登录社区云，与社区用户共同成长
邀请您加入社区
接口调用 + 流式数据解析 + 业务场景落地。吃透各大平台AI API 差异，熟练掌握等常用参数在 React / Vue 中封装通用AI请求、流式Hook，减少重复造轮子学习前端本地轻量化模型，实现离线AI能力，不依赖第三方接口只要多动手实战，把接口、流式解析、参数配置练熟，就能把AI能力无缝集成到任何前端项目中。
本文介绍了CC Switch这一跨平台桌面工具，它能统一管理Claude Code、Codex、OpenClaw等AI编程工具的环境变量和配置切换。作者推荐搭配ModaPlex中转服务使用，形成"CC Switch负责切换+ModaPlex提供API"的工作流，解决多工具切换时重复配置环境变量、管理混乱的问题。新用户可领取5美元测试额度体验该方案，实现可视化配置管理和统一接口调
Gradio 是一个开源 Python 库，允许开发者无需掌握 JavaScript、CSS 或 Web 部署知识，即可将任何机器学习模型、API 或 Python 函数直接转化为一个拥有现代界面的、可公开访问的 Web 应用。它基于 FastAPI 和 Svelte 构建，兼具高性能后端与现代前端渲染能力。通俗理解：Gradio 就像给 Python 函数穿上一件“自动生成的漂亮衣服”。你的模型
本文针对前端自测效率低下的痛点，提出基于MCP协议与AI知识库的智能Mock系统解决方案。当前前端开发面临测试数据构造繁琐、用例编写耗时、场景覆盖不全等问题，严重影响交付效率。系统通过构建团队测试知识库，利用AI智能生成测试用例和Mock数据，实现一键Mock接口数据，覆盖各类业务场景。架构设计分为AI智能层、生成层和应用层，采用MCP协议作为通信桥梁，结合自研Mock-Utils工具优化调试体验
摘要： LangChain LCEL（LangChain表达式语言）是一种声明式、函数式组合LangChain组件的语言，核心理念为“一切皆Runnable”。通过管道符|串联组件（如Prompt、Model、Parser），实现顺序链（RunnableSequence）。并行链（RunnableParallel）可同时执行多条子链并合并结果；分支链（RunnableBranch）根据条件动态选择
横扫鸿蒙弹窗乱象，SmartDialog出世！ohos_smart_dialog对于鸿蒙而言，日常场景就是雪中送炭！
1.基础定义：目录遍历（也叫路径遍历、目录爆破），本质是通过工具或手动方式，暴力枚举网站服务器上存在但未公开的目录 / 文件，目的是找到等突破点。在 CTF 场景中，题目会把flag藏在某个未公开的目录或文件里，比如/flag.txt、/admin/flag.php，而目录遍历就是找到它的第一步。
在2026年大模型技术全面渗透的当下，AI早已不是程序员的“竞争对手”，而是成为了职业跃迁的“核心助力”。本文专为CSDN平台的编程小白、初级程序员打造，深度探讨AI对程序员职业的重塑的影响——它会取代模式化、标准化的编码工作，但同时也为程序员开辟了全新赛道。我们将告诉你，如何转变思维，从“代码实现者”升级为“问题定义者”，借助AI工具放大自身价值；如何抓住AI降低创业门槛的红利，实现“一个人活成
摘要：国内开发者可通过RskAi平台(www.rsk.cn)获取兼容OpenAI格式的Gemini3Pro API，实现办公自动化快速迁移。该接口支持文件上传、联网搜索等功能，无需修改现有代码，仅需更改base_url和模型名即可复用OpenAI SDK脚本。相比官方API，RskAi方案提供国内直连、免费额度等优势，实测响应速度差异小于200毫秒，适合邮件生成、文档摘要等办公场景。多模态能力可直
本文演示了如何在 DotNetBrowser 应用程序中使用本地 AI 模型。
2022年，普林斯顿大学和谷歌的研究团队在论文《ReAct: Synergizing Reasoning and Acting in Language Models》中提出的ReAct范式，通过构建“推理-行动-观察”（TAO）的闭环机制，首次实现了语言模型推理能力与外部环境交互能力的深度协同，为解决上述瓶颈提供了里程碑式的方案。ReAct = Reasoning（推理）+Acting（行动），本
作为常年泡在AI技术论坛的老程序员，2026年以来我每天都会刷上几十个求职帖，其中最受小白和转型程序员关注的，就是AI相关的薪资爆料和offer选择帖。相信很多逛论坛的同学都刷到过：网友拿到多家公司的AI相关offer后，纠结选哪一个，就会把岗位名称、薪资包、福利补贴等细节晒出来，让大家投票出最优选择。不同于一些夸张的薪资噱头，这类帖子大多是真实求职经历，可信度很高。
摘要 BaseFilter.js 是 SAP OpenUI5 中卡片过滤系统的核心基类，位于 sap.ui.integration.cards.filters 模块。作为抽象基类，它定义了卡片过滤器的统一行为模式，包括配置解析、状态管理、数据同步和错误处理等核心功能。该文件通过模板方法模式，将公共逻辑集中在基类中，而将控件特异的实现留给子类完成。 关键特性包括： 提供卡片实例访问、配置解析和模型同
SelectFilter.js 摘要分析 该文件位于 SAP OpenUI5 项目的卡片过滤器模块中，实现了一个基于下拉选择（Select）的卡片过滤器控件。作为 BaseFilter 的子类，SelectFilter 专门处理有限候选项的单选场景，常见于地区、状态等业务筛选。 核心设计特点： 支持静态配置和动态模型两种数据源，通过 JSONModel 和 BindingResolver 实现灵活
在复杂山地地形环境中，无人机三维路径规划面临着环境约束复杂、搜索空间维度高、轨迹平滑性难以保证、多性能指标协同优化困难等一系列关键技术挑战。为有效解决上述问题，本文提出一种基于球坐标参数化与多智能优化算法融合的无人机路径规划方法。该方法首先构建包含真实地形高程场、圆柱形威胁区域、安全飞行高度区间以及航迹平滑约束的三维飞行环境模型；其次采用球坐标分段链式参数化方式对无人机飞行航迹进行紧凑化表达，将传
行为密码学：七因子溯源框架保障内容原创性 本文提出行为密码学（Behavioral Cryptography）创新框架，通过七因子证据链解决AI时代内容溯源难题。传统水印技术仅能判断内容是否AI生成，而行为密码学构建包含身份DNA、时间锚点、规则轨迹、人格路由、受保护词表、风格向量和纠错账本的完整证据体系，形成难以复制的数字指纹。该框架不仅记录内容本身，更追踪创作过程中的所有行为轨迹，包括人类创作
代码语言：javascriptAI代码解释set的声明如上，T就是set底层关键字(key)的类型。set默认要求T是支持比较大小的，如果不支持或者想按自己的比较方式走，可以传仿函数给第二个模板参数。set底层存储数据的内存是从空间配置器申请的，如果需要可以自己实现内存池，传给第三个参数一般情况下是不需要传后两个参数的set底层是用红黑树实现的，增删查的效率为O(logN),迭代器遍历走的是中序遍
我们在进行插入时，需要根据key的大小来找到插入的位置，而由于set和map存储类型的不同，set直接用Value（key）类型的元素就好，而map则需要取出Value(pair<const key, value>)里面的key值来找到插入的位置。set和map的底层都是红黑树，但由于存储元素的差异（一个只存储key，一个既存储key又存储value），我们要么创造出两棵稍微不一样的红黑树，或者是
内联函数可以在头文件中声明，并在源文件中定义。代码语言：cAI代码解释代码语言：cAI代码解释这样做的好处是可以在多个源文件中使用同一个内联函数。
摘要：Cherry-Studio是一款专为本地AI应用设计的集成开发环境，解决了现有工具功能单一或配置复杂的问题。它支持多模型接入、长上下文处理、代码辅助和知识库构建，在保持数据隐私的同时提供流畅体验。测试显示其能稳定运行不同规模模型，适合开发者、内容创作者和AI爱好者使用。该工具在功能丰富性和数据安全性间取得平衡，是探索本地大模型的理想选择。
现在大家用LLM做复杂问答的时候，Agentic RAG（智能检索增强生成）已经成了主流方案。简单说就是让模型一边推理、一边检索、一边生成，像侦探破案一样一步步拼凑答案。但问题来了——推理链越长，出错的概率就越高。一旦某一步出了问题，整个答案就可能跑偏。
本文记录 Day3 开发进度，完成了 React 应用的核心功能链路：环境搭建、API 接入、Zustand 状态管理、注册登录、工作台、待办 CRUD 及 AI 资讯一键加入待办功能。实现了从门户页到业务页的完整用户流程，并通过联调验收。
想象你在训练一个 AI 操作命令行终端。直觉告诉你：给它安排越多的练习任务，它就会越强。但腾讯混元团队的最新研究发现，这个直觉可能是错的——真正决定训练效果的不是任务数量，而是 AI 在执行这些任务时经历了多少种**不同的场景和技能组合**。
小米不是唯一一个在自研大模型的手机厂商。苹果、华为、三星、谷歌，所有的头部手机厂商都在疯狂投入自研大模型。这不是巧合。这是一场关乎生死存亡的战争。手机行业正在经历自智能手机诞生以来最深刻的一次变革：从”硬件驱动”转向”AI驱动”。过去十年，手机行业的竞争主要集中在硬件参数上：屏幕更大、处理器更快、摄像头更好。但现在，硬件同质化已经非常严重。旗舰手机之间的体验差距越来越小，用户的换机周期也越来越长。
用我的经历给大家一点参考我是26届ip地9本硕，项目是本科课设做的数据库+操作系统+编译原理。按理说找个实习不至于这么狼狈，但我25年2月开始投简历的时候，属于那种典型的"自我感觉良好但实际没准备"的状态——觉得自己有项目、有学校背景，投出去总会有人要。
《前端开发者转后端：Node.js与Python核心差异指南》摘要： 本文从前端视角解析Node.js与Python的后端开发关键差异。在语言层面，Node.js(TS)延续前端类型系统，而Python需要适应动态类型思维；运行时方面，Node.js的事件循环与前端类似，Python则需区分同步阻塞与异步模式。框架对比显示，NestJS最贴近前端思维，FastAPI次之，Django差异最大。异步
本文系统剖析了CSS开发的三大主流技术方案及其应用场景。原生CSS作为浏览器原生支持的基础方案，适合简单项目但存在全局污染问题；CSS预处理器（如Sass）通过变量、嵌套等编程特性提升开发效率，但仍无法解决样式隔离问题；原子化CSS（如Tailwind）采用拼装式开发模式，实现极致的开发效率和团队规范统一。文章还深入解析了PostCSS等进阶技术，帮助开发者构建完整的CSS工程化知识体系，解决项目
AITerm是一款基于AI的智能终端管理工具，通过自然语言指令远程管理服务器，提升运维效率。核心功能包括自然语言交互、多节点管理、智能命令生成、风险评估及实时执行反馈。支持快速部署、自定义提示词，兼容OpenAI API，并提供Web多端访问。技术栈采用Python/FastAPI后端和Vue 3前端，内置文件操作、HTTP请求等预设工具。项目开源地址：https://gitee.com/newp
本文展示了一个使用Three.js创建的3D太阳系模拟效果。通过HTML5和JavaScript技术实现了太阳系行星的公转、自转和光照效果，包含太阳、八大行星及其轨道。项目采用Three.js核心库和CSS2D渲染器实现3D渲染和文字标签，并添加了星空背景粒子系统增强视觉效果。用户可通过鼠标拖动和滚轮缩放来交互式浏览太阳系模型。
摘要：AI工程化迁移的5张关键表格 本文介绍在复杂系统迁移过程中总结出的5张核心表格，通过工程化方法约束AI辅助工具的工作边界和质量标准。任务卡用于明确需求边界，差异表对比新旧实现差异，验收清单定义完成标准，交接书记录任务状态，本地记忆沉淀项目知识。这5张表格构成一个完整闭环：从目标定义到验收测试，再到知识沉淀，有效解决了AI工具在复杂迁移任务中容易出现的跑偏、失忆和返工问题。
加锁的代价,使程序效率更低=>产生竞争=>产生阻塞,即使没有产生阻塞,加锁本身也可能调用到操作系统内核的逻辑,相对的"小语言"针对某个特定知识领域coze (字节的,AI agent的工作流) dify(开源社区)AI大语言模型针对全领域(ChatGPT,DeepSeek,Gemini,Grok,Kimi,豆包...)CAS应对面试:1.CAS是啥2.应用场景(CAS如何实现锁)3.CAS的ABA
Axum 和 Actix Web 在性能上的差距通常可以忽略，尤其是在现代硬件和典型的 Web 服务负载下。不过，如果你需要处理极端高并发场景（如每秒上百万次请求），Actix Web 可能会表现得更好。而对于需要极致性能或已有 Actix 经验的团队，Actix Web 更加适合。，但在大多数应用场景中，这种差距不会成为决定因素。选择框架时，更应该关注团队对框架的熟悉程度以及项目的复杂性和扩展需
本文详细介绍了基于Web的机票管理系统的环境配置与部署流程。系统采用Eclipse开发工具，需要配置Tomcat9.0、JDK1.8、MySQL5.7.26、Maven3.6.3和Redis等基础软件环境。重点说明了MySQL数据库的安装配置、SQL文件导入方法，以及Eclipse中Maven环境的设置步骤。项目包含前台和后台两个服务模块，需分别配置不同端口的Tomcat服务器。文中提供了详细的图
本文介绍了如何通过ModaPlex中转站解决国内用户使用Claude Code等AI编程工具的接入难题。ModaPlex支持统一管理Claude Code、Cursor、Codex等工具，提供5美元测试额度，按量计费（0.3元=1美元）。详细说明了从注册、创建API Key到配置环境变量的完整流程，覆盖Windows、macOS和Linux系统，并解答了常见问题。通过中转服务，用户可避免复杂的单独
Layer.js是SAPUI5灵活性框架中的核心枚举文件，定义了7个关键层级常量（USER、PUBLIC、CUSTOMER等）。这些层级构成了SAPUI5变更管理的基础语义模型，决定了不同角色（终端用户/合作伙伴/厂商等）的修改权限和覆盖关系。该文件虽代码量小，但作为分层治理的源头定义，为变更过滤、传输策略和运行时适配提供了统一坐标系。通过与LayerUtils.js配合，这些常量转化为可执行的层
本次实战对标 MDN 标准文档挑战练习，以经典观鸟网静态站点为落地案例，全程不使用冗余div布局，纯靠HTML5原生语义化标签搭建全站容器骨架；同步完成CSS样式外置独立拆分、谷歌开源中文字体稳定外链引入、老旧IE浏览器兼容兜底适配，一站式吃透结构分层、资源解耦、样式美化三大核心能力，零基础可直接复刻实操，适配课后作业、阶段性实训、个人前端入门作品集场景。
定义：验证码的校验逻辑完全由前端JavaScript代码执行。后端服务器不参与校验，或虽然接收参数但业务代码中跳过了校验。Pikachu靶场模拟：靶场中，验证码图片由后端生成，但后端登录接口的PHP代码故意省略了校验验证码的步骤。它只检查用户名和密码。定义：验证码的生成、Session存储、比对校验全部在后端服务器完成。应有的安全逻辑（一次一密）用户访问页面，后端生成随机码ABC1，存入Sessi
本文是一篇前端布局实战手册，以电商网站"尚品汇"首页为案例，系统讲解CSS布局的核心知识点。文章包含23个章节，覆盖CSS重置、盒模型、浮动布局、定位布局、字体控制、精灵图技术等核心内容，每个知识点都配有名词解析、原理图、可运行代码示例和真实网站对照。 主要内容包括： 基础布局技术：Reset CSS重置浏览器默认样式、版心居中实现、浮动布局及清除浮动方案 定位系统：五种定位方
在2024-2026年的爬虫技术栈中，虽然出现了CSS选择器、XPath、JsonPath、甚至基于大模型的智能解析工具，但正则表达式——尤其是Python标准库中的方法——依然是每一个爬虫工程师工具箱里最锋利的军刀。它轻量、无依赖、执行速度快，在需要精确匹配、字符串清洗、特定模式抽取的场景中，无可替代。本文将围绕这一核心函数，深入剖析其在现代爬虫中的实际应用，从基础语法、性能优化、编码陷阱，到多
文章摘要： OpenClaw是一款智能投标合规工具，通过AI技术实现标书/合同的自动审核、关键词校验与格式优化。它能精准识别格式偏差（如字体、页边距）、关键术语遗漏（如"不可抗力条款"）和内容缺陷，将人工审核时间从8小时缩短至15分钟，准确率达99%。案例显示，某企业使用后废标率从18%降至3%，年节省成本超500万元。该工具采用TF-IDF算法提取关键词，BERT模型进行语义
而mMainThread对象是ActivityThread类型，该类是我们的主线程类，里面有有一个mInstrumentation成员变量，该成员变量属于Instrumentation类型。应用中所有的Activity都继承自一个BaseActivity基类，基类中实现一个startActivity方法，在该方法之前加上一句打印，那么所有startActivity的地方都调用基类中的方法。通过反射
Go 语言（或称 Golang）是一个开源的编程语言，由 Google 开发。在开始使用 Gin 框架之前，我们需要先安装 Go 环境。无法连接到 Go 的默认代理服务器。Go 项目的工作效率很大程度上依赖于正确的环境变量配置。Go 模块是 Go 管理依赖的方式。首先，我们需要创建一个新的项目目录。一个好的项目结构能够提高代码的可维护性和可读性。Gin 是一个用 Go 语言编写的 Web 框架。这
CSS精灵图是一种将多个小图标合并为单张大图的网页优化技术。其核心原理是通过background-position属性定位显示特定图标，主要优势包括：减少HTTP请求提升加载速度、降低服务器压力、节约带宽和便于统一管理。使用步骤为：1）合并图标生成精灵图；2）测量各图标坐标；3）用负值background-position定位显示。实战中需定义基础类设置公共样式，再为每个图标编写具体定位规则。该技
前端
——前端
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
DeepSeek技术社区
人工智能6S服务平台
openEuler 社区
