登录社区云,与社区用户共同成长
邀请您加入社区
在处理 PDF 文档时,经常需要调整页面尺寸以适应不同的打印需求、显示设备或归档标准。无论是将 A4 文档转换为 Letter 尺寸、创建自定义大小的报告,还是批量调整扫描文档的页面比例,掌握 PDF 页面大小调整技术都能显著提升工作效率。本文将深入探讨如何使用 Python 实现多种场景下的 PDF 页面大小调整功能。
用 QVeris 的 Discover · Inspect · Call,把世界杯冠军预测变成一个可更新的多信号工作流
拆解爆款,成为爆款!
摘要:本文记录了一个Python新手搭建A股量化交易系统的全过程。从环境配置(Python 3.9安装、库依赖解决)到使用Tushare Pro获取行情数据(含注册积分技巧),最终实现了双均线策略系统。文中提供了30只主流股构建股票池的方法,并展示了Tushare接口调用示例代码,为量化交易初学者提供了可复制的实战路径。
针对如何自动化抓取 GitHub Trending 榜单并生成每周推荐清单的需求,我们可以通过构建一个基于 Python 的自动化情报系统来实现。该方案涵盖了数据采集、智能分析、格式化输出及自动部署的全流程,能够将繁琐的手动检索转化为高效的自动化工作流。
本教程介绍在Windows电脑上实现百度贴吧自动签到的方法。通过Python脚本和系统定时任务,可实现每天自动签到多个账号。主要步骤包括:1)安装Python环境;2)下载签到脚本;3)获取并配置贴吧Cookie;4)设置Windows定时任务。配置完成后系统会每天自动执行签到,支持多账号批量操作。教程详细说明了每个步骤的操作方法,并提供了脚本下载链接和注意事项,确保任务稳定运行。该方法简单易行,
同一个功能,既可以做成 Skill,也可以做成子智能体,到底该怎么选?这篇文章用几个简单的例子,讲清 Skill、Agent 和子智能体的区别。
ReAct 让 Agent 走出第一步,但真正的架构成熟,来自循环、执行、记忆与协作的叠加。真正成熟的 Agent 架构,远比一个“思考 + 行动”循环复杂。二、第二阶段:ReAct —— 决策循环的诞生。今天我们从架构演进的角度,讲清楚这条路径。五、第五阶段:引入记忆 —— 长期状态系统。ReAct 只是那个让它“动起来”的起点。Agent 不再是流水线,而是探索系统。此时系统更像一个组织,而不
漏洞复现学习由"好靶场“支持官网链接-好靶场平台-安全靶场-网络安全靶场。
真诚总结,拿走不谢~
Python数据类型转换分为隐式和显式两种。隐式转换由Python自动完成,如整数与浮点数运算时会自动转为浮点型;而不同类型(如整型与字符串)运算时需使用int()、float()、str()等函数进行显式转换。文章通过实例演示了这两种转换方式,并提供了常用类型转换函数表,包括int()、float()、str()等基本函数及其他特殊转换函数。
附教程!!
本教程介绍如何在Windows电脑上实现贴吧自动签到功能。通过Python脚本和系统定时任务,可免去手动签到的麻烦。主要步骤包括:安装Python环境,下载签到脚本,获取并配置贴吧Cookie,设置Windows定时任务实现每日自动运行。脚本支持多账号签到,配置完成后可长期自动执行。注意事项包括Cookie有效期和运行间隔等。该方法操作简单,一次设置即可实现贴吧签到的完全自动化。
建设/维护 Model Gateway:封装第三方模型API与自托管推理服务,做路由、限流、熔断、超时重试、计量与成本优化。参与实时会话/智能体编排核心开发:会话状态机(Actor/事件驱动)、多模态融合、可取消任务、延迟决策、工具调用等。熟悉 WebSocket/gRPC 等实时链路,理解限流/熔断/幂等/重试/背压/心跳/重连。做线上可观测与质量闭环:时延/成功率/错误码/成本指标、回放与回归
在处理长篇 Word 文档时,快速定位关键信息并将其突出显示是一项非常实用的技能。无论是审阅合同中的特定条款、标记技术文档中的关键术语,还是在学术论文中强调重要概念,掌握文本查找和高亮技术都能显著提高工作效率。本文将深入探讨如何使用 Python 实现多种场景下的 Word 文档文本查找与高亮功能。
本文系统梳理面向 Agent 的支付基础设施全景。
晚上十一点半。一个设计师盯着 Figma 文件,鼠标停在第 38 条评论上。客户说按钮再大一点。老板说首页再高级一点。
在文档管理和版权保护场景中,为 Word 文档添加水印是一项常见且实用的需求。无论是标记文档的机密级别、添加公司标识,还是注明文档状态(如"草稿"、"最终版"),水印都能在不影响正文阅读的前提下提供重要的视觉提示。本文将深入探讨如何使用 Python 实现多种场景下的 Word 文档水印添加功能。
在文档处理和自动化工作流中,将 PDF 转换为图片是一项常见且实用的需求。无论是生成文档预览缩略图、创建在线展示画廊,还是提取特定页面进行分享,掌握 PDF 转图片的技术都能显著提升工作效率。本文将深入探讨如何使用 Python 将 PDF 文档的每一页转换为高质量的图片格式。
而2和3中的任务是并发的,注意并发不等于并行,并发的意思是在只有一个线程的情况下,当其中一个任务遇到await点,进行不占用CPU的操作(如I/O),事件循环就可以切换到另一个任务,直到这个await运行完毕,继续这个任务。方法1中,由于test函数是异步的,所以`r = test("任务1", 2)` 这一行只会创建一个协程(返回r的类型是一个协程对象),里面的任务并不会实际运行,要等到下面的`
我自己的 WorkBuddy 里现在装了 37 个 Skill。有的负责内容创作,有的负责处理文件,也有刚才测试的 Local Whisper。调用 Skill 做任务会消耗积分,任务越复杂,消耗通常越多。企业微信可以接入 WorkBuddy 助理,人在外面也能给电脑上的 WorkBuddy 发任务。不少人第一步就被环境和依赖劝退了,Skill 还没用上,人先放弃了。你也可以像我刚才那样,直接告诉
scroll-world 是一个 Agent Skill,支持 Claude Code 和 Codex,通过 AI 全自动生成等轴投影场景图、摄像机飞入视频和接缝连接片段,最终产出一个「滚动驱动一镜到底」的沉浸式 Landing Page。本文详解其工作原理、安装方式和适用场景。
企业级流程Agent深度嵌入企业内部系统自主处理跨系统业务,金智维Ki-AgentS、字节"飞节智能体"是代表,真正扮演"数字员工"角色——金智维Ki-AgentS采用RPA+大模型双引擎架构,大模型负责理解规划,RPA引擎负责精准执行。没有统一协议之前,一家企业接入十个不同厂商的Agent工具,就要写十套不同的适配代码,工具越多,维护成本越高,规模效应反而变成了规模负担。,搭建六层评估框架:算力
文章摘要:许多企业在引入AI Agent时陷入误区,简单地将Agent嵌入原有流程,导致效率提升但责任分散更严重。真正的AI-native流程应以"决策闭环"为单位重构:将定义意图、执行任务和结果担责压缩至单一节点,按"判断点"重新划分权责,用结构化契约替代文件交接,并将失败经验沉淀为系统知识。核心在于组织需重构人机权责关系,而非仅让Agent加速旧流程。测试标准是:若将Agent替换为实习生后流
本文不做排名,而是从任务类型出发,梳理当前主流办公 Agent 的能力侧重与适用边界,帮助读者按自己的工作流做出更合理的选择。办公场景下的 AI Agent 工具正在快速增多,但用户真正需要解决的问题各不相同:有人需要把散落的资料整理成一份调研报告,有人需要定期清洗和汇总表格数据,还有人需要让 AI 帮忙写周报、做 PPT 大纲或追踪竞品动态。有的工具擅长长文本理解和对话式写作,有的擅长文件处理与
对跨境广告主来说,最有价值的不是“AI 能生成一条视频”,而是可以更低成本、更快速度地批量测试创意。
简单说:MCP Server是一个"翻译层",它把外部API的能力包装成大模型能理解的工具描述。配好之后,你在Cursor(或Claude Desktop、其他支持MCP的客户端)里直接说:"帮我搜一下深圳南山区3公里内的川菜馆,按评分排序"AI会自动调用滴图的POI搜索接口,拿到结果后整理成列表返回给你。你不需要写一行代码。MCP + 地图API = AI Agent的"空间感知能力"。滴图是唯
从一次次国家/地区研究,到一个可重复执行的Skill:记录这次SAP HCM本地化开源实践。
AI Agent求职避坑指南与进阶攻略 核心问题:为何同做AI Agent项目,有人拿大厂Offer,有人简历被刷? 避坑项:避免简单调用API、缺乏业务场景、无优化逻辑的“玩具项目”。 优质项目标准: 工程落地思维:解决企业痛点(如成本、效率、安全)。 技术深度:分层模型调度(低成本国产模型+高端模型协同)。 业务适配:多行业场景(金融/电商/政务等)的优化案例。 大厂面试官看重维度: 非技术堆
淘宝直播技术团队首先将 Harness 形式化为执行循环、工具注册、上下文管理、状态存储、生命周期钩子、评估接口六元组,并确立框架层兜底安全与状态、业务层专注 Skill 开发的分层架构。存储层面采用逻辑统一、物理分治:会话存 MySQL、记忆存 Hologres数仓(向量+全文+标量混合检索)、技能存 GitLab。实战部分覆盖上下文工程(分层压缩、Reducer 状态模式、大上下文卸载)、工具
密歇根大学提出 KV-Skill,把任务技能从提示词文本编译成模型可直接读取的外挂低秩算子。Qwen3.5-4B 在 LiveMath 上准确率从文本技能的 23.4 提升到 77.2,且不占用任何提示词位置;在同等参数预算的强化学习对比中 8 个设置赢下 7 个。
本文实测三大开源神器:LlamaFactory 让你用配置表就能微调 100+ 大模型,QLoRA 4bit 量化让 7B 模型仅需 6GB 显存即可训练;archify 作为 AI Agent 的"画图技能",一句话即可将代码仓库生成可交互的系统架构图,支持深色主题与多格式导出;no-mistakes 则在本地搭建 Git 代理网关,push 代码前自动经过 AI 审查、测试、Lint 检查,全
自然语言描述→ 项目结构分析→ 图表文件生成→ 自动布局→ 连接线检查→ 矢量导出→ 论文级精修如果追求稳定和通用性,建议优先使用 Draw.io 官方的。如果经常绘制深度学习模型、复杂架构和论文插图,可以尝试。Codex+ 一个主 Draw.io Skill+ Inkscape其中,Draw.io 负责图表结构,Inkscape 负责最终视觉精修,Codex 则负责理解需求、分析项目并持续修改可
真正好用的科研辅助工具,应当降低使用门槛,把复杂的模型、数据库封装在后台,留给用户简单直观的操作界面。功能偏向通用科研场景,缺少适配国内科研人员、生物医药领域的本地化优化,很多人折腾许久,最终只能浅尝辄止。而MedPeer深耕生物医药科研场景,充分考虑国内高校、医院、创新药企的学术要求,所有功能围绕SCI投稿、课题申报两大核心需求持续迭代。很多课题组、青年研究者没有精力钻研环境部署,也不愿花费大量
修辞立其诚