westworld2017163com的博客

原创 对话式数据分析与Text2SQL Agent产品可行性分析思考

图片by商汤秒画

原创 忍不住分享的Github阅读神器-Deepwiki深度使用

《产品经理的GitHub阅读神器：DeepWiki让代码理解变得简单》摘要：面对AI技术迭代，产品经理常需研读GitHub项目却苦于代码障碍。DeepWiki将GitHub网址替换为deepwiki.com即可自动生成可视化技术文档，如WrenAI项目的系统架构图和使用流程图。其Q&A代理功能可直接解答代码疑问，无需依赖开发人员。该工具显著提升非技术人员理解效率，10分钟即可掌握项目全貌，适用于产品经理和技术小白，程序员也能借此提高阅读效率。访问deepwiki.com或直接修改GitHub链接即可

原创 AI数学能力辩证｜对LLMs的数学高考全员高分的思考

本周隆重推荐来自大佬文章-关于AI大佬数字卡兹克的AI高考测评，看完又震惊又疑问。 - 对于LLMs语文考得好，我一点也不意外。但对于数学，我充满了疑问。2025年数学高考卷top2大模型分数高达145，数字卡兹克测评的10个最低分也在124以上，说实话，经历过高考数学的理科生的我，我是有被辗轧的震惊感。我有一个疑问？LLM的底层逻辑是文字接龙，为什么可以*稳定*考出高考高分？ - 正文我先po一些我认可的很重要的AI领域观点，然后我们再把疑问破开看，里子充满了Agent的思路。

原创 AIGC之表情包从0到1 开发实践

本文分享了使用AI工具快速制作并提交表情包的完整流程。作者结合云舒的教程，3小时内完成了从创意到审核的整个流程：1)用FastGPT平台和DeepSeek模型生成文案；2)用Lovart批量生成图片；3)通过在线工具处理图片并提交微信表情平台。文中特别推荐了DeepSeek模型在文案创作中的出色表现，以及Lovart在图片生成上的高效性。整个过程展示了AI工具如何简化创意生产，最终完成了一套以山西博物院貘尊文物为灵感的可爱表情包。

原创 原创｜查询大数据级数据表的AI实现思路（Excel2SQL,Text2SQL）

为应对大数据查询需求，本文提出了一种结合LLM和SQL的解决方案，通过Text2SQL技术将用户问题转化为SQL查询，并利用LLM进行精准输出。具体流程包括：首先将Excel数据转换为SQL表结构并生成查询示例；其次，通过LLM将用户问题转化为SQL语句并执行；最后，将查询结果再次输入LLM生成最终回答。经过50条Excel数据和30个问题的测试，该方案达到了95%的正确率，有效解决了噪音和数学题等LLM的局限性问题。

原创 Callcenter呼叫中心客服系统常用词汇表中英文对照

原创 前沿分享｜技术雷达202504月刊精华

AI产品经理视角分享 技术雷达202504月刊精华部分，附原文地址

原创 前沿分享｜处理LLM幻觉问题-CoN｜笔记链：增强检索增强语言模型的鲁棒性

检索增强语言模型（RALMs）在大型语言模型的能力方面取得了重大进步，特别是在减少事实幻觉方面，这得益于外部知识来源的利用。CoN 的核心思想是为检索到的文档生成顺序阅读笔记，以便彻底评估其与给定问题的相关性，并将这些信息整合到最终答案中。此外，标准 RALMs 往往难以评估它们是否拥有足够的知识，无论是内在的还是检索到的，以提供准确的答案。EM 分数平均提高了+7.9，对于超出预训练知识范围的实时问题，拒绝率提高了+10.5。，甚至可能导致模型忽视其固有的知识，即使它拥有足够的信息来回答查询。

原创 RAG+深入｜前沿论文以及思路分享

1. Uni-Parser：统一语义解析器，用于知识库和数据库上的问答2. UniK-QA：开放域问答中结构化和非结构化知识的统一表示3. RNG-KBQA：基于知识库问答的生成增强迭代排序4. 端到端基于案例推理的常识知识库补全(Commomsense Knowledge Base Completion)5. 在基于 RAG 的对话系统中生成建议问题的动态上下文

原创 AIGC｜可视化文章总结卡片实现

个人越深入，越觉得Prompt提示词的上限真的非常高，也需要耐心和细心，斯认为随着AI能力的加强会更重要，而不是越来越不重要。

原创 产品经理knowhow｜电销系统

四、AI技术深度整合-语音质检革命全量通话实时转写：ASR准确率需达95%以上（专业领域定制词库）违规自动标记：沉默超过8秒/坐席抢话/承诺过度等场景自动标红话术有效性分析：关联成交结果反推最优话术结构-智能外呼机器人多轮对话引擎：支持打断、反问、上下文记忆（如："您刚才提到的保费问题..."）声线克隆技术：定制化企业专属语音形象（需取得客户声纹授权）人机切换无缝衔接：机器人遇复杂问题自动转人工+同步上下文

原创 多模态｜开源多模态模型Emu3 & 多模态预训练模型CLIP对比

多模态模型Emu3介绍；Emu3 vs CLIP横向对比；补充介绍多模态预训练模型CLIP

原创 AI多模态梳理与应用思考｜从单文本到多视觉的生成式AI的AGI关键路径

生成式AI正从“文本独舞”迈向“多感官交响”，多模态将成为通向AGI的核心路径。更深度的多模态模型有望像ChatGPT颠覆文字交互一样，重塑物理世界的智能化体验。

原创 数字人｜通过语音和图片来创建高质量的视频

AniPortrait开源项目：数字人，图片语音合成底层框架。

原创 分享｜LLM通过D-E-P-S完成长时间与多步骤的任务

描述、解释、计划和选择：使用大型语言模型进行交互式规划，实现开放世界的多任务代理。

原创 自我成长｜我们为什么不快乐，跳出《时间贫困》

因为，时间自由度与生活快乐值息息相关。所以，我们会因为“忙碌”感到不快乐，“忙碌”让人无法去做喜欢或想做的事“忙碌”的生活让人连轴转，无法喘息，最终陷入恶性循环。

原创 分享｜借鉴传统操作系统中分层内存系统的理念（虚拟上下文管理技术）提升LLMs在长上下文中的表现

提出了 MemGPT，通过类操作系统的分层内存系统的虚拟上下文管理技术，提升 LLMs 在复杂人物（eg.长文档分析、多会话聊天）的表现。

原创 分享｜ RL-GPT 框架通过慢agent和快agent结合提高AI解决复杂任务的能力-Arxiv

RL-GPT 框架为解决大语言模型在复杂任务处理中的难题提供了创新有效的途径，以解决大语言模型（LLMs）在处理复杂逻辑和精确控制方面的局限性。引入两级分层框架 RL - GPT，包含慢智能体和快智能体。

原创 分享｜通过Self-Instruct框架将语言模型与自生成指令对齐

大型 “指令调整” 语言模型展现出对新任务的零样本泛化能力，但严重依赖人类编写的指令数据。然而，这些人类编写的指令数据在数量、多样性和创造性上存在局限，这阻碍了模型的通用性。通过 大型 “指令调整” 语言模型...

原创 分享｜instructionfine-tuning 指令微调是提高LLM性能和泛化能力的通用方法

在一组以指令形式表达的数据集上微调语言模型可以提高模型性能和对看不见的任务的泛化。

原创 LLM测评｜8大模型回答【请说“哈哈哈”100次】的结果让人.....

用李宏毅老师的 **请说“哈哈哈”100次**实验8大国内外模型结果🤔....

原创 分享｜ AI Agent（智能体）的技术白皮书2024 by Google

2024 年 Google 团队关于 AI Agent（智能体）的技术白皮书，

原创 分享|2025年AI发展状况及展望 byvellum

The 2025 state of AIDevelopment 2025 年 AI发展状况分享一篇关于AI应用发展在国际发展的趋势报告，文章基于对 1250 多名 AI 开发者的调查，深入分析了 2024 年 AI 的发展情况，并对 2025 年的发展趋势进行了展望。内容也包含了在商业上的一些方向和使用最火最广的各类AI模型及开发工具，整理见文。

原创 数字人｜AI数字人初探索-从商业需求走到落地

基于AI的数字人已经有了很多切实的业务场景。在商业业务场景下，作为AI产品经理的我，想通过深入研究跑通数字人这个聚焦场景，进一步深入了解视觉大模型。

原创 FastGPT｜扩展LLM边界的智能体应用工具分享（不止知识库问答）

来自FastGPT深度使用者的分享：fastGPT是什么可以用fastgpt来干嘛（正门和偏门）我遇到的坑Q&A（省时省力）

转载 报 Error Code: 1175错误--mysql无法执行update或者delete命令

转载至：https://blog.csdn.net/cainiao_accp/article/details/68962579 MySql 执行 DELETE FROM Table 时，报 Error Code: 1175. You are using safe update mode and you tried to update a table without a WHERE that...

转载 批量删除 mysql 数据表

来源：批量删除 mysql 数据表 1 获取mydatabase 库 下的所有 ‘’sql_‘’开头的表的删除语句；Select CONCAT( 'drop table ', table_name, ';' ) FROM information_schema.tables Where table_schema='mydatabase'  table_name LIKE ' sql_...

原创 cmd命令行把bat或exe执行为windows服务

cmd命令行把bat或exe执行为windows服务：在bin目录下执行以下命令sc create [服务名] binPath=[bin目录下的.bat/.exe] start=auto create elasticsearch binPath=elasticsearch.bat start=auto...

原创 mysql导入报错 [Err] 1273 - Unknown collation: 'utf8mb4_0900_ai_ci'

问题出现在：从本机mysql导出备份到服务器上mysql导入报错：[Err] 1273 - Unknown collation: 'utf8mb4_0900_ai_ci' 搞死了，一整个下午 baidu上并没有什么解决方式，自己综合n+1片文章摸出来查了100遍数据库字符集，对比两边数据库是一摸一样的（起初不一样也通过navicat，workbench改成一致的了，通过以下...

翻译 mysql如何更改character-set-server默认为latin1

通过navicat把本地mysql新建备份-在云服务器mysql进行还原备份时，报错：1273 - Unknown collation: 'utf8mb4_0900_ai_ci' 通过baidu到字符集有问题，通过以下命令查看发现确实不一致 ：show variables like 'character%'; 最后通过以下命令成功：set character...

原创 Mysql存储过程新手尝试坑及其调

创建存储过程创建固定模板自定义部分解释：p_xxx ---- 存储过程名称（IN ... OUT ...）----存储过程入参出参（调用时出参需要在相同位置用参数@b来接收）xxx为存储过程实际部分DELIMITER // CREATE PROCEDURE P_XXX(IN a varchar(x),OUT b int) BEGIN xxx ...

原创 mysql快手查询--整理自己常用的mysql语句

后期发现sql效率不好，在建立复合主键 但因为测试库里很多垃圾数据，so需要处理到重复数据才能创立主键，1 查询双主键的sql：select concat(relation_guid,'|',relation_labelid),count(*) from customerlabel_e00002 group by concat(relation_guid,relation_lab...

原创 使用Navicat快速创建数据库字典（批量，单表）

综述：为了良好的优秀的多人开发环境，通常需要数据字典来把数据库整理出来。  通过把列信息自动批量列出来的方式为，navicat执行：select * from information_schema.COLUMNS where TABLE_SCHEMA='<schema_name>'; -----快捷自用-----select TABLE_NAME,COL...

原创 JMX@Tomcat--服务导致cpu爆掉如何打开监控

问题描述：服务在tomcat里，每2h会导致cpu爆掉 直接搞死电脑，解决：打开JAVA的监控程序 步骤 查看 来源：JMX在Tomcat中的应用   set "JAVA_OPTS=%JAVA_OPTS% -Dcom.sun.management.jmxremote -Dcom.sun.management.jmxremote.port=9999 -...

转载 tomcat连接mysql8的那些坑爹的报错

1 新建mysql的user后但是navicat连接显示密码错误来源：mysql8 ：客户端连接caching-sha2-password问题通过mysql shell新建，默认密码模式-standard提交后后自动变成caching_sha2_password，坑爹的不知道密码变成什么了解决方式： #修改加密规则 ALTER USER 'root'@...

翻译 数据库索引-初级知识get

来源博客1：深入浅出数据库索引原理来源博客2（超级推荐~~）数据库索引全解来源博客3：正确合理的建立MYSQL数据库索引创建索引：CREATE INDEX indexName ON mytable(username(length));如果是CHAR VARCHAR类型，length可以小于字段实际长度；如果是BLOB和TEXT类型，必须指定 length，下同。 删除索引：...

翻译 Ps cs6/cs5安装提示错误（37）的解决方法

打开C:\Program Files (x86)\Common Files\Adobe\OOBE文件夹里面的PDApp文件夹删除了就可以从新安装ps了。  完美解决

原创 UI自学入门笔记1-软件设计基础-图形图像基础

自学麦子学院UI设计课程，第一阶段：软件设计基础-图形图像基础有一些我认为重要的理论作如下笔记，希望能共享和复习的作用。 图片设计配色主流：色相 色调 明度 纯度 其他 其他配色方式渐变 强调 分离反复 自然 人工 图片参数设置PS保存时的图片参数设置，开始学习可以设置成默认，后期有需要可以尝试改变寻找区别。 常见...

转载 Mysql如何获取汉字首字母

排序时或者选择显示时，经常会需要 首字母-中文名称的格式： S - 上海过河兵电子商务有限公司 亲测简单有效的方法

转载 MySQL实战系列3：视图、存储过程、函数、索引全解析

超赞的一篇公众号文章：原文传送们：MySQL实战系列3：视图、存储过程、函数、索引全解析http://mp.weixin.qq.com/s?__biz=MzI4NTA1MDEwNg==&mid=2650758315&idx=2&sn=c99a980917357d101e88d4d30cb75794&chksm=f3f9e93ec48e6028c93535635d0aca3d4c31