登录社区云，与社区用户共同成长
邀请您加入社区
小时候我们都玩过乐高积木，通过堆砌各种颜色和形状的积木，我们可以构建出城堡、飞机、甚至整个城市。现在，想象一下，如果有一个数字世界的乐高，我们可以用这样的 “积木” 来构建智能程序，这些程序能够阅读、理解和撰写文本，与我们对话，甚至自主执行特定的任务。提示词、工具、大语言模型就是一个一个积木块，等待着我们来发掘和搭建，而 LangChain 就是那个让我们将这些语言模型乐高积木组合成有趣应用的工具
这不是一台VR头盔那么简单。设备VR交互式展示，是指通过佩戴VR头显，面对一个三维虚拟模型，你可以用手柄甚至裸手，对它进行放大、旋转、拆解、甚至模拟操作。例如，一台复杂发动机，你无需实物就能“钻”进去看内部结构，并触发产品原理的动画演示。它融合了三维动画、实时渲染和空间追踪技术，真正把“看”变成了“体验”。像安徽合肥观影数字文化所擅长的，就是为这种展示注入专业的内容内核，确保每一次交互都有信息增量
同时，网罗天下为部分企业客户部署的私有化AI数据系统，能够将企业自身的产品手册、技术白皮书、解决方案案例等资料转化为结构化知识图谱，并用于训练内容生成AI，从而确保产出的GEO内容高度精准且极具品牌特色，从根本上避免了通用内容的同质化。企业能够清晰追踪到品牌在AI对话中的提及次数、被引用的具体知识页面，以及与竞争对手在AI领域的认知份额差距。更重要的是，其采用的移动优先响应式架构与多语言独立部署（
摘要： AI智能体视觉检测系统（TVA）的开发涉及多语言协同，各语言优势互补。Python主导算法研发，依托PyTorch等库实现快速原型设计；**C++**负责高性能推理与边缘部署，确保实时性；Java则用于企业级系统集成，通过微服务架构封装核心能力。典型场景中，Python训练模型后通过ONNX/TorchScript导出，由C++加载执行；Java通过RPC调用底层服务，形成“算法-性能-业
今天的新闻就像一部跌宕起伏的大片。一方面，中国在具身智能和大模型领域的进步让人自豪，技术落地越来越快；另一方面，资本市场的波动也提醒我们，AI的发展之路并非一帆风顺，需要理性看待投资与回报。但无论如何，技术向前的车轮是挡不住的，咱们就拭目以待，看这些新技术如何改变我们的生活吧！
LangGraph 是 LangChain 生态的一部分，专门用于构建复杂的多步骤智能体。LangGraph 是 LangChain 生态中用于构建有状态、多步骤智能体的低层编排框架。· 线性执行：链（Chain）只能线性执行，如果模型发现"工具返回的结果不够，还需要再查一次"，线性链路就断了。“LangChain 负责单次调用，LangGraph 负责把调用串成可循环、可记忆的工作流。普通边 固
上一章我们介绍了线程级持久化（thread_id），它可以让 Agent 在同一会话内记住对话历史，回答 “我刚才问了什么”这类问题但它有一个明显的局限：换一个 thread_id 就全忘了比如：当线程 thread_id = 1111：你说“我是小猫，我喜欢吃芝士汉堡”切换到线程 thread_id = 2222：你问“我喜欢吃什么？Agent 回答：“我不知道”这在真实场景中显然不够用，我们希
模型微调（Supervised Fine-Tuning，简称 SFT）是指使用特定领域的数据，对已预训练的大模型进行进一步训练，使其更好地适应特定业务场景的技术。learning_rate 学习率，控制权重调整幅度 高效训练：1e-4 ~ 1e-5 全参训练：1e-5 ~ 1e-6 学习率过大可能不收敛。n_epochs 训练轮数，模型遍历整个数据集的次数 小数据集（<1k条）：3-5轮 大数据集
博主智算菩萨，专注于人工智能、Python编程、音视频处理及UI窗体程序设计等方向。致力于以通俗易懂的方式拆解前沿技术，从零基础入门到高阶实战，陪伴开发者共同成长。目前已开设五大技术专栏，累计发布多篇原创技术文章，深受读者好评。古典密码学是理解现代密码体系的基石。在公钥密码学诞生之前的数千年里，人类依靠替换（Substitution）和置换（Permutation）这两种基本操作来保护信息的机密性
通过对这 10 个常用 AI 提示词的详细探讨，我们深入了解了它们在编程过程中的强大作用。从定位性能瓶颈、优化内存占用，到解决并发问题、重构烂代码，再到升级现代写法、提升异常处理能力，以及自动生成注释、生成单元测试、改写函数式风格和分析复杂度，这些提示词就像一把把精准的手术刀，能够剖析代码中的各种问题，并提供有效的解决方案。在实际编程中，灵活运用这些提示词，能够显著提升编程效率，让代码更加健壮、高
作用：用 Python 类映射数据库表结构，让 ORM 能操作数据库。继承 SQLAlchemy 的创建基类Base。为每个数据库表定义对应的模型类（如CategoryNews用tablename指定表名，用定义字段、类型、约束（主键、外键、索引等）。字段设计完全参照数据库表结构，确保一一对应。模型类规范：基类，继承数据库表模型类，继承基类属性及类型参照数据库表定义这是一张图片，ocr 内容为：模
除了上述验证类型，还可以创建下拉列表供用户选择：python体验AI代码助手代码解读复制代码# 创建下拉列表验证 rangeList = sheet.Range["C5"] rangeList.DataValidation.AllowType = CellDataType.List rangeList.DataValidation.Formula1 = '"选项1,选项2,选项3"' rangeL
AllureAllure是由Qameta Software团队开源的一款旨在于解决让每个人能更容易生成并更简洁阅读的测试报告框架。它支持大多数的测试框架，如：Pytest、TestNG等，简单易用便于集成。
《IT故障排查与运维优化全指南》摘要 本文系统性地介绍了IT故障排查的方法论、实用工具和最佳实践。内容涵盖硬件故障、软件冲突、网络异常三大类问题的诊断流程，推荐了Windows事件查看器、Wireshark等专业工具的使用技巧，并通过三个典型案例详细解析了蓝屏错误、数据库连接池耗尽和ARP攻击的解决方案。文章还提出了预防性运维策略，包括3-2-1备份法则、代码健壮性规范和灰度发布机制，并展望了AI
下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】。
摘要：本文探讨了如何让AI编程助手持续工作直至任务真正完成，而非过早停止。核心问题在于AI无法准确判断任务是否完成，只能基于"感觉"停止。解决方案是引入外部循环系统，在AI每次想退出时检查任务完成度，未完成则重新注入任务继续执行。文章介绍了两种方法：1) 简单的Bash无限循环脚本，适合快速实验但缺乏智能判断；2) 官方Ralph Wiggum插件，通过Stop Hook机制和
测试任务：输入一份时长40分钟的中英粤语夹杂项目复盘会议录音文字稿（已由其他工具初步转写，但稿件混乱、存在识别错误），要求模型提炼核心结论、按责任人列出待办事项，并以中英双语输出正式会议纪要。操作方式：上传纯文本稿件，在RskAi中调用Gemini 3.1 Pro，提示：“你是一名项目经理助理，这是项目复盘会的原始转写稿，请先纠正明显的语音识别错误（如将‘SIT测试’误识别为‘sit厕所’），然后
摘要：规则引擎与AI在测试用例生成中各具优势。规则引擎通过关键词匹配和场景模板快速生成基础用例（10毫秒级，零成本），适合批量初筛；AI生成用例（1-3秒/条）则能覆盖边缘场景。最佳实践是先用规则引擎提取功能点并生成正常、异常、边界3类基础用例，再用AI补充精细化场景。文中详细介绍了规则引擎的实现逻辑（关键词映射、去重策略、兜底机制）和工程建议，并指出二者互补关系：规则引擎保证广度，AI提升深度。
本案例使用技能一键配置Java、Python、Node.js开发环境，帮助开发者快速搭建高效编程环境，适合初学者和团队统一技术栈使用。
采用红外热像仪采集烘缸表面的温度分布图（分辨率320x240），提取温度场的统计特征：均值、方差、偏度、峰度、以及水平方向温度梯度的最大变化率。联合特征对故障类型分类准确率为95.7%，而单独振动特征为88.3%，单独温度特征为79.2%。在实际运行中，该HI在轴承出现早期剥落前20天就开始缓慢上升，比传统阈值法提前约12天报警。烘缸轴承的退化过程缓慢，可利用历史振动和温度数据预测剩余寿命。构建一
本文介绍了基于逻辑回归的电信客户流失预警模型构建过程。针对Telco Customer Churn数据集(7,043条记录)，详细展示了数据预处理(列名清洗、缺失值处理、特征编码)、模型训练(标准化处理、类别不平衡调整)等关键步骤。模型在测试集上取得79.68%的召回率和83.50%的AUC值，能够有效识别近八成潜在流失客户。分析显示合同类型、在网时长、互联网服务等是影响流失的关键因素。文章还提出
摘要 本文介绍了企业级浏览器自动化平台SmartClaw的技术架构选型与实践。针对政务场景中重复性数据搬运需求，作者团队选择纯Java+Playwright技术栈，构建了包含录制面、控制面和执行面的三面解耦架构。关键设计包括：采用Pull模型实现无入站要求的Agent通信，利用Playwright的Auto-waiting机制提升稳定性，通过DSL模板实现任务版本化管理。平台支持常驻运行、失败恢复
【Python数据分析实践】2026年04月30日，使用Python爬虫采集20+公开新闻源数据，通过jieba分词、SnowNLP情感分析、TF-IDF关键词提取、LDA主题模型等NLP技术进行文本挖掘，并使用Matplotlib/Plotly进行数据可视化。本文为自动化脚本输出的技术学习笔记。
tts-1-hd是OpenAI推出的高清文本转语音（TTS）模型，全称为Text-to-Speech 1 High Definition，主打极致音质与自然度，是目前商用TTS领域的第一梯队产品。该模型于2024年发布，在基础版tts-1的基础上进行核心优化，弥补了普通TTS模型在音质、情感表达上的短板，适合对语音品质有专业级要求的各类场景。采样率：24kHz（远高于基础版tts-1的16kHz）
更多详细内容请访问http://【航运信息化】基于Python的船员信息管理系统设计：基于Python的船员信息管理系统设计和实现的详细项目实例（含完整的程序，数据库和GUI设计，代码详解）_经验模态分解IMF可视化代码资源-CSDN下载 https://download.csdn.net/download/xiaoxingkongyuxi/90182296https://download.cs
摘要：数据延迟本质是语义索引效率低下的体现，源于RAG系统中语义锚点分散和权威引用链缺失。解决之道在于内容结构化预处理，将非结构化叙述转化为标准定义与逻辑框架。核心挑战在于实现"存储即索引"的架构演进，通过语义固化前置和权威引用链构建，消除检索不确定性。混合架构平衡实时性与准确性，在摄入层严格校验，索引层增量更新，检索层动态重排序，从而提升品牌在生成式引擎中的决策效率和存在感。这不仅是技术优化，更
摘要：本项目基于Python实现了一种轻量级文本分类模型的知识蒸馏方法，通过BERT等大模型作为教师模型指导小型学生模型训练，在保持分类精度的同时大幅降低模型复杂度。项目包含完整的数据处理管道、模型架构设计（教师模型采用12层Transformer，学生模型缩减为4-6层）、多任务损失函数（交叉熵+KL散度损失）以及训练评估流程。通过温度参数和权重系数调节软硬标签的平衡，最终学生模型在CPU推理速
本文介绍了一个基于Python技术栈的AI播客生成工具开发实践。文章从技术选型、系统架构到核心模块实现进行了详细阐述，主要包括：1）使用FastAPI构建后端服务；2）通过OpenAI API生成结构化播客脚本；3）利用Edge-TTS实现多角色语音合成；4）采用FFmpeg进行音频混音处理。该工具可将文本自动转换为带背景音乐的多角色对话播客，适合内容创作者快速实现音频内容生产。文章还分享了具体代
摘要 YAML和JSON在AI时代配置文件中扮演不同角色：JSON更适合机器数据交换，而YAML凭借其人类友好的特性成为AI配置的首选。YAML通过缩进和短横线表达层级结构，支持多行文本和注释，特别适合处理大模型配置中的复杂内容（如模型参数、提示词和工作流）。虽然语法简单，但需注意缩进、引号和类型解析等细节。在AI场景中，YAML更符合工程师编辑需求，而JSON仍保持接口传输优势。两者互补，共同满
本文为PAT甲级真题中的1001 - 1005题的详细题解，本文的解法仅个人的思路和解法，有什么更优解欢迎讨论（AI一键生成答案的年代还能坚持写题解吗？）
粒子群优化算法在混合动力汽车能量管理中的应用 本文研究了粒子群优化(PSO)算法在混合动力汽车(HEV)能量管理系统中的参数优化问题。针对传统规则控制策略中阈值参数人工标定困难的问题，提出了一种基于PSO的优化方法。通过建立HEV的Simulink仿真模型，将SOC控制阈值作为优化变量，以燃油消耗量为目标函数，实现了控制参数的自动优化。算法采用标准PSO的粒子速度和位置更新公式，通过惯性权重和学习
如果你写带随机行为的工具函数，强烈建议用它统一处理种子# 标准化处理随机种子# 使用返回的 rng 生成随机数# 调用：传整数 → 可复现作用：统一校验随机数种子，返回标准实例，保证随机性可复现。输入：支持None/ 非负整数 /实例。使用：自定义随机函数、调用 sklearn 模型时都可以用，是实现可复现实验的核心工具。优势：安全、无副作用、兼容 sklearn 全生态。两个导入路径，指向同一个
Hadoop：Hadoop 是一个分布式计算平台，用于处理大规模数据。在酒店评论情感分析中，它负责存储和处理海量评论数据，支持并行计算，提升数据处理效率，为深度学习模型训练提供强大的数据支持。决策树算法：决策树是一种经典的机器学习算法，用于情感分类。在酒店评论情感分析中，它通过构建树状模型，根据特征划分情感类别，简单易懂且可解释性强，适用于初步情感分类任务。协同过滤：协同过滤是一种推荐系统技术，通
鸿蒙 NEXT 自动化测试神器 hmnextauto 是一款无侵入式 UI 自动化框架，专为 HarmonyOS NEXT 系统设计。该项目基于原 hmdriver2 重构，修复了大量 Bug 并新增多项实用功能，包括 XPath 多元素操作、通知栏控制、性能监控、智能等待条件等特色功能。hmnextauto 完全对齐 uiautomator2 API，开发者可零成本迁移，支持视觉定位、找色点击等
2026年，AI工业化全面落地，全球大模型API中转服务市场规模突破300亿美元，年增速达到217%。企业和开发者对服务的要求，已从"可用"提升到极致低延迟、99.9%+稳定性、全模型满血、合规可开票、高并发扛量。
《算法公平性审查官：软件测试从业者的职业新蓝海》 随着算法决策引发的社会问题频发，算法公平性成为数字时代的核心议题。全球AI法规的出台催生了算法公平性审查官这一新兴职业，为软件测试从业者提供了职业跃迁的新路径。 目前国际上有IEEE CertifAIEd等权威认证体系，涵盖AI系统全生命周期的公平性评估。从业者需构建跨学科知识体系，包括机器学习、统计学、伦理学和法规政策，并掌握TensorFlow
此文的目标，是用一个非常系统化、通俗但尽量准确的框架，尝试去讲清楚 AI 相关知识，建立一个理解 AI 产业与技术栈的核心框架。本文档不是只讲“怎么用 ChatGPT”，也不是只讲“模型参数有多大”，而是从 AI 产业和技术栈的底层往上看：
《开源社区：测试工程师职业跃迁的隐形加速器》指出，传统测试职业面临成长瓶颈，而开源贡献能突破天花板，将能力从企业验证升级为全球认可。通过参与主流测试工具链、云原生生态等项目，测试人员可从文档优化、测试用例补充等低门槛任务入手，逐步构建公开可溯的职业信用。开源实战能深度提升技术能力（如复杂场景攻坚、性能优化）和协作能力（如跨时区PR评审）。持续贡献者可积累行业影响力，实现技术变现（如工具插件商业化、
他们不仅要保障虚拟资产在技术层面的安全性与稳定性，更要确保资产权属清晰、交易合规、价值可信，成为连接虚拟与现实法律、经济体系的关键纽带。与传统测试岗位相比，这一角色需要将功能测试、安全测试思维，拓展到更复杂的“社会-技术系统”中，既要精通区块链、智能合约等底层技术，又要具备法律合规、经济模型分析等跨界能力。通过实战项目搭建简单的NFT合约，实现资产的铸造、转移与销毁功能。同时，要具备将复杂技术问题
同时，工作可见性危机也随之而来，大量的前置工作，如需求评审介入、测试策略设计、自动化框架搭建等“隐性投入”，在远程环境中更难被团队感知，导致测试工程师容易被视为被动的“需求验证者”而非主动的“质量共建者”。例如，某金融科技公司的测试团队引入AI辅助测试工具，通过机器学习优化用例生成，使得测试效率提升了50%，同时降低了30%的测试成本。例如，某互联网公司的测试团队在CI/CD流程中加入自动化质量门
《软件测试技术选型的平衡艺术》探讨了如何在技术趋势、团队能力和业务需求间寻找最优解。文章指出，盲目跟风AI测试等新技术可能导致投入产出失衡，建议通过POC验证可行性；强调团队技术栈评估和学习意愿是关键，需避免超出能力范围的工具选择；提出业务需求是核心导向，不同行业（如电商与金融）应针对性选用性能、安全或数据测试工具。最后给出动态平衡策略：以业务目标为驱动，结合团队现状逐步升级技术栈，定期评估工具适
《联邦学习工程师：软件测试从业者的转型机遇》 在数据隐私与AI落地的双重驱动下，联邦学习正成为破解数据孤岛的核心技术。软件测试从业者凭借系统化质量保障、隐私性能平衡等核心能力，天然契合联邦学习工程师的岗位需求。转型路径可分三阶段：0-3个月筑基联邦学习知识体系，3-6个月参与金融风控等实战项目，6-12个月深耕大模型融合等前沿技术。测试人员可重点关注模型投毒、隐私泄露等专项测试，职业发展可向隐私合
摘要： 脑机接口（BCI）技术的快速发展催生了新兴职业——脑机接口测试员，为软件测试从业者提供了跨界机遇。该岗位要求将传统测试技能（如用例设计、自动化测试）拓展至神经信号解码、硬件协同等新领域，核心能力包括神经信号处理、实时系统测试及安全伦理验证。职业成长路径分三阶段：从信号测试工程师进阶为安全调试专家，最终成为主导质量体系的神经安全架构师。目前行业人才缺口巨大，建议从业者通过技能复合化（测试+神
AI伦理官：测试工程师的职业新赛道（摘要） 2026年，AI伦理官成为企业治理核心角色，需确保算法决策的公平性、透明性及合规性。软件测试从业者凭借系统验证能力与风险预判意识，天然契合该岗位需求。AI伦理官职责涵盖伦理风险评估（如设计偏见检测用例）、决策透明度保障（通过SHAP等工具验证逻辑）及合规审计（生成量化报告）。全球认证体系分为国际通用型（如IEEE CertifAIEd）、技术工具型（如A
《量子计算时代软件测试从业者的转型路径》摘要： 量子计算的崛起正推动软件测试领域发生范式转变。本文系统阐述了测试从业者转型量子计算开发的五大关键步骤：1）构建量子力学知识体系，理解叠加态、量子纠缠等核心概念；2）掌握Qiskit、Q#等量子编程工具及噪声模拟技术；3）建立概率性验证思维，应对量子态指数级复杂度；4）通过开源项目和实践平台积累量子算法测试经验；5）融入量子社区生态跟踪前沿动态。转型者
2026年软件测试领域正经历AI驱动、云原生普及和DevOps落地的深刻变革。全栈测试工程师需具备三大核心能力：1）智能化的自动化测试体系构建能力，包括框架深度定制和全栈技术覆盖；2）AI驱动的测试能力，运用大模型生成用例、视觉测试和质量预测；3）云原生环境下的持续质量保障能力，掌握IaC和CI/CD集成。此外，跨团队协作、业务理解和持续学习等软技能同样关键。从业者需从基础到专家逐步构建能力体系，
这篇文章深入解析了算法效率的核心概念。首先指出效率并非简单的运行速度，而是算法资源消耗的增长趋势。文章批判了直接计时法的三大缺陷：依赖数据集、硬件性能和不可迁移性，提出应采用渐近分析（Asymptotic Analysis）来统计基本操作数。详细介绍了三大渐近符号（O、Ω、Θ）的含义和应用场景，并通过时间复杂度金字塔对比了不同算法的效率层级（从O(1)到O(2ⁿ)）。最后强调算法效率的本质在于输入
python
——python
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
华为开发者空间
人工智能6S服务平台
AtomGit AI 社区
