收藏 / 列表

aoshizhongshengdexiangjiao_bvx78q 頭像

傲視眾生的香蕉_bvX78Q - MCP 與傳統集成方案深度對決：REST API、GraphQL、gRPC 全方位技術解析

在系統集成領域，技術方案的選擇直接影響應用性能、開發效率和維護成本。隨着 AI 技術的快速發展，傳統集成方案在應對動態上下文管理、工具鏈調用等場景時逐漸顯露出侷限性，而 MCP（Model Context Protocol）作為 AI 時代的新選擇，正引發行業關注。本文將從技術特性、性能表現、安全機制等維度，對 MCP 與 REST API、GraphQL、gRPC 三種傳統方案進行深度對比。

rest-api , grpc , graphql , 人工智能

huandanshendeshoushudao 頭像

慧星雲 - Gemini 2.0：集多模態、強性能、優交互於一身的 AI 新寵

谷歌 在科技飛速發展的當下，人工智能領域不斷涌現出令人矚目的創新成果，谷歌推出的新一代大模型Gemini2.0無疑是其中一顆璀璨的新星，正以其卓越的性能和強大的功能，為我們開啓了智能化交互的嶄新篇章。 Gemini2.0 Gemini2.0 使用Gemini2.0構建的最新版本中的改進包括： 更順暢的對話：ProjectAstra現在能夠使用多種語言和混合語言進行交談，從而更好地理

llm , 雲計算 , google , aigc , 人工智能

JavaEdge 頭像

JavaEdge - Embedding Atlas：Apple推出的開源Embedding可視化工具！

本文已收錄在Github，關注我，緊跟本系列專欄文章，咱們下篇再續！ 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新，我們的征途是改變世界！ 👉 實戰乾貨：編程嚴

聚類 , yyds乾貨盤點 , 數據 , 人工智能 , 深度學習 , 開發者

u_17583190 頭像

fangpin - 從0到1：揭秘LLM預訓練前的海量數據清洗全流程

讀完這篇文章，你將用監督微調（SFT）把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%，同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法，所有代碼均來自本倉庫 alignment 文件夾，保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

u_16970152 頭像

求知上進 - Python 集合操作的魔法書

1. 集合數據結構概述 1.1 什麼是集合？ Python 中的集合（set）是一種無序、可變、不允許重複元素的數據結構，基於數學集合概念。集合的主要特點包括： 無序性：元素沒有固定索引，無法通過位置訪問。 唯一性：自動去除重複元素。 可變性：set支持添加、刪除元素；frozenset是不可變版本。 高效性：基於哈希表，成員測

集合運算 , 人工智能 , 深度學習 , 集合操作 , Python

u_16060192 頭像

HyperAI超神經 - 在線教程丨目標檢測邁入「全局感知」時代：清華大學等發佈 YOLOv13，實現速度、精度雙突破

在自動駕駛、工業質檢、安防監控等需要「毫秒級反應」的應用場景中，實時目標檢測始終是一條極具挑戰的技術賽道。過去十年裏，YOLO 系列憑藉輕量高效的架構成為該領域的主流方案，從最初的 YOLO 到近年的 YOLOv11、YOLOv12，模型不斷在速度與精度之間尋找新的平衡點。 不過，即便進化多次，YOLO 系列的底層機制依舊面臨共同瓶頸： 要麼像卷積那樣只能在固定感受野內做局部聚合，要

卷積神經網絡 , 人工智能 , 計算機視覺 , 實時目標檢測

u_13303 頭像

colddawn - 目標檢測識別電錶讀數

隨着可再生能源的重要性日益凸顯，光伏行業作為清潔能源的重要組成部分備受關注。在光伏發電系統中，防逆流檢測電能表技術被認為是未來發展的關鍵，它不僅可以提高光伏發電系統的效率，還可以保障電網安全穩定運行。本文將深入探討光伏防逆流檢測電能表技術的意義、原理以及未來發展趨勢。 開篇 光伏能源作為清潔能源的重要來源，正逐漸成為全球能源轉型的重要推動力量

能源 , 發展趨勢 , 目標檢測識別電錶讀數 , 人工智能 , 計算機視覺 , 分佈式 , 安全

ivorysql_xiaozhuli 頭像

IvorySQL - 初學者指南 | PostgreSQL中的加密機制如何運作？

在這篇文章中，我們將介紹可用於加密和解密PostgreSQL數據庫中數據的不同方法。擁有一些 Linux 和 PostgreSQL 經驗是必要的，但擁有加密經驗並不是必需的，有經驗當然更好。本文是使用 Ubuntu 23.04上運行的 PostgreSQL16編寫的。首先，我將介紹加密的一些動機及其對數據安全的重要性，然後查看 PostgreSQL為實現加密所提供的函數的子集。 1 背景 雖然我們

數據庫鎖 , oracle , 加密算法 , 加密 , postgresql

huizhudev 頭像

HuiZhu - 【免費】我做了個 Chrome 擴展，一鍵召喚 17 個 AI 大模型幫你總結一切！

哈嘍，各位思否的掘友們！ 作為一名開發者，大家每天是不是跟我一樣，被海量的技術文章、冗長的 YouTube 教程和看不完的官方文檔給淹沒了？經常是收藏夾裏吃灰，腦子裏空空。 為了解決這個信息過載的問題（順便可以光明正大地“摸魚”），我開發了一款完全免費的 Chrome 擴展：AI Summarizer - Web YouTube。 它就像你的隨身 AI 閲讀助手，能把任何網頁、視頻、甚至是 PD

chrome , 資訊 , chatgpt , 人工智能 , claude

chunzhendexiaogou 頭像

PoloAPI - 谷歌 AI 革命狂飆！Gemini 2.5 搜索引擎即將橫掃搜索市場，顛覆你的認知

隨着 5 月 20 日至 21 日谷歌 I/O 開發者大會的腳步臨近，一則重磅消息在科技業界引發強烈震動 —— 谷歌正緊鑼密鼓地籌備推出基於 Gemini 2.5 的下一代 AI 搜索引擎，這場變革將徹底顛覆沿用多年的傳統搜索框界面。目前，這一全新搜索模式已悄然進入灰度測試階段，標誌着谷歌決心將其最重要的流量入口全面切換至 AI 驅動的 Gemini 生態系統，此舉無疑將給 OpenAI、Perp

gemini-2.5-pro , google , 人工智能 , 後端 , 前端

puxiaoke6 頭像

一點人工一點智能 - 書籍-《優化與最優控制簡明教程》

書籍：Optimization and Optimal Control in a Nutshell 作者：Sudath Rohan Munasinghe 出版：Springer​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《優化與最優控制簡明教程》 01 書籍介紹 本書簡潔地介紹了優化過程和最優控制過程，並通過實例和仿真幫助自學和更好地理解。首先從函數優

算法 , 人工智能 , 深度學習 , 優化

aloudata 頭像

Aloudata大應科技 - 企業級智能問數四問：從“語義鴻溝”到“統一認知”

在數據分析領域，大模型的落地實踐正掀起一場變革風暴。“智能問數”被描繪為數據民主化的終極形態——業務人員無需依賴開發或分析師，僅憑自然語言即可獲得精準、可行動的數據洞察。這一願景極具誘惑力，也催生了大量技術投入。然而，在無數企業轟轟烈烈的實踐中，這條通往數據民主化的道路卻佈滿荊棘。本文將通過四個核心問題的探討，剖析企業級智能問數的真正內涵、核心挑戰、技術基石與成功實踐，揭示為何“語義編織”（Sem

自然語言處理 , 數據庫 , chatgpt , 人工智能

matrixorigin 頭像

MatrixOrigin - 企業落地 NL2SQL，需要的是 AI-ready data 和小模型

作者 | 矩陣起源 轉載自 | InfoQ 當 NL2SQL 從 Demo 走向生產，關鍵不在"更大的模型"，而是"更乾淨的數據底座 + 更小的專用模型 + 更可控的工程化流程"。 摘要 先數據、後模型：把元數據、業務語義、權限、樣例 SQL 做成"AI-ready data"，是 NL2SQL 能否可靠落地的第一性問題。 小模型足夠用：以 3B-7B 級別的代碼/SQL 友好模型，配合 LoR

數據庫 , 人工智能 , SQL

u_17580222 頭像

mb691327edb400f - AI 招聘系統功能落地指南

AI 招聘系統功能落地指南 AI全面重塑招聘行業：效率與體驗的雙重革新 如果你仍在為“候選人爽約”“簡歷篩選繁重”“面試效率低下”而困擾，可能已經忽視了一個激進的行業趨勢：招聘正被AI全面接管。這並非停留在討論或小範圍試點階段，而是大規模落地、快速替代傳統面試流程的現實。 過去一年，多項行業數據印證了這一變革：近50%的企業已將初篩環節完全交給AI；金融、互聯網

系統功能 , 自動回覆 , ATS , 人工智能 , 深度學習

u_17423871 頭像

美狐美顏SDK開放平台 - 從0到1構建抖動特效功能：直播美顏SDK開發全指南（含架構＋實戰）

在短視頻與直播業務高速發展的今天，“抖動特效”已經從一個“錦上添花”的視覺效果，變成提高直播互動、增強內容節奏的重要能力。無論是直播帶貨的“爆點動效提醒”，還是短視頻的節奏卡點展示，抖動特效背後都離不開美顏SDK、實時渲染、圖像處理算法的協作。 對於正在研發直播應用的團隊來説，從0到1打造一個“可複用、性能穩定、兼容性高”的抖動特效模塊，看似簡單，其實涉及圖像幀處理、濾鏡渲

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

u_16349720 頭像

短短同學 - 對象住哪裏?——深入剖析JVM內存結構與對象分配機制

對象住哪裏？—— 深入剖析 JVM 內存結構與對象分配機制 在 Java 程序運行時，我們創建的每一個對象（如new User()）都需要佔用 JVM 內存，但這些對象究竟 “居住” 在哪個內存區域？為何有的對象很快被回收，有的卻能長期存活？要解答這些問題，必須先理清 JVM 的內存結構劃分，再深入對象從創建到銷燬的全生命週期分配邏輯 —— 這不僅是面試高頻考點，更是理解

User , jvm , 人工智能 , 深度學習 , 常量池

u_16380863 頭像

未聞花名AI - 構建AI智能體：十六、構建本地化AI應用：基於ModelScope與向量數據庫的文本向量化

將文本轉換為向量（文本嵌入）是自然語言處理中的核心任務，有許多大模型可以完成這項工作。上一篇文章《構建AI智能體：十五、超越關鍵詞搜索：向量數據庫如何解鎖語義理解新紀元》我們是通過阿里雲的api調用的text-embedding-v4模型，同樣還有很多其他輕量級的模型可以很好的完成這個任務，我們今天找兩個結合前期講到的本地化部署來嘗試一下。 一、核心組件回顧

yyds乾貨盤點 , 搜索 , NLP , 相似度 , 加載 , 人工智能

shujuxiaowanzi 頭像

數據小玩子 - 【營銷數據洞察系列3】用户畫像與細分：流量持續涌入，如何精準識別其中的高價值客羣?

不同客羣的價值差異顯著，高價值客羣往往具備“高轉化、高復購、高生命週期價值（LTV）”特徵，精準識別是提升營銷效率的關鍵。利用助睿BI對訪客進行自動分羣，可全維度拆解地域、來源渠道、興趣標籤、消費偏好等數據，快速識別高轉化羣體特徵，為營銷信息精準觸達提供支持。 助睿BI鏈接：https://www.zhurui.com/

數據挖掘 , bi , 人工智能 , 數據分析

writers 頭像

思否編輯部 - 論壇前瞻 一文讀懂軟件供應鏈和開源安全系列標準

中國信息通信研究院雲計算與大數據研究所自 2019 年，以安全開發為切入點，開展軟件供應鏈和開源安全相關研究工作並搭建標準體系。截至目前，由中國信息通信研究院牽頭，廣泛邀請包括金融、互聯網、運營商、軟件廠商、安全廠商、工具廠商等個行業領域專家參與，共同編制了 1 項國家標準、3 項行業標準和 7 項團體標準，具體如下圖。同時依託標準展開測試評估工作，目前已有累計 50 餘家企業的產品通過測試評估。

開源 , 開源項目介紹

shenchendebanma 頭像

miadk - 陪玩小程序怎麼做？陪玩系統開發運營級別陪玩成品搭建 支持二開源碼交付陪玩預約系統 定製化陪玩系統

線下陪玩作為一種新興的社交娛樂服務，其運營關鍵在於滿足玩家的陪伴和娛樂需求。首先，要明確目標客户羣體，瞭解他們的遊戲偏好和陪玩需求。其次，選擇合適的遊戲類型和陪玩方式，確保服務內容多樣化且符合市場需求。在運營過程中，需要搭建一個用户友好的平台或應用，方便客户預約和選擇陪玩服務。同時，制定合理的收費策略和服務標準，確保服務質量和客户滿意度。 為了提升用户體驗，陪玩店應招募一批遊戲技能高、溝通能力強的

開源軟件 , 軟件開發 , 小程序 , app , 源碼安裝

duokeli 頭像

duokeli - 婚戀相親社交開源源碼系統：【靈魂速配、相親連麥、視頻聊天】單身人士脱單新路徑！

前言：在快節奏的漩渦中，單身人羣對高效、真實、有温度的婚戀服務需求日益迫切。傳統相親的侷限性與線上交友的信任危機，共同催生了婚戀市場的新物種——深度融合“同城”場景與智能科技的交友系統 一、精準同城定位： 附近的人與動態發現： 基於LBS定位，用户可直觀發現身邊的活躍單身者，瀏覽其分享的生活瞬間（圖文、語音、短視頻），從日常共鳴開啓自然互動。 同城大數據智能匹配： 算法不僅考量性格、興趣、

MySQL , uniapp , 教程 , 數據庫 , php框架