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

让 AI 输出更美的 HTML:html-skill-effectiveness 技能包全解析

本文探讨了AI输出内容可读性差的问题,指出Markdown作为线性文本格式在空间布局、图表展示和交互性方面的三大局限。提出HTML作为替代方案,能够实现并排对比、交互式图表等更直观的信息展示。介绍了一个名为html-skill-effectiveness的开源项目,通过预置设计系统(配色、字体、间距)和11种常见场景模板,帮助AI生成美观实用的HTML输出。该项目包含20个办公场景示例,旨在将AI

文章图片
#人工智能#html#前端 +1
告别 Markdown 渲染噩梦:一个 Skill 解决前端展示的所有编码与渲染难题

这篇文章介绍了 markdown-renderer-fix 项目如何系统解决AI应用中的编码和渲染问题。文章分析了中文乱码、SSE流中断、Markdown格式错误等典型问题的根源,提出了8方向系统排查法,并给出了三个核心难题的解决方案:tiktoken解码优化、SSE流式输出管理和工具调用过滤。项目提供了生产级解决方案,包括编码诊断脚本、完整聊天界面模板和主流框架适配代码,帮助开发者彻底解决这些问

#前端#人工智能#深度学习 +2
从 v1.0 到 v5.0:一个 OpenClaw Skill 的进化之路

文章摘要(149字): 该项目"markdown-renderer-fix"是解决大模型应用中Markdown渲染痛点的工具集,历经5个版本迭代。v1.0实现基础功能但存在XSS漏洞;v2.0通过DOMPurify净化、事件委托优化和无障碍支持达到生产可用;v3.0进一步提升性能,采用懒加载和CDN降级检测;后续版本持续优化错误处理与交互体验。该项目完整记录了从基础功能到工程化

#深度学习#集成学习#自然语言处理 +3
CC-Switch 接入小米 mimov2.5pro 完整教程(新手向)

文章摘要: 本文详细介绍了如何安装Claude Code工具并配置CC-Switch以接入小米mimo2.5pro模型。主要内容包括: 安装Claude Code:提供Windows/macOS/Linux系统的具体安装命令,需先安装Node.js环境 获取小米API Key:注册小米AI平台账号后创建专属Key,首次赠送¥10体验金 CC-Switch配置:通过可视化界面快速切换模型供应商,相比

文章图片
#深度学习#自然语言处理#人工智能
AI赋能开发者:用GitHub Pages+AI工具10分钟搭建个人技术博客

AI工具正大幅简化开发者搭建个人技术博客的流程。本文介绍了如何借助GitHub Pages和AI编程助手在10分钟内创建专业博客:1)利用GitHub Copilot自动生成Jekyll配置文件;2)通过AI生成GitHub Actions工作流实现自动化部署;3)使用AI写作助手快速产出博客内容框架。此外,还展示了AI辅助生成项目文档和SEO优化的应用。这种组合方案实现了零成本、高效率的技术分享

#人工智能#github#深度学习 +4
告别 Markdown 渲染噩梦:一个 Skill 解决前端展示的所有编码与渲染难题

这篇文章介绍了 markdown-renderer-fix 项目如何系统解决AI应用中的编码和渲染问题。文章分析了中文乱码、SSE流中断、Markdown格式错误等典型问题的根源,提出了8方向系统排查法,并给出了三个核心难题的解决方案:tiktoken解码优化、SSE流式输出管理和工具调用过滤。项目提供了生产级解决方案,包括编码诊断脚本、完整聊天界面模板和主流框架适配代码,帮助开发者彻底解决这些问

#前端#人工智能#深度学习 +2
AI重构代码审查流程-从手撕代码到人机协作

本文分享了作者作为Python后端开发工程师,如何利用OpenClaw AI助手和Python自动化脚本提升团队代码审查效率的实战经验。针对中型微服务集群(15万行代码,30+服务)面临的审查耗时长、规范执行难等问题,作者设计了三层AI辅助审查体系:第一层通过flake8、black等工具进行自动化检查;第二层使用OpenClaw AI进行智能逻辑分析;第三层保留人工决策。文中详细展示了Pytho

#人工智能#重构#深度学习 +3
深度学习_02-NLP进阶

本文总结了NLP进阶学习第二天的核心内容,主要包括:1)强化文本预处理技术,如jieba分词和词性标注;2)文本向量化方法,包括One-Hot编码和Word2Vec训练;3)数据分析技巧,如分布分析和词云生成;4)RNN系列模型实现,包括LSTM/GRU;5)注意力机制和Transformer架构详解;6)迁移学习应用,如FastText分类和BERT模型使用。文章提供了完整的代码示例,为NLP项

#深度学习#自然语言处理#人工智能 +4
逻辑回归预测癌症:代码逐行深度拆解与核心概念扫盲

变量名来源处理方式含义X_train原始切分无原始的练习题(数值范围不统一,不能直接喂给线性模型)X_train标准化的练习题(既学习了标准,又完成了转换,模型真正吃进去的数据X_test原始切分无原始的考试题new_x_testX_test仅 transform标准化的考试题(沿用练习题的标准进行转换,用于公平考试)为了让你彻底明白在整个流程中的位置,请看这个数据变身记原始文件csv⬇️read

#逻辑回归#算法#机器学习 +4
AI大模型开发-实战精讲:从零构建 RFM 会员价值模型(再进阶版:模拟数据 + 动态打分 + 策略落地)

本文介绍了一种实战化的 RFM 会员价值模型进阶构建方法。该方法包含四个关键步骤:1) 通过 Python 脚本生成高仿真业务数据,模拟不同用户类型(高价值、流失、新客等)的行为特征;2) 进行数据清洗与预处理;3) 采用动态百分位打分(pd.qcut)替代传统固定阈值,使评分更符合数据分布;4) 将评分结果转化为8类用户画像并制定具体营销策略。文中特别强调了数据生成逻辑,包括多维字段设计(用户名

文章图片
#人工智能#elasticsearch#搜索引擎 +4
    共 50 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择