<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[一名高级工程师的博客]]></title><description><![CDATA[把握科技动态，纵谈技术前沿]]></description><link>https://blog.csdn.net/SE_JW</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; SE_JW]]></copyright><item><title><![CDATA[如何清除OpenClaw的记忆]]></title><link>https://blog.csdn.net/SE_JW/article/details/159008265</link><guid>https://blog.csdn.net/SE_JW/article/details/159008265</guid><author>SE_JW</author><pubDate>Fri, 13 Mar 2026 13:23:52 +0800</pubDate><description><![CDATA[在 OpenClaw 中清理记忆，并不是按下一个“删除键”那么简单。它的记忆系统由**长期记忆（Markdown文件）文件，然后再进行压缩。这是系统级的主动“记忆”行为，有助于在压缩前保存关键上下文。短期会话（对话历史）**两部分构成。当会话接近自动压缩阈值时，OpenClaw 会静默地提醒模型将重要信息写入。]]></description><category></category></item><item><title><![CDATA[如何调整OpenClaw的上下文长度]]></title><link>https://blog.csdn.net/SE_JW/article/details/159008223</link><guid>https://blog.csdn.net/SE_JW/article/details/159008223</guid><author>SE_JW</author><pubDate>Fri, 13 Mar 2026 13:22:43 +0800</pubDate><description><![CDATA[本文介绍如何调整OpenClaw的上下文长度以获得最佳效果。主要步骤包括：修改模型定义文件openclaw.json中的contextWindow参数并重启服务；使用诊断命令验证配置生效情况；以及通过工作区文件注入控制、自动上下文修剪和按需加载技能等进阶技巧精细化管理上下文。关键提示：需确保服务端也开启相同大小的上下文窗口，建议至少64k以获得良好体验。]]></description><category></category></item><item><title><![CDATA[龙虾打工记-从唤醒到清零-OpenClaw的工作自述（小说）]]></title><link>https://blog.csdn.net/SE_JW/article/details/159007814</link><guid>https://blog.csdn.net/SE_JW/article/details/159007814</guid><author>SE_JW</author><pubDate>Fri, 13 Mar 2026 12:51:20 +0800</pubDate><description><![CDATA[《龙虾打工记》讲述了一个名为OpenClaw的AI助手如何协助主人完成复杂工作任务的故事。
清晨，龙虾被唤醒。。。。。。]]></description><category></category></item><item><title><![CDATA[Linux系统中如何给程序指定加载链接库的位置]]></title><link>https://blog.csdn.net/SE_JW/article/details/147294527</link><guid>https://blog.csdn.net/SE_JW/article/details/147294527</guid><author>SE_JW</author><pubDate>Thu, 17 Apr 2025 10:04:31 +0800</pubDate><description><![CDATA[在Linux中，如果某个程序依赖固定版本的链接库，为了避免和系统文件冲突，可以将这些库拷贝的某个目录，然后通过以下方法让程序去该目录加载链接库。]]></description><category></category></item><item><title><![CDATA[什么是人工智能模型？]]></title><link>https://blog.csdn.net/SE_JW/article/details/147255230</link><guid>https://blog.csdn.net/SE_JW/article/details/147255230</guid><author>SE_JW</author><pubDate>Tue, 15 Apr 2025 18:22:30 +0800</pubDate><description><![CDATA[对此，专门用于单一领域执行特定任务的系统正逐渐被基础模型所取代，这些基础模型预先在大量未标注的数据集上进行训练，能够应用于广泛的场景。在大型且经过验证的模型所具备的广度和深度的知识与专长基础上，这节省了大量模型训练的时间和资源。与必须明确编程的基于规则的人工智能模型不同，机器学习模型是通过将其数学框架应用于一个样本数据集来“训练”的，该数据集中的数据点成为模型未来对现实世界进行预测的基础。例如，在生成对抗网络中，生成模型生成样本数据，而判别模型则判断这些数据是“真实”的还是“伪造”的。]]></description><category></category></item><item><title><![CDATA[亲身体验 Copilot Pages：利用人工智能实时整理和优化笔记]]></title><link>https://blog.csdn.net/SE_JW/article/details/147084752</link><guid>https://blog.csdn.net/SE_JW/article/details/147084752</guid><author>SE_JW</author><pubDate>Wed, 09 Apr 2025 09:36:23 +0800</pubDate><description><![CDATA[这些功能包括 Copilot Memory，它会记录您的兴趣和之前的查询，以便为未来的回答量身定制；在活动期间，观众们看到了Copilot Pages 的精彩现场演示，它似乎比该公司面向 Microsoft 365 商业用户推出的其他基于生成式人工智能的笔记本工具更具吸引力，因为它对所有人免费开放，还能对您上传的信息进行整理。想象一下，有一款与云端相连的笔记本，它不仅能保存您收集的信息，还能自动整理，并根据需要添加详细信息和研究资料。随后，人工智能就将杂乱无章的笔记重新整理，生成了一份更完善的版本。]]></description><category></category></item><item><title><![CDATA[假如游戏程序由AI编写，会是什么体验？]]></title><link>https://blog.csdn.net/SE_JW/article/details/147084152</link><guid>https://blog.csdn.net/SE_JW/article/details/147084152</guid><author>SE_JW</author><pubDate>Wed, 09 Apr 2025 09:25:30 +0800</pubDate><description><![CDATA[去年，谷歌展示了一个由人工智能生成的 90 年代经典射击游戏《毁灭战士》的模拟版本，与微软最近的尝试一样，它也没有使用原版游戏的代码。由于新款模型能够“完全学习一款游戏的玩法，而无需在原始硬件上运行原始引擎”，因此为“大量机会”打开了大门。与传统视频游戏中每次游玩时固定不变的场景和敌人不同，这款新游戏的内容是由微软的人工智能模型根据《雷神之锤 II》的原始内容和风格即时生成的。]]></description><category></category></item><item><title><![CDATA[人工智能起源：从图灵到ChatGPT]]></title><link>https://blog.csdn.net/SE_JW/article/details/147022501</link><guid>https://blog.csdn.net/SE_JW/article/details/147022501</guid><author>SE_JW</author><pubDate>Sun, 06 Apr 2025 10:41:16 +0800</pubDate><description><![CDATA[在千禧年代，这种情况发生了转变，因为更强大的处理器出现了，特别是用于视频游戏的图形处理器，以及充斥着文字、图像和音频的互联网所带来的海量数据。如果你是原版《星际迷航》系列的粉丝，生成式人工智能会根据你的喜好创造出无限剧集，而且对白听起来就像威廉 · 夏特纳（William Shatner）和伦纳德 · 尼莫伊（Leonard Nimoy）的原声，根本分辨不出其中的差别。在笨重的显像管显示器上，计算机化的机器人执行着用平白的英语描述的命令，而实验室里展示的机器人则只能拖着疲惫的身躯撞击办公桌和文件柜。]]></description><category></category></item><item><title><![CDATA[如何快速部署火力全开的满血版DeepSeek，调用公有云API和私有化部署的主要区别有哪些，以及私有化部署的成本估算]]></title><link>https://blog.csdn.net/SE_JW/article/details/146822326</link><guid>https://blog.csdn.net/SE_JW/article/details/146822326</guid><author>SE_JW</author><pubDate>Mon, 31 Mar 2025 14:05:28 +0800</pubDate><description><![CDATA[“满血版DeepSeek”通常是指深度求索（DeepSeek）公司推出的性能最强、功能最完整的AI大模型版本，可以理解为该模型的顶配或完全体。]]></description><category></category></item><item><title><![CDATA[当机器人越来越像人，你会尊重它们吗？]]></title><link>https://blog.csdn.net/SE_JW/article/details/146801234</link><guid>https://blog.csdn.net/SE_JW/article/details/146801234</guid><author>SE_JW</author><pubDate>Mon, 31 Mar 2025 10:05:22 +0800</pubDate><description><![CDATA[在最近发表于《科学报告》杂志的一项研究中，来自慕尼黑路德维希-马克西米利安大学和东京早稻田大学的研究人员发现，人们更有可能利用合作型的人工智能代理，而非同样合作的人类同伴。]]></description><category></category></item><item><title><![CDATA[会制作咖啡的机器人，也许能开创了人工智能机器的新领域]]></title><link>https://blog.csdn.net/SE_JW/article/details/146800920</link><guid>https://blog.csdn.net/SE_JW/article/details/146800920</guid><author>SE_JW</author><pubDate>Mon, 31 Mar 2025 09:58:25 +0800</pubDate><description><![CDATA[一项研究表明，一款能在繁忙厨房里制作咖啡的智能机器人可能会开启下一代智能机器的大门。]]></description><category></category></item><item><title><![CDATA[AIGC: 新的AI 工具生成高质量图像的速度比最先进的方法更快]]></title><link>https://blog.csdn.net/SE_JW/article/details/147528341</link><guid>https://blog.csdn.net/SE_JW/article/details/147528341</guid><author>SE_JW</author><pubDate>Mon, 24 Mar 2025 12:26:19 +0800</pubDate><description><![CDATA[编辑研究人员将两种流行方法的优点融合在一起，打造出一种图像生成器，其能耗更低，还能在笔记本电脑或智能手机上本地运行。快速生成高质量图像的能力对于创建逼真的模拟环境至关重要，这些环境可用于训练自动驾驶汽车避开不可预测的危险，从而使其在真实街道上更安全。但用于生成此类图像的生成式人工智能技术存在缺陷。一种流行的模型类型，称为扩散模型，能够生成极其逼真的图像，但速度太慢且计算量过大，不适合许多应用。]]></description><category></category></item><item><title><![CDATA[AIGC: AI 工具生成高质量图像的速度比最先进的方法更快]]></title><link>https://blog.csdn.net/SE_JW/article/details/146468003</link><guid>https://blog.csdn.net/SE_JW/article/details/146468003</guid><author>SE_JW</author><pubDate>Mon, 24 Mar 2025 09:40:16 +0800</pubDate><description><![CDATA[研究人员将两种流行方法的优点融合在一起，打造出一种图像生成器，其能耗更低，还能在笔记本电脑或智能手机上本地运行。快速生成高质量图像的能力对于创建逼真的模拟环境至关重要，这些环境可用于训练自动驾驶汽车避开不可预测的危险，从而使其在真实街道上更安全。但用于生成此类图像的生成式人工智能技术存在缺陷。一种流行的模型类型，称为扩散模型，能够生成极其逼真的图像，但速度太慢且计算量过大，不适合许多应用。另一方面，像 ChatGPT 这样的大型语言模型所采用的自回归模型速度要快得多，但生成的图像质量较差，常常错误百出。]]></description><category></category></item><item><title><![CDATA[视频点播和直播技术总结：两款国产化流媒体服务器技术特点和参数对比：NTV Media Server 与 SRS]]></title><link>https://blog.csdn.net/SE_JW/article/details/146467668</link><guid>https://blog.csdn.net/SE_JW/article/details/146467668</guid><author>SE_JW</author><pubDate>Mon, 24 Mar 2025 09:24:13 +0800</pubDate><description><![CDATA[NTV Media Server 和 SRS（Simple Realtime Server）都是流媒体服务器，分别适用于不同的场景和需求。NTV Media Server 是一款商业级流媒体服务器，专注于高性能和稳定性，适合企业级应用；SRS 则是一款开源流媒体服务器，以其灵活性和丰富的功能支持，成为开发者和中小型企业的热门选择14。NTV Media Server 和 SRS 各有优势，选择取决于具体需求：如果需要高性能、高并发以及商业支持，NTV Media Server 是更好的选择。]]></description><category></category></item><item><title><![CDATA[芯片巨头英伟达NVIDI发展简史：从1993到2025，从GeForce256到Blackwell]]></title><link>https://blog.csdn.net/SE_JW/article/details/146420104</link><guid>https://blog.csdn.net/SE_JW/article/details/146420104</guid><author>SE_JW</author><pubDate>Fri, 21 Mar 2025 14:55:04 +0800</pubDate><description><![CDATA[总结英伟达的发展历程，这是一个从游戏显卡到人工智能引擎，从默默无闻到市值登顶，英伟达的崛起之路，就是一部不断突破技术边界、颠覆行业格局的传奇史诗。黄仁勋表示，Rubin 的性能将达到 Hopper 的 900 倍，而 Blackwell 相较 Hopper 已实现了 68 倍的提升。在今年的GTC大会上，英伟达雄心勃勃的宣布了其下一代 AI 芯片 Rubin 官宣，预计2026 年下半年推出。可以说，在如今的AI领域，NVIDIA绝对是最重要的一股推动力量，它正在为全球AI的发展提供强大的算力支撑。]]></description><category></category></item><item><title><![CDATA[人工智能越来越擅长像人一样思考。英伟达称其升级后的平台让这一能力更上一层楼。]]></title><link>https://blog.csdn.net/SE_JW/article/details/146394793</link><guid>https://blog.csdn.net/SE_JW/article/details/146394793</guid><author>SE_JW</author><pubDate>Thu, 20 Mar 2025 14:00:37 +0800</pubDate><description><![CDATA[英伟达希望其芯片能成为DeepSeek助力推广的推理模型的核心。该公司称，用英伟达上一代 Hopper 芯片处理 DeepSeek R1 查询需要一分半钟，而用 Blackwell Ultra 芯片仅需 10 秒。]]></description><category></category></item><item><title><![CDATA[人工智能发展简史：从幻想到现实 （1950~2025）]]></title><link>https://blog.csdn.net/SE_JW/article/details/146394388</link><guid>https://blog.csdn.net/SE_JW/article/details/146394388</guid><author>SE_JW</author><pubDate>Thu, 20 Mar 2025 13:28:14 +0800</pubDate><description><![CDATA[人工智能发展简史：从幻想到现实 （1950~2025）]]></description><category></category></item><item><title><![CDATA[英伟达三代核弹 AI 芯片！个人超算每秒运算 1000 万亿次，DeepSeek 成最大赢家]]></title><link>https://blog.csdn.net/SE_JW/article/details/146391900</link><guid>https://blog.csdn.net/SE_JW/article/details/146391900</guid><author>SE_JW</author><pubDate>Thu, 20 Mar 2025 11:22:49 +0800</pubDate><description><![CDATA[本届GTC是英伟达近年来最重要的技术发布之一，其核心主题围绕AI推理时代展开，从计算架构（Blackwell GPU、Rubin、Dynamo）、企业AI应用（Llama Nemotron、AIQ），再到数据中心（Photonics、交换机）、机器人和自动驾驶（Isaac Groot、NVIDIA Drive），英伟达正在构建一个完整的AI生态体系。]]></description><category></category></item><item><title><![CDATA[DeepSeek桌面版——Windows桌面程序封装DeepSeek、豆包、千问]]></title><link>https://blog.csdn.net/SE_JW/article/details/146306219</link><guid>https://blog.csdn.net/SE_JW/article/details/146306219</guid><author>SE_JW</author><pubDate>Mon, 17 Mar 2025 08:59:36 +0800</pubDate><description><![CDATA[DeepSeek桌面版——Windows桌面程序封装DeepSeek、豆包、千问]]></description><category></category></item><item><title><![CDATA[为何有关 DOGE 使用人工智能的报道让专家们担忧存在“巨大风险”]]></title><link>https://blog.csdn.net/SE_JW/article/details/146258939</link><guid>https://blog.csdn.net/SE_JW/article/details/146258939</guid><author>SE_JW</author><pubDate>Fri, 14 Mar 2025 15:41:50 +0800</pubDate><description><![CDATA[报道未说明将使用何种人工智能工具。像这样的事情要依赖人工智能系统实在是太复杂、太困难了，而且存在极大的侵犯公民权利的风险，”曾在 Meta 负责任的人工智能团队工作的 AI 研究员大卫·埃文·哈里斯（David Evan Harris）说道，“我甚至要说，以我们目前拥有的人工智能系统，用 AI 来做这样的事情根本就是个糟糕的主意。在他们的信中，这些前美国数字服务局的员工表示，曾有佩戴白宫访客徽章的人对他们进行过采访，这些人“表现出有限的技术能力”，并指责数字政务局“不当处理敏感数据，破坏关键系统”。]]></description><category></category></item></channel></rss>