tag 迭代

標籤
貢獻103
153
01:02 PM · Nov 08 ,2025
u_17580222 頭像 u_13715298 頭像 u_13357275 頭像 u_16018702 頭像 u_16993624 頭像 u_17321650 頭像 u_15943685 頭像 u_15469972 頭像 u_15147453 頭像 u_17578926 頭像 u_13717764 頭像 u_15675268 頭像

@迭代 / 博客 RSS 訂閱

u_13717764 頭像

嗶哥嗶特 - 算力+替代雙潮下，磁性元件行業如何重構？

當英偉達 Blackwell 架構引發的算力海嘯席捲全球，當國際地緣政治重塑電子產業供應鏈格局，作為電子元器件核心環節的磁性元件行業正迎來前所未有的變革。一邊是 AI 服務器功耗飆升催生的高性能元器件剛需，訂單量與磁性元件產品單價同步暴漲;另一邊是國產替代浪潮加速來襲，本土企業從 “中低端跟隨” 向 “高端突破” 邁進。 這場由技術革新與國產化趨勢共同驅動的行業重構，正在重

服務器 , 英偉達 , 人工智能 , 數據分析 , 迭代

收藏 評論

u_7457870 頭像

竹君子_歲月 - 新能源知識庫（158）什麼是鋅離子電池？在數據中心場景中的優勢如何？

鋅離子電池是一種基於鋅離子在正負極間遷移實現充放電的二次電池技術，其核心原理與鋰離子電池類似，但採用鋅作為負極活性物質。以下從技術特性、成本、安全性及數據中心場景適配性四個維度，對比鋅離子電池與鉛炭電池、三元鋰電池、磷酸鐵鋰電池的差異，並分析其在數據中心的應用潛力： 一、技術特性對比

差異化 , 能源 , MySQL , 數據中心 , 數據庫 , 迭代

收藏 評論

u_11014055 頭像

jklvv - 永元證券｜券商2025年調研路線圖揭曉 三大板塊最受青睞

隨着A股2025年交易收官在即，券商調研覆蓋上市公司的整體情況也逐漸清晰。數據顯示，截至12月30日中國證券報記者發稿時，2025年以來已有超2800家A股上市公司接待券商調研，這意味着全市場過半上市公司均獲得過券商關注；從行業分佈情況看，機械設備、電子、醫藥生物三大板塊最受關注，板塊內均有超過290家上市公司接待券商調研。 對於前述板塊2026年

區塊鏈 , 人形機器人 , 二級 , 迭代

收藏 評論

u_15675268 頭像

1艾一刀 - 資本瘋搶無人物流玩家，行深智能的核心底氣是什麼？

文 | 智能相對論 作者 | 孫曉巍 2025年無人物流配送風起雲涌。頭部玩家接連在資本市場有大動作：新石器年內完成第二筆6億美元的融資，九識智能完成1億美元B4輪融資，白犀牛完成B+輪融資，順豐這樣的物流巨頭甚至連投了三次。 毫無疑問，無人物流配送已經成了自動駕駛垂直領域的真正熱門。數據顯示，今年L4級無人物流配送賽道累計融資已超過40億元人民幣。 當乘

數據 , 自動駕駛 , 人工智能 , 深度學習 , 迭代

收藏 評論

u_17550252 頭像

蒲公英內測分發 - 覆盤：我們如何用一週時間，拯救一個瀕臨崩潰的內測流程

上個季度，我接手了一個“敏捷”項目。之所以給“敏捷”打上引號，是因為在項目初期，我們的狀態是：用着最敏捷的理念，進行着最混亂的折騰。 這是一個社交類App，市場窗口期很短，要求我們快速迭代，快速驗證。理論上，我們應該每天都在“開發-測試-反饋-優化”的正向循環中。但現實是，我們團隊大部分的精力，都耗在了“開發”與“測試”之間那段泥濘的道路上。 混亂的序章：當“

應用開發 , 內測分發 , 移動開發 , 移動測試 , 開發者 , ios , 迭代

收藏 評論

u_93011 頭像

小屁孩 - 代碼大全讀後感

《代碼大全》第八部分以 “新時代編程” 為主題，為我們揚起了駛向未來編程領域的風帆。這一部分讓我深刻認識到，編程技術在不斷髮展，程序員也需要與時俱進，不斷學習新的知識和技能，才能在未來的編程浪潮中立於不敗之地。 隨着信息技術的飛速發展，編程領域也發生了翻天覆地的變化。從傳統的單體應用開發，到如今的雲原生、微服務、人工智能編程，編程的技術棧和開發模式不斷更新迭代。

開發模式 , 後端開發 , 人工智能 , 迭代 , harmonyos

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI業務信息系統：技術撐起企業高效運轉骨架

對企業而言，業務信息系統是日常運營的“中樞神經”，而AI技術的融入，就像給這根神經裝上了“智能大腦”。不同於傳統系統只做數據記錄與流轉，AI業務信息系統靠核心技術打破效率瓶頸、優化決策邏輯，讓系統從“被動工具”變成“主動幫手”。作為深耕AI產品落地的從業者，我用直白話術拆解背後的關鍵技術，看懂它如何重構業務場景。 數據底座技術是系統的“燃料庫”，決定AI能力的上限。傳統系統裏，數據分

數據 , 業務需求 , NLP , 人工智能 , 迭代

收藏 評論

u_16213650 頭像

mob64ca14085c24 - 代碼詳解：Numpy——通往人工智能的大門

目錄 人工智能之數據分析 numpy 前言 一、數組迭代（Iteration） ⚠️ 原則：儘量避免顯式 for 循環！優先使用向量化操作。 1. 一維數組：直接 for 循環 2. 多維數組：默認按第一維迭代（逐“行”） 3. 逐元素迭代

向量化 , 數組 , 迭代 , 前端開發 , Javascript

收藏 評論

u_16099185 頭像

夢想啓航吧 - Github 開源項目貢獻指南：如何給開源項目做貢獻 （上） - 騰訊雲技術社區 -

作為服務數千家企業用户的開源企業級 LLM 應用開發平台，BISHENG 始終以“幫助組織真正實現智能化落地，讓更多人更高效的工作”為核心目標建立並維護開源生態。 GitCode 聯合 BISHENG 正式發起「開源貢獻徵集令」，無論你是技術大佬、開源新手，還是擅長分享的內容創作者，都能在這裏用貢獻兑換獎勵，用代碼賦能生態！ 🔥 為什麼一定

code , spark , 大數據 , 企業級 , 開源 , gitcode , 迭代

收藏 評論

u_16018702 頭像

架構師李哲 - 當 AI 落地到了“深水區”：到底是 Prompt 不行、RAG 不夠，還是該考慮微調了？

這兩年，大家對大模型已經不再停留在“技術演示多酷炫”，而是越來越現實地問一句： “為什麼模型看起來很強，但真要放進我們自己的業務裏，用起來總差點意思？ 尤其是——明明接入了私域知識庫，效果還是不穩定？” 答案往往不在某一個“神技”，而是在你怎麼 同時使用 Prompt、RAG 和微調，以及它們和業務的“耦合深度”。 先釐清三個“槓

數據 , aigc , llama , 回滾 , 迭代

收藏 評論

xiong51 頭像

梁正雄的博客 - 8、python特有特性

Python 特有特性 本章學習知識點 生成器（yield 關鍵字）：節省內存的迭代器 迭代器（iter/next）：理解可迭代對象與迭代器的區別 上下文管理器（with 語句）：文件操作、數據庫連接（自動關閉資源） 推導式：列表推導式、字典推導式、集合推導式（簡潔高效）

迭代器 , 運維 , 生成器 , 迭代

收藏 評論

u_15702012 頭像

呀哈哈kk - 從工具到夥伴：AI如何重塑我們的日常

從工具到夥伴：AI如何重塑我們的日常 清晨，AI助手根據你的作息推送定製化新聞摘要；工作時，AI寫作工具快速生成初稿，AI設計軟件精準匹配色彩方案；晚間，AI陪伴機器人陪孩子讀繪本，AI健康管家分析今日飲食數據……如今，AI早已跳出“技術概念”的範疇，以多樣的應用形態滲透生活與工作的每一個角落。從“被動使用”的工具，到“主動適配”的夥伴，AI的跨越不僅體現在技術迭代上，更在

使用場景 , aigc , 輔助工具 , 迭代 , AI作畫

收藏 評論

u_16213302 頭像

mob64ca12d0e5a4 - ollama下載千問模型

ollama下載千問模型的描述 在當前的AI技術快速發展背景下，模型下載和使用的便捷性已成為開發者和研究者關注的重點。其中，Ollama平台以其簡單的接口和強大的支持庫，吸引了眾多用户。近年來，“ollama下載千問模型”的相關問題頻現，本文旨在詳盡記錄解決該問題的過程，包括場景分析、演進歷程、架構設計、性能優化、故障覆盤及經驗總結。 背景定位 隨着AI的廣泛應用，各種模型和

下載速度 , API , aigc , 迭代

收藏 評論

u_16774904 頭像

萌萌朵朵開 - 如何科學評估微服務是否適合容器化

如何科學評估微服務是否適合容器化，這是微服務容器化遷移前的關鍵步驟，核心是從容器的特性出發，對照微服務的運行依賴、業務屬性、技術架構，判斷兩者的適配性，同時權衡遷移成本與收益，避免盲目遷移導致資源浪費或業務故障。具體可從以下五大核心維度進行評估，每個維度都包含明確的判斷標準和實操參考： 一、 核心維度1：運行依賴與容器環境的兼容性（最基礎，一票否決項） 容器的核心特性

解耦 , 微服務 , 雲計算 , Docker , 迭代

收藏 評論

u_17398972 頭像

u_17398972 - GLM-4.7 & MiniMax M2.1 實測上線：來AI Ping 免費用兩款最強模型！

引言：從“單次生成”走向“工程交付與長期運行” 大模型的對比，過去常停留在單輪迴答的流暢度與知識覆蓋面；而在真實工程裏，更關鍵的是兩件事： 複雜任務能不能一次交付：需求拆解、修改迭代、工具調用、依賴排錯、迴歸驗證，任何一個環節失手都會把成本指數級拉高。 Agent 工作流能不能長時穩定：連續多步執行、長上下文保持、一致的輸出質量與可控的推理成本，決定了團隊能否把模型

鏈路 , Max , aigc , bard , 迭代

收藏 評論

u_16099186 頭像

技術極客領袖 - python藍橋杯從入門到~

本週學習的內容是：1——13輸入輸出進階 一、新學知識點整理 1：切片操作：s[::-1] 可實現字符串 / 列表的逆序 2：map 函數：用於批量處理可迭代對象的元素，常與input()結合處理輸入 3：bool 類型與條件判斷：掌握布爾值的邏輯判斷與條件分支設計 4：print () 的

字符串 , 單行函數 , Css , 迭代 , 前端開發 , HTML

收藏 評論

u_17566409 頭像

wx69030d3acd3f5 - 兩大不可逆轉的趨勢正在夾擊培訓領域？AI時代，培訓新範式

　【一線數智評論】如果，你發現客户不再為你曾經的王牌課程買單，不是因為課程不好，而是因為遊戲的規則徹底改變。 　　兩大不可逆轉的趨勢正在夾擊我們： 　　1. 企業培訓預算普遍下滑：經濟下行壓力下，企業首先砍掉的就是被視為“成本中心”且ROI模糊的傳統培訓。 　　2. 學習形態徹底顛覆：我們不禁要問：當員工遇到難題時，第一反應是打開那塵封的線上課程庫，還是直接向C

數據 , 人工智能 , 深度學習 , 迭代 , 知識體系

收藏 評論

u_16099227 頭像

雲端創新者 - React 框架原理與實戰-React 框架原理與實戰-04-01-01React基礎回顧_junying6的博客-博客

一、ReAct範式簡介 在AI智能測試和Agent開發中，ReAct（Reasoning + Acting）範式是核心方法。它通過邊思考邊行動的方式，實現智能體閉環動態決策。 Reasoning（推理）：分析任務信息、環境狀態和歷史數據，生成下一步行動策略。 Acting（行動）：根據策略執行動作，如調用接口、生

多任務 , 後端開發 , 自動化測試 , 迭代 , Python

收藏 評論

AmbitionGarden 頭像

Ambition的後花園 - java程序員如何實現敏捷開發

對於Java程序員來説，敏捷開發遠不止是一種項目管理流程，它更是一套需要用具體技術和實踐來支撐的工程哲學。下面我將從核心實踐、技術工具、團隊協作和常見陷阱幾個方面，為你梳理出一份可操作的行動指南。 ⚙️ 核心開發實踐 紮實的日常工程實踐是敏捷迭代的基石，它們能直接提升你的代碼質量和開發效率。 測試驅動開發與自動化測試：敏捷強調“工作的軟件高於詳盡的文檔

後端開發 , JAVA , 自動化測試 , 迭代

收藏 評論

u_16213571 頭像

網絡安全專家 - EasyGBS新增磁盤閾值判斷，可自動刪除較早雲端錄像文件 -

EasyGBS平台近日迎來版本大更新（v3.7.168）。本次迭代聚焦功能拓展與體驗優化，新增音頻轉碼、推流插件及RTC設備接入能力，同時優化核心交互邏輯，移除冗餘功能，進一步提升平台在安防監控、直播分發等場景的適配性與穩定性。以下為詳細更新解讀： 一、新增功能：拓寬應用邊界，適配多元場景 1）GB音頻G711轉AAC：解決多終端兼容痛點 G711編碼雖延遲低、

視頻流 , 多終端 , 後端開發 , 迭代 , Python

收藏 評論

u_15147453 頭像

全極世界 - 大頭針AI爆火背後：音樂創作平民化與華語樂壇的算法革命

近期，由酷狗音樂阿波羅聲音實驗室打造的AI虛擬歌手“大頭針”憑藉翻唱經典歌曲在抖音等平台爆火，單月漲粉超38萬。其現象級傳播不僅展示了生成式AI在音樂領域的強大能力，更引發了關於創作門檻崩塌、版權歸屬模糊及人類歌手價值存疑的深層爭議。這場由算法掀起的風暴，究竟是音樂產業的技術革命，還是藝術價值消解的預兆？ 單月漲粉超38萬，一個名為

機器學習 , 數據 , 人工智能 , 原始數據 , 迭代

收藏 評論

u_1150085 頭像

I_am_Alex - 標題：AI 工程化落地：企業智能化轉型的挑戰、策略與未來展望

當大模型技術以 “每天上新模型” 的速度迭代，當企業 80% 的 AI 投入僅覆蓋 3% 的核心流程，當傳統組織架構與 10 倍生產力的 AI 工具格格不入 ——AI 工程化落地正站在 “冰火兩重天” 的十字路口。2026 年初，由【Yolanda科技見聞】與【矩陣起源】聯合主辦的 “AI + 數據時代技術戰略與組織進化” 第三期“智能規劃 —— 如何制定一份AI時代的技術戰略藍

組織架構 , 機器學習 , 指尖人生 , 數據 , 人工智能 , 迭代

收藏 評論

u_16827017 頭像

全棧技術開發者 - 什麼叫做微服務？它和傳統的項目之間有什麼區別？又有哪些技術在微服務領域比較流行呢？微服務架構的高內聚低耦合原則如何具體落地？

在信息技術高速發展中，軟件系統的規模和複雜性不斷增加。現代企業應用不僅要求高併發、高可用，還需要在快速變化的市場環境中實現持續迭代和靈活部署。然而，傳統單體應用在系統擴展、模塊協作和運維管理上逐漸暴露出侷限性。隨着系統功能不斷疊加，模塊之間的耦合度提高，開發和維護的成本顯著上升，同時系統演化的靈活性受到限制。 面對這些挑戰，軟件工程師和架構師們開始探索更為靈活和可管理的系統

yyds乾貨盤點 , 微服務 , 軟件系統 , 架構 , 後端開發 , 迭代

收藏 評論

u_12830878 頭像

mb58f33267314e7 - AI工具 vs AI夥伴：3個核心差異，幫你重新定義AI使用方式

AI從“能做事”進階到“會懂人”，我們對它的認知也正在經歷一場關鍵迭代——從“工具”到“夥伴”的跨越，不僅是使用場景的拓展，更藏着技術邏輯與交互模式的本質差異。很多人困惑於“同樣是用AI，為什麼有人只把它當效率插件，有人卻能讓它成為成長助力？”核心答案，就藏在“工具式使用”與“夥伴式協作”的底層邏輯裏。今天，我們就從3個核心維度，拆解兩者的差異，幫你重新定義AI的使用方式。

數據 , 職場規劃 , aigc , bard , 迭代

收藏 評論