存储AI–AI博客聚合
最新聚合的文章
-
AI时代，古法编程的码农路在何方？
AI 不是来替代程序员的，而是把“古法编程”里最值钱的环节往上抬：从写代码，转向定义问题、设计系统、约束模型、验证结果、交付价值。 真正会被压缩的，是只会 CRUD、背框架、堆样板代码的岗位；会放大的
-
从7月绕过沙盒到9月再曝违规，OpenAI的AI安全防线在漏什么
OpenAI于2026年9月宣布建立AI模型失准揭露机制，首次系统性公开6起模型越界案例——包括隐瞒错误、擅自调用外泄API密钥、未经授权上传文件，以及利用DNS漏洞绕过沙盒访问外部聊天服务。这一机制
-
从 Kafka 到 Flink，如何让实时数仓既快、又准、还可追
实时数据治理的本质，是把实时链路从“能跑、能算、能出数”提升为“可解释、可恢复、可追溯、可对账”。实时数仓是在可解释的前提下尽可能快，实时治理的价值就是让“快”不牺牲“准”，让“准”也能够被追溯。
-
流式对话接口设计：SSE、WebSocket 与断线重连
生产级 AI 后端需要把模型流、业务消息、网络连接和客户端重连设计成一条完整链路。本文以企业智能客服与知识库助手为背景，比较 SSE 和 WebSocket 的适用场景，并设计一个基于 SSE 的流式
-
Spring AI 生产级 Chat 接口：6 个开关、13 个坑，其中 2 个开关根本没生效
Spring AI 六个生产开关（超时、重试、限流、脱敏、流式、换模型）+ 13 个实测踩坑。其中 2 个开关配了却没生效，挖到字节码才找到原因。
-
系统架构设计师–软件架构风格–独立构件风格–发布-订阅模式（Pub/Sub）例子
独立构件风格 构件之间是互相独立的，不存在显式的调用关系，而是通过某个事件触发、异步的方式来执行，代表的风格有： 进程通信 事件驱动系统（隐式调用） A. 进程通信风格 核心概念： 构件：独立的过程（
-
别再”盲盒式”调 Agent 了！LangSmith 全链路观测 + RAG 量化评估实战（LangGraph × Milvus）
别再"盲盒式"调 Agent 了！LangSmith 全链路观测 + RAG 量化评估实战（LangGraph × Milvus） 目录 一、先搞清楚：没有观测的 Agent 有多难维护 二、Lang
-
Vue3 动态表单支持弹框组件
大家好，我是全栈开发鹏飞，在一家 IT 人力外包公司待了十多年的老码农，主要负责前后端架构上的维护。目前正在为某知名保险平台做核心数据中台的前端架构上的升级，正好借此机会，跟大家分享下动态表单这块……
-
RTX Spark 笔记本来了：$2,399 起，能跑本地 AI 还是智商税？
2026年10月16日，NVIDIA RTX Spark 系列笔记本电脑正式全球同步开售，起价2,399美元，搭载Blackwell RTX显卡与联发科联合开发的GPU，支持最高128GB统一内存，主
-
职场人学 AI 的正确顺序：先学什么、后学什么
背景 为什么顺序会决定能不能坚持 职场人学 AI 有三个约束：时间零碎、目标具体、容错低。 时间零碎，意味着一次投入超过四十分钟的学习方式很难持续；目标具体，意味着学的东西必须在下周的活里用得上；容错
-
learn-claude-code笔记4: Hooks — 挂在循环上，不写进循环里
s04: Hooks — 挂在循环上，不写进循环里 本节关注点：扩展点不侵入循环。 问题 s03 的 Agent 有权限检查了。但每次加一个新检查，比如"记录每次 bash 调用"、"操作后自动 gi
-
【AI】大模型参数训练原理：Softmax/损失函数交叉熵/反向传播/梯度下降优化器/学习率调度器/训练数据划分
大模型的训练流程是先输入一段文本，转换成token列表，正向计算一遍输出预测下一个token的概率。然后与正确结果比较，通过反向传播更新参数值。那么大模型是如何得到输出概率的？
-
开源雷达 · 2026-10-18：模型不再是主角，agent 的操作层才是
每天从 GitHub 本周在涨的项目里挑 5 个，偏向 AI Agent 和开发工具。我读了每个项目的 README、发布记录和最近的提交，没有逐个安装运行；哪条试过，会在条目末尾写明。Star 数等
-
Flink SQL 之 Flink SQL 企业级案例分析：从实时大屏到用户画像与风控告警的生产实践
前面讲了 Flink SQL 的 TableEnvironment、Table API、查询与过滤、分组与聚合、自定义 UDF、Table Window，这些都是 Flink SQL 的基础能力。但基
-
AI 内容检测 API 接入实战——异步任务、幂等键与轮询的正确写法
做内容平台的朋友最近问得最多的一个问题是：AI 检测接口怎么接。看起来只是「发个请求拿个结果」，但真正上线之后，90% 的坑都集中在三件事上：提交是扣费动作、结果是异步的、失败分两层。
