收藏 / 列表

u_16655836 頭像

wx6603b05eb93d0 - 新華社評車圈營銷亂象：零件命名武俠風，拉踩陰陽友商博關注……

幾年前，小柴就發文調侃，如今的汽車行業，核心競爭力好像是車企領導們的嘴，以及養車評人加上對負面新聞的OTA能力。 比如，在創始人的嘴這方面，他們有人説，BBA這些落後的東西；還有人説，咱們不要嘲笑邁巴赫，以及千萬以內最好；還有輪端輸出扭矩超過了1.8萬匹馬力；甚至開車能延壽三十年…… 類似的還有，倒車想撞都難；公開直播更是宣稱，有了領先幾代的智駕，上車可以打盹

數據 , 汽車行業 , 人工智能 , 數據分析 , 核心技術

u_16970152 頭像

求知上進 - 瞭解 Python 集合的無限可能

1. 集合概述 1.1 什麼是集合？ Python 的集合（set）是一個無序、可變、不允許重複元素的容器，用於存儲唯一的數據項。集合基於哈希表實現，提供 O(1) 平均時間複雜度的成員檢查和插入操作。Python 還提供不可變的集合變體——凍結集合（frozenset），適用於需要不可變鍵的場景（如字典鍵）。 關鍵特性： 無序性：集合中的元素沒

數據集 , 集合運算 , 人工智能 , 深度學習 , Python

u_16349720 頭像

短短同學 - 正則表達式進階用法：從基礎到實戰的全場景指南

正則表達式（Regular Expression，簡稱 Regex）是文本處理的 “瑞士軍刀”，它通過簡潔的語法規則，實現對字符串的匹配、提取、替換與驗證。在前文哈希機制的學習中，我們瞭解到 “映射” 是核心邏輯；而正則表達式的核心，則是 “模式定義”—— 用特定語法描述目標文本的結構，再通過解釋器執行匹配操作。本文將從基礎語法拓展到進階技巧，結合 10 + 實戰場景，帶你掌握正

正則 , bc , 人工智能 , 深度學習 , 正則表達式

u_13303 頭像

colddawn - DB where 字段 is null 會走索引嘛

1.對查詢進行優化，要儘量避免全表掃描，首先應考慮在 where 及 order by 涉及的列上建立索引。 2.應儘量避免在 where 子句中對字段進行 null 值判斷，否則將導致引擎放棄使用索引而進行全表掃描，如： select id from t where num is null 最好不要給數據庫留NULL，儘可能的使用NO

字段 , 大數據 , 存儲過程 , 數據倉庫 , bc

baihai_idp 頭像

Baihai_IDP - 並行智能體是否將重塑軟件開發模式？

編者按： 當AI不僅能寫代碼，還能同時處理多個開發任務，軟件工程師這一角色是否正面臨根本性的重塑？ 我們今天為大家帶來的文章，作者的核心觀點是：並行智能體是將深刻改變軟件開發模式的革命性技術。 作者從 AI 編程工具的演進談起，揭示了從 Copilot 的代碼補全到“氛圍編程”的自然語言生成，再到當前的範式突破 —— 並行智能體。作者還坦誠分享了實際應用中的成功率分佈，指出了智能體擅長與不

觀點 , llm , 知識 , 人工智能 , 深度學習

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

metaxk 頭像

萬界星空科技 - 一文讀懂電子看板管理：生產看板到底管什麼？看什麼？

一、概念：什麼是電子看板管理？ 電子看板管理是傳統物理看板在數字時代的進化形式。它利用物聯網、傳感器、顯示屏和看板管理軟件（通常集成在MES製造執行系統或ERP企業中），將生產指令、物料需求、狀態反饋和異常警報進行數字化、可視化和實時化傳遞。 二、分類：電子看板的類型 按功能分類（核心業務邏輯）： 生產指令看板： 系統向工位終端或顯示屏發送電子生產指令，包含生產物

數字化轉型 , 工業互聯網 , 數據可視化 , 人工智能 , 製造業

openanolis 頭像

龍蜥社區 - 且看阿里雲、貨拉拉、OPPO 等企業專家解碼 OS 實戰｜2025 雲棲大會

2025 雲棲大會將於 9 月 24-26 日在杭州雲棲小鎮舉行。在本次大會上，阿里雲聯合龍蜥社區舉辦了“操作系統開源與 AI 進化”分論壇，聚焦智算時代操作系統 AI 演進與開源生態共建，深度解析阿里雲服務器操作系統在 OPPO、貨拉拉等客户在智駕領域 AI 性能增強、原生安全、智能運維等維度上的突破性實踐，與清華大學合作創新技術的探索實戰，攜手Intel、Arm、AMD、中興通訊等夥伴共探多元

操作系統 , 開源

nocobase 頭像

NocoBase - NocoBase 本週更新彙總：優化及缺陷修復

原文鏈接：https://www.nocobase.com/cn/blog/weekly-updates-20250529。 彙總一週產品更新日誌，最新發布可以前往我們的博客查看。 NocoBase 目前更新包括的版本更新包括三個分支：main ，next和 develop。 main ：截止目前最穩定的版本，推薦安裝此版本。 next：包含即將發佈的新功能，經過初步測試的版本，可能存在部分已知

無代碼開發平台 , 低代碼 , 版本更新 , 開源 , 優化

liudamao 頭像

劉大貓 - TortoiseSVN使用-TortoiseSVN更換或重置登錄用户

@[toc] 3.4.9 TortoiseSVN更換或重置登錄用户 1，打開SVN的settings 2，找到Saved Data欄，右側Authentication data項點擊清除按鈕clear 3，再次打開SVN，會要求輸入username和password 本人其他相關文章鏈接 1.Windows下版本控制器(SVN) - 1、開發中的實際問題+2、版本控制簡介 2.

算法 , tortoisegit , svn , 人工智能 , tortoisesvn

huandanshendeshoushudao 頭像

慧星雲 - 魔多 AI 支持 Wan 系列在線訓練 ：解鎖視頻生成新高度

Wan 阿里巴巴通義實驗室推出的 Wan 系列模型憑藉突破性的技術架構與卓越的生成能力，成為行業關注的焦點。為助力開發者與創作者深挖視頻生成技術潛力，魔多 AI 社區正式宣佈全面支持通義萬相 Wan2.1 與 Wan2.2 兩款重磅視頻模型的訓練服務，為不同場景的創作需求提供專業級技術支撐。 Wan2.1Wan2.2 Wan2.1 Wan2.1 採用自研高效變分自編碼器（VAE）與

雲平台 , 雲計算 , 雲服務 , aigc

codists 頭像

codists - 翻譯：《實用的Python編程》02_04_Sequences

目錄| 上一節 (2.3 格式化) | 下一節 (2.5 Collections模塊) 2.4 序列 序列數據類型 Python 有三種序列數據類型。 字符串：如 'Hello'。字符串是字符序列 列表：如 [1, 4, 5]。 元組：如 ('GOOG', 100, 490.1)。 所有的序列都是有序的，由整數進行索引，並且具有長度。 a = 'Hello'

python3.x , 網頁爬蟲 , 人工智能 , 數據結構和算法 , 後端

writers 頭像

思否編輯部 - 最新！2025 OSCAR 開源產業大會完整版議程揭曉

開源作為一種開放共享的新型生產模式，已成為數字經濟創新、開放、共享和可持續發展的核心驅動力。由中國通信標準化協會牽頭主辦，中國信息通信研究院具體承辦的2025 OSCAR 開源產業大會將於 10 月 28 日在北京中關村國家自主創新示範區會議中心舉行。大會以“可信開源泳萬業，無邊智域啓未來”為主題，現公佈會議完整議程： 會議概況： 會議時間：2025 年 10 月 28 日 主辦單位：中國通

開源協議 , 開源 , 開源項目介紹

u_17580222 頭像

mb691327edb400f - AI 智能體

AI重塑人才選拔：效率與精準的雙重革新 人才選拔賽道的競爭日趨激烈，招聘官深陷堆積如山的簡歷與密集的面試流程，卻仍面臨核心人才難尋、面試主觀性強、招聘成本高企的困境。當HR團隊疲於應對初篩與基礎面試時，企業正為這些低效流程承擔高昂代價。 艾瑞諮詢數據顯示，AI技術已貢獻HR SaaS市場60%的價值，其中個性化評估是核心應用場景。這場技術革命正從培訓領

上傳 , 人工智能 , 深度學習 , 應用場景 , 解決方案

u_17420180 頭像

合合信息解決方案 - 中小企業如何選擇適合的財務單據處理工具

語義概念 財務單據處理工具是指基於AI技術，針對企業財務場景中各類單據（如發票、銀行回單、合同等）提供智能採集、解析、分類、信息抽取及審核等一體化服務的數字化工具。其核心價值在於替代傳統人工處理模式，通過自動化手段提升財務單據處理的效率與準確性，保障財務數據合規，為企業成本核算、税務申報、資金管理等核心工作提供可靠支撐。這類工具高度適配中小企業財務管理需求，能夠解決單據處理

機器學習 , 數據 , 單文檔 , 自定義 , 人工智能

u_17512334 頭像

疆鴻智能研發中心 - CC LINK IE與ETHERNET/IP“語病”有治了！一網關讓產線精準同步

CC LINK IE與ETHERNET/IP“語病”有治了！一網關讓產線精準同步 在電子製造車間裏，PCB測試線如同一道精密的脈搏。一側，三菱PLC控制着機械臂的每一次起落；另一側，羅克韋爾PLC指揮着檢測儀的每次測量。這本應是完美的配合，卻因兩大工業巨頭“語言不通”——CC LINK IE與ETHERNET/IP協議無法直接對話，導致機械臂與檢測儀動作存在毫秒級延遲，最終

ETHERNET , ip , CCLINKIE , 協議轉換 , 人工智能 , 深度學習 , 網關 , 工業自動化

u_16380863 頭像

未聞花名AI - 構建AI智能體：十四、從“計算”到“洞察”：AI大模型如何讓時間序列數據“開口説話”

一、我需要學習“時間序列”嗎 今天主題是“時間序列模型”，在開始之前我們先討論一下學習大模型需要了解時間序列嗎，首先要看我們的目標，學習大模型也必須也要有自己的目標。 應用型工程師： 如果想成為一名應用大模型的專業工程師，比如構建一個智能聊天客服機器人、開發一個文檔總結工具、創建一個代碼生成助手，那麼，不需要深入研究時間序列模型，此時你的核心技能應該是：

擬合 , yyds乾貨盤點 , 數據 , NLP , 人工智能 , 時間序列

candy_68fb0dfb0afd0 頭像

Candy - Langflow：面向 AI Agent、API 與 LLM 的拖拽式流程構建工具

我最近一直在探索一個叫Langflow的工具。 如果你曾經試着把LLMs、APIs和各種工具連起來，你就會知道那種挫敗感——太亂了。 一大堆樣板代碼，好多問題像“為什麼這個不工作”，通常花太多時間在設置上。 Langflow試圖讓這一切變得更容易。 它基本上就是一個AI工作流的視覺構建器。 拖動東西，連接塊，突然你就有一個agent，能執行任務比如抓取URL或解決數學問題。 當你準備好了，

llm , 人工智能

selectdb 頭像

SelectDB技術團隊 - 從 Clickhouse 到 Apache Doris：有贊業務場景下性能測試與遷移驗證

本文導讀： 當前，電商運營的主要痛點不僅來自多變的市場和客户需求，也受困於碎片化用户觸達等帶來的競爭與挑戰。為了深度挖掘用户價值、培養用户忠誠度、實現業績增長，有贊為商家搭建了全方位 OLAP 分析系統，提供實時與離線分析報表、智能營銷與人羣圈選等 SaaS 服務。本文將詳細介紹有贊從 Clickhouse 至 Apache Doris 的遷移規劃和性能對比測試實踐，分享如何基於 Apache D

大數據處理 , 數據庫 , 性能 , 數據分析 , apache

fannaodeshafa 頭像

煩惱的沙發 - 7個沒聽過但很好用的Mac工具

説起好用的MacOS工具，總離不開 Notion、Raycast，但好工具遠不止於此。今天分享幾個冷門的好用工具。 Swish ：把觸控板的潛力壓榨到極致 MacBook的觸控板非常方便，習慣之後，就可以完全擺脱鼠標。但macOS原生的窗口管理，説實話，有點對不起這塊優秀的硬件。Swish就是那個補全最後一塊拼圖的應用。 它沒有複雜的界面，安裝即用，通過各種直觀的手勢來管理窗口。雙指在窗口標題欄

編輯器 , 資訊 , 知識 , 程序員 , 後端

aoshizhongshengdexiangjiao_bvx78q 頭像

傲視眾生的香蕉_bvX78Q - Claude Code與SEO優化：現實與期望的技術分析

引言：SEO的現實與神話 在數字營銷領域，經常會看到"24小時排名首頁"或"快速賺取數千美金"的承諾。作為技術從業者，我們需要以客觀、科學的態度來分析這些聲明的可行性，同時探討Claude Code等AI工具在SEO優化中的真實作用。 SEO基礎：搜索引擎排名的技術原理 Google排名算法的複雜性 Google的排名算法包含超過200個排名因素，主要分為以下幾個維度： 內容質量信號 內

seo , 編程工具 , 人工智能 , claude

u_16776161 頭像

天潤融通科技 - 客户服務轉折點：從工具效率到AI勢能

過去二十年，客户服務的競爭始終圍繞“工具效率”展開。 從語音機器人到雲客服，從自動外呼到知識庫升級，企業不斷用新工具武裝人力，希望讓人“跑得更快”。但這種模式的核心仍然是“以人為驅動力”——工具只是放大器，而非替代者。 問題在於，這條路已經走到了盡頭。人的潛力被壓榨到極限，工作強度的上限已無法再突破。再好的工具，本質上仍是在要求人用更短的時間完成更多的任務。無論從人性

人工智能 , 深度學習 , 客户服務

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

ivorysql_xiaozhuli 頭像

IvorySQL - 數據庫內核的降維觀測方法

本文整理自 IvorySQL 2025 生態大會暨 PostgreSQL 高峯論壇的演講分享，演講嘉賓：呂海波，PG ACED ，北京大學數據庫課程企業導師。 本文主要包括以下三部分內容： CPU 流水線的秘密：神秘的 PMC 與 PMU 示例數據庫 1 的改進與不足：從 CPU 看程序 示例數據庫 2 的秘密花園使用 PMC 推導軟件架構 CPU 流水線的秘密：神秘的 PMC 與 PM

機器學習 , 數據庫 , postgresql , 人工智能