开发语言标签_武汉城市开发者社区

开发语言

智能问答系统RAG

基于RAG技术的智能问答系统，具备以下核心特点：技术架构采用检索增强生成(RAG)技术路线支持多格式文档解析(PDF/DOCX/TXT/MD) 兼容Chroma/Milvus向量数据库可对接DeepSeek/Ollama等大语言模型核心功能知识库分类管理智能文档分块解析混合检索(语义+关键词) 溯源标注(附带原文参考) 流式问答输出应用价值解决大模型幻觉问题支持企业知识库管理

 2833955351
2026-04-22 11:00:00

 491

 9

#python #人工智能 #开发语言
基于动态环境下多智能体自主避障路径优化的DWA算法研究附MATLAB代码

随着无人机技术在物流配送、电力巡检、应急救援、环境监测等领域的广泛应用，其作业环境逐渐从结构化静态场景向非结构化动态场景拓展。动态环境中存在移动障碍物（如行人、车辆、其他飞行器）、突发障碍（如临时施工区域、天气突变导致的危险区域）等不确定因素，对无人机的自主避障能力和路径规划实时性提出了严苛要求。传统路径规划方法（如 A*、Dijkstra 算法）虽能在静态环境中生成最优路径，但面对动态变化时存在

 Matlab论文助手
2026-01-10 06:50:29

 1100

 11

#算法 #matlab #开发语言
从Free Tier到Serverless：用亚马逊云科技打造零门槛AI应用

本文将结合 DeepSeek R1 模型在 Amazon Bedrock 上的无服务器部署案例，展示如何在Free Tier 2.0的环境中快速搭建可用的AI API，从注册到调用，完整体验“云端新起点”。如今，亚马逊云科技正通过Free Tier 2.0与Serverless的组合，让每一个开发者、研究者和企业都能以可负担的方式，进入AI的未来。整个实践证明，在亚马逊云科技的生态中，AI不再是“

武汉主理人- 英杰
2025-12-18 16:00:21

 5.2w

 26

#科技 #开发语言 #服务器 +1
视觉原生·代码引擎：Doubao-Seed-Code实测

摘要：本文介绍了国内首个具备原生视觉理解能力的编程模型Doubao-Seed-Code。相比传统AI模型只能处理文字描述，该产品能直接解析UI图片中的布局、组件和设计语言，并生成可用代码。通过QT仪表盘项目实测显示，其代码生成效果优于ChatGPT等模型。该模型兼容ClaudeCode，迁移成本低，且提供高性价比的订阅方案（最低9.9元/月）。作为国内编程模型的新物种，Doubao-Seed-Co

武汉主理人- 英杰
2025-11-22 16:25:23

 1.4w

 16

#科技 #开发语言 #服务器 +1
DDR和HDMI测试方法【H618】零基础入门到精通，收藏这篇就够了

1.1.关于 DragonHD区域 1：操作区，工具的基本操作包含设置 DDR clk 频率，设置循环次数和启动/停止测试。区域 2：平台用例区，选择平台后该区域显示选定平台的所有用例，用户可屏开，收缩和勾选需要测试的用例。区域 3：测试信息区，该区域显示设备测试进度，测试状态，测试结果和过程日志信息。区域 4：软件功能区，包含的操作包含打开配置模版，保存配置模板，更新升级，退出软件。

leah126
2025-11-21 07:45:00

 2094

 49

#php #开发语言
C++ 进阶：一行代码告别头文件重定义噩梦——#pragma once

本文探讨了C++头文件重定义问题的两种解决方案：传统的#ifndef宏守卫和现代的#pragma once指令。通过实例分析头文件重复包含导致的编译错误，文章对比了两种方法的优缺点，认为#pragma once更简洁、安全且高效，建议开发者优先采用，仅在特殊兼容性需求时使用传统宏守卫方式。

greenspan
2025-11-16 19:44:32

 671

 17

#c++#开发语言
【必收藏】大语言模型智能体全面指南：从入门到精通

随着人工智能技术的发展，构建通用人工智能成为一个重要目标。通用人工智能需要具备广泛的认知能力，可以感知环境、进行复杂推理、做出判断，并采取行动参与各类任务。近年来，大语言模型的进步为实现通用人工智能带来了希望。它们在语言理解、推理、知识学习等方面表现卓越，被视为通用人工智能的潜在途径。如何在大语言模型的基础上构建真正的智能体，使其具备自动感知环境、推理规划、执行交互等全方位能力是一个关键课题。本文

 程序媛饺子
2025-11-16 09:15:00

 1726

 51

#人工智能 #产品经理 #开发语言 +1
深度剖析 C++ vector的底层实现

摘要本文深入剖析了C++ STL中vector容器的底层设计与实现原理。重点解析了vector的三大核心指针_start、_finish、_end_of_storage的协同工作机制，通过指针关系判断容器状态，实现高效的内存管理和随机访问。详细介绍了迭代器的原生指针实现方式及其失效场景，包括扩容导致的指针失效问题。文章还探讨了vector的多重构造函数设计，包括默认构造、初始化列表构造和填充构造

 Su1290
2025-11-15 23:25:04

 1261

 17

#c++#开发语言
InnoDB 与 MyISAM 的底层区别与选择策略

MySQL 的核心灵活性之一就是可插拔式存储引擎（Storage Engine）。每个表可以选择不同的引擎，来决定底层的数据组织、索引结构与事务特性。但在实际项目中，几乎所有面试官都会问：“InnoDB 和 MyISAM 有什么区别？为什么 InnoDB 是默认引擎？因为它直接体现你是否真正理解数据库的事务、锁、恢复机制与索引存储方式。InnoDB 和 MyISAM 的区别，不仅是“事务 vs 非

 dividividiv
2025-11-09 17:15:00

 1070

 19

#mysql #java #开发语言
RAG系统性能提升关键：嵌入模型选择技巧与实战案例！

文章深入探讨了嵌入模型在RAG系统中的核心作用，系统介绍了词嵌入、句嵌入、文档嵌入等类型及其适用场景，并解析了上下文窗口、分词方式、维度等关键参数。通过医疗论文检索实例，演示了如何根据实际需求选择合适嵌入模型，并介绍了MTEB基准测试工具的使用方法。文章强调，选择嵌入模型应超越单纯依赖评分，而应综合考虑应用场景、语言支持、专业词汇处理能力等实际因素。

m0_63171455
2025-11-06 08:30:00

 901

 13

#人工智能 #算法 #机器学习 +4
RAG文档解析入门到精通，搞定面试官这一篇就够了！

想象一下，你在做金融RAG项目。你的知识库不是几篇网页文章，而是成堆的 PDF、PPT、扫描件、Excel、合同。这些文件内容格式复杂：

Python_金钱豹
2025-11-05 15:23:38

 823

 12

#java #前端 #人工智能 +4
localStorage 的使用越来越少了？

今天，我们必须正视一个问题：对于任何严肃的 Web 应用项目，继续依赖 localStorage 已成为一种技术债。是时候丢掉这根“拐杖”，全面拥抱更强大、更专业的 IndexedDB 了。

jike007gt
2025-10-31 19:11:54

 665

 19

#c++#开发语言
基于无代码技术快速开发【医院出生证明】复杂表单

随着医疗信息化的深入推进，传统纸质出生证明填报方式逐渐暴露出效率低下、易出错、数据难以追溯与管理等问题。医院需要一种能够高效、准确、规范地收集和管理新生儿出生信息的电子化解决方案。出生证明作为重要的法律文件，其填写流程复杂、涉及字段多、校验规则严格，因此亟需通过信息化手段提升填报效率与数据质量。

武汉主理人-中杯可乐多加冰
2025-10-27 13:06:07

 2.2w

 27

#前端 #javascript #开发语言 +2
企业级RAG系统实战教程：从零基础到精通，一篇就够了！

文章详细介绍了企业级RAG系统的构建经验，包括文档质量检测与分类处理、层级化分块策略、混合检索方法及置信度驱动路由等技术要点。作者分享了制药、金融等领域10+个实际项目经验，强调了文档质量检测优先、元数据架构比Embedding模型更重要、混合检索是必须的等关键经验，并提供了具体代码示例和工程实践建议。25 年以来写了 55 篇技术 Blog，字数也累计超过 50 万字。每篇内容背后都是几十甚至上

 bagell
2025-10-24 08:15:00

 865

 21

#大数据 #人工智能 #javascript +3
infrared.dll infragistics.win.v5.2.dll infragistics.win.v4.3.dll infragistics.win.v3.2.dll infra

以上只是通用的运行库dll处理方式，如果你遇到缺失文件是第三方的软件文件，那么就需要下载到属于这个程序所匹配的版本的文件，然后将这个文件复制到这个程序的安装目录下才能解决问题。如果我们遇到关于文件在系统使用过程中提示缺少找不到的情况，如果文件是属于运行库文件的可以单独下载文件解决，但还是建议安装完整的运行库，可以尝试采用手动下载替换的方法解决问题！文件下载完成后，下方列表会有很多个不同版本的文件，

Licknono
2025-10-10 16:33:19

 444

 5

#人工智能 #计算机视觉 #php +1
基于分布式模型预测控制DMPC的单向拓扑结构下异构车辆车队研究（Matlab代码实现）

DMPC方法通过将每个车辆的控制问题分解为局部优化问题，并利用滚动优化策略进行求解，实现车辆的协同控制。建立车辆动力学模型：考虑异构车辆的动力学差异，采用包含车辆质量、空气阻力系数、滚动阻力系数等参数的非线性车辆动力学模型。设计DMPC控制器：每个车辆作为一个独立的智能体，利用预测状态信息建立自身的优化问题。优化问题的约束包括车辆的动力学约束、控制输入约束和安全距离约束。信息传递机制：每个车辆将自

 F_Matlab
2025-09-26 00:41:24

 670

 18

#分布式 #matlab #开发语言 +1
后端突围：当代码世界遇见智能浪潮，程序员转型AI大模型的收藏宝典！

文章讲述传统后端/系统工程师如何转型进入AI大模型领域。通过展示技术栈迁移、RAG系统构建、模型微调和生产化落地的实践，强调工程思维在AI领域的应用价值。分享了三大生存法则：拒绝算法洁癖、构建监控矩阵和锻炼抽象能力。文章指出，掌握工程化落地的工程师正在重构智能世界的基础架构，传统开发技能与AI技术的融合是未来关键。

python零基础入门小白
2025-09-25 17:46:15

 917

 12

#人工智能 #python #java +2
【大模型实战】Milvus RAG搭建全攻略：从入门到实践，建议收藏！

本文分享了使用Milvus搭建RAG服务的实战经验，包括云端数据库选择、创建Collection、字段设计、索引设置、数据插入和查询等关键步骤。作者强调应根据项目实际需求决定是否采用RAG，适用于严肃场合或大模型无知领域，而非所有场景都需RAG。提供了清晰的界面操作和API调用方法，帮助读者快速搭建RAG原型。

python零基础入门小白
2025-09-25 17:41:48

 1026

 8

#milvus #java #开发语言 +4
【保姆级教程】用Python和LangChain搭建你的第一个AI智能体团队！

你是否想过，如何让多个AI“专家”协同完成一项任务？今天，我们将使用Python和功能强大的LangChain框架搭建一个小型AI智能体团队。我们的目标是创建一个具备以下功能的系统：

python零基础入门小白
2025-09-25 17:33:59

 1246

 23

#python #人工智能 #transformer +3
AI智能体框架终极指南：2025年LangChain、AutoGen、CrewAI等顶级框架详解！

本文全面解析2025年顶级AI智能体框架，包括LangChain、AutoGen、CrewAI及LangGraph等新兴工具。详细阐述各框架的核心概念、优势、适用场景和代码示例，强调框架在抽象底层细节、提供可组合模块和智能体编排方面的重要性。通过对比表格，帮助开发者根据项目需求选择最适合的框架，加速AI智能体开发进程。

程序员王饱饱
2025-09-25 17:08:11

 2632

 13

#人工智能 #百度 #产品经理 +2
【干货收藏】从Prompt Engineering到Context Engineering：大模型应用开发的范式转变！

本文探讨了从Prompt Engineering到Context Engineering的关键转变，强调Context Engineering是构建高效AI Agent的核心学科。文章详细介绍了RAG作为基础架构，包括高级分块策略、重排序技术及"Lost in the Middle"问题解决方案，并探讨了智能体系统的上下文管理框架和工作流编排技术。Context Engineering作为连接LL

进击的码农！
2025-09-25 16:53:08

 739

 9

#java #人工智能 #AIGC +2
杀疯了！SlimRAG用实体感知替代繁琐建图，RAG性能飙升，保姆级教程一篇通！

在LLM驱动的知识检索增强(RAG)领域，主流方法面临困境：

小马不会过河
2025-09-25 16:33:53

 840

 8

#java #前端 #数据库 +2
LangGraph执行流程深度解析！智能体开发框架核心机制全攻略，收藏这一篇就够了！

智能体的基础是大模型的函数调用，而框架只是对其能力的封装。**”**我们首先要明确一个概念，即智能体是基于大模型应用设计的一套机制，其本质是大模型提供的函数调用功能(function call)，包括现在的MCP服务；而框架只是对这些原生能力的封装，便于开发人员进行功能开发，而不用去处理太多细节性问题。

小马不会过河
2025-09-24 20:01:51

 1101

 26

#java #前端 #数据库 +4
RAG是什么，一文看懂什么是RAG

检索增强生成（RAG）是一种用于构建大型语言模型（LLM）驱动型应用的技术。它借助外部知识源，为大型语言模型提供相关背景信息，从而减少幻觉现象。就好比给 LLM 配备了一个小型的“资料库”，当用户提出问题时，系统会在资料库中查找相关内容并提供给 LLM，以帮助其生成更准确的回答。基本的 RAG 流程包括检索组件（通常由嵌入模型和向量数据库组成）和生成组件（大型语言模型）。在推理阶段，用户问题用于在

 写编程的木木
2025-09-24 17:34:28

 961

 18

#搜索引擎 #人工智能 #深度学习 +2