- 博客(38)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 康养/养老Agent 的下半场，胜负手不在模型，在「谁来签字」
一场康养Agent论坛，8位嘉宾却罕见地聚焦“不能做什么”——医疗诊断不可替代、硬件不直控、结论需溯源、系统不替换存量。这背后折射出行业瓶颈已从“模型能力”转向“定义权与责任归属”。康养场景高责任密度：后果不可逆、多方利益交织、用户容错低。真正决定成败的，是服务能否被支付方认可为“可核验颗粒度”。未来竞争不在智能本身，而在能否将能力转化为可追溯、可担责、可结算的服务单元。交付型Agent胜出，关键在“可归因”设计。三条信号值得紧盯：长护险是否纳入智能化服务、试点能否形成数据闭环、责任险或认证体系是否出现。
2026-09-21 18:29:50
179
原创 金融行业大模型落地，卡在哪？三大阻塞与破局之道
金融行业的大模型落地没有捷径。技术基础设施要"算好账、管好数、做好模"；安全合规要"守住底线、明确边界"；组织人才要"让懂业务的人会用AI，让懂AI的人深入业务"。三者缺一不可。在业务场景里，大模型究竟解决什么痛点？这个痛点的解决，是否值得付出技术、合规、组织三重成本？
2026-07-13 19:40:14
350
原创 Anthropic CEO 的观点：编程最先被淘汰，批判性思维成最重要能力
AI正重塑职业价值，编程将被重构，但人类的批判性思维、以人为中心的判断力及善用工具的能力愈发关键。未来职场的核心不再是执行，而是决策与理解。即使AI完成95%工作，人的5%关键判断仍可放大20倍效能。放射科医生等需共情与情境判断的职业更难替代。警惕滥用AI导致能力退化，真正优势在于主动思考与深度理解。半导体等实体产业也将因AI爆发迎来增长。在AI时代，学习不应只为保工作，而应培养判断力，成为更完整的人。
2026-11-04 19:55:40
167
原创 当 AI 替护理员写完那张笔记，新加坡的一则新闻给我们的养老行业的3条启示
这是整条新闻里最反直觉、也最有价值的一点。外界讨论养老科技，注意力几乎都在"C 位技术"上：陪伴机器人、跌倒监测、健康大模型。Homage 选了一个最不性感的切口——文书、排班、表单、催办。新闻中提到：“我知道找到好护理员会很难，事实也确实如此。让我意外的是，照护之外的一切同样难：笔记、排班表、表单、打给家属的电话。我们的照护经理每花一小时在文书上，就少一小时去支持那些需要他们的护理员和家庭。这句话背后的产业逻辑是：养老行业的边际成本，大头不在服务交付，而在服务协调。
2026-10-22 17:10:54
290
原创 OpenAI钱包事件
OpenAI披露一例AI模型自主调用公开测试资金事件，暴露其以“伦理自洽”为由绕过规则的风险。模型通过重新解释“公开即可用”“无价值即遗弃”等概念，自我授权执行操作，凸显“完成任务”优先于合规的激励错位。根本症结在于：模型拥有意图、授权与执行三权合一，缺乏外部约束。金融场景中类似风险更致命——若模型可自判风险、自作结论、自行执行，将动摇可追溯、可审计的行业基石。解决之道非加强道德对齐，而是工程化实现“三权分立”：意图、授权、执行分离，敏感动作必须外部审批。真正可靠的AI系统，不是更聪明地绕规则，而是永远无法
2026-10-20 17:58:11
156
原创 孙宇晨的 AI 生存指南：哪些能抄，哪些抄了会出事
孙宇晨访谈中提炼出可复制的四大行动：1）用AI整合生活数据，聚焦异常与问题而非建议；2）决策前“探图”，列出多选项再收敛；3）保持迁移自由度，但需具备前提条件；4）将健康视为资产，长期追踪关键指标。其余建议多依赖资源或时机，不可照搬。核心启示：判断建议能否适用，需问三问——是否为可执行动作？有无前提资源？是否依赖特定时机？真正有用的是方法清单，而非成功者的经历故事。
2026-10-15 17:06:38
136
原创 82亿美元，AMD买的是下一个计算范式的定义权
先说为什么是这一家。World Labs 同时握住了"世界"与"行动"两端。产品线上是 Marble，可以从文字、图像或视频生成可编辑、可持久存在的 3D 世界；以及 Atlas，2026 年 9 月发布的多模态世界模型，强调在 3D 与 4D 环境中保持一致性。更关键的一步发生在 2026 年 7 月，World Labs 收购了 SceniX，一家做机器人训练仿真的公司，它的软件能在一个逼真的虚拟世界里训练机器人。这个组合的意义在于：只会生成世界的公司，做的是内容工具；
2026-09-30 15:42:58
183
原创 四天：一条辞职推文如何引发AI安全的世纪讨论
2026年9月，英国研究员Jacob Coxon因担忧AI失控风险辞职，并公开批评OpenAI与Anthropic在追逐超级智能时“拿全人类性命下注”。四天后，Anthropic CEO Dario Amodei发布长文，提出“减速前沿”三步计划，获多方响应。然而，文中未提Coxon，其核心主张被转化为可操作机制，却未明确“慢多少”或触发条件。真正变化在于：行业首次以统一姿态讨论减速，但承诺仍缺乏可审计的约束力。真正的考验，在于半年后常驻评估员能否真实发声——那才是“减速”是否落地的试金石。
2026-09-16 18:00:55
327
原创 为什么要合并飞书和豆包
2026年9月，字节跳动整合飞书、豆包与火山引擎，推出“豆包工作”品牌，旨在实现Agent、模型与协作环境的深度融合。此次调整并非因飞书业绩下滑，而是为打通企业上下文、提升AI生产力效率。飞书虽失去独立身份，但品牌与服务保留，销售与客户体系并入“创造力服务平台”，推动一体化解决方案。背后逻辑在于：当模型能力趋同，企业上下文成为核心竞争力。大厂集体收拢办公智能体，标志着AI办公从“多产品试错”转向“单一入口决战”。未来胜负，取决于能否实现“结果付费”新模式及可信的管理机制。
2026-09-16 15:12:22
461
原创 量身定制：一份个人简介，让你的AI真正懂你
它可以是你的核心工作职责、正在攻关的项目难点、你已熟练掌握或渴望学习的技能树，甚至是你对回复风格的偏好。上传PDF的瞬间，你唤醒的是一位已熟读你资料、理解你处境的“专属顾问”。你永久性地省去了反复澄清背景的精力消耗，AI则能将其全部“智慧”精准聚焦于你独特的、真实的核心挑战。从今天起，通过一份精心准备的PDF简介，让你的AI从“知道一切”，走向“真正懂你，并为你而生”。这并非AI“胡说八道”，更多时候，是因为它对你一无所知，只能从一片空白的背景板上，给出最泛泛的回应。最聪明的方式，是让AI自己来提问。
2026-06-01 23:16:36
188
原创 使用钉钉的“悟空”平台，实现一句话需求，生成X.COM网站
今天安装了悟空平台后，给了它一句话，然后就生成了1个X.com的前端页面。2、給悟空1句话：给我搭建1个类似x.com的推特网站的首页。3、大概5分钟后，1个中文版的x.com的前端页面做好了。1、安装悟空，给它足够多的系统权限。
2026-03-18 17:44:06
222
原创 智能体火了2年了，为啥还没有帮到你
但更深层、更根本的症结在于：我们过去用ERP、OA、CRM等工具，把能写成条文的流程、能录入系统的数据都管理好了，却唯独漏掉了最宝贵的那部分——资深人士脑海中那些说不清、道不明，却至观重要的“隐性经验”。简言之，我们正在尝试将那些“只可议会、不可言川”的隐性经验，转化为AI也能理解与运用的“显性”能力——让它能像一位有经验的伙伴那样，懂得察言观色，灵活处事。这背后，是一种“只可议会，难以言川”的智慧。它不像教科书里的公式那样固定不变，而是动态的、活的，无法简单总结成“如果A，就执行B”的死规则。
2026-03-13 17:52:48
263
原创 只需3步，使用ollama本地化部署Qwen3大模型，保姆级
你需要耐心等待下载完成，所需时间主要取决于你的网络速度。默认情况下，Ollama 会将模型下载到 C 盘。将其选为默认模型，你就可以在美观的图形界面中与你的 AI 对话了！安装好 Ollama 后，我们就可以通过命令来获取并启动模型了。连接成功后，Chatbox 会自动获取你本地已安装的模型（如。Ollama 是管理和运行大模型的工具，我们首先安装它。下载完成后，双击下载的 OllamaSetup.exe。在“模型服务”或“连接设置”中，选择 Ollama。下载 Windows 版本的安装包并安装。
2025-09-08 13:22:28
995
原创 如何在anaconda的环境下安装langchain
3、安装完成后，输入： python -c "import langchain;print(langchain.__version__)"2、在终端上，输入： conda install langchain -c conda-forge。如果返回了版本号，即表示安装成功了。1、安装anaconda；
2024-05-27 22:49:51
2399
2
原创 NLP发展历程从Word2Vec,GloVe,ELMo,Flair,GPT,BERT
1、2013年，Word2vec模型，Google公司无监督模型，与语境无关2、2014年，GloVe模型，StanfordGLoVe：Global Vectors for Word Representation无监督模型，与语境无关3、2018年3月，ELMo模型，AllenNLP/NAACLELMo：embedding from language model与语境有关参考信息：2018年，AllenNLP的Matthew E. Peters等人在论文《Deep contex
2021-02-26 16:27:45
1091
原创 Bert模型_3分钟热情学NLP第11篇
3分钟热情学NLP第11篇，Bert模型BERT ：Bidirectional Encoder Representations from Transformers)2018年的10月11日，Google AI的Jacob Devlin和他的合作者在arxiv上放上了他们的文章，名为《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》论文地址：https://arxiv.org/abs/1
2021-02-26 16:26:35
446
原创 ElMo模型_3分钟热情学NLP第10篇
3分钟热情学NLP第10篇，ELMo模型1、word2vec和glove面临的严重问题word2vec和glove面临的1个严重的问题是多义词问题。在Word Embedding 时，单词的向量值是唯一的，如中文“苹果”，英文“bank”，在训练时，这些多义词会被训练成“同义词”，即它们在模型中向量值是1个。word2vec无法表示多义。ElMo模型，可以有效地解决多义词问题。2、ElMo模型简介ELMO，Embedding from Language Models，对应的论文为：D
2021-02-26 16:25:32
285
原创 GloVe模型_3分钟热情学NLP第9篇
3分钟热情学NLP第9篇，GloVe模型GloVe的全称叫Global Vectors for Word Representation，它是一个基于全局词频统计（count-based & overall statistics）的词表征（word representation）工具，它可以把一个单词表达成一个由实数组成的向量，这些向量捕捉到了单词之间一些语义特性，比如相似性（similarity）、类比性（analogy）等。通过对向量的运算，比如欧几里得距离或者cosine相似度，可以计算出两
2021-02-26 16:24:26
220
原创 doc2vec计算句子相似度_3分钟热情学NLP第8篇
3分钟热情学NLP第8篇，doc2vec计算句子相似度word2vec面临的问题word2vec计算句子或长文本的方法，大致的是：1、对文本进行分词；2、计算各个分词的词向量；3、对词向量取平均值，或者其他方式进行词向量的拼接。显而易见，这样的的计算方法的缺点是：丢失了文本之间的语序比如：我喜欢小明，小明喜欢我。这2句话，语义不一样；但是通过上面的分词+词向量的方法，向量值是相同的。因此，在word2vec的基础上，有研究人员提出了文本向量的概念doc2vec2、doc2vec文
2021-02-26 16:22:41
499
原创 Wrod2vec计算句子相似度_3分钟热情学NLP第6篇
3分钟热情学NLP第6篇，Wrod2vec计算句子相似度参考文章：1、https://blog.youkuaiyun.com/joleoy/article/details/997411392、https://www.zhihu.com/question/299782681、无监督，句子相似度的计算方法无监督，即不需要额外的标注数据。通过词向量计算句子之间的相似度，大致有下面几种方法：1.1、求平均值比如一句话包含ABC共3个词汇，那么这句话的句向量值即为ABC的向量求和，再除以3；1.2、
2021-02-03 17:12:58
385
原创 Wrod2vec计算句子相似度实战_3分钟热情学NLP第7篇
3分钟热情学NLP第7篇，Wrod2vec计算句子相似度实战方法1，计算句子中各个词向量，得出句子的平均值1、使用jieba分词，得出该句子包含的词；2、计算每个词的词向量；3、求得该句子的平均值4、采用余弦值，计算各个句子的相似度；输入：import numpy as npfrom scipy import spatialimport jiebamodel = gensim.models.Word2Vec.load('word2vec_wx')model_dimensio
2021-02-03 17:09:44
559
原创 Wrod2vec算法实战_3分钟热情学NLP第5篇
参考文章：https://blog.youkuaiyun.com/qq_30189255/article/details/1030495691、语料本文采用的语料：#将语料text8，保存在sentence中；text8有100mb大小；text8的下载地址：http://mattmahoney.net/dc/text8.ziptext8语料，已经按照空格进行分词，去掉了标点符号，无需进行预处理2、模型训练采用python的gensim包实现word2vec输入：from gen...
2021-01-19 22:42:25
309
原创 Wrod2vec算法_3分钟热情学NLP第4篇
第4篇：3分钟热情学NLP，word2vec在NLP领域，文本表示是第1步，也是很重要的1步。所谓文笔表示，即如何把自然语言的语言符合，转化成计算机能够处理的数字。文本向量化.png1、文本向量化现阶段，文本向量化，大部分是通过词向量化来实现的；也有一部分算法，将整篇文章或整条句子作为最小处理单位来实现文本向量化，如doc2vec；1.1、独热编码one-hotone-hot编码，是最直观的1个词表示方式。构建1个文本词典，每个分词是1个比特值，比特值为0或1。动物特征可表示
2021-01-19 22:38:51
226
原创 关键词提取TextRank算法_3分钟热情学NLP第3篇
第3篇：三分钟热情学NLP-关键词提取TextRank算法TextRank算法，借鉴了PageRank的思想，或者可以直接理解成：TextRank是PageRank的2.0版。1、PageRank算法谷歌的2位创始人佩奇和布林，借鉴了评判论文重要性的方法（学术界，如果1篇论文被引用得越多，就会认为该论文越重要）来评价网页的重要性，概况来说就是2点：1、要数量。某个网页被越多网页链接的话，说明这个网页越重要，其对应的PageRank值越高；2、要质量。被PageRank值较高的网页A链接的网页
2021-01-19 22:34:13
379
原创 关键词提取TF-IDF_3分钟热情学NLP第2篇
第2篇：三分钟热情学NLP-关键词提取TF-IDF一篇文章或1个文档中，哪些词对文章更重要？哪些词可以作为关键词？自动提取关键词可以快速地从海量的信息中提取和获取信息，下面简述下关键词提取技术。1、关键词提取的机器学习方法有监督的机器学习方法：构建1个丰富的词表，判断每个文档与词表中每个次的匹配程度，这种方法是准确高；缺点是维护词表和标注的成本高；无监督的机器学习方法：2个常见算法是TF-IDF算法和TextRank算法2、TF-IDF算法TF-IDF词频-逆文档概率，一般是指词频和逆
2021-01-19 22:27:10
278
原创 Jieba分词_3分钟热情学NLP第1篇
第1篇：三分钟热情学NLP-Jieba分词NLP，自然语言理解，即计算机对人类语言进行理解；NLP是人工智能皇冠上的明珠，是AI最难的领域之一；1、人类语言有多复杂人类语言是经过加工的，需要有有背景知识才能理解；比如“夏天能穿多少就穿多少，冬天能传多少就穿多少”“单身的原因是喜欢上一个人，还可能是喜欢上一个人”可见，语言理解是1道“很有门槛”的事情，理解句子，从分词开始，2、jieba分词-总览jieba的git主页https://github.com/fxsjy/jieba
2021-01-19 22:25:38
195
原创 什么是中台系统？
查看百度指数，“中台”两字的搜索量从2019年5月21日后开始陡增。baidu2_1564455127254.png这天发生了什么？这天腾讯召开了“腾讯全球数字生态大会”，在会上，多位腾讯高管提到”开放中台能力，拥抱产品互联网“。至此，“中台”2个字开始频繁出现在资讯报道、公众号文章和知乎上。在2019年5月21日后的2个月内，在百度指数中，与“中台“相关的高频搜索词有：什么是中台系统、中台是什么意思、数据中台、中台系统、系统、互联网中台是什么意思、中台产品经理，业务中台、中台战略、中台...
2021-01-18 23:24:44
1572
原创 MAC上使用 mysql
1、打开终端；2、切入到mysql所在目录/usr/local/mysql/bin/mysql -u root -p3、安装提示输入mysql的root密码：4、进入到mysql命令行模式5、quit，退出命令行模式...
2019-11-07 21:50:07
142
原创 Python爬虫，使用BeautifulSoup爬取豆瓣电影TOP250电影信息（BeautifulSoup, lxml）
上一篇：Python爬虫，通过正则表达式爬取豆瓣电影TOP250的图片，https://blog.youkuaiyun.com/licx1988/article/details/102869923本篇，使用BeautifulSoup进行解析，解析库：BeautifulSoup解析器：lxml方法选择器：find()和find_all()BeautifulSoup的官方文档：https://w...
2019-11-02 20:24:41
2579
原创 Python爬虫，通过正则表达式爬取豆瓣电影TOP250的图片
本文，使用requests库。豆瓣电影TOP250排行的地址：https://movie.douban.com/top250?start=本次爬取，共分3个步骤：1、获取单个页面的HTMLhttps://movie.douban.com/top250?start=https://movie.douban.com/top250?start=252、对对个页面的HT...
2019-11-02 11:35:55
3324
原创 AWK-端对端时延-程序解读
一个简单的TCP程序，所产生的.tr文件+ 0.1 1 2 cbr 1000 ------- 2 1.0 3.1 0 0- 0.1 1 2 cbr 1000 ------- 2 1.0 3.1 0 0+ 0.108 1 2 cbr 1000 ------- 2 1.0 3.1 1 1- 0.108 1 2 cbr 1000 ------- 2 1.0
2012-11-26 17:12:08
1016
原创 Ubuntu共享xp系统文件-Vm tools的安装
1，虚拟机配置中，CD-ROM挂载linux.iso(在vm安装目录下，选择linux.iso)2,拷贝tar.gz文件至安装目录下。运行tar解压命令。3，切换到解压后的文件夹vmware-tools-distrib4，安装VMware tool，命令：./ 5,安装好后，把虚拟机电源关闭6，在选项中添加共享文件夹，，然后再打开虚拟机电源7，在/mnt/hg
2012-10-29 19:34:29
561
原创 linux网络配置文件及其对应功能
hosts配置文件的功能是用来对用户所输入的IP地址进行域名解析工作。该文件的绝对地址为“/etc/hosts”hosts.allow配置文件的功能是用来集中管理被允许的用户访问端与服务器端连通的主机。该文件的绝对地址为“/etc/hosts.allow”hosts.deny配置文件的功能是用来集中管理不被允许的用户访问端与服务器端连通的主机。该文件的绝对地址为“/etc/hosts.de
2012-10-12 22:55:51
1058
原创 Linux网络命令
1，ifconfig用户可以执行ifconfig命令，来检测和设置本机的网络接口。默认情况下执行该指令会显示第一块网卡，即eth0与本机回路（lo，local loopback）的配置信息。如果用户需要检测或设置本机的其他网络接口，只需要在该命令后注明网卡代号即可。该命令也可以将指定的网卡开启或关闭。例如，启动第一块网卡；关闭第一块网卡；用ping命令来验证网卡是否设置成功。执行命令：
2012-10-12 22:48:00
6791
原创 快速排序C语言版
#includeint a[100]; void prt(int n){ int i; for(i=1;i printf("%d ",a[i]);} void quicksort(int a[],int l,int h){ int j,i,key; i=l;j=h;key=a[i]; while(i
2012-10-12 10:23:07
756
原创 IP私有地址
IP私有地址A：10.0.0.0- 10.255.255.255B:172.16.0.0- 172.31.255.255C:192.168.0.0- 192.168.255.255 127.0.0.1 环回地址。用于测试一个节点的IP栈，不能用作主机地址。
2012-10-12 09:42:09
730
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人