<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cbdA_ZAI的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/cbdA_ZAI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; cbdA_ZAI]]></copyright><item><title><![CDATA[调研：老龄与社区服务中的AGENT]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/167699720</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/167699720</guid><author>cbdA_ZAI</author><pubDate>Mon, 12 Oct 2026 17:21:16 +0800</pubDate><description><![CDATA[选定一类老人、一种服务和一个实际运营团队，测量请求是否完成、异常是否有人处理、工作人员是否净省时间。经济日报近期报道指出，部分智能养老平台存在“有平台缺利用、有资源缺整合”的问题，并强调预警、派单和基层响应需要贯通。一个典型的可验证流程是：老人提出送餐需求，系统核对可服务时间和范围，生成工单；对老人来说，界面需要适应听力、视力、语言和操作能力。近期报道中的方言交互、入户指导，都是降低使用门槛的具体做法。适合优先验证：任务相对清楚，工作人员能审核，结果也能衡量。以下是根据已核实资料形成的需求判断，]]></description><category></category></item><item><title><![CDATA[调研：车企和AI Agent]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/167699307</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/167699307</guid><author>cbdA_ZAI</author><pubDate>Mon, 12 Oct 2026 17:02:25 +0800</pubDate><description><![CDATA[2026年4月至10月，车企加速将AI融入员工日常：宝马、长安、Stellantis等已落地AI报价、采购盘点、工程计算与研发辅助工具。员工角色从“会用AI”转向“提炼规则、验证结果”。典型如长安工程师将线束选型规则转化为可执行工具，宝马人员仍负责审核AI输出。四类AI工具（办公助手、专业工具、流程Agent、物理机器人）对岗位影响各异。未来核心能力聚焦于业务理解、规则表达与结果验证，具备“专业知识+流程建模+异常判断”者更具竞争力。]]></description><category></category></item><item><title><![CDATA[调研：医疗体系中真正需要AI agent做什么]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/167698972</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/167698972</guid><author>cbdA_ZAI</author><pubDate>Mon, 12 Oct 2026 16:49:06 +0800</pubDate><description><![CDATA[医疗AI agent的核心价值在于自动化处理诊疗中“无人持续盯、跨系统跑、反复补材料”的繁琐任务，如文书整理、行政审批、随访追踪与照护衔接，而非替代临床决策。近期证据显示，文书减负、流程闭环与专科支持已具备现实需求与初步验证，但自主诊断、处方等高风险功能仍需更多临床结局证据。成功落地需满足：有明确负责人、可闭环执行、能跨系统协作、净节省时间且异常可控。当前应优先聚焦院内减负与服务闭环，审慎推进跨院协同，避免将商业逻辑直接复制至中国支付环境。]]></description><category></category></item><item><title><![CDATA[skill分享：让ai把工作记录写到obsidian]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/164304821</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/164304821</guid><author>cbdA_ZAI</author><pubDate>Wed, 02 Sep 2026 21:34:02 +0800</pubDate><description><![CDATA[一个可跨 AI 安装的 Skill：让当前正在干活的 AI，把自己在当前工作区当天的工作内容与成果，写进 Obsidian 里的工作日记目录。6、Qoder / Claude Code / Codex 都能装，一句话就能触发。3、内容不编造：从会话记录、当天改的文件、git log 里采证，拿不准就标「待确认」；1、自动发现你的 Obsidian 日记目录，不写死路径，换电脑也能用；4、多个 AI 共用一个日记文件，各自维护自己的条目，互不覆盖；2、沿用你已有的模板和格式，不改变你写日记的习惯；]]></description><category></category></item><item><title><![CDATA[Prompt Engineering for Agent：让 Agent 稳定运行的提示词写法]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/164248215</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/164248215</guid><author>cbdA_ZAI</author><pubDate>Tue, 01 Sep 2026 07:21:36 +0800</pubDate><description><![CDATA[Prompt Engineering for Agent：让 Agent 稳定运行的提示词写法]Agent 理论体系课 · 卷一 K02（承接 K01 术语基线）读者：有 Python 基础、用过 LLM API，但没写过 Agent 的开发者读完你将获得：理解 Agent 场景 Prompt 与普通对话的本质区别；能用"角色 / 目标 / 约束 / 输出格式"四要素写一个完整的 Agent 系统提示；能用 Structured Output 让模型输出可靠 JSON（附 33 行可运行代码）。]]></description><category></category></item><item><title><![CDATA[从 LLM 到 Agent：范式转变到底变了什么]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/164247565</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/164247565</guid><author>cbdA_ZAI</author><pubDate>Tue, 01 Sep 2026 06:59:44 +0800</pubDate><description><![CDATA[obsidianAgent 理论体系课 · 卷一 K01（全系列第一篇，定术语基线）读者：有 Python 基础、用过 LLM API，但没写过 Agent 的开发者读完你将获得：一句话说清 LLM / Workflow / Agent 的分界线；亲手跑通一个约 50 行的最小 Agent 循环；知道 Agent 的四个核心组件和适用边界。决策在写代码时由程序员定死，是 Workflow；决策在运行时由模型自主做出，才是 Agent。本文把这条线讲透，并给出一个能直接跑的最小 Agent 循环。]]></description><category></category></item><item><title><![CDATA[【CV论文精读】001 | CVPR 2026 FaCHD-RPSC：把分类头「解绑」，增量检测的蒸馏就该这么做]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/164197604</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/164197604</guid><author>cbdA_ZAI</author><pubDate>Mon, 31 Aug 2026 03:18:53 +0800</pubDate><description><![CDATA[本文同步发表于微信公众号「塔塔学习」，优快云 为完整版。 栏目：CV论文精读 · 第 001 期 ｜ 目标读者：研究生、AI 开发者、算法岗求职者Incremental Object Detection (IOD) enables AI systems to continuously acquire new object classes while preserving knowledge of previously learned ones, an ability essential for deplo]]></description><category></category></item><item><title><![CDATA[共享会话存储]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/163600960</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/163600960</guid><author>cbdA_ZAI</author><pubDate>Sun, 09 Aug 2026 03:56:43 +0800</pubDate><description><![CDATA[obsidian。这些数据统称为用户会话（Session）。服务器收到请求后，再用这个 ID 从共享存储中查找完整的会话数据。]]></description><category></category></item><item><title><![CDATA[电商工单项目 的 Harness Engineering。]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/163377498</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/163377498</guid><author>cbdA_ZAI</author><pubDate>Sat, 01 Aug 2026 02:09:03 +0800</pubDate><description><![CDATA[电商工单的核心痛点是：Agent 要跨系统（订单、物流、支付）操作，且面临异步等待（如查物流）、风险操作（退款）和长流程（退货审批）。· 环境变量注入：通过 .env.harness 强制区分 DEV 和 PROD，且在 DEV 环境下，模拟第三方接口随机超时，考验 Agent 的重试容错机制。· 注入对抗样本：Harness 流水线中植入“脏数据”（如不存在的 order_id），检测 Agent 是否会编造信息，还是准确抛出 Tool_Error。工单常跨天处理，Agent 必须持久化记忆。]]></description><category></category></item><item><title><![CDATA[Codex聊天记录迁移：在有备份的情况下迁移中转站API的聊天记录到官号]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/163372530</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/163372530</guid><author>cbdA_ZAI</author><pubDate>Fri, 31 Jul 2026 17:40:27 +0800</pubDate><description><![CDATA[本文详细介绍了Codex聊天记录的完整备份与恢复流程。作者指出Codex数据由聊天正文(.jsonl)、任务数据库(state_5.sqlite)、侧边栏索引(codex-dev.db)和项目配置(.codex-global-state.json)四部分组成，必须整体备份才能确保完整恢复。文章提供了具体的备份目录清单，并分步说明了恢复顺序：先恢复聊天文件，再补充任务索引和侧边栏记录，最后处理项目映射和Provider兼容性问题。特别强调恢复前需完全退出Codex避免状态覆盖，并提供了常见问题的解决方案。]]></description><category></category></item><item><title><![CDATA[SpringAI-Advisor]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/161087066</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/161087066</guid><author>cbdA_ZAI</author><pubDate>Thu, 14 May 2026 16:51:15 +0800</pubDate><description><![CDATA[Spring AI 文档中也说明，Advisor 可以封装可复用的生成式 AI 模式，并转换与大模型交互的数据。Advisor API 是 Spring AI 中用于拦截、修改、增强 AI 交互流程的组件。它们中还包含一个上下文 Map，用于在 Advisor 链之间共享状态。所以 Advisor 不只是“专门为上下文数据准备的 API”，但。]]></description><category></category></item><item><title><![CDATA[RAG基础]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/160310034</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/160310034</guid><author>cbdA_ZAI</author><pubDate>Sun, 19 Apr 2026 16:54:35 +0800</pubDate><description><![CDATA[2.openAI

2.1基础使用
 




2.2 OpenAI库的流式输出




2.3 OpenAI库附带历史消息调用模型




3.LLM 提示词

当前融领域信息化发展的时代,金融数据量激增,许多投资者和研究者试图通过对这些数据进深度分析而获得一些有效的决策和帮助，尽可能减少决策失误带来的损失。所以，针对金融数据的分析方法研究是目前十分有益且热门的话题。当前案例主要有三大业务场景实现：    基于大模型完成：金融文本分类    基于大模型完成：金融文本信息抽取    基于大模型完成：金融本匹]]></description><category></category></item><item><title><![CDATA[hermes指令]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/160307985</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/160307985</guid><author>cbdA_ZAI</author><pubDate>Sun, 19 Apr 2026 14:33:02 +0800</pubDate><description><![CDATA[new/reset/new/clear/history/save/retry/undo/title/title 名称/branch/profile/help/usage/insights/platforms/gateway/platforms/paste/image/debug。]]></description><category></category></item><item><title><![CDATA[Hermes配置API KEY+阿里云百炼]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/160290413</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/160290413</guid><author>cbdA_ZAI</author><pubDate>Sun, 19 Apr 2026 03:21:07 +0800</pubDate><description><![CDATA[【代码】Hermes配置API KEY+阿里云百炼。]]></description><category></category></item><item><title><![CDATA[hermes-agent安装到本地 Git方法]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/160290341</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/160290341</guid><author>cbdA_ZAI</author><pubDate>Sun, 19 Apr 2026 03:06:48 +0800</pubDate><description><![CDATA[全程默认选项安装，安装完成后右键桌面 / 文件夹，选择「Git Bash Here」打开终端（等待命令执行完成，无报错即安装成功。]]></description><category></category></item><item><title><![CDATA[抽象类 接口 内部类]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/159427415</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/159427415</guid><author>cbdA_ZAI</author><pubDate>Tue, 24 Mar 2026 15:55:40 +0800</pubDate><description><![CDATA[接口中的方法默认是。]]></description><category></category></item><item><title><![CDATA[JVM虚拟机：经典垃圾收集器]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/157188938</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/157188938</guid><author>cbdA_ZAI</author><pubDate>Wed, 21 Jan 2026 02:54:01 +0800</pubDate><description><![CDATA[本文系统梳理了HotSpot虚拟机中的经典垃圾收集器体系，重点介绍了Serial、ParNew、ParallelScavenge等新生代收集器，SerialOld、ParallelOld、CMS等老年代收集器，以及G1整堆收集器。通过对比各收集器的特点、算法和适用场景，指出没有&quot;万能&quot;收集器，只有最适合具体场景的选择。特别分析了CMS和G1两款并发收集器的技术原理、优缺点及适用场景，其中CMS适用于小内存环境，G1则更适合大内存应用且支持可预测停顿。文章最后强调垃圾收集器的发展趋势是从单]]></description><category></category></item><item><title><![CDATA[JVM虚拟机：HotSpot的算法细节实现]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/157188653</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/157188653</guid><author>cbdA_ZAI</author><pubDate>Wed, 21 Jan 2026 02:45:21 +0800</pubDate><description><![CDATA[摘要： 《深入理解Java虚拟机》3.4节详细解析了HotSpot实现GC算法的四大核心问题及解决方案：1)通过OopMap快速定位GC Roots，避免全堆扫描；2)采用安全点和安全区域机制实现可控的线程暂停；3)使用卡表技术高效处理跨代引用；4)基于三色标记法实现并发标记，并通过增量更新或原始快照解决对象消失问题。这些方案体现了空间换时间、局部换全局等工程权衡，共同构成了HotSpot高效GC的基础设施。]]></description><category></category></item><item><title><![CDATA[JVM虚拟机：垃圾收集算法]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/157108973</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/157108973</guid><author>cbdA_ZAI</author><pubDate>Mon, 19 Jan 2026 01:49:09 +0800</pubDate><description><![CDATA[摘要：本文系统介绍了追踪式垃圾收集的理论基础和算法演进。理论基础为分代收集理论，将堆分为新生代和老年代，基于对象存活特征采用不同回收策略。重点分析了三大核心算法：标记-清除（基础但碎片化）、标记-复制（高效但空间浪费）和标记-整理（适合老年代但需暂停）。对比了各算法的适用场景和优缺点，并澄清了GC类型术语定义，包括MinorGC、MajorGC等。算法演进体现了对内存利用率与执行效率的权衡优化。]]></description><category></category></item><item><title><![CDATA[JVM虚拟机：垃圾收集器和判断对象是否存活的算法]]></title><link>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/157099060</link><guid>https://blog.youkuaiyun.com/cbdA_ZAI/article/details/157099060</guid><author>cbdA_ZAI</author><pubDate>Sun, 18 Jan 2026 17:41:17 +0800</pubDate><description><![CDATA[本文系统介绍了Java垃圾收集(GC)的核心机制。主要内容包括：1) GC关注的Java堆和方法区内存管理；2) 判断对象存活的可达性分析算法及其优于引用计数法的原因；3) Java四种引用类型(强、软、弱、虚)的特点；4) 对象通过finalize()方法实现&quot;自救&quot;的机制；5) 方法区回收的严格条件。文章强调虽然内存管理自动化，但掌握GC原理对排查内存问题和性能调优至关重要，并详细解析了GCRoots对象类型、对象存活判定及回收过程等关键技术点。]]></description><category></category></item></channel></rss>