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

【AI编程】【Kiro】----Kiro入门到精通保姆级教程(一)----【介绍】Kiro是什么

它基于开源的 Code OSS(也就是VS Code的底层),所以你熟悉的快捷键、主题、插件全都能用,零学习成本!💡 某天凌晨两点,灵感爆发:“我要做个用户登录系统,带邮箱验证、密码重置、角色权限!🤖 你打开 Cursor 或 Copilot,一顿对话:“来吧,AI,给我干出来!✅ 几分钟后,页面跑起来了,功能齐全,你心里美滋滋:“我真是个天才!而今天我们要讲的 Kiro,就是来终结这种“爽一

文章图片
#人工智能#java#开发语言 +2
【AI编程】【Claude Code】---- 十个最值得装的 Skills:不是越多越能打,是这 10 个最能打!!

一个是完全不装一个是装一堆,结果十天半个月都不调一次真正有价值的 skill,一般都有一个共同点:你装进去之后,会在很多不同任务里反复调用。summarizetmux解决网页执行、信息压缩、技能发现、工作流沉淀、长会话控制,testing / docs / refactor / git / research 这些,则是在把 Claude Code 从“会写代码”推向“能承担完整工作流”。所以,Cl

文章图片
#前端#java#架构 +2
【AI大模型】----大模型后端工程实战:从架构落地到业务赋能---【第二章】 模型选型与部署工程

本文系统阐述了大模型部署工程中的关键技术环节。模型选型需从业务需求、技术能力、资源成本和合规要求四个维度综合考虑,针对不同场景推荐了GPT-4o、Llama等模型选型方案。模型量化技术部分对比了INT8/INT4/FP16等方法的精度损失与速度提升,并以LLaMA 3为例演示了量化实现步骤。部署实践环节对比分析了vLLM、TGI等主流推理框架特性,详细介绍了基于Docker和K8s的部署流程。最后

文章图片
#人工智能#架构
【AI大模型】【部署】----本地部署Qwen3+Ollama + MCP初体验 (保姆级教程)

小伙伴们端午快乐鸭,Qwen3已经发布一段时间了,热度依然不减;端午期间笔者尝试在本地体验Qwen3的能力,将所有过程分享给大家,大家一起动手试一试,一起玩转Qwen3;当然除了本地这种模式,也可以选择云端的API,这里就不赘述了。通过将 Qwen3 与 Ollama 结合进行本地部署,我成功体验了 MCP(模型-计算-平台)架构的强大潜力。这一过程不仅让我深入了解了 Qwen3 作为开源大型语言

文章图片
#人工智能
【Claude code】【设置】----一键设置中文对话,解决看不懂英文问题

可以把这些英文提示直接改成中文,而且是,以后所有类似确认框都会变成中文。下面给你最简单、最稳的 2 种方法(Windows 直接照着敲)。

文章图片
#java#python
    共 113 条
  • 1
  • 2
  • 3
  • 12
  • 请选择