存储AI–AI博客聚合
最新聚合的文章
-
机器人模型（WM / WAM / VLA）综合分析与对比：从「看」到「想」再到「做」
机器人模型（WM / WAM / VLA）综合分析与对比：从「看」到「想」再到「做」 0x00 概要 0x01 面对的难点与核心冲突 1.1 核心冲突的一句话版本 1.2 深挖：难点的四个层次 0x0
-
硅谷爆火的FDE是AI新风口，还是高级外包？
招聘平台高薪刷屏、AI大厂疯狂扩招、行业媒体冠以“AI落地核心岗”头衔，与此同时，技术社区里“换皮交付、高级外包”的吐槽也从未停过。
-
QML StackView：三种入栈方式（Item、Component 与 URL）
stack.push(参数) 里那个参数到底能传什么？这是 StackView 新手最容易含糊的地方。官方文档说它可以是一个 Item、一个 Component 或一个 url。
-
QML StackView：入栈、出栈、替换与批量操作
StackView 是 Qt Quick Controls 里的"页面栈"容器：页面一层层压进去（push），再一层层弹出来（pop），栈底永远是不动的初始页。
-
基于 AgentKit 的端到端需求交付平台：从个人提效到组织提效的 AI 落地实践
DeliveryAI「交付官」基于 AgentKit 搭建端到端需求交付平台，以 Spec 作为统一合约，实现人与 Agent 协同，覆盖需求到上线全流程，沉淀经验并智能评测，助力企业落地 AI 研发
-
制造业私有化文档平台的技术实践：从知识孤岛到可追溯知识资产
为什么制造企业的文档管理是典型技术负债？ 在产线现场，一个工艺变更未同步至车间作业指导书，可能引发批量返工；在质量复盘中，因无法定位当时执行的检验标准版本，根本原因分析陷入僵局。这不是流程问题，而是文
-
没有万能模型：我用 AiiOnly Token Plan，把多款大模型的长处拼进同一个项目
开篇｜一个项目，为什么越来越难只靠一个模型？ 真正把 AI 用进项目里之后，我越来越不相信“一个模型从头干到底”这件事。 原因其实很简单：不同模型，真的有不同的长处。 有的擅长复杂逻辑和需求拆解，面对
-
🧭 Milvus 向量数据库实战指南：从 Docker 部署到 AI 日记语义搜索
本文带你用 Docker Compose 部署 Milvus，并通过 OpenAI Embeddings 将日记转为向量存入数据库，实现不依赖关键词精确匹配的语义搜索。
-
Claude Code 的额度今天缩水了17%——官方公告上写的是”永久提高25%”
先把三个数字摆出来。 以原始标准周额度为 100 算： 5月14日起，官方加了一轮临时 +50%，你手里能用的是 150 这轮临时加量，昨天（9月13日）到期 从今天起，标准周额度永久提高 25%
-
从零到实战，完整AI学习路线
从零到实战，完整AI学习路线 一、文档概述 本文面向AI零基础入门者，梳理轻量化、可落地的AI学习全流程路线，规避复杂理论堆砌，聚焦核心基础、核心模型与实战落地，配套可直接运行的入门代码案例，帮助学习
-
开发者集结！共探 AI Agent 创新应用新可能
火山引擎 Agent 社区联合英特尔，9 月 23 日于苏州国际博览中心举办产业生态大会。活动含 Demo 展示、技术课堂、免费工作坊等，还有社区专属福利，面向 AI 开发者开放报名。
-
3天上线OKR系统：一名HR与1名工程师如何用JVS完成全栈交付
背景：为什么OKR系统总卡在‘等排期’？ 某科技公司HR梳理完年度目标对齐逻辑后，向IT提出OKR跟踪系统需求，得到的答复是：‘排期至少半年’。 这不是个例。传统开发模式下，每个内部管理系统都要重复处
-
淘宝直播 AI 分身：基于阿里云 Milvus 的商品知识召回实践
淘宝直播团队使用阿里云 Milvus 承载商品知识的向量存储与语义检索，通过混合搜索融合语义向量与关键词等多路检索结果，并结合类目检索、分区和标量过滤，构建 AI 分身回答生成前的商品知识召回链路。
-
把 AI 视频接进直播：提前生成、按次生成、持续生成怎么选？
直播间要用一段 AI 视频，生成任务应该在什么时候发生？ 设计同学提前做一段礼物特效，可以挑选结果、调整画面，再交付使用。观众送出礼物后，才根据主播当下的画面生成故事，等待就进入了这次互动。再往前走，
-
每天认识一个组件：元数据平台 DataHub
DataHub 的价值在于把“元数据”从静态说明升级为可建模、可查询、可订阅、可治理的基础设施。它既能解决资产发现、血缘追踪、等日常问题，也能作为数据治理、质量联动、权限审查和 AI数据上下文的底座。
