- 博客(240)
- 资源 (6)
- 收藏
- 关注
RSS订阅
原创 AI 大模型应用学习路线-2025，学完高薪不是梦
核心概念：RAG（检索增强生成）解决的实际问题与优势。工作原理：从检索到生成的完整流程解析。
2025-06-13 21:44:04
1379
原创 最全大模型术语表，从入门到入土，从此告别小白！
预定义模型是由 AI 厂商训练并提供的现成模型，用户可以直接调用而无需自行训练。这些闭源模型（如 GPT-4、Claude 等）通常经过大规模训练和优化，能力强大且易于使用，适合快速开发应用或缺乏自主训练资源的团队。
2025-06-10 22:30:26
1604
原创 飞书登录怎么接：Web、桌面客户端、飞书内 H5 与移动端方案对比
飞书登录接入常见误区及解决方案 企业在接入飞书登录时，常误以为所有客户端类型（Web、桌面端、移动端等）都能使用同一套接口。实际上，不同运行环境需采用不同的授权方案： 独立桌面端：推荐系统浏览器OAuth方案，通过自定义协议回调，使用一次性Ticket保证安全。 飞书内H5：使用requestAccessJSAPI获取免登授权码，需运行在飞书客户端环境。 普通Web网站：标准OAuth流程，适合前后端分离或传统Web应用。 移动端原生应用：优先使用飞书移动授权SDK。 关键注意事项： 授权码code必须由服
2026-08-15 22:33:45
406
原创 从入门到进阶：网络爬虫、反爬与反反爬技术全解析
网络爬虫（Web Crawler / Web Spider），又叫网页蜘蛛、网络机器人，本质上是一段自动化访问网页并提取数据的程序。在地址栏输入一个网址（URL）；浏览器向服务器发送一个 HTTP 请求；服务器返回 HTML、CSS、JS、图片等资源；浏览器把这些资源渲染成我们看到的页面。爬虫做的事情和浏览器几乎一样，区别在于：浏览器把数据渲染给人看，而爬虫把数据抓回来交给程序处理。爬虫 = 模拟浏览器发请求 + 从返回的内容里提取出你需要的数据。
2026-06-07 22:05:49
2115
原创 从Vibe Coding、Spec Coding，到Harness Engineering
提出者：Andrej Karpathy（2025年2月）核心理念感觉驱动，快速试错。用自然语言描述模糊需求，AI 自由生成代码，人负责验收与迭代。人类角色：提需求、看效果、调方向（不写代码）。AI 角色：猜意图、写代码、快速迭代。产出质量Demo 级，适合原型、MVP、快速验证想法。适用场景：需求模糊、创意探索、快速原型、个人小工具。快速出原型，凭感觉和 AI 对话。先写说明书，AI 按图施工。搭好运行环境，让 AI 自己干活。
2026-03-31 11:53:15
2115
原创 OpenClaw本地安装（常见错误、连接飞书）
OpenClaw提供Windows和WSL两种安装方式。Windows用户可选择直接安装Node.js（≥v22）后运行npm命令安装，或通过PowerShell脚本一键安装（需调整执行权限）。WSL用户需先安装Node.js环境，推荐使用nvm管理版本（建议v24），然后通过curl命令或npm安装。安装成功后可通过PowerShell启动使用。官网提供详细安装指引和常见问题解决方案，支持多种安装方式确保兼容性。
2026-03-04 14:50:08
236
原创 Python与Java并发编程：本质区别与设计哲学
Python与Java并发模型对比分析 摘要：本文对比了Python和Java在并发编程上的核心差异。Python受限于全局解释器锁(GIL)，多线程无法真正并行执行CPU密集型任务，需采用多进程或异步编程绕过限制；而Java原生支持多线程，可直接利用多核CPU。Python通过进程隔离实现并发，通信开销大；Java采用共享内存模型，数据共享高效但需同步机制。性能方面，Python线程创建快但受GIL影响，Java线程创建较慢但并行效率高。两者在并发处理上展现出截然不同的设计哲学和实现路径。
2026-02-28 19:59:48
675
原创 英伟达历代GPU产品的核心架构演进史
英伟达（NVIDIA）的GPU发展史是一部从专用图形处理到通用并行计算，再到如今主导人工智能计算的宏伟史诗。自1999年正式提出“GPU”概念以来，英伟达已推出了十余代核心架构，每一次迭代都深刻地影响了计算机图形学、高性能计算和人工智能的发展轨迹。从最初的图形加速器到如今驱动全球AI革命的计算引擎，英伟达GPU的演进史就是一部不断突破边界、重塑行业的创新史。： 打破图形与计算的边界，通过CUDA平台让GPU成为通用的并行计算引擎（GPGPU）。： 为万亿参数级的大模型提供极致算力、海量显存和超高互联带宽。
2026-02-04 11:44:24
1446
原创 GraphRAG 完整示例流程
根据信息，苹果CEO蒂姆·库克称赞了iPhone 15，特别是其摄像头有了显著改进。：三个句子 → 建图谱 → 新问题 → 混合检索 → 得到提示词 → 生成答案。
2026-01-10 14:02:16
467
原创 RLHF与RLVR：强化学习在AI训练中的两大范式对比
RLHF和RLVR作为强化学习在AI训练中的两大范式，各自具有独特的优势和适用场景。RLHF通过捕捉人类的主观偏好来优化模型输出，使模型更加贴近人类期望；而RLVR则通过客观、可验证的奖励信号来激励模型发展出复杂的推理能力，确保模型在专业任务中保持高精度。在实际应用中，我们可以根据具体任务的需求和特点选择合适的训练范式，以充分发挥强化学习的潜力。希望今天的分享能够帮助大家更好地理解RLHF和RLVR的区别与联系，为大家的AI训练之路提供有益的参考。
2025-12-26 10:14:17
801
原创 上下文工程是什么，和Prompt、普通上下文区别
Prompt工程是"怎么写好当前这一句话"，普通上下文是"把所有历史对话都记下来"，而上下文工程是"如何智能地记住、忘记、提取和利用历史信息"。记住用户偏好保持对话一致性避免上下文窗口爆炸在长对话中保持良好表现。
2025-12-22 15:52:18
438
原创 问答机器人最优解决方案
特性建议技术栈理由简单控制指令(“开蓝牙”, “音量大点”)规则匹配 / 小模型分类快！用户无法忍受开个灯都要等转圈圈。准确率对于固定指令极高。复杂搜索/任务(“查一下谁是特朗普”, “总结今天新闻”)大模型 (Function Calling)需要理解复杂语义，小模型很难处理开放域问题。闲聊(“你觉得这事咋样”)大模型只有大模型能生成流畅的回复。给你的最终路线图：MVP (最小可行性产品) 阶段：不要引入小模型，全部使用大模型 + Function Calling。
2025-11-20 14:24:49
541
原创 泛化能力和涌现能力
特征泛化能力涌现能力定义处理新数据的能力达到规模阈值后突然出现的新技能关注点应用的广度和鲁棒性能力的种类和质变与规模的关系所有规模模型都追求，规模增大会平滑提升强烈依赖规模，存在明显的“相变”阈值类比一个学生能熟练解答同类型但没做过的新题目。一个学生在知识积累到一定程度后，突然能进行跨学科的综合创新和批判性思维。涌现能力是一种特殊而强大的泛化能力。当模型具备了涌现能力（如思维链），它就能在更复杂、更抽象的新任务上表现出更好的泛化性能。
2025-11-15 13:58:51
685
原创 CryptoJS和Web Crypto API对比
Web Crypto API作为浏览器原生API，提供了更高级别的安全保护，但需要在HTTPS环境下运行；而CryptoJS作为JavaScript库，虽然可以在HTTP环境下运行，但安全性相对较低，更适合非敏感数据的保护场景。
2025-11-03 11:27:25
1162
原创 从词到句：理解序列编码中嵌入层与RNN的必要性
在自然语言处理中，如何让机器理解一个句子的完整含义，而不仅仅是识别其中的单词，是一个核心问题。一个常见的技术路径是“序列编码”，它包含两个关键阶段：首先使用理解词汇，然后使用理解句子结构。本文将阐述为什么这两个阶段缺一不可。
2025-10-30 10:45:46
383
原创 实战指南：如何精准识别带手写签名的表格文档？
OCR保证文字识别的精准度专用模型针对手写体优化大语言模型提供逻辑校验能力这种方案在实际业务应用中已证明能够将混合文档的识别准确率从单一模型的60-70%提升到90%以上，特别是在手写签名等关键字段上效果显著。对于有类似需求的开发者，建议先使用PaddleOCR系列工具作为基础框架，再根据具体业务需求调整各阶段参数和流程，逐步优化达到最佳效果。希望这篇实战指南对您有帮助！如果您在具体实施中遇到问题，欢迎在评论区交流讨论。
2025-10-24 10:47:28
942
原创 前向传播和反向传播关系
前向传播利用输入xxx和参数wbw, bwb计算出了预测值y\hat{y}y和损失LossLossLoss。反向传播则利用前向传播产生的y\hat{y}y，通过链式法则，反推出损失对每个参数的梯度。这个梯度指明了参数更新的方向和幅度。没有前向传播，反向传播就是无米之炊；没有反向传播，前向传播的结果就无法用于改进模型。二者相辅相成，是神经网络学习的基石。
2025-10-13 16:51:59
696
原创 为什么MySQL需要三大日志？—— 深入解析Undo Log、Redo Log和Binlog的协同之道
Undo Log管“后悔”：保障了事务的原子性和并发的高效性。Redo Log管“救命”：保障了数据的持久性和写入的高性能。Binlog管“克隆”：保障了数据的可扩展性和可恢复性。它们三者协同，完美地解决了数据库领域的“不可能三角”难题。理解它们，不仅是面试的需要，更是深入理解MySQL如何工作、如何设计高可靠、高性能应用架构的基石。希望这篇博客能帮你彻底理清这三者的关系。下次遇到这个问题，你就可以 confidently 地告诉别人：它们，一个都不能少！
2025-10-11 11:41:20
760
原创 金融知识：投资和融资
投资是为了回报：回报主要来自企业成长带来的股权增值。高风险高收益：投资早期企业可能血本无归，但也可能获得巨大回报。专业机构靠投资组合来管理风险。估值是核心：融资过程就是不断对公司进行“估值”的过程。估值升高，早期投资者的股份就更值钱。股权稀释：虽然不断融资会让老股东的持股比例下降，但只要公司价值增长得更快，他们手中股份的实际价值就是在飞速上升。上市是重要里程碑：上市（IPO）是企业发展中的一个阶段，意味着公司可以面向公众募集资金，同时也为早期投资人提供了一个重要的退出渠道。
2025-09-10 18:31:22
1017
原创 机器学习、深度学习与大模型：技术选型的思考与实战指南
技术选型不是追求潮流，而是基于实际需求的理性决策。机器学习作为基础工具仍然具有强大生命力，深度学习在特定领域保持技术优势，大模型则开启了通用人工智能的新可能。理解每种技术的适用边界，才能在实际项目中做出最优选择。在实际开发中，建议开发者保持技术敏感度但避免盲目跟风。最好的技术方案永远是那个最适合具体业务场景、最能解决实际问题的方案。
2025-09-09 10:36:01
1103
原创 OCR与多模态大模型：从“看见”文字到“读懂”世界的技术革命
未来，随着多模态大模型能力的持续提升，它可能会内置更强大的OCR能力。但在可预见的未来，在特定、高效的工业化场景中，专精的OCR技术依然不可或缺。：在AI处理图文信息的道路上，OCR（光学字符识别）和多模态大模型代表了两个不同的时代。最后，我们将揭示一个更强大的趋势：二者如何强强联合，重塑信息处理的未来。这种模式结合了OCR的“火眼金睛”和大模型的“最强大脑”，实现了1+1>2的效果。OCR和多模态大模型是AI技术演进的不同阶段，它们不是取代关系，而是互补与增强。的图片时，传统OCR容易失效。
2025-09-05 09:59:07
909
原创 学习大模型，还有必要学习机器学习，深度学习和数学吗
这是一个非常好的问题，也是很多初学者会有的困惑。可以把你的问题想象成：“现在有了先进的汽车制造厂，还有必要学习发动机原理、机械设计和材料科学吗？大模型（如GPT、LLaMA、Qwen等）是建立在和这些基础之上的最高层应用。它们是这些基础学科的集大成者。
2025-08-30 10:05:47
2062
4
原创 模型微调与RAG在问答系统中的对比分析
优势领域深度适配，专业性强推理速度快，适合实时系统不依赖外部系统，部署简单局限知识更新成本高，周期长需要大量标注数据和计算资源存在过拟合风险，特别是数据不足时。
2025-08-09 16:40:41
933
原创 提示词与微调对模型自我认知和对话风格的影响对比
在大型语言模型的应用中，塑造模型的自我认知和对话风格有两种主要方法：通过提示词直接指定，或通过微调数据间接改变。这两种方式在实现机制、效果持久性和适用范围上存在显著差异。以下将从多个维度对这两种方法进行详细对比分析。
2025-08-09 16:34:45
915
原创 人脸识别技术与开源项目全面指南
人脸识别技术已经发展到一个相当成熟的阶段，ArcFace、FaceNet、InsightFace等模型在各种基准测试中都已达到接近人类水平的准确度。开源社区也提供了从研究到商用的完整解决方案，如InsightFace、face_recognition、CompreFace等。对于大多数应用场景，建议优先考虑现成的开源项目或云服务，而不是从零开始训练模型。具体选择应基于精度需求、硬件条件、开发资源和合规要求等多方面因素综合考虑。
2025-08-02 14:43:50
2069
原创 流式输出阻塞原因及解决办法
在FastAPI中实现Server-Sent Events (SSE)流式响应时，经常遇到响应数据不是实时发送给客户端，而是累积到一定程度后一次性发送的问题。Nginx 作为反向代理时，流式输出出现问题是很常见的问题。通过在每次yield后添加await asyncio.sleep(0)，强制中断当前协程的连续执行。await asyncio.sleep(0)会让当前协程暂停执行，并将控制权交还给事件循环。事件循环会处理其他待处理的任务，包括将已生成的数据发送给客户端。
2025-08-01 16:00:25
663
原创 流式输出：概念、技巧与常见问题
流式输出（Streaming Output）是一种数据处理和传输方式，数据在生成的同时被逐步发送或处理，而不是等待全部数据准备好后再一次性输出。实时视频/音频流（如直播）大文件传输实时日志处理聊天应用机器学习模型逐步推理。
2025-08-01 15:58:54
1201
原创 LangChain和LangGraph 里面的 `create_react_agent`有什么不同
虽然两者都实现了 ReAct 代理模式，但 LangGraph 的版本提供了更强大的工作流控制能力，适合构建复杂的多步骤代理系统。如果你只需要基本的代理功能，LangChain 的版本可能更简单直接。
2025-07-29 15:20:32
1280
原创 输入Token和输出Token对首Token延迟的影响
输入Token长度通过增加计算和内存负担直接影响TTFT，而输出长度主要通过后续生成阶段间接影响。优化需结合模型规模、硬件、批处理策略及缓存技术，针对具体场景（如流式对话或批量处理）权衡指标。
2025-07-25 11:26:36
1387
原创 MCP消息协议和传输协议（Java角度）
作为Java程序员，你可以将和的关系类比为。以下是具体解析：tool_callparametersNetty。
2025-07-22 22:25:16
1012
原创 以Java程序员角度理解MCP
MCP ≈ AI版的Dubbo：标准化模型与工具的交互协议，解决异构系统集成问题。对Java程序员的价值可用熟悉的RPC思维理解AI集成（JSON-RPC替代HTTP API）。通过Java SDK快速开发MCP服务/客户端，复用现有微服务技能。一句话：MCP让大模型像调用本地方法一样安全操作数据库、API等资源，而Java开发者是这套体系的“基础设施搭建者”。
2025-07-22 22:13:05
1225
原创 从Java到大模型应用：10天拿下5个Offer，我的转型逆袭之路
Java开发仍然有市场，但AI大模型才是未来。如果你还在犹豫，不妨想想：3年后，Java CRUD开发是否会被AI取代？5年后，你的薪资还能涨吗？风口来了，不把握就没了！现在正是入局AI大模型的黄金期，与其在红海市场挣扎，不如主动拥抱新技术，实现职业跃迁！PS：如果你对转型AI大模型感兴趣，可以关注我的CSDN博客，后续会分享更多实战经验和学习资料！准备做一个免费入门教程，但是要看我精力够不够。（不是卖课的）欢迎在评论区讨论，留下你的看法！
2025-07-19 10:08:42
578
原创 CMD，PowerShell、Linux/MAC设置环境变量
（Windows/Linux）：需要管理员权限。：仅在当前终端窗口有效，关闭后失效。：写入配置文件或注册表，长期有效。：适用于测试，关闭终端后失效。
2025-07-10 11:48:47
1019
原创 Transformer、BERT、GPT以及Embedding之间的关系
"BERT分类模型"和"GPT生成模型"是正确的，但Embedding不是独立的一类，而是这些模型的中间产物。独立存在的"Embedding模型"（如OpenAI的text-embedding-ada-002）通常是。Transformer分为两大类应用，但划分标准不是"分类vs生成"，而是。（类似BERT）训练的，专门用于生成高质量的文本向量表示。Embedding（嵌入）是。
2025-07-09 09:08:51
931
原创 Safetensors与大模型文件格式全面解析
Safetensors是一种专为存储大型张量数据设计的文件格式，由HuggingFace团队开发，旨在提供安全高效的模型参数存储解决方案。下面我将详细介绍Safetensors格式及其特点，并全面梳理当前主流的大模型文件格式。
2025-07-08 17:18:44
2133
原创 Nginx安装
由于nginx是基于c语言开发的，所以需要安装c语言的编译环境，及正则表达式库等第三方依赖库，如在。下载地址：https://nginx.org/en/download.html。上可以如下执行依赖安装，其他系统切换对应的安装方式进行依赖安装。可以选择稳定版本，或者按照自己需求下载对应版本。默认端口是80，如果冲突，可在配置文件中修改。运行下面两条命令，默认安装到。
2025-07-07 18:46:07
538
【多线程编程】基于Java的多线程技术详解：从基础概念到高级应用的设计与实现
2025-06-11
【Java技术演进】JDK8-17新特性详解：语法优化、API更新与GC改进助力高效开发从JDK8（下）
2025-06-11
【Java技术领域】JDK 8-17新特性详解：版本迭代、关键特性和应用实践（上）
2025-06-11
【Java编程技术】深入解析Java反射机制及其应用：类加载、API操作与动态性实现
2025-06-11
大模型术语表：涵盖AI对话、图像、视频等多领域代表性产品及关键技术概念解析
2025-06-11
Delphi课程设计.zip
2021-03-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人