- 博客(113)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 【拥抱AI】OpenAI支持MCP协议的行业启示与未来展望
标准化浪潮下的 AI 生态重构。2025 年 3 月 27 日，OpenAI 宣布对其 Agent SDK 进行重大升级，正式支持由 Anthropic 主导开发的模型上下文协议（Model Context Protocol，MCP）。这一决策标志着人工智能领域正在经历一场堪比 "USB-C 统一接口" 的范式革命。当行业巨头放下竞争芥蒂共同拥抱开放标准时，AI 技术的演进路径与产业格局正在发生深刻变革。
2025-03-28 10:05:23
641
原创 【前端】Vue-Vben-Admin 项目详细教程
Vue-Vben-Admin 是一个基于 Vue3.0、Vite、Ant-Design-Vue、TypeScript 的后台解决方案，目标是为开发中大型项目提供开箱即用的解决方案。该项目集成了多种先进技术，如 Pinia 作为状态管理工具、Vue Router 作为路由管理工具，并通过 Shadcn UI 提供了一套现代化的 UI 组件。它具有强大的扩展性和模块化特性，无论是开发中小型项目，还是大型企业级应用，都能够提供一个强大、灵活、可扩展的管理后台框架。├── build/ # 打包脚本相关。
2025-03-27 16:46:44
1323
原创 【拥抱AI】GPT Researcher 源码试跑成功的心得与总结
通过这次试跑，我深刻体会到了 GPT Researcher 的强大功能和高效性能。它不仅能够快速生成高质量的研究报告，还提供了灵活的配置选项和强大的信息提取能力。对于研究人员和企业来说，GPT Researcher 是一个非常有价值的研究工具。在未来的工作中，我将继续探索 GPT Researcher 的更多功能，并将其应用于实际的研究项目中，以提高研究效率和质量。
2025-02-21 15:56:25
1149
原创 【拥抱AI】GPT Researcher如何自定义配置LLM
GPT Researcher默认的 LLM（大型语言模型）和嵌入式模型是 OpenAI，因为其卓越的性能和速度。不过，GPT Researcher 支持各种开源和闭源的 LLM 和嵌入式模型，你可以通过更新 SMART_LLM、FAST_LLM 和 EMBEDDING 环境变量轻松切换它们。
2025-02-18 17:46:52
1049
原创 【拥抱AI】GPT Researcher的诞生
GPT Researcher 是一个开源的自主智能体，旨在通过利用人工智能技术实现高效、全面且客观的在线研究。它通过一系列创新的设计和优化，解决了传统研究工具（如 AutoGPT）中存在的问题，如无限循环、任务执行效率低下、结果偏见等。以下是对其研究过程的详细总结：1. 从无限循环到确定性结果在开发 GPT Researcher 的过程中，开发者首先需要解决 AutoGPT 的核心问题之一：无限循环。AutoGPT 在执行任务时常常陷入无休止的循环，导致任务无法完成。
2025-02-18 13:16:57
1294
原创 【拥抱AI】如何实现AI外呼通话，并与客户达成确认
使用选定的NLP引擎定义对话流程。例如，在Dialogflow中，你可以创建意图（Intents）、实体（Entities）和上下文（Contexts）来管理对话逻辑。通过以上详细的步骤，你可以构建一个完整的AI外呼系统，并能够与客户进行有效的沟通以达成确认。每个步骤都需要仔细规划和实施，以确保系统的可靠性和用户体验。希望这些信息对你有所帮助！如果你有更具体的问题或需要进一步的帮助，请随时告知。
2025-02-07 11:04:30
890
原创 【拥抱AI】一文讲清楚MCP(Model Context Protocol)核心功能及应用
MCP（Model Context Protocol）是Anthropic推出的一个开放协议，旨在统一LLM应用与外部数据源和工具之间的通信协议，为AI开发提供了标准化的上下文交互方式。MCP的主要功能包括数据集成、工具集成、模板化交互、安全性、开发者支持、预构建服务器和上下文维护。它通过客户端-服务器架构，支持多个服务连接到任何兼容的客户端，提供标准化的、通用的协议共享资源、工具和提示。MCP能访问本地和远程资源，内置安全机制，保护API密钥不被泄露，是构建互联AI系统的重要工具。
2025-01-17 15:56:59
12684
6
原创 【服务端】如何设计RPC框架才能在10万QPS下实现毫秒级的调用
QPS：确保系统能够稳定处理至少10万次请求/秒。响应时间：平均响应时间不超过几毫秒，99%的请求应在合理的时间内完成。可靠性：高可用性，低故障率，快速恢复能力。基于阈值触发警报，及时通知相关人员采取行动，确保系统的稳定运行。# Alertmanager配置示例route:receivers:groups:rules:for: 5mlabels:设计一个能够在10万QPS下实现毫秒级响应的RPC框架是一个复杂但极具价值的任务。
2024-12-26 17:45:32
1039
2
原创 【服务端】灰度引擎的过程中如何保证数据的一致性？
综上所述，保证灰度引擎过程中的数据一致性涉及多个方面的工作，从数据库层面的设计到应用程序内部的状态管理，再到外部服务之间的交互。每种方法都有其适用范围和局限性，实际应用中通常需要结合具体情况综合考量，找到最适合自己的解决方案。此外，持续集成与交付（CI/CD）管道的自动化测试也是保障数据一致性的重要组成部分，它可以在每次部署前验证新旧版本之间的兼容性，进一步降低潜在的风险。通过以上提到的各种技术和实践，可以有效地减少灰度发布过程中可能出现的数据不一致问题，提高系统的稳定性和用户体验。
2024-12-26 17:18:50
1201
原创 【数据库】SQL应该如何针对数据倾斜问题进行优化
数据倾斜（Data Skew）是指在分布式计算环境中，某些键值的数据量远大于其他键值，导致部分节点的工作负载显著高于其他节点的现象。这种现象不仅限于SQL查询，它影响着Hadoop、Spark等分布式计算框架中的任务执行效率。当出现数据倾斜时，系统资源的使用变得极不均衡，一些节点可能会因为处理大量数据而成为瓶颈，进而拖慢整个作业的完成时间。因此，理解和解决数据倾斜问题是提高分布式系统性能的关键之一。
2024-12-24 16:24:24
1054
原创 【服务端】雪花算法的工作原理详解
雪花算法（Snowflake Algorithm）是Twitter提出的一种分布式ID生成算法，它能够高效地在分布式系统中生成全局唯一ID，它的工作原理是通过组合时间戳、数据中心ID、工作器ID和序列号来确保能够生成全局唯一的64位整数ID。
2024-12-24 09:09:44
1086
原创 【服务端】Redis 内存超限问题的深入探讨
在 Java 后端开发中，Redis 内存超限是一个常见的问题，可能由多种原因引起。理解这些原因以及如何处理已经超出限制的数据对于保持系统的稳定性和性能至关重要。
2024-12-20 17:49:08
809
原创 【服务器】MyBatis是如何在java中使用并进行分页的？
MyBatis 是一个支持普通 SQL 查询、存储过程和高级映射的持久层框架。它消除了几乎所有的 JDBC 代码和参数的手动设置以及结果集的检索。MyBatis 可以通过简单的 XML 或注解来配置和映射原始类型、接口和 Java 的 POJO（Plain Old Java Objects，普通老式 Java 对象）到数据库中的记录。
2024-12-20 15:11:18
1190
原创 【音频】如何使用 PyTorch-Kaldi 的评分脚本来评估 ASR 结果
如果你想添加新的评估指标或者处理不同的输入格式，可以根据需要修改评分脚本。例如，为了计算字符错误率（CER），你可以引入另一个函数，并根据需要调整参数解析逻辑。
2024-12-12 17:27:24
1144
1
原创 【音频】SCTK封装成python函数库的详细步骤
编写setup.py文件，以便你可以安装这个库。# setup.pysetup(# 列出依赖项，如果有的话],url="https://github.com/yourusername/sctk_wrapper", # 替换为你的仓库地址],
2024-12-12 17:08:45
323
原创 【Docker】创建Docker并部署Web站点
要在服务器上创建Docker容器，并在其中部署站点，你可以按照以下步骤操作。我们将以Flask应用为例来说明如何完成这一过程。
2024-12-05 10:01:29
997
原创 【Docker】如何在Docker中配置防火墙规则？
Docker本身并不直接管理防火墙规则；它依赖于主机系统的防火墙设置。不过，Docker在启动容器时会自动配置一些iptables规则来管理容器网络流量。如果你需要更细粒度地控制进出容器的流量，你需要在主机系统上配置防火墙规则。以下是如何在Linux主机上使用ufw（Uncomplicated Firewall）或直接通过iptables来配置防火墙规则的方法。
2024-12-05 09:55:47
1785
原创 【音频】SCTK 常用的评估指标以及使用中的限制
尽管 SCTK 是一个强大的工具，但它也有一些限制，特别是在平台兼容性、输入格式要求、性能和资源消耗等方面。在使用 SCTK 之前，建议仔细阅读文档，并根据你的具体需求和环境选择合适的配置和使用方法。如果有任何疑问或遇到问题，可以联系 SCTK 的支持团队或查阅相关论坛和社区寻求帮助。
2024-12-02 15:25:07
837
原创 【前端】Next.js 服务器端渲染（SSR）与客户端渲染（CSR）的最佳实践
通过上述详细说明和示例代码，我们可以更好地理解Next.js中的服务器端渲染（SSR）与客户端渲染（CSR）的区别及其最佳实践。选择合适的渲染方式取决于具体的应用场景和需求。在实际开发中，通常会结合使用两种方式，以达到最佳的性能和用户体验。此外，通过合理的架构设计、代码优化和性能监控，可以进一步提升应用的整体质量和用户体验。
2024-11-30 00:00:00
1357
原创 【前端】Next.js 开发者在团队协作中提高开发效率几个关键点
通过上述详细说明和示例代码，我们可以更好地理解如何在Next.js项目中实现高效的团队协作。从版本控制、代码规范、环境管理、依赖管理、构建与部署、代码审查、文档与知识共享、沟通与协作工具、测试与质量保证、性能优化、安全性以及持续学习与培训等方面，提供了具体的实践方法和工具。这些实践将帮助团队成员更高效地协作，提升开发效率，同时确保项目的质量和安全性。
2024-11-30 00:00:00
1018
原创 【拥抱AI】Milvus 如何处理 TB 级别的大规模向量数据？
处理 TB 级别的大规模向量数据是 Milvus 的核心优势之一。Milvus 通过分布式架构、高效的索引算法和优化的数据管理策略来实现这一目标。下面将详细介绍 Milvus 如何处理 TB 级别向量数据的流程，包括插入代码示例、指令以及流程图。
2024-11-29 00:00:00
1156
原创 【拥抱AI】RAG（Retrieval-Augmented Generation）知识库的切片策略及其改进
RAG是一种结合了信息检索和文本生成的技术，它通过从一个外部的知识库中检索相关信息来增强生成模型的能力。这种方法可以提高生成内容的相关性和准确性，特别是在处理长文档时，有效的文本切片策略对于提升检索效率和质量至关重要。
2024-11-29 00:00:00
1498
原创 【拥抱AI】RAG如何提高向量化的质量
提高向量化的质量是提升RAG（Retrieval-Augmented Generation）系统性能的关键步骤之一。向量化的质量直接影响到检索的准确性和效率。
2024-11-28 00:00:00
687
原创 【拥抱AI】RAG如何通过分析反馈、识别问题来提高命中率
分析用户反馈并识别问题是持续优化RAG系统的重要步骤。这不仅可以帮助你了解系统的当前表现，还可以指导未来的改进方向。直接进入正题，
2024-11-28 00:00:00
1614
原创 【拥抱AI】如何查看Milvus的使用情况？
通过以上方法，你可以全面地监控和查看Milvus的使用情况和性能指标。这些方法包括查看日志、使用SDK、配置Prometheus和Grafana、调用HTTP API以及使用管理命令。选择合适的方法，根据你的需求来监控和管理Milvus数据库的使用情况和性能。
2024-11-27 00:00:00
1725
原创 【通识】技术文档的重要性及其挑战
在技术的浩瀚海洋中，一份优秀的技术文档宛如精准的航海图。它是知识传承的载体，是团队协作的桥梁，更是产品成功的幕后英雄。技术文档不仅帮助开发者理解和使用复杂的系统，还能提升产品的用户体验，减少技术支持的工作量，加速新员工的上手过程。然而，打造这样一份出色的技术文档并非易事。技术文档需要在清晰性、准确性、全面性和可读性之间找到完美的平衡，这对于任何技术团队来说都是一个巨大的挑战。接下来，我们以Next.js为例，来规划一份技术文档。
2024-11-26 12:59:35
958
原创 【拥抱AI】如何调整Milvus的存储路径？
通过以上步骤，你可以成功调整Milvus的存储路径，确保数据存储在合适的磁盘位置。这有助于优化磁盘空间管理和提高系统性能。
2024-11-26 00:00:00
1018
原创 【拥抱AI】RAG如何改善切片召回不稳定的问题
RAG（Retrieval Augmented Generation）切片召回不稳定可能是由于多种原因造成的，以下是一些可能的解决方案：
2024-11-26 00:00:00
907
原创 【前端】Next.js 性能优化技巧，让你的网站速度提升 50%！
在当今互联网时代，网站的加载速度和性能直接关系到用户的满意度和留存率。特别是在竞争激烈的市场环境中，即使是几秒钟的延迟也可能导致用户流失。Next.js 作为一款广受好评的 React 框架，不仅提供了强大的开发工具和丰富的功能，还内置了许多性能优化机制，帮助开发者构建高效、流畅的 Web 应用。本文旨在深入探讨如何通过一系列优化技巧，将 Next.js 应用的性能提升至新的高度。
2024-11-25 17:36:31
1633
原创 【拥抱AI】如何使用Milvus向量数据库进行数据库检索？
通过上述步骤，你可以使用向量数据库进行高效的数据库检索。关键步骤包括生成embedding、插入数据、构建索引、执行相似性搜索和处理返回结果。选择合适的向量数据库和索引策略，可以显著提高检索性能。
2024-11-25 00:00:00
966
原创 【拥抱AI】一文讲述如何配置Milvus？
通过以上步骤，你可以配置和优化Milvus，使其更好地满足你的业务需求。配置文件中的各项参数可以根据实际场景进行调整，以达到最佳性能。
2024-11-25 00:00:00
1216
原创 【拥抱AI】对比embedding模型gte-Qwen2-7B-instruct和bge-m3:latest(三)
优势：指令跟随能力、多任务处理、大规模参数。性能：在文本生成、问答系统、文本分类、情感分析、命名实体识别、语义匹配等任务中表现优秀，生成质量和准确性较高。适用场景：需要生成高质量的文本或构建复杂的对话系统。优势：多模态能力、预训练、资源需求较低。性能：在多模态任务（如图像标注、多模态情感分析）、文本分类、情感分析、命名实体识别、语义匹配等任务中表现良好，资源需求较低。适用场景：处理多模态数据或资源有限的环境。
2024-11-21 00:00:00
5680
2
原创 【拥抱AI】Xinference 详细介绍
Xinference（Xorbits Inference）是一个高性能的分布式推理框架，它能够支持大规模语言模型（Large Language Models, LLMs）、语音识别模型、多模态模型等各种人工智能模型的推理。Xinference 提供了易于使用的接口，包括Web图形用户界面（WebGUI）和RESTful API，以及命令行工具，使得用户可以轻松部署和管理模型.Xinference 是一个强大的开源语言模型框架，集成了多个大规模预训练模型，支持多种自然语言处理任务。
2024-11-21 00:00:00
2519
原创 【拥抱AI】大模型文本质量的高级评估方法详解
高级评估方法在文本生成任务中起着至关重要的作用，它们能够从多个维度全面评估生成文本的质量。语义相似度评估BERT和Sentence-BERT：通过编码器将文本转换为向量表示，评估句子的语义相似度。USE：通用句子编码器，适用于多种自然语言处理任务。语法和拼写检查：开源的语法和拼写检查工具，支持多种语言。：专业的语法和拼写检查工具，提供API接口。情感分析VADER：基于规则的情感分析工具，特别适用于社交媒体文本。TextBlob：简单的自然语言处理库，提供多种文本处理功能。主题模型LDA。
2024-11-20 00:00:00
2386
原创 【拥抱AI】如何使用BERT等预训练模型计算语义相似度
BERT和Sentence-BERT模型在多种自然语言处理任务中表现出色，包括文本分类、情感分析、命名实体识别、问答系统、语义搜索、语义匹配和文本生成。通过上述示例代码，你可以了解如何在这些任务中使用这些模型。希望这些详细的指南对你有所帮助！
2024-11-20 00:00:00
1955
原创 【拥抱AI】人工智能驱动下的电商革命：创新应用与策略实践
总之，AI技术正逐步渗透到电商领域的各个环节，不仅极大地提升了平台的运营效率，也为消费者带来了更加便捷、愉悦的购物体验。未来，随着AI技术的不断成熟和完善，我们有理由相信，它将在电商行业中发挥更大的作用，引领新一轮的技术革新浪潮。：通过深度神经网络对用户的购物习惯、偏好等多维度数据进行分析，能够更准确地预测用户的潜在需求，从而提供更加个性化的商品推荐。：利用自然语言处理（NLP）技术构建虚拟助手，解答用户的咨询问题，处理订单相关事务，减轻人工客服的工作压力，同时提高响应速度和服务质量。
2024-11-19 00:00:00
1257
原创 【拥抱AI】人工智能驱动下的电商革命如何影响用户购物习惯？
随着人工智能（AI）技术的飞速发展及其在电子商务领域的广泛应用，用户的购物习惯正在经历深刻的变革。AI不仅改变了电商平台的运营模式，也极大地影响了消费者的购物体验和决策过程。
2024-11-19 00:00:00
726
自定义的底部功能栏，敏捷开发专用
2015-04-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人