tag 人工智能

標籤
貢獻960
1430
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

kingshuaishuai 頭像

king帥帥 - 為了解決 AI 流式輸出的重複解析問題，我發佈了 incremark：普通情況下 AI 流式渲染也能提速 2-10 倍以上

我發佈了週末開發的 incremark，實際性能遠超預期——在 AI 流式場景中通常實現了 2-10 倍以上的速度提升，對於更長的文檔提升更大。雖然最初打算作為自己產品的內部工具，但我意識到開源可能是一個更好的方向。 解決的痛點問題 每次 AI 流式輸出新的文本塊時，傳統的 markdown 解析器都會從頭開始重新解析整個文檔——在已經渲染的內容上浪費 CPU 資源。Incremark 通過只解析

編輯器 , 人工智能 , typescript , 前端 , Javascript

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI 智能體編排平台：把零散 AI 擰成 “高效作戰隊”

不少企業用 AI 時都遇過 “碎片化困境”：用 AI 做客户跟進，得手動把聊天記錄導入分析工具；用 AI 做財務統計，要反覆在數據軟件和 AI 模型間傳文件 —— 單個 AI 像散落的 “零件”，拼不成解決複雜問題的 “機器”。而 AI 智能體編排平台，就是把這些 “零件” 組裝成 “作戰隊” 的工具，讓多個 AI 自動配合，搞定靠單一工具難完成的工作。 從技術邏輯看，這個平台的核心

微信 , 數據 , NLP , 人工智能 , crm

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 疆鴻智能PROFIBUS轉光纖：軌道交通信號傳輸困局的可靠之選

疆鴻智能PROFIBUS轉光纖：解軌道交通信號傳輸困局的可靠之選 一、項目背景：應對軌道交通的嚴苛挑戰 軌道交通控制系統對實時性、可靠性和抗干擾能力的要求極高。在傳統基於銅纜的PROFIBUS-DP網絡中，信號傳輸距離受限（通常不超過100米），且極易受到牽引供電系統產生的電磁干擾，導致通信中斷或數據錯誤，直接影響列車運行安全與調度效率。 疆鴻智

光纖模塊 , profibus , 工業通訊 , PROFIBUS光纖模塊 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

teayear 頭像

學技術贏未來 - HPC高性能計算

HPC 是 High-Performance Computing 的縮寫，中文譯為高性能計算，是指通過集羣化的計算資源，解決需要海量算力、大規模數據處理或複雜數值模擬的一類計算場景。 核心特點 算力密集型 依賴多核CPU、高性能GPU、專用加速芯片（如華為昇騰、NVIDIA Tesla），通過並行計算技術將複雜任務拆分到多個計算節點同時執行，突破單台服務器的算力上限。

數據挖掘 , 服務器 , 人工智能 , 解決方案 , 數據處理

收藏 評論

u_15591470 頭像

ceshiren2022 - 實測見證！利用Dify工作流與AI智能體，我們的測試效率提升300%

如果你也厭倦了在無盡的測試用例、重複的迴歸測試和脆弱的UI腳本中掙扎，那麼這篇文章正是為你準備的。我將分享我們團隊如何利用Dify工作流編排AI測試智能體，實現測試效率的指數級提升，讓測試工作變得前所未有的智能和高效。 一、 困局：我們曾在測試泥潭中寸步難行 在引入新方法之前，我們團隊面臨典型的測試瓶頸： 迴歸測試耗時漫長： 每次發版前，全量回歸測試需要2個測試人員投入整整3個工

迴歸測試 , AI , 人工智能 , 深度學習 , dify

收藏 評論

u_15699099 頭像

wx62b9325dd56a7 - 三維目標檢測論文和代碼彙總

文章目錄 2021 FCAF3D: Fully Convolutional Anchor-Free 3D Object Detection 2023 TR3D: TOWARDS REAL-TIME INDOOR 3D OBJECT DETECTION 2

redis , 3d , 數據庫 , 人工智能 , 計算機視覺 , 目標檢測

收藏 評論

weidejianpan 頭像

商湯萬象開發者 - LazyLLM教程 | 第18講：高階RAG：Agentic RAG

前面教程中，我們學習到了如何構建 RAG 系統，以及對 RAG 系統進行效果提升、速度優化、功能擴展等等方面。 本教程我們將在此基礎上進一步介紹最近很火的Agentic RAG，它是RAG的變種，但更加智能，讓我們開始吧！ 如果把RAG比作帶着書本去考試的考生，那麼Agentic RAG就是同時帶着老師和書一起去考試的考生！ Agentic RAG 就是整合了 AI Agent 的 R

機器學習 , 自然語言處理 , 教程 , 知識 , 人工智能

收藏 評論

u_16099221 頭像

技術領航者之聲 - tinymce indent2em_val的使用

1.快速集成 快速集成部分參考tiny中文文檔 http://tinymce.ax-z.cn/ 第1步：下載TinyMCE TinyMCE支持多種使用方式，但是本人還是建議使用最傳統的方式，把相關資源下載到本地，放置到項目中。最新版的下載地址https://www.tiny.cloud/get-tiny/這

機器學習 , 編輯器 , 全屏 , 人工智能 , 解決方案 , Json

收藏 評論

liudamao 頭像

劉大貓 - VirtualBox的windows server 2016安裝增強功能

@[toc] 安裝步驟是UNM5800的核心功能，可通過MML(Man-Machine Language，人機語言)命令對設備進行 方便快捷的操作和配置。同時，也兼容相同設備不同版本的配置。 1. windows server 2016安裝增強功能 重要信息 官網：https://ais.cn/u/vEbMBz

地圖開發 , 地圖控件 , 算法 , 地圖定位 , 人工智能

收藏 評論

u_16213706 頭像

mob64ca1415bcee - vfp 遍歷各字段

PHP中的對象遍歷 對象的遍歷,主要是指遍歷對象中的，對外部可見屬性。實際上就是用訪問限制符public聲明的屬性，這點大家肯定很熟悉了。並且,在php中，遍歷對象居然與遍歷數組一樣，都可以用使用foreach語句。 好，下面用實例來説明： ?php class Demo { public $name;

靜態屬性 , php , 人工智能 , 私有屬性 , 計算機視覺 , vfp 遍歷各字段

收藏 評論

u_16970152 頭像

求知上進 - 深入學習Python函數：偏函數

第一章：偏函數的基礎概念 1.1 偏函數的數學與編程起源 偏函數的概念最早源於λ演算和函數式語言如Haskell。在數學中，偏函數（Partial Application）是將多參數函數固定部分參數後得到的單參數（或少參數）函數。這不同於柯里化，後者是將多參數函數轉換為一系列單參數函數的鏈式調用。Python的partial更接近偏應用，因為它直接“綁定”參數，而非完

自定義 , 偏函數 , 人工智能 , 深度學習 , Python

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生技術：如何為城市公共安全築起一道“智能防線”？

在當今快速發展的城市環境中，公共安全問題日益複雜，從突發事件響應到日常監控管理，都要求高效、精準的決策支持。傳統的管理方式往往依賴分散的數據和靜態地圖，難以應對瞬息萬變的城市動態。然而，隨着數字孿生技術的興起，城市管理者現在能夠通過虛擬映射現實，構建一個實時、可視化的城市安全“大腦”。這種技術不僅提升了應急響應的速度，還讓城市安全從被動防禦轉向主動預防。

數據 , 物聯網 , 實時監控 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

u_16099326 頭像

編程小天才 - 符號迴歸常見問題

輸入輸出重定向 簡而言之，輸入重定向是指把文件導入到命令中，而輸出重定向則是指把原本要輸出到屏幕的數據信息寫入到指定文件中。 輸出重定向： 標準輸出重定向 錯誤輸出重定向 2 代表追加道源文件末尾，是清空後輸入 輸入重定向 標準輸入重定向

機器學習 , 符號迴歸常見問題 , 輸出重定向 , 字符串 , 重定向 , 人工智能

收藏 評論

u_16060192 頭像

HyperAI超神經 - 【Triton 教程】triton_language.make_block_ptr

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →triton.hyper.ai/ triton.language.make_block_ptr(base: tensor, shape, strides, offse

編程器 , Triton , gpu , 編程語言 , 人工智能 , 深度學習 , cpu

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲 PAI 團隊獲邀在 ChinaSys 2025 分享動態數據調度方案 Skrull

第 29 屆中國計算機系統研討會（ChinaSys 2025） 將於 12 月 27 日- 12 月 28 日，在吉林長春舉辦。ChinaSys 是中國計算機系統及相關領域的學術團體，宗旨是為本領域的研究者和從業者提供資源共享、交換思想和會晤的平台，交流和探討系統領域的最新研究成果，促進中國計算機系統行業的發展。 阿里雲大數據 AI 團隊將深度參與ChinaSys 2025。 PAI 團隊將在 C

阿里雲 , 人工智能

收藏 評論

u_16099347 頭像

JAVA小俠影 - 13款神器，幫你快速搞定PPT【收藏系列】

在AI技術日益成熟的今天，無論是職場人高效完成彙報，還是學生羣體應對課業展示，藉助AI輔助工具已成為常態。尤其在製作PPT時，不少人曾滿懷期待嘗試“一鍵生成”類工具，卻常面臨效果不如預期，或價格超出預算的困境。 那麼，有沒有既免費又好用、能幫助我們快速做出專業級PPT的工具呢？經過一段時間的使用和測評，我整理了下面這8款AI PPT工具，它們各具特色，且大多對個人用户友好，

信息可視化 , ai生成ppt , powerpoint , 後端開發 , 人工智能 , ppt製作 , Python

收藏 評論

u_16099168 頭像

代碼匠人之心 - delphi memo 讀txt 亂碼

　　Delphi 7支持對XML文檔的操作，可以通過 TXMLDocument類來實現對XML文檔的讀寫。可以利用TXMLDocument把XML文檔讀到內存中，從而可以進行編輯、保存操作。TXMLDocument類是通過DOM（文檔對象模型）接口來訪問XML文檔中的各個元素的。對於DOM接口的實現有多種方式，Delphi 支持的方式有 1)微軟的MSXML SDK

機器學習 , 解析器 , xml , delphi memo 讀txt 亂碼 , 人工智能

收藏 評論

matrixorigin 頭像

MatrixOrigin - 當人人都在談模型時，拖垮 AI 項目的卻是"數據"這件事

企業對 GenAI 的熱情,正在被現實澆上一盆冷水。一個嚴峻的現實是：超過95%的企業AI項目，在完成 PoC（概念驗證）後就陷入停滯，無法真正投入生產環境。 "試點"很成功，"項目"卻失敗了。這道從"PPT"到"生產線"的鴻溝，正是當前企業AI落地最大的挑戰。當模型能力早已不是瓶頸，究竟是什麼拖住了企業智能化的腳步？ 答案，就隱藏在日常業務背後，那些最不起眼的地方。 那些沉默於企業各個角落的"數

數據 , 人工智能

收藏 評論

u_16213703 頭像

mob64ca14150f43 - stmcubemx ide 無法設置時鐘源為晶振

要了解MSP430 單片機的時鐘系統，首先要了解單片機的時鐘源 一，時鐘源種類： 　　MSP430單片機共有三個時鐘源：高頻時鐘源（XT2CLK），低頻時鐘源（LFXT1CLK），內部時鐘源（DCOCLK） 　　高頻時鐘源一般由8M的晶振產生 　　低頻時鐘源一般由32K的晶振產生 　　內部時鐘源可由RC振盪器產生 二，時鐘系統種類: 　　

機器學習 , System , 單片機 , 人工智能 , 系統時鐘

收藏 評論

tencent_blueking 頭像

騰訊藍鯨智雲 - 把握關鍵！設備到數據的存儲監控之路

本文來自騰訊藍鯨智雲社區用户: CanWay 直達原文：從設備到數據：存儲監控的關鍵與實踐 近年來，隨着數據量的爆炸性增長，從傳統的磁盤陣列和網絡存儲，到如今的雲原生存儲、分佈式文件存儲和對象存儲，存儲領域正在快速演進。然而，無論技術如何革新，存儲系統的監控始終是保障業務持續性、優化性能以及預防故障的重中之重。 在本文中，我們將深度剖析存儲監控的關鍵，探討如何科學全面地監控存儲設備，幫助企業遠離風

大數據 , 運維 , deepseek , 人工智能 , 深度學習

收藏 評論

mirrorship 頭像

鏡舟科技 - 鏡舟科技出席工業軟件創新暨開源峯會，分享開源創新與生態協同實踐

2025 年 4 月 28 日，由中關村科學城管理委員會主辦的“2025 中關村科學城工業軟件創新暨開源峯會“在中關村國家自主創新示範區展示中心成功舉辦。本次峯會以“AI 賦能・開源聚力・工業智核”為主題，聚焦工業軟件核心技術突破與開源生態構建。 鏡舟科技應邀出席“開源築基——工業軟件開源創新與生態協同”分論壇，海淀區科信局、中關村科學城管委會、中國信息通信研究院、中科院軟件所、華中科技大學等相

科技 , 軟件 , 人工智能 , 開源 , 技術

收藏 評論

pannideniupai 頭像

雨大王 - 中小製造企業如何選對數字化服務商？方法論與避坑指南

工業數字化服務商，這個詞在近年來越來越頻繁地出現在製造業的討論中，尤其是在數字化轉型成為企業生存必選項的時代。但很多人其實並不清楚，這類服務商到底能帶來什麼，為什麼製造業轉型總卡在某個環節，甚至很多人會誤以為這只是買幾個軟件、上幾台設備那麼簡單。 其實，數字化轉型的核心問題往往不是技術，而是思維。製造業的歷史積累了太多經驗，這些經驗固然寶貴，但一旦固化進系統，就容易變成僵化的數據孤島。舉個例

人工智能 , 深度學習

收藏 評論