存储AI–AI博客聚合
最新聚合的文章
-
篇八：幻觉控制与可信回答——别让你的 AI 一本正经地胡说八道
如果你做过 RAG 落地，一定经历过这种"至暗时刻"： Demo 演示时一切完美，上线第一周用户反馈："AI 说公司报销上限是 8000 元，但我查了员工手册明明是 5000 元。" 或者更糟："AI
-
一道经典的 NSString 内存面试题
一道经典的 NSString 内存面试题， 一道经典的 NSString 内存面试题， 一道经典的 NSString 内存面试题
-
🌊 向量库和 ES 都查不出”关系”，我只好给奶茶建了一张人脉网
先说一个扎心的真相 我做了这么久的 RAG，一直有这么一种恍惚感： Milvus / PgVector 的向量检索，能把"意思相近"的文档捞出来； ElasticSearch 的倒排索引 + BM25
-
铁路障碍物检测数据集 | 5400张YOLO铁路安全数据集
铁路障碍物检测数据集 | 5400张YOLO铁路安全数据集 适用于铁路安全巡检、障碍物预警与目标检测研究 一、数据集概述 本数据集面向 计算机视觉 目标检测任务，专为铁路沿线障碍物的检测模型训练、验证
-
从 0 到上线：我用 Next.js 16 给孩子手搓了一套三科学习软件
从 0 到上线：我用 Next.js 16 给孩子手搓了一套三科学习软件 一、缘起 一段真实的背景：孩子初一，英语长期在及格线下，一提英语就抗拒。常规办法试了不少，报班的事也认真想过，最后的判断是：对
-
做了几个 Agent 项目后，我发现：真正拉开 AI 产品经理差距的，不是技术
最近在做 Agent 项目的过程中，我越来越明显地感受到一个问题：现在搭一个 Agent Demo 真的不难，难的是让它真正进入业务流程，并且稳定运行。 用 Dify、Coze 这类平台，可能半天就能
-
Qwen3.8-27B 本地推理实测：从 14 tok/s 到 159 tok/s 的投机解码调优
解析 Qwen3.8-27B 配合 DFlash2 投机解码与 LSE 引擎实现 159 tok/s 的底层逻辑，对比软硬件配置与 llm-bench 基准质量，为技术人员提供理性部署参考。
-
HN 614 分的 16.9MB 语音模型，我在 1 核 2G 上实测了一遍
官方跑分全是 M4 Pro 的。我把它塞进 1 核 2G 沙盒：解码速度只剩官方 1/9，短音频 102ms 出首词，德语逐词全对，喂中文则输出自信的英语幻觉。附完整 ttft 曲线和两个安装坑。
-
2026最新Rust入门教程[04]
Rust 最独特的内存安全模型 开始之前 原书对这一章的定位毫不客气：可能是全书最重要的一章。这并没有夸大——Rust 没有垃圾回收器…
-
一天一个开源项目（第231篇）：MiniMind —— 花3块钱、2小时，从零训练一个 64M 参数的大语言模型
MiniMind 是一个完全从零用原生 PyTorch 实现的开源 LLM 训练项目，核心主张是"用约3元成本、2小时训练时间，从零训练一个6400万参数的语言模型"
-
LLM 驱动的自动化测试系列（07）：移动端自动化（三）——Mobile-Agent-v3 与自研 GUI-Owl 模型路线
Mobile-Agent-v3 是阿里通义实验室（Tongyi Lab）基于自研 GUI-Owl 模型打造的多智能体框架
-
游戏设计：原型与开发 04：读懂游戏设计里的内嵌层
在游戏设计理论中，有一个核心概念叫做内嵌层。它是游戏打包交付给玩家的全部静态内容集合，是所有游玩体验的源头。当玩家启动游戏，与这套预设内容进行交互之后，才会衍生出千变万化的动态游玩体验。 Bilibi
-
把语音模型塞进手机：sherpa-onnx 在 Android 上的 ASR / TTS
手机做语音功能，最省事的做法是调云端 API。最近在技术选择无网状态下的技术选型，离线方案。真正上手之后会发现，离线语音的难点不在「调用一个 SDK」，而在模型选型、包体控制和线程治理这三件事上。
-
三步改掉 AI 味，附可直接复制的去 AI 味提示词
先看两组文案，都跟商品有关。 第一组，某超市一款伯爵红茶巴斯克的商品页下，有人留言： 第二组是 AI 生成的产品文案，网上到处都是这个调子： 第一组上过热搜，第二组是常态。 差别在哪？ 不是词好词坏。
-
Linux 实战(二):端口不通 —— CentOS 7、Rocky 9、Ubuntu 24.04 上防火墙和 SELinux 的实测差异
连载第二篇:端口不通。firewalld 挡端口回 No route to host 不是超时,reload 冲不冲手工规则 7 和 9 相反;ufw 限速、锁门自救、SELinux 502 均实测。
