存储AI–AI博客聚合
最新聚合的文章
-
Durable Agent 详解：如何让 Agent 在云端长期稳定运行
本文使用一个具体的用户任务示例“向五位客户发送通知邮件”，解释为什么保存聊天记录还不够，再以 AgentScope 构建的 Agent 为例，展开任务状态、持久提交和故障恢复的通用设计，最后结合 Al
-
不受限于 Copilot，教你在 VS Code 中接入 GPT、Claude
如果你平时使用 VS Code 开发项目，可能会遇到这样的情况：希望在编写代码时使用 GPT、Claude、DeepSeek、GLM 等不同的大模型，但又不想用 VS Code 默认提供的模型。 其实
-
云数仓月度账单总是超预算：Apache Doris 与 Snowflake 五类成本项拆解与对账脚本
摘要：做次年预算时按"每小时单价 × 运行小时数"估出月成本 8 万，年底对账变成 23 万。差的不是单价，是成本项没列全——存储按 Active/Time Travel/Fail-safe 三种状态
-
Python 千万级向量检索内存优化手册
千万级向量检索的内存困境与优化路径 你正面临千万级向量规模的检索场景，单节点内存吃紧（仅16GB）、预算有限，且无法依赖商业向量数据库——核心矛盾是Python 生态下的向量检索框架默认未针对内存受限
-
手机加语音配件，断开连接后谁来保住这段话？
手机加语音配件，断开连接后谁来保住这段话？ 做随身语音产品时，一个很自然的拆法是：配件负责拾音和按钮，手机负责账户、缓存和联网，云端负责转写与总结。这样分工看起来清楚，直到用户把手机留在会议室，戴着配
-
APS动态重排实践：在多品种小批量场景下实现5分钟插单响应
插单失控的本质：传统排产在碎片化订单下的失效 多品种小批量不是订单变多，而是结构质变：同一客户分批交付、定制型号激增、单批量压缩至个位数。叠加平均3天一次的高频插单，人工排产彻底失能——计划员日均修改
-
WinForms / WPF / Blazor 项目模板详解
一、WinForms（Windows 窗体）模板 CLI短名：winforms 底层：GDI+、封装Win32原生控件，命令式、事件驱动，拖放设计器很强 内置4个模板 ………
-
给 AstrBot 写一个天气推送插件：12 次提交、6 个坑
从「每天上班前想知道下不下雨」出发，做了个 6600 行的 AstrBot 插件。记录 12 次提交里踩到的 6 个坑，以及为什么最后把坐标顺序改成了纬度在前。
-
02 | 工程视角：用微服务架构，将大模型封装为商用级 API 网关
从底层 Docker 内网隔离、网关层鉴权，到流式数据调优。不管你底层换 vLLM 还是商业大模型，这套全栈底座逻辑永远通用。
-
AI 时代吃香的三种人：有想法的懒人、替别人着想的人、不被 AI 带偏的人
执行交给 agent 以后，三种人最吃香：有想法的懒人、替用户和 agent 着想的人、不被 AI 带偏的人。案例来自 Anthropic、Shopify、METR 等一手资料。
-
Claude Code 插件完全指南：官方市场怎么用，怎么自己写（v2.1.269+）
插件（Plugins） 是 Claude Code 把 Skills、Agents、Hooks、斜杠命令、MCP Server 打成一个包的能力分发单元，用来解决配置散落、没法分享、没法版本化的问题。
-
Cosmos Curator 总览：从一条样本的组成，选对数据处理入口
Cosmos Curator 总览：从一条样本的组成，选对数据处理入口 假设团队收到了两批巡逻数据。第一批是普通 MP4，希望切出片段、生成描述，供人检索。第二批包含前视和侧视视频，还有同次采集的 I
-
别急着让 AI 写代码：需求里的「熵」，才是你真正的成本
AI 时代下，信息传递比写代码更重要，AI 时代最贵的不是写代码，是把话说到不需要再猜的程度。下面用信息论和 Cynefin 框架，把「说清楚」这件事拆开算一算。
-
中小企业跑125B 大模型：显存装不下的时候，Strata 做了什么
中小企业跑125B 大模型：显存装不下的时候，Strata 能做什么？ 作者：吴佳浩 撰稿时间：2026-10-24 测试环境： GPU：RTX 5090（32GB VRAM，驱动 580.142，C
-
OCR 方案对比：本地多模态可行吗？
OCR 方案对比：本地多模态可行吗？ 〇、结论先行 本地多模态不仅可行，而且识别质量已经超过传统 OCR——但不适合用来"跑量"。 实测： qwen3.5-9b（LM Studio 本地）：CER 0
