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

SignalR移植到Esp32小智设备无缝连接.NET功能拓展MCP服务

选对框架很重要:SignalR的群组管理、消息路由等特性,省去了大量基础设施代码。如果从头手写WebSocket,这些功能得花几周时间。内存管理是嵌入式永恒的主题:ESP32的RAM限制让我对每一个malloc都格外小心。合理使用PSRAM、避免内存碎片、及时释放资源,这些在PC上不用care的问题,在嵌入式上都是坑。AI辅助编程真香:这次项目中,SignalR C++客户端的移植、消息处理等大量

文章图片
#.net#windows
SignalR移植到Esp32小智设备无缝连接.NET功能拓展MCP服务

选对框架很重要:SignalR的群组管理、消息路由等特性,省去了大量基础设施代码。如果从头手写WebSocket,这些功能得花几周时间。内存管理是嵌入式永恒的主题:ESP32的RAM限制让我对每一个malloc都格外小心。合理使用PSRAM、避免内存碎片、及时释放资源,这些在PC上不用care的问题,在嵌入式上都是坑。AI辅助编程真香:这次项目中,SignalR C++客户端的移植、消息处理等大量

文章图片
#.net#windows
Claude Code的完美平替GitHub Copilot

《Claude编程工具的完美平替方案》针对中国开发者使用Claude系列模型面临的账号、支付和网络等障碍,本文推荐了OpenCode+GitHub Copilot的替代方案。OpenCode作为开源工具拥有9万GitHub星标和150万月活用户,提供全平台支持且注重隐私保护。通过GitHub Copilot仅需10美元/月即可访问Claude、GPT等多款顶级AI模型,学生和开源维护者更可免费使用

文章图片
#github#copilot
AI训练存储系统对象存储为后端的文件系统概论

摘要:本文系统分析了存储系统的分类及AI训练存储选型的演进历程。文件存储采用树状结构,支持POSIX接口;对象存储采用扁平化架构,具有高扩展性和低成本优势。AI训练存储经历了五个发展阶段:从单机直连到NFS共享存储,再到HDFS大数据方案,随后发展为高性能并行文件系统,最终演进为对象存储+缓存的云原生方案。文章重点比较了两种对象存储FUSE实现方案:直接映射型(通用性强但性能差)和元数据分离型(性

文章图片
#人工智能
Windows给FFmpeg集成H.266编码器vvenc

FFmpeg开发实战:从零基础到短视频上线》该书的第八章介绍了如何在Windows环境给FFmpeg集成H.264和H.265的编码器,如今H.266的编码器vvenc也日渐成熟,从7.1版本开始的最新FFmpeg源码已经支持H.266的编码器vvenc。H.266是H.265的升级版本,H.265的视频编码标准为HEVC(High Efficiency Video Coding,高效视频编码),

文章图片
#windows
让S7-1200与DeepSeek联动(转)

本人在公司内部部署了一台双3090 24G服务器,运行DeepSeek R1 32B,基于Dify加载了公司内部的知识库,同时,将一个S7-1200PLC接入公司网络,通过西门子提供通信库的LHTTP执行post请求,将PLC的实时状态数据发送至知识库系统,实现用户通过Agent与DeepSeek进行自然语言人机交互,可以查询PLC用户中变量对应的数据,并进行推理并给出辅助建议,例如倾斜度过大,温

文章图片
#自动化
Dify发布V1.5.0:可视化故障排查!

Dify V1.5.0版本带来重大效率提升,主要优化了工作流调试流程。新版本通过三大核心功能解决了旧版调试繁琐的问题:1)自动保存每个节点上次运行结果;2)支持分步执行和变量自动抓取;3)新增全局"变量检查面板"可实时查看/编辑所有变量。这些改进将调试时间从几十分钟缩短至几分钟,同时降低API成本。此外,新版本还新增了拖放式DSL创建、增强模板、MatrixOne集成等实用功能

文章图片
#开发语言
Nacos升级到3.0竟不能用了

Nacos 3.0核心升级包含四大方面:新增AI中心支持存量API构建MCPServer等功能;安全架构升级为独立控制台部署和分类鉴权;最低JDK版本要求提升至17;升级后需注意两个主要问题:一是必须手动配置认证密钥参数才能启动,二是控制台端口改为8080(原8848仅用于核心服务)。这些改动显著提升了安全性和功能扩展性,但也带来了兼容性调整需求。

文章图片
#数据库
LangChain4j 工具调用实战

本文介绍了如何利用Jsoup和LangChain4j实现博客园文章搜索工具。通过四个步骤:1)引入Jsoup依赖;2)创建带@Tool注解的工具类,实现文章抓取和解析逻辑;3)将工具绑定到AI服务;4)测试验证。核心流程是AI分析用户意图后请求调用工具,程序执行网页抓取并返回JSON结果,AI整理后回复用户。文章详细展示了工具类实现、CSS选择器解析、结果格式化等关键代码,并通过时序图解释了完整的

文章图片
#人工智能
人工智能文本分类

简单来说,文本分类是将文本数据(如文档、邮件、网页内容等)自动分配到一个或多个预定义类别的过程。这个过程的目的在于简化信息处理,提高数据组织和检索的效率,以及支持更复杂的信息处理任务,如情感分析或主题识别。

文章图片
#人工智能#分类#数据挖掘
    共 39 条
  • 1
  • 2
  • 3
  • 4
  • 请选择