存储AI–AI博客聚合
最新聚合的文章
-
原来LangChain社区隐藏着这么多有趣的工具
本文分享 LangChain 三款实用工具：SQLDatabase 实现自然语言查询 PostgreSQL，附带安全校验；DuckDuckGo 联网检索缓解大模型幻觉；PythonREPL 可执行
-
Mysql主从复制
MySQL 主从复制：原理与实战 一、理论 什么是主从复制 主从复制是一种数据库复制技术：把主库（Master / Source）的数据变更，实时或准实时地复制到一个或多个从库（Slave / Rep
-
时间序列分解：从噪声中提取有效信号
时间序列数据里，趋势、周期和随机波动经常是混在一起的。 直接看原始曲线，很容易被短期波动带偏，比如把一次促销当成长期增长，或者把季节性回落当成业务衰退。 时间序列分解要解决的就是这个问题，把一条看起来
-
从零到一搭建企业级智能问答系统：Ch12 · 结构化输出与工具调用
Ch12 · 结构化输出与工具调用 本章导读 上一章（Ch11 · 大模型调参与效果评测）解决的是"怎么知道检索变好了"。 本章要往回再退一步。往前数六集，每一个环节都默认了同一件事： 集 在做什么
-
从零到一搭建企业级智能问答系统：Ch11 ·大模型调参与效果评测
改一行配置，怎么知道它变好了：检索评测的黄金集、指标与门禁 一、同一个"没命中"，是两种完全相反的故障 你把 top-k 从 5 调到 10，看了一圈，说"好像好点了"。 但如果答案根本没被召回到，调
-
我开源了一个 agent harness：同一颗 2B 模型，四个框架得分从 0.017 到 0.821
我开源了一个 agent harness：Mingbird（鸣鸟），Apache-2.0 协议，面向 Windows + Ollama 上的 2~9B 本地模型。核心数据：同一颗 2B 模
-
AnyJev护城河在校准
开源项目AnyJev六天复刻闭源决策模型Jev接口，印证协议易复制；真正壁垒在于“校准”——让模型概率匹配真实频率。经三级校准，Qwen3-8B自动决策率从7.7%跃升至52.0%
-
用 AceData Studio 做 AI 短片：从分镜、首帧到参考图编辑
做 AI 视频，最容易走偏的一步，是把“生成成功”当作“创作完成”。本文用《最后一盏灯》这个小故事，拆解怎样在 AceData Studio 里准备分镜、生成首帧、编辑参考图，并为后续图生视频建立验收
-
我用 Cloudflare Worker 搭了个 AI 网关，白嫖 Agnes + DeepSeek 双模型，还能给 Hermes 用
我用 Cloudflare Worker 搭了个 AI 网关，白嫖 Agnes + DeepSeek 双模型，还能给 Hermes 用 一、为什么要自己搭 AI 网关 最近在用 Hermes Agen
-
图片能显示，画进canvas却空白：像素面积上限
img能显示的大图画进canvas却空白：16384×16400只多16行就过了Chromium与WebKit构建的面积线；解码与画布上限差一倍，附裁剪改法，对照用了图映。
-
img.decode()报错的图能画，load成功的却是空的
Chromium 149在6000²前后起decode()报错图却能画，Firefox构建load成功却画出全透明。大图可用性改看像素：画进64×64读回判透明，附图映对照。
-
Phase A · Step 3：模型导出 ONNX
目标 将 PC 端的模型（Pipeline 验证阶段用预训练权重 yolo26n.pt，训练完成后用 best.pt） 导出为固定 shape 的 ONNX 模型，并通过 ONNX checker 和
-
计数器停在 0，我差点把一篇空摘要发出去
摘要灌完读回 112 个字，逐字比对全对，但平台字数计数器停在 0。问题不是读回错了，是我的验证手段在「框架有没有收到」这一整维上没有信号——而故障点正好落在那一维里。
-
同一道请假审批，六款 Java 工作流引擎的实现路径与成本对比
0. 先说清楚：本文比什么、不比什么 0.1 本文要比的 用同一道业务题（请假）回答三件事： 实现方式：引擎侧通常怎么建模、怎么挂表单、怎么写分支、怎么把待办送到人。 场景适配：审批语义、PC、移动、
-
深入 opencode（上篇）：工程全景、双会话内核与事件溯源
深入 opencode（上篇）：工程全景、双会话内核与事件溯源 摘要：本上篇聚焦 opencode 的"骨架与内核"。文章以本机源码仓库为唯一事实来源，从 bun run dev:desktop 的启
