- 博客(656)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 AI时代，怎么招聘真正会用AI的人？
传统意义上的管理学正在被击穿，很多人力资源经验也已经失效。过去那套人才筛选方式，还能不能继续管用？学历、履历、名校、名企、工作年限，这些标签在AI时代都不太可靠。
2026-08-04 20:47:25
163
原创 AI 的未来，将分成三种形态
本文阐述了人工智能未来发展的三种形态分类：1. 生产力AI（工具型）——目前主流形态，辅助人类提升工作效率，如编程、写作、数据分析等专业领域应用；2. 服务型AI（交互型）——重构人机交互方式，通过多模态交互理解用户需求，主动提供个性化服务；3. 自主型AI（执行型）——具备独立完成任务能力，如自动驾驶物流、军事装备等，但也伴随更高风险。文章指出当前AI应用仍集中在第一阶段，而未来AI将从数字工具发展为现实世界的主动服务者和执行者，这种演进将深刻改变人类社会的生产服务模式和运行规则。
2026-08-04 08:25:49
201
原创 团队本质上是“傻子共振”
摘要： AI时代放大了人与人之间的能力差距，工具杠杆效应使强者更强，弱者更弱。传统团队中的“傻子共振”现象——低效成员通过流程和互相认同掩盖无能——在AI加持下更加凸显。超级个体借助AI可替代传统团队，而僵化组织仍在消耗高能人才。未来，高效协作将围绕超级个体或职业创业团队展开，以结果为导向，淘汰低效的“傻子共振”模式。组织的核心价值在于能力互补，而非规模或流程，AI加速了个人能力超越团队力量的趋势。
2026-07-22 10:00:15
242
原创 从小智停服说起：AI精神陪伴与社交产品硬伤分析
做产品，最怕的不是没有想法，而是把一个看起来成立的需求，误判成一个可以持续变现的商业模式。很多 AI 产品面临的核心问题，正是如此。小智停服的意义不在于某一个产品失败，而在于它把 AI 精神陪伴类产品的底层矛盾暴露出来：用户有情绪需求，但需求不稳定；产品有技术亮点，但留存不足；商业上看似有想象空间，但很难覆盖持续服务成本。
2026-07-01 15:54:22
272
原创 超级个体时代
《AI时代的管理变革：从平台中心到超级个体的转型》 摘要：当前企业面临AI技术应用与管理模式脱节的核心矛盾，多数组织仍沿用传统流程将AI工具简单嵌入旧系统，未能实现真正的颠覆性创新。文章指出AI时代的关键转变在于：1）人才需求从专才转向具备系统思维的跨领域通才；2）组织形态从平台中心制转向以超级个体为核心；3）管理逻辑从团队协作优先变为放大个体价值。通过分析招聘困境、专才局限性和新东方案例，揭示平台思维与个体赋能的深层矛盾，强调企业需围绕AI技术重构生产流程和管理模式，而非简单工具升级。超级个体时代下，组织
2026-07-01 09:00:02
249
原创 企业AI赋能转型的核心痛点、底层逻辑与破局路径
《企业AI赋能转型的困境与破局》摘要： 文章指出当前企业AI转型面临的核心痛点并非技术问题，而是长期形成的管理思维与组织模式制约。执行层员工因被动执行惯性丧失主动思考能力，无法有效运用AI工具；管理层则因"忠层管理"模式与结果导向思维，难以适应AI时代的管理需求。真正的AI赋能应突破人力上限，重构工作逻辑。破局关键在于：重塑员工思维模式，从执行者转变为操盘者；改革管理体系，强化过程管理；建立分层淘汰机制。企业需认识到AI转型本质是组织与人的全面革新，必须打破标准化流程依赖，重建组织弹性与
2026-07-01 08:58:25
233
原创 AI 时代的逆向操作
2000 年入行，完整走完互联网渲染技术的全周期，从最早的 CGI 到如今遍地开花的前后端分离，最后在 AI 浪潮里反向折返，重新拥抱服务端渲染，这段经历藏着互联网技术的轮回与当下 AI 时代的新解法。
2026-06-30 18:05:17
815
原创 Yolo 图像工作站·标注·训练·评估·推理·算力管理·一站式解决方案
摘要：YOLO工作站操作手册涵盖项目管理、标注、数据集、模型训练等全流程。支持团队协作模式，提供项目资源管理、图像标注（快捷键操作）、数据集生成与部署、模型训练验证等功能。包含本地/远程算力管理，支持SSH服务器添加与监控。团队模式下可查看在线用户及项目协作状态，所有操作均记录日志。工作目录需按约定存放标注图片、测试数据等文件，支持SFTP/rsync上传方式。提供Web终端和文件管理功能，训练任务通过tmux保持运行。
2026-05-14 20:15:46
529
原创 YOLO 工作站 - 标注/训练/测试/图像转换/标签管理
是一组面向 YOLO 数据集的命令行工具，用于标签统计、标签筛选、索引替换、数据集整理、图片裁剪、分类数据拆分和模型批量测试。将左侧目录中的标注文件与右侧目录中同名标注合并到输出目录，同时复制左侧目录中的图片。用于单模型批量推理目录中的图片，可选保存 CSV 和可视化图片。是独立子命令，用现有模型自动给图片打标，输出 YOLO 标签。按标签名称筛选标注文件，并复制对应的标注和图片到目标目录。按长边尺寸缩放图片，小于目标尺寸的图片会直接复制。按图片长边筛选文件，只输出匹配列表，不修改图片。
2026-04-27 15:28:43
573
原创 yoloutils 升级了 v0.0.5 操作手册
yoloutils是一组面向 YOLO 数据集的命令行工具，用于标签统计、标签筛选、索引替换、数据集整理、图片裁剪、分类数据拆分和模型批量测试。作者: Neo官网: https://www.netkiller.cn。
2026-04-07 17:26:10
503
原创 yoloutils 操作手册
YOLO标签工具集(yoloutils)是一个用于处理YOLO目标检测数据集的Python工具包。它提供多种功能：标签管理(查看、统计、搜索)、合并/复制/删除/修改标签、图片裁剪、labelimg格式转YOLO格式、图片尺寸调整等。支持通过pip安装或源码安装，可处理标签索引和名称，生成标准YOLO数据集结构(train/val/test)，并能使用UUID重命名文件、检查图片完整性。特别适合需要批量处理YOLO格式数据集的研究人员和开发者使用。
2026-04-01 11:16:23
436
原创 人工智能“冬虫夏草”识别终端
摘要：项目采用人工智能目标检测技术开发冬虫夏草识别系统，通过卷积神经网络对地面虫草子座进行定位和分类识别。该系统部署在手持终端上，能实时拍摄并识别虫草位置，显著提升高原采挖效率。系统采用"识别-训练-优化"闭环机制，将终端识别数据上传云端优化模型后自动更新，实现持续性能提升。识别准确率可达97%，解决了传统人工匍匐寻找的低效问题。
2026-03-18 15:53:16
233
原创 公网对讲机的原理、设计与实现。
本文探讨了人工智能陪聊生态中公网对讲功能的设计思路。作者结合业余无线电爱好经验，分析现有对讲应用（如南山对讲、海能达Hytalk）的使用体验，提出对公网对讲技术的理解与设计方案。文章旨在为"小智"AI陪聊平台的社交功能开发提供参考建议，重点关注对讲功能的实现原理与应用场景。
2026-03-04 11:55:53
102
原创 Python 录音 WAV/MP3/OPUS 例子
本文介绍了三种常见音频格式及其特点：WAV是无损格式，适合专业音频制作；MP3是有损压缩格式，普及度高但音质会衰减；OPUS是新一代有损格式，低延迟且音质优秀。同时提供了Python代码示例，分别演示了使用PyAudio录制这三种格式音频的实现方法。WAV直接存储原始数据，MP3和OPUS通过pydub库转换压缩后保存。三种格式各具优势，适用于不同场景：WAV用于专业领域，MP3用于日常播放，OPUS则专为实时通信优化。
2026-02-06 11:28:54
479
原创 Python UDP 传输 PCM 音频
摘要：PCM（脉冲编码调制）是模拟音频转换为数字信号的基础无损编码方式，通过采样、量化和编码处理声音波形。其特点包括无损原始性、通用性强、体积较大且音质由采样参数决定。常见于音乐制作、无损播放和硬件音频传输。Python示例代码展示了通过UDP传输PCM音频的实现方案，包括服务端和发送端的音频流处理与网络通信功能。
2026-02-06 11:21:04
634
原创 Python 实现 UDP 传输 Opus 音频
文章摘要： 本文介绍了使用Python实现UDP传输Opus音频的方法。Opus是一种开源低延迟音频编码格式，具有全场景适配、超低延迟(2.5-60ms)、高压缩效率等特点，广泛应用于实时通信场景。文章详细对比了Opus与传统编码(如AMBE、G.711)的差异，并提供了完整的Python实现代码，包括发送端和接收端。发送端通过PyAudio采集音频，使用Opus编码后通过UDP发送；接收端解码Opus数据并播放。代码支持配置采样率(16kHz)、声道数(单声道)和帧长(20ms)等参数，适用于业余无线电等
2026-02-05 14:33:16
1455
原创 2025年了 Rust 前景如何?
摘要：文章从职业发展角度分析Rust前景，认为语言选择应以实际收益为导向。作者指出35岁是程序员收入峰值，建议成为掌握多项技能的复合型人才。Rust作为特定领域语言，在当前生态下重写服务的性价比不高，可能带来额外成本而非业绩提升。真正的职业突破在于提升公司收入能力，而非单纯追求技术优化。作为工具，语言应随项目需求灵活切换，核心是创造商业价值而非技术本身。
2025-10-31 07:51:39
633
原创 Netkiller Chart 生成甘特图(Gantt)、思维导图(mindmap)、鱼骨图(fishbone)
NetkillerChart是一款多功能图表生成工具，支持创建甘特图、思维导图、鱼骨图等多种图表类型。甘特图功能可直观展示项目进度，通过时间轴和任务条管理项目周期；思维导图帮助结构化思维，以中心主题发散分支组织信息；鱼骨图（石川图）则用于系统分析问题成因。工具支持从Markdown、CSV等格式导入数据自动生成图表，并提供丰富的定制选项，适用于项目管理、质量管理、知识整理等多种场景。该工具兼具专业性和易用性，能满足不同行业的可视化需求。
2025-10-24 10:27:45
917
原创 Netkiller SVG 图形库
SVG（可缩放矢量图形）是一种基于XML的矢量图形格式，具有以下核心特性：1）矢量特性，支持无限缩放不失真；2）文本可编辑性，可直接用代码修改；3）支持CSS/JS交互与动画。其基本语法通过XML标签定义图形元素，如<circle>、<rect>等。SVG广泛应用于网页图标、数据可视化（配合D3.js等库）、响应式设计等场景。与Canvas相比，SVG适合静态图形，支持DOM事件监听，而Canvas更适合高频渲染。文章还提供了Python的NetkillerSVG库使用示例，包括基本
2025-10-24 10:07:42
1101
原创 人工智能「精神陪伴」是个伪需求
人工智能出现之后，同时伴随出现的就是，人工智能精神陪伴这个赛道。这个赛道包括了，数字人，数字孪生，智能陪聊机器人等等产品。无数的厂商，团队，扎进这个领域，想从这个细分市场快速跑通变现，最终拿到结果、赚到钱。
2025-09-08 14:49:17
851
原创 人工智能语音交互开发(六)蓝牙麦克风问题
蓝牙麦克风在AI应用中存在诸多技术挑战：包括SBC编码造成的音频质量损失、传输延迟问题、2.4G频段拥堵导致的信号干扰，以及复杂的设备管理逻辑。各版本蓝牙技术演进显示，从1.0到5.4版本虽逐步提升了传输速率（748kb/s到2Mbps）、距离（10米到300米）和功能特性（如低功耗、Mesh网络），但蓝牙音频设备仍普遍限于单声道录音，且不同安卓系统对音频设备切换的处理规则差异大，需针对各版本单独适配。这些因素共同制约了蓝牙麦克风在专业音频采集中的应用效果。
2025-09-03 17:42:26
1119
原创 人工智能语音交互开发(五)麦克风频率响应范围
麦克风频率响应范围（20Hz-20kHz）需匹配人耳听觉范围，但实际应用中需权衡成本与性能。专业级麦克风可覆盖全频段且失真低，而消费级产品通常针对特定场景优化（如人声100-500Hz）。频率响应平坦度（±dB值）比范围更重要，直接影响声音还原质量。选择设备时应结合用途：监听需高平坦度（±0.5dB），娱乐可侧重特定频段表现。最终需通过实际试听验证参数标称值与听感的一致性。
2025-09-01 18:04:22
1600
原创 用 Python 生成「工作负载图」
摘要：工作负载图是人力资源和项目管理中的关键工具，用于可视化负载分布，优化人力与任务匹配。人力资源场景关注个体/团队负载（如工时、任务饱和度），通过堆叠柱状图/热力图识别过载或闲置；项目管理场景聚焦任务进度与资源适配（如完成率、资源利用率），使用甘特图+折线图避免资源错配。两类图表可联动（如预测人力需求、调整任务分配），提升效率。Python实现需安装netkiller-chart库，通过CSV数据生成负载图，支持部门、时间维度等配置，输出为SVG格式。
2025-09-01 16:36:00
1150
原创 AI+Markdown 生成石川「鱼骨图」Fishbone
摘要：鱼骨图（石川图）是一种结构化问题分析工具，通过鱼骨状图形可视化因果关系链，核心包含鱼头（待解决问题）、主骨（因果主干）和大骨（原因分类）。制造业常用4M1E维度（人机料法环），服务业多用5P维度（人流程产品场所政策）。结合Markdown轻量级标记语言可高效生成分析文档，其简洁语法（#标题、*字体、-列表等）支持快速结构化表达。通过Python的netkiller-chart库可实现自动化鱼骨图生成，适用于质量管理、流程优化等多场景分析。
2025-09-01 16:26:53
1338
原创 CSV 生成 Gantt 甘特图
本文介绍了CSV文档的基本概念和甘特图的应用。CSV是一种以逗号分隔的纯文本格式，广泛用于表格数据存储和交换，具有简单通用、兼容性强等特点，但也存在无标准规范、不支持数据类型等缺点。甘特图作为项目管理工具，通过条形图直观展示任务时间安排和进度，适用于项目规划、任务跟踪等场景。文章还提供了CSV处理工具和甘特图制作软件的推荐，并通过Python程序示例演示了如何利用CSV数据生成甘特图。两种工具在数据可视化和项目管理中都具有重要作用。
2025-08-16 16:30:32
1076
原创 Markdown 生成 Gantt 甘特图
本文介绍了如何使用Markdown生成Gantt甘特图。首先解释了Markdown作为一种轻量级标记语言的特性，以及甘特图的构成要素和项目管理价值。随后提供了Python实现方案，包括安装netkiller-chart库、编写代码示例和命令行操作方法。通过解析Markdown表格数据，即可自动生成包含任务时间轴、进度状态和依赖关系的可视化甘特图，支持SVG格式输出。该方案兼顾了技术实现的简洁性与项目管理需求，适合开发人员快速创建项目进度图表。
2025-08-16 11:44:56
1200
原创 人工智能语音交互开发(四) 麦克风识别过程中有哪些影响因素
麦克风识别性能受多种因素影响。市场上麦克风种类繁多，包括动圈式、电容式、铝带式等，其中消费电子产品主要使用驻极体和硅麦克风（MEMS）。麦克风质量参差不齐，主要原因是许多加工厂缺乏声学研发能力和测试条件，导致参数指标混乱。消费级麦克风多用于廉价产品，其不一致的性能参数会给产品开发带来困扰，需要测试团队反复调试才能解决。不同麦克风类型适用于不同场景，选择合适的麦克风类型对产品性能至关重要。
2025-08-06 08:51:34
364
原创 人工智能语音交互开发(三) 麦克风回采
语音识别中的麦克风回采技术 麦克风回采是智能语音交互中的关键技术，用于解决设备自身声音干扰问题。当智能设备播放声音时，其麦克风会同时采集用户指令和自身喇叭输出的声音，导致语音识别混乱。回采技术通过音频处理芯片将输出信号分路，与麦克风采集信号进行抵消处理，最终仅保留纯净的用户语音，显著提升语音唤醒和识别的准确性。这项技术有效避免了设备自反馈干扰，是保证语音交互质量的重要环节。
2025-08-04 12:05:30
927
原创 Springboot Websocket 实现
Spring Boot WebSocket 实现摘要 Spring Boot 通过 WebSocket 实现全双工实时通信，适用于聊天、实时通知等场景。其核心原理包括： HTTP 握手升级：通过 101 状态码切换为 WebSocket 协议 帧格式传输：数据以二进制帧（含操作码、掩码、载荷）形式高效传输 持久连接：一次握手后保持长连接，支持双向实时通信 与 HTTP 相比，WebSocket 具有低延迟（无重复握手）、节省带宽（轻量帧结构）和主动推送等优势。示例代码展示了基于 @ServerEndpoin
2025-08-04 11:32:53
753
原创 人工智能语音交互开发(二) 声卡、麦克风、喇叭
多媒体音箱发出的声音，会被麦克风采集到，然后进入电脑，再从音箱中播放出来，形成环路。例如，你打开游戏，进入房间，跟小伙伴组团群聊，此时你打开一个播放器播放音乐，你想烘托一下直播间的气氛，结果你会发现只有自己能听到播放的音乐，其他小伙伴只能听到你麦克风传过去的声音，没有背景音乐。在语音交互产品的设计中，你会遇到很多上面类似的问题，还会发现，为什么别人写的软件实现了，你安装SDK去调用，始终不成功？最后，请关注我，从今天开始，我会陆续写一些关于人工智能语音交互开发文章，里面有我们遇到的问题，以及解决方案。
2025-07-26 07:57:23
578
原创 Python 生成 Gantt 甘特图
甘特图（Gantt Chart）是一种以可视化方式展示项目进度、任务安排及时间规划的图表工具，由美国工程师亨利・L・甘特（Henry L. Gantt）在 20 世纪初发明，广泛应用于项目管理、生产计划、活动安排等领域。
2025-07-25 19:20:34
1126
原创 Python 生成思维导图
netkiller-chart：Markdown转思维导图工具 netkiller-chart是一个Python工具，可将Markdown格式文本转换为思维导图。支持命令行和编程两种方式使用。 主要功能： 通过mindmap命令转换Markdown文件为SVG格式思维导图 支持标准输入管道方式处理 提供Python API接口调用 安装方法：pip install netkiller-chart 示例展示了如何将包含操作系统分类的Markdown文档转换为可视化的思维导图。
2025-07-24 18:59:27
585
原创 安卓WI-FI和手机4G信号强度
摘要：本文提供了获取移动设备WiFi和蜂窝网络信号强度的Android代码实现。对于WiFi信号，通过WifiManager获取RSSI值并将其转换为0-4的强度等级；对于蜂窝信号，使用TelephonyManager获取信号强度等级（API级别≥28时可用）。两种方法在获取失败时均返回-1。该实现适用于需要监测网络信号的移动应用开发场景。
2025-07-11 10:38:45
214
原创 人工智能语音交互开发(一) 总结
在人工智能项目的开发中，主要难点是软件和硬件配合，软件和硬件分别隶属于两个独立的团队，并且这个团队所用到的知识是分科的。这导致硬件整合难度极高。
2025-07-11 10:32:22
411
Yolo11n 图片验证码识别
2024-11-20
重回 hardcode 硬编码
2026-06-30
TA创建的收藏夹 TA关注的收藏夹
TA关注的人