tag 人工智能

標籤
貢獻960
1600
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 rtedevcomm 頭像 xingxingshangdeliushu 頭像 tecdat 頭像 chaoshenjinghyperai 頭像 u_15591470 頭像 u_17579295 頭像 u_17512334 頭像 lab4ai 頭像

@人工智能 / 博客 RSS 訂閱

rivers_chaitin 頭像

百川雲開發者 - 2025年知識管理系統推薦，這款AI驅動的開源工具讓我徹底告別信息混亂！

你是不是也經常遇到這樣的情況：團隊文檔散落在無數個聊天記錄、郵件附件和本地文件夾裏，找個去年的方案得翻半天；新員工入職培訓時，面對一堆零散資料無從下手；或者寫技術文檔時，明明公司內部有現成案例，卻壓根不知道去哪裏找？ 別擔心，你不是一個人。在信息爆炸的2025年，高效的知識管理已經成為企業和個人發展的核心挑戰。好在，AI技術的成熟讓知識管理工具迎來了全新突破。今天要聊的，正是一款讓我眼前一亮的知識

人工智能 , 深度學習

收藏 評論

gmicloud 頭像

GMICloud - GMI Cloud：如何構建全球化高性能分佈式推理服務？

摘要 6 月底，GMI Cloud 技術 VP YujingQian 受邀參與了由 InfoQ 舉辦的 AICon 北京大會，在大會上Yujing發表了主題為《GMI Cloud Inference Engine 全球化高性能分佈式推理服務構建實踐》的演講，本文是他的演講總結。 越來越多的企業將自己的 AI 應用拓展到海外市場時，在推理服務方面遭遇諸多挑戰。例如用户跨地域分佈，單個集羣難以平衡低時

雲計算 , 人工智能

收藏 評論

old_it 頭像

老IT人 - DGX Spark 實戰解析：模型選擇與效率優化全指南

自 DGX Spark 發佈以來，這段探索之路挑戰與收穫並存。在成功完成軟件移植的攻堅後，我們決定將這段時期的實戰經驗系統梳理，轉化為一份關於模型選擇與性能優化的實用指引，希望能助力更多團隊高效利用 DGX Spark。 模型選擇策略：效率與性能並重 經過充分測試，我們發現不同模型在 DGX Spark 平台上的表現存在明顯差異。 以下是我們的具體推薦： 文本生成模型首選： gpt-oss-20b

教程 , 知識 , 人工智能 , 深度學習

收藏 評論

openfuyao 頭像

openFuyao - 一文讀懂openFuyao：聚焦AI雲原生，促進算力極致釋放

在人工智能迅猛發展的浪潮中，算力已成為驅動技術創新的核心要素。然而，全球範圍內面臨着異構算力協同困難、硬件資源利用不足、集羣軟件生態不完善等共同挑戰。 為解決技術生態碎片化困局，構建產學研協同的集羣軟件生態體系，openFuyao社區於2023年由華為主導啓動孵化，於2025年5月23日，由華為、中國工商銀行、中國移動雲能力中心、聯通數字科技有限公司、四川華鯤振宇智能科技有限責任公司、江蘇博雲科技

kubernetes , 人工智能 , 雲原生 , 開源項目介紹

收藏 評論

old_it 頭像

老IT人 - DGX Spark 雙機互連實測 Qwen3-235B 模型

前段時間我們使用單台 DGX Spark 測試了gpt-oss-120b模型性能。今天，我們通過一根 200 Gbps 帶寬的 QSFP 線纜連接兩台 DGX Spark，並測試了一個參數更大的模型：Qwen3-235B，看看性能如何。 整體測試下來，單用户生成速度為10 tokens/s，但預填充速度還不錯，單用户可達1000 tps，詳細測試數據如下: 生成速度 知識庫應用（輸入4K） 知

機器學習 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

youqingyouyidedalianmao 頭像

龍智DevSecOps - Atlassian Service Collection：一套整合JSM、CSM與Assets的AI驅動服務管理平台

世界變化飛快——快到過去需要數月才能發佈的產品，如今只需幾天就能上線。客户希望立刻得到解答，員工期待工作體驗能像他們最喜愛的APP一樣流暢自如。而隨着AI的發展，人們對速度和服務質量的期望值也在持續攀升。 但大多數企業仍停留在“石器時代”：團隊各自為政、工具笨重難用，“創新”往往意味着長達六個月的部署週期和數百萬美元的諮詢費用。想想都令人頭疼。 為此，Atlassian推出了全新的服務管理解決方案

atlassian , 人工智能

收藏 評論

candy_68fb0dfb0afd0 頭像

Candy - 構建具備深度思考能力的 Agentic RAG 流水線，用於解決複雜查詢

原文地址：https://mp.weixin.qq.com/s/JnRcU-6wg6g9RjdVXe3fQA 很多 RAG 系統失敗，並不是因為 LLM 不夠聰明，而是因為它們的架構太簡單。它們試圖用線性的一次性方式，處理一個本質上循環、多步驟的問題。 許多複雜查詢需要推理、反思，以及何時行動的聰明決策，這與我們面對問題時如何檢索信息非常相似。這正是 RAG 流水線中引入“agent 驅動行為”的

人工智能

收藏 評論

facaidexiaogou_luapn 頭像

發財的小狗_lUapn - 《國內如何高效穩定地接入Sora2pro API？深度測評速創API的服務與性價比》

最近，許多開發者和視頻創作者都在尋找Sora2pro的國內接入方案。OpenAI官方渠道對國內用户存在諸多限制：網絡不穩定、付費繁瑣、且無法保證高頻調用的可靠性。更重要的是，Sora2pro按次計費的模式下，一旦調用失敗，費用依然會被扣除，試錯成本極高。那麼，有沒有一個既便宜又可靠的國內替代方案？ 經過多方測試和對比，我們發現速創API平台提供的Sora2 API國內中轉服務，完美解決了上述痛點。

知識 , 人工智能

收藏 評論

gmicloud 頭像

GMICloud - 網易科技專訪 GMI Cloud 創始人&CEO Alex Yeh：以“產品+佈局+服務”構建全球競爭力

摘要 日前，網易科技對 GMI Cloud 創始人兼CEO Alex Yeh 進行了專訪，內容主要圍繞 AI 算力賽道機遇、GMI Cloud 差異化優勢及全球佈局等，下文為對話精華實錄。 近期，網易科技對話了全球頭部 AI Cloud 算力提供商 GMI Cloud 的創始人兼CEO Alex Yeh。他從全球行業視角指出，大模型的持續迭代與推理應用的爆發，正推動高端算力需求進入一個前所未有的黃

觀點 , gpu , 人工智能

收藏 評論

infodator 頭像

容智信息 - 如何評估高質量高價值的智能體？容智全維度評估寶典教你實戰方法

企業部署智能體，若缺乏科學的質量評估體系，極易陷入“效果模糊、價值難控”的困境。智能體的質量評估絕非單一維度的技術測試，而是需圍繞業務目標、人機協同、持續迭代構建系統方法論，並從系統性能、任務成效、輸出質量、工具協作四大維度全方位刻畫其價值，最終實現“技術健康度”與“業務貢獻度”的雙重驗證。 科學的評估體系需緊扣業務場景與長期運營，遵循三大原則： 指標與業務目標深度

人工智能

收藏 評論

deephub 頭像

deephub - 打造自己的 Claude Code：LangGraph + MCP 搭建一個極簡的 AI 編碼助手

實踐是最好的學習方式。為了深入理解 LangGraph 和模型上下文協議（MCP）服務器的生態，我們來從零開始構建一個 CLI 編碼代理。我們的目標是，拋開 Claude Code 那些花裏胡哨的功能，看看最基礎的編碼代理能做到什麼程度。 那些商業編碼代理往往會添加各種專有的"秘密配方"——特殊的上下文管理、精心設計的提示策略、優化過的工具選擇算法。這些技術細節被包裝得嚴嚴實實，很難

llm , 人工智能 , 深度學習 , claude , Python

收藏 評論

huizhudev 頭像

HuiZhu - 技術人做活動策劃？這個AI指令幫你搞定專業方案

作為開發者或技術leader，你有沒有遇到過這種情況：老闆突然讓你負責技術沙龍、產品發佈會或者團隊建設活動，你對着PPT發呆半天，不知道從哪兒開始？ 我之前也遇到過。明明寫代碼很溜，一到策劃活動就抓瞎——預算怎麼算？流程怎麼設計？風險怎麼控制？感覺每個環節都是坑。 技術人策劃活動的三大痛點 跟幾個做過活動的技術朋友聊過，大家的困擾出奇一致： 1. 不知道完整流程包含什麼 策劃案要寫哪些部分？

generative-ai , chatgpt , 人工智能 , 活動 , prompt

收藏 評論

zhishuangdebaikaishui 頭像

咚咚王 - 人工智能之編程基礎 Python 入門：第四章 條件循環與異常

人工智能之編程基礎 Python 入門 第四章 條件循環與異常 前言 本章節緊接上一章內容繼續學習python的基本語法結構，主要學習條件語句、循環語句以及錯誤異常的處理方式。 條件語句 Python 中的條件語句用於根據不同的條件執行不同的代碼塊。主要的條件語句是 if、elif（else if 的縮寫）和 else。 基本語法 if 條件1: # 條件1為真時執行的代碼 語

教程 , 人工智能 , Python

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 高效利用技術庫

在現代 IC 設計流程中，合理利用技術庫（Technology Library）是優化 RTL 合成結果的關鍵。 1、技術庫：設計優化的核心資源 技術庫包含標準單元及其詳細特性（如時序、功耗、面積等），合成工具依賴這些數據將 RTL 轉換成物理電路。精確的模型與策略直接決定設計是否能滿足性能、功耗與製造的嚴格要求。 2、關鍵技術與應用實踐 I. 庫表徵（Library Characte

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

zhishuangdebaikaishui 頭像

咚咚王 - 人工智能之編程基礎 Python 入門：第五章 基本數據類型（一）

人工智能之編程基礎 Python 入門 第五章 基礎數據類型（一） 前言 本章節講述python的基礎數據類型，python的基礎數據類型主要包括以下 ​不可變數據（3 個）：​Number（數字）、String（字符串）、Tuple（元組）； ​可變數據（3 個）：​List（列表）、Dictionary（字典）、Set（集合）。 Number（數字） number（數字）類型用於表

教程 , 人工智能 , Python

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - AI 得賢招聘官 × Moka “AI 實戰訓練營” 圓滿落幕，賦能 HR 智能化轉型

AI 得賢招聘官 × Moka “AI 實戰訓練營” 圓滿落幕，賦能 HR 智能化轉型 2025 年 10 月 29 日，AI 得賢招聘官與 Moka、人力資源管理專家徐剛聯合主辦的 “AI 實戰訓練營”，在上海黃浦區福州書城德必園區成功舉辦。活動聚焦 AI 在人力資源領域的實戰落地，吸引了眾多企業 HR 負責人與數字化轉型專家參與，共同探討 AI 賦能 HR 工作的應用趨勢與最佳實踐。 深

人工智能

收藏 評論

cuicui_623c4b541e91e 頭像

Datenlord - 達坦科技&琶洲實驗室｜開源組會邀您上線

在AI基礎設施飛速發展的今天，培養具備GPU計算能力的專業人才成為行業迫切需求。達坦科技聯合琶洲實驗室（黃埔）推出的「開源組會」系列活動正是這一背景下的創新實踐，為AI Infra領域的人才培養開闢了新路徑。 本系列視頻將於達坦科技DatenLord的b站視頻號上同步更新，歡迎感興趣的同學點贊關注。 01、強強聯手：產學研深度融合的創新平台 琶洲實驗室（黃埔）作為國內頂尖的科研機構，長期致力於人工

ai開發 , 人工智能 , 開源 , 開源項目介紹

收藏 評論

dayong_59b0e68b1ed0d 頭像

六邊形架構 - 我，一個AI技術小白，竟然用Dify+Ollama手搓出了自己的AI聊天助手！

文 / 勇哥 原創文章，轉載請聯繫授權 寫在前面：從AI小白到AI創造者的逆襲 大家好，我是勇哥！既上一篇《揭秘Deepseek：只用GPT-4成本的6%，卻做出更聰明的AI？》帶大家簡單地瞭解了一下AI智能助手的工作原理之後，今天我想要跟大家分享一個技能：作為一個連代碼都寫不利索的技術小白，也能在半天內成功搭建了一個屬於自己的AI聊天助手！ 是的，你沒聽錯！不是用ChatGPT，不是

llm , 教程 , 人工智能

收藏 評論

aigoto 頭像

逐夢AI - 茶葉的病害與健康狀態圖像數據集（10,000 張圖片已劃分）| AI訓練適用於目標檢測任務

茶葉的病害與健康狀態圖像數據集（10,000 張圖片已劃分）| AI訓練適用於目標檢測任務 一、背景 茶葉（Camellia sinensis）作為世界三大飲品之一的原料植物，其產業規模巨大、經濟價值顯著。然而，茶樹種植過程中常見的多種病害——如黑腐病、褐斑病、鏽病、紅蜘蛛、茶蚊蟲等——對茶葉產量和品質造成了極大威脅。傳統的人工巡檢和經驗判斷方式不僅耗時耗力，而且具有強烈的主觀性與侷限性。 隨着人

人工智能

收藏 評論

deephub 頭像

deephub - 解決GRPO優勢歸因錯誤,Chunk-GRPO讓文生圖模型更懂"節奏"

文本到圖像(T2I)生成模型的發展速度超出很多人的預期。從SDXL到Midjourney,再到最近的FLUX.1,這些模型在短時間內就實現了從模糊抽象到逼真細膩的跨越。但問題也隨之而來——如何讓模型生成的不僅僅是"一張圖",而是"正確的那張圖"？這涉及到如何讓AI理解人類在審美、風格和構圖上的真實偏好。 強化學習(RL)成為解決這個問題的關鍵技術。通過將人類偏好分數作為獎勵信號,可以對這些大模型進

generative-ai , llm , 強化學習 , 知識 , 人工智能

收藏 評論

dayong_59b0e68b1ed0d 頭像

六邊形架構 - 真相！Dify和n8n這兩款LLM應用開發平台的最大區別，90%的人都不知道!

文 / 勇哥 原創文章，轉載請聯繫授權 一、前言 大家好，我是勇哥！繼上一篇《震驚！我，一個技術小白，竟然用Dify+Ollama手搓出了自己的AI聊天助手！》帶大家簡單地瞭解了一下普通人如何自己搭建一個屬於自己的AI智能助手之後，就有讀者問我，作為一名傳統的開發者，該怎樣進入AI的行業或者是學習AI的技能呢？我作為一名過來人，我給大家的建議是：好好地去學習AI應用開發的技能，然後通過

llm , 資訊 , 教程 , 知識 , 人工智能

收藏 評論

quanzhikeji 頭像

全知科技 - 實力入選！全知科技榮登《中國網絡安全年鑑2025》

近日，斯元商業諮詢正式發佈了《中國網絡安全年鑑2025》。這是首部以宏觀經濟為背景、以資本與科技為線索，系統記錄中國網絡安全產業全貌、具備國際化視野的年鑑。全知科技憑藉在數據安全領域的深厚技術積澱、豐富實踐成果及行業影響力，成功入選《中國網絡安全年鑑2025》，並被評為專業廠商。 《中國網絡安全年鑑2025》以客觀視角梳理了中國網絡安全產業的成長軌跡，其收錄的企業及技

人工智能 , 深度學習

收藏 評論

aigoto 頭像

逐夢AI - 翻牆、攀爬、、跨越圍欄等違規行為檢測數據集（10,000 張圖片已劃分）—安全檢測實踐

翻牆、攀爬、違規行為檢測數據集（10,000 張圖片已劃分）——安全檢測實踐 在現代城市安全管理與工地監控場景中，“違規攀爬”與“翻越圍欄”等行為的實時檢測，是視頻智能分析系統中的關鍵功能之一。為了提升這類行為識別算法的魯棒性與泛化能力，本文將介紹一個 翻牆、攀爬、違規行為檢測數據集（共10,000張圖片），並結合 YOLOv8 模型展開技術解析與實戰講解，幫助研究者與開發者快速構建智能檢測系統。

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

tiandexianggua 頭像

靦腆的青春逗 - 構建大模型的“服務網格”：從Cloud Foundry的Service Broker到AI時代的MCP演進

前序 作為資深諮詢規劃專家，我目睹過雲計算從混亂到標準化的演進歷程。如今，AI生態正面臨類似的十字路口。 在雲原生架構中，Service Broker機制通過標準化API，成功解決了PaaS平台上應用與服務之間的連接難題。這一經過實踐檢驗的設計，恰恰為當前大模型與外部數據和工具集成的挑戰提供了絕佳解決方案。 新興的Model Context Protocol正致力於解決類似問題，但作為202

觀點 , llm , 人工智能 , claude

收藏 評論