存储AI–AI博客聚合
最新聚合的文章
-
结合DEEPSEEK和CHATGPT弄了个小脚本，批量检查商品主图
同一款商品要上架多个站点，图片经常需要反复调整。所以我试着用Deepseek和Chat GPT结合弄了个小脚本，批量检查图片。
-
从0搭一个AI Agent（一）：为什么你需要的不是“调一次API”
很多人以为接入大模型就是 curl 一下接口。但真要做产品，单 API 调用差得远——这篇讲清楚 Agent 到底解决什么问题。
-
把“不要乱改”从提示词里拿出来，放进可校验的提案里
很多人用 AI 写代码的流程是这样的： 提需求； 等它写完； 打开 diff； 发现它把不该动的地方也动了； 重来。 这个流程最大的问题不是模型不听话，而是范围从一开始就只存在于提示词里。 你说“只改
-
渲染提速 6 倍：搭建引擎的门控优化实录
1000 节点合成压测，整树更新从 19.25ms 降至 3.07ms，不含 DOM、布局和绘制。三次失败涉及性能退化、丢更新和 Hooks 报错，最终在 React 调度前拦下无效重渲染。
-
Jane Street OA 真题解析：Mastermind 猜密码与候选集筛选
最近做了 Jane Street Insight 的 SWE Track OA，整体围绕一个经典的猜密码游戏 Mastermind 展开。题目包含三个编程部分，后面还有简述题，需要根据自己写的代码解释
-
Spring AI 2.0 Tool Search：工具多了，只把相关的发给模型
用电商助手的12个工具演示 Spring AI 2.0 Tool Search，比较工具定义大小，接入 Lucene 索引，并讲清会话ID、工具描述和三种索引的选择。
-
整段 C 段 IP 不能只看 Ping：一套实用的批量检测与分析思路
在管理固定 IP 或整段 IPv4 地址时，一个比较常见的误区是：挑几个地址执行 Ping，看到延迟不高，就认为整段 IP 的网络质量不错。 但实际情况往往没有这么简单。 同一个 C 段内的地址，虽然
-
云栖2026｜EMR 年度发布：AI-Ready 的全模态数智平台
EMR 通过弹性计算、统一查询和治理复用连接 Model-ready 与 Agent-ready，协同阿里云 Agentic Cloud，支撑模型与智能体进入真实生产环境。
-
破除执行黑箱：用目标地图、资源热力图与健康度看板构建可下钻的执行事实链
为什么目标总在执行中失真 目标失焦，本质是执行链路缺乏结构化建模。公司级目标、部门OKR、重点计划、责任任务、个人待办之间若仅靠文档/会议/口头传递，就无法形成可验证的上下文关联。 典型问题包括： K
-
特征导出卡在 JDBC 上，我换成了 Arrow Flight SQL 试试
一、先说结论 四项能力，一句话概括各自形态： 能力 Apache Doris Snowflake Arrow Flight SQL 读取 2.1 起内置高速链路，官方称部分场景比 JDBC/ODBC
-
订单表改成实时更新后，我把主键模型的坑踩了一遍
订单表改成实时更新后，我把主键模型的坑踩了一遍 一、先说结论 实时更新这件事，两侧的能力骨架对照如下，全部为官方文档口径： 能力 Apache Doris Snowflake 行级 UPSERT 主键
-
压完一轮 TPC-H SF100，我才学会怎么读基准数字
一、先说结论 三组负载，三个量级，配置与出处都在官方公开材料里： 负载 官方实测数字 出处 TPC-H SF100（100GB，22 条 SQL） 快约 6 倍；约 1/10 价格跑出 5 倍性能（约
-
AI 生成的图，为什么一眼就能看出是 AI？5 个破绽
你能一眼认出 AI 图，但说不出为什么。那个「感觉」其实是五条可拆开的证据：平均脸、光影不讲物理、局部崩塌、构图太规矩、色彩过饱和。附 10 秒判断顺序。
-
EVEngine 0.6 到 0.6.1：让 AI 参与游戏开发，还需要补上哪些环节？
梳理 EVEngine 0.6 和 0.6.1 的技术进展：白盒自动试玩、MCP 同帧渲染诊断、可选 Jolt 后端和物理烘焙回放。
-
JitKnow AI知识库 4.7 发布｜多文档推理+拖拽 Agent + 技能库，打造更懂业务的 AI 知识中台
最近一直在迭代 JitWord 协同AI文档 和 JitKnow AI知识库。 在大量用户的反馈和建议下，我们今天发布了 4.7.0 版本，致力于打造更懂业务的AI知识库系统。
