Nov 16 2025

天潤融通科技 - 天潤融通ZENAVA讓家居售後進入全自動時代

在家居行業，售後服務往往決定着用户的最終體驗，直接影響品牌口碑和復購率。過去，許多企業為了讓服務更細緻周到，不得不投入大量人力，但高成本背後依然難以兼顧效率與體驗。 如今，隨着對話式AI的普及，情況正在發生改變。 以天潤融通的 ZENAVA 為例，已經在多個家居品牌的售後環節全面落地。數據顯示，ZENAVA每天能夠獨立完成超過5000通客户回訪電話，並處理3000+

人工智能 , 深度學習

Nov 18 2025

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

Oct 30 2025

IvorySQL - 為IvorySQL增添PACKAGE語法幫助

認識語法幫助 當使用psql工具登錄數據庫時，\h command可以查看語法幫助。比如查看create database語法： psql (17.6) Type "help" for help. ivorysql=# \h create database Command: CREATE DATABASE Description: create a new database Syntax

數據庫 , postgresql , SQL , 程序員

Nov 02 2025

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

Nov 03 2025

PoloAPI - Windows 系統安裝與使用 Claude Code 全攻略

Claude Code 作為一款高效的 AI 編程輔助工具，深受開發者青睞，但由於其本身不支持 Windows 文件系統，在 Windows 系統上使用需要藉助 WSL（適用於 Linux 的 Windows 子系統）。下面為你詳細介紹在 Windows 系統上安裝和使用 Claude Code 的完整流程。 什麼是 WSL WSL（Windows Subsystem for Linux，適用於

編程 , 人工智能 , 深度學習 , 後端 , 前端

Nov 05 2025

一點人工一點智能 - 書籍-《優化技術第一卷：連續優化》

書籍：Optimization techniques I：Continuous optimization 作者：Max CERF 出版：EDP Sciences​ 編輯：陳萍萍的公主@一點人工一點智能 鏈接：書籍下載-《優化技術第一卷：連續優化》 01 書籍介紹 這套分為兩卷的書籍概述了連續、離散和函數優化技術。本卷專注於連續優化，涉及實數變量的問題，無論是無約束還

函數 , 離散數學

Nov 06 2025

Aloudata大應科技 - ChatBI 推薦：Aloudata Agent 分析決策智能體在“歸因分析”上的突破

前言 在智能數據分析時代，企業對於數據分析的需求已超越簡單的數據呈現，更追求對數據波動背後原因的深度洞察。作為一款 ChatBI 分析決策智能體，Aloudata Agent 不止於幫助企業通過自然語言實現“智能問數”，在“歸因分析”上還實現了重大突破，通過其自主構建的 NoETL 指標語義層，提供了可組合、可追溯、可解釋、可複用的歸因分析能力，把每一次波動、每一場對比、每一個異常，都變成一次結構

agent , 人工智能 , 數據分析

Nov 15 2025

全棧技術開發者 - 結構化協作（structured collaboration）本質是什麼？什麼是「語義編排」？語義編排在FoA中核心原理是什麼？

在現代人工智能中，智能體的規模和複雜性正在以前所未有的速度擴展。單個智能體在處理複雜任務時往往面臨計算能力和知識覆蓋的限制，而多智能體系統的出現為解決這一問題提供了可能。然而，隨着智能體數量的增加和任務複雜度的提升，如何確保智能體之間能夠高效、可靠地協作，成為設計分佈式智能系統的核心挑戰。 傳統的多智能體系統通常依賴於同步調用或點對點通信來完成任務分配與結果收集。這種模式在

yyds乾貨盤點 , 智能體 , 異構 , 人工智能 , 深度學習 , 子任務 , 結構化