tag AI

標籤
貢獻169
1029
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

daniel-schwarz 頭像

Daniel Schwarz - Penpot Is Experimenting With MCP Servers For AI-Powered Design Workflows

This article has been kindly supported by our dear friends at Penpot, whose mission is to provide an open-source and open-standards platform to bring collaboration between designers and developer

workflow , Tools , 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 第三週：檢測算法 （一）目標定位與特徵點檢測

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 本篇為第四課的第三週內容，3.1到3.2的內容。 本週為第四課的第三週內容，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

ClownLMe 頭像

ClownLMe - langchain 快速入門(三)：搭建RAG知識庫

簡介 LLM大模型一般訓練的數據都是滯後的，這是就需要用到RAG知識庫，RAG知識庫可以降低大模型在輸出答案時的幻覺，也能夠讓大模型知識拓展。 知識庫架構知識 檢索流程圖 用户輸入 (User Query) | v +-----------------------+ | 提示詞 (Prompt) | +---

AI

收藏 評論

wintersun 頭像

PetterLiu - 從日誌解析到通用工程LLM

導言 在當今的工程領域，我們普遍面臨一個核心挑戰：如何從海量的、非結構化的數據（如日誌、配置文件、告警信息）中高效提取價值。這些數據是診斷系統故障、洞察系統行為的“救命稻草”，但其雜亂無章的格式對機器而言形同“天書”。大語言模型（LLM）的出現，以其前所未有的語義理解能力，為破解這一難題帶來了希望。然而，希望的背後隱藏着一個致命的矛盾：若將每日億級的日誌逐條交由LLM處理，其巨大的成本與時間延遲

AI

收藏 評論

lying7 頭像

躺柒 - 讀共生：4.0時代的人機關係15未來

1.綜合論述 1.1.自動化不是敵人 1.1.1.只要我們不讓它成為我們的敵人 1.2.你的工作會不會被機器取代，具體取決於多種因素，包括你的職業、所在地、就業安排、學歷、接受培訓的機會，以及可以實際完成你的工作的智能自動化技術能夠以多快的速度得到部署和利用並實現足夠高的成本收益 1.3.在現實中將自動化注入業務運營絕非易事 1.3.1.相關技術很昂貴，而且並不完美

AI

收藏 評論

lsjwq 頭像

iNeuOS工業互聯網系統 - 基於Ai Coding,20天完成一個基於大模型的醫學分析系統：Ai體徵分析助手

目錄 1.Ai Copilot實踐與應用... 1 2.Ai Coding帶來的好處與挑戰... 1 2.1 帶來的好處... 2 2.2 面臨的挑戰... 2 3.Ai體徵分析助手項目介紹... 2 3.1業務介紹... 2 3.2技術體系... 7 4.總結... 8 基於Ai Coding，20天完成一個基於大模型的醫學分析系統：Ai體徵分析助手 　　我是一名長期使用C#開發後台服務與數據

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（五）端到端學習

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，2.9到2.10的內容，也是本篇的理論部分的最後一篇。 本週為第三課的第二週內容，本週的內容關

AI

收藏 評論

yupi 頭像

程序員魚皮 - 女友怒罵國內不能用Claude Code，於是我給她做了一個

大家好，我是程序員魚皮。最近女友開始學習 AI 編程了（被我帶的），她聽説 Claude Code 這個 AI 編程工具很牛掰，結果試了下發現得要國外的 Claude 賬號才能登陸。 然後她就罵罵咧咧地跟我吐槽。 展現男友力的時候到了，於是我開玩笑地説：別難過了，要不我給你做一個 Claude Code 算了？ 結果，她當真了！ 我 ↓ 沒辦法，只能試一試了，畢竟誰希望聖誕節這兩天讓自家人難

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03機器是有生命的

1.有沒有生命 1.1.看到一個物體在運動是判斷其有生命的第一條線索 1.2.智能手機和自動駕駛汽車出現之前就存在的技術：自動客服代表 1.3.過去，人們很容易認為計算機很笨，因為它做任何事情都要花很長時間 1.3.1.過去的交互技術很簡單，缺少許多必要的組成部分，只能緩慢地響應我們的輸入 1.4.現在，我們認為計算機可能比我們更聰明 1.4.1.因為它對我們給它的刺激做出的反應是如此

AI

收藏 評論

huggingface 頭像

HuggingFace - 流式數據集：效率提升 100 倍！

快速瞭解（TLDR） 現在只需一行代碼，就能通過 load_dataset('dataset', streaming=True) 以流式方式加載數據集，無需下載！ 無需複雜配置、不佔磁盤空間、不再擔心 “磁盤已滿” 或 429 請求過多錯誤，立即開始訓練 TB 級數據集！ 性能非常強勁：在 64×H100、256 個併發 worker 環境下，流式加載速度甚至超過本地 SSD！

AI

收藏 評論

yunpan-plus 頭像

雲棧開源日記 - LightRAG：圖增強檢索框架，索引速度提升10倍

開篇 你的 RAG 系統能回答"人工智能的發展趨勢"這類宏觀問題嗎？傳統向量檢索在面對複雜查詢時往往力不從心。香港大學團隊開源的 LightRAG 提供了新思路：用知識圖譜雙層索引重構檢索架構，在保持輕量化的同時，讓索引速度比 GraphRAG 快 10 倍。 [attachimg]224[/attachimg] 一、傳統 RAG 的三大痛點 向量檢索 依賴語義相似度匹配，在實際應用中暴露出明顯

AI

收藏 評論

codechen8848 頭像

codechen8848 - 一站式管理！新一代大模型網關神器！

大家好，我是 Java陳序員。 在 AI 大模型應用爆發的當下，對接多平台接口、管理 API 密鑰、控制調用權限......這些繁瑣的操作是否讓你頭疼？ 今天，給大家介紹一款開源的大模型網關神器，一站式解決大模型接口管理的所有痛點！ 關注微信公眾號：【Java陳序員】，獲取開源項目分享、AI副業分享、超200本經典計算機電子書籍等。 項目介紹 new-api —— 一款開源的大模型網關與 A

AI

收藏 評論

guoxiaoyu 頭像

努力的小雨 - Doubao-Seed-Code實測：AI驅動的全流程遊戲開發新體驗

豆包發佈了全新的編程模型——Doubao-Seed-Code。今天我就迫不及待地嘗試用它來快速實現一個自己的小創意。之前，我一直在嘗試通過各種模型來快速開發一款遊戲，所以這次我想親自驗證一下：這個全新的編程模型，究竟能不能勝任真正的遊戲開發任務。 不過今天我想換一種思路，不只是單純地做一個遊戲，而是嘗試打造一個AI驅動的遊戲開發平台。我的想法是，將大模型的強大能力與我預先設計好的開發流程、各種提

AI

收藏 評論

poloai 頭像

poloai - Claude 4.5 Sonnet集成Benchling：2026科研效率革命，實驗到論文全流程開掛

做生命科學科研最磨人的，就是“流程割裂”：在Benchling裏記實驗記錄、整理測序數據，要切到PubMed查文獻，再轉到Excel做統計分析，最後還要在Word裏寫論文，光數據搬運和格式統一就要耗掉一半時間。2026年Anthropic的重磅更新，直接把科研人的痛點解決了——Claude 4.5 Sonnet深度集成Benchling、PubMed等主流科研工具，相當於給科研人員配了個“全流程A

AI

收藏 評論

u_16099287 頭像

數據科學探索者 - 數據中心的自動運維之路 -

一、引言：大數據運維的“痛”與“解” 凌晨3點，你被手機鬧鐘驚醒——監控系統提示“用户行為分析表加載失敗”。你揉着眼睛登錄集羣，手動重啓Hive任務，檢查日誌，發現是因為HDFS磁盤滿了。等處理完，天已經亮了，而業務部門已經在羣裏催問數據延遲的問題。 這是不是你作為大數據運維工程師的日常？手動運維的痛點像一根刺： 重複勞動：每天要執行幾十次相同的任務（

大數據 , hive , 運維 , 數據倉庫 , AI , 後端開發 , Python

收藏 評論

lying7 頭像

躺柒 - 讀智能新物種01合作伙伴（上）

1.用動物來思考機器人 1.1.動物類比更符合目前自動化技術如機器人和人工智能的運作方式，並且可以説是對人類最有幫助的方式，同時這也是一個非常容易理解和應用的比較，能夠立即以富有成效的方式改變我們的討論 1.2.瑪麗·雪萊(Mary Shelley） 1.2.1.1818年創作的科幻小説《弗蘭肯斯坦》(Frankenstein) 1.3.隨着傳感、視覺處理和移動端日新月異的發展，機器人現在

AI

收藏 評論

wintersun 頭像

PetterLiu - 免費Google 官方的中文提示詞教程

什麼是提示工程？ 提示工程是一門設計和優化提示的藝術和科學，可指導 AI 模型（尤其是 LLM）生成所需回答。通過精心設計提示，您可以為模型提供上下文、説明和示例，幫助模型理解您的意圖並做出有意義的回答。您可以將其視為 AI 提供一個路線圖，引導它朝着您預想的特定輸出的方向前進。 如需深入瞭解提示設計領域並探索其應用，請查看 Google Cloud 上的提示設計簡介。 準備好親身嘗試 LLM

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的水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 基於深度學習的水果檢測系統演示與介紹 1. 前言​ 隨着計算機視覺技術的快速發展，基於深度學習的目標檢測方法在農業、食品工業及日常生活中的應用不斷拓展。水果檢測作為其中的重要場景，不僅能為採摘、分揀、銷售等環節提供自動化支持，也在智能零售、營養分析與教育教學等領域展現出廣泛價值。然而，現有水果檢測系統在應對多品類、多形態、複雜背景的實際環境時，仍面臨識別精度、檢測速度及交互便捷性等方面的

AI

收藏 評論

wintersun 頭像

PetterLiu - Trae Agent三步解決軟件難題

Trae Agent三步解決軟件難題 認識自動化軟件工程師 Trae Agent 想象一下，一個由多位專家機器人組成的“自動化軟件工程團隊”接到了一項緊急任務：修復一個複雜的軟件漏洞。團隊成員分工明確、協作高效，在短時間內便能提出多種解決方案，並通過嚴格的測試與審查，最終選出最優方案完成修復。這正是 Trae Agent 的工作方式。 Trae Agent 是一個基於大語言模型（LLM）的先

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的輪船分類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 基於深度學習的輪船分類檢測系統 1. 前言​ 隨着航運業與海洋經濟的不斷髮展，船舶類型的快速、準確識別在港口管理、海上交通監控、安全巡檢及環境保護等領域具有重要作用。傳統船舶分類多依賴人工判讀或基於 AIS 數據的分析，在視頻監控、無人機航拍、衞星影像等非結構化場景中，人工識別易受天氣、光照和拍攝角度等因素干擾，效率低且難以滿足實時性需求。 近年來，深度學習目標檢測技術取得顯著進展，YO

AI

收藏 評論

lying7 頭像

躺柒 - 讀人工智能全球格局：未來趨勢與中國位勢13進化(上)

1.概述 1.1.本輪人工智能熱潮在算法或模型方面並無革命性的重大突破，就算是聽起來很新的深度學習概念也早在20世紀80年代就已經出現 1.2.大數據，它為深度學習算法提供海量的訓練數據做支撐，讓深度學習如虎添翼，大顯神威 1.3.高性能計算，尤其是通用計算GPU給予神經網絡和深度學習強大的計算力支持，使得以前無法完成的計算或者無法在短時間內完成的計算成為可能 1.4.人工智能近幾年突飛猛進的發

AI

收藏 評論

catchadmin 頭像

JaguarJack - 保姆級 OpenClaw （原 Clawdbot）飛書對接教程 手把手教你搭建 AI 助手

保姆級 OpenClaw （原 Clawdbot）飛書對接教程 手把手教你搭建 AI 助手 OpenClaw 是一款開源的本地 AI 助手,支持在你自己的服務器上部署,通過飛書、WhatsApp、Telegram 等聊天工具交互。與雲端 SaaS 服務不同,OpenClaw 讓你完全掌控數據隱私,可以執行系統命令、瀏覽網頁、管理文件,甚至編寫代碼。本教程將手把手教你在 Linux 系統下安裝 Op

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 模型評估小冊（1） ROC 曲線與 AUC

一點前言：之前完成了吳恩達深度學習的相關內容，最近忙於畢設，更新可能沒之前那麼頻繁。這個新開的分類關於模型評估的各種指標的詳解，之前翻看書籍總是被一堆很官方化的概念和密密麻麻的符號搞的看不下去，因此，這次的中心思想是以儘可能通俗的語言、精簡的篇幅來講解這類概念並輔以實例。 不多廢話，以下為正文。 1. 檢測問題中的“兩難情景” 假設我們在機場負責安檢。任務很簡單：把攜帶危險物品的人攔下來。

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（二）卷積參數

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，1.4到1.5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