登录社区云，与社区用户共同成长
邀请您加入社区
Azure OpenAI是一项基于Azure平台的服务，它将OpenAI的语言模型带入云端，为开发者提供了强大的工具来增强他们的应用程序。这些模型可以用于多种用途，比如自动生成内容、理解文档结构和从自然语言生成代码。Azure OpenAI提供了一个强大的平台来扩展应用程序的功能，通过集成OpenAI的语言模型，开发者可以在多种场景中提升其应用程序的智能化水平。Microsoft Azure 官方
在 Azure Functions 中集成 Swagger 和 ReDoc：构建优雅的 API 文档
Azure AI Search Retriever 是 Azure Cognitive Search 的升级版本，专注于支持更强大的查询能力。它专门用于从非结构化查询返回相关文档，支持向量、关键字和混合查询。Azure AI Search Retriever 提供了一种强大且灵活的方式来检索非结构化数据，特别是在处理涉及复杂查询的应用时。要深度了解其全部功能，请参考官方的API 文档。
Azure OpenAI 提供的嵌入功能是处理自然语言的强大工具。本篇文章为你介绍了如何配置和使用这些功能。Azure OpenAI Embeddings API 文档Langchain OpenAI 库文档。
通过本文介绍的步骤，您可以轻松配置和运行一个检索服务。Azure OpenAI 文档LangChain 文档FastAPI 文档。
Azure OpenAI为开发者提供了强大且灵活的人工智能工具，通过正确的配置和使用，可以极大地增强应用程序的智能水平。Azure OpenAI 官方文档OpenAI Python API 文档。
Azure Cosmos DB Mongo vCore 为开发者提供了友好的向量搜索接口，结合 OpenAI 的嵌入模型，可以在多种应用场景中提高搜索效率。Azure Cosmos DB 文档OpenAI API 文档。
摘要：在云原生架构中，Redis短暂不可用后应用持续超时的问题根源在于Linux TCP重传机制与应用连接模型的错配。Linux默认的tcp_retries2=15会导致失效连接被保留10-15分钟，而应用连接池无法感知底层连接状态。云原生环境因Pod隔离性和镜像默认配置更易触发此问题。解决方案需从操作系统（调整TCP重传参数）、客户端（设置合理超时）和应用层（心跳检测）三方面协同优化，实现快速失
此次参展的Azure 7，是苏州金龙针对欧洲市场需求定制研发的一款新产品，主要用于社区巴士、支线公交和点对点接驳等，串联社区、学校、医院、商业中心、轨交枢纽等主要客流集散点，是疏通城市“毛细血管”、解决市民“最后一公里”出行难题的最佳选择。进入车辆内部，外观“迷你”的Azure 7却很有内秀。Azure 7作为苏州金龙海格客车主动响应欧洲市场开发的新产品，能够满足欧洲当地运营商对于多种运营场景的需
这是一个基于webservice的分布式系统，融合了快递物流业务流程管理、公司内部管理以及全网跟踪监控等强大功能。想象一下，从快递收件到派送，每一个环节都能通过这个系统进行高效管理，是不是很厉害？主要管理系统采用B/S架构的asp.net webform页面，这种架构的好处是用户通过浏览器就能轻松访问系统，无需安装额外软件，方便快捷。而一些辅助工具程序则使用winform开发，比如快递录入、打印和
该平台与 Azure 的 AI 技术栈（OpenAI、AI Foundry、Machine Learning）原生集成，并支持可扩展的架构以集成第三方与开源模型。该服务基于深度学习模型，适用于多种表面与背景上的文字，如商务文档、发票、收据、海报、名片、信件、白板等。Azure AI Video Indexer 是 Azure AI 服务的一部分，是一款基于多项 Azure AI 能力（如 Face
在Azure Kubernetes 服务 (AKS) 上使用Artifact Streaming优化映像拉取时间一般情况下，当在AKS中运行高性能计算的工作负载时通常会涉及到Size较大的容器映像。在实际的使用场景中，对于这类工作负载的部署有极大的可能性会遇到因为映像拉取时间长并拖慢工作负载部署速度的场景。通过 AKS 上...
在企业里同时使用多个 Kubernetes 集群时，很多团队会把已有的 AKS纳入 Rancher做统一管理。对于这个场景，真正容易卡住人的通常不是“在 UI 里点导入”，而是 Azure 云凭证准备、AKS API Server 白名单、以及 downstream cluster 到 Rancher Server 的回连。本文就按这个思路，把一套可落地的流程梳理清楚。
Azure Architecture Center - Azure Architecture Center | Microsoft LearnChoose an Azure container service - Azure Architecture Center | Microsoft Learn
当service的externalTrafficPolicy的配置不同时，LB的探测有不同行为。
Java应用：利用Spring Boot和Tomcat运行时，支持快速迭代。Python应用：通过Flask和Gunicorn，轻松处理Web请求。核心优势：自动缩放、内置监控和集成CI/CD（如GitHub Actions）。部署时间通常为5-10分钟。Azure提供免费试用额度，建议从免费层开始测试。Azure App Service文档。如有具体问题（如框架版本或错误），请提供更多细节，我会
Azure上部署高可用的LAMP架构
该MATLAB程序用于计算直齿轮的时变啮合刚度，考虑了齿轮啮合过程中的多种力学因素，包括赫兹接触刚度、弯曲刚度、剪切刚度、轴向压缩刚度和基体刚度等。程序特别设计了是否考虑摩擦系数的选项，为齿轮系统动力学分析提供了重要的刚度参数。齿轮几何参数：模数(m=3)、齿数(主动轮Zp=32，从动轮Zg=51)、压力角(20°)结构尺寸：齿宽(b=30mm)、各圆半径（分度圆、齿顶圆、基圆、齿根圆、轴孔）材料
阿里云通义千问大模型解决方案以其卓越的AI云服务、开放的技术生态、领先的基础大模型，以及高弹性算力和开发工具链，成为业内最成熟的解决方案之一。阿里云在大模型领域有着长期投入和持续演进的实践，从2018年的StructBert深度语言模型到2023年的通义千问，展现了其在多模态理解生成模型、深度语言模型等方面的技术积累。通义大模型家族提供全规格的模型，包括通义千问1.8B、7B、14B、72B和2.
本文为 RAG（Retrieval-Augmented Generation，检索增强生成）智能检索问答系统的完整实现教程。第一天：搭建基础环境（Azure OpenAI、Milvus），配置 config.yaml，定义核心客户端；第二天：实现文档处理（读取、分块、生成向量），将文档存入 Milvus 向量库，可查看库中数据；第三天：实现 RAG 问答（问题向量生成、语义检索、GPT 回答），完
成功配置并连接了 Azure OpenAI 服务。实现了文本向量生成与大模型对话功能。同时完成了 Milvus 向量数据库的连接验证。本文开始，我们正式进入 RAG 架构的核心环节 ——文档处理与向量入库。这一步是 AI 知识库能够理解并应用文档知识的关键，我们会将本地的文本文件，转化为向量数据并存储到 Milvus 中，让静态的文档变成 AI 可以快速检索、调用的知识资源。向量库就像给每段文字做
接下来打算用几篇文章来演示一个知识库Agent平台的搭建。把它当成一个“项目”来做。
本文记录了一个实习生开发BBS社区文件上传与内容审核系统的完整过程。系统采用Python、FastAPI等技术栈，实现了文件上传到Azure Blob Store、AI内容审核、实时通知等核心功能。文章详细介绍了从基础对象存储到最终采用PostgreSQL LISTEN/NOTIFY机制优化任务队列的演进过程，重点讲解了如何在不引入额外组件的情况下实现毫秒级任务响应。系统通过Docker容器化部署
set;set;set;} = 502;set;} = 1;set;set;set;} = 100;// 毫秒set;set;set;set;set;
本文实现的IFTP协议栈完全满足工业场景的文件传输需求，代码量不到1000行，非常容易集成到现有的上位机项目中，相比于开源的传输协议，更加轻量、可控，完全可以根据自己的业务需求定制功能。目前这套协议已经在我公司的2000+台工业设备上使用了两年，传输了超过10万次固件升级包，没有出现过一次传输错误或者数据泄露的问题，稳定性非常高。
本文介绍了Flutter三方库azure_app_config在鸿蒙系统的适配指南。该库支持微软Azure全局配置中心集成，提供云端配置同步、版本灰度切换和标签过滤功能。文章详细解析了其核心原理、优势及在鸿蒙环境中的适配方法，包括初始化配置、API使用和典型应用场景。同时针对鸿蒙平台的差异化挑战提出了解决方案，如配置局部快照和指数退避重试机制。通过实战演示展示了如何实现鸿蒙端的高质量Azure配置
本文介绍了Flutter三方库flutter_azure_tts在鸿蒙平台的适配实践。该库通过Azure云服务实现高质量文本转语音功能，支持多国语言和情感化发音。文章详细解析了其工作原理、核心优势及在鸿蒙系统中的适配要点，包括权限申请、音频播放集成等。针对典型应用场景如智慧导航和视障辅助，提供了具体实现方案，并探讨了网络延迟、多音轨并发等适配挑战的解决方案。通过实战代码展示了如何在鸿蒙应用中集成该
本文介绍了azure_application_insights软件包在OpenHarmony应用监控中的使用。该工具可将应用内的追踪、事件、异常和请求耗时数据上报至Azure服务器，提供专业的性能监控能力。文章详细讲解了初始化配置、数据上报API、常见应用场景（如崩溃监控和转化分析）以及OpenHarmony平台的适配要点，并提供了完整的异常监控实战示例。该方案能帮助开发者实现数据驱动的应用运维，
开源鸿蒙跨平台社区推出chalkdart工具，为开发者提供彩色控制台日志输出功能。该工具移植自JavaScript的chalk库，通过ANSI转义序列实现文本着色、加粗等效果，帮助开发者在调试时快速识别关键信息。文章详细介绍了其原理、核心API、使用场景及OpenHarmony平台适配方案，并提供了实战示例代码。chalkdart能显著提升调试效率，建议开发者将其集成到自定义Logger中，为不同
开源鸿蒙跨平台社区推出基于Dart的状态机库statemachine实战指南。该库通过有限状态机(FSM)模型，将复杂业务逻辑转化为清晰的状态流转规则，包含状态(State)、转换(Transition)和动作(Action)三大核心元素。文章详细解析了状态机原理、核心API使用方法，并提供了订单状态管理和设备控制两个典型场景的代码示例。特别针对OpenHarmony平台的分布式特性，提出了利用状
本文介绍了path_to_regexp库在OpenHarmony应用路由架构中的核心作用。该库将人类可读的路径模式转化为高效的正则表达式，实现动态路由匹配和参数提取。文章通过代码示例展示了如何将路径模式编译为正则表达式、提取参数以及逆向构造路径，并探讨了在鸿蒙应用中的性能优化和安全校验策略。最后提供了一个完整的路由分发器实战案例，说明如何构建高效可靠的鸿蒙应用导航系统。path_to_regexp
设备层边缘层云端仅上传关键数据Azure IoT HubStream AnalyticsPower BI告警中心边缘网关×50数据预处理本地AI推理断网缓存PLC×500传感器×2000摄像头×100AGV×200制造企业边缘计算场景特点：带宽成本高云端负载大实时性差离线不可用数据隐私1009080706050403020100问题严重度1.3 技术选型决策#mermaid-svg-EyauoA3
知名扫地机代码方案 某知名大厂扫地机代码适合需要学习项目与代码规范的工程师硬件驱动包含 陀螺仪姿态传感器bmi160、电源管理bq24733等。软件驱动包括 IIC、PWM、SPI、多路ADC与DMA、编码器输入捕获、外部中断、通信协议、IAP升级、PID、freertos操作系统等。代码注释清晰、代码规范好、每个函数必有输入输出范围参数解释。最近研究了某知名大厂的扫地机代码方案，感觉收获满满，特
comsol的单相变压器绕组及铁芯振动形变仿真模型1、单相变压器组振动形变模型:绕组在漏磁场的洛伦兹力作用下振动，在长期作用下发生位移形变2、单相变压器铁芯振动形变模型:铁芯在磁致伸缩作用下发生振动形变注:时域仿真可以设置观察点，导出随时间变化的变压器磁通、位移、压力、形变曲线在电力系统的研究中，单相变压器的振动形变分析至关重要。Comsol 提供了强大的工具来构建相关仿真模型，帮助我们深入了解其
fill:#333;important;important;fill:none;边缘计算方案架构设计IoT Edge运行时C#模块开发容器化部署数据处理本地预处理AI推理规则过滤断网续传SQLite缓存自动同步数据完整性监控运维健康检查告警管理远程部署。
NET 8+已经完美支持国产CPU和国产操作系统，适配难度非常低，我们的项目平均适配时间只需要2周，大部分代码不需要修改，性能甚至比Windows平台还要好。目前这套适配方案已经在多个国产化项目中落地，运行稳定，完全满足工业控制、政务、金融等领域的需求，是.NET应用国产化替代的最优解。
比如你的数据是12输入5输出，就把excel前12列作为输入，后5列作为输出，然后在main.m里把outdim=5改好。SSA-KELM多输入多输出回归 基于麻雀搜索算法(SSA)优化核极限学习机(KELM)的数据多输出回归预测，Matlab代码，可直接运行，适合小白新手(多输入多输出回归预测)SSA-KELM多输入多输出回归 基于麻雀搜索算法(SSA)优化核极限学习机(KELM)的数据多输出回
Azure IoT Edge的核心能力是自定义模块，我们可以把原有C#上位机中的业务逻辑，封装成独立的容器化模块，部署到Runtime中运行，模块之间通过Edge Hub实现消息通信，无需复杂的跨进程通信开发。在Visual Studio中新建项目，选择「Azure IoT Edge 模块」模板，选择C#语言；配置模块的Docker镜像仓库（推荐使用Azure Container Registry
Reformer模型，可用于长期时间序列预测。Pytorch框架Reformer的重点部分在于：1、Locality sensitive hash attention（局部敏感哈希注意力）：空间换时间2、Reversible layers（可逆层）：时间换空间操作简单，数据集更换简单在时间序列预测领域，处理长序列数据一直是个挑战。传统方法在面对长期时间序列时，计算资源和时间成本会急剧上升。
本文探讨了Azure API管理(APIM)自建网关处理自签名证书信任问题的第四种方案。通过az aks update命令将合并后的中间证书和根证书添加到AKS集群节点信任存储中，但验证发现此方法仅对节点有效，对Pod中的APIM自托管网关容器无效。文章明确指出AKS节点安装的CA证书不会影响Pod内部运行，并总结目前有效的三种解决方案：1）安装证书到网关容器；2）配置SSL_CERT_FILE环
本文解决了Azure API管理自托管网关(APIM Self-host gateway)在AKS环境中信任自签名证书的问题。通过三步操作：1) 将根证书和中间证书上传至APIM的Certificate目录；2) 使用GatewayCertificateAuthority-Get API获取证书ID；3) 调用GatewayCertificateAuthority-Update API将证书标记为
本篇我们基于第四篇的实战代码，完成了Azure Agent的进阶优化，实现了「批量处理文件」「Excel格式保存结果」「实时进度提示」三大核心功能，复用了前四篇的Azure配置、核心工具和架构逻辑，代码可直接运行、容错性强，完美解决了职场中批量文件处理效率低、结果统计不便的痛点，让Agent从“单次处理”升级为“高效办公助手”。
本文详细介绍了在Azure容器服务上部署OpenClaw AIAgent平台的方案。文章从选择Azure容器的优势（弹性伸缩、高可用性、DevOps集成和成本优化）入手，阐述了部署架构设计、资源要求（开发/测试环境约200-400元/月，生产环境800-1500元/月），并提供了完整的部署步骤，包括环境准备、容器构建、应用部署和CI/CD配置。同时分享了性能优化、成本控制和安全加固技巧，以及监控运
azure
——azure
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
快递鸟社区
AtomGit开源社区
开源鸿蒙跨平台开发者社区
昇腾开源生态专区
九章云极普惠算力
2048 AI社区
openvela
鲲鹏昇腾开发者社区
龙虾开发者社区
