存储AI–AI博客聚合
最新聚合的文章
-
接入AI大模型：让机器人”智能”起来
1. 为什么需要AI大模型 对比 关键词匹配 AI大模型 理解能力 只能识别固定关键词 理解自然语言 回复灵活性 预设回复 动态生成 上下文 无 有记忆、能对话 扩展性 需手动添加规则 自动学习 维护
-
FastapiAdmin 前后端启动全流程详解
在FastapiAdmin中，系统的启动阶段决定了依赖注入、配置加载、资源初始化与安全策略的正确执行。本项目基于 FastAPI + SQLAlchemy + Redis + APScheduler
-
V079： Milvus 向量数据库：AI 日记本的三组件部署、集合字段建模与余弦索引
Milvus 向量数据库：AI 日记本的三组件部署、集合字段建模与余弦索引 第六十五天（2026-08-28）动手把 Milvus 向量数据库从 Docker 装起来，用最新版 SDK 建了一个"AI
-
为什么只靠 Prompt 让 LLM 输出 JSON 不可靠
生产级 LLM 的结构化输出，不应该依赖“模型自觉遵守格式”，而应该通过“生成阶段约束 + Schema 设计 + 应用层验证 + Retry + 监控”把不确定性一层层封住。
-
一次 EVS”disk doesn’t exist”报错的完整排查：我差点删掉生产Kafka
一条每5分钟刷一次的 Warning 那天上午，控制台事件里躺着一堆聚合报错： 拆解这条报错的三个信息点： Failed to sync evs metadatas —— CCE 的云盘 C
-
一套 Spark SQL，打通多种 Catalog：EMR Serverless Spark 统一数据处理实践
本文从一个真实的跨 Catalog 加工场景出发，介绍 Serverless Spark 的 Catalog 支持范围，以及它如何简化数据链路和开发体验。
-
我的开源项目登顶 GitHub 趋势榜 No1 了！
这是苍何的第 585 篇原创！ 大家好，我是苍何。 兄弟们，今天是一个非常值得纪念的时刻。 我的 GitHub 开源项目冲上全球趋势榜 No 1 了。
-
原来 Agent 量大管饱，真不是吹的
现在每天起床第一件事，像一只小仓鼠一样先要偷偷看看自己的 Agent 还剩余多少额度，多少积分。 有时候，随便跑个简单的任务，积分和额度咔咔掉
-
别再背 Chain、Agent、Memory 了：用一条“智能流水线”学会 LangChain
一上来就被术语砸懵了？很正常 😵 刚接触 LangChain 时，我脑子里大概是这样的： “Chain 是链，Agent 是智能体，Memory 是记忆……每个英文单词我都认识，为什么放在一起就看不懂
-
别再来一个 Log4Shell：深入解析 Log4j 2 反序列化允许列表绕过
作者：来自 Elastic Ruben Groenewoud, Terrance DeJesus, Bryan Porras Blanch, Eric Forte 这不是另一个 Log4Shell。
-
GLM 5.3 已上线 DigitalOcean AI 推理云平台：Agent 任务的高性价比底座来了
GLM-5.3-Flash 已上线 DigitalOcean AI 推理云平台：3200 亿参数、每 Token 仅激活 180 亿参数，支持 100 万 Token 上下文与原生图像/视频输入。
-
AI 规范：模板工程方法论
第 1 章 引言：AI 编程的「确定性」之困 大模型正在改变前端的生产方式。开发者把需求交给 AI，AI 返回可运行的代码——这是过去两年的常态。 但当代码规模从「一个函数」增长到「一个页面、一个完整
-
🤔 v-mortal 是什么？！我只知道 v-model 啊！
昨天，我正在 review 代码，突然看到几个 v-mortal 出现在 Diff 中。 嗯？很陌生啊，完全没见过，搜索引擎没有结果，AI 也说不知道，问我是不是拼写错误，可能是 v-model ？
-
从零撸了一个 HTML 实体编解码工具，顺便聊聊我和 AI 结对编程的日常
最近在做一个内部项目，需要频繁地把用户输入的内容转成 HTML 实体，再塞进模板里渲染。一开始我都是打开浏览器控制台，手写几行 replace 搞定，但用着用着发现几个痛点： 特殊字符一多，正则写得跟
-
你以为的性能瓶颈，未必是真的瓶颈：用 cProfile 找到真凶
写在前面 写代码的人对"哪里慢"通常都有一种直觉，习惯性地怀疑那些看起来循环次数多、计算量大的代码。但今天用一个实测例子说明：这种直觉经常是错的，真正的瓶颈可能藏在一行毫不起眼的代码里。找瓶颈不该靠猜
