產品生態系統研發的前沿是對醫療設備生態

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

ClownLMe 頭像

ClownLMe - Langchain 快速入門(一)

簡介 langchain專門用於構建LLM大語言模型，其中提供了大量的prompt模板，和組件，通過chain(鏈)的方式將流程連接起來，操作簡單，開發便捷。 環境配置 安裝langchain框架 pip install langchain langchain-community 其中langchain可以提供了各種大模型語言庫選擇，（這裏只列舉幾個）例如： #chatgpt pip insta

AI

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

ClownLMe 頭像

ClownLMe - stable_baseline3 快速入門(二): 訓練自定義遊戲，構建Gymnasium訓練環境

簡介 Gymnasium 為強化學習提供了一個標準化的API，它定義了 Agent 應該如何觀察世界、如何做出動作以及如何獲得獎勵，不管是遊戲，還是工業設備，只需要滿足Gymnasium標準都能使用同一套代碼進行訓練。 認識Gymnasium 使用stable_baseline3只需要定義好Gymnasium環境，關注訓練的獎勵機制，將重點放在業務的開發上而不是複雜的算法。 Gymnasium提供

AI

收藏 評論

robots2 頭像

Robots2 - Mac系統使用Docker部署OpenClaw

一、介紹 OpenClaw 是一款開源、本地優先的自主 AI 代理工具，可通過聊天軟件接收自然語言指令，自主拆解並執行本地 / 雲端任務，實現真正的自動化操作。 由於會修改本地文件，如果你只是想體驗 OpenClaw，建議基於 Docker環境安裝 OpenClaw。 二、安裝 1、下載代碼 git clone https://github.com/openclaw/openclaw.git 2

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 第二週：詞嵌入（一）詞彙表徵和類比推理

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 本篇為第五課的第二週內容，2.1和2.3的內容以及一些基礎的補充。 本週為第五課的第二週內容，與 CV 相對應的，這一課

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

dmx778 頭像

大模型玩家七七 - 大模型微調評測入門：看懂這些指標，才知道模型好不好

大模型微調評測入門：看懂這些指標，才知道模型好不好 從“瞎評”到“精準評”：大模型微調核心評測指標全拆解 大家好，我是七七！最近後台收到很多粉絲的共性提問：“我用LoRA微調了Llama 2 7B模型做情感分析，怎麼判斷它好不好用？”“微調後的文案生成模型，憑感覺比原版好，但是怎麼證明？” 這其實戳中了大模型微調的一個核心痛點——很多新手只關注“怎麼調”，卻忽略了“怎麼評”。不少人微調完模型，僅

AI

收藏 評論

yjmyzz 頭像

菩提樹下的楊過 - Agent設計模式學習(基於langchain4j實現)(11) - PlanAndExecute

上篇學習了ReACT，今天繼續學習PlanAndExecute模式 與ReACT模式的關鍵區別如下： 對比維度 ReAct Agent Plan-and-Execute Agent 思考模式 單步思考-行動循環 兩階段分離：先規劃後執行 執行流程 Thought → Action → Observatio

AI

收藏 評論