<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_29048309的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/weixin_29048309</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_29048309]]></copyright><item><title><![CDATA[仿真平台体系建设：CAE BOM数据主线与流程自动化]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170567785</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170567785</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 16:19:57 +0800</pubDate><description><![CDATA[仿真数据管理（SDM）的核心不是堆文件，而是用统一对象模型把需求、任务、模型、工况、结果与报告关联起来。其原理是以CAD BOM为源头，通过过滤、包含、重用、映射规则生成学科CAE BOM，并用谱系关系记录正向与逆向追溯；再借助工具集成、HPC调度和工作流编排，把网格、求解、后处理与KPI提取串成闭环。技术价值在于提升模型复用率、版本一致性和结果可信度，降低人工传文件与重复建模成本。应用场景覆盖汽车后副车架NVH与碰撞分析、自动驾驶主动安全验证、多学科联合寻优及试验与仿真对标。落到仿真开发与体系建设，关键是]]></description><category></category></item><item><title><![CDATA[AI代码检视实战：华为云码道智能体如何把缺陷召回率做到91.3%]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170576796</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170576796</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 16:17:57 +0800</pubDate><description><![CDATA[在代码规模持续膨胀、迭代节奏不断加快的今天，传统人工Code Review逐渐暴露出时间成本高、注意力衰减、评审口径不一致等瓶颈。静态分析工具虽能完成规则扫描，却难以深入跨函数调用链和并发时序等复杂语义场景。基于大模型与程序分析引擎结合的AI代码检视技术，正成为企业级质量保障的新解法。它通过变更分析、关联上下文、缺陷推理和分级展示，在合入前自动定位空指针、资源泄漏、并发竞态等深层问题，并生成可采纳的修复补丁。本文从缺陷召回率与准确率的计算逻辑出发，结合华为云码道检视修复智能体在真实业务项目中的接入过程、参数]]></description><category></category></item><item><title><![CDATA[四大AI编程助手对比：Claude Code/Codex/OpenCode/WorkBuddy选型指南]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170573162</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170573162</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 15:48:30 +0800</pubDate><description><![CDATA[AI编程助手已成为现代开发者提升效率的重要工具，它们通过自然语言指令理解需求，调用大模型能力实现代码补全、重构与自动执行。其核心原理在于将项目上下文与模型推理结合，让AI不仅会聊天，更能操作文件系统、运行命令并验证改动结果。这类工具的技术价值体现在降低编程门槛、加速迭代流程，尤其适合多文件重构、自动化测试和团队协作等复杂场景。随着模型生态日益丰富，开发者既可选择官方订阅，也可接入DeepSeek等第三方模型以控制成本。面对市面上纷繁的选择，如何根据自身环境、预算和工作流挑选合适的AI编程助手成为关键。本文围]]></description><category></category></item><item><title><![CDATA[微信小程序 AI 聊天源码：LLM 流式输出与多轮对话实践]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170567960</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170567960</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 15:02:58 +0800</pubDate><description><![CDATA[在微信小程序中接入大语言模型，关键不只是发起一次请求，而是让模型返回的分块数据稳定到达并实时呈现。其原理基于 HTTP 分块传输与 SSE 事件流：客户端开启 enableChunked，解析跨包半行，处理 UTF-8 多字节字符，同时按轮数和字符预算裁剪上下文。这样既能实现 AI 聊天所需的打字机式流式输出，又能控制 token 成本、降低真机卡顿。该方案适用于 AI 客服、智能问答、聊天助手等场景，也是小程序 LLM 接口封装、多轮对话与二次开发的基础链路。]]></description><category></category></item><item><title><![CDATA[AI代码检视实测：码道智能体召回率91.3%，如何补位人工评审？]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170572681</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170572681</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 14:33:48 +0800</pubDate><description><![CDATA[代码评审是保障软件质量的核心环节，但传统Lint与静态扫描工具大多基于语法规则匹配，难以理解变量数据流和跨文件调用关系，导致漏检率居高不下。AI代码检视在抽象语法树规则引擎之上引入语义理解与检索增强生成（RAG），通过读取函数调用链和项目上下文定位逻辑缺陷，并生成最小化修复补丁。实测显示，这种混合方案在400个真实缺陷样本上召回率达91.3%，明显高于传统规则扫描的67.8%，精确率控制在82.6%。工程实践中，该能力可接入IDE插件、MR评审页和CI门禁，作为代码评审的第一轮筛子，尤其适合安全漏洞与逻辑错]]></description><category></category></item><item><title><![CDATA[AI视频生成如何重塑零售营销：从PixVerse参展Shoptalk Fall看行业趋势]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170573716</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170573716</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 14:21:25 +0800</pubDate><description><![CDATA[AI视频生成是一种基于扩散模型和图像处理技术，通过文本或图片输入快速生成短视频内容的方法。其原理在于利用深度学习模型理解输入信息，并生成具有动态效果的视频，技术价值在于大幅降低内容生产成本、提升迭代速度。在零售电商领域，AI视频生成可应用于商品展示视频批量生成、营销素材A/B测试、社媒短内容规模化生产及跨境多语言适配等场景，帮助品牌应对内容产能不足、成本高企和迭代缓慢的痛点。PixVerse参展Shoptalk Fall正是AI视频工具向垂直行业深入、从技术圈走向产业圈的典型信号，预示着零售内容生产将从项目]]></description><category></category></item><item><title><![CDATA[数据存储设计实战：Hadoop+Hive+AI Agent驱动的农产品分析系统]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170575237</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170575237</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 13:59:33 +0800</pubDate><description><![CDATA[数据存储架构是大数据系统稳定运行的基础，而分布式文件系统与数据仓库分层设计决定了海量数据能否被高效处理。Hadoop生态中的HDFS负责原始数据的统一存储，Hive则通过ODS、DWD、DWS三层模型实现数据的清洗、关联与主题聚合，这一过程直接保障了后续机器学习与AI Agent应用的数据质量。在农产品数据分析场景中，不同来源的价格、产地、质量、销售数据需要经过合理的目录规划与格式选型（如ORC/Parquet）才能支撑多维分析与智能推荐。本文结合一个基于Hadoop与AI Agent的农产品助农甄选系统，]]></description><category></category></item><item><title><![CDATA[3台廉价服务器跑出Kafka 200万TPS：压测参数与优化全解析]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170571303</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170571303</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 13:54:12 +0800</pubDate><description><![CDATA[性能压测是评估分布式消息中间件生产能力的核心手段，而吞吐量（TPS）往往是最直观的指标。然而，TPS数字本身仅反映消息条数，与消息体大小、确认机制（acks）、分区数、网络和磁盘瓶颈密切相关。理解这些底层原理，才能避免被虚高数据误导。对于Kafka这类高吞吐消息队列，在实际工程中通过合理配置消息大小、分区数量、批量发送参数（如linger.ms和batch.size），并结合网络带宽与磁盘IO的监控，可以在有限硬件上深度挖掘集群潜力。本文基于三台廉价服务器的实测经验，详细拆解了从环境部署、参数调优、压测工具]]></description><category></category></item><item><title><![CDATA[Agent上下文压缩实战：13万token降至6万的完整优化方案]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170578081</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170578081</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 13:51:38 +0800</pubDate><description><![CDATA[大语言模型推理时的上下文窗口直接决定 Agent 系统的表现上限。随着任务复杂度提升，多轮工具调用与长文本历史会让 token 消耗快速增长，甚至逼近模型上限，引发质量下降与成本上升。上下文压缩是解决这一问题的核心技术手段：通过系统提示词精简、对话历史摘要化、工具结果截断与按需加载，在保持信息完整性的前提下大幅减少 token 开销。压缩后的 Agent 仍需通过一致性评估验证回答质量，确保关键数据与结论不变。本文基于一次 13 万 token 到 6 万 token 的实战优化，系统阐述上下文压缩的思考路]]></description><category></category></item><item><title><![CDATA[用AI智能体与多维表搭建轻量库存管理系统]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170576875</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170576875</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 12:59:01 +0800</pubDate><description><![CDATA[传统库存管理依赖Excel表格，常面临数据不实时、统计困难、业务闭环缺失等问题。多维表作为轻量数据库，提供丰富的字段类型、关联关系与自动化能力，解决了数据存储与协作的痛点；AI智能体则能理解自然语言指令、调用工具并执行工作流，充当数字化仓管员。两者结合形成“数据层+业务层”的架构，无需开发复杂前端或部署独立服务器，即可实现入库、出库、实时查询、库存预警等核心功能。该方案适合SKU在中小量级、追求快速上线的团队，也便于后续平滑迁移到ERP等重型系统。本文以实际平台为例，讲解多维表结构设计、智能体工作流编排、A]]></description><category></category></item><item><title><![CDATA[弱监督人群计数与Transformer密度图：损失设计与部署实践]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170570863</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170570863</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 12:47:25 +0800</pubDate><description><![CDATA[人群计数任务的核心是从图像估计人数及空间密度分布，传统全监督依赖逐人头点标注，标注成本随人数增长而快速上升。弱监督将监督信号降为整图或patch计数，通过密度图求和构造计数一致性损失，并借助多尺度一致性、排序损失和平滑约束抑制退化解。Transformer的自注意力可增强长距离上下文与尺度自适应建模，提升密集场景的密度预测能力，但落地时需关注预训练权重、分层学习率及分辨率与patch权衡。该方案适用于监控人数统计、活动人流估算和公共场所密度预警等成本敏感场景，围绕弱监督人群计数与Transformer密度图]]></description><category></category></item><item><title><![CDATA[Agent状态文件化：让AI任务可保存、恢复与回滚]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170576883</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170576883</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 12:19:08 +0800</pubDate><description><![CDATA[在AI Agent的工程实践中，状态管理一直是影响系统可靠性的关键环节。Agent执行多步任务时，不仅要保存对话上下文，还要记录任务进度、中间结果、工具连接等运行信息。传统的内存驻留或数据库序列化方式往往难以兼顾恢复效率与审计需求。状态文件化提供了一种更工程化的思路：将Agent状态视为可读、可备份、可恢复的文件，通过原子写入、版本快照和锁机制实现持久化与并发控制。这种设计让任务在进程崩溃后能从最近检查点继续执行，也便于通过diff状态文件定位问题。对于批量调度、人工审计和高频调试等场景，状态文件化能显著降]]></description><category></category></item><item><title><![CDATA[从《祸女》拆解全自动长视频生成：海螺H3与流程编排如何落地]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170572710</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170572710</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 11:22:51 +0800</pubDate><description><![CDATA[AI视频生成模型虽能输出高质量短视频，但真正制作一条完整的长视频，难点在于上下文连贯、角色一致和流程稳定性。本文以一个聊斋风格案例为切入点，拆解如何将文本拆解、分镜规划、提示词转译、批量生成与成片装配串成自动化流水线。通过海螺H3负责单段生成，全自动skills固化流程，万象AI调度素材，RH平台完成落地，每一步都需结构化验证。这种方案适合希望规模化产出叙事类视频的内容团队，也揭示了全自动视频生成的核心不是单点模型，而是可复用的工程链路。]]></description><category></category></item><item><title><![CDATA[用无限画布工作流批量生成对镜自拍服装展示视频]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170577595</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170577595</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 10:24:54 +0800</pubDate><description><![CDATA[在AI内容生产中，工作流编排已成为连接模型能力与业务需求的关键桥梁。不同于以智能体任务为核心的Coze工作流，无限画布工作流聚焦媒体生成链路，通过可视化节点拖拽与连线，将图像生成、视频生成、参数调节和批量循环整合在同一画布中，显著降低了视频批量生产的技术门槛。其原理在于将复杂流水线拆解为可复用的节点，并支持中间结果实时预览，使创作者能快速迭代。该模式尤其适合电商服装素材、穿搭测评等场景，能够将海量服装图高效转化为短视频成片。本文即从无限画布工作流与Coze的定位差异切入，详解如何搭建一条从服装参考图到对镜自]]></description><category></category></item><item><title><![CDATA[SuperGlue图神经网络实现高鲁棒图像特征匹配]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170571720</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170571720</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 10:14:05 +0800</pubDate><description><![CDATA[图像特征匹配是计算机视觉中基础且关键的技术，涉及点对应、几何校验与跨视角一致性建模。其核心原理在于构建特征描述子间的相似性度量，并通过结构化推理抑制误匹配。SuperGlue创新性地引入图神经网络（GNN）与双向注意力机制，在无监督/弱监督条件下显著提升匹配鲁棒性，尤其在重复纹理、光照变化和视角形变等挑战场景中展现出工程实用价值。该技术已广泛应用于AR实时跟踪、无人机多帧拼接、工业视觉定位及三维重建等任务，成为替代传统SIFT/ORB并支撑下游应用的新型匹配范式。]]></description><category></category></item><item><title><![CDATA[Hive离线数仓从建表到调优：架构原理、UDF开发与Flink写入排错]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170571222</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170571222</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 09:23:40 +0800</pubDate><description><![CDATA[在大数据技术体系中，离线数据仓库承担着海量数据的批量加工与分析任务，而SQL化建模是降低使用门槛的关键。Hive作为一个基于Hadoop的数据仓库工具，通过元数据管理将HDFS上的文件映射为逻辑表，并将SQL翻译为分布式计算任务，让熟悉SQL的工程师无需编写Java即可完成大规模数据分析。理解其架构定位、执行链路与适用边界，是搭建离线数仓的第一步。从环境部署、建表建模到数据加载，Hive的日常使用离不开分区、分桶、文件格式等核心设计，同时也常遇到小文件合并、数据倾斜、分区乱码等工程问题。自定义函数UDF与U]]></description><category></category></item><item><title><![CDATA[AI内容生成安全合规指南：从敏感词过滤到工程实践]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170576076</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170576076</guid><author>weixin_29048309</author><pubDate>Wed, 11 Nov 2026 09:05:04 +0800</pubDate><description><![CDATA[在技术项目与工具教程的开发实践中，内容安全是不可忽视的一环。自然语言处理中的文本分类与敏感词过滤技术，能够帮助AI系统识别政治、意识形态等高风险话题，从而规避合规风险。这种能力广泛应用于内容审核平台、搜索引擎以及行业观察类资讯网站，确保自动生成文本符合法律法规。从人工智能内容生成的基本原理出发，探讨如何为AI写作助手配置多级过滤策略，并结合一个技术博客平台的开发案例，说明如何将安全规则嵌入生成流程，实现高质量与合规性的平衡。对于技术类项目开发者，掌握这些内容安全实践有助于构建可信赖的AI应用。]]></description><category></category></item><item><title><![CDATA[AI编程与AI智能体：从提示词到ReAct模式实战指南]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170504797</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170504797</guid><author>weixin_29048309</author><pubDate>Tue, 10 Nov 2026 16:59:06 +0800</pubDate><description><![CDATA[大语言模型的出现让编程从“写代码”转向“描述问题”，AI编程由此成为人人可用的基础能力。然而，真正让AI自主完成复杂任务的，是基于规划、工具调用与反馈循环的AI智能体。ReAct模式通过“思考-行动-观察”的迭代逼近目标，成为构建智能体的主流思路。本文从AI编程提示词设计讲起，深入拆解智能体的工作原理，并以代码检视智能体为例，演示人设配置、工具接入、知识库引用及工作流编排的完整过程，同时提供常见问题排查思路与工程化建议，帮助开发者从零搭建一个可用的AI智能体应用。]]></description><category></category></item><item><title><![CDATA[自动驾驶算法全景图：从感知到控制的八大算法详解]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170555160</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170555160</guid><author>weixin_29048309</author><pubDate>Tue, 10 Nov 2026 16:54:44 +0800</pubDate><description><![CDATA[自动驾驶算法是智能汽车的核心，本质上是将传感器数据转化为驾驶行为的工程链条。感知层面，目标检测与语义分割是最基础的技术，前者识别障碍物位置，后者理解道路区域；决策层面，强化学习通过与环境交互学习驾驶策略；控制层面，PID算法等确保车辆精准执行指令。这些算法各有原理，相互协作，共同构成完整的自动驾驶系统。实际应用中，常需要结合KITTI等数据集进行训练，并在CARLA等仿真器里验证效果。围绕环境感知、决策规划与运动控制三条主线，可拆解出八大算法的核心流程与代码实现，帮助读者快速建立从像素到方向盘转角的完整认知]]></description><category></category></item><item><title><![CDATA[AI电影级对白设计Skills：从SKILL.md到表演级提示词]]></title><link>https://blog.youkuaiyun.com/weixin_29048309/article/details/170480023</link><guid>https://blog.youkuaiyun.com/weixin_29048309/article/details/170480023</guid><author>weixin_29048309</author><pubDate>Tue, 10 Nov 2026 16:53:09 +0800</pubDate><description><![CDATA[提示词工程正从人工复制粘贴转向Agent Skills机制，通过SKILL.md定义可复用的技能包，让大模型在任务中自动按需加载。其核心原理是将角色状态、动作提示、语气节奏、潜台词等表演要素结构化后融入提示词，使模型输出的对白不再停留在书面文本，而成为带情绪曲线与镜头感的表演级Prompt。这类技能包适用于AI短剧脚本、游戏剧情、虚拟角色及有声内容等批量生产场景，可配合Claude Code、Cursor等Agent环境与TTS工具链使用。本文围绕AI电影级对白设计Skills，讲解安装配置、SKILL.m]]></description><category></category></item></channel></rss>