本文摘要：文章介绍了语音交互技术的演进历程和发展现状，从早期的语音识别系统到现代智能语音助手的普及。重点探讨了Web Speech API等核心技术，通过完整代码示例展示了如何在浏览器中实现基础语音识别功能，包括初始化、参数配置和事件处理。文章指出，随着技术成熟和用户习惯形成，语音交互正成为前端开发的重要方向，为各类应用场景创造价值，同时提升数字可访问性。

本文介绍MyBatis-Plus作为MyBatis的无侵入增强工具，阐述其自动注入CURD、Lambda支持、主键自动生成、内置分页与代码生成器等核心特性，以及支持多种数据库的能力。文章通过Spring Boot快速入门示例，演示依赖引入、数据源配置、建表、实体类开发及Mapper继承BaseMapper实现通用CRUD的完整流程，并说明@TableName表映射与@TableId主键配置等常用注

上篇把 Django 镜像从 2GB 瘦身到 180MB。下篇用 `docker-compose.yml` 把 Django、MySQL、Redis、Nginx 四个服务编排在一起——一个 `docker-compose up -d` 就全跑起来。重点讲：服务之间的依赖顺序控制（`depends_on` + `healthcheck`）、数据库数据持久化（`volumes`）、静态文件和白卷代理（

把 Django 项目 Docker 化的第一步——写 Dockerfile。但大多数人第一次构建出来的镜像都在 800MB-1.2GB 之间。原因很简单：基础镜像选了 `python:3.11` 而不是 `python:3.11-slim`，构建依赖和运行依赖混在一起，`pip install` 的缓存文件没清理。上篇聚焦 Dockerfile 的优化——从单阶段构建到多阶段构建、从 `pip

本文手把手教你用一套Python代码同时调用通义千问(Qwen)、文心一言(ERNIE)、DeepSeek和GLM四大国产大模型。内容包括各厂商API的注册与Key获取、OpenAI兼容接口的统一封装技巧、不同模型在代码生成/中文理解/成本控制三个维度的实测对比，以及一个多模型热切换的通用客户端实现。文末附有各模型定价对比表与选型决策树Mermaid图，适合想在国内模型之间灵活切换的AI应用开发者

本文是AI大模型入门系列的实战终章——用Streamlit框架30分钟搭建一个完整的AI聊天网页应用。内容涵盖Streamlit环境搭建与核心组件、会话状态管理与多轮对话、Markdown渲染与流式输出集成、以及一键部署到Streamlit Cloud公网访问的完整链路。文末有Mermaid架构图展示前后端交互全流程，适合学完前面API调用知识、想快速做出一个可展示的AI产品的开发者。

本文深入讲解RAG系统中一项高级检索技术——Self-Querying（自查询检索）。传统检索只做语义匹配，而Self-Querying让LLM先理解用户意图、自动提取查询中的结构化过滤条件（时间、类别、作者等元数据），再与语义向量检索联合执行。文中拆解了LangChain的SelfQueryRetriever完整工作流程，包含Mermaid时序图、自定义元数据字段的Schema定义、以及一个"个

本文是微调板块的开篇，系统回答"什么时候该用Prompt、什么时候该上RAG、什么时候必须微调"这个所有AI开发者都会遇到的选型难题。文章从成本（开发成本+运行成本）、效果天花板、数据量要求三个维度，对比四种主流方案：纯Prompt工程、Few-Shot Prompt、RAG检索增强、SFT微调，并给出真实的业务场景对照表和混合使用的架构图（RAG负责知识+微调负责风格）。配有Mermaid决策树

本文系统讲解大模型推理服务的可观测性建设，解决"服务上线后变成黑盒，出问题靠用户投诉才发现"的运维盲区。文章从AI服务与传统Web服务的监控差异切入——除了延迟和错误率，Token生成速度、KV Cache水位、队列长度这些AI特有指标才是健康的晴雨表；随后给出完整的指标体系设计：五类核心指标（延迟分布TTFT/TPOT、吞吐Token生成速度、容量KV Cache使用率/GPU利用率、稳定性错误

本文系统讲解大模型在边缘设备上的部署方案，把"跑AI"的战场从服务器机房拉到树莓派和手机。文章从端侧推理的三个独特价值切入——数据不出设备的绝对隐私、无网络环境下的可用性、零API成本的离线服务；随后直面硬件现实：树莓派4GB内存、手机8GB，能跑的模型被严格限定在1B~3B档位（TinyLLaMA、Qwen2-1.5B、Phi-mini等微型模型清单与能力边界）；详解三大落地方案：llama.c