tag 人工智能

標籤
貢獻960
1628
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

u_15591470 頭像

ceshiren2022 - 藉助Dify工作流構建AI測試智能體，效率提升可達500%

在軟件開發領域，測試工作一直是保障產品質量的關鍵環節，但傳統的手工測試用例編寫方式效率低下且容易遺漏邊界場景。每個新功能上線，測試團隊都需要手動編寫大量測試用例，這個過程不僅耗時耗力，而且極易出錯。 通過Dify工作流，我們可以構建智能測試AI體，實現測試效率500%的提升，徹底告別測試的"手工作坊"時代。 一、痛點分析：為什麼測試工作急需變革？ 傳統測試開發的困境 在引入D

測試用例 , 測試數據 , 人工智能 , 深度學習 , dify

收藏 評論

u_16776161 頭像

天潤融通科技 - AI替代人工：車企如何用天潤融通ZENAVA重塑試駕邀約流程

在競爭白熱化的汽車市場裏，試駕已經成了成交的入口。數據顯示，超過70%的客户在完成試駕後才會做出購車決定。換句話説，錯過試駕，就等於錯過大部分成交機會。 然而現實卻殘酷：一線銷售每天要撥打成百上千通電話，往往是上百次撥號，換不來幾次有效邀約。人力消耗巨大，結果卻參差不齊。更雪上加霜的是，客户對“騷擾電話”的反感與日俱增，傳統邀約方式正在快速失靈，寶貴的銷售線索不斷流失。

人工智能 , 深度學習

收藏 評論

u_15492594 頭像

是Dream呀 - AI驅動開發新範式：基於 CodeWave 的考勤系統落地實踐

在快節奏的企業軟件開發環境中，如何快速將想法轉化為可執行的代碼應用，成為了每個開發團隊追求的目標。網易CodeWave智能生成應用的出現，為我們提供了一個全新的解決方案——通過自然語言描述快速構建全棧應用，讓開發效率實現質的飛躍。 一、智能生成應用：重新定義開發流程 1.核心功能與價值 網易CodeWave的智能生成應用功能，其核心創新

數據挖掘 , 數據 , 自然語言 , 人工智能 , 主鍵

收藏 評論

u_15641375 頭像

芯動大師 - ROS2強化學習全攻略：從基礎到實戰，打造智能機器人未來

一、引言隨着機器人技術和人工智能的快速發展，ROS2（機器人操作系統 2）作為新一代機器人開發框架，為機器人應用提供了更強大的功能和更靈活的架構。強化學習作為人工智能領域的重要分支，能夠讓機器人通過與環境交互自主學習最優策略，在 ROS2 平台上的應用愈發廣泛。本文將介紹 ROS2 強化學習的學習路線以及相關案例。二、ROS2 強化學習學習路線（一）基礎理論知識強化學習基礎：深入

無人機 , 強化學習 , yyds乾貨盤點 , 機械臂 , 人工智能 , 數據結構與算法

收藏 評論

u_16237826 頭像

軟件求生 - 這波AI太原生了！SpringAI讓PostgreSQL秒變智能數據庫！

大家好呀，我是小米，一個愛折騰也愛分享的大哥哥。 最近有個小夥伴跟我説：“小米，我現在的AI項目需要用到向量檢索，但我的數據全在PostgreSQL裏，難道我還得搭個外部Embedding服務嗎？” 我笑了笑，抿了口咖啡，輕輕地説：“不一定哦～你聽過 PostgresML 向量模型 嗎？它能讓你的數據庫直接變成一個AI模型倉庫！” 於是，我給他講了一個故

機器學習 , yyds乾貨盤點 , yaml , 數據庫 , postgresql , 人工智能

收藏 評論

u_13424 頭像

flyingsmiling - freemarker 預編譯

本文説是為了熟悉gcc/g++編譯器，除此之外，還希望讀者能對源程序被執行起來的整個過程有更深刻的理解。 gcc和g++的用法差不多，本文就以gcc為例來講解 一個源程序被執行起來首先要經過四個步驟：預編譯、編譯、彙編、鏈接。

機器學習 , gcc , 靜態庫 , 編譯與鏈接 , freemarker 預編譯 , 人工智能 , 動態庫

收藏 評論

u_15718612 頭像

小怪獸會微笑 - Every Token Counts: Generalizing 16M Ultra-Long Context in Large Language Models（超長文本模型論文HSA）

Every Token Counts: Generalizing 16M Ultra-Long Context in Large Language Models（超長文本模型論文HSA） 這篇論文介紹了 HSA-UltraLong，這是一個基於 分層稀疏注意力（Hierarchical Sparse Attention, HSA） 機制的模

分塊 , redis , 語言模型 , 自然語言處理 , 點積 , 數據庫 , 人工智能

收藏 評論

u_16213687 頭像

mob64ca141139a2 - 大腳插件怎麼迴歸版本

VS2008恢復默認設置 有些時候，vs集成開發環境會出現各種各樣的問題，一時間我們難以解決。今天我就遇到了一個新建項目時彈出網頁和文件下載提示框的問題，總不能為了個小問題重裝VS吧。 這時候恢復默認設置是個很好的辦法，具體操作如下： 1.進入命令行模式，在“開始”--

機器學習 , 命令行 , 文件下載 , 大腳插件怎麼迴歸版本 , 集成開發環境 , 人工智能

收藏 評論

u_16018702 頭像

架構師李哲 - PPO最強，DPO一般？一文帶你瞭解常見三種強化學習方法，文末有大模型微調神器！

很多人第一次接觸各家大模型時，都會覺得它們的回答能帶來意想不到的驚喜，但有時，AI回答又怪怪的、囉嗦、甚至有點危險。 這背後，其實就是一個核心問題：對齊（Alignment）。 預訓練讓模型會“説話”，但對齊訓練，才讓模型更符合人類偏好：更有用、更安全、更有温度。在當下的大模型時代，有三種常被提到的對齊方法：PPO、DPO和KTO。 本期，LLaMA-F

強化學習 , 數據 , 損失函數 , 人工智能 , 深度學習

收藏 評論

dtstack 頭像

袋鼠雲數棧 - AIWorks 煥新升級：把企業級 Agent 從“搭出來”到“跑起來”，一套平台搞定

大模型應用的下半場，是深入企業業務一線的 Agent 應用戰場。從初期的閒聊對話，到如今深入業務核心，企業對 AI 的訴求已經非常清晰：我們需要的不止是通用的效率工具，更是能夠理解業務邏輯、執行復雜指令、保障數據安全的生產力級智能體。 AIWorks 作為一款面向企業級場景的 AI 智能體應用開發平台，聚焦私有化部署與業務場景落地，提供安全可控、靈活擴展的 AI 應用構建能力。平台集成可視化開發、

資訊 , 自然語言處理 , 數據庫 , 人工智能

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - PROFINET轉DEVICENET網關重塑食品加工自動化

PROFINET轉DEVICENET網關重塑食品加工自動化 1. 應用背景 在現代食品加工生產線中，自動化程度直接影響生產效率和產品質量穩定性。某食品加工廠原生產系統採用西門子S7-1500系列PLC作為主控制器，通過PROFINET網絡連接各智能設備。然而，生產線中仍有多台關鍵變頻器設備採用傳統的DEVICENET協議，形成“信息孤島”，導致設備數據無法實時上傳至主

協議轉換網關 , 變頻器 , 人工智能 , DEVICENET , 深度學習 , 工業自動化 , PROFINET

收藏 評論

wangzhongyang_go 頭像

王中陽講編程 - RAG 系統檢索不準？是時候引入「離線精排」思維了！

很多同學在做 RAG（檢索增強生成）項目時，都會遇到一個頭疼的問題：向量檢索召回的內容經常“文不對題”，導致大模型回答出現幻覺。今天我們就來聊聊如何通過 Rerank（精排）技術，讓你的 RAG 系統脱胎換骨。 大家好，我是王中陽。 最近在 我們AI就業陪跑訓練營 裏，有不少同學問我：“我的 RAG 系統明明把文檔切好了，向量庫也建好了，為什麼用户問問題時，找出來的文檔還是不準？” 其實，這

llm , 人工智能

收藏 評論

u_16213676 頭像

mob64ca140e76c8 - gem M1 安裝路徑

1、使用git 來運行 curl 安裝 git 軟件 鏈接：https://pan.baidu.com/s/1zB2NcOfwXTg90R5PRGHhZg 提取碼：xxxx 111111 在windows上安裝SpaceVim時，提示需要安裝Git和curl， 安裝了Git， 原本以為要通過mingw或者cygwin來安裝cur

反斜槓 , 機器學習 , 雙引號 , gem M1 安裝路徑 , 人工智能 , Git

收藏 評論

u_16349720 頭像

短短同學 - 安卓模擬器總出問題?Docker + cpolar讓測試環境穩定又好訪問

安卓模擬器痛點解決：Docker+cpolar 打造穩定可訪問的測試環境 傳統安卓模擬器常面臨環境衝突、性能卡頓、外部無法訪問三大痛點：本地安裝多個模擬器易導致配置混亂，依賴宿主機環境引發兼容性問題，且本地測試環境難以共享給團隊或對接外部服務。而Docker 的容器化隔離與cpolar 的內網穿透組合，可完美解決這些問題 ——Docker 將模擬器封裝為獨立容器，確保環境一

Android , 人工智能 , 深度學習 , Docker

收藏 評論

u_16213690 頭像

mob64ca1411e411 - chatgpt在安卓手機上使用

據iafrica 網站4月24日報導，三星是國際上最受期待的安卓手機之一，它的旗艦手機上都有各種預裝軟件，從交際通訊類到聲控查找類，包羅萬象，可是這些軟件卻不受用户期待。 　　美國研討公司Strategy Analytics研討了超越250位三星Galaxy SIII 和Galaxy S4的用户，記載他們在一個月內

app , chatgpt在安卓手機上使用 , 3d , 人工智能 , 深度學習 , HTML

收藏 評論

u_16213712 頭像

mob64ca14173efa - ymodem 數據包

網絡通信是現代信息技術的一個重要組成部分，與我們日常生活息息相關。例如最常見手機QQ、MSN、微信等聊天工具，還有手機遊戲你畫我猜、鬥地主等，這都需要依賴於網絡。下面是一個你畫我猜遊戲運行界面，圖8-1是用户1在遊戲界面畫圖，圖8-2是用户2在遊戲界面就馬上就接收到用户1所畫的畫。

機器學習 , tcp , 人工智能 , 界面設計 , ymodem 數據包 , udp

收藏 評論

yunzhihuijishushequ 頭像

雲智慧 - 雲智慧榮登全球企業級AI Agent優秀廠商TOP100榜

近日，國內市場研究與諮詢平台第一新聲智庫發佈了《Global Agent 100 x 100：2025年Q3全球企業級AI Agent優秀廠商圖譜》。雲智慧被評選為AI運維場景智能體的優秀廠商，本次入選是對雲智慧國內與國際化業務取得成績和未來發展的肯定與認可。雲智慧在AI 運維領域的持續深耕，用技術實力和產品創新詮釋長期主義。 以創新為驅動，AI Agent加速智能化運維 隨着生成式AI技術與場

資訊 , agent , 人工智能

收藏 評論

huikaichedemianbao 頭像

合合技術團隊 - 所見即所得，賦能RAG：PDF解析裏的段落識別與閲讀順序還原

前幾天，有一位用户使用OCR產品識別多欄論文後向我們詢問：要怎麼解決不合適的斷句、分段以及錯誤閲讀順序的問題？ 我們用一個相似案例為大家直觀展示這位用户遇到的情況。 如圖中的多欄期刊，如果用OCR識別，或直接在一些辦公軟件對文字進行復制黏貼，我們就會得到右側的效果——按PDF排版而不是語義進行換行分段，對多欄文字直接從左向右排布，得到完全不通順的文字段落。 顯然這樣的效果是無法接受的。 於

ocr , 人工智能 , 文檔

收藏 評論

u_17061379 頭像

AI編程社區 - 不想每次都跟 AI 重複交代？試試 Slash Command

和 AI 結對編程時，你可能遇到過這種情況： 你："幫我寫個用户註冊接口。" AI 倒是很快給出了代碼，能跑。但你一看：錯誤返回用的是 error，不是你們團隊封裝的 BizError；日誌打的是 log.Info，不是接入了鏈路追蹤的 logger.WithContext(ctx).Info；參數校驗直接寫在 handler 裏，沒有走 validator 那套……

機器學習 , 封裝 , 問題排查 , 人工智能 , Slash

收藏 評論

u_13873498 頭像

IT陳工 - 遷移學習簡單理解

遷移學習 背景 在深度神經網絡算法的應用過程中，如果我們面對的是數據規模較大的問題，那麼在搭建好深度神經網絡模型後，我們要花費大量的算力和時間去訓練模型和優化參數，最後耗費了這麼多資源得到的模型只能解決這一個問題，性價比非常低。 如果用這麼多資源訓練的模型能夠解決同一類問題，那麼模型的性價比會提高很多，這就促使使用遷移模型解決同一類問題的方法出現。因為該方法的出

機器學習 , 凍結 , 人工智能 , 遷移學習

收藏 評論

u_16841336 頭像

火雲大軍 - 程序員應該熟悉的概念(7)vLLM和ollama

vLLM(Virtual Large Language Model) 和 Ollama 都是用於運行大語言模型 大語言模型/LLM 的工具，旨在降低本地部署和使用大模型的門檻。應用程序可以通過它們的統一接口，使用不同大模型。 簡介 vLLM：是一個高性能的大模型推理引擎，專注於優化模型運行效率。通過 PagedAttention 等技術大幅提升吞吐量（每秒處理請求數）、降

llm , vLLM , ollama , 人工智能 , 深度學習

收藏 評論

u_16213707 頭像

mob64ca1415f0ab - 向量搜索 產品調研報告 jina AI 以及milvus

一、實戰核心目標 掌握混合數據類型（標量+向量）集合的創建方法 實現結構化+非結構化數據的批量插入 精通帶過濾條件的向量混合查詢（核心重點） 理解Milvus Search語法核心參數與使用場景 驗證向量搜索端到端流程，適配RAG系統落地需求 二、Search語法深度解析 Milvus的Search接口是向量查詢

milvus , 字段 , 零基礎 , 標量 , 後端開發 , 人工智能 , harmonyos

收藏 評論

u_16213666 頭像

mob64ca140c3859 - 全基因組甲基化數據分析

大家好，這裏是專注表觀組學十餘年，領跑多組學科研服務的易基因。 簡化甲基化測序(Reduced Representation Bisulfite Sequencing,RRBS)是利用限制性內切酶對基因組進行酶切，富集啓動子及CpG島等重要的表觀調控區域並進行重亞硫酸鹽測序該技術顯著提高了高CpG區域的測序深度，在CpG島、啓動子區域和增強子元件區

經驗分享 , Front , 生物學 , 生物信息學 , 人工智能 , 數據分析 , 全基因組甲基化數據分析

收藏 評論

digitalocean 頭像

DigitalOcean - 英偉達、AMD 同步調價前，企業如何鎖定 2026 年的低價 GPU 雲算力？

2026 年開年，科技圈最令人不安的消息莫過於：算力通脹正式開始了。 如果你最近在考慮部署 AI 模型、進行大規模數據訓練或渲染，接下來的信息可能會直接影響你的年度預算。 GPU 漲價潮：不再是傳聞，而是正在發生的現實 根據最新的產業鏈爆料，受內存成本暴漲的強力推動，英偉達（NVIDIA）和AMD​已確定從 2026 年初開始“分階段大幅上調”全系GPU​的價格。 這不僅僅是一次微調。據韓國供應鏈

機器學習 , 資訊 , 人工智能

收藏 評論