tag AI

標籤
貢獻169
1011
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

daibitx 頭像

daibitx - Microsoft Agent Framework 接入DeepSeek的優雅姿勢

一、前言 ​ Microsoft Agent Framework 框架發佈也有一陣子了，在觀望（摸魚）過後，也是果斷(在老闆的威脅下)將幾個AI應用微服務完成了從Semantic Kernel 框架到Microsoft Agent Framework 框架中的遷移工作。 所以這篇文章,我想記錄一下在開發過程中的我總結的一下工程化用法。 二、Agent Framework是什麼 簡單來講，Micro

AI

收藏 評論

wintersun 頭像

PetterLiu - 網絡圖片下載+VideCoding+DeepSeekOCR解析實踐

背景 某高校師資網站全面採用網絡圖片展示，網站是禁止右鍵使用下載，也不允許複製信息。我們試圖採集這些信息，使用目前智能體任務+VibeCoding+Deepsee-OCR解析 來突破這個問題。 流程拆解 第一步 html解析 智能體我們方便選擇space.coze.cn, 可以自行部署其他開源智能體框架 解析為一定格式的文本 XPath查詢 圖片URL結果集 Vide codin

AI

收藏 評論

codechen8848 頭像

codechen8848 - 全能 AI 對話管理平台！一款支持多模型切換的全能 AI 對話工具！

大家好，我是 Java陳序員。 在如今 AI 火熱的時代，各種大模型層出不窮，給日常工作生活帶來極大的便利。你是否想擁有一個能自由切換多種 AI 大模型、支持本地與在線模型結合，還能實現豐富對話功能的工具？ 今天，給大家介紹一款強大的全能 AI 對話服務助手，支持多模型切換！ 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 ch

AI

收藏 評論

longronglang 頭像

久曲健 - 2026年AI測試工具評測：誰在解決問題，誰在割韭菜？

核心結論 用了半年AI測試工具，我得出一個殘酷的結論：90%的"智能測試"都是在割韭菜。 這篇文章不是工具推薦，是一份避坑指南。我會告訴你哪些工具真正解決了問題，哪些只是把老包裝成了新。 三個真相 真相1：AI不會消除維護成本，只會轉移維護成本 某銀行引入Tricentis TOSCA後，測試維護成本確實下降了40%。但你知道代價嗎？他們建了一個5人的"AI訓練師"團隊，專門負責給AI喂數據、調參

AI

收藏 評論

wintersun 頭像

PetterLiu - Seed團隊最新發布的Seed2.0系列大語言模型

字節跳動Seed團隊最新發布的Seed2.0系列大語言模型。以下是對重點內容的總結與歸納： 一、發佈背景與定位 核心目標：突破真實世界中的複雜任務，從解決奧林匹克競賽類問題邁向支持研究級推理任務。 市場洞察：基於MaaS服務調用數據分析，企業最高頻的需求是處理混雜圖表、文檔等非結構化信息（佔比超30%），其次是教育、內容創作、搜索推薦等場景。這要求模型具備"讀得多、想得多"的能力，再進入複

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 客服大模型 ≠ 問答機器人

為什麼很多客服大模型，看起來很聰明，卻一點也不好用 如果你做過客服相關的項目，大概率會經歷一個非常相似的過程。 一開始，大家都很興奮。 把歷史客服文檔、FAQ、知識庫一股腦丟進 RAG，接上一個看起來很強的模型，測試時效果還不錯。大多數常見問題都能答上來，語氣也挺自然，看起來“已經能替代人工了”。 但只要一上線，問題就開始接連出現。 模型開始亂承諾 模型開始“過度熱情” 模型在不

AI

收藏 評論

orion-orion 頭像

orion-orion - 學習理論：凸代理、代理與估計誤差界

這學期參加了同研究科的田中研的讀書會，所選的是近年出的較新的書《Learning Theory from First Principles》[1]： 作者Francis Bach是COLT2025的keynote speaker[2]。我承擔了4.1-4.4部分（這周做了分享），該部分和我目前的科研方向比較相關。下面是我結合自己的科研的一些心得和筆記。 1 導引 給定\(\mathcal{X}\

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 第二週：經典網絡結構 （二）殘差網絡

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 本篇為第四課的第二週內容，2.3到2.4的內容。 本週為第四課的第二週內容，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

joas-pambou 頭像

Joas Pambou - On-Device AI: Building Smarter, Faster, And Private Applications

It’s not too far-fetched to say AI is a pretty handy tool that we all rely on for everyday tasks. It handles tasks like recognizing faces, understanding or cloning speech, analyzing large data, and

llm , Techniques , Tools , Apps , AI

收藏 評論

wintersun 頭像

PetterLiu - 各AI廠商在春節搶奪C端用户市場， 順便做生態連接，A/B testing

春節C端AI用户爭奪戰 春節期間是超級流量窗口——用户空閒時間多、社交活躍度高、嚐鮮意願強。各AI廠商（如字節豆包、百度文心、阿里通義、Kimi等）將此視為搶佔用户心智的關鍵戰役。 兩個關鍵策略 1. 「隨便做生態連接」 指輕量化、廣撒網式的產品植入，而非深度技術整合： 做法 具體表現 紅包/抽獎活動

AI

收藏 評論

gogoSandy 頭像

風雨中的小七 - 解密Prompt系列67. 智能體的經濟學：從架構選型到工具預算

導讀：2025年是智能體爆發的一年。然而，隨着模型能力的提升，工業界開始反思：盲目增加智能體、盲目增加工具調用次數真的能“大力出奇跡”嗎？本文串聯了兩篇Google論文，從宏觀的架構選擇到微觀的工具預算感知，探討如何科學地構建高效的Agent系統。 Part 1. 宏觀選型：多智能體的科學定律 Towards a Science of Scaling Agent Systems 最

AI

收藏 評論

uml-tool 頭像

Lynch_Warren - Visual Paradigm AI 可視化建模全面指南

從草圖到生產：AI 驅動的全場景建模解決方案 “真正覆蓋每一個角度” 只有Visual Paradigm，提供當今最完整的 AI 驅動可視化建模生態系統。 🌐 為什麼選擇 Visual Paradigm？ Visual Paradigm 不僅是建模工具，更是AI 賦能的可視化工作流中樞。 無論你是開發者、系統架構師、業務分析師、企業架構師，還是知識管理團隊

AI

收藏 評論

u_17550698 頭像

小雯AIGC - 國內首個對標谷歌的多模態模型？Kling O1 發佈後，行業情緒明顯變了

作者 / 小雯AIGC Kling O1 的上線，讓國內多模態模型的討論突然變得清晰起來。 過去兩年，中國的大模型發展節奏以單項能力迭代為主：文本、圖像、視頻各自進步，但缺少統一方向。 而 Kling O1 的出現，使行業第一次認真討論—— 國產多模態模型是否正在進入與谷歌同類模型“體

ChatGPT初體驗 , Kling O1 , AI , aigc , AI作畫 , 可靈AI

收藏 評論

lsjwq 頭像

iNeuOS工業互聯網系統 - AI輔助編程系統工程的注意事項-程序員從“農耕”走向“魔法”的時代

AI輔助編程系統工程的注意事項-程序員從“農耕”走向“魔法”的時代 目 錄 1..... 項目實踐依據... 2 2. 前言：軟件工程的範式轉移，從“關注過程”到“關注意圖”... 4 3..... 需求明確及AI審核：人與AI雙向的需求驗證... 4 4..... 更需要系統化思維：科學拆分業務單元... 4 5..... 受第三方組件影響：生成代碼不一定正確... 5 6..... AI的補丁

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（五）GloVe 算法

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，2.8的內容以及一些相關知識的補充。 本週為第五課的第二週內容，與 CV 相對應的，這一課所有

AI

收藏 評論

wancle 頭像

萬村樂數字鄉村 - AI智能媒體助理，一款為自媒體人提供的神器測評報告

説到AI大家都懂，説到自媒體大家也懂，那麼把AI和自媒體結合到一起會是怎麼樣的？ 我覺得應該是更便利，更方便，原來我們在寫自媒體文章的時候也會用到AI來輔助一下，幫助我們潤色、修飾、給初稿、給大綱，最後發現該省的時間一樣沒有省下來，反而還要來回改，當時就在想如果從生成到配圖再到發佈全部自動化操作了該多好，最後還真被我找到了，AI智能媒體助理軟件。 今天我們就來測評一下這款軟件，

AI

收藏 評論

u_16099211 頭像

笑傲江湖求敗 - 數學建模筆記一數據標準化_數據標準化是對數值型數據嗎

大數據建模中的數據標準化：行業標準與自定義規範深度解析 一、引言：為什麼數據標準化是大數據的“地基”？ 在大數據時代，企業面臨的最大挑戰從來不是“數據太少”，而是“數據太亂”： 電商系統中，“用户ID”可能同時存在字符串（user_123）、數字（123）和UUID（e5a5-...）三種格式； 金融機構的“交易時間”

大數據 , 數據 , 自定義 , AI , 元數據 , 後端開發 , Python

收藏 評論

OBCE666 頭像

OBCE666 - 餵飯級教程 II —— Dify x OceanBase seekdb 使用指南

君子性非異也，善假於物也。 —— 《荀子》 這篇文章，是繼上一篇公博大佬的大作《餵飯級教程 —— 基於 OceanBase seekdb 構建 RAG 應用》之後，第二篇 seekdb 使用教程類的內容。 歡迎各位老師也能根據文章中的步驟嘗試快速使用 Dify x seekdb 搭建屬於您自己的 AI 應用，也歡迎大家踴躍在評論區批評、指正、吐槽、謾罵~ 在這篇狗尾續貂的教程中，會為大家介紹：在

AI

收藏 評論

u_16391614 頭像

老艾的AI世界 - 白嫖最新ChatGPT和主流AI大模型，國內無限制使用

本文介紹8個免費使用ChatGPT等一眾頂尖大模型的網站，因為涉及到技術限制等因素，正文中不直接給出網址 GPT網站獲取及加速方法：網盤分享 1.網站一 用郵箱註冊後即可使用，支持Deepseek、ChatGPT、Google Gemini、Grok、Claude等主流大模型，並且支持聯網搜索

yyds乾貨盤點 , deepseek , AI大模型 , AI , chatgpt , 人工智能 , 深度學習

收藏 評論

yupi 頭像

程序員魚皮 - 全網最簡單的 OpenClaw 部署教程，5 分鐘擁有你的 AI 員工

大家好，我是程序員魚皮。 最近 OpenClaw（由 ClawdBot 改名）是真的火，它是一個能操作電腦幹活的 AI 數字員工。能幫你讀寫文件、編寫程序、執行任務，7×24 小時不休息。而且你隨時隨地掏出手機就能操控它，讓它幫你幹活。 網友也是把 OpenClaw 玩出花來了： 有人讓它自動清理上萬封郵件，收件箱直接幹掉 45%，省下幾十個小時的整理時間 有人用它搶演唱會

AI

收藏 評論

algieba 頭像

阿爾的代碼屋 - [大模型實戰 02] 圖形化的大模型交互: Open WebUI部署指南

核心摘要 (TL;DR) 目標：為本地的 Ollama 模型穿上漂亮的圖形化界面 (GUI)。 工具：Docker + Open WebUI (社區最活躍的開源 WebUI)。 核心功能：媲美 ChatGPT 的對話界面、本地知識庫 (RAG)、自定義角色 (Agent)。 相信各位友人在上一篇文章中，已經學會了如何用ollama在終端中運行Qwen模型。命令行工具有時候

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 （四）YOLO 的完整傳播過程

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，3.9到3.10的內容，同時也是本週理論部分的最後一篇。 本週為第四課的第三週內容，這一課所有

AI

收藏 評論

lying7 頭像

躺柒 - 讀共生：4_0時代的人機關係09教育機構（上）

1.教育機構 1.1.為了開始滿足數字驅動、人工智能驅動的經濟的需求，教育和職業培訓必須有所改變 1.2.教育和職業培訓要想在接下來幾十年中與社會切實相關，就必須發生根本性的變革 1.3.如果我們堅持採用20世紀初建立的教育和培訓模式，就無法滿足人工智能驅動的未來對於教育和職業培訓的需求 2.將教育與職業培訓分離 2.1.要闡明教育和職業培訓之間的區別，最簡單的方法就是將教育視為學生通過學習成為

AI

收藏 評論

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 第二週：優化算法（三）Momentum梯度下降法

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 本篇為第二課的第二週內容，2.6的內容。 本週為第二課的第二週內容，和題目一樣，本週的重點是優化算法，即如何更好，更高效

AI

收藏 評論