自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

白洞，白色的明天在等着我们

  • 博客(362)
  • 资源 (50)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 为什么一夜之间大家都在做 CLI？

**摘要：**近期多家企业不约而同推出CLI工具，如飞书、Google、Stripe等将核心服务能力封装为命令行接口。这一现象源于AI时代CLI的独特优势：结构化交互契合AI处理能力、Unix哲学与Agent设计同构、可编程性扩展自动化潜力。相比GUI，CLI在可组合性、资源占用和远程操作等方面表现更优，能有效缓解开发者面临的技术栈迭代快、项目复杂度高等痛点。巨头如Anthropic、OpenAI和Google纷纷布局CLI战略，开源社区也积极参与。深层原因是LLM能力跨越临界点、开发范式向"自然

2026-03-31 08:38:20 7759

原创 从失控到可控：企业级AI四层安全隔离架构实战

企业级AI系统需解决"敢不敢用"问题，构建可控、可监管的安全治理框架。OpenClaw安全事件暴露了AI工具在企业应用中的治理缺口，包括权限失控、数据泄露等风险。FinClaw采用四层安全隔离架构（MicroVM/容器/系统沙箱/运行时）实现纵深防御，通过工具调用三态控制、细粒度审批流和全链路审计日志，确保AI操作在受控环境中执行。系统内置四层脱敏机制，覆盖输入、处理、输出和日志环节，并支持与企业现有身份认证体系集成，使AI助手真正融入企业IT治理体系。这种"可治理的自主&qu

2026-03-24 08:34:40 25337

原创 微信迈出开放第一步！微信 ClawBot 接入 OpenClaw 原理 与 如何将自定义聊天通道接入 OpenClaw

这是本文的核心干货部分。如果你想把任何一个自定义聊天平台接入 OpenClaw，需要理解并实践以下几个关键步骤。微信迈出了开放的第一步，就看其他 Agent 厂商愿不愿意跟进了，拭目以待。OpenClaw 的 Channel 插件架构设计优雅，扩展性强。无论是微信、钉钉还是任何自定义平台，只要实现 ChannelProvider 接口，就能无缝接入这个 AI Agent 生态。对于开发者而言，这是一个前所未有的机会。掌握 OpenClaw 插件开发，就等于掌握了下一次 AI 时代的入口。

2026-03-23 13:29:24 5224

原创 OpenClaw 2026.3.13 配置完全解析：敢改+会修才是真掌握

配置文件不是圣旨，它是你的工具箱。OpenClaw 为什么好用？因为它把控制权交给了你。哪个渠道能接、哪个模型能用、哪些技能要开、哪些日志要记——全部由你决定。不敢改，永远只是使用者。敢改、会修，才能成为真正的主人。下次面对配置文件，别慌。敢改+会修，才是真掌握。本文基于 OpenClaw v2026.3.13 版本编写，配置示例仅供参考，请根据实际情况调整。

2026-03-18 16:12:34 4124 1

原创 大模型显存计算攻略：推理与训练微调所需显存估算指南

本文系统介绍了大语言模型在不同场景下的显存计算方法。首先分析了推理场景下模型权重、KV缓存和激活值的显存占用，FP16精度下每10亿参数约需2GB显存。全参数微调时显存需求激增，约为推理的3-4倍，7B模型需要110-140GB显存。LoRA微调通过冻结原参数、训练低秩适配器，7B模型仅需24-28GB显存。QLoRA结合4位量化技术，65B大模型微调仅需48GB显存。文章还提供了常见模型的显存参考表，并推荐了多个在线计算工具，帮助开发者合理规划硬件配置和优化策略。

2026-03-17 21:42:39 14165

原创 OpenClaw 3.13重磅更新，小龙虾这次真的能流畅操作浏览器了

OpenClaw 3.13版本带来重大更新：可直接操控用户当前Chrome浏览器会话，保留所有登录状态和Cookies。通过Chrome DevTools MCP协议实现无缝连接，解决以往需要重新登录的问题。新增Browser Profile功能，简化浏览器调用配置；支持批量操作和CSS/XPath精准定位，大幅提升效率；采用CDP协议降低延迟，复用浏览器实例节省资源。该版本能有效规避传统反爬虫机制，适用于合法自动化场景。升级简单，配置友好，显著改善浏览器自动化体验。

2026-03-17 17:39:19 3277 1

原创 Serverless 时代的内核革命——华为 openYuanrong 深度解析 异构多级缓存与 D2D 高速传输实测

华为开源的openYuanrong是首个Serverless分布式计算引擎，采用"分布式内核"设计理念，旨在让开发者获得单机编程体验的同时实现分布式高性能运行。针对AI大模型训练与推理的挑战，openYuanrong通过多语言函数运行时、函数系统和数据系统三大核心组件，创新性地提出DPOSIX标准，支持异构资源调度与GPU高速传输。其数据系统通过计算旁置、共享内存机制和多级缓存优化，显著提升GPU利用率并降低延迟。部署支持x86/ARM架构，提供从单机测试到多节点生产环境的灵活方

2026-03-15 16:25:48 6338 1

原创 为什么我建议你还是自己写小龙虾的 Skills？手把手教你打造专属自动化文献阅读工作流

最近我发现一个有趣的现象：很多人跟风安装了OpenClaw，配置好了模型渠道，却在“技能市场”（ClawHub）里挑花了眼。下载了几十个Skills，结果发现——**用起来并不顺手**。要么是功能太通用，跟自己的实际工作流对不上号；要么是权限太大，安全性让人心里发毛；要么就是水土不服，各种报错。这其实是一个必然阶段。OpenClaw的核心优势不在于它自带多少工具，而在于它的**Skills（技能）系统**——你可以把它理解成一个“可插拔的工具箱”。别人写的技能再好，那也是别人的工作流；真正能让AI成

2026-03-13 14:23:17 1867

原创 烧完五百块token费用后，我把OpenClaw的Token消耗砍掉了70%，我的OpenClaw省钱指南

打开社交平台，满屏都是「Token焦虑」和「龙虾受害者」的哀嚎。有人6小时消耗**9000万Token，账单170美元**；有人实测复杂程序调试，**一天烧掉10亿Token，花费近万元；有人养不起了，放弃养虾，找人花299上门卸载。**「开源免费」的标签贴在OpenClaw身上，但当你真正把它跑起来，会发现**免费的只是门票，养AI的成本才是真正的门槛**。今天带来的是一份**真金白银换来的省钱实战方案**。**核心逻辑一句话：理解Token去向，让对的模型干对的事。**

2026-03-12 10:46:50 7474

原创 【一点浅思】Transformer架构是否已经触及性能天花板？未来架构突破的方向在哪里？

**Transformer架构虽主导AI领域，但面临计算复杂度、组合推理能力和幻觉问题三大局限。业界正探索改进方案：状态空间模型（如Mamba-3）实现线性复杂度突破，RWKV架构提升效率，混合专家模型（如DeepSeek MoE）优化推理性能。短期通过注意力机制优化和强化学习挖掘Transformer潜力，中长期新架构将与Transformer融合。尽管Transformer生态惯性巨大，但AI技术演进已进入多元化探索阶段，未来5-10年或将见证下一代架构的规模化应用。

2026-03-09 13:19:35 13518

原创 OpenClaw到底能做什么？有什么用？先装这几个实用的Skills

OpenClaw的核心竞争力在于其Skills生态系统，通过5000+专业工具扩展AI能力。主要推荐Skills包括：Gog（Google Workspace管理，48万安装）、Summarize（内容摘要，37万安装）、Nano PDF（PDF编辑）、Notion/Obsidian（知识管理）等。用户可通过ClawHub官方市场或Awesome OpenClaw社区精选获取，使用简单命令行安装。建议新手从Gog和Summarize开始，逐步构建自动化工作流，同时注意选择官方认证Skills保障安全。

2026-03-03 13:31:32 19242

原创 # Agent记忆机制：人工智能拥有“记忆”意味着什么

如果你正在构建一个真正智能的AI助手，它能否记住上一次对话中用户提到的偏好？能否从过去的失败中学习到有效的策略？能否在处理长文档时保持对关键信息的追踪？这些能力的背后，都离不开一个核心机制——Agent记忆系统。本文将深入浅出地解析当前AI Agent领域最前沿的记忆机制设计。

2026-02-28 10:15:57 776

原创 OpenClaw接入飞书全流程：打造你的24小时AI助手

这篇文章将手把手教你如何在云服务器上部署OpenClaw并接入飞书，打造一个24小时待命的AI助手。

2026-02-21 09:27:53 20369 2

原创 从“提示词猜谜”到“精准导演”：Seedance 2.0 开启 AI 视频的工业化时代

**摘要： 字节跳动发布的Seedance 2.0标志着AI视频生成进入"导演时代"，通过创新技术解决行业核心痛点。其双分支扩散变换器架构（Dual-branch Diffusion Transformer）实现多模态信息的并行处理与深度融合，配合全能参考系统支持12个参考文件输入，可精准控制角色、风格、运镜和音画同步。相比传统AI视频模型，Seedance 2.0在角色一致性（消除"漂移"问题）、风格复现和原生音画同步（音频驱动画面）方面表现突出，并能原生输出2K/

2026-02-10 13:36:51 17247

原创 从“陪聊”到“点外卖”：为什么说生成式UI（GenUI）才是AI应用的终局？

摘要 生成式UI（GenUI）正在颠覆传统AI交互模式。近期火爆的"千问AI点奶茶"案例展示了GenUI的实用价值：AI不仅能理解用户意图，还能动态生成可操作界面。与传统对话式AI相比，GenUI实现了"意图驱动"的动态交互，显著提升用户体验和操作效率。目前GenUI主要有三种实现范式：静态UI、声明式UI和开放式UI，各具适用场景。其技术架构依赖智能体与前端间的实时双向通信，核心协议包括AG-UI、A2UI和MCP Apps。随着Vercel AI SDK等开发工具

2026-02-09 17:23:43 6197

原创 OpenClaw架构详解：一只“龙虾”如何征服10万+GitHub Stars

今年一月，一个名为OpenClaw的开源AI项目，像一只横空出世的“龙虾”，在短短两个月内席卷了GitHub，收获超过10万颗星。这不仅仅是一个数字，更是一个强烈的信号：开发者们渴望的，不再是只能“聊天”的AI，而是一个能真正“动手干活”的数字伙伴。

2026-02-06 09:07:12 11977 2

原创 AI Agent能力扩展两大关键路径：一文读懂Agent Skills和MCP协议的核心原理与设计哲学

Agent Skills 和 Model Context Protocol (MCP)已成为扩展 AI 智能体能力的两大核心技术路径。Agent Skills 侧重于将领域专业知识和工作流以文件化的形式进行封装，强调便携性和可读性；而 MCP 则致力于构建一套标准化的通信协议，旨在将 AI 应用程序与各种外部工具、数据源和系统无缝连接。两者虽然在设计理念和实现路径上有所差异，但共同的目标都是为了赋能 AI 智能体，使其能够处理更广泛、更复杂的任务。

2026-02-03 10:58:58 5688

原创 RAG 深度实践系列（七）：从“能用”到“好用”——RAG 系统优化与效果评估

当 RAG 系统真正步入生产环境，面对海量异构数据和复杂的业务咨询时，开发者往往会陷入一种“看似规范，实则失控”的困境。检索结果相关性波动、模型对上下文理解的断裂、以及挥之不去的“幻觉”问题，都在提醒我们：RAG 绝非简单的“向量数据库 + 大模型”的堆砌，而是一个对细节极度敏感、需要精细化运营的系统工程。它需要我们从“能用”的阶段，迈向“好用”乃至“卓越”的质变之路。

2026-02-02 09:32:14 9643

原创 RAG 深度实践系列（六）：基于科大讯飞 RAG + 星火知识库的企业级实战指南

企业级RAG技术落地面临私域知识时效性和大模型"幻觉"两大核心挑战。科大讯飞通过星火认知大模型和知识库解决方案提供完整生态支持：1）开放平台提供API和算力底座；2）知识库实现非结构化文档向量化存储与语义检索；3）支持WebSocket实时问答和多轮对话管理。关键技术优化包括文档语义分块、检索结果精排、Prompt工程等，并需建立全链路调试体系。未来RAG将与智能体技术深度融合，实现主动检索和动态知识更新。讯飞AI大学堂推出限时免费的RAG工程师认证课程，助力开发者实现技术落地跨越。

2026-01-30 09:31:19 4608

原创 RAG 深度实践系列（五）：RAGFlow 的部署使用与架构分析

从 RAGFlow 的微服务架构深度解析到 Docker 容器化的快速部署，再到异步任务流转与 Agent 工作流的编排，RAGFlow 为我们提供了一个构建企业级 AI 应用的强大底座。然而，真正的工程挑战往往隐藏在索引优化、多语言适配以及系统监控等细节之中。为了帮助您在 RAG 领域实现从“平台使用者”到“架构设计者”的跨越，AI大学堂精心打造了RAG工程师认证。这份证书将是你系统化掌握 AI 落地核心能力的绝佳机会，认证现已开启，限时免费，点击下方链接，开启您的 RAG 进阶学习之旅：🔗。

2026-01-29 11:20:29 10551

原创 告别模型选型焦虑：基于AI Ping+Coze搭建智能网关，实现多模型统一调度与成本优化

当前大模型技术快速发展，但模型服务的碎片化成为企业应用的瓶颈。AI Ping作为智能模型网关，通过统一API接口和协议转换，将各厂商API封装为标准OpenAI格式，简化接入流程。其核心智能路由引擎基于实时性能数据（延迟、吞吐量、成本等）实现动态调度，支持价格优先、延迟优先等策略。结合Coze平台，可构建具备故障自愈和成本优化能力的工作流，实现对话、绘图等多功能集成。AI Ping还提供细粒度成本分析和性能监控，支持企业精细化模型资产管理。该方案解决了多模型服务接入复杂、成本不可控等问题，为企业提供高效、稳

2026-01-28 14:54:30 9246

原创 RAG 深度实践系列（四）：从零动手搭建一个 RAG 系统——代码实战与工程避坑指南

本文介绍了RAG（检索增强生成）系统的工程化落地实践，包括离线索引和在线检索生成两大阶段。首先，文章强调了环境配置和核心依赖安装的重要性，推荐使用Python虚拟环境管理项目依赖。在离线索引阶段，重点讲解了数据加载、文本分割和向量存储的实战操作，其中文本分割策略和参数调优尤为关键。在线检索生成阶段则通过LCEL链式调用实现高效检索与生成，并展示了检索器的调用方法。文章还提供了AI大学堂的RAG工程师认证课程信息，帮助开发者系统掌握AI落地能力。整个流程涵盖了从理论到工程实践的关键环节，为构建稳定、高性能的R

2026-01-28 09:41:30 5946

原创 RAG 深度实践系列（三）：RAG 技术演变与核心架构的深度剖析

RAG技术经历了从基础检索到智能决策的演进过程：Naive RAG确立基本范式但存在语义破坏和单一检索局限；Advanced RAG通过查询优化、混合检索和重排序等精细化手段提升性能；Modular RAG实现模块化架构，GraphRAG引入知识图谱增强逻辑推理；最终Agentic RAG结合智能体技术，具备自主决策、任务规划和自我反思能力。这一演进体现了RAG系统从被动知识搬运到主动智能决策的转变，为解决复杂场景下的信息检索和推理问题提供了更强大的解决方案。

2026-01-27 09:13:54 8370

原创 RAG 深度实践系列（二）：工作流程、核心组件与高级优化策略

摘要：本文详细介绍了检索增强生成（RAG）系统的工作流程与核心组件。RAG系统通过查询解析、文档检索、信息整合与回答生成四个阶段，将大型语言模型（LLM）与外部知识库结合。重点分析了稀疏检索、密集检索和混合检索三种策略的优劣，以及数据预处理、文本分块、嵌入技术和向量存储等关键技术。文章还探讨了如何优化分块策略、选择合适的嵌入模型，并强调了混合检索在提高召回率和鲁棒性方面的优势。RAG系统通过语义匹配和知识增强，显著提升了LLM生成内容的准确性和可靠性。

2026-01-26 11:21:26 7381

原创 都在卷？我用企业级AI智能体写了一个“斗破苍穹”伪装阅读器，老板以为我在修改内核

作为一名每天在 VSCode 里“刨食”的码农，最痛苦的不是由红变黄时刻的报错，而是——**“三十年河东，三十年河西，莫欺少年穷”**看到一半，产品经理突然站了起来。用浏览器看小说？太显眼，切屏都来不及。用手机看？低头族很容易被行政抓包。有没有一种办法，能让小说直接变成 IDE 里的代码？看屏幕，满眼都是 `def`、`class`、`import`，好像在进行高深的架构设计，实际上每行标志名连起来，却是萧炎在炼药、打怪、升级？

2026-01-15 21:35:32 10408

原创 程序员接单怎么做更稳？2026年实操路线与平台全梳理

程序员接单并不是一条轻松赚钱的捷径，而是一项需要判断力、沟通能力和持续积累的长期能力。平台只是工具，真正决定你能走多远的，是你能否选对项目、控制风险，并不断提升自己的交付质量。如果你已经开始认真考虑程序员接单，那么从筛选平台、小项目起步、逐步建立自己的接单体系，会比盲目追求高价项目更稳妥。只要节奏对了，接单这条路，确实值得走。

2026-01-15 13:08:14 13372

原创 文档解析与问答实战——三步搭建基于TextIn与Coze的智能文档Agent方案

为突破 RAG 与 Agent 在文档感知层面的工程瓶颈，引入专业的文档智能解析工具成为必然选择。TextIn 正是面向这一核心问题构建的文档智能解析引擎，其目标并非单纯完成 OCR，而是输出“对大模型友好”的高质量结构化语义结果。

2025-12-30 12:43:09 28002 10

原创 【AI落地应用实战】基于 Amazon Redshift + dbt + MWAA 搭建现代数据栈

本文介绍了基于Amazon Redshift、dbt和MWAA的现代数据栈解决方案。通过ELT模式实现高效数据处理，先加载原始数据至Redshift，再利用dbt进行数据转换和建模。方案采用MWAA托管Airflow实现工作流自动化，结合Cosmos简化dbt任务编排。文章详细阐述了环境搭建步骤，包括Redshift Serverless配置、dbt项目初始化、MWAA环境创建及CI/CD管道构建，为大规模数据分析提供了可扩展、自动化的数据处理框架。

2025-12-17 16:12:10 17231

原创 深度解析openFuyao核心组件：从NUMA亲和调度看云原生算力释放新思路

随着 AI 大模型、自动驾驶、实时数据分析、云计算 等技术的爆发式增长，现代计算系统正承受前所未有的算力需求。大模型训练需要 海量矩阵运算 与 高带宽内存；数据中心要处理 实时海量数据流；企业级业务希望在更低成本下获得更高吞吐与更低时延。结果就是：“算力”成为新的生产力核心，CPU/GPU 集群的每一分性能都至关重要。现在算力对于AI发展来说真的是至关重要。

2025-12-11 20:54:54 18856

原创 数据报表案例详解|基于smardaten实现预算管理系统的报表分析

在数字化转型浪潮中，企业面临着海量数据处理和高效决策支持的双重挑战。传统报表制作方式周期长、响应慢，业务人员过度依赖技术团队，导致数据价值难以充分发挥。特别是面对中国式复杂报表需求时，传统的BI工具往往力不从心，业务人员需要一种能够快速响应变化、直观易用且支持深度分析的数据报表解决方案。

2025-12-11 11:03:41 22370

原创 深入 openFuyao 内核：在离线混部调度器的设计与实现

openFuyao的技术生态：构建了覆盖“硬件-内核-调度-运维”的全链路协同技术生态。底层依托openEuler等支持cgroup v2的操作系统，结合Intel RDT/ARM MPAM硬件特性奠定隔离基础；调度层集成Volcano调度器，实现优先级排序、资源抢占与重调度；单机层通过rubik引擎、colocation-agent等组件实现精细化管控；上层无缝适配K8s生态，支持NRI无侵入式Pod管理，搭配完善的运维配置与监控工具，可灵活支撑AI推理、在线服务、离线计算等多元业务场景。

2025-12-10 11:25:30 15271

原创 openEuler开发环境：GCC编译构建效率基准测试

本文记录了在openEuler 22.03 LTS系统上部署Nginx 1.21.5的全过程。通过dnf包管理器一键安装包含14个依赖包，验证了openEuler良好的软件生态。详细介绍了Nginx服务启动、配置文件结构分析，并演示了创建自定义站点的完整流程，包括创建测试页面、配置虚拟主机和访问测试。整个过程展现了openEuler作为生产环境操作系统的成熟度，其模块化配置设计和systemd集成使Web服务部署变得高效便捷，运维成本显著降低。

2025-12-08 23:10:08 11080

原创 openEuler软件生态体验：快速部署Nginx Web服务器

本文记录了在openEuler 22.03 LTS系统上部署Nginx的全过程。通过dnf包管理器一键安装Nginx 1.21.5稳定版及其14个依赖包，验证了openEuler软件生态的完善性。配置过程展示了模块化配置文件结构、systemd服务管理以及自定义站点创建方法，包括创建现代化HTML页面和8080端口监听配置。整个部署过程耗时不到10分钟，从安装到测试均顺畅无阻，证明openEuler已具备生产环境所需的成熟度。文章还提供了openEuler官网和DistroWatch榜单链接，推荐读者了解这

2025-12-08 23:07:35 12306 4

原创 openEuler网络优化：TCP/IP协议栈性能深度测评

openEuler网络协议栈性能测评显示其具备出色的网络处理能力。测试表明单线程TCP吞吐量达45.4Gbps且零重传，2线程实现1.89倍近线性加速，百次SSH连接建立仅30ms（平均0.3ms）。系统成功处理5000个并发连接，数据包处理延迟仅0.054ms且零丢包。压力测试中吞吐量稳定在50Mbps±1%，展现了优化的内核协议栈性能。openEuler在单连接高性能计算、多核并行处理和高并发场景下均表现优异，网络协议栈性能达到业界先进水平。

2025-12-08 23:01:35 17857

原创 【解决方案】PASCAL VOC 、YOLO txt、COCO目标检测三大格式简述与PASCAL VOC COCO格式互转

在目标检测领域，**PASCAL VOC**、**YOLO**（You Only Look Once）和 **COCO**（Common Objects in Context）是公认的三大主流标注格式。它们各自代表了技术发展历程中的不同阶段，承载着不同的设计哲学和应用场景。对于任何从事目标检测的工程师或研究人员而言，深入理解这三种格式的底层逻辑、核心差异，并掌握它们之间的精确转换方法，是构建高效、灵活数据集管理流程的关键。本文将对这三种格式进行深度解析，对比它们在坐标表示、文件结构上的技术差异，并提供一

2025-12-08 13:59:47 11771

原创 【AI落地应用实战】具身智能驱动：基于魔珐星云SDK构建高拟真AI面试官

本文探讨了具身智能在AI面试场景中的应用突破。随着大语言模型的发展，传统文本交互的局限性日益凸显，尤其在需要情感传递和情境适应的场合。魔珐星云平台通过全栈式多模态实时生成技术，实现了高质量、低延迟、低成本的数字人交互，解决了传统AI面试拟真度低和算力成本高的痛点。文章详细介绍了如何基于该平台快速构建专业AI面试官，包括数字人配置、驱动调试和SDK集成，最终实现具备结构化问题库和智能评分系统的企业级应用，为人机交互带来更自然、生动的体验。

2025-12-03 15:07:33 31001 13

原创 数据交换机案例详解|基于smardaten实现智慧园区数据处理与分析

smardaten平台中提供了数据交换机功能，针对上述痛点提供了完整的解决方案。数据交换机是平台中的核心数据处理模块，它通过可视化的方式，让用户能够通过简单拖拽配置复杂的数据处理流程。

2025-12-02 13:05:41 20624

原创 基于 DeepSeek + MateChat 的证券智能投顾技术实践：打造金融领域的专属大模型助手

MateChat 是一款生成式人工智能体验设计系统，以及企业级前端解决方案。其基于OpenAI、Midjourney、Google、Claude等业界领先的AI大模型厂商提供的API，实现了一站式多模型AI应用。

2025-11-28 14:49:13 22837

原创 IPIDEA 代理实测：性能到底怎么样？

优势特点API响应速度快，获取代理效率高支持批量获取，一次可获取100个代理接口简单易用，txt格式便于解析使用建议建议定期通过API刷新代理列表可结合本地验证机制筛选高质量代理根据业务需求调整获取数量参数IPIDEA代理服务表现稳定可靠，核心优势包括超高可用率、优秀的安全性、广泛的地理覆盖、丰富的功能以及高性价比。技术亮点体现在连接成功率高、响应速度快、匿名性强且轮换机制灵活。

2025-11-28 13:29:05 33393

原创 地图可视化案例详解 | 基于smardaten实现企业运营监测地图大屏

smardaten提供无代码地图可视化解决方案，支持GIS地图、OD图、3D地图等多种专业组件，满足企业经营分布、订单运输和业绩分析等场景需求。通过AI智能生成大屏和纯配置方式，企业可快速构建交互式地图大屏，实现数据分层展示、动态飞线效果和双图联动分析，无需编码即可完成专业级地理数据可视化，显著降低技术门槛，提升运营决策效率。三大核心看板配置案例展示了从资源布局到物流网络的全方位空间数据分析能力。

2025-11-28 13:13:00 25806

计算机网络课程设计任务书（计算机，软件）
《计算机网络》课程设计任务书 一、课程设计要求 通过本课程设计，使学生对计算机网络的基本概念的理解，通过相关的设计学习网络协议和网络工具的开发，从而充分掌握计算机网络体系结构和应用。 学生必须仔细阅读《计算机网络》课程设计任务书，认真主动完成课程设计的要求。有问题及时主动通过各种方式与教师联系沟通。 学生要发挥自主学习的能力，充分利用时间，安排好课设的时间计划，并在课程设计过程中不断检测自己的计划完成情况，及时的向教师汇报。 按照教学要求务必在1.5周内完成课程设计并提交所有文档。 二、设计和调试过程的规范化要求 报告除了在封面（封面格式有统一规定）中应有专业、班级、姓名、学号和课程设计日期以外，其正文一般有如下几个方面的内容： 1）对每个题目要有设计思想 在设计思想中，将题目中要求的功能进行叙述分析，并且设计或叙述解决此问题的算法，描述算法建议使用流程图，进行算法分析指明关键语句的时间复杂度。 给出实现功能的一组或多组测试数据，程序调试后，将按照此测试数据进行测试的结果列出来。对有些题目提出算法改进方案，比较不同算法的优缺点。 如果程序不能正常运行，写出实现此算法中遇到的问题，和改进方法； 2）对每个题目要有相应的源程序（可以是一组源程序，即详细设计部分）： 源程序要按照写程序的规则来编写。要结构清晰，重点函数的重点变量，重点功能部分要加上清晰的程序注释。 程序能够运行，要有基本的容错功能。尽量避免出现操作错误时出现死循环； 3）最后提供的主程序可以象一个应用系统一样有主窗口，通过主菜单和分级菜单调用课程设计中要求完成的各个功能模块，调用后可以返回到主菜单，继续选择其他功能进行其他功能的选择。 三、课程设计的成绩评定 1、由指导教师根据检查学生程序的情况、课程设计报告的质量和课程设计过程中的工作态度等综合打分。成绩评定实行等级制评分（A：90~100分 A-：85~89分 B+：82~84分 B：78~81分 B-：75~77分 C+：72~74分 C：68~71分 C-：64~67分 D：60~63分 F：<60分）。 2、设计程序的检查由指导教师当面在计算机上检查测试，并同时对程序运行中的问题至少提出三个问题，学生当面回答，教师根据以上检查做好记载； 3、独立按时完成规定的工作任务，不得弄虚作假，不准抄袭他人内容，否则成绩以不及格计。发现课程设计报告基本雷同，一律不及格。 四、课程设计报告内容 1)需求分析：在该部分中叙述，每个模块的功能要求 2)概要设计：在此说明每个部分的算法设计说明（可以是描述算法的流程图），每个程序中使用的存储结构设计说明（如果指定存储结构请写出该存储结构的定义。 3）详细设计：各个算法实现的源程序，对每个题目要有相应的源程序（可以是一组源程序，每个功能模块采用不同的函数实现）。源程序要按照写程序的规则来编写。要结构清晰，重点函数的重点变量，重点功能部分要加上清晰的程序注释。 4）调试分析：测试数据，测试输出的结果，时间复杂度分析，和每个模块设计和调试时存在问题的思考（问题是哪些？问题如何解决？），算法的改进设想。 5）课设总结：总结可以包括：课程设计过程的收获、遇到问题、遇到问题解决问题过程的思考、程序调试能力的思考、对计算机网络这门课程的思考、在课程设计过程中对《计算机网络》课程的认识等内容。

2021-08-09

武汉理工大学计算机复试资料 考研复试资料
包括历年大纲与细则、2021复试细则、历年面试的面试问题（专业、英语、其他）、离散数学书、武理离散数学PPT课件、导师联系方式

2021-11-17

客户端+服务器实现 网络版贪吃蛇
贪吃蛇游戏的网络版 C++实现 使用到了多线程编程 数据格式规定 对象|动作|参数 1.对象–蛇，食物 蛇:1 食物:2 2.动作–产生，移动，变长 产生:1 移动:2 变长:3 3.参数–根据不同的对象，不同的动作有不同的参数 产生蛇：长度，坐标

2022-05-09

出上联对下联 AI人工智能对春节对联 （python+pytorch+Transformer+BiLSTM+ATTN+CNN）
介绍博文：https://blog.csdn.net/air__Heaven/article/details/122696876 使用了：python+pytorch+Transformer+BiLSTM+ATTN+CNN 自己出上联，AI可以对出下联 运行 preprocess.py 进行数据预处理（已经训练好了，可选择忽略） 运行 main.py [-m model type] 进行训练（已经训练好了，可选择忽略） 运行 clidemo.py <-p model path> 可在控制台进行AI对对联 运行 webdemo.py <model path> 可在Web端进行AI对对联 命令行参数的详细说明见文件内，你也可以在 module/model.py 中定义你自己的模型。 Using Docker：docker pull wisedoge/coupletai

2022-04-25

AttnGAN文本生成图像模型 已预训练+训练好的模型 python3版本
已经配置好了预训练模型和训练好的模型 已经配置好了下载为鸟类预处理的元数据 除了没有CUB-birds的图像数据集，其他文件都已经下载并配置好了。 AttnGAN: Fine-Grained TexttoImage Generation with Attention（带有注意的生成对抗网络细化文本到图像生成）的代码复现 下载后需要安装环境 >pip install python-dateutil > pip install easydict > pip install pandas > pip install torchfile nltk > pip install scikit-image 可能需要额外安装的环境，根据提示进行补充： > pip install torchvision

2022-04-02

云计算应用实验报告 武汉理工大学云计算应用 hadoop单机模式和伪分布式
1、hadoop单机模式和伪分布式 2、hadoop集群 3、hadoop运行WordCount程序 4、编码实践并在Hadoop上运行 题目：输入两个文件，一个代表工厂表，包含工厂名列和地址编号列；另一个代表地址表，包含地址名列和地址编号列。要求从输入数据中找出工厂名和地址名的对应关系，输出“工厂名——地址名”表，按工厂名排序输出。数据文件自己设计样例。

2022-02-23

51单片机实现围棋 单片机围棋实验
51单片机实现围棋 单片机围棋实验

2022-02-27

程序员浪漫--恋爱计时器（动画网页 表白 告白七夕礼物）
html++css+js 做的恋爱计时器网站 网页点开后，效果如下 第一部分用动画显示对她想说的话、表情符号与当前时间； 第二部分显示恋爱了多久； 第三部分引用一段台词或者情诗。

2021-09-14

PyTorch-Inception Moudel GPU版本 B站 刘二大人第11讲卷积神经网络(高级篇-1)GPU版本
原理是基于B站 刘二大人 ：传送门PyTorch深度学习实践——卷积神经网络(高级篇) 这是Inception Moudel的pytorch实现，并且实现了在GPU上运行

2022-01-20

新年用Python与人工智能一起写春节对联

使用了：python+pytorch+Transformer+BiLSTM+ATTN+CNN 自己出上联，AI可以对出下联 运行 preprocess.py 进行数据预处理（已经训练好了，可选择忽略） 运行 main.py [-m model type] 进行训练（已经训练好了，可选择忽略） 运行 clidemo.py <-p model path> 可在控制台进行AI对对联 运行 webdemo.py <model path> 可在Web端进行AI对对联 命令行参数的详细说明见文件内，你也可以在 module/model.py 中定义你自己的模型。 Using Docker：docker pull wisedoge/coupletai

2022-01-26

PyTorch-ResidualBlock GPU版本 B站 刘二大人第11讲卷积神经网络(高级篇-2)GPU版本
原理是基于B站 刘二大人 ：传送门PyTorch深度学习实践——卷积神经网络(高级篇) 这是ResidualBlock的pytorch实现，并且实现了在GPU上运行

2022-01-20

词法分析 编译原理实验/课程设计（C++实现）
本资源是编译原理实验-词法分析，用c++语言实现，包括mysource.txt 、mytext.txt、output.txt和词法分析.cpp文件，能够实现词法分析功能 设计要求：创建一个词法分析程序，它支持对正规文法的分析。必须使用DFA（确定性有限自动机）或NFA（非确定性有限自动机）来实现这一项目。该程序的输入是一个文本文件，包括一组由该正规文法产生的产生式以及待识别源代码字符串。该程序的输出是一个符号表（二元式），它由5种类型符号：关键词，识别符，常量，界符和操作符。 用子集法将NFA转化为DFA。 配套博文：https://blog.csdn.net/air__Heaven/article/details/120181471

2021-09-08

语法分析 编译原理实验/课程设计（C++实现）
本资源为编译原理 语法分析C++代码实现，使用codeblocks或者vs即可运行 设计要求：创建一个语法分析程序，它采用LL（1）方法或LR（1）方法。该程序的输入是一个文本文档，包括一组2型文法（上下文无关文法）的产生式和任务1程序输出的符号表。任务2的输出是一个YES或NO，即源代码字符串是否符合本2型文法。

2021-09-08

基于单片机的红绿黄灯设计（单片机实验交通灯设计）
利用单片机设计一个红绿灯，实现了数显倒计时与灯光变换，其中30秒红灯，25秒绿灯，5秒黄灯，实现东西与南北灯光变换，符合红绿灯逻辑。（所有时间也可以修改。） 芯片采用：MSP430F249、74HC573 交通灯采用：trafficlight组件 数显采用：两位数共阴极的数码管 配套博文预览效果：https://blog.csdn.net/air__Heaven/article/details/120481520

2021-09-26

C++课程设计报告 家庭财务管理系统 面对对象实验报告.docx
家庭财务管理系统C++课程设计报告，包括问题描述、需求分析，总体设计、详细设计和小结，报告共17页。 问题描述：系统具有帐务处理的一般功能，包括家庭月收入管理、月支岀管理、并能按年、月统计 家 庭收入 总和与 支 岀 总和 可 按月支出费用进行降序排序 同时 系统 提供收 入或支出 的添 加、修改、删除操作。

2021-11-10

计算机网络课程设计报告：基于SMTP协议的模拟邮件系统
本文是 基于SMTP协议的模拟邮件系统的 课程设计报告 全文包括：设计内容、需求分析、系统总体设计（系统功能模块设计、系统数据库总体设计、）、数据库设计、系统功能设计与实现、总结与反思（问题及解决问题、收获、不足与反思、思考与认识） 如： 二、系统总体设计 2.1 系统功能模块设计 本模拟邮箱系统主要分为注册、登录、查看和更改个人注册信息、发送邮件、查看收件箱五大模块。用户注册并登录后，可查看个人注册信息、修改个人信息、绑定自己的公网邮箱后，可以向任意邮箱发送邮件、可以查看自己的收件箱等等。 2.2 系统数据库总体设计 本系统的总体目标是为了实现邮件的发送与收取。其中主要是用户登录并与公网邮箱绑定后，使用SMTP协议向其他邮箱发送邮件、查看收件箱并对收件进行回复，系统所涉及到的数据存储表 配套博文：https://blog.csdn.net/air__Heaven/article/details/119872245

2021-08-09

编译原理 词法分析语法分析课程设计报告（C++实现）.doc
包括：设计目的、设计要求、开发环境、分析器模型图、设计原理、框架图、分析过程、主要函数、运行结果 (1)词法分析： 创建一个词法分析程序，它支持对正规文法的分析。必须使用DFA（确定性有限自动机）或NFA（非确定性有限自动机）来实现这一项目。该程序的输入是一个文本文件，包括一组由该正规文法产生的产生式以及待识别源代码字符串。该程序的输出是一个符号表（二元式），它由5种类型符号：关键词，识别符，常量，界符和操作符。 (2)语法分析： 创建一个语法分析程序，它采用LL（1）方法或LR（1）方法。该程序的输入是一个文本文档，包括一组2型文法（上下文无关文法）的产生式和任务1程序输出的符号表。任务2的输出是一个YES或NO，即源代码字符串是否符合本2型文法。

2021-09-08

代码还原谷歌彩蛋小恐龙游戏 免费下载（html+css+js）
代码还原谷歌彩蛋小恐龙游戏（html+css+js） 谷歌的chrome浏览器有一个小彩蛋，在断网时打开chrome浏览器会出现一只小恐龙，按下空格键，就可以开始游戏了

2021-09-25

计算机网络课设 模拟邮件系统模块设计图
计算机网络课设 模拟邮件系统模块设计图 图像用visio制作，展示一款模拟邮件系统的模块设计

2021-08-11

layui-progress+element+jquery+js设计一个动态进度条
众所周知，进度条是一种烦人的东西╭(╯^╰)╮，本文件使用layui-progress+element+js写了一个糊弄人的进度条，供大家学习。

2021-09-04

物品使用成本计算器小工具 基于React+Typescript
成本计算器包括以下核心功能： 物品信息录入：用户可以输入物品的基本信息，比如名称、购买价格、购买日期等。 使用时长计算：根据购买日期和当前日期，自动计算物品的使用时长（天、月、年）。 日均成本计算：根据购买价格和使用时长，自动计算日均持有成本。 成本趋势分析：展示物品的日均成本随时间变化的趋势，帮助用户了解物品的“贬值”情况。 多物品管理：支持添加多个物品，用户可以对比不同物品的日均成本。 界面简洁：界面清晰易懂，操作简单。

2025-03-03

diffusers-0.30.0.dev0-py3-none-any.whl
diffusers-0.30.0.dev0-py3-none-any.whl

2024-08-06

配置好的Oxford-102 Flower数据集 花卉数据集-DFGAN
本文件为配置好的Oxford-102 Flower数据集，可直接用于DF-GAN2022版本的训练测试，也可以根据文件夹来替换为自己的数据集进行训练。文件夹包括：图像数据集、文本数据集、flower_val256_FIDK0.npz、flower_text_encoder250.pth、flower_cat_dic.pkl、cat_to_name、captions_DAMSM.pickle、captions.pickle文件。 Oxford-102 Flower是牛津工程大学于2008年发布的用于图像分类的花卉数据集 **数据量**：8189张图像组成的数据集，这些图像被划分为103个花卉类别，都是英国常见的花卉。数据集分为训练集、验证集和测试集，训练集和验证集各包含10个图像，测试集由剩余的6129张图像组成（每类至少20张）。 **种类**：每个类包含40到250个图像，百香花的图像数量最多，桔梗、墨西哥紫菀、青藤、月兰、坎特伯雷钟和报春花的图像最少，即每类40个，图像被重新缩放，使最小尺寸为500像素。

2024-02-18

Oxford-102 Flower配置数据包
Oxford-102 Flower是牛津工程大学于2008年发布的用于图像分类的花卉数据集 本文件为Oxford-102 Flower对应的配置数据包，包括的是训练花数据集以及测试数据集训练效果的必要配置文件，基本适用于文本生成图像相关模型，完全适用于DF-GAN2022版代码以及其延伸模型，文件夹包括： flower_val256_FIDK0.npz、flower_text_encoder250.pth、flower_cat_dic.pkl、cat_to_name、captions_DAMSM.pickle、captions.pickle文件

2024-02-18

我的三合一游戏站项目（AI虚拟女友、文字版王者荣耀、女儿养成类游戏）-基于文心千帆ERINE-Bot4的三合一游戏站
使用方法： 1、解压项目，两个文件夹，wenxin-express为后端，wenxin-vue3-fe-master为前端。 2、打开wenxin-express，使用vscode终端cd进入项目目录，输入npm i安装依赖，然后输入node app.js启动项目； 3、打开wenxin-vue3-fe-master，使用vscode终端cd进入项目目录，输入npm i安装依赖，然后输入npm run dev启动项目； 4、在浏览器中输入http://localhost:5173/ 进入网页开始游戏。 大模型三合一游戏站项目是基于文心千帆ERINE-Bot4的一个创新性项目。该项目包括了三个游戏，分别是AI虚拟女友、文字版王者荣耀和女儿养成类游戏。 在AI虚拟女友中，用户可以体验到一种仿真的情感互动，能够理解用户的语言并做出相应的回应，提供陪伴和娱乐。 在文字版王者荣耀中，玩家可以通过交流指令和战术来指导自己的角色，在虚拟的游戏世界中体验策略和协作的乐趣。 在女儿养成模拟器中，扮演一个虚拟父母的角色制定计划、参与活动等方式来培养和引导女儿的成长。

2023-11-12

一键文生图-本地SD文本生成图像应用
一键文生图-本地SD文本生成图像应用

2023-11-01

类肯德基自助点餐系统01(Vue3.2 + Vite + TS + Vant + Pinia + MongDB）Vue H5项目
本资源为类肯德基自助点餐系统0.1.0版本： 1、【重要提醒】0.1.0版本实现了项目初始化与搭建，是一款非常适合起步的脚手架，可供学习； 2、使用的技术栈为Vue3.2+Vite+TS+Vant+Pinia+MongoDB； 3、0.1.0版本已成功搭建Less、Vant、vw适配方案、Vue Rotuer、Pinia和Axios； 4、项目在gitee同步更新，请点个star：https://gitee.com/airheaven/kfg-vue 使用方法： 1、解压文件包，放入VSCode； 2、终端cd进入项目，使用npm install建立依赖 3、npm run dev启动项目

2023-03-04

类肯德基自助点餐系统03 - 商品与购物车逻辑设计
本资源为类肯德只因自助点餐系统0.3.0版本： 1、【重要提醒】0.3.0版本实现了对象类型的设计、商品页面设计、购物车设计，具有商品列表的界面、购物车列表页面，购物车弹出层增减、金额计算、清空、导航栏与右侧商品联动等功能，已经初步具备一个点餐系统的部分功能； 2、使用的技术栈为Vue3.2+Vite+TS+Vant+Pinia+MongoDB； 3、项目正在gitee同步更新，请点个star：https://gitee.com/airheaven/kfg-vue 使用方法： 1、解压文件包，放入VSCode； 2、终端cd进入项目，使用npm install建立依赖 3、npm run dev启动项目

2023-04-04

类肯德基自助点餐系统02 - 页面布局(Vue3.2 + Vite + TS + Vant + Pinia + MongoDB）
本资源为类肯德只因自助点餐系统0.2.0版本： 1、【重要提醒】0.2.0版本实现了商品页面的初步设计、轮播图的展示、标题栏、导航栏和商品页面的布局设计； 2、使用的技术栈为Vue3.2+Vite+TS+Vant+Pinia+MongoDB； 3、项目正在gitee同步更新，请点个star：https://gitee.com/airheaven/kfg-vue 使用方法： 1、解压文件包，放入VSCode； 2、终端cd进入项目，使用npm install建立依赖 3、npm run dev启动项目

2023-03-15

FID预训练好的模型 针对COCO的FID预训练模型 文本生成图像定量指标模型
这是FID预训练好的模型，针对coco的文本生成图像定量指标训练好的模型 复现步骤请看：https://blog.csdn.net/air__Heaven/article/details/124751665 CUB-Bird的FID预训练好的模型，请看：https://download.csdn.net/download/air__Heaven/85362542

2022-12-05

web端云监工系统（Vue3+Element plus+TS+Pinia）
项目技术栈 - Vue 3.2.13 - Element-Plus 2.1.10 - Vue-Router 4.0.3 - Pinia 2.0.13 - Axios 1.2.0 - Mitt 3.0.0 - TypeScript、TRTC、Less-loader、... 输入`npm i`自动配置项目相关依赖，然后输入`npm run serve`启动服务。也可以直接`npm start`。

2022-11-28

数据挖掘——移动平均预测道琼斯、纳斯达克、标准普尔指数
本资源使用移动平均预测道琼斯、纳斯达克、标准普尔指数——Python中的基本数据操作和可视化，压缩包里包括S&P、Dow、Nasdaq数据集和代码。 移动平均⼜称移动平均线，简称均线。作为技术分析中⼀种分析时间序列的常⽤⼯具，常被应⽤于股票价格序列。移动平均可过滤⾼频噪声，反映出中⻓期低频趋势，辅助投资者做出投资判断。

2022-08-17

琼斯、纳斯达克、标准普尔指数-数据挖掘数据集包
资源包括琼斯、纳斯达克、标准普尔指数 列表名为：Date、Open、High、Low、Close、Adj Close、Volume 用于简单移动平均预测道琼斯、纳斯达克、标准普尔指数

2022-08-16

SSAGAN预训练的 DAMSM 模型
SSAGAN预训练的 DAMSM 模型，包括文本编码器text encoder和图像编码器image encoder，其中text encoder是双向LSTM模型，image encoder是CNN模型。在文件中均已经预训练好了的第200轮。 下载后将其上传到 DAMSMencoders目录下并进行解压

2022-07-24

文本生成图像SSA-GAN -CUB鸟元处理数据包
本资源是文本生成图像的SSA-GAN模型复现过程中必备的鸟数据集元处理数据包。包括test、text、train、example_filenames.txt、example_captions.txt、captions.pickle等数据。

2022-07-24

文本生成图像DF-GAN -CUB鸟元处理数据包
本资源是文本生成图像的DF-GAN模型复现过程中必备的元处理数据包，包括DAMSMencoder的imageencoder和textencoder，FID评估使用的npz，class_info.pickle文件、filenames.pickle文件。 复现步骤请查看：https://blog.csdn.net/air__Heaven/article/details/125467190

2022-06-28

R分数复现 R-precision评估指标定量实验工程文件 文本生成图像R分数定量评估实验代码
本压缩包是文本生成图像里的 R分数实验代码 R-precision评估指标定量工程文件，可以用来评估文本与图像的对齐性（即生成的图像是否符合文本），工程包括build_RPdata.py、config.py、encoder.py、eval_Rprecision.py、all_texts.txt。 运行时： 1.先更改参数，将文件位置改成你已经生成好的图像的位置 2.运行build_RPdata.py，生成RPdata的数据，即每个数据是一个图像+n条句子 3.运行eval_Rprecision.py，评估图像与文本的对齐度 4.还可以更改R值，继续3进行各种实验

2022-06-12

FID预训练好的模型 针对CUB-birds的FID预训练模型 文本生成图像定量指标模型
这是FID预训练好的模型，针对CUB-birds的文本生成图像定量指标训练好的模型 FID分数用于根据预训练网络提取的特征，测量真实图像分布和生成图像分布之间的距离。真实图像在空间中是服从一个分布的（假设为正态分布），而GAN生成的特征也是一个分布，GAN做的事情就是不断训练使这两个分布尽可能的相同。FID就是计算这两个分布直接的距离，使用的距离算法叫做Frechet distance。

2022-05-13

已经训练好的DF-GAN 600轮epoch生成器CUB-birds模型 文本生成图像模型
这个是已经训练好的DFGAN，针对CUB的生成器模型，训练轮数601轮 默认bird.yml： CONFIG_NAME: 'bird' DATASET_NAME: 'bird' DATA_DIR: '../data/bird' GPU_ID: 0 WORKERS: 1 B_VALIDATION: True # True # False loss: 'hinge' TREE: BRANCH_NUM: 1 BASE_SIZE: 256 TRAIN: NF: 32 # default 64 BATCH_SIZE: 24 MAX_EPOCH: 601 NET_G: '../test' TEXT: EMBEDDING_DIM: 256 CAPTIONS_PER_IMAGE: 10 DAMSM_NAME: '../DAMSMencoders/bird/inception/text_encoder200.pth'

2022-05-12

文本生成图像 IS分数预训练模型 inception model预训练CUB-Bird模型
预训练好的inception model 是StackGAN 用来于鸟评估的inception score模型 也可以用于AttnGAN、DF-GAN等等文本生成图像模型当中 主要用于评估图像质量

2022-05-12

查看更多

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除