- 博客(2575)
- 资源 (219)
- 收藏
- 关注
RSS订阅原创 Dify工作流开发案例
模型必须选择支持视觉的模型，如： GPT-4 Vision (GPT-4V) 、 gpt-4o-mini 、 Google Gemini 序列、 Anthropic Claude 3 系列、 阿里云Qwen-VL 系列。调试好应用后，点击右上角的 “发布” 按钮生成独立的 AI 应用。如果想要让 AI 的对话范围局限在知识库内，例如企业内的客服话术规范，可以在“知识库”内引用知识库。如果“提示词”或者“开场白”中使用了变量，会自动识别并添加变量。通过这个案例，掌握大模型的视觉功能的应用。
2026-04-04 16:29:33
51
原创 Dify各大模型接入配置
配置完成后，在 Dify 中创建新应用（如聊天助手），在模型选择环节即可看到已配置的硅基流动模型（如 DeepSeek-V3），选择后可正常对话，即验证成功。在左侧设置菜单中，选择「模型供应商」选项，即可查看所有支持的模型服务商列表（如 Ollama、火山引擎、OpenAI、硅基流动等）。Ollama 是本地部署大模型的轻量化工具，可实现完全离线的 AI 服务，适合数据安全要求高、无外网环境的场景。点击「保存」，即可在模型列表中看到已添加的 Ollama 模型，后续创建应用时可直接选用。
2026-04-04 15:48:27
120
原创 Dify开源智能平台本地部署完整指南（附Dify虚拟机环境）
由于Dify 内置了构建LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的Prompt编排界面、高质量的RAG引擎、稳健的Agent框架、灵活的流程编排，并同时提供了一套易用的界面和API。你可以基于任何模型自部署类似Assistants API和 GPTs的能力，在灵活和安全的基础上，同时保持对数据的完全控制。docker官网仓库在国外，国内服务器无法直接访问，因此需要配置能够在国内访问的镜像，这些镜像地址也经常在变动，这里找了很多镜像地址，都需要添加到daemon.json中。
2026-04-04 14:30:04
91
原创 大模型平台API申请流程
由于 DeepSeek 官⽹API速度很慢，因此我们可能不使⽤它，⽤硅基流动提供的 DeepSeek由于硅基流动也提供了通义千问相关的模型，因此我们也使⽤硅基流动提供的。由于 OpenAI 提供的模型回复速度快且3.5模型便宜，因此我们调试时，使⽤它。
2026-04-04 14:14:38
62
原创 Git 安装与配置
Use Git and optional Unix tools from the Command Prompt （使用命令提示符中的 Git 和可选的 Unix 工具）Git 和可选的 Unix 工具都将添加到您的 PATH 中。然而，Windows默认控制台窗口的功能相对有限，默认的滚动回退（scroll-back）功能有限，需要配置。如果你仅使用 Git 来访问公共存储库（例如 GitHub ），或者你的组织不管理自己的证书，那么使用 SSL 后端（它们只是同一协议的不同实现）就可以了。
2026-04-04 13:54:25
34
原创 Coze平台需求转测试用例AI智能体开发实战
对于软件测试工程师来说，从需求文档到测试用例的转化，是测试工作的核心起点，但传统人工编写不仅耗时耗力、容易遗漏需求点，还难以保证用例的完整性和规范性。在软件测试自动化的实践中，如何高效将扣子平台的自动化工作流与 Python 开发体系结合，实现从接口调用、数据解析到 Excel 文件落地的全链路自动化，是提升测试效率的关键。，零代码搭建一个全自动工具，实现「共享巴士 APP 需求文档 → 自动生成测试用例 → 自动创建飞书文档」的全流程闭环，彻底解放测试人力，提升用例编写效率。Coze（扣子）平台打造的。
2026-04-04 10:04:55
67
原创 Coze平台软件测试面试官AI智能体开发实战
AI 智能体是具备自主性的计算机程序，核心特点是无需人工持续干预，即可自主完成「感知环境→分析决策→执行任务」的全流程。简单来说，普通大模型是 “你问我答” 的工具，而 AI 智能体是 “你给目标，我来搞定” 的自主助手。1. 智能体架构工作流AgentUI 交互入口：提供 Web 界面、命令行等交互方式，作为用户与智能体的连接桥梁，接收用户的目标与指令。大模型决策中枢：接收用户 prompt，完成意图判断与任务拆解规划，将复杂目标拆解为可执行的子步骤，是智能体的 “大脑”。拓展能力调用。
2026-04-04 04:53:29
52
原创 通过自然语言生成SQL提示词实战
在测试、数据分析场景中，自然语言转 SQL 是高频需求，但 AI 常出现语法错误、字段不匹配、逻辑偏差等问题。通过结构化提示词模板，可让 AI 生成 100% 合规、可直接执行的 MySQL 语句。
2026-04-03 15:55:51
40
原创 Prompt提示词使用技巧与实战案例
大模型有上下文长度限制，超长文档一次性输入，会出现信息丢失、总结不全的问题。正确的做法是拆分分段总结，再汇总各段摘要生成最终摘要，可递归执行。
2026-04-03 15:49:48
31
原创 GPT文本生成与采样策略详解
大模型生成文本的本质，是基于上下文逐词预测下一个 token 的概率分布。如果完全采用确定性生成，会带来明显的局限性：而采样策略的核心价值，正是在「可靠」与「创意」之间做权衡：在核心采样算法之前，我们先理解大模型生成的基础策略，它们是后续进阶算法的基石。1. 贪心搜索（Greedy Search）2. 束搜索（Beam Search）3. 简单随机采样基础策略无法平衡确定性与创造性，因此诞生了三大核心采样算法，是目前大模型生成的「标配」。1. 温度采样（Temperature Sampling）温度采样是最
2026-04-03 11:09:58
34
原创 DeepSeek R1 本地部署企业级实战（附Ollama及CherryStudio客户端安装包）
蒸馏技术简单理解，就是一种“教师+学生”的架构模型，通过蒸馏技术将大规模预训练模型(教师模型)的知识迁移至更轻量的学生模型，在保持高性能的同时显著提升推理效率。三大核心技术：MoE+MLA 架构实现性能与效率的平衡，纯 RL 训练打造极致推理能力，全量蒸馏完成能力的轻量化迁移。，将 671B 大模型的推理能力无损迁移到轻量化小模型，让个人用户、中小企业用消费级硬件就能跑通顶尖推理能力。用的使用尽量不要使用带Pro的模型，Pro每分钟输出token会更多，会产生更多的花销。，是本地开发与测试的最佳选择。
2026-04-02 16:11:02
32
原创 Transformer模型架构全景
大模型处理文本的完整链路，本质是 「文本→Token 化→嵌入→语义编码→向量计算→多模态映射」的全流程，每一步都有明确的技术逻辑与工程实现，最终将人类语言转化为计算机可理解、可计算的高维语义空间。输入 “我喜欢吃苹果”，“吃” 这个 Token 对 “苹果” 的注意力权重会远高于对 “我” 的权重，模型自动学习到 “吃” 的对象是 “苹果”，精准捕捉语义依赖。嵌入的核心，是把文本中的每个 Token 映射到高维连续的数字向量（坐标），是文本进入语义空间的。
2026-04-02 14:16:34
28
原创 DeepSeek使用指南
DeepSeek是一家成立于2023年的中国科技公司，全称杭州深度求索人工智能基础技术研究有限公司，杭州AI六小龙之一"，在杭州、北京均设有研发中心。该公司隶属于量化巨头幻方量化，是一家知名的私募巨头公司，因管理资金超过600亿，被业界称为'四大天王"。近期因开源AI大模型和相关技术火爆全球，一度在140多个国家的应用商店下载排行首位。DeepSeek团队成员不到140人，是OpenAI的十分之一左右，平均年龄28岁，90后比例超75%，85%以上员工拥有硕士学位，主要来自国内顶尖大学，包括清华、北大。
2026-01-13 13:37:22
110
原创 大模型编程框架接入工具
如何在主流编程框架（Python/Java/Go）中快速调用大模型能力，下面介绍的工具能帮你跳过底层推理引擎的复杂配置，直接通过简洁的 API/SDK 对接大模型，适配不同开发场景（快速原型、生产级服务、多模型管理）。这类工具的核心价值是 **“一套代码对接所有大模型”**，屏蔽不同厂商 API 的差异，适合需要兼容多模型（如同时用 GPT-4 和通义千问）的场景，。如果只对接单一厂商的闭源大模型，优先用官方 SDK，兼容性和稳定性最佳。
2026-01-12 22:40:04
143
原创 人工智能业务开发流程详解
核心问题：AI 能解决什么问题？是否值得做？明确目标将业务需求转化为技术指标。例子：不要说 “提高销量”，要说 “构建一个推荐系统，使点击率（CTR）提升 5%”。技术评估这是一个分类、回归、聚类还是生成任务？目前的技术（如大模型、传统 CV）能否解决？成本预估：算力成本、数据标注成本、人力成本。定义成功标准设定准确率（Accuracy）、召回率（Recall）、F1-score 或延迟（Latency）的阈值。
2026-01-12 21:04:34
111
原创 各行业AI应用案例及落地解决方案
AI 在各行业应用已从单点试点进入规模化落地阶段，金融、医疗、制造、交通等领域渗透率领先，核心价值集中在降本增效、风险防控与创新赋能，生成式 AI 正加速从客服、内容生成向研发、决策等复杂场景渗透。成功标准：模型准确率达到预设阈值（如 99%），且系统运行稳定。产出物：《AI 智能制造可行性分析报告》5. 适老化与特殊场景适配。
2026-01-12 14:53:07
314
原创 大模型商业应用案例
盘古大模型的核心竞争力在于 “产业适配 + 自主可控 + 高效推理 + 快速落地”，适合需要深度行业定制、数据安全优先、追求明确 ROI 的企业。盘古大模型是华为云推出的面向 B 端产业落地的实干型大模型，核心特点是分层架构适配行业、全栈自主可控、强稀疏推理与多模态能力、小样本与行业知识集成突出、端边云协同，以及以商业价值驱动研发盘古。盘古大模型聚焦 B 端产业落地，已在矿山、制造、医药、铁路、政务等 30 多个行业、400 多个场景规模化应用，核心价值体现在降本、增效、安全与创新。
2026-01-12 14:18:32
150
原创 AI芯片种类与算力服务器选型
训练模式核心优势核心劣势核心适用场景传统训练简单高效、成本低、并行效率高算力上限低、无法训练超大模型小模型训练、大模型微调、算法原型验证集群训练算力可无限扩展、支持超大模型训练技术门槛高、通信开销大、成本高超大模型预训练、超算级科学计算两者并非替代关系，而是互补关系：通常先通过传统训练验证模型结构和算法有效性，再通过集群训练进行大规模预训练，最后回到单机进行微调与部署。
2026-01-12 12:07:12
149
原创 人工智能算力单位详解
算力（Computing Power），核心是计算设备或系统在单位时间内处理数据、执行计算任务的能力，是数字经济时代的核心生产力，与算法、数据并称智能计算三要素。换算（103 倍率），和存储单位的 “二进制混淆”（如 1GB 存储常指 1024 MB）不同，1 GFLOPS 永远等于 109 FLOPS，不存在歧义。，不同精度的参数占用的字节数不同，这是估算模型存储大小的核心依据，公式如下：模型存储大小=参数数量×单参数字节数。，是理论上的最大值；的能力，是科学计算、AI 训练等场景的核心指标。
2026-01-12 10:21:29
313
原创 Transformer架构详解
Seq2Seq（Sequence-to-Sequence）是一种深度学习架构，核心能力是将一个可变长度的输入序列映射到另一个可变长度的输出序列，解决了传统模型无法处理输入输出长度不一致的序列转换问题。它由 Google 团队于 2014 年提出，最初用于机器翻译，现已成为 NLP 及其他序列处理领域的基础框架。组件功能常见实现编码器 Encoder处理输入序列，将其语义信息压缩为上下文向量 (context vector)RNN/LSTM/GRU/Transformer 编码器。
2026-01-10 16:59:59
71
原创 机器学习与深度学习算法概述
给网络输入大量数据(训练数据)，网络通过调整神经元之间的连接强度(权重)来学习数据中的模式(这个过程叫“训练”或”学习”)，训练好的网络就能对新的输入做出反应(识别图像、翻译句子等)。深度学习（Deep Learning，DL）和强化学习（Reinforcement Learning，RL）是机器学习领域的两个不同分支，二者的核心目标、学习范式、适用场景均存在显著差异，同时也可融合形成强大的深度强化学习技术。名称中的 “深度”，指的是神经网络的层数较多（通常≥3 层，区别于传统的浅层神经网络）。
2026-01-09 23:49:49
80
原创 神经网络构成与计算流程详解
人工神经网络（Artificial Neural Network，ANN）是模拟人脑神经元之间信号传递与处理机制的机器学习模型，也是深度学习的核心基础。它通过大量简单的 “人工神经元” 相互连接形成网络，能够自动从数据中学习特征与模式，实现分类、回归、生成等任务。1. 核心组成单元：人工神经元输入：接收多个输入信号 x1,x2,...,xn，每个输入对应一个权重 w1,w2,...,wn，权重代表该输入的重要程度。加权求和激活函数。
2026-01-09 23:14:03
70
原创 人工智能做推理与决策的实现机制
人工智能的决策推理，是的核心过程，是连接 “感知” 与 “行动” 的关键环节。其原理因技术范式不同而分为三大类，对应人工智能的三大学派，且当前主流方案呈现的趋势。这是人工智能早期的决策推理范式，核心是，类似于人类的 “理性推导” 过程。鸽子是鸟类这是当前深度学习时代的主流决策推理范式，核心是，无需显式编写规则。这是面向的范式，核心是，类似于人类的 “从经验中学习”。当前复杂 AI 系统的决策推理，已不再局限于单一范式，而是。
2026-01-09 21:56:53
71
原创 AI岗位介绍
这类岗位是 “算法到产品” 的桥梁，聚焦模型的优化、部署与运维，是 AI 技术规模化落地的关键，对工程能力要求高。AI 是 “数据驱动” 的技术，数据类岗位负责提供高质量的数据 “燃料”，是所有 AI 项目的前提。这类岗位是 AI 技术的 “源头”，聚焦算法创新、模型设计与理论研究，适合技术功底深厚的研发人员。随着大模型技术爆发，这类岗位需求激增，是当前 AI 领域的 “香饽饽”。这类岗位聚焦 AI 底层工具和硬件，是 AI 技术发展的基础支撑。这类岗位聚焦将 AI 技术与具体行业结合，需要。
2026-01-09 21:18:54
162
原创 AI名词整理
鲁棒性（Robustness） 是一个跨学科的概念，音译自英文 “Robustness”，核心定义是：系统或模型在受到外部扰动、噪声、异常输入或环境变化时，仍能保持稳定性能和预期功能的能力。简单来说，鲁棒性就是 “抗干扰能力” —— 一个鲁棒性强的系统 / 模型，面对不完美的输入、复杂的环境波动，不会轻易 “失效” 或 “性能暴跌”；而鲁棒性弱的系统，可能会因为一点小干扰就出现严重偏差。鲁棒性是衡量模型实用性的核心指标之一，同时在控制工程、软件系统等领域也有广泛应用。
2026-01-09 21:18:34
86
原创 爆火的DeepSeek
媒体2025年1月31日报道，DeepSeek的人工智能(Al)软件在全球140个市场中的移动应用下载量排行榜上位居榜首。同日，微软、英伟达、亚马逊宣布全部接入DeepSeek!截至2025年2月9日，Deepseek的App累计下载量已超1.1亿次，周活跃用户规模最高近9700万。其中，1月20~26日，DeepSeek的App周下载量达到226万次。次周，下载量则直接飙升至6300万次，环比增长超2700%。更重要的是，DeepSeek几乎没在营销上投入一分钱。DeepSeek 的爆火是。
2026-01-08 22:59:18
151
原创 AI系统运作流程
可以把一个完整的AI系统想象成一个工厂：AI 系统的三大核心组成是数据层、算法层、算力层，三者缺一不可、协同作用，共同构成 AI 系统的 “燃料 - 大脑 - 动力” 闭环，决定了 AI 系统的能力边界与落地效率。1. 数据层：AI 系统的 “燃料”数据是 AI 系统的基础，没有高质量、足量的数据，算法和算力都失去了作用对象。2. 算法层：AI 系统的 “大脑”算法是 AI 系统的核心，负责定义 “如何从数据中学习规律”，是实现智能决策的核心逻辑。3. 算力层：AI 系统的 “动力”算力是 AI 系统的保障
2026-01-08 22:58:13
142
原创 AI大模型发展历程及趋势
混合专家模型（Mixture of Experts，MoE）是一种模型架构设计范式，核心是通过 “分而治之”的思路，将一个庞大的单一模型拆分为多个专注于不同任务或数据分布的“专家子模型”，并搭配一个门控网络来协调专家的分工，从而在提升模型容量的同时，大幅降低计算成本。它是大模型突破 “参数越大、算力消耗越高” 瓶颈的关键技术之一，广泛应用于 GPT-4、Switch Transformer 等千亿 / 万亿参数大模型。1. MoE 的核心思想传统大模型（如标准 Transformer）采用“密集型架构。
2026-01-08 22:36:36
136
原创 AI算法与技术范式发展历程
核心背景：1956 年达特茅斯会议正式提出 “人工智能”，符号主义成为早期唯一的技术范式，算法核心是人工定义逻辑规则与符号推理。核心背景：符号主义陷入瓶颈，连接主义开始崛起，聚焦于模拟人脑神经元连接，同时传统机器学习的雏形算法出现。、海量非结构化数据（图像、语音）积累，深度学习算法颠覆传统机器学习，核心是。和生成式 AI 算法成为主流，实现从感知智能到认知智能的跨越。，算力（CPU）性能提升，传统机器学习算法成为主流，核心是。核心背景：Transformer 架构的提出，核心背景：单一算法的局限性凸显，
2026-01-08 19:21:05
79
原创 AI应用领域及发展前景
2024年中国人工智能算力市场规模达到190亿美元，同比增86.9%，预计2025年将达到259亿美元，同比增36.2%。智能算力规模达725.3EFLOPS，同比增74.1%，智能算力的增幅是通用算力增幅的三倍以上。AI未来应用趋势预示看更广泛的技术整合、更深的行业渗透和持续的道德与安全考量。融合语言和视觉跨模态信息，实现图像生成、图像理解、3D生成和视频生成等应用。2. 多模态融合：从 "看懂" 到 "创造"，感知全域信息。1. 大模型：效率与能力双升，走向 "系统 2 思维"
2026-01-08 18:28:07
91
原创 AI发展历程
人工智能（Artificial Intelligence，简称 AI）是计算机科学的重要分支，是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门交叉学科。人工智能的核心是让机器具备类似人类的智能行为，包括感知、学习、推理、决策、交流等能力。约翰・麦卡锡（人工智能之父）：制造智能机器的科学与工程。安德烈亚斯・卡普兰等：系统正确解释外部数据，从数据中学习，并利用知识通过灵活适应实现特定目标和任务的能力。
2026-01-08 18:00:06
127
原创 Python 网络API接口设计
目前许多的Web应用和移动应用都使用了前后端分离的开发模式，前后端分离简单的说就是前端或移动端通过网络API接口和后台进行交互。API是应用程序的编程接口的缩写；网络API通常指的是基于一个URL（统一资源定位符）可以访问到的资源，也就是说通过这个URL我们可以让服务器对某个资源进行操作并返回操作的结果，复杂的业务逻辑被隐藏在简单的API接口中。说明：URL中的用户名（有可能不需要提供用户名）、口令（有可能不需要提供口令）、端口（有可能使用默认端口）、路径（资源有可能直接位于根路径。
2026-01-02 16:34:58
78
原创 经典Python面试题合集（四）
而且，创建一个包含百万元素的列表，不仅是占用很大的内存空间，如：我们只需要访问前面的几个元素，后面大部分元素所占的空间都是浪费的。动态链接方法：使用这种方式的程序并不在一开始就完成动态链接，而是直到真正调用动态库代码时，载入程序才计算(被调用的那部分)动态代码的逻辑地址，然后等到某个时候，程序又需要调用另外某块动态代码时，载入程序又去计算这部分代码的逻辑地址，所以，这种方式使程序初始化时间较短，但运行期间的性能比不上静态链接的程序。这样，我们可以不传输全部内容的情况下，就可以获取服务器的响应头信息。
2026-01-02 16:34:39
94
原创 经典Python面试题合集（三）
网络爬虫（web crawler），以前经常称之为网络蜘蛛（spider），是按照一定的规则自动浏览万维网并获取信息的机器人程序（或脚本），曾经被广泛的应用于互联网搜索引擎。使用过互联网和浏览器的人都知道，网页中除了供用户阅读的文字信息之外，还包含一些超链接。网络爬虫系统正是通过网页中的超链接信息不断获得网络上的其它页面。正因如此，网络数据采集的过程就像一个爬虫或者蜘蛛在网络上漫游，所以才被形象的称为网络爬虫或者网络蜘蛛。协程（coroutine）通常又称之为微线程或纤程，它是相互协作的一组子程序（函数）
2026-01-02 16:00:06
753
Pikachu是一个带有漏洞的Web应用系统，在这里包含了常见的web安全漏洞
2022-06-08
Cygwin及windows上安装tcpreplay必要软件
2022-06-07
tcpreplay合集
2022-06-07
小兵以太网测试仪 3.1.9
2022-06-06
windows下curl工具 curl-7.71.1-win64-mingw
2022-06-02
各大POC/EXP等合集
2022-05-30
以太网发包工具xcap
2022-05-29
trex_client_v2.97 官网最新版
2022-05-26
Iris Network Traffic Analyzer 5.32 一款很好用的协议分析软件，5.32最新版。
2022-05-26
Fragroute是一个数据包处理工具，可以拦截，修改和重写网络流量。你可以使用此工具执行大多数网络渗透测试，以检查网络的安全性
2022-05-26
tcprstat 网络时延与响应时间测试神器！
2022-05-26
isic 畸形数据包狂发工具，可以制造各种非法数据包，分片包 isic-0.07.tgz libnet-1.1.5.tar.gz
2022-05-26
IDS IPS 流量回放包
2022-05-20
科来最新数据包播放器v2.1 2019发布配使用说明手册
2022-05-20
科来数据包播放器v1.3
2022-05-20
ENSP模拟器 下载合集，永久有效 亲测绝对可用！！！
2022-05-20
Pronfinet协议模拟器 Windows安装包
2022-12-06
goose协议发包工具 配使用说明
2022-12-06
S7协议模拟器 windows安装包 包含S7 pcap数据包
2022-12-06
CentOS7 163 yum源
2022-12-06
S7工控模拟器 windows安装包
2022-12-06
西门子 PROFINET 网络调试和诊断工具
2022-07-25
Scapy网络数据包修改工具
2022-07-25
DNP3 工业协议模拟器
2022-07-19
IoTClient.0.4.0
2022-07-13
BACnetIP 主从站仿真工具
2022-07-13
Python实现 IEC-61850 GOOSE和SV 实现
2022-07-12
网络调试助手 NetAssist
2022-07-11
Qcheck 3.0 网络性能测试工具
2022-06-27
IxChariot 10.0 Endpoint WINDOWS+LINUX+macOS + Android.zip
2022-06-27
火狐浏览器代理插件foxyproxy与SwitchyOmega.rar
2022-06-11
phpStudy v8.1 2020最新版本
2022-06-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人