存储AI–AI博客聚合
最新聚合的文章
-
Unlimited-OCR-2 本地实测：单页 2.6 秒，复杂表格与竖排阅读顺序表现如何？
基于 RTX A6000 上的 Unlimited-OCR-2 本地演示，梳理单页 2.6 秒、十页 39.7 秒的任务耗时，以及表格、公式、模糊扫描和多语言识别表现，重点分析竖排繁体的阅读顺序错误与实际使用边界。
-
AI 说报告做好了，为什么用户还是打不开？
AI 说报告已经生成，五个下载链接却全部返回 404。一次真实故障提醒我们：代码执行、文件保存和用户拿到报告，是不同的成功。
-
AI 说“今天”，到底是哪一天？
周六早上问 AI 今天的美股怎么样，用户时间、市场时间和数据时点可能各不相同。如何避免一个看似精确的日期，让整份回答偏离问题？
-
用户点了踩，Agent 就该学习吗？
一次点踩是改进线索，还是模型已经学会？从反馈保存、归属和复核说起，看看如何从用户评价出发，找到真正值得改进的问题，并避免把一次评价当成质量判决。
-
如何审核 AI 生成的代码：一份可落地的 6 层检查清单
AI 写的代码，到底该怎么审？本文给出一份可落地的 6 层检查清单，从语法正确性到安全审计逐层把关，帮你把 AI 生成的代码变成可信的 production 代码。
-
从线性 RAG 到 Agentic RAG：用 LangGraph 搭一个会判断、会纠错、会兜底的检索闭环
写在前面 先说结论：RAG 的瓶颈从来不在向量库，而在"判断"二字。 大部分人的第一个 RAG 长这样：用户提问 → 向量检索 topK → 拼进 prompt → 大模型生成。这套流程能跑，demo
-
接口性能 + AI 压测分析
「平均响应 143 毫秒，性能良好，可考虑上生产」——这句话有三个问题，其中一个是数字直接算错了。 而这三个问题背后是同一件事：「一个数」代表不了「一批请求」。 📊 平均值会骗人 20 次请求，19
-
总榜第一不等于最划算：Intelligence Index v5 换代后，模型选型要算的三笔账
一个模型拿了总榜第一，落到你的账单上却未必便宜。2026 年 10 月 29 日，Artificial Analysis 公布 Gemini 4 Carbon 登顶 Intelligence Inde
-
AI编码账单砍60%：这个84K星的小工具，一行命令装好
你有没有看过AI编程工具的账单明细——一次让Claude Code跑测试，光pytest的输出就吃掉几千token，而这上千行里AI真正需要的只有"哪个用例挂了"。一次对话下来，token像流水一样冲
-
本地把工业级 TTS 跑通：IndexTTS-2.5 在 Mac MPS 上的部署与推理工程实录
本地部署工业级零样本中文 TTS（IndexTTS-2.5）：主权重 5.1G+4 辅助模型约 5G，Mac MPS 跑通，9.26s→86.2s（RTF≈9.3）。零样本克隆+语速可控。
-
Dart 之类修饰符
讲清 Dart 类修饰符如何控制创建对象、继承实现和实现接口，理解 abstract、interface、base、final、sealed 与 mixin class 的用途。
-
一个 AI 项目从本地到上线，要经过哪些步骤？全流程讲清楚
一、故事的开头：本地跑通了，然后呢？ 前段时间，我做完了一个 AI 项目—— 学面通AI。前端、后端、数据库、向量库都已经在本地跑得好好的：打开 localhost，功能一切正常。但是要怎样才把这个项
-
不收费、不加水印、数据归你：我做了个开源的在线简历工具
每次换工作，简历工具都要重新交一次"订阅费"：免费版导出带水印，高级模板要开会员，导出的 PDF 和网页上看到的不是一回事；更别提手机号、住址、证件照都躺在别人的服务器上。
-
我花了不到1块钱，用python把自己一年的1500次会话做成了个人知识库
写了个 Pipeline：本地正则粗筛 + 大模型打分 + SQLite 指纹去重，花不到 1 块钱，把60MB 的 JSON 成功蒸馏成了几百篇个人知识库。附全套开源代码和“授人以渔”的定制指南。
-
一天一个开源项目（第251篇）：Claude SEO —— 装进 Claude Code 的 SEO 审计团队，26 个子技能 + 19 个专家 Agent 并行体检网站
Claude SEO 是 AgriciDaniel 开源的 Claude Code 插件，专做SEO优化
