低代码本地化 AI 应用解决方案 Dify，结合 Ollama 快速部署大模型应用。内容涵盖 Windows 系统下的 Git、Docker、Dify、Ollama 安装指南，并演示如何通过 Dify 创建 AI 对话应用以及在 Python 中调用

OpenAI推出的ChatGPT Study模式通过苏格拉底式提问、分步引导和个性化反馈辅助学习。该模式基于教育科学原理，采用定制提示词技术实现渐进式知识传授。笔者尝试复现该功能，在纳米AI和豆包平台创建智能体测试：纳米AI自动生成完整问答剧本，而豆包则严格遵循多轮互动模式，验证了提示词工程对AI教学行为的关键影响。实验表明，通过精心设计的系统指令，大语言模型能有效模拟启发式教学方法，但不同平台对

more & more 的模型、智能体、开发工具、应用产品......太多了，吃不下了，每日一更新，每小时一动态，AI 榨菜已然变成可以不分昼夜 24 小时享用的 AI 薯片

扣子空间、纳米AI超级搜索、Qwen3研究分析...6大AI比拼；MCPo、A2A...智能体框架再上一层楼！

昨天一位同学提问 “matplotlib 画柱状图时，横坐标是从表格中指定列获取的，如何设置横坐标的顺序呢？” 原始数据结构如下图所示，需要对学历分组求平均工资后画柱状图，顺序应为按学历由低到高，即 ['大专', '本科', '硕士', '博士']

基于 QLabel 和 QHboxlayout 实现的可定制的图片组件类，可以翻页显示、设置每页图片数和图片显示的尺寸等

不知道各位都用什么工具来绘制流程图呢？笔者喜欢用 Processon，因其便利性持续使用了多年，在线拖拉拽，便于备份和共享，还不用下载安装。相对于拖拉拽，有一种通过编码制图的方式，那就是 Mermaid，它是一个基于 JavaScript 的图表工具，使用类似 Markdown 的语法来创建图表。在“ AI+ ”盛行的当下，DeepSeek + Mermaid 碰撞出了有趣的玩法，一起来看看吧！

前言：做数据分析和做科普是类似的，科普的意义在于将晦涩难懂的科学知识，以让大众更易接受和理解的方式呈现。而数据分析中的数据可视化做的正是如此关键中的关键，即是将数据的特点以一种显而易见的形式进行呈现。但也不必说的那么高级，我们可以说数据可视化就是“画图”。能够进行可视化的工具有很多，比如 python 中的 matplotlib、pyecharts、plotly等等。可有时候我们并不想写代码，我们

笔者在最近的工作中做了一个基于PyQt5实现GUI的数据处理工具，领导表示“我想一双击就能直接看到情况啊，不要打开后还要我自己输入这个点击那个的！”好吧，既然上头有需求，打工人就得照办。想想以前用过的许多桌面软件，启动时都会有个欢迎画面，同时后台预加载一些内容。那么应该要怎么实现呢？先看看效果吧。1、界面设计首先欢迎画面要有一个好看的背景，还有进度条和进度提示信息，那么先用一个 Widget 来做