登录社区云，与社区用户共同成长
邀请您加入社区
这篇文章介绍了一个名为"codex-token-usage-skill"的开源项目，用于统计Codex的token使用情况。该工具通过读取本地Codex会话日志，提供详细的用量分析，包括总量、输入/输出token、缓存命中率、净用量等指标。支持多种统计方式（最近30天、指定周/月），可通过命令行或Codex直接调用。工具完全本地运行，不收集隐私数据，适合高频使用Codex且想了
上个月我把本地的 AI 开发工具链做了一轮清理，想把 Cherry Studio、Cline 这些客户端统一换成 OpenClaw 来管理模型调用。结果光是安装这一步就折腾了大半天——npm 装完跑不起来，换 Bun 又遇到依赖解析的问题。后来把两种包管理器的安装流程从头到尾捋了一遍，才搞明白 OpenClaw 的包结构到底是怎么回事。这篇把我踩的坑和搞清楚的原理都记下来，省得你们再走一遍。
上周三帮朋友的创业团队搞一个客服对话系统，需求很简单——用 Claude Opus 4.7 做流式输出，让用户看到"打字机效果"，别干等着一整坨文字刷出来。我心想这不就改个参数的事嘛，结果折腾了大半天，踩了好几个坑。把过程记录下来，省得你们再走弯路。Claude API 的 streaming 走的是 SSE（Server-Sent Events）协议，逐 token 往回吐内容。你可以用 Ant
当OpenAI以翻倍定价捍卫其高端路线时，DeepSeek却用一场技术效率革命给出了截然不同的答案——本文将从架构创新、性能跃迁、成本普惠与产业重构四个维度，全景解读DeepSeek-V4的真正价值。
模数共振”行动重点面向制造业领域20个重点行业，精准发力。它不再满足于AI仅具有“读报告、写诗篇”的通识能力，而是通过精心梳理的行业数据和评测机制，让AI拥有“识机床、懂图纸、排订单”的工业硬核素养，真正推动AI从消费端走向生产端。2026年是“数据要素价值释放年”，中国AI产业的比拼正在从“拼算力参数”走向“拼数据厚度、拼应用深度、拼协同效率”。
4月28日发布的《AI智能体赋能行业决策：趋势与实践白皮书（2026）》显示，中国企业级AI智能体市场正呈现爆发式增长态势——2025年市场规模已达212亿元，预计2026年将增至449亿元，2024至2029年的年复合增长率高达107%。4月28日，国家互联网信息办公室发布通报，依法对“剪映”“猫箱”App及“即梦AI”网站等平台进行查处，原因在于上述平台未有效落实人工智能生成合成内容标识相关规
在制造业的（Quality Management）流程中，尤其是在遵循 IATF 16949:2016 或 ISO 9001:2015 体系的环境下，如何快速、准确地制定检验计划（Inspection Plan）是衡量工程效率的关键。今天记录一下我们在数字化转型中，如何通过自动化工具解决“工程图纸气泡标注”和“FAI/PPAP 报告生成”这两个老大难问题。
今日精选 20 条 IT 科技热点，覆盖 AI 大模型、开源工具、云原生 Agent、安全漏洞、芯片硬件等领域。
选择企业级智能体，则需要评估技术底座的安全性、集成能力和治理机制。金智维AI数字员工和企业级智能体，正是为这一需求量身打造的一站式解决方案，融合了大模型的灵活认知与RPA的确定性执行，让AI真正成为企业可信赖的“数字同事”。金智维深耕金融、政务、制造等高合规行业，始终坚持“从业务中来、到场景中去”的路径，把AI数字员工从“能跑通单个任务”升级为“可长期复用、规模推广的能力单元”。很多企业在接触智能
本文介绍了大模型上下文工程的重要性，通过对比Claude Code、OpenClaw和Hermes三个Agent的上下文机制，阐述了如何通过分层管理、压缩策略和结构化摘要等方式优化AI的运行表现。文章强调了上下文工程在提升AI任务理解、指令遵循和执行效率方面的关键作用，并提供了五条设计启发，帮助读者更好地设计和优化AI产品。
DeepSeek V4 发布后，社区对原生多模态能力的期待日益高涨。从小康 Chen 的神秘推文到技术讨论，本文分析 DeepSeek 视觉能力的可能性与挑战。
《Workday的终结？AI时代下企业软件巨头的危机》 摘要： Workday作为企业HR软件领域的霸主，年收入近百亿美元，却因其复杂难用的系统饱受诟病。文章指出，Workday的成功源于其建立的三大护城河：深度的系统集成、独特的配置层和服务咨询体系，以及长期合约锁定。但随着AI技术变革，这三重优势正转变为历史包袱。Workday试图通过AI功能叠加来应对挑战，但其20年前设计的底层架构已无法满足
整理蜘蛛表格从稳定版到最新版的核心更新，含 AI 上下文理解、诊断日志导出、工作台重构、AI 建应用优化，附操作步骤与排障方法。
摘要： AI正在改变企业使用传统软件系统（如SAP、Salesforce）的方式，聚焦三大领域： 实施优化：通过AI加速ERP系统迁移和配置，减少成本与风险。例如，自动化需求分析、代码生成和测试脚本，替代传统咨询模式。 日常使用：用AI助手简化复杂操作，如通过自然语言查询数据或执行跨系统任务，减少界面切换和培训负担。 扩展与整合：在现有系统上构建轻量级应用层，实现灵活的工作流（如供应商 onboa
客户需求说明书、产品规格书、行业标准、历史设计方案、外部供应商文档——这些文档的格式五花八门，从PDF、Word到扫描件，大多数企业目前仍然依赖人工解读和录入。所以，对于正在规划“人工智能+制造”落地路径的制造业企业，如果你的PLM系统已经建立了较好的数据基础和流程规范，那么优先从PLM切入AI融合，是成本最低、风险最小、价值最快显现的选择。文档解析、风险预警、BOM校验、知识图谱、智能搜索、流程
本地化AI Agent应用的开发能力 ：产品的迭代不能太超前，所谓“只能跨一步，不能跨两步”，关键在于是否能准确的捕捉到消费者对AI的需求与AI可实现的能力的临界点，从而为消费者提供更好的体验。
根据 PyPI 数据，截至 2024 年，MLflow 最新版本为 **3.11.1**，要求 Python >= 3.10，采用 Apache 2.0 许可证，拥有超过 25,000 个 GitHub stars 和 5,600+ forks，成为最受欢迎的开源 ML 平台之一。实验跟踪解决了"记录"的问题，模型注册则解决了"管理"和"部署"的问题。| `set_tag()` | 设置标签 |
**Global Scheduler** | 跨节点任务调度，资源感知分配 | `ray/raylet/src/scheduling/global_scheduler.cc` || **Local Scheduler** | 本地节点任务调度，工作进程管理 | `ray/raylet/src/scheduling/local_scheduler.cc` || **调用方式** | `obj.met
vLLM（**v**ersion **LLM**）作为 UC Berkeley 推出的高性能推理引擎，通过创新的 **PagedAttention** 机制和受操作系统虚拟内存启发的 KVCache 管理策略，在保持模型精度的同时，将推理吞吐量提升了 **3-24 倍**。**核心问题**：传统推理引擎为何显存利用率低？| **块大小（tokens）** | **显存利用率** | **吞吐量（r
本期 GitHub 热榜呈现出 AI 与工程化深度融合的特征，核心聚焦于端侧代码智能与大模型技能的实战转化。随着 Claude Code 和 DeepSeek 话题持续火热，开发者正通过 GitNexus 实现浏览器端零服务器知识图谱分析，并利用 ds2api 优化多账号协议转换。技术重心已从单一模型调用转向工程化落地，如微软 VibeVoice 推出的前沿语音 AI 及 ACE-Step 为代表
当我们谈论AI算力的“内卷”，聊的是GPU的万亿次FLOPS、NPU的算力集群、大模型的训练速度，却很少有人关注：支撑起这一切的，是一个看似简单却无可替代的底层运算——单精度浮点加法（FP32加法）。它没有大模型的光环，没有芯片架构的复杂，却像建筑的基石、机器的齿轮，贯穿AI运算的每一个环节。从ChatGPT的千亿参数训练，到自动驾驶芯片的实时推理，再到边缘AI的轻量化计算，每一次数据的流转、每一
摘要： AINAS（AI网络存储设备）正从传统存储向智能化基础设施转型，集成高性能硬件（如AMD处理器、大内存）、本地化AI模型（Llama3、ChatGLM）及多模态数据处理能力。通过容器化部署（Docker/Dify）和混合云架构，实现高效推理与隐私保护。技术挑战包括硬件性能瓶颈和量化精度损失，未来趋势聚焦端侧智能Agent、多模态融合及开源生态发展。腾视科技推出的AINAS产品（如TS-SG
Nexior是 Ace Data Cloud 的官方开源消费者端应用程序，源代码来自。AI 聊天（ChatGPT、Claude、DeepSeek、Gemini、Grok 等）AI 绘画（Midjourney、Flux、NanoBanana、Seedream）AI 音乐（Suno）AI 视频（Luma、Sora、Veo、Seedance、Hailuo、Kling、Pika、Pixverse）其他持续
首件检验 FAI 不仅仅是一份合规性报告，它是制造业数字化转型的“第一道防线”。通过标准化的流程结合高效的图纸识别技术，企业不仅能满足严苛的行业标准要求，更能在激烈的全球竞争中通过质量数据驱动工艺改进。对于 2026 年的质量工程师而言，掌握数字化工具解析工程图纸并自动生成检验计划，已成为一项必备的核心职业技能。
移动端AI对话导出PDF的痛点与解决方案 随着AI助手如“豆包”的普及，68%的用户需将对话转为PDF，但仅15%满意现有方案。核心痛点在移动端复制易丢失格式，手动排版耗时。通过实测四种主流方法： 直接复制：简单但格式混乱； WPS智能文档：一键生成但兼容性有限； AI提示词重构：需技术调整，稳定性不足； Pandoc命令行：排版精准但门槛高。 专家指出，未来需集成化工具解决“最后一公里”问题。推
<p><p style="color:#f093fb">⚡ 效率篇</p> </p> <h2>摘要</h2> <p>2026年AI编程助手已经成为开发者的标配生产力工具，据实测能帮用户提升3倍以上开发效率，减少80%重复性工作。本文结合2026年最新的第三方评测数据，对比3款主流AI编程助手的优劣势
本文介绍了如何利用Claude Code从零开始构建一个SpringBoot基础框架项目。主要步骤包括：1）通过与AI对话明确技术栈和需求；2）让AI"采访"以完善项目细节；3）将设计方案持久化保存；4）按照规划分步骤执行项目生成；5）启动验证并自动修复问题。文章强调了使用Git进行版本控制的重要性，建议在每次生成满意结果时提交版本，而非在错误代码上持续修改。实践表明，Clau
调用 OpenAI、文心、通义、Claude API掌握关键参数：temperature、stream、max_tokens结构化输出（JSON）历史对话管理异常处理、重试、超时
大模型开发者核心能力与学习路线 大模型开发者需具备三大能力模块：1）Python、机器学习等基础能力；2）大模型原理、Prompt工程、RAG开发等核心能力；3）工程落地能力。学习路线分为6个阶段：Python基础→大模型入门→RAG开发→模型微调→工程化部署→进阶方向（多模态/Agent等）。3个月可掌握RAG开发，6个月能独立完成企业级应用，9个月胜任微调与架构设计。核心技能树包括Python
本文探讨了AI生成内容（如Claude模型）在导出带公式Word文档时的技术瓶颈与解决方案。分析指出，当前直接导出存在公式乱码、排版错乱和内容截断等问题，导致二次编辑成本高企。通过四种主流导出方式的横向评测（直接复制、WPS、Prompt工程、Pandoc），揭示了结构化数据流转的重要性。专家强调需构建"生成即可用"的自动化工具链，推荐采用"AI导出鸭"等集
在 Ace Data Cloud 的分发领域，大多数人的工作止于“在朋友圈发帖，写博客”。每月赚几千元，他们觉得已经足够了。然而，如果你往更高的层次看，那些每月赚取几万甚至几十万的推广者，他们并不是在进行个人推广，而是选择了。这意味着什么呢？与其一个一个地接触用户，他们通过找到一个或，一次性连接数十或数百个最终用户。今天的文章将为有抱负的你详细解释：如何一步步地从个人推广者转型为渠道合作伙伴。
工具的价值在于解放人类的双手，让思维不再受限于格式。从直接复制到专业工具的进化，本质上是我们对知识沉淀质量的追求。希望本文的对比能帮你找到最适合自己的DeepSeek导出方案。
D加密游戏全线告破：黑客组织DenuvOwO近日攻破最后4款D加密非VR游戏，宣告该技术全面失守。D加密本质是DRM保护系统，通过代码虚拟化、硬件绑定和反调试三重防护拖延破解时间。最新破解采用Hypervisor虚拟化层技术，通过伪造硬件信息绕过验证，无需破解核心代码。AI虽未直接参与破解，但大幅降低了制作破解补丁的门槛。讽刺的是，正版玩家仍需承受D加密性能损耗，而盗版玩家反获更流畅体验。目前D加
此次，AtomGit 与深圳技术大学、深圳信息职业技术大学、上海杉达学院、东北大学、西安工商学院、西安交通大学、广州商学院、兰州信息科技学院、哈尔滨华德学院、德州科技职业学院、深圳职业技术大学完成首批合作授牌，围绕开源生态建设、技术人才培养与实践创新展开深度协同。未来，AtomGit 将以小鸿为核心载体，持续开放生态能力，联动开发者、高校、产业伙伴，深化 OpenHarmony 生态建设，推进开源
人工智能训练师三级备考摘要 报名成功后需立即启动备考计划。第一周重点：确认审核状态、理清考试结构（理论+实操两科）、获取四大核心资源（国家职业技能标准、培训教材、题库、实操软件）。第二周起系统学习，建议30天分三阶段：理论学习（10天）、实操训练（10天）、查漏补缺（10天）。考前两周冲刺需完成3套模拟题，理论成绩稳定75+分，实操70+分。特别注意：实操需练满20小时，重点掌握数据标注、处理及模
LoSA 并非又一个通用的稀疏注意力算法，而是为块状扩散语言模型量身定做的优化方案。它敏锐地捕捉到了 DLM 迭代去噪过程中“表征变化局部性”这一独特现象，并以此为基础设计了“动静分离”的计算策略。通过为绝大多数“稳定”的 Token 复用高质量的缓存结果，同时仅为少数“活跃”的 Token 精准计算稀疏注意力，LoSA 不仅成功破解了“KV 膨胀”这一棘手难题，更在大幅提升推理速度的同时，带来了
AI
——AI
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
openEuler 社区
AtomGit AI 社区
