- 博客(1167)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 开源版 Coze 入门指导手册
开源版）是字节跳动正式开源的 AI 智能体（AI Agent）开发平台，旨在为开发者提供一个的本地化 AI 应用构建环境。它脱胎于字节内部已服务上万家企业和数百万开发者的商业产品“扣子”，如今以全面开放核心能力，。
2026-01-31 23:11:02
971
原创 “数字员工”的基本能力和特殊有哪些？
超级自然人” + “永不疲倦的执行者” + “持续进化的智能体”它不仅是自动化工具，更是具备常识、记忆、感官、进化三大支柱的AI同事，正在从“替代重复劳动”迈向“协同高阶决策”的新阶段。如业界所言：“未来的数字员工，将通过面试进入企业，成为你的同事。数字员工取代人工，不是一场“人机对抗”，而是一次生产力范式的升级。正如工业革命用机器取代体力劳动，AI革命正用智能体取代脑力流水线。未来企业的竞争力，不在于有多少员工，而在于有多少“会思考的数字员工”与“被解放的人类专家”高效协同。
2026-01-30 22:05:35
393
原创 2026年最火的 AI 新功能——Claude Skills到底是什么？
Claude Skills 就是给 AI（比如 Claude）发一本“岗位操作手册”，让它记住你希望它怎么干活，以后不用你每次都重复教。类比说明👨💼 新员工AI 本来啥都会一点，但不专业📚 岗位手册Skill 就是这本手册🧠 肌肉记忆AI 学会后，自动按你的流程做事🛠️ 数字员工你定制的 AI 专家，7x24 小时待命功能维度具体能力智能增强自定义指令、上下文感知、自动触发效率提升减少重复输入、降低 token 消耗、加速输出可靠性脚本执行确定性任务、减少 AI 幻觉可维护性。
2026-01-29 21:39:23
900
原创 飞桨（PaddlePaddle）：工业自动化案例
数据为王：高质量标注数据是工业AI成败关键，建议初期投入资源做样本清洗与增强。小模型优先：工业场景更看重稳定性与实时性，而非一味追求SOTA精度。闭环迭代：建立“部署→反馈→再训练”机制，持续优化模型。人机协同：AI辅助决策，而非完全替代人工（如可疑样本交由专家复核）。飞桨通过“算法+工具+生态”三位一体，真正实现了 AI 在工厂车间的规模化落地。它不仅是技术框架，更是推动制造业智能化升级的工程化引擎。正如某制造企业工程师所言：“以前觉得AI很远，现在每天产线都在用。
2026-01-29 20:04:55
738
原创 飞桨（PaddlePaddle）：OCR识别原理
PaddleOCR 的成功在于将前沿算法（DB + SVTR）与工程优化（蒸馏、量化、合成数据）深度结合，实现了“精度-速度-体积”的最佳平衡。其开源生态完善，文档丰富，是当前最值得推荐的 OCR 解决方案之一，尤其适合中文场景和工业部署。
2026-01-28 22:27:43
727
原创 Notion创始人：《蒸汽、钢铁与无限心智》
本文是Notion创始人兼CEOIvan Zhao于2025年12月23日发布的长文，以“历史奇迹材料”为核心隐喻，系统剖析AI（“无限心智”）对个体、组织及知识经济的底层重塑，批判当前AI应用的“路径依赖”，并提出未来工作与组织的重构方向。每个时代由“奇迹材料”塑造，其本质是改变生产逻辑、突破规模瓶颈的核心力量——19世纪的钢铁：打破建筑高度限制（从6-7层到摩天大楼），铸就“镀金时代”；20世纪的半导体：开启数字时代，让信息处理成为可能；当下的AI（无限心智）
2026-01-27 22:05:22
1022
原创 openEuler 内核解读（六）：kernel.h文件解读
维度说明文件性质Linux 内核标准头文件，非 openEuler 独创核心作用提供日志、宏工具、类型安全、编译检查等基础设施openEuler 定制无；完全同步 upstream v6.6学习价值掌握此文件 = 掌握内核开发的“基本语法”关键宏printkmin/maxARRAY_SIZE📌建议：将此文件作为Linux 内核开发的“词汇表”，配合《Linux Kernel Development》第 1–2 章学习效果最佳。特性代码位置作用多处内核日志输出，替代printfopen。
2026-01-26 22:06:22
805
原创 飞桨PaddlePaddle：入门指南
飞桨（PaddlePaddle）作为国产深度学习框架的代表，不仅技术成熟、生态完善，而且在中文社区支持、产业落地方面具有显著优势。无论你是AI初学者，还是希望将AI集成到实际业务中的开发者，飞桨都值得你深入了解和尝试。“始于易用，成于产业”——飞桨，让每个人都能拥抱AI。
2026-01-26 17:06:09
742
原创 什么是“同余数问题（千年数学难题）”？
（Congruent Number Problem）是数论中一个历史悠久、表述简单但深刻且尚未完全解决的著名问题。尽管它克雷数学研究所（Clay Mathematics Institute）官方列出的七个“千禧年大奖难题”之一，但由于其与BSD猜想（Birch and Swinnerton-Dyer Conjecture，属千禧年难题）的紧密联系，常被通俗地称为“”之一。
2026-01-25 21:19:49
628
原创 openEuler 内核解读（五）：Linux 内核模块 “Hello World” 示例
本文介绍了在openEuler系统中开发最简单内核模块的完整流程。主要内容包括：1）安装内核开发工具；2）编写打印"Hello, openEuler!"的模块代码；3）配置Makefile编译模块；4）加载/卸载模块并验证输出；5）常见问题排查方法。该实验仅需30行C代码，是学习Linux内核开发的入门实践，同时强调了内核模块的安全注意事项。通过这个基础模块，开发者可以进一步探索设备驱动、eBPF等高级内核编程技术。
2026-01-25 19:11:35
377
原创 openEuler 内核解读（四）：Linux 内核通识：五大子系统概览
Linux 内核是一个宏内核（monolithic kernel），功能高度集成。尽管模块众多，但核心可归纳为五大基础子系统进程调度（Process Scheduling）内存管理（Memory Management）虚拟文件系统（Virtual File System, VFS）网络协议栈（Networking Stack）设备驱动与 I/O 管理（Device Drivers & I/O Subsystem）
2026-01-24 14:15:16
879
原创 Qwen3-TTS开源：助力AI语音技术进入“普惠时代”
Qwen3-TTS的开源不仅是技术开放，更是通过“技术-社区-产业”的协同，推动TTS从“实验室”走向“千行百业”。其意义在于打破技术垄断、激活创新活力，而发展生态的关键在于持续完善工具链、深耕垂直场景，并与大模型、多模态技术深度融合。未来，随着社区规模扩大和应用场景丰富，Qwen3-TTS有望成为全球TTS领域的重要基础设施，助力AI语音技术进入“普惠时代”。
2026-01-24 14:07:25
646
原创 openEuler 内核解读（三）：分层递进的基础知识
基础知识├── Linux 系统原理（进程/内存/文件/网络）├── C 语言（指针、宏、内存）├── 计算机体系结构（CPU/中断/ARM64）└── 工具链（gcc, git, perf, qemu）↓Linux 内核通识├── 五大子系统概览├── 内核配置与编译└── /proc /sys 调试接口↓openEuler 特色├── 鲲鹏 ARM64 优化└── 安全与实时性增强只要你具备Linux 基础 + C 语言 + 求知欲，就可以开始。
2026-01-23 17:37:16
649
原创 openEuler 内核解读（二）：普通人学习openEuler 内核的意义何在，浪费时间吗？
正如 Linus Torvalds 所说：“Talk is cheap. Show me the code.”❌ 这不是 openEuler 的问题，而是学习方法的问题。更现实——而 openEuler 正是一个绝佳的观察窗口。，而不是“为了学内核而学内核”。如果你属于这类人群，
2026-01-23 16:50:20
642
原创 NestJS RESTful API 示例:订单管理
下面是一个完整的 NestJS RESTful API 示例，实现一个订单管理系统（包括 CRUD 操作），涵盖最佳实践如 DTO 验证、服务层逻辑、异常处理和 Swagger 文档。2. DTO 数据传输对象创建订单 DTO ():更新订单 DTO ():3. 服务层 ()4. 控制器 ()5. 模块定义 ()6. 启用 Swagger 文档 ()响应获取所有订单更新订单删除订单关键特性演示DTO 验证如果请求缺少必填字段（如 ），自动返回 ：
2026-01-22 08:15:00
370
原创 为什么选择NestJS？
无论是小型 API 还是大型企业级系统，NestJS 都能以较低的复杂度应对，是现代 Node.js 后端开发的优选框架之一。的核心原因在于它解决了传统 Node.js 开发中常见的痛点（如代码组织混乱、可维护性差、重复造轮子），同时通过现代化设计和丰富生态，为构建高效、可扩展的后端应用提供了“开箱即用”的解决方案。这种分层彻底分离了“请求处理”和“业务实现”，避免了 Express/Koa 中常见的“控制器塞满逻辑”问题，代码可读性和可维护性大幅提升，尤其适合团队协作和长期迭代。NestJS 提供大量。
2026-01-22 08:00:00
1254
原创 具身智能：人形机器人的技术重难点有哪些？
具身智能（Embodied AI）强调智能体通过身体与环境的动态交互来学习和进化，而人形机器人作为具身智能的典型载体，其技术挑战贯穿。尽管当前人形机器人仍处于“实验室阶段”，但随着上述技术的逐步突破，未来有望在工业、服务、医疗等领域实现规模化应用。全链路，需同时解决“类人运动能力”“环境适应能力”和“智能决策能力”三大核心问题。具身智能要求机器人通过多模态传感器（视觉、力觉、触觉、IMU等）人形机器人若进入家庭或服务场景，需与人类。人形机器人需在复杂环境中实现。人形机器人的硬件需同时满足。
2026-01-21 09:23:38
1372
原创 openEuler 内核解读（一）：内核的基本定义
openEuler是一个开源的 Linux 发行版平台，由华为于 2019 年发起，并于 2020 年正式开源，现由开放原子开源基金会托管。其核心组件之一是Linux 内核，但 openEuler 并非使用 vanilla（原生）Linux 内核，而是基于上游 Linux 内核进行增强和优化的定制化内核分支。项目说明内核来源基于上游 Linux 内核（4.19 / 5.10 / 6.6 等）定制方向性能、安全、ARM64 优化、容器支持、实时性关键技术。
2026-01-21 08:00:00
1300
原创 SCADA与数字孪生（Digital Twin）系统的异同点在哪里？
SCADA系统是一种用于实时监控、控制和采集现场设备（如传感器、PLC、RTU等）数据的工业控制系统。主要面向“操作层”，强调实时性、可靠性和对物理设备的直接控制能力。数字孪生系统是物理实体（如设备、产线、工厂甚至城市）在虚拟空间中的高保真动态模型，通过实时/历史数据驱动，实现仿真、预测、优化和决策支持。强调“认知层”和“决策层”。场景推荐方案仅有基础监控控制需求仅部署SCADA需要预测、优化、仿真构建数字孪生（需SCADA提供实时数据）大型复杂系统（如智慧工厂、智慧水务）
2026-01-20 15:53:08
547
原创 具身智能是什么？有哪些运用研究的细分领域？
从手术机器人到火星车，从农业无人机到元宇宙化身，具身智能正重塑人机协作范式，未来将成为“AI+实体经济”深度融合的基础设施——正如2026年AI趋势预测的那样，“具身智能落地”将推动AI从“炫技”转向“解决实际问题”，最终实现“可信赖的人类伙伴”愿景。智能体通过传感器（摄像头、触觉传感器、力反馈装置等）感知环境，经算法处理后生成动作指令（如移动、抓取、避障），动作结果再通过传感器反馈回系统，形成“感知→决策→行动→再感知”的持续迭代，最终实现目标（如整理物品、装配零件）。
2026-01-20 08:00:00
1619
原创 多智能体系统Multi-Agent System
多智能体系统（MAS）是**“群体智能的工程化实现”**，通过“个体自主+群体协作”突破了单智能体的能力边界，成为解决复杂系统问题的核心框架。从工业机器人群到智慧城市，从科研协作到元宇宙，MAS正在重塑AI的应用范式。在AI领域，MAS是实现“从单一个体智能到群体智能”的关键技术，也是2026年AI趋势中“AI操作系统”“多模型协作”等方向的核心支撑。MAS的核心是**“让一群‘自私’的个体（智能体）为了共同目标合作”**，需解决“感知-决策-通信-协调-学习”五大环节的技术问题。
2026-01-19 21:06:56
771
原创 2026年的AI发展趋势是什么？
2026年的AI将更“务实”：从追求“大”转向“精”，从“炫技”转向“解决问题”，同时与科学、产业、社会深度融合。技术突破（如高效模型、具身智能）与伦理规范（如可解释性、对齐）将同步推进，最终目标是让AI成为“可信赖的人类伙伴”，而非替代者。2026年的AI发展趋势将延续当前技术演进的核心逻辑（如大模型、多模态、生成式AI），同时在效率、场景渗透、跨学科融合及伦理规范等方面迎来关键突破。
2026-01-19 20:38:48
817
原创 VS Code在AI编辑器关键问题上处理如何？
（准确性与可靠性、上下文理解与个性化、交互体验与效率平衡、安全与隐私、生态兼容性与扩展性、伦理与责任），分析其解决路径与实践效果。的工程典范——用技术突破瓶颈，用生态放大价值，最终实现“开发者聚焦创新，AI处理重复”的理想状态。）的发展，VS Code将进一步强化“智能上下文感知”能力，成为“一站式智能工作台”。要回答“VS Code在AI编辑器要解决的哪些关键问题如何”，需。VS Code通过**“协议化架构+生态协同+安全隔离”，让AI成为“开发者的超级副驾”而非“替代者”。AI编辑器的核心矛盾是。
2026-01-18 17:33:36
720
原创 AI编辑器要解决哪些关键问题？
AI编辑器需解决的核心问题，本质是**“如何让AI的能力与开发者的真实需求精准匹配”**——既要用技术突破准确性、安全性、个性化瓶颈，也要通过体验设计让AI“隐形”融入工作流，最终实现“开发者聚焦创新，AI处理重复”的理想状态。未来，随着多模态AI（如图文转代码、语音指令开发）和自主代理（AI自动完成“需求-开发-测试”闭环）的发展，这些问题的解决将进一步推动AI编辑器从“工具”进化为“开发智能体”。
2026-01-18 16:04:45
701
原创 什么是信息学奥数（NOI）？
信息学奥数”通常是指，全称为（NOI，National Olympiad in Informatics），是中国面向中学生的一项高水平计算机科学竞赛活动。它属于五大学科奥林匹克竞赛之一（其他四门是数学、物理、化学、生物）。
2026-01-17 23:35:07
447
原创 麦肯锡《智能体、机器人与我们：AI时代的技能协作》
麦肯锡《智能体、机器人与我们：AI时代的技能协作》报告（2025年11月发布）的核心发现可归纳为六大维度，以下为结构化总结，便于快速应用于企业管理与战略规划。
2026-01-17 23:26:29
613
原创 面向小微企业的超融合私有云搭建：低成本、易运维、高可用
fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;明确业务需求选择 Nutanix CE 或 Proxmox采购 3 台同配服务器 + 10GbE 交换机安装 HCI 软件并组集群部署业务虚拟机配置 HA + 快照 + 监控交付使用，简易运维💡最终效果一个具备高可用、图形化管理、可扩展的私有云平台，
2026-01-16 08:30:00
1369
原创 超融合服务器架构解析：如何节点估算？
超融合架构的本质是“用软件定义的方式，将数据中心基础资源解耦再重构”，以分布式、模块化、自动化为核心思想，实现 IT 基础设施的敏捷交付与高效运营。随着云原生、边缘计算和 AI 工作负载的发展，新一代 HCI 正逐步融合容器支持、AI 加速器和混合云管理能力，成为现代数字基础设施的重要基石。节点 = 一台物理服务器 + 超融合软件 + 本地存储 + 网络接口它不是虚拟概念，而是一台真实的 x86 服务器硬件设备同时承担计算、存储和虚拟化功能。
2026-01-16 08:00:00
1697
原创 TCP/IP 协议解析：ChatDemo
层级在 ChatDemo 中的作用应用层生成/显示聊天消息传输层（TCP）建立连接、确保消息完整送达、处理重传网络层（IP）把消息从 A 的 IP 送到 B 的 IP网络接口层通过网线/Wi-Fi 实际发送比特流✅一句话总结在 ChatDemo 中，当你发送“你好”，TCP/IP 协议族就像一支精密协作的邮递团队——应用层写信，TCP 负责打包编号并跟踪投递状态，IP 负责按地址路由，底层网络负责实际运输，最终确保对方一字不差地收到你的消息。这个ChatDemo虽小，但完整体现了。
2026-01-15 21:58:48
706
原创 如何用AI重写已有的系统？
用AI重写系统需遵循“辅助工具+人工主导”的原则，AI可提升效率（如代码生成、测试），但关键环节（如架构设计、需求验证）仍需人类把控。AI能部分理解以前系统的需求，但深度与准确性需人工补充，无法完全替代人类的业务逻辑判断。未来，随着AI技术的发展（如多模态模型、领域专用模型），AI理解需求的能力将逐步提升，但仍需与人类协同，才能实现高质量的系統重写。
2026-01-15 13:32:00
575
原创 2026年计算机领域重点支持方向（参考）
计算机行业并未衰退，而是在从“通用信息化”向“智能工业化”跃迁。冷的是重复性劳动，热的是交叉创新能力。✅推荐聚焦五大方向AI+垂直行业（复合型人才）算力基建（CPO/液冷/存储）具身智能与机器人低空经济与商业航天软件量子/脑机等前沿探索（适合科研）
2026-01-14 16:57:03
1170
原创 AI 进化论：智算时代操作系统——从算力适配到智能涌现
AI的进化从未停止，而操作系统作为“算力底座”，正从幕后走向台前——它不再是被动的资源管理者，而是主动的智能协作者。Rust凭借安全与性能的双重优势，为智算OS提供了理想的构建工具；而插件化架构、联邦协同、动态切片等进化方向，则定义了下一代OS的核心能力。未来，随着AI向具身智能、科学计算等领域渗透，操作系统将进一步融入物理世界，成为连接数字智能与实体产业的“神经中枢”。
2026-01-14 13:18:21
677
原创 SCADA系统的核心功能，SCADA的开发工具有哪些？
难点类别核心解决方向协议异构标准化（OPC UA）+ 网关抽象层实时性边缘计算 + 优先级调度可靠性冗余架构 + 自动故障恢复安全性纵深防御 + 安全协议扩展性微服务化 + 时序数据库集成性统一信息模型 + API 网关💡提示：在项目初期进行充分的设备调研、网络规划和安全评估，可大幅降低后期开发风险。
2026-01-13 15:04:13
931
原创 如何选择AI IDE?
没有“最好”的 AI IDE，只有“最合适”的。我的项目是否涉及敏感数据或合规要求？我是否深度绑定某家云厂商（阿里云/腾讯云/Azure）？我的核心痛点是写代码快，还是工程落地稳？
2026-01-13 14:21:57
875
原创 Linux内核会成为操作系统的终极选择吗？
操作系统是管理计算机硬件与软件资源的系统软件，作为用户与硬件之间的桥梁，提供基础服务以支持程序运行。Windows教会世界如何与计算机交互，Linux则教会世界如何让计算机持续、沉默、可靠地工作。我们是否需要一个“终极操作系统”？或许不需要。真正的未来，是按需组合：在数据中心用Linux，在手机用Android/iOS，在桌面用Windows/Mac，在嵌入式设备用Zephyr或FreeRTOS。哪个内核最有可能成为数字文明的“水电煤”？Linux。因为它不追求被看见，只追求不崩溃；
2026-01-13 10:11:06
709
原创 Zed 项目极致性能GPUI ：用 Rust + GPU 渲染的现代化 UI 框架
项目状态学习门槛中高（需熟悉 Rust + 系统编程）生态成熟度早期（紧密耦合 Zed）适合人群对高性能原生 UI 感兴趣的 Rust 开发者推荐指数⭐⭐⭐☆（4/5，适合探索者）
2026-01-12 23:03:29
763
原创 AI编辑器的兴起：如何用好AI编辑器解决实际问题？
AI编辑器的价值不在于“替代开发者”，而在于“放大人类智慧”——让开发者用更少时间处理“确定性任务”，更多精力投入“创造性工作”。明确场景需求→精准引导AI→严格验证输出→持续迭代优化。未来，随着多模态AI（如图文理解、语音交互）的融入，AI编辑器或将进一步打破“编码-设计-沟通”的边界，成为真正的“一站式智能工作台”。
2026-01-11 20:24:17
626
原创 如何选择Python IDE？
Python的IDE（集成开发环境）种类繁多，各有侧重——有的主打。没有“最好”的IDE，只有“最适合当前场景”的工具。选择合适的IDE能显著提升开发效率。
2026-01-11 11:35:04
1071
原创 为什么“Python 做研究，Java 搞生产”？
AI研究常涉及跨学科合作（如计算机视觉+医学影像、NLP+法律文本），Python可轻松调用C/C++/Fortran编写的底层库（如NumPy的C优化内核），或对接R、MATLAB等其他科研工具，甚至通过API控制实验设备（如GPU集群、传感器）。这种“万能接口”能力让它在AI研究中不可替代。这种分工不是“优劣之分”，而是“各司其职”——正如“螺丝刀适合拧螺丝，扳手适合拧螺母”，没有完美的语言，只有最适合AI场景的工具。AI生产（如将训练好的模型部署到线上系统，处理真实用户请求）的本质是**“稳定运行”
2026-01-10 21:59:56
585
原创 C#在2025年再次登顶编程语言榜单，为什么？
C#在2025年再次登顶编程语言榜单，其成功源于技术演进与生态建设的双重突破。以下从技术特性、行业应用及竞争格局等维度，结合最新动态分析其优劣势：C#的崛起印证了“技术开放+垂直深耕”的成功路径，但其未来需在以下方向突破：对于开发者而言，C#仍是企业级应用和游戏开发的优选，但需根据项目需求权衡其与Java、Python等语言的适用性。
2026-01-10 10:31:56
1005
yolov3.weights和yolov3.cfg
2024-04-21
Oracle Data Provider for .NET (ODP.NET)
2008-07-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人