登录社区云，与社区用户共同成长
邀请您加入社区
这篇文章通过春节祝福AI的案例，深入探讨了微调技术的适用场景和实施方法。核心观点包括：1）微调最适合解决表达偏好问题而非知识不足问题；2）结构化输入设计比数据量更重要；3）30分钟微调成功的关键在于明确任务边界；4）人工评估在主观性任务中不可替代。文章指出，微调的价值在于让"正确的表达方式"成为模型的默认输出，而不需要反复提醒。该案例展示了微调在"表达偏好型"
随着大语言模型（LLM）的普及，我们发现单纯依赖模型"记忆"的知识存在两大痛点：一是模型知识截止到训练时间（如GPT-3.5截止2021年9月），无法处理最新信息；二是专业领域（如医疗、法律）的精准知识需求，模型可能"幻觉"出错。本文将聚焦解决这两个问题的核心技术——检索增强生成（Retrieval-Augmented Generation, RAG），范围覆盖：RAG系统架构解析、关键组件实现（
《祖冲之数学智慧对AI发展的启示》摘要：本文探讨南北朝数学家祖冲之的数学思想对现代人工智能的启示。祖冲之通过割圆术将圆周率精确到七位有效数字，其"缀术求π"的极限逼近思想、"盈朒二数"的区间算法、"约率密率"的分层精度策略，为AI的数值计算、算法设计和精度控制提供了古典智慧。文章还分析祖冲之《大明历》的长期预测方法、实测验证思想及其机械发
简单来说，AgentScope 是一个多智能体框架，旨在提供一种简单高效的方式来构建基于大语言模型的智能体应用程序。如果说大模型（LLM）是 AI 应用的大脑，那么 AgentScope 就是它的“中枢神经系统”和“手脚”。它不仅提供了多智能体协作的架构，还内置了 ReAct 推理、工具调用、记忆管理等核心能力。AgentScope 提供了 Python 和 Java 版本。很多 Java 开发者
客户端在发送最后一个ACK后，会进入TIME_WAIT状态确保最后一个ACK到达：如果丢失，服务器会重传FIN让旧连接的数据包消失：避免影响新连接通常为1-4分钟：足够处理网络延迟TCP协议，这位网络世界的可靠信使，用它的三次握手建立信任，用滑动窗口调节节奏，用四次挥手优雅告别。在每一个网络请求的背后，都有这样一场精妙的对话在上演。从1981年RFC 793定义至今，TCP已经服务了互联网四十余年
Cursor高效开发：先Plan规划，再Agent执行（极简实操）
conda install pytorch torchvision torchaudio cpuonly -c pytorch安装pythorch。conda env list列出虚拟环境正在使用的带有 *conda activate milvus4_env激活虚拟环境。anaconda 虚拟环境设置。anaconda 命令使用。
在 AI 与 AIGC 越来越深入企业应用的当下，很多团队会想把系统文本拉出来做知识治理、提示词规范、翻译一致性检查，甚至把关键 UI 文本送进 LLM 做风格统一与术语校验。无论你后面接的是 ChatGPT、企业自建模型，还是 MCP 风格的工具编排，最基础的一步仍然是：用更经济的方式把数据访问做对。Locator 的价值恰恰在这里：它让你在 ABAP 侧握住一个“可操作的句柄”，把无谓的全量传
AI技术深度赋能行业应用 2024年全球AI市场规模突破1.8万亿美元，金融、医疗、教育、制造四大领域成为核心应用场景。 金融领域：AI信贷风控系统通过机器学习模型（如XGBoost）将审批效率提升80%，坏账率降低30%-40%；智能投顾结合Markowitz模型与算法优化，管理资产规模达1.2万亿美元。 医疗健康：AI辅助诊断系统在肺结节检测中敏感性达96.8%；药物研发周期缩短50%，成本降
本文深入解析了ABAP SQL中WITH语句的主查询语法特性。WITH语句通过CTE（临时结果集）将复杂查询拆分为多个逻辑模块，主查询则与独立SELECT语句基本一致，仅不支持FOR ALL ENTRIES子句。文章重点阐述了主查询支持的完整子句集（WHERE、GROUP BY、HAVING等），特别强调当主查询以工作区方式获取结果时必须使用ENDWITH关闭SELECT循环。通过官方示例和工程实
goto out;-------------------------->out:(嵌套循环中用于直接到达某个位置，out由自己设定)a[10]={[0]=1,2,[3]=4} -->a[0]=1,a[1]=2,a[3]=4，其余全部为零。*字符串比较--->strcmp(相等返回0，大于返回1，小于返回-1)-----//比较ASCII码值。*strcpy ----->(a,b) 把b复制给a，要
DWA/TEB：机器人时代产物，自动驾驶里低速园区有用，矿卡基本不用。：现代轻量避障规划器，矿卡局部规划有改造价值。、MPC、采样+优化融合Ego-Planner 适配矿卡的改造点清单TEB/DWA 在矿卡中仅适合的功能范围一套矿区局部规划的算法架构选型与接口设计。
具体可以将变化的数据通过@Watch监听，同时绑定一个自己封装的drawCanvas()方法，当数据刷新时就会调用Watch绑定的方法执行绘制逻辑。对于Canvas组件上的图像，已经绘制出来后便不会再改变，可以使用reset重置，或者clearRect清除局部再重绘。对于Canvas组件，只要调用绘制接口就会触发刷新。Canvas的绘制内容怎么更新呢？，欢迎开发者前往论坛提问交流。
摘要： 用户在执行bash scripts/bundle-a2ui.sh时遇到WSL配置冲突和路径挂载问题。核心原因包括： .wslconfig配置冲突：新旧配置项（experimental.*与wsl2.*）混用导致冲突； WSL挂载失败：无法访问Windows盘符（如E:\STUDY\AI\openclaw）； 关键命令失效：WSL根文件系统损坏，连/bin/bash也无法识别。 解决方案：
摘要： ABAP SQL的Path Expression技术通过CDS Association将数据模型关系自动转换为Open SQL的Join操作，提升代码可读性与维护性。其核心原理是将预定义的语义关联（如机场→航线→航司）隐式生成物理Join，避免手动编写冗长ON条件。使用时需在FROM子句指定路径别名（如demo_cds_assoc_sairport_utc1\_spfli\_scarr A
ABAP SQL路径表达式使用限制与解决方案 摘要：ABAP CDS中的路径表达式（association）在S/4HANA开发中广泛使用，但其在ABAP SQL中的应用存在诸多限制。本文梳理了主要限制及解决方案：1）目标数据源不能是带替代对象的表/视图或CDS table function；2）无法在路径表达式中为关联目标传入参数；3）不支持domain固定值检查；4）自动client处理导致的
本次异常，由 Controller 类上的@Validated触发，针对方法参数中的 JavaBean 及其嵌套属性进行校验。解决方案：添加全局异常捕获，提取中的错误消息。与其他验证异常的关系：与来源不同、触发条件不同，需要分别处理。全局异常处理器// Lombok日志注解// 异常处理器注解// 控制器增强注解/*** 全局异常处理器* 作用：集中处理整个应用程序中控制器层抛出的异常*/
本文提出智能家居隐私保护的三维测试框架，通过功能验证、安全审计和性能评估确保AI系统"看得懂需求，看不见隐私"。研究构建了包含数据最小化原则验证、模型反演防御测试等分层检测机制，特别针对儿童隐私和多设备协同场景设计强化测试方案。实证显示，采用密文采样和TEE加速等技术后，测试效率提升65%-92%的同时实现关键项100%隐私覆盖。提出"3C原则"（场景感知、
摘要：人工智能正推动古生物学研究革新，通过算法模拟霸王龙等远古生物的行为模式。研究采用多源数据融合与AI算法构建模型，依托化石扫描等真实数据，运用图神经网络等技术进行生物力学模拟。为确保科学性，需建立V模型测试框架，涵盖需求分析、单元测试等环节，验证数据准确性、逻辑自洽性及可复现性。研究还面临数据稀疏性、计算复杂度等挑战，未来需发展AI驱动的自动化测试和跨学科验证平台，为数字古生物研究提供可靠保障
您日志中的异常是Spring 6.1 新引入的统一 Controller 参数校验异常。它代表直接在方法参数上定义的约束校验失败。只需在全局异常处理器中添加即可正常处理。
通过上面的代码演示与性能测试，我们了解到：对于计算密集型任务，PLINQ能够显著提高性能，尤其是在数据量较大的情况下。对于I/O密集型任务，异步编程（async/await）更加合适，因为它能够有效地利用线程进行等待资源。使用PLINQ时，需要小心分区与线程开销，避免在小数据或I/O密集型任务中滥用并行计算，同时也需要避免过度并行化。学会了吗？
摘要：本文介绍了如何在LangChain中通过Elasticsearch集成实现混合搜索功能，结合了关键词搜索(BM25)和语义搜索(向量相似度)的优势。文章提供了Python和JavaScript的完整示例代码，演示了如何构建科幻电影搜索系统。混合搜索能同时处理字面匹配和语义理解，特别适用于生产环境中的真实查询场景。通过示例查询对比显示，混合搜索比单一向量搜索能返回更准确的结果。Elastics
摘要： I_MaintOperationSystCondition CDS视图通过标准化的"系统状态"维度（0-停机/1-运行）解决制造业中设备状态的多方理解差异问题，关键字段包括状态标识和PM预留标记（ProdnWrkCtrIsRsrvdByPlntMaint），帮助跨模块统一判断设备可用性对产能的影响。作为分析型维度数据，该视图可与工单、产能等事实数据关联，支持报表和分析场
本文从功能、核心能力和工程三个维度介绍智能体(Agent)架构，详细讲解规划能力(思维链、思维树、自一致性等)、工具使用(Function call和MCP协议)及记忆模块(短期记忆和长期记忆及MIPS检索技术)。这些内容构成了智能体的核心知识体系，帮助开发者构建更强大、更智能的大模型智能体应用。
本文提出AI产品经理的核心能力在于将业务专家的隐性知识转化为AI系统可理解的显性规则。作者指出当前AI产品管理面临三方沟通困境，业务专家的直觉判断与AI系统需求存在显著差异。文章建议产品经理应完成从"需求翻译者"到"知识架构师"的角色转变，通过系统化方法挖掘业务场景中的决策逻辑、价值标准和边界条件。关键转变包括：从被动收集需求到主动知识挖掘，从推销方案到定义
PocketFlow：100行代码的极简AI框架初体验 本文记录了作者对PocketFlow框架的探索过程，这个仅100行代码的"智能体构建智能体"框架展现了极简主义的设计理念。核心概念只有Node（节点）和Flow（流程），将控制权完全交给开发者。作者通过构建一个需求分析+代码生成的多智能体工作流进行测试，发现其作为原型验证工具的优势：学习曲线平缓、灵活性高、代码完全透明。但
不用记复杂的学术定义，小白一句话读懂：Agentic RAG，就是融合了Agent自主能力的RAG。Agent的核心能力是“自主推理、自主规划、自主行动”，把这种能力融入到传统RAG中，让RAG不再是“被动检索的工具”，而是能“主动思考、灵活应对复杂任务”的系统——这就是Agentic RAG的本质。Agentic RAG就是将AI智能体的自主规划（如任务路由、行动步骤拆解、结果反思等）能力，融入
摘要：低代码开发平台通过可视化工具和模块化设计简化应用构建，其核心在于平衡抽象与工程可控性。平台提供组件化开发、实时渲染、业务逻辑编排等能力，支持分布式协作和自动化部署。关键技术包括SQL引擎、功能引擎、模板引擎等核心组件，以及AI驱动的智能辅助功能。该架构强调微服务化、开源生态和高性能处理，满足企业级应用的快速迭代与稳定运行需求。低代码不仅提升开发效率，更通过模型驱动和智能优化重构开发流程，实现
最近私信问我面试题的小伙伴实在太多了，一个个回有点回不过来。我花了两个周末，把星球里大家公认最容易挂的。
* 全局样式 */padding: 0;body {/* 标题样式 *//* 链接样式 *//* 引用样式 *//* 表格样式 */table {th, td {th {/* 代码块样式（pygments 高亮） */pre {/* 列表样式 *//* 图片样式 */
QSS（Qt Style Sheets）是Qt框架中用于界面美化的样式表语言，其语法类似CSS，允许开发者通过声明式语法定制控件样式，包括颜色、字体、边框等属性。QSS支持多种选择器（类型、类、ID等）和伪类状态（悬停、按下等），样式可通过全局或局部方式设置，并遵循层叠优先级规则。常用属性涵盖字体、背景、尺寸等，基于盒模型设计。QSS实现了样式与逻辑分离，提升开发效率和界面一致性，是Qt应用界面美
每当ChatGPT、Sora等主流大模型不断爆出技术突破时，相信很多程序员和技术小白都会有同样的感受——既为AI技术的飞速发展感到兴奋，又会默默困惑：这些看似“无所不能”的智能背后，到底藏着怎样的支撑？需要多少技术和资源才能实现？今天，我们就彻底拆解这个核心问题——支撑大模型训练的“算力”，到底是什么？它为何能成为大模型的“命脉”，又为何如此昂贵？
很多小白、程序员都问我：“现在转大模型，是不是更容易就业？能避开35岁焦虑吗？答案是肯定的，但有前提。大模型作为新兴技术，目前人才缺口确实很大，尤其是既懂技术、又懂业务的复合型人才，不管是大厂还是中小厂，都愿意开出高薪争抢。但想在这个风口站稳脚跟，不是靠“跟风”“速成”就行，你需要做好这3件事：先根据自身背景选对方向（小白优先数据方向，程序员优先平台/部署方向），避开“重模型轻问题”“追热点轻底层
随着无人机技术的快速发展，多无人机协同作业在军事侦察、物流配送、灾害救援等领域展现出巨大潜力。然而，动态环境下的复杂障碍物分布、通信延迟及无人机动力学约束，对协同路径规划与防撞技术提出了严峻挑战。本文聚焦动态环境下的多无人机系统，提出一种基于分布式模型预测控制（DMPC）的协同路径规划框架，结合改进蚁群算法与动态威胁处理机制，实现实时避障与路径优化。通过仿真实验验证，该方法在动态障碍物规避、多机冲
本项目用于将文本文件转换为MP3语音文件，适合中文语音合成的场景（如制作有声读物、语音提示等）
Java多线程超级详细解析，深入细节，真的是掰开揉碎的去讲，Java线程安全问题以及wait，notify等
RAG（Retrieval Augmented Generation，检索增强生成）技术，最早由Facebook（现Meta）在2020年发布的论文《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》中提出——可能很多新手会惊讶，这项现在看似“热门”的技术，其实早在4年前就已经诞生。这篇论文要解决的一个问题非常简单：如
很多C#开发者觉得AI离自己很远，其实完全不是！AI行业现在缺的不是Python开发者，而是能把AI落地到实际项目里的开发者。C#凭借在企业级、工业级、跨平台部署上的优势，在AI落地领域有着不可替代的地位，而且相关岗位的薪资也很高。目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步。无意间发现了一个巨牛的人工智能教程，忍不住分享一下给大家。很通俗易懂，重点是还非常风趣幽默
本章，我们从 LLM 的 “关键要素” 说到 Agent 的 “主要指标”；作为AI 产品经理不再是需求的被动承接者，而是人机协同生态的架构师 —— 需要用技术敏感度预判模型边界。
开发语言
——开发语言
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
开源鸿蒙跨平台开发者社区
DAMO开发者矩阵
HarmonyOS开发者社区
松山湖开发者村综合服务平台
