logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Spring AI 1.1.5 正式发布,又一个大模型被移除了。。

所以,赶紧学起来吧,Spring AI 现在已经是 Java 程序员接大模型的标配了,就像之前的 Spring Boot、Spring Cloud 一样,Spring AI 1.1.5 全是改进项和修复项,没有新增功能了,主要是为了提升稳定性和安全性,修复一些潜在的漏洞,优化一些细节,提升用户体验。不是我吹,2026 年的今天,如果你还没有接触过 Spring AI,还没有在项目中使用过 Spri

#spring#人工智能#java
部署您的第一个ASP.NET Core应用到k8s集群

kind: Pod # 定义Kubernetes资源的类型为Podmetadata:name: demo-web # 定义资源的名称labels: # 为Pod贴上标签,后面会介绍其用处spec: # 定义资源的状态,对于Pod来说,最重要属性就是containerscontainers: # containers一个数组类型,如果你希望部署多个容器,可以添加多项- name: web # 定义本

#kubernetes#容器#云原生
可本地部署的 MicroPython 开源仿真器

说实话,嵌入式开发最劝退人的就是硬件门槛:新手刚上手就被烧板子、调驱动搞崩心态,老手调 bug 也经常被反复烧录磨耐心。Velxio 这种工具,真的是给开发者省了超多事:新手不用怕烧板子,老手不用反复拔插硬件,甚至远程协作的时候,直接发个工程就能一起调,不用凑在一块看板子。如果你也在搞 ESP32、Arduino 项目,或者刚入门嵌入式,真的可以试试这个神器,说不定能解决你现在卡了好久的 bug!

#c#
AI Agent 实操指南:用一份 Markdown 文件指挥 AI 干活

传统用法:你说一句,AI 做一步。你是指挥官,AI 是传话兵。Agent 用法:你给一个目标和规则,AI 自己拆解任务、调用工具、验证结果、遇到问题还能自我修正。Agent = LLM(推理能力)+ 工具调用(读写文件、跑命令)+ 工作流(按步骤执行)+ 约束规则(什么能做什么不能做)关键区别不是 AI 变聪明了,而是你给了它上下文和边界。

#人工智能
ECC安装与配置:把 Claude Code 装进一个能稳定发挥的 Harness

老陈做了五年前端,最近接了个全栈私活:Python 后端加 React 前端,登录、注册、JWT、邮箱验证,外加一个管理后台。听起来不大。干起来才发现处处别扭。本地跑得挺顺的代码,一推到线上就报错。装出来的版本和 lock 文件对不上,celery worker 启动报,邮件发送的 SMTP 凭据在里少了一行。前端那边更糟:登录页的 UI 调了三版,老陈总觉得差点味道——按钮圆角、字体、留白,单独

#php
部署您的第一个ASP.NET Core应用到k8s集群

kind: Pod # 定义Kubernetes资源的类型为Podmetadata:name: demo-web # 定义资源的名称labels: # 为Pod贴上标签,后面会介绍其用处spec: # 定义资源的状态,对于Pod来说,最重要属性就是containerscontainers: # containers一个数组类型,如果你希望部署多个容器,可以添加多项- name: web # 定义本

#kubernetes#容器#云原生
C#如何安全、高效地玩转任何种类的内存之Span的本质(一)。

从技术的本质上看,Span<T>是一种类似引用的结构体;从应用的场景上看,它是高性能的可切片类型;综上所诉,Span是一种类似于数组的结构体,但具有创建数组一部分视图,而无需在堆上分配新对象或复制数据的超能力。看完本篇博客,如果理解了Span的What、Why、How,那么作者布道的目的就达到了,不懂的同学建议多读几遍,下一篇,我将会进一步畅谈Span的脾气秉性,让大家能够安全高效地使用好它。

#人工智能
自动生成用例:基于OCR+ LLM的设计方案(附落地指南)

CodeGraph是一个开源的代码知识图谱 MCP 服务器(34k+ Stars),核心思路是:​提前把代码的符号关系建好索引​,让 AI 代理直接查询图谱,而不是每次从头扫描文件。▼│ SQLite 知识图谱(符号 + 边 + 全文索引)▼Tree-sitter 解析 AST → 提取函数/类/方法/调用/继承关系│▼项目源代码(Java / Vue / JS / XML / YAML 等)支持

#经验分享#jvm
自动生成用例:基于OCR+ LLM的设计方案(附落地指南)

CodeGraph是一个开源的代码知识图谱 MCP 服务器(34k+ Stars),核心思路是:​提前把代码的符号关系建好索引​,让 AI 代理直接查询图谱,而不是每次从头扫描文件。▼│ SQLite 知识图谱(符号 + 边 + 全文索引)▼Tree-sitter 解析 AST → 提取函数/类/方法/调用/继承关系│▼项目源代码(Java / Vue / JS / XML / YAML 等)支持

#经验分享#jvm
AI Agent 实操指南:用一份 Markdown 文件指挥 AI 干活

传统用法:你说一句,AI 做一步。你是指挥官,AI 是传话兵。Agent 用法:你给一个目标和规则,AI 自己拆解任务、调用工具、验证结果、遇到问题还能自我修正。Agent = LLM(推理能力)+ 工具调用(读写文件、跑命令)+ 工作流(按步骤执行)+ 约束规则(什么能做什么不能做)关键区别不是 AI 变聪明了,而是你给了它上下文和边界。

#人工智能
    共 11 条
  • 1
  • 2
  • 请选择