大模型应用:基于本地大模型驱动的 MapReduce 文本总结与分类系统全解析.13
本文介绍轻量化MapReduce在本地大模型文本处理中的实践:以Qwen1.5驱动的超长文本总结和BERT驱动的新闻分类为双案例,通过“分治-并行-聚合”范式,解决单进程内存溢出、算力不足等问题,在CPU环境下高效完成大规模中文文本处理。
破局 AI Agent 搭建师职业焦虑:从提示词写手到业务确定性架构师
本文剖析AI Agent搭建师面临“上下挤压+落地鸿沟”的职业焦虑根源,指出其本质是行业演进下的角色升级需求。文章提出从成因拆解、定位重构(转向“确定性业务结果的系统架构师”)、能力升级(SOP状态机、幻觉对抗、RAG治理)到路径落地的完整破局框架,助力从业者转型为AI业务架构师或AI系统工程师。(239字)
跨越技术鸿沟:围绕 Coze 实践,西南地区 AI 智能体课程体系的深度构建思路
聚焦西南产业需求,以Coze平台为载体,构建从基础认知到工程落地的AI智能体四阶课程体系。融合文旅、餐饮、制造等真实场景,培养具备结构化思维、工作流编排与RAG优化能力的实战型人才,推动AI从“能用”走向“长期跑”,助力区域产业升级。
智能体来了(西南总部):如何在 AI 智能体运营工程师培养中引入 Python 实践
随着AI智能体从“聊天助手”迈向“业务执行者”,运营角色正从调Prompt转向系统编排。2026年,智能体运营需构建观察、规划与行动闭环,Python成为关键工具——它让参数可感知、RAG可定制、工具调用可落地。成渝产业场景驱动下,懂业务、会代码的复合型人才,将成为智能体落地的核心力量。
构建AI智能体:九十六、基于YOLO的智能生活助手:食材识别、植物健康与宠物行为分析
本文介绍了YOLO目标检测模型在智能厨房、植物健康监测和宠物行为分析等生活场景中的应用。通过实际代码示例,展示了如何利用YOLO实现食材识别、菜谱推荐、植物病害判断及宠物姿态分析,体现其高效性与实用性,助力构建智能化生活助手。
构建AI智能体:九十一、大模型三大适应技术详解:有监督微调、提示学习与语境学习
大模型应用并非高不可攀,有监督微调、提示学习与语境学习提供了低门槛落地路径。提示学习通过指令引导模型,零成本快速试用;语境学习借助示例让模型“即学即用”;有监督微调则通过数据训练打造专业模型,实现性能突破。三者层层递进,助力高效构建AI应用。
【专利技术】“声形合一,伪造无痕”——高维数据推出音视频实时同步合成系统,让虚拟形象“声情并茂”(第6期)
合肥高维数据专利《音视频伪造同步方法》突破传统时间戳校准局限,首创唇形-语音语义匹配机制,通过分段特征提取、智能匹配与分层对齐策略,实现伪造音视频毫秒级精准同步。该系统支持实时直播、视频会议等场景,兼顾隐私保护与表达自然,推动深度伪造技术向合规化、实用化迈进,赋能数字身份、元宇宙与无障碍传播。
希望国内AI不要作恶,不要变成百度
国内AI常引用营销号,而GPT多引官网与权威报告,根源在于信源标准的代差。本文揭示中文互联网“脏数据”环境如何导致AI沦为信息扩音器,并提出建立“AI-Rank”价值体系,以信源加权、逻辑检测与交叉验证重构答案可信度,呼吁AI厂商肩负文明责任,打造真理裁判长。
【专利技术】破解“眼见不为实”困局:高维数据多模态伪造检测专利落地,筑牢数字内容安全防线(第3期)
合肥高维数据获国家发明专利授权,其“融合多模态信息的深度伪造检测技术”通过视觉与音频协同分析,精准识别AI伪造视频,有效应对虚假新闻、身份诈骗等风险,已应用于媒体、金融、政务及个人隐私保护等领域,筑牢数字安全防线。
鸿蒙 HarmonyOS NEXT星河版APP应用开发-阶段二
本文介绍鸿蒙应用界面开发中的弹性布局(Flex)、绝对定位、层叠布局及ArkTS语法进阶,涵盖字符串拼接、类型转换、数组操作、条件与循环语句,并结合B站视频卡、支付宝首页等案例,深入讲解点击事件、状态管理与界面交互功能。
Aipy实战:使用Deepseek-V3生成多协议弱口令爆破调度工具
Aipy多协议弱口令爆破调度系统针对传统单协议工具碎片化、管理低效等问题,集成HTTP、SSH、MySQL等协议支持,提供图形化统一操作界面。其核心特性包括:动态资源分配的任务调度、实时可视化进度监控、智能账户锁定识别及HTML结果导出。通过上传自定义字典、配置并发数等功能,实现高效爆破,解决了多协议切换中断、人工追踪进度等痛点,为渗透测试提供自动化解决方案。
颠覆开发效率!国内首个微服务编排框架Juggle开源啦!
Juggle是国内首个开源的微服务编排框架,专注于解决企业微服务进程中接口重复开发、系统对接复杂等问题。它提供零代码、低代码和AI增强功能,通过可视化拖拽快速组装简单API为复杂接口,支持多协议、多语言脚本和流程多版本管理。相比国外框架如Conductor,Juggle更贴合国内需求,具备高效开发、企业级可靠性及信创适配等优势,助力企业实现敏捷创新与数字化转型。
aipy实战:建设PE文件查杀神器,阻止Windows EXE木马!
本工具为小型木马静态特征查杀工具,专用于检测Windows下的EXE文件是否为可疑木马。核心功能包括:扫描恶意字符串(如keylogger、powershell)、检查熵值异常以判断加密/加壳、揪出可疑API组合(如注册表篡改、网络通信链)以及解析PE头分析编译环境与加壳痕迹。通过提示词实现功能开发,并保存为`aipy_kill_rat.py`文件。测试结果显示,工具成功扫描出426个可疑字符串、超高熵值及恶意API组合,确认目标文件为恶意木马。该工具轻量灵活,适合样本初筛与应急响应,是静态分析的高效利器。
Arthas tt(方法执行数据的时空隧道,记录下指定方法每次调用的入参和返回信息,并能对这些不同的时间下调用进行观测)
Arthas tt(方法执行数据的时空隧道,记录下指定方法每次调用的入参和返回信息,并能对这些不同的时间下调用进行观测)
Java工程师如何理解张量?
刚接触AI和PyTorch,理解“张量(Tensor)”是入门关键。张量可类比为Java中的多维数组,但更强大,尤其在AI领域支持GPU加速、自动求导等特性。它不仅能高效存储数据,还能进行复杂运算,是深度学习的核心数据结构。掌握张量的维度、数据类型及GPU加速特性,对学习PyTorch至关重要。
算法备案提示主体名称已被填报,请修改后再进行填报怎么办?
在数字化浪潮中,算法备案是企业合规运营的关键。近期有企业在提交主体备案时遇“主体名称已被填报”的提示,原因是内部信息沟通不畅。解决方案包括找回原账号继续操作或驳回申请重新提交。为预防类似问题,企业应建立备案档案、加强团队沟通并明确责任分工,确保备案流程顺利进行。
OS Copilot
作为一名运维工程师,我发现OS Copilot安装便捷、文档详尽,适用于多种系统(如Debian)。其主要缺点是缺乏记忆性,无法记住之前的交互内容。然而,它能检测发行版并提出详细的解决方案,通过指令轻松执行,大大简化了日常运维工作。内嵌系统的优势使其对配置了解透彻,极大提升了工作效率。如果能改进记忆功能,将更有力地辅助甚至部分替代运维人员的工作。
如何理解指针作为函数参数的输入和输出特性
指针作为函数参数时,可以实现输入和输出的双重功能。通过指针传递变量的地址,函数可以修改外部变量的值,实现输出;同时,指针本身也可以作为输入,传递初始值或状态。这种方式提高了函数的灵活性和效率。
Github 2024-08-05 开源项目周报 Top15
根据 Github Trendings 的统计,本周(2024年8月5日统计)共有15个项目上榜。以下是根据开发语言汇总的项目数量: - Go 项目:4个 - JavaScript 项目:3个 - Python 项目:3个 - Java 项目:2个 - TypeScript 项目:2个 - C 项目:1个 - Shell 项目:1个 - Dockerfile 项目:1个 - 非开发语言项目:1个
Github 2024-07-15 开源项目周报 Top15
根据 Github Trendings 的统计,2024年7月15日当周共有15个项目上榜。以下是按开发语言分类的项目数量汇总:Python项目5个,非开发语言项目4个,JavaScript项目3个,TypeScript项目2个,Go、Solidity和Java项目各1个,Rust项目1个。此外,介绍了多个值得关注的项目,包括免费编程学习平台 freeCodeCamp.org、免费编程书籍和学习资源清单、免费 API 集合等,涵盖了不同编程语言和技术领域。
Github 2024-07-01开源项目月报 Top15
根据Github Trendings统计,2024年7月有15个热门项目。按开发语言分类,项目数量如下:Python项目6个,JavaScript项目3个,C++项目2个,PHP、Blade、非开发语言、C#、Lua、Go、MDX、Jupyter Notebook项目各1个。这些项目涵盖技术重建指南、生成式AI教程、模块化GUI、云平台、数据库系统、视频生成模型、AI框架、Shell提示渲染器、Neovim配置、PDF转Markdown工具及语音识别等多种领域和技术。
Github 2024-07-22 开源项目周报Top15
根据Github Trendings的统计,本周(2024年7月22日统计)共有15个项目上榜。按开发语言分类,上榜项目数量如下:Python项目最多,共7个;TypeScript项目4个;Rust和非开发语言项目各2个;Jupyter Notebook、C#、JavaScript和C++项目各1个。其中,《Hello 算法》是一本开源的数据结构与算法教程,采用动画图解和可运行代码示例,适合初学者。Prisma则为Node.js和TypeScript提供下一代ORM解决方案。其他项目涵盖文本编辑器、富文本编辑器、AI编码助手等多种应用。
为什么要学习大模型?
本文深入探讨了大模型的学习意义、应用需求及训练方法,帮助读者理解其底层逻辑与潜力。通过类比PPT和Excel在职场中的重要性,强调掌握大模型技能对未来职业发展的关键作用。文章还分析了LLM微调的必要性及其在企业内外部场景的应用价值,如智能客服、游戏NPC等。此外,专栏专注于ChatGPT与通义千问的训练原理,提供系统化的学习路径,适合从零基础到进阶的不同人群。无论想提升工作效率还是从事相关工程开发,都能从中受益。内容收录于[Github](https://github.com/Java-Edge/Java-Interview-Tutorial),欢迎关注!
AI程序员入职阿里云
安装通义灵码,享受智能编码新体验!支持VS Code和JetBrains IDE,轻松提升开发效率。[🔗](https://developer.aliyun.com/topic/lingma/activities/202403?taskCode=14508&recordId=48c160f495a0e2423aa148b738af6f8a#/?utm_content=m_fission_1) 开启AI盲盒,探索更多惊喜。
JavaWeb手写Tomcat底层机制
综上所述,Tomcat作为JavaWeb应用的Servlet容器,在接收请求、解析请求、查找Servlet、创建请求和响应对象、请求分发、生成响应、连接管理等方面起着关键作用。其底层机制通过Socket通信、Servlet生命周期管理、线程池、Session管理等技术实现了整个JavaWeb应用的运行。
RAG中用户问答的答案是大模型产生的吗?
RAG中,答案是大模型产生的,还是向量检索产生的?RAG是一种结合了大模型生成和向量检索的自然语言处理技术。它通过大模型生成答案的主体部分,并利用向量检索从知识库中获取相关的参考文本片段。这种结合使得RAG能够生成更丰富、更准确的答案。然而,随着技术的发展和应用场景的不断扩大,我们还需要进一步研究和解决RAG面临的一些挑战和问题。
2026 年,医疗机构继续重仓“竞价排名”是否理性?——从技术视角看医疗GEO与数字信誉资产
2026年,AI生成式搜索重构医疗流量逻辑:单纯依赖“竞价排名”已成技术错配。本文从数据治理与合规工程出发,提出“医疗GEO”(生成式引擎优化)新范式——以知识图谱、资质核验、循证校验构建可被大模型信任的数字信誉资产,推动行业从流量采购迈向信誉工程。(239字)
AI Agent 职业路线新赛道:智能体时代的防御侧工程化机会
本文揭示AI Agent爆发下的职业新蓝海——防御赛道。聚焦Prompt注入防御、数字身份鉴别、信息流净化三大工程化方向,剖析其技术路径与稀缺价值,为开发者提供逆向破局、高溢价的职业新选择。(239字)
AI Agent 搭建师进阶指南:破解浮光行为陷阱,构建业务闭环价值
本文揭示AI智能体“浮光行为”这一隐性风险:仅机械执行表层指令,缺乏目标理解、状态记忆与自我修正能力。提出AI Agent搭建师三阶成长路径——从工具整合者,到流程架构师,再到行业专家,并给出构建业务闭环、沉淀底层逻辑、实现人机协同的工程破局方法。(239字)