<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ntgndbd的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ntgndbd</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ntgndbd]]></copyright><item><title><![CDATA[2026 Agent技术拐点：从对话到自主执行，全栈开发与企业级落地万字实战指南]]></title><link>https://blog.youkuaiyun.com/ntgndbd/article/details/158612907</link><guid>https://blog.youkuaiyun.com/ntgndbd/article/details/158612907</guid><author>ntgndbd</author><pubDate>Tue, 03 Mar 2026 14:28:18 +0800</pubDate><description><![CDATA[2026 年 AI 行业技术范式从生成式 AI 转向自主执行式 AI Agent，其解决了 AI 自主完成任务、创造实际价值的核心痛点。IDC 数据显示，企业级 Agent 采用率飙升，相关岗位缺口大、薪资高，行业热点也多与 Agent 绑定。本文将带读者从 0 到 1 掌握 Agent 核心逻辑，完成多智能体系统全栈开发，抓住技术红利。]]></description><category></category></item><item><title><![CDATA[Kaggle房价预测完整解决方案 - 从数据探索到模型部署]]></title><link>https://blog.youkuaiyun.com/ntgndbd/article/details/157814690</link><guid>https://blog.youkuaiyun.com/ntgndbd/article/details/157814690</guid><author>ntgndbd</author><pubDate>Fri, 06 Feb 2026 23:24:12 +0800</pubDate><description><![CDATA[本文介绍了Kaggle房价预测项目的完整解决方案，从数据探索到模型部署。项目目标是基于房屋特征预测销售价格。通过数据探索发现目标变量呈右偏分布，采用log变换使其接近正态分布。缺失值分析显示部分特征缺失率高达99%，需根据不同含义采用"None"或中位数填充。数值特征相关性分析帮助识别重要预测因子。完整流程展示了数据预处理、特征工程和模型优化的关键步骤，为房价预测提供可靠的数据驱动方法。]]></description><category></category></item><item><title><![CDATA[零门槛生成「真人口播」视频：飞影数字人完全指南]]></title><link>https://blog.youkuaiyun.com/ntgndbd/article/details/153650755</link><guid>https://blog.youkuaiyun.com/ntgndbd/article/details/153650755</guid><author>ntgndbd</author><pubDate>Mon, 20 Oct 2025 22:17:11 +0800</pubDate><description><![CDATA[飞影数字人是一款基于AI的SaaS工具，可快速生成&quot;真人出镜+语音朗读&quot;的视频。用户只需输入文字，系统即自动合成视频，无需拍摄剪辑。支持自定义数字人模板和300+音色选择，会员还可克隆自己声音。免费版限30秒/有水印，会员版支持商用/长视频/批量生成。操作流程简单：准备文案→选择模板→配置声音→生成视频，并支持多语言、批量生产等进阶玩法。]]></description><category></category></item><item><title><![CDATA[带货评论分析]]></title><link>https://blog.youkuaiyun.com/ntgndbd/article/details/149197718</link><guid>https://blog.youkuaiyun.com/ntgndbd/article/details/149197718</guid><author>ntgndbd</author><pubDate>Tue, 08 Jul 2025 14:52:08 +0800</pubDate><description><![CDATA[本文提出一个基于大模型改进的带货评论分析方案。方案分为三阶段：1)商品识别采用星火大模型分词+Tf-IDF特征提取+SGD分类器；2)情感分析使用类似流程对四个维度分类；3)评论聚类通过KMeans算法生成主题词。针对baseline中TF-IDF无法处理语义和KMeans聚类效果有限的问题，创新性地引入星火大模型提升分词质量，并设计敏感内容检测机制：当大模型报错时自动切换至jieba分词。]]></description><category></category></item></channel></rss>