- 博客(122)
- 收藏
- 关注
RSS订阅原创 华为云 Flexus 部署 coze-studio
主机和程序：云主机（Flexus L + ubuntu）+部署方式：docker（提前装好的）相关，有较为详细的环境和依赖包安装说明。
2025-08-06 17:04:22
196
原创 从博客到播客：文本转音频的全流程技术点
问：如果把这个知识点讲给刚入行的自己听，我会怎么组织这场对话？答：或许就是最好的播客脚本。通过文本到音频的转化，不仅改变了信息的传播载体，更重构了「人」在交流中的核心位置。当架构师的实战经验通过声音传递，当一线工程师的踩坑经历被具象化表达，信息传播就从「单向输出」变成了「群体共鸣」，引起的 「熵变」指数是量级增加的，更是一场自我输出的艺术整合（State of The Art）。
2025-08-06 11:32:59
485
原创 更改CodeBuddy的默认terminal为Git Bash
使用Craft模式编写代码，AI经常需要自动打开terminal自主操作，默认的terminal 是prompt，环境受限制，改为Git Bash。
2025-08-05 15:46:16
102
原创 CodeBuddy IDE 使用测评——半小时做一个web可视化数据工具
最开始是一款智能编程插件，可以在vscode、cursor中使用，现在官方@CodeBuddy发布了IDE，拿了邀请码，以下是功能试用和效果测评。CodeBuddy 致力于构建一个产品、设计、研发无缝协作的共生环境。通过将AI深度融入从需求规划、产品设计到代码开发的全流程，实现一个从想法到产品发布的一站式高效交付平台。
2025-08-05 15:23:58
606
原创 生产级Agent系统实战经验：设计一个Story Agent
目标：二次编辑story信息，补充情节、人物特点、故事背景等信息，同时可选添加人物细纲、高光情节等参数，生成完整的story。目标：根据主题、 字数要求、叙事风格类型、格式要求、灵感等参数输出story目标信息（主题、人物、主要情节、故事概要）目标：添加素材库、知识库检索等功能，连接地理位置查询、历史信息查询、行业领域知识查询等tool。
2025-08-01 14:40:40
614
原创 “数据”角色在AIGC中的转变
在算法领域，数据始终是最基础且不可或缺的关键要素，它与算法性能紧密相连，直接影响着算法的表现。像视觉数据、时间序列数据、结构化状态数据等，都是算法处理的重要对象。实际上，算法本身并无绝对的高级与低级之分，其本质在于适配特定类型的数据。不同的算法适用于不同批次、不同种类的数据，这就导致算法在一些数据上可能表现出色，而在另一些数据上的表现则不尽如人意。算法的难点就在于此，如何采用节省资源、提升性能且能统一处理的方法，将那些在不同数据上性能表现各异的情况，转化为在各类数据上都能有良好表现的状态。
2025-08-01 11:52:04
358
原创 工业世界的AI认知
当通用大模型在参数规模上内卷时，工业场景真正需要的是：🔧"像老工程师一样思考"的认知智能⚙️"像螺丝钉一样可靠"的系统稳定性。
2025-08-01 09:27:31
281
原创 时间序列预测的自回归方法
自回归（AR）模型基于"历史会重复"的假设，认为当前值是过去若干期值的线性组合。Xtci1∑pϕiXt−iεtpϕicεt✓ 计算简单，解释性强✓ 对短期依赖关系建模有效✗ 无法处理趋势和季节性✗ 要求序列必须平稳。
2025-07-30 15:49:48
1021
原创 设计一个端到端的时间序列预测解决方案
移动平均：简单滑动窗口平均指数平滑：Holt-Winters三参数法查差分自回归移动平均：ARIMA(p,d,q)一般多元回归：引入外部协变量。
2025-07-30 15:34:54
278
原创 阿里云 【免费试用】MCP 赋能可视化 OLAP 智能体应用
用户交互层：通过WebUI接收请求，Chart MCP Server实现可视化交互；数据服务层：PolarDB MySQL MCP Server调用云原生数据库PolarDB，支持高并发查询与弹性扩展；AI能力层：百炼模型服务集成qwen3-235B大模型，提供语义分析与智能决策。全流程通过API实现组件协同。
2025-07-28 14:48:08
370
原创 阿里云【免费试用】Elasticsearch 智能运维 AI 助手
Kibana + Elasticsearch + AI 模型 协同 对系统提供可观测性分析、安全运维管理及数据智能处理提供一体化、高效的智能化支持。【免费试用】Elasticsearch 智能运维 AI 助手。
2025-07-28 14:05:58
365
原创 转 Coze开源
字节真的要干生态了？Coze竟然开源了https://github.com/coze-dev/coze-studio
2025-07-26 11:38:39
141
原创 贝叶斯和人工智能
贝叶斯主义教会AI的不仅是数学，更是一种谦逊而强大的认知态度：承认未知，拥抱概率，在迭代中逼近真相，让人工智能像人类一样思考不确定性。
2025-07-26 11:12:37
293
原创 工业缺陷检测的计算机视觉方法总结
实例分割技术能够精确识别并定位缺陷区域，其中UNet擅长处理小样本医疗和工业图像，而Mask R-CNN则适用于复杂场景的多目标检测任务，两者通过不同的网络架构实现高精度缺陷分割。通过滑动窗口在图像中搜索与预定模板最相似的区域，采用相似度度量（如归一化互相关）进行比对。适用于已知目标形态且变化较小的定位场景。结合频域变换（如傅里叶变换）和空域操作（如直方图均衡化）的图像增强技术，配合边缘检测算子提取特征。将图像转换为黑白二值图像的过程，通过设定阈值将灰度图像分成前景和背景两部分，突出关注点。
2025-07-25 10:55:22
622
原创 软件工程的工具链演进
软件工程，作为一个旨在通过系统化、规范化和可量化的方法来构建和维护高质量软件的学科，其核心目标始终是提升效率、保障质量和降低复杂性。在过去的几十年里，我们见证了工具链的不断演进：从最初的文本编辑器和编译器，到强大的集成开发环境（IDE），再到以DevOps理念驱动的持续集成/持续交付（CI/CD）流水线。
2025-07-25 09:39:50
1503
原创 华为云函数工作流 FunctionGraph快速部署MCP，使用cherry studio测试
花费成本，＜10¥（按小时计费的APIG实例购买费用和如公网带宽费用）
2025-07-24 12:44:18
295
原创 读 Kimi-Researcher End-to-End RL Training for Emerging Agentic Capabilities
Moonshot AI 2025/07/20发布。
2025-07-24 10:41:13
677
原创 AI Search，从RAG到DeepSearch的发展
在当今火热发展的AI技术领域中，是极具价值的核心方向，原因在于检索需要的2个基本能力：①知识容量②知识匹配，人脑生物属性，无法与机器进行该能力的媲美，而AI Serach会做的越来越好用。
2025-07-24 09:53:01
354
原创 计算机视觉领域的AI算法总结——目标检测
两阶段检测器R-CNN（2014）：首次将CNN引入检测，但存在重复计算Fast R-CNN（2015）：ROI Pooling共享计算（2015）：引入RPN网络，实现端到端训练Mask R-CNN（2017）：添加分割分支，多任务学习一阶段检测器YOLO系列v1：网格划分开创实时检测v3：多尺度预测+Darknet-53v8：Anchor-free+蒸馏学习SSD（2016）：多特征层联合检测RetinaNet（2017）：提出Focal Loss解决类别不平衡。
2025-07-22 12:02:26
1208
1
原创 架构设计中的“所见即所得”和特性要求
架构设计的工作价值本质上是一个持续发现和达成共识的过程，类似于企业的年初预算：过程重于结果：核心价值定位：分工的艺术：动态演进性：实时可视化：设计态与运行态统一：业务视角：技术视角：实施视角：可管理性：可复用性：可测试性：
2025-07-22 10:35:46
175
原创 跑的快的代码应该是什么样子
算法是解决问题的步骤和方法，其时间复杂度和空间复杂度直接影响代码的执行速度。例如，在排序算法中，冒泡排序的时间复杂度为 O(n²)，而快速排序的平均时间复杂度为 O(n log n)。当处理大规模数据时，快速排序显然会比冒泡排序快得多。因此，在编写代码前，根据具体问题的特点，选择合适的时间复杂度和空间复杂度的算法是非常重要。
2025-07-18 16:59:50
565
原创 AI算法作用于存储场景，应具备的能力
在当今数据爆炸的时代，存储系统面临着性能、容量和可靠性等多方面的挑战。AI算法在存储领域的应用正逐渐成为解决这些问题的关键技术。要在存储场景中有效应用AI算法，工程师需要具备一系列特定的技术能力，本文将详细探讨这些能力。
2025-07-18 16:43:27
365
原创 什么是“数据闭环”
数据闭环是通过采集、处理、分析和反馈数据实现系统自我优化和持续进化的机制。这种机制能够显著提升系统的实时响应能力、环境适应性和运行安全性。在自动驾驶、智能制造等领域，数据闭环已成为技术突破的重要驱动力，让AI系统具备了类似生物体的"学习-适应-进化"能力。
2025-07-17 17:02:04
742
原创 Agent的四大核心能力
这四大能力共同构成了现代Agent的核心能力。同时也不是独立运作的模块，而是相互协同：算力提供基础保障，知识记忆构建认知基础，预测功能实现智能分析，动作执行完成闭环交互。随着技术的不断发展，我们可以期待智能Agent在医疗、教育、制造等更多领域发挥更大的价值，真正成为人类的智能伙伴与助手。
2025-07-17 14:48:29
419
原创 为什么llm可以识别图片，但识别不了图片表情包？——以元宝回复场景为例
当在聊天应用中发送一个表情包时，系统中实际流转的并不简单是一张图片文件。现代表情包通常采用特殊的复合格式，将静态/动态图像、元数据、文字标注等多个元素打包在一起。主流的表情文件格式如WebP、GIF或专有表情包格式，都包含常规图片之外的附加信息层。LLM的视觉处理模块通常是针对标准图片格式（如JPEG、PNG）进行优化的。当遇到表情包这类特殊封装的文件时，模型往往只能提取出其中的基础位图数据，而丢失了文件格式中嵌入的关键元数据，这就是为什么元宝会说"理解不了"。
2025-07-14 10:30:14
823
原创 SRE Agent（Site Reliability Engineering Agent）
现代可观测性体系已经超越了传统的被动采集功能，通过内置的预处理能力和决策模块，可以实现数据的初步清洗和异常检测。SRE Agent是智能可观测性系统的关键组件，本质上是部署在各节点的轻量级数据采集器，如同分布式系统的"感觉神经"，负责收集系统运行时的各项指标、日志和追踪数据。在可观测性领域，SRE Agent的价值主要体现在标准化数据采集和降低网络开销两个方面。一方面它统一了不同来源的监控数据格式，另一方面通过边缘计算能力减少了原始数据的传输量。这为后续的集中分析和AI场景建模提供了高质量的数据基础。
2025-07-14 09:56:35
580
原创 Tencent 云可观测平台TCOP
（Tencent Cloud Observability Platform）是面向云原生时代的一站式观测解决方案，通过五维联动观测体系（指标、日志、链路、事件、拓扑），实现从底层基础设施到上层应用全栈指标的可视化，支持系统的快速定位与分析。
2025-07-14 09:43:03
492
原创 三种Agent 协议：MCP、A2A、AG-UI
当前AIGC发展正推动Agent技术从单一智能体向协同智能网络跃迁，三大协议分别代表了不同的交互范式：
2025-07-11 11:47:14
414
原创 螺栓松动的计算机视觉检测算法路线
检测环境：存在油污、振动、不恒定光照的生产现场目标特性：螺栓尺寸：M6-M20规格松动表现：2-15°的旋转偏移或0.5-2mm的轴向位移系统要求：检测精度：角度误差≤0.5°，位移误差≤0.2mm响应速度：单点检测≤100ms适用距离：0.5-3m拍摄范围。
2025-07-11 10:40:23
409
原创 异物检测的计算机视觉算法技术路线
在现代智能监测系统中，异物检测有着其必要性和运维重要性，通过计算机视觉算法，可以实时识别各种异常物体，为设备安全运行提供有力保障。本文将介绍异物检测的主要技术路线。
2025-07-10 10:35:06
1498
原创 模型压缩技术
模型压缩技术是深度学习领域的重要研究方向，目的在于降低模型复杂度、减少计算资源消耗，同时保持模型性能，以下是几种主流模型压缩技术的原理与实现方法。
2025-07-10 10:21:57
321
原创 使用cherry studio 构建知识库，解析模型、调用工具和参数
使用工具，搭建知识库，需要进行模型Api 和 知识库相关参数的设置，本无对调用模型和调整参数进行解析。
2025-07-09 16:39:32
650
原创 部件缺陷检测的计算机视觉算法技术路线
MCA（掩模比较法）：基于U-Net分割路障生成掩膜，连续帧间差分检测缺失部件，指数平滑更新参考模板。标准图差值法：实时图与标准模板做差值，通过阈值分割提取缺失区域（如轴承滚珠缺失）。
2025-07-09 14:55:31
478
原创 搭建项目知识库
在AI技术快速发展的背景下，项目知识库已成为提升团队协作效率、确保知识沉淀与传承的核心基础设施。背景原因：现在的信息越来越碎片化，清洗信息、整合信息是保证决策正确的第一步AI时代的特殊需求。
2025-07-09 10:54:56
428
原创 管理中的“context engineering”哲学
给对信息重要过问对问题，问对问题重要过无计划行动，无计划行动重要过盲目试错。学不是深度思辨人的专属，存在于无处不在的选择中，技术也好，管理也罢，成事所需的能力从来都不是一个单独的维度可以概括的。
2025-07-08 09:40:48
393
原创 Agent ：上下文工程 VS 提示工程
上下文工程（Context Engineering）是大语言模型（LLM）应用中的核心能力，其本质是为模型提供"合适的信息"与"合适的工具"，与场景简单的提示词输入不同，上下文工程是一门。
2025-07-08 09:13:23
399
原创 谈一谈甲方售后直接找乙方研发处理故障这种情况
建立分层服务防御体系是解决该问题的核心，(1)用自动化守住第一道防线；(2)用专业化构建第二道屏障；(3)用制度化规范特殊处置。打造持续优化协作模式，实现研发资源的价值最大化。
2025-07-05 09:16:01
288
chatgpt-academic自解读分析报告（gpt-4o-mini model，md格式）
2024-08-12
开源的商业价值是什么（相关搜索：操作系统）
2025-04-29
想做个功能模块的知识图谱，推荐个软件
2024-12-24
TA创建的收藏夹 TA关注的收藏夹
TA关注的人