- 博客(107)
- 收藏
- 关注
RSS订阅原创 重要通知！！！
直接点击我的【个人头像】进入主页，在【个人简介】里就能看到，期待在新的地方继续和你同行！由于之后的重心会有些许调整，我把最新的动态和后续的去向都写在【博客简介】里了。
2026-07-13 14:01:48
171
原创 重要通知！！！
因为某些原因，我的最新硬核技术文章、源码福利和个人思考，之后都要去【那个绿色的小软件】里首发啦（懂的都懂，直接在里面搜我 优快云 的同名就能找到）。想要第一时间收到干货推送、不想失联的兄弟们，赶紧去动动小手关注一波，我们在大部队聚集地不见不散！您的技术好友向你发送了一个“搬家”通知 🏠。
2026-07-13 09:08:09
184
1
原创 RF-DETR：用神经架构搜索重塑实时检测
端到端权重共享 NAS：首次将 OFA 式的权重共享架构搜索应用于目标检测和分割，一次训练即可覆盖从 nano 到 2x-large 的全部尺寸，且能自动适配不同硬件平台和数据集特性。调度器无关训练 + DINOv2 骨干：摒弃了为 COCO 量身定制的余弦调度和数据增强策略，转而利用 DINOv2 的互联网规模预训练知识，实现了更强的跨域泛化能力。标准化延迟评估：揭示了 GPU 功耗节流是导致各论文延迟不可比的主要原因，提出了 200ms 缓冲的标准化测量协议。
2026-05-11 10:22:47
739
原创 Claude 三层记忆系统：打造永不遗忘的 AI 助手
本文介绍了为 Claude 打造完美记忆的三层系统架构：第一层基础记忆方案配置简单、立竿见影，足够满足 90% 以上用户的日常需求；第二层上下文文件系统需要约一小时搭建，但能从根本上改变 Claude 的运行模式；第三层 AI 第二大脑系统是最深度的方案，能将 Claude 转化为一个基于你所有数据的、自我进化的第二大脑。三层方案并非彼此排斥，而是层层递进的关系。用户可以根据自身的使用频率和需求深度，从第一层开始逐步向上构建。
2026-04-27 19:12:44
543
原创 从“塞文本进 Prompt“到“结构化记忆“：Agent 记忆的正确姿势
智能需要结构，而不只是存储。关系、向量、图三种存储范式不是互相竞争的选项，而是同一记忆系统的互补层。只有把它们当作互补层来处理，才能把无状态的 LLM 包装层变成真正能学习的东西。你的 Agent 明天需要记住什么、今天却忘了的东西？从那里开始。本文配套资料、后续更新会优先发布在在AI的旷野思考平台，欢迎关注。
2026-04-22 18:00:16
540
原创 为什么你的 Claude Code 越用越“蠢“？100万 token 的上下文窗口是一把双刃剑
内容已经发布到我的新平台，请移步阅读，欢迎关注，不迷路哦～
2026-04-19 15:20:16
55
原创 深度拆解 Claude Code 源码：爆红 AI 编程助手的核心秘密，根本不是一段神奇提示词
明确禁止多余操作：不擅自新增功能、不盲目过度抽象、不随意重构代码、不滥加注释和异常兜底逻辑、不设计超前冗余架构；打开Claude Code的src源码目录，就能直观感受到量级差距，核心模块覆盖全面：入口层、常量与提示词、工具定义、运行时服务、命令系统、UI组件、协调器、记忆系统、插件体系、钩子机制、状态初始化、任务系统等。一个子Agent从触发到收尾，全程走完14步标准化流程：权限判定、身份适配、提示词组装、工具池配置、钩子注册、专属上下文创建、主循环执行、日志记录、资源清理、结果汇总等。
2026-04-03 14:05:25
308
原创 AgentCraft - 从零构建你的第一个 AI 编程助手
智能体是一个神经网络——Transformer、RNN、一个被训练出来的函数——经过数十亿次梯度更新，在行动序列数据上学会了感知环境、推理目标、采取行动。但如果你问一句"它到底是怎么工作的"，大部分人答不上来。当 AI Agent 的能力边界在哪里、为什么有时候会抽风、怎么优化它的表现——这些你都无从判断。是一个从零到一的 AI Agent 教学项目，手把手教你构建一个类似 Claude Code 的迷你版编程助手。：一个 while 循环 + 工具调用，这就是所有 AI Agent 的核心。
2026-03-20 15:16:56
607
原创 开源神器！一键生成目标检测数据集，让 AI 训练效率提升 10 倍
🚀 开源神器AutoDataSetsCompositor助力AI训练！这款工具通过AI+CV混合技术，一键生成高质量目标检测数据集，解决数据不足痛点。支持任意类别扩展、三种素材来源（手绘/AI/爬虫）、智能光照匹配和多种合成模式（CV/Hybrid/Prompt）。特别适合线路巡检、自动驾驶等场景的数据扩充，技术栈包含火山引擎Seedream、OpenCV等。现已开源，欢迎开发者参与改进！项目地址：https://github.com/Liwx1014/AutoDataSetsCompositor
2026-03-10 14:52:44
261
原创 这是中国 AI界最有含金量的一次圆桌访谈
这是中国AI界最有含金量的一次圆桌访谈。今天下午在北京的AGI-Next闭门会上，有这样一场我认为是中国AI界最有含金量的圆桌访谈。OpenAI们手里的算力比我们大1-2个数量级，人家拿算力是在做Research，是探索无人区，甚至是在“浪费”相反，只有看清了底牌，不再幻想弯道超车，我们才能在剩下的那20%的可能性里，把工程落地做到极致。所以，智谱的唐杰老师判断很准：“AI代替搜索”的战争，随着DeepSeek的出现，已经结束了。我们面临的是算力鸿沟，是人才密度的差距，是研究文化上太爱确定性和刷榜的惯性。
2026-01-12 09:54:12
563
原创 FunctionCall的演化之路
你有没有这种感觉 ——AI 领域的新名词，比手机型号更新还快？昨天刚搞懂「函数调用」(Function Calling) 是怎么回事，今天又冒出来个「Skills」。前天有人跟你说「MCP」，你还没反应过来，后天又有人聊「Agent」。每次看到这些词，第一反应都是：我是不是又落伍了？别慌。今天咱们把「Claude Skills」这事儿掰开揉碎了讲清楚。更重要的是，我会告诉你它跟你已经知道的那些概念 —— 函数、函数调用 —— 到底是什么关系。你会发现，这不是三个孤立的新词，而是一层一层往上搭的台阶。
2026-01-12 09:51:41
887
原创 YOLOV11&DFINE适配RK3588(瑞芯微）
开发板官方固件自带RKNPU2驱动，使用以下命令查询检查RKNPU2是否安装RKNN-Toolkit2 的连板调试功能要求板端已安装 RKNPU2 环境，并且启动 rknn_server 服务。以下是 RKNPU2 环境中的两个基本概念：RKNPU2更新确保 rknn_server 和 librknnrt.so 与 rknn_toolkit2 版本一致下载更新可参考 RKNPU2更新将模型设置到性能模式定频命令参考： https://github.com/airockchip/rkn
2026-01-05 17:00:36
1222
原创 SAM3解读 && paddle-3.0框架的适配
三个文件共同构成了 SAM3 从 PyTorch 到 PaddlePaddle 转换的核心流水线。由于文本编码器（Text Encoder）结构在自动转换中极易出错，该文件专门负责**“手动迁移文本模块权重”**。的混合策略，以应对 SAM3 模型中复杂的算子和多模态结构。它的任务是**“改造并导出”**：利用。生成的 Paddle 动态图代码导出为生产环境可用的静态图模型。这是流水线的最后一步，任务是**“固化为推理格式”**：将。：把一张任意大小的 JPG 图片变成标准的模型输入张量。
2026-01-05 16:50:14
945
原创 DINOV3-YOLOV12 解读
仅在YOLOv12的一个关键层级注入DINOv3特征，适用于计算资源极度受限（如边缘设备Jetson AGX Orin）、或数据集极小规模（<1K图像）且需简化模型复杂度的场景。实验表明，其性能提升温和（+1.2%~+3.0% mAP@0.5），但稳定性优于随机初始化。在YOLOv12的两个关键层级。
2026-01-05 16:39:00
1274
原创 RoPE机制
Rope（旋转位置编码）针对传统Transformer位置编码的两大缺陷——相对位置感知不足和长度外推性差——提出创新解决方案。它通过旋转词向量而非添加位置向量的方式，使注意力分数天然包含相对位置信息，无需额外学习。同时，其连续的旋转操作支持无限长度外推，预训练模型可直接处理更长的序列。该方法无需增加参数，计算高效，可无缝集成到现有架构中。Rope的核心在于将高维向量拆分为复数对进行独立旋转，这种数学构造既保持了原始信息，又简化了计算，实现了位置感知与长度扩展的平衡。
2026-01-05 16:32:22
831
原创 边缘端侧量化算法（海思、瑞芯微等）
适用于追求快速部署、无需模型再训练、对精度损失有一定容忍度的场景。KL 量化在大多数复杂模型中表现更通用、鲁棒。MMSE 量化在数据分布规整、追求单一数值精度时可能更优。QAT适用于追求极致量化精度、PTQ 无法满足需求、且具备训练资源和数据的场景。在瑞芯微的硬件平台上进行模型部署时，通常会结合使用这些量化技术，以在性能和精度之间取得最佳平衡。理解这些算法的原理，有助于开发者根据具体模型和应用需求做出明智的选择。
2025-11-24 14:59:38
732
转载 如何判断是Prompt写的不够好，还是基座能力不达标
大模型的能力确实越来越强，像 LongCat-Flash 这样的 MoE 模型，在激活参数仅 27B 的情况下，就能在 agentic 任务上超越 GPT-4.1。这意味着，很多你以为需要微调的问题，其实只是 prompt 没写对。在动手微调之前，请先穷尽 prompt 工程、RAG、CoT 等“零训练成本”的手段。只有当这些方法都失效，且你有足够数据和明确需求时，微调才是最优解。毕竟，最好的微调，是不用微调。
2025-11-07 17:24:29
140
原创 KV-Cache 理解
在大模型（LLM）的推理过程中，缓存（Caching）是一种关键的优化技术，其中KV-cache（键-值缓存）是核心。之所以可以缓存Key（K）和Value（V），而不能缓存Query（Q），其根本原因在于自注意力机制（Self-Attention）在自回归生成（Autoregressive Generation）过程中的计算方式。
2025-10-31 11:40:35
768
原创 双目测距实战4-自标定
几何上，两个相机光心和空间点P必然共面。代数上，这个共面关系可以用向量的标量三重积等于0来表示。通过矩阵变换，这个标量三重积可以优雅地写成的形式，其中本质矩阵E封装了相机的旋转R和平移T。再通过相机内参 K将不可直接观测的3D坐标P替换为可直接观测的2D像素坐标p，最终得到了，其中基础矩阵F封装了两个相机的全部几何信息（内外参数）。所以，这个简洁的方程，是双目视觉底层几何原理的完美代数体现。
2025-10-24 09:19:04
881
原创 双目测距3-立体匹配
【立体匹配算法研究综述】 立体匹配是从双目图像重建3D场景的关键技术。传统算法（如SAD）通过局部窗口匹配计算视差，但易受重复纹理干扰。深度学习算法分为稀疏和稠密匹配两类，其中： SGBM采用半全局优化策略，通过多方向代价累积提升弱纹理区域的鲁棒性，但参数敏感且泛化能力有限。 RAFT-Stereo创新性地使用GRU循环架构迭代优化视差，通过多级相关性金字塔实现全局信息传播，在无纹理区域表现优异，但计算成本较高。 iRaftStereo提出混合多数据集训练策略，显著提升模型泛化能力，在工业挑战赛中验证了数据
2025-10-22 17:43:44
952
原创 双目测距实战5-立体矫正
为了实现几何上最精确、最理想的立体矫正（如课件中描述的流程），前提条件是需要知道两个相机的内参。即使完全不知道内外参数，也有一种方法可以进行矫正，尽管其结果在几何意义上不那么“纯粹”。
2025-10-22 16:36:37
1242
原创 提示工程的进阶-上下文工程学习
大语言模型的性能和效果从根本上取决与他们所接收的上下文，从简单的提示词到复杂的外部知识库，是引导其行为、扩充其知识并释放其能力的主要机制，随着大预言模型从基本的指令跟随发展成为复杂应用的核心推理引擎，设计和管理其信息负载也相应的成为一门正式的学科–上下文工程。上下文工程包含三个关键阶段：上下文检索与生成，包含基于提示词的生成和外部知识获取，上下文处理，设计长序列处理、自我优化机制和结构化信息整合。以及上下文管理，涵盖内存层次、压缩技术和优化策略。
2025-10-10 19:46:04
320
原创 WeKnora
WeKora是一个企业级RAG框架，采用模块化设计实现智能文档处理。其工作流程包含文档插入、知识提取、索引、检索和生成五个步骤，支持多种检索方法。系统通过问题改写和预处理精准理解用户意图，结合向量与关键词混合检索获取相关信息，最后利用大语言模型生成回答。文档解析模块作为独立微服务，通过gRPC实现多进程、多线程处理，支持多种文件格式解析和智能分块，为后续处理提供结构化数据支持。该框架特别注重生产环境可用性，具备完整的异步处理流程和实时流式输出能力。
2025-10-10 19:37:05
1535
原创 Ovis多模态大模型
用于推理: 如果你只想加载模型进行推理，你主要关心的是第1和第2类的文件。会自动处理这些文件。用于恢复训练: 如果你想从这个检查点继续训练，那么第3和第4类的文件就至关重要了。Trainer和DeepSpeed会读取它们来恢复到和训练中断时一模一样的状态。关键区别: 这个目录是一个训练过程中的快照，而不仅仅是最终模型。它包含了“大脑”（模型权重）和“记忆”（训练状态），以便随时可以“醒来”继续学习。策略优点缺点适用场景只训练最上层计算成本低、速度快、有效防止灾难性遗忘、保留通用能力。
2025-10-10 19:35:04
1141
原创 双目测距实战2-相机标定过程
我们需要多组这样的点，可以手动点也可以通过图像处理技术获取（黑白角点识别），通过不同角度和位置拍摄多张标定板的图像，得到是一组3D和2D的对应点。所以立体匹配很重要，通过立体匹配可以计算出视差图，视差图就是两两匹配坐标的X轴差异，有了视差图，就可以做3D坐标估计。内参：相机自身属性，一旦出厂基本固定，它描述了相机坐标系中的三维坐标点如何投影到图像的二维像素坐标系。所以这里的重点是，在图像上找到对应的点！利用这些匹配对，通过特定的数学算法（张正友标定法）就可以解一个方程组，从而计算出相机的各项参数。
2025-10-10 19:28:05
723
原创 双目测距实战1-环境配置
现在你已经拥有一个功能完备的、基于 VS Code 和 MinGW-w64 的 OpenCV C++ 开发环境了。关系就是：MSYS2 是一个“汽车工厂”，而 MinGW-w64 是这个工厂生产和使用的“引擎”。MSYS2 是一个在 Windows 上的软件分发和构建平台，它提供了一个强大的包管理器。等命令和 OpenCV 运行时所需的 DLL 文件，需要将 MinGW-w64 的。这种方法可以避免很多手动配置的麻烦和编译器不兼容的问题。相同的编译器编译的，避免了库不兼容的问题。它就像汽车的“引擎”。
2025-10-10 19:27:33
1181
原创 双目测距-初识
双目测距流程1 相机标定（获取内外参数）2 双目矫正（矫正镜头变形图像）3 双目立体匹配（视差图）4 计算深度信息（深度图）5 计算距离其中立体匹配是整个流程中比较重要的一环，往往在这里做研究和优化。
2025-10-10 19:25:18
1209
原创 NVIDIA驱动、CUDA以及PyTorch版本之间的关系
驱动与 CUDA 版本匹配正确：你的驱动支持最高 CUDA 11.7，可放心使用 11.x 系列的 Toolkit。PyTorch 兼容性：基于 CUDA 11.3 编译的 PyTorch 可尝试安装 CUDA 11.4 Toolkit，理论上可行，但需：确认 PyTorch 官方对 CUDA 11.4 的支持；确保 cuDNN 版本匹配；验证环境变量配置正确。风险提示：若运行时出现库文件缺失（如版本不匹配），可能需要重新编译 PyTorch 或降级 CUDA Toolkit。
2025-06-16 13:33:26
3409
原创 目标检测任务标注格式详细对比
这是一个非常核心且重要的问题。理解这三种主流标注格式的区别，对于进行目标检测任务至关重要。我将通过一个和来帮助你彻底弄懂它们。
2025-06-13 19:00:59
1948
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人