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

一文讲清楚 OpenClaw 以及 Windows 下的部署

OpenClaw是一个AI系统运行时管理平台,主要负责将外部请求接入并管理后端AI执行系统。它包含两大核心功能:1)接入层 - 统一连接Web/App/IM等外部入口;2)运行时管理 - 提供配置、鉴权、路由等运维能力。不同于单纯聊天界面,OpenClaw将AI能力封装成可管理的服务,支持Agent、Workflow、Skill等组件的协同运行。典型应用场景包括构建可控的知识库服务、创建可复用能力

文章图片
#人工智能
在 Windows+WSL2 上部署 OpenClaw AI

WSL2 给你的不是模拟器,是一个跑在 Hyper-V 上的真实 Linux 内核,而且你不需要学习linux,就像操作Windows上的一个命令行窗口一样简单。我目前配置的主大脑是 Gemini 3 Flash,效果很好,反应速度很快,而且是原生多模态有视觉能力。这才是这篇文章的核心价值。云服务器的数据存在别人的机房里,你的 API Key、聊天记录、知识库全在云端。但 WSL 里没有浏览器,W

#windows#人工智能
oracle expdp/impdp 用法详解

oracle expdp/impdp 用法详解创建逻辑目录,该命令不会在操作系统创建真正的目录,最好以system等管理员创建。create directory db_bak as 'd:\test\dump';查看管理理员目录(同时查看操作系统是否存在,因为Oracle并不关心该目录是否存在,如果不存在,则出错)select * from dba_directories;给system用户赋予在

文章图片
#数据库#oracle
【Docker】failed to do request报错解决 Post “https://auth.docker.io/

Docker镜像拉取失败问题解决方案 摘要:当出现"failedtosolve:node:14-alpine"错误时,通常是由于镜像源配置错误或DockerHub访问限制导致。解决方法是在Docker Desktop的Settings→Docker Engine中修改配置,添加有效的镜像源地址(如https://docker.1ms.run、https://docker.m.d

文章图片
#docker#java#容器
用 GPUStack + OpenClaw 无限用的本地 AI 助手

推理后端」→「编辑 vLLM」→「添加版本」

文章图片
#人工智能
用 GPUStack + OpenClaw 无限用的本地 AI 助手

推理后端」→「编辑 vLLM」→「添加版本」

文章图片
#人工智能
ManySpeech 使用 C# 开发人工智能应用

ManySpeech是manyeyes社区开发的C#语音处理套件,基于ONNX模型实现跨平台部署。它整合语音识别、端点检测、标点恢复、音频分离等核心功能,支持多语言处理,适配Windows/macOS/Linux/移动端等平台。通过组件化设计优化开发效率,提供流式/离线模型选择,并支持AOT编译减少30%体积。适用于实时交互、离线转写、复杂环境降噪等场景,为.NET开发者提供一站式语音处理解决方案

#人工智能
Claude Opus 4.6 与 国产 M2.5 实测

摘要:MiniMax M2.5以超高性价比(1美元/小时)挑战高价大模型市场,实测显示其编程能力惊艳,在项目重构和全栈开发中展现出"老架构师"般的规划能力。该模型采用原生Spec行为,实现文档驱动的四步开发流程,并支持私有化部署。与Claude Code结合使用时,可节省90%的Token费用,使复杂Agent任务的经济可行性大幅提升。M2.5在OpenRouter调用量迅速登

文章图片
#开发语言
神经网络训练、验证、测试集

实际上,应用型机器学习是一个高度迭代的过程,通常在项目启动时,会先有一个初步想法,比如构建一个含有特定层数,隐藏单元数量或数据集个数等等的神经网络,然后编码,并尝试运行这些代码,通过运行和测试得到该神经网络或这些配置信息的运行结果,可能会根据输出结果重新完善自己的想法,改变策略,或者为了找到更好的神经网络不断迭代更新自己的方案。总结一下,在机器学习中,通常将样本分成训练集,验证集和测试集三部分,数

文章图片
#神经网络#人工智能#深度学习
机器学习决策树案例实战

在决策树中,每个内部节点代表一个特征上的测试,每个分支代表测试的结果,而每个叶节点代表最终的决策结果。决策树的构建始于根节点,包含整个训练集,通过分裂成子节点的过程,逐渐学习数据中的规律。想象一下,我们面前有一篮水果,目的是区分苹果和橘子。一棵决策树可能首先询问:“这个水果的颜色是红色吗?”如果答案是肯定的,它可能会将这个水果分类为苹果;否则,它会继续询问:“这个水果的质感是光滑的吗?”这样的一系

文章图片
#机器学习#决策树#人工智能
    共 56 条
  • 1
  • 2
  • 3
  • 6
  • 请选择