tag AI

標籤
貢獻135
282
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

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 第一週：深度學習的實踐（六）梯度現象和梯度檢驗

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 本篇為第二課第一週的內容，1.10到1.14的內容，也是本週理論部分的最後一篇。 本週為第二課的第一週內容，就像課題名稱

AI

收藏 評論

wintersun 頭像

PetterLiu - 關於AI上下文工程重塑人機協作的 5 個顛覆性認知

關於AI上下文工程重塑人機協作的 5 個顛覆性認知 寶子們，AI界的大瓜來了！GAIR團隊剛發佈了Context Engineering 2.0，這可完全顛覆了我們對人機交互的認知。以前我們總想着怎麼設計prompt，現在才發現，context才是關鍵！ “一個人就是各種context的集合。”機器不是不夠聰明，而是缺乏處理context的能力。從1.0的context作為翻譯，到2.0的con

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至11困境

1.災難 1.1.在某種程度上，人類的歷史就是一部災難史 1.2.大流行病廣泛存在 1.3.兩場大流行病曾導致世界上多達30%的人口死亡 1.3.1.6世紀的查士丁尼瘟疫和14世紀的黑死病 1.3.2.1300年，英格蘭的人口約為700萬，但到了1450年，由於瘟疫的肆虐，人口鋭減到僅剩200萬 1.4.災難也可能是人為造成的 1.4.1.一戰和二戰分別導致

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至10國家的未來

1.馬鐙 1.1.在馬鐙出現之前，騎兵在戰場上的實際作用極其受限 1.2.戰馬的主要作用僅僅是將士兵運送到戰場上 1.3.馬鐙將騎兵與衝鋒的戰馬緊密地結合在一起，從而形成了一個強大的戰鬥單元 1.4.在中世紀早期，馬鐙剛剛傳入歐洲不久，法蘭克人的領袖查理·馬特察覺到了它的潛力 1.5.隨之形成的新的社會基礎結構為這些權力中心提供了支撐與保障 1.6.技術的指數級發展擴大了每個人和每件事的影響力

AI

收藏 評論

gogoSandy 頭像

風雨中的小七 - 解密prompt系列63. Agent訓練方案:RStar2 & Early Experience etc

當大模型成為Agent，我們該如何教會它“行動”？純粹的模仿學習（SFT）天花板明顯，而強化學習（RL）又面臨獎勵稀疏、環境複雜、探索成本高的挑戰。本文將帶你深入四種前沿的Agent訓練方案：ReTool, RAGEN, RStar2, 和 Early Experience，看它們如何巧妙地設計環境、利用反饋，讓Agent不僅“能幹”，而且“聰明”。 我們將看到一條演進路線：從優化單一動作（ReT

AI

收藏 評論

saodiseng2015 頭像

掃地僧2015 - ASP.NET Core WebApi 集成 MCP 協議完全指南

前言 Model Context Protocol (MCP) 是一個標準化協議，讓 AI 客户端（如 Claude、ChatGPT 等）能夠通過統一的接口調用你的 API。本文將詳細介紹如何在 ASP.NET Core WebApi 項目中集成 MCP 支持，實現 AI 與你的服務無縫對接。 什麼是 MCP？ MCP（Model Context Protocol）是一個開放協議，旨在標準化 AI

AI , mcp

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至07驅動力

1.驅動力 1.1.技術持續進步的主要推動力來自那些原始的、與人性緊密相關的因素 1.1.1.不論是為了滿足好奇心、應對危機，還是追求財富、逃避恐懼，技術發展的核心始終在於服務人性的需求 1.1.2.只要人們有足夠的動力去研發和應用技術，技術便會應運而生，並得到推廣應用 1.2.迄今為止，沒有任何技術浪潮被真正遏制住 1.3.事實上，技術領域的較量一直以來都是地緣政治

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至06技術浪潮特徵

1.技術浪潮 1.1.俄烏衝突仍是一個里程碑式的事件，因為它凸顯了訓練相對不足的戰鬥力量如何利用消費市場上相對廉價的技術來進行快速組建和武裝 1.2.當技術能夠帶來如此顯著的成本和戰術優勢時，它的擴散與廣泛採用無疑將成為必然趨勢 2.固有特徵 2.1.技術的高度非對稱性影響 2.1.1.新技術會使得那些看似強大的勢力暴露出以前難以想象到的弱點和破綻 2.2.技術發展迅猛，呈現出一種超級進化

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至05更廣泛的浪潮

1.更廣泛的浪潮 1.1.技術浪潮並非一兩種通用技術的簡單疊加，而是大約同一時期涌現的眾多技術的集羣式體現 1.1.1.以某種或多種通用技術為基礎，但又遠遠超出這些通用技術的範疇 1.2.通用技術扮演着催化劑的角色 1.2.1.發明會激發新的發明 1.2.2.技術浪潮為進一步的科學技術實驗奠定了基礎，為新的可能性叩開了大門 1.2.3.反過來又催生了新的工

AI

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至04生命技術

1.生命技術 1.1.生命，這項宇宙中最古老的“技術”​，已經存在了至少37億年 1.2.在無盡的歲月裏，生命以緩慢、自主、無序的方式悄然進化 1.3.生命系統擁有自我組裝和自我修復的能力，如同利用能量的高手，能在各種環境中複製、生存和繁衍，其高超的技巧、精確的運作和快速的信息處理能力讓人歎為觀止 1.4.與人工智能的迅猛發展類似，合成生物學也正處於成本不斷降低、能力持續提升的快速發展階段 1.

AI

收藏 評論

XY-Heruo 頭像

花酒鋤作田 - [MCP][07]logging和progress等功能説明

前言 截至目前（2025年9月19日），除了基礎的Prompt、Resource和Tool概念，FastMCP還提供了以下功能：Sampling、Elicitation、Roots、Logging、Progress、Proxy、Middleware、Composition和Authentication等功能 Sampling，採樣，在server端調用client的llm，實現功能解耦 El

AI , mcp

收藏 評論

XY-Heruo 頭像

花酒鋤作田 - [MCP][06]持久化記憶

前言 在之前的案例中，會話歷史都保存在內存中，一旦程序重啓，會話歷史就會丟失，導致AI沒法根據會話歷史推測用户當前意圖。這就像一個人記性特別差，每次見面都忘了之前聊過什麼，讓人感覺很不專業。 如果你之前使用過LangGraph，那應該知道LangGraph提供了checkpointer功能來管理歷史會話，可以把歷史會話保存到關係型數據庫或內存中。雖然LangGraph有這個功能，但是MCP官方文檔

AI , mcp

收藏 評論

XY-Heruo 頭像

花酒鋤作田 - [MCP][05]Elicitation示例

前言 如果你之前接觸過LangGraph的"Human in the loop"概念，那麼理解MCP的Elicitation機制就會容易很多。這兩個功能非常相似，都是讓AI在需要時停下來，禮貌地向人類尋求幫助或確認。 想象一下，當你正在和朋友聊天，突然他問你："嘿，我該穿哪件襯衫去參加明天的聚會？"這時候你就會停下來思考，然後給出建議。Elicitation就是讓AI具備這種"求助"的能力。它允許

AI , mcp

收藏 評論

XY-Heruo 頭像

花酒鋤作田 - [MCP][04]Sampling示例

前言 在第一篇MCP文章中我們簡單介紹了Sampling： 採樣是工具與LLM交互以生成文本的機制。通過採樣，工具可以請求LLM生成文本內容，例如生成詩歌、文章或其他文本內容。採樣允許工具利用LLM的能力來創建內容，而不僅限於執行預定義的操作。 為什麼我們要在MCP Server通過Sampling方式調用Client的LLM，而不是MCP Server直接調用LLM呢？這背後其實有一套巧妙

AI , mcp

收藏 評論

XY-Heruo 頭像

花酒鋤作田 - [MCP][03]使用FastMCP開發MCP應用

前言 之前的示例用的都是MCP的官方SDK（版本 1.14.0），簡單使用還是沒問題的，但對於Sampling、Elicitation這些相對高級的功能，官方沒有提供Demo，而且因為比較新，網上也沒搜到能用的案例。以我自己的水平折騰了一天也沒搗鼓出來。在翻mcp源碼時意外發現了其內置的FastMCP，順藤摸瓜找到了FastMCP的官網，在官方文檔中找到了相關用法。這裏我們就用FastMCP來實現

AI , mcp

收藏 評論

u_16773655 頭像

向量檢索 - 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Deep Search Agent，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Agent API，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

大數據 , yyds乾貨盤點 , 搜索 , 深度搜索 , 數據倉庫 , AI , AI問答 , 大模型

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

yupi 頭像

程序員魚皮 - 讓 AI 分析我 3 年前寫的代碼，全是漏洞！

大家好，俺是程序員魚皮。最近逛 GitHub 的時候，發現了一個挺有潛力的開源項目 —— DeepAudit，讓 AI 幫你挖掘項目漏洞。 勢頭很猛啊，短短時間就漲了不少 star，看這 star 趨勢圖： 這是一個 AI 代碼審計工具，能自動分析你的代碼，找出潛在的安全漏洞和代碼問題。 作者很貼心地提供了在線體驗版，可以直接使用，當然也支持本地部署。下面魚皮以作者部署的在線體驗版，帶大家體驗

AI

收藏 評論

u_16700356 頭像

mofcloud - AI 時代的 FinOps：工作流、RAG、AI Agent 與 Agentic AI 指南

一位兼具 FinOps 思維的 CPO，正在讓創新與成本效率保持平衡 人工智能正在重塑產品構建方式，但它也帶來了新的成本複雜性 —— 即便是經驗豐富的雲團隊也可能被它打得措手不及。 炫酷的 AI 功能”必須和“雲預算”保持溝通。 從 FinOps 視角拆解四類快速演進的 AI 架構： LLM Workflows（大模型工作流） R

Agentic AI , 雲計算 , AI , 雲原生 , RAG , AI Agent , 工作流

收藏 評論

OBCE666 頭像

OBCE666 - 餵飯級教程（番外篇）—— 在 K8s 上部署 Dify

背景 前一陣兒，OceanBase 聯合 Dify[1] 在 v1.10.1 版本中完成了 MySQL 兼容開發。同時，Dify 也在這一版本中，也開始嘗試通過一體化數據庫來解決多組件架構帶來的 Scale 複雜性，並選擇了 OceanBase seekdb[2] 作為首個實踐對象，詳情請見：《Dify x OceanBase seekdb 使用指南》。 在上面這篇文章中，我們已經為大家介紹如何配

AI

收藏 評論

lsjwq 頭像

iNeuOS工業互聯網系統 - 基於DeepSeek-R1 15b微調訓練自主的領域大模型，附帶工程代碼

目 錄 1. 概述... 2 2. 測試DeepSeek 15B原生模型... 3 3. 測試微調訓練後的大模型... 4 4. 微調模型訓練過程及代碼... 6 1. 概述 　　基於DeepSeek-R1-Distill-Qwen-1.5B模型訓練自主的領域大模型，例如打造針對鋼鐵、礦山、有色、稀土、建材、加工製造等領域的大模型。促進大模型技術在具體領域的應用與落地，助力行業向智能製造轉型

AI

收藏 評論

wintersun 頭像

PetterLiu - GPT-5.2安全報告討論

一場複雜的辯論 OpenAI於12月11日發佈的關於其最新模型GPT-5.2的系統安全報告，一經問世便在業內引發了廣泛而複雜的爭議。這份報告詳細地呈現了新模型在各項安全與能力指標上的表現，但其數據卻同時引出了兩種截然相反的解讀。 這使得我們不得不直面一個核心問題：“我們究竟是看到了一個在安全和能力上取得了實質性、可衡量進步的AI模型，還是説在那些看起來很漂亮的增長曲線背後，其實

AI

收藏 評論

lying7 頭像

躺柒 - 讀共生：4_0時代的人機關係06人機合作關係

1. 人機合作關係 1.1. 企業可能會不得不優先考慮現階段切實可行的事情，而不是優先考慮可行性暫時不是很高的事情 1.2. 會計和財務規劃 1.2.1. 智能搜索算法可以增加一名會計能夠管理的賬目、歸檔文件和記錄的數量 1.2.2. 算法能讓會計對數百萬頁文檔和電子表格進行篩選，從而標記出通過人工檢查要花數千個小時才能查出的錯誤 1.2.3. 人工智能還可以就

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的反光衣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 基於深度學習的反光衣檢測系統演示 1. 前言​ 基於YOLO算法的反光衣檢測系統 在工業安全、交通管理等領域，工作人員是否規範穿戴反光衣直接關係到作業安全。傳統人工檢查方式效率低、覆蓋範圍有限，難以實現全天候監管。為此，本研究基於YOLO目標檢測算法，開發了一套反光衣智能檢測系統。 該系統能夠自動檢測圖像或視頻中的人員，並識別其是否穿着反光衣。系統支持多種輸入方式，包括圖片、視頻、批量文

AI

收藏 評論