做了8年BI报表,2025年底我第一次怕:AI十分钟搭的大屏,我以前要熬两天

LongCat-Flash-Chat:面向2025工程落地的轻量级AI推理底座 大模型推理底座是支撑边缘部署、CI/CD集成与低资源运行的核心基础设施。其本质是将模型加载、KV缓存管理、流式调度与资源监控等底层能力封装为稳定、可审计、可复现的服务组件。技术价值在于突破GPU依赖、降低显存碎片、保障长上下文稳定性,并实现OpenAI兼容API与量化感知调度。典型应用场景包括嵌入式AI(如Jetson Orin)、企业知识库轻量RAG替代方案、以及AI能力内嵌的CI/CD质量门禁。LongCat-Flash-Chat正是这样一套聚焦‘快而稳’工程闭环的开源AI推理底座,深度适配2025年主 阅读详情

我是个BI工程师,干了8年,前六年基本都在和报表、大屏死磕。

一、困境:我手里这块活,开始被机器够得着了

2025年夏天,组里来一批新需求。以前这种活,我带着两个 junior,先和业务方扯半天指标口径,再写SQL取数,再在可视化工具里拖拖拽拽调样式,一个大屏前前后后两天起步。那周我正感冒,leader顺手把需求丢给一个接了AI的工具,让我们试试。

我看着那东西十分钟出了一版大屏:配色、布局、图表类型,挑不出大毛病。我不是说它多神,是它够用。业务方看了句"先这样吧,细节后面调"——这话以前是对我说的。

那阵子我翻了不少同行自述。一个做后端的朋友说,他们组搞过代码量和Token用量排行榜,末位三个月一淘汰,听着狠,但趋势是真的:2024年初AI写的代码能直接用的不到5%,到2025年底稳定在90%以上,很多程序员一句代码不写,只给AI下指令。我们BI慢半拍,可报表和大屏是更早被啃的那块——格式固定、重复度高,最容易被模板化,再被AI化。

同行里还有个说法挺准:现在工位从"写代码"变"审代码",产出翻了三五倍甚至十倍,但人对AI出的每一行都得负责,下班都不敢彻底离线。我们BI虽没到那步,但"AI出初稿、人盯质量"的苗头已经在了。

有次一个刚入职的小朋友,用接了AI的可视化工具,半天出了我要熬两天的大屏初稿。我嘴上夸,心里凉——以前这活是我的看家本领,现在成了谁的标配。

圈子里的卷法也变了。有的团队把代码量和Token用量排成榜,末位三个月一淘汰。我们组虽没排行榜,但leader开始问我"你这周用AI提效多少",这话以前没人问。听着就知道,"多写几行"已经不是护身符,会指挥工具的人才站得住。

招聘侧也变了。满屏"35岁以下"“精通AI大模型应用”。有个37岁的同事私下说,现在技术文档岗的JD都少了,有公司直接把技术文档整组裁了让AI出文档。我没到那岁数,但看见脉脉上写的——35岁以上程序员只占17.2%——后背还是会发凉。

最扎我的是两个真事:一个39岁的Java老哥,干了15年年薪70万,2026年初被裁,投30份简历只拿3个面试;还有个35岁前端,被优化理由特直白——“他干的活,一个应届生用Cursor就能搞定”。我做的报表大屏,和那个前端差在哪?细想挺慌的。

圈里也流传一些活法:有人靠十年业务经验转去做提示词和模板,接私活把收入慢慢拉回来;也有资深专家转去做大模型架构。听着踏实,但都不是"换个本事就安全"的故事,更多是把自己原来的积累挪了个地方接着用。也有大厂员工放话,说未来只需过去五分之一的工程师,八成会被淘汰。这话我不全信,但"陪跑"的人确实多——活还在,标准悄悄抬了。

二、接触:我先拿AI当取数助理

我真正动手用AI,是被那个十分钟大屏刺激的,动机很土:不想被比下去,至少先把重复的脏活甩出去。

第一步没碰生成图表,我先让AI帮写SQL和取数。我们库表又多又乱,以前新人进来得泡两周才敢写复杂查询。我把表结构丢给大模型,说"我要上个月各区域销售额同比,按周拆",它出的SQL大体能跑,错的我再改。头几天它把我一个left join写成inner,数少了三成,业务方差点拿去汇报。从那以后我每条都先跑总数对一遍,再放手。一周下来,取数快了不止一倍。

后来我把它往上游推:让它根据业务问题先给分析思路,我再判断哪个方向靠谱。业务方问"这个月留存掉了吗",它列了五六个可能维度,我挑两个真正和业务挂钩的去深挖。关键不在AI多聪明,在我愿不愿意把"先想"这件事分一点给它。

我顺手攒了个取数提示词的小库:表名别名、口径约定、常见坑都写进去。如今每周省下的大半天,够我把几个核心报表的业务解读写透,而不是停在"图出了"。工具上用的是公司许可的几个内部接入的大模型,没多高大上,就是每天把它当个不会累的 junior 用着。

工具是死的,会不会问才是活的——我把"怎么向AI把需求讲清楚"当成新的基本功在练。我现在每天开工先列三件事:哪件让AI打初稿、哪件我主导、哪件必须我亲手核。这个分工本身,就是新本事。上个月做季度复盘,我让AI先把十二张表的关键指标拉成一句话摘要,我再标重点,原来要耗一下午的活,一小时搞定。不是它多懂业务,是我把"要看啥"讲清楚了。

三、现状改变:从做图的人,变成用AI做分析的人

半年下来,我日常变了。

以前周一排满的是"帮谁出个图"“这个大屏改版”。现在这些我会直接甩给AI出初稿,我花时间在看它出的对不对、业务解读到位没。说白了,我从"做图的人"挪到了"盯着图说话的人"。

活没变轻,反而重了。业务方现在不只要图,要我讲清"为什么掉、接下来怎么办"。AI能把数据摆出来,但"这个数在咱们生意里算不算事"得我来判。上周一个区域异常,AI说"数据正常波动",我翻了下促销排期,发现是活动递延,这才没让业务方瞎紧张。这种判断,机器给不了。

现在周一晨会,我先抛的不是"做了几张图",而是"上周三个区域波动,两个是促销、一个是口径改了"。leader开始把我当业务侧的耳朵,有事先来问我这个数背后的缘由。

但我清楚,AI替的是"出图",替不了"问对问题"。业务方常自己都不知要看啥,得我帮他把问题问清楚——这步它做不了。上周业务方问"为啥掉",AI甩出一堆图,是我把它拽回"先看活动还是先看渠道"才收敛。

这半年我不是没慌过,半夜也刷过招聘软件,但越刷越清楚:我要补的是"业务语感",不是再练手速。工具谁都能用,难的是知道该问它什么。

定位也微调了。组里分两种人:一种还在和AI抢着做图,越做越累;一种开始用AI做分析,慢慢往业务侧靠。我算后者。收入结构没大变,没涨薪没暴富,但今年绩效评语第一次写了"具备业务分析视角",这比多两千块让我踏实。周报里我写的从"完成X张大屏"变成了"识别Y个业务风险",leader看得懂这个差别。

说实话,离安全还远。AI生成图的能力还在涨,我手里"做图"那点价值只会越来越薄。我能做的,是把"读业务、下判断"磨厚一点——这件事,短期还不会被替。

收尾

写这些不是吓你,也不是劝你赶紧学什么。我就是个干了8年BI的老兵,被现实推着往前挪了半步。AI没让我一夜翻盘,它只是把"只会做图"那条路越走越窄,又把"会用工具看业务"这条缝撑开了一点。路怎么走,每个人自己掂量。我能确定的只有一句:别等活被替了,才第一次认真看它。

想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2025 年 AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享!

👇👇扫码免费领取全部内容👇👇

​

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI:

1. 100+本大模型方向电子书

在这里插入图片描述

2. 26 份行业研究报告:覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:

  • 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
  • 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
  • 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
  • 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT:听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

在这里插入图片描述

  • 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
  • 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
  • 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
  • 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析:

2. 102 道 AI 大模型真题:直击大模型核心考点

针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:


三、路线必明: AI 大模型学习路线图,1 张图理清核心内容

刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

在这里插入图片描述

路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。

img

L1阶段:启航篇丨极速破界AI新时代

L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。

img

L2阶段:攻坚篇丨RAG开发实战工坊

L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

img

L3阶段:跃迁篇丨Agent智能体架构设计

L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

img

L4阶段:精进篇丨模型微调与私有化部署

L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

img

L5阶段:专题集丨特训篇 【录播课】

img
四、资料领取:全套内容免费抱走,学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!

AI Agent托管运行时:解耦Session、Harness与Sandbox的工程实践 AI Agent运行时(Runtime)是支撑大模型调用工具、维护状态、保障安全的核心基础设施。其核心原理在于将会话状态(Session)、执行逻辑(Harness)与执行环境(Sandbox)三者彻底解耦,从而突破传统上下文窗口限制、消除有状态服务运维负担、实现密钥零落地的安全沙箱。这一设计不仅提升了Agent的可重现性、可观测性与合规性,更使Runtime本身正演变为云原生时代的新型公共设施——类似数据库或消息队列。当前主流云平台(AWS Bedrock、Google Vertex AI、Azure A 阅读详情

相关推荐

AI Agent Runtime 正在归零:从操作系统时刻看基础设施化演进

AI Agent 不再是‘会说话的程序’,而是一个具备生命周期、状态管理与安全边界的分布式系统。其核心运行时(runtime)层正经历类似TCP/IP或容器技术的历史性基础设施化过程——从独立产品走向隐形底座。这一演进背后是 session 事件日志、无状态 harness 和按需沙箱等关键原理的工程共识落地,带来可追溯性、弹性伸缩与零信任安全等技术价值。当前已广泛应用于金融合规审查、医疗问诊辅助、制造业故障诊断等高可靠性场景,并驱动 trace 存储、策略治理与垂直 agent 市场三大上层价值爆发。

dglf54292的博客 461

主流BI工具对比深度分析:国际巨头与国产化标杆的选型全指南

2025年BI选型指南:国产Wyn软件崛起 随着企业数字化转型加速,BI市场面临三大痛点:国际工具国产系统适配难、成本高昂、智能化不足。西安葡萄城Wyn软件凭借嵌入式分析和AI智能双引擎脱颖而出,成为国产BI标杆。核心优势包括: 领先的AI对话分析,支持自然语言查询和多轮追问 5级嵌入式能力,实现与国产系统的无缝集成 国产化全栈适配和流式数据实时处理能力 性价比高,开发效率提升80% 相比Tableau、Power BI等国际产品,Wyn在国产化支持、嵌入能力和成本方面优势明显,特别适合中大型企业的深度系统

KOBE_8and24的博客 1146

AI代理运行时:从上下文依赖到事件日志驱动的生产级演进

AI代理系统正经历从‘上下文即状态’到‘状态即事件’的根本性范式迁移。传统方案将全部中间状态堆叠于模型上下文,导致静默失忆、不可调试与信任缺失;而现代生产级运行时(如Anthropic Managed Agents)通过Session-as-Event-Log架构,将状态外置为持久化、不可变、可查询的事件流,并结合Harness执行器与沙箱隔离机制,实现故障可恢复、行为可审计、凭证不暴露。这一演进不仅提升了AI系统的可靠性与可观测性,更使AI代理具备了融入企业IT治理框架的能力——支撑客服自动化、合同审核、

weixin_30780649的博客 466

【科普文】2025年财务岗位个人能力如何高效提升?

用。

2501_92808422的博客 1405

AI代理运行时架构演进:从上下文牢笼到事件日志操作系统

AI代理(Agent)的运行时(Runtime)正经历类似操作系统的范式升级——它不再依赖模型上下文暂存状态,而是将执行过程解耦为持久化、结构化的事件日志。这一转变解决了上下文溢出、状态丢失、调试不可见等核心工程痛点,使Agent具备故障自恢复、全链路可观测、企业级审计与合规能力。其技术价值在于将非确定性推理过程转化为可追溯、可验证、可治理的确定性系统行为,广泛应用于金融风控、法律合同审查、销售线索评分等需高可靠性与强问责的生产场景。本文深入剖析Anthropic Managed Agents所代表的‘Se

frank1998819 437

AI代理Runtime层的范式革命:会话即事件日志

AI代理已从提示工程阶段迈入系统级工程阶段,其核心挑战不再是模型智能,而是长周期任务下的状态一致性、执行可追溯与安全隔离。‘会话即事件日志’(session-as-event-log)作为一种新型runtime设计范式,将代理状态从易失的上下文窗口迁移至持久化、结构化、可审计的外部事件存储,实现故障可恢复、行为可复现、操作可审计。该范式支撑无状态执行器、沙箱化工具调用与声明式YAML编排,显著提升生产环境稳定性与合规性,已成为Anthropic、AWS、Google等主流平台的共同技术底座。本文深入解析其原

weixin_30535843的博客 327

DeepSeek-V3.1 混合推理发布,智谱 AutoGLM 2.0 云端登场,ChatGPT Go 印度上线!| AI Weekly 8.18-8.24

DeepSeek-V3.1 混合推理发布,智谱 AutoGLM 2.0 云端登场,ChatGPT Go 印度上线!| AI Weekly 8.18-8.24

hunteritself的博客 1718

AI Agent运行时层商品化:从Context Overflow到Session日志化

AI Agent运行时层正经历操作系统级重构,其核心是从依赖模型上下文窗口(context window)的脆弱状态管理,转向基于事件日志(event log)的持久化、可审计、可恢复架构。这一演进源于长周期任务中上下文溢出(context overflow)、状态丢失与凭证泄露等工程痛点,技术本质是将‘会话’抽象为独立生命周期的事件流,实现模型推理与执行环境的彻底解耦。其技术价值在于降低token冗余成本、提升故障恢复能力、强化credential隔离,并支撑金融、客服、保险等对可靠性与合规性要求严苛的生

weixin_30709061的博客 415

想做有感情的AI旁白?试试GLM-TTS这个神器

本文介绍了如何在星图GPU平台上自动化部署GLM-TTS智谱开源的AI文本转语音模型 构建by科哥镜像,快速实现高表现力AI旁白生成。仅需3秒人声样本,即可克隆音色并迁移情绪,典型应用于知识类短视频配音、课程音频制作等场景,显著提升内容创作的真实感与效率。

weixin_36277197的博客 389

AI智能体运行时正走向商品化:从托管Agent看基础设施层演进

AI智能体(Agent)作为大模型落地的关键范式,其核心挑战已从模型能力转向可靠、安全、可审计的运行时环境。随着Anthropic Managed Agents、AWS Bedrock AgentCore等方案涌现,'runtime as infrastructure'成为新共识——运行时层正经历类似操作系统虚拟化时代的商品化过程:性能趋同、接口标准化、安全与合规能力内建、计费模式转向按实际活跃资源消耗。这一演进推动工程重心上移,使事件日志(Event Log)、策略治理(Policy-as-Code)、垂

weixin_34416754的博客 347

学习笔记——神经科学的数学基础

m%3D2X_%7Bi%7DiNy%3DAxW%3DABx_%7Bj%7Dy_%7Bi%7Dy%3DWxt=N7T8卷积神经网络(CNN)详细介绍及其原理详解_IronmanJay的博客-优快云博客https://blog.youkuaiyun.com/IronmanJay/article/details/128689946?

zxyopenstar的博客 1374

2026年笔记本也能微调大模型:用LoRA让AI秒懂你的行业和风格

摘要: 本文介绍如何利用LoRA技术在普通笔记本电脑(如配备8GB显存RTX 4060)上微调Qwen3.5-2B大模型,实现行业术语适配或风格定制。对比传统全量微调,LoRA通过仅训练1%的适配器参数(约2000万),将显存需求从40GB+降至5GB,结合QLoRA量化可进一步优化。文章详细演示了使用Unsloth工具链的完整流程:环境配置、数据准备(建议50-1000条高质量问答对)、4-bit模型加载、LoRA适配器设置(秩r=16)、训练参数优化及模型导出。针对显存不足问题,建议降低批次大小或采用更

WANGJUNAIJIAO的博客 585

【STM32】STM32F407实现简单的Modbus协议

1.ModBus协议简介 MODBUS协议是一种串行通信协议,由Modicon公司(施耐德公司前身)发表,由于其公开发表且无版权要求,易于部署和维护,在工业界广泛应用。MODBUS采用主从通信(Master/Slave),MODBUS有三种报文格式:ASCII、RTU、TCP,本文主要讨论RTU。 如下图所示,串行通信上的MODBUS协议主要由地址,功能码,数据,CRC校验四部分数据帧构成。主机和从机的串行通信设备要求一致,参数要求一致,即假设使用串口,主从机波特率,奇偶校验...

BadBoyHolly的博客 8190

EcomGPT-7B开源镜像部署教程:规避CVE-2025-32434安全限制的稳定环境配置

本文介绍了如何在星图GPU平台上自动化部署EcomGPT 电商领域智能助手 (EcomGPT-中英文-7B-电商领域)W镜像,快速构建稳定可用的电商AI服务。该镜像专为电商场景优化,支持商品属性提取、多语言标题翻译、智能分类及营销文案生成等核心任务,显著提升运营效率与内容转化率。

weixin_30248619的博客 335

手把手教你排查Abaqus中的Johnson-Cook损伤参数:避免因d3正负号导致的仿真失败

本文详细解析了Abaqus中Johnson-Cook损伤参数d3正负号设置的关键问题,帮助用户避免因参数错误导致的仿真失败和Excessive distortion报错。通过对比不同文献定义、提供实操指南和典型错误排查流程,有效提升非线性分析的准确性和效率。

weixin_33960567的博客 356

【TestCenter】RFC2544时延测试

本文介绍了使用Spirent TestCenter测试路由器PPPOE时延的RFC2544标准方法。RFC2544定义了三种时延类型:转发时延(LILO)、存储转发时延(LIFO)和直通时延(FIFO)。文章详细说明了测试步骤,包括测试拓扑搭建、PPPOE环境配置、RFC2544测试任务创建等关键环节,并介绍了如何设置时延参数和查看测试报告。测试结果表明,大字节帧的时延高于小字节帧,且负载越高时延越大。该测试方法遵循国际标准,可全面评估网络设备在不同负载下的性能表现。

lai_2020的博客 1406

NOIP 2025 游记

接下来我一直想着去推更多性质,没有尝试去直接对着上面的 dp 优化(这可能是因为没有写代码,这里真心建议大家多去实现部分分,说不定写着写着就能拿更多分了)。T3 先搞了个用哈希的 A 性质,写完感觉进制哈希太丑了换了个异或哈希,没想到 selfeval 一交过了没有性质的点,然后随便改改就。2 小时 T2 假了。这样看来,其实这次还算好了,虽然两题僵持很红温,但至少 T3T4 部分分打满了,说明第六年确实是有进步的。,T3 部分分就出了点问题,不过说实话前面已经够了,后面两题就算都没分也有省队。

2501_94677743的博客 453

鸿蒙5.0进阶开发:UI开发-不依赖UI组件的全局自定义弹出框 (openCustomDialog)(推荐)

本文介绍通过入参形式为ComponentContent创建自定义弹出框............

AyomQAQ的博客 1851

[特殊字符] Claude Code 完全使用手册(2025版)

Claude Code 完全使用手册摘要 Claude Code 是Anthropic推出的AI驱动命令行编程工具,具备以下核心特性: 全自主代理:理解整个代码库,执行多步骤复杂任务 多代理协作:支持多个子代理并行工作 长时间运行:可处理长达30小时的开发任务 检查点恢复:支持进度保存和断点续传 浏览器自动化:原生控制Chrome进行E2E测试 安装方式灵活,支持npm、pip、Homebrew等多种安装方法。提供丰富的配置文件和环境变量选项,支持全局和项目级配置。 核心功能包括: Plan Mode:先规

qq2474842866的博客 2038

IEC 60747-8 是由国际电工委员会(IEC)制定的标准,标题为《半导体器件 - 分立器件 - 第8部分:场效应晶体管》

IEC 60747-8 是由国际电工委员会(IEC)制定的标准,标题为《半导体器件 - 分立器件 - 第8部分:场效应晶体管》(Semiconductor devices - Discrete devices - Part 8: Field-effect transistors)。该标准详细规定了场效应晶体管(FETs)的测试方法,涵盖静态和动态特性测试,适用于多种类型的FET,包括结型场效应晶体管(JFETs)、绝缘栅场效应晶体管(MOSFETs,增强型和耗尽型)等。3. 标准其他部分(简要概述)

专注于前沿技术的探索与实践,热衷于从代码逻辑、架构设计到行业应用等多维度深挖技术本质。期待在技术之路上与你共同成长~ 578

Vue3 - Arco Design Vue 表格组件 table 隐藏鼠标移入时 hover 高亮背景色,el-table 组件去除鼠标悬停在表格行的 hover 高亮效果(改变鼠标移入时的背景色)

vue3,arcodesignvue,arcodesign,表格,a-table,hover,表格hover的class类名是什么,class,hover,在arcodesignvue项目中,表格组件如何去掉鼠标移入时的hover效果,vue3arco.design表格组件修改鼠标移入行的背景颜色,table表格,取消表格行row移入高亮效果,去掉鼠标移入行时的hover效果,取消a-table的hover状态,取消高亮显示,隐藏表格鼠标hover效果,去除鼠标触摸变色效果,如何取消arco表

🏆 前端领域优质创作者 3774

从8小时到20分钟:90后运营如何一键生成竞品分析报告?

尤其在出海、电商、快消等行业,高频、多变的市场信息要求团队必须拥有“秒级响应”能力,而传统人工搜集、整理、撰写的模式已成为业务提速的瓶颈。以往的市场分析往往依赖“人工+工具”组合:员工使用爬虫、问卷、Excel、PPT等多类工具,经历“搜集-清洗-分析-撰写”四个环节,周期长、信息滞后,且高度依赖个人经验。它并非替代人的思考,而是将人从“找信息、整格式、堆图表”的重复劳动中解放出来,转向“定方向、核事实、做决策”的高价值环节。2025年,AI辅助分析已从“可有可无的创新尝试”转变为“不可或缺的标配能力”。

2501_92479490的博客 1011

第七天 Labview进阶(7.3 Teststand简单使用)

TestStand是NI开发的自动化测试管理软件,支持多语言编程和硬件集成,广泛应用于电子产品和工业测试。安装时需注意版本选择,2022版支持离线安装。使用步骤包括:1)创建测试序列文件;2)插入测试动作并配置参数(如选择VI路径、设置变量);3)添加条件判断和延时控制;4)执行测试序列时具备流程控制功能,如失败步骤自动跳过后续测试。该软件能有效提升测试效率与准确性,通过可视化操作实现复杂测试流程管理。

weixin_38637405的博客 1733

AI Agent Runtime 正在成为新操作系统:状态外置与事件溯源实践

AI Agent 不再是模型调用的简单封装,而是具备状态管理、安全执行与可追溯决策的工程系统。其核心挑战在于上下文窗口的脆弱性与调试黑洞,而事件溯源(Event Sourcing)和状态外置(State Externalization)正成为解决该问题的基础范式。通过将会话抽象为结构化事件日志、执行器(Harness)无状态化、沙箱按需瞬时生成,系统可实现故障隔离、审计合规与生产级稳定性。这一架构演进与虚拟化、容器化历史高度相似——当 runtime 层商品化,价值重心必然上移至 trace 可观测性、策略

weixin_33834137的博客 763

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Claude AI深度评测:从模型选型到实战技巧,打造高效AI协作工作流

大语言模型作为当前人工智能领域的前沿技术,通过海量数据训练和Transformer架构,实现了对自然语言的深度理解和生成能力。其核心原理在于通过自注意力机制捕捉文本中的长距离依赖关系,从而在对话、创作、编程等场景中展现出类人的交互能力。这一技术的核心价值在于将人类从重复性、结构化的脑力劳动中解放出来,显著提升知识工作者的生产效率。在实际应用中,大语言模型已广泛渗透到代码开发、内容创作、数据分析、办公自动化等多个领域,成为现代工作流中不可或缺的智能辅助工具。本文聚焦于Claude AI这一代表性模型,深入剖析

weixin_33743880的博客 442

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

医学AI实战:用Unsloth微调出能推理的Qwen-7B

本文介绍了如何在星图GPU平台上自动化部署unsloth镜像,高效微调Qwen-7B大语言模型,使其具备医学链式推理能力。用户可在单张24GB显卡上完成全流程训练与验证,典型应用于临床辅助决策、智能问诊等需逻辑推演的医疗AI场景,显著降低专业大模型落地门槛。

weixin_42361478的博客 372

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: 什么?部署大模型要多少显存你都不知道?
下一篇: 一份Agent应用开发从入门到上线的技术路线图
Llama-Turbo
博客等级 码龄4年 9901粉丝 2025原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值