博客作者
清风竹影
350
已发布文章
9.8K
博客获赞
734K
博客浏览
第 16 页
文章探讨了 AI 赋能原则 10 背后的治理逻辑，提出政府 2.0 的核心是将 AI 视为公共基础设施而非竞争工具。通过建设国家级 AI 基础设施、建立数据治理体系、构建智能化公共服务系统及引导协同智能，旨在扩大每个人的能力边界。这种模式能重构全球不平等结构，激发创新潜力，提升社会稳定性，实现从少数精英到全民共享的文明升级。
详细讲解了在 CentOS 和 Ubuntu 系统上安装 Docker CE 的操作流程。内容包括安装前的系统环境检查、旧版本卸载、依赖包安装、官方仓库配置及镜像加速器设置。分别演示了基于 yum 和 apt 的安装命令，提供了服务启动、开机自启及版本验证方法。此外还列出了常见报错的解决方案，并对比了 CE 与 EE 版本的适用场景，帮助开发者完成从零到一的…
竞争自适应重加权采样（CARS）算法通过模拟进化机制筛选光谱数据特征。利用蒙特卡洛采样和指数衰减权重动态调整变量重要性，结合交叉验证最小化预测误差。文中提供 MATLAB 实现代码及牛肉掺假、马铃薯检测等工程案例，展示其在降低高维冗余同时保证模型精度的有效性。
Windows 环境下部署 vLLM 大模型推理引擎主要有两种方法。推荐使用预编译 wheel 包，需确保 Python、PyTorch 及 CUDA 版本兼容。源码构建需 Visual Studio 环境，Flash Attention v3 默认禁用且编译耗时。安装时注意依赖冲突，必要时手动修复 triton_windows 等库。
涵盖 Java 基础数据类型、引用类型、自动装箱拆箱、静态与实例方法区别、构造方法、Object 常用方法、接口与抽象类、多态机制、对象创建方式、Switch 支持类型、集合框架（List/Set/Map）、反射机制、序列化、运算符区别、并发与并行等核心知识点，适合中级 Java 开发者面试复习。
Spring Boot 线程池通过复用现有线程减少创建销毁开销，提升并发处理能力。文章讲解了线程池原理及优势，演示了如何在 Spring Boot 中配置 ThreadPoolTaskExecutor 及使用@Async 注解进行异步任务处理。同时涵盖了直接提交 Executor 任务、典型使用场景以及线程异常处理策略，包括自定义 afterExecute…
文章介绍了 10 款小众但实用的开发者工具，涵盖布局、代码截图、语法速查、社区聚合及命令行增强等方面。包括 CSSLayout 用于现代布局样例，OssInsight 分析 GitHub 仓库，He3.App 提供日常开发小工具，Carbon 生成精美代码图，QuickRef.me 和 Devhints.io 提供多语言语法检索，Daily.dev 聚合技术…
本周 AI 行业动态涵盖 OpenAI 发布 Orion 模型及合规官任命，智谱推出情感语音模型与 AutoGLM，Anthropic 升级 Claude 系列并支持 JS 代码执行。Meta 发布轻量级 Llama 模型，Stability AI 推出 SD3.5。技术前沿方面，清华等团队提出 LongRAG 优化长上下文检索，谷歌发布生成式无限游戏 Un…
在 Windows 环境下使用 ProxyPin 和 BurpSuite 对 PC 端微信小程序进行流量抓包的完整流程。主要步骤包括安装本机 SSL 证书、配置 ProxyPin 开启 HTTPS 代理并转发至 BurpSuite、以及在浏览器中安装 BurpSuite 证书。通过该代理链可拦截并修改小程序的网络请求数据，适用于安全测试与协议分析场景。
阐述了网络安全的基本概念、重要性及关注点。介绍了网络安全建设的四个核心领域：边界安全、业务安全、运维监测审计及主机安全。扩展部分涵盖安全接入、零信任、资源池、态势感知、云安全及统一管控。最后基于等级保护三级要求，从技术、管理、运维三个维度构建了安全防护体系指导方案。
LangChain 是基于大语言模型构建端到端应用的框架。文章概述了其六大组件及开源库组成，详细演示了安装配置、基本使用（模型初始化、提示模板、输出解析器）、向量存储与检索链构建、代理工具集成以及通过 LangServe 部署为 REST API 的完整流程。内容涵盖从环境搭建到服务交互的关键步骤，帮助开发者快速上手 LangChain 开发。
Python 五大特性涵盖列表操作、迭代工具、推导式、虚拟环境及生成器。列表支持反向索引与切片；Zip 实现并行遍历；推导式简化循环逻辑；虚拟环境隔离依赖；生成器优化内存占用。掌握这些特性可显著提升代码简洁性与执行效率，是进阶 Python 开发的必备技能。
Python 的安装与环境配置全流程。内容包括 Python 版本选择、Windows/Mac/Linux 系统下的安装步骤、环境变量手动配置方法、Pip 包管理器及镜像源设置、多版本共存方案、虚拟环境创建与管理以及常用开发工具推荐。文章还补充了常见问题排查技巧，旨在帮助开发者从零开始搭建稳定高效的 Python 开发环境，消除安装障碍。
详细阐述了 AI 产品经理的核心能力模型，涵盖技术、行业、数据、设计及商业认知六大维度。文章对比了 AI 产品经理与传统产品经理的差异，并提供了基于大模型时代的七阶段学习路径，包括系统设计、提示词工程、RAG 应用、微调开发及多模态实践。同时补充了 Python 代码示例、工具栈介绍以及伦理安全合规要点，旨在为从业者提供完整的自学指南与实战参考。
大语言模型智能体通过结合推理、工具使用和环境交互能力，使 LLM 能够自主解决复杂任务。深入解析智能体的核心架构，包括思维链（CoT）、ReAct 模式及 LangChain 框架实现。内容涵盖工具定义、记忆管理、多智能体协作机制，并提供 Python 代码示例展示如何构建具备 SQL 查询、计算等能力的智能助手，同时探讨当前技术面临的幻觉、成本及安全挑战，…
探讨了大型语言模型（LLM）的量化技术，涵盖训练后量化（PTQ）与量化感知训练（QAT）的区别及优劣。分析了 GPTQ、QLoRA 等主流工具的应用场景，并通过困惑度、BLEURT 等指标评估量化效果，指出 2-bit 量化会严重损害文本连贯性，4-bit 是平衡性能与资源的最优选择。研究证实同等内存下大模型低位量化优于小模型高位量化。建议在实际部署中优先采…
大模型在医疗领域的应用主要集中在重构现有场景，涵盖辅助诊断、治疗方案生成、质控、患者服务、医院管理、教学科研、中医、药物研发销售及公共卫生等九大场景。大模型凭借广泛的数据来源和强大的推理能力，能提升诊断准确性、减轻医生负担、优化资源配置及加速药物研发。然而，应用过程中仍面临数据隐私安全、模型幻觉风险及系统集成等挑战，需建立严格审核机制并完善相关法规，未来有望…
LLM 评估是确保大模型落地应用质量的关键环节。传统方法如 BLEU 难以捕捉语义，LLM 作为评估者提供速度与灵敏度但存在配置挑战。Arthur Bench 是一款开源评估工具，支持多模型、提示及超参数比较。介绍其工作流程、应用场景及特性，涵盖本地与云端部署，并提供快速上手指南，帮助开发者构建可靠的 LLM 评估体系。
Meta 正式发布 Llama 3 开源大语言模型，包含 8B 和 70B 两个版本。该模型在架构上采用 Decoder-only Transformer 结构，引入 12.8 万词表和 GQA 机制，支持 8192 上下文长度。训练数据达 15 万亿 token，包含大量代码和多语言数据，并通过严格过滤流程保证质量。训练采用数据、模型及流水线并行技术，结合…
基于 Langchain-Chatchat 框架结合 Qwen 大模型搭建本地知识库的完整流程。涵盖环境准备、依赖安装、模型下载与配置、服务启动及知识库创建步骤。通过引入 BGE 向量模型与 Qwen 对话模型，实现了离线运行的智能问答系统。文中还包含常见问题排查与优化建议，帮助开发者解决显存不足、检索效果差等问题，快速构建私有化 RAG 应用。
