存储AI–AI博客聚合
最新聚合的文章
-
用 AI 做了半年项目，我把省下的时间算了笔账
都说 AI 提效，到底省多少？我把半年项目里每类活的耗时算了一笔账——标书从两周缩到半天，树逻辑从 20 分钟缩到 10 秒，但也有活一点没省。AI 省的是机械劳动，不省判断。
-
LLM 做 SAST 误报研判：四层防护让结果不飘
用大模型判误报的工程化细节：确定性优先、缓存兜底、知识闭环 问题：为什么"直接把告警丢给 LLM"行不通 做 SAST + LLM 的工具，最常见的写法大概是：把静态告警的代码片段拼一个 prompt
-
MCP 理论与实战
基于 Spring AI 讲解 MCP 模型上下文协议，对比 Function‑Calling，讲解协议原理、服务端与客户端实战，覆盖传输方式、安全最佳实践及常见问题排查。
-
静态 → LLM → 动态：一条 6 模块流水线，把 Python 漏洞告警噪声压到 4.3%
静态 → LLM → 动态：一条 6 模块流水线，把 Python 漏洞告警噪声压到 4.3% 问题：现有 SAST 工具到底差在哪？ 做应用安全的同学大概都有过这种经历：跑一遍 SAST（静态应用安
-
《elisp 每日一练》——状态栏显示管理与modeline 动态更新
前面几篇我们陆陆续续的分析了 define-mode-line 中管理开关变量、快捷键相关的内容。我们可以通过 init-value、global来设置开关变量的初始值和是否定义为全局启动。通过 ke
-
我的漏洞扫描器，把被测项目的源码写坏了
我的漏洞扫描器，把被测项目的源码写坏了 先说结论 我给自己的 Python 漏洞检测流水线加了"动态验证"——在 Docker 沙箱里真实触发被测代码的漏洞， 用双轨证据（Sink 调用记录 + Ca
-
有了 Java UDF，Doris 为什么还要 Python UDF
Doris 里自定义函数不是新东西。Java UDF 用了很久：Hive / Spark 那套 evaluate、打成 Jar、在 SQL 里当普通函数调。4.1.3 又加了 Python UDF /
-
给 Agent 接上知识库：RAG 检索链路——分块策略、混合检索与重排
给 Agent 接上知识库：RAG 检索链路——分块策略、混合检索与重排 背景 上篇结尾留的钩子：记忆管住了，模型还是不知道你公司的知识。多轮 Agent 的知识来源只有两处——模型参数（训练截止日期
-
给 Agent 装上记忆：多轮对话的历史管理——token 预算、按轮裁剪与滚雪球摘要
给 Agent 装上记忆：多轮对话的历史管理——token 预算、按轮裁剪与滚雪球摘要 背景 上篇结尾留了个钩子：Function Calling 版 Agent 工具齐了、错误回传稳了，但它是一条"
-
我把一个”会自己查资料”的 AI 助手塞进了浏览器侧边栏，开源了
总结网页、划词即问、自动开标签页做带来源的深度研究——开源浏览器侧边栏 AI 助手，5 分钟接入 DeepSeek，过程和成本全透明。
-
AI 开发个人记账 App（服务端篇）
从本地 SQLite 到云端账号：念账 App 后端实践 一、背景 念账是一个 Flutter 记账客户端，第一版是快速原型，账号和账本数据都存在本地 SQLite 里。本次给它配上服务端，顺带将账号
-
Function Calling 只是开始：Agent 工具系统到底难在哪
很多人第一次接触 Function Calling，会以为模型可以直接调用代码。 其实模型从来没有真正执行过你的函数。它做的事情只有一件：根据工具描述，生成一段符合约定格式的调用意图。简单说就是生成一
-
Integer 缓存机制（JDK 17 源码）
Integer 的缓存不是业务层优化，而是 JLS 对自动装箱对象同一性 的硬要求：一定范围内的 int 装箱后必须是同一个 Integer 实例。实现落在私有静态内部类 Integer.Intege
-
打开这个 VSC 设置「组件引用位置」和数量就都清楚了
以往搜索组件都会用 VSC 左侧栏的搜索功能，要不就是在文件列表的右键菜单中点选文件引用，或者 Ctrl 点选具体组件名，代码仓不大还好，太多就不好用了。 原来 VSC 内置有一个很好用的功能，在组件
-
AI能写无人机控制代码后，安全边界不能只守提示词
AI军事风险并不只发生在模型“发明新武器”的那一刻，更早的变化是：它把原本稀缺的资料关联、图像定位和控制软件迭代变成可规模化工作。可引用的核心判断是：当AI降低情报与工程分析的人力成本，安全控制就必须从回答内容扩展到用户
