博客作者
笔墨流年
361
已发布文章
12K
博客获赞
476K
博客浏览
第 17 页
WebStorm 是一款功能强大的 JavaScript 集成开发环境（IDE）。 WebStorm 2023 版本的安装步骤、激活方法以及创建新项目的流程。通过官方渠道下载安装程序后，用户可配置许可证并启动软件。在项目中，开发者可利用代码自动完成、错误检查、调试及插件扩展等功能提升 Web 开发效率。文章旨在帮助开发者快速上手 WebStorm 进行日常编…
AI 产品经理侧重底层技术链路，涉及数据收集、标注、模型训练及部署维护，对技术要求高且落地周期长。AIGC 产品经理聚焦应用层，利用大模型快速验证业务场景，开发成本低见效快。对于无经验者建议从 AIGC 入手结合行业知识转型；有基础者可挑战传统 AI 岗位。企业需平衡技术成本与商业价值，避免陷入定制化陷阱。职业选择应关注 AI+ 行业的融合能力，提升在智能化…
分享了 Python 爬虫的实践经验与技术细节，涵盖核心库使用、反爬策略及法律合规性。重点探讨了从爬虫开发向 Web 后端（如 Django）转型的路径，并提供了系统的 Python 学习路线建议。文章强调在技术实践中需严格遵守法律法规，保护隐私与数据安全，倡导合法合规的技术应用与职业发展。
Python 作为当前热门编程语言，广泛应用于系统编程、Web 开发、数据分析、人工智能等领域。 Python 的十大核心技术能力，包括网络编程、数据库交互及图形处理等。同时分析了 Python 从业者的十大职业方向，涵盖后端开发、爬虫工程师、自动化运维、数据分析师及 AI 算法工程师等岗位。文章还提供了从基础到实战的学习路线建议，帮助读者明确技能树构建路径…
argv 用于接收命令行参数，raw_input() 用于脚本执行过程中的交互式输入。argv 通过 sys 模块导入，在启动脚本时指定；raw_input() 则暂停程序等待用户键盘输入。两者应用场景不同，前者适合批处理或自动化任务，后者适合需要动态交互的场景。注意 raw_input() 为 Python 2 语法，Python 3 中已改为 input…
PyCharm 集成开发环境的安装与配置全流程。内容包括从官方下载社区版或专业版、安装过程中的路径与快捷方式设置、Python 解释器的关联与验证、虚拟环境的创建与管理。此外，还涵盖了首个 Hello World 项目的运行、界面主题切换、中文语言包及代码补全插件的启用方法。针对常见性能问题提供了内存设置与依赖隔离的建议，旨在帮助用户快速搭建专业且高效的 P…
探讨了 Python 在兼职开发中的常见应用场景，包括网站搭建、数据爬虫、自动化脚本及人工智能领域。文章对比了 Python 与其他语言的学习难度，分析了从入门到精通的技能树，并强调了技术合规性的重要性。适合希望利用编程技能增加收入的初学者参考。
探讨了人工智能大模型技术在智慧城市治理中的 11 个核心行业应用场景，涵盖交通、水利、应急、能源、农业、医疗、金融、文旅、教育、国防军工及新工业制造。文章分析了大模型如何通过自然语言处理、数据分析、智能决策等能力解决各行业痛点，如提升交通效率、优化医疗诊断、辅助农业决策等，旨在展示技术落地价值并推动城市智能化发展。内容涉及具体功能如智能问答、风险控制、资源优…
解析了人工智能大模型的核心训练机制，重点阐述了自监督学习在有监督和无监督之间的定位。内容涵盖掩码语言模型与因果语言模型的区别，详细拆解了 GPT 类模型的训练流程，包括 Tokenization、词嵌入、位置编码、Transformer 注意力机制及交叉熵损失计算。此外，文章补充了预训练、指令微调（SFT）及人类反馈强化学习（RLHF）等关键阶段，说明了从通…
大模型在研发运营领域的应用涵盖辅助编程、自动化测试、需求分析、文档管理、运维监控及安全防护等多个方面。通过智能代码补全、测试用例生成、日志分析及故障预测，大模型显著提升了研发效率与系统稳定性。实施过程中需注意幻觉控制、成本优化及数据安全，采用 RAG 技术与私有化部署保障合规。未来随着模型轻量化与多模态发展，大模型将进一步深化在企业智能化转型中的作用。
大语言模型在提升智能能力的同时带来安全风险。分析数据、预训练、对齐及推理四个阶段的风险成因，涵盖有用性、无害性、诚实性（3H）目标。介绍安全测评、攻击、识别、防护四大研究方向，包括红队测试、越狱攻击、护栏技术等。强调构建安全底座对实现可持续人工智能发展的必要性，呼吁解决理论障碍以应对人机共生挑战。
检索增强生成（RAG）通过将大模型与外部知识库结合，解决了 LLM 知识更新难的问题。然而在生产环境中，RAG 常面临检索不准、幻觉严重、上下文丢失等困境。主要原因在于系统复杂度高及用户意图多变。优化方向包括改进数据分块策略、采用混合检索与重排序技术、优化提示工程以及建立完善的评估监控体系。只有经过深度工程化改造，RAG 才能在生产场景中稳定发挥作用。
在本地环境中部署 Dify、FastGPT 知识库平台及 Ollama 大语言模型的完整流程。内容涵盖 Docker 环境准备、两个平台的安装配置、Ollama 模型下载与运行，以及将本地模型接入 Dify 和 FastGPT 的具体步骤。此外还包含文件上传限制修改、网络配置优化及常见问题的排查建议，帮助用户构建私有化、安全可控的 AI 知识库系统。
OpenAI 正式发布 o1 系列推理模型，包含 o1-preview 和 o1-mini 两个版本。o1 通过强化学习和思维链训练，实现了从系统 1 到系统 2 思维的进化，在数学、编程及科学领域展现出接近博士水平的能力。相比 GPT-4o，o1 在 IMO 和 Codeforces 基准测试中表现显著提升。该模型引入了测试时计算（Test-time Co…
最新研究通过实验分析了 Transformer 层跳过、顺序打乱及并行运行的影响。研究发现中间层共享表征空间，但执行不同功能；跳过部分中间层对性能影响较小，而重复单一层权重会导致灾难性后果。层顺序对推理和数学任务更为敏感，语义任务受影响较小。并行运行中间层并迭代可优化性能，且随机顺序优于逆序。该研究揭示了 Transformer 内部信息流动机制，为模型架构…
文章探讨了提示工程师这一职业的演变与未来。指出早期的提示工程多基于直觉和简单猜测，而真正的专业工作涉及数据集构建、安全对齐及红队测试。随着大模型自身优化能力的提升（如自动改写提示），手动编写提示的需求将降低。该角色正从独立岗位转向解决方案工程师，强调从业者需适应技术变革，聚焦于问题定义与系统架构而非单纯的指令编写。
GraphRAG 是一种结合知识图谱与大语言模型的技术方案，旨在解决传统 RAG 在处理复杂推理和多跳查询时的局限性。通过构建私有数据的知识图谱，GraphRAG 能够提供更结构化的上下文信息，增强模型对实体关系的理解，从而减少幻觉并提高回答的准确性。 GraphRAG 的核心原理、实现流程及与向量检索的区别，并提供了基于 LlamaIndex 的代码示例，…
Apollo 是一款开源的多语言医疗大型语言模型，覆盖英、中、法、西、阿、印六国语言，服务全球 61 亿人口。该模型采用轻量级架构，包含 0.5B 至 7B 多种规模，支持本地化部署以保护隐私。核心优势在于代理模型调优技术，无需接触敏感数据即可提升大模型医疗能力。基于 ApolloCorpora 数据集训练，并在 XMedBench 评测中表现优异，Apol…
Python 面向对象编程基础涵盖了类与对象的定义、属性管理、方法调用及魔法方法的应用。文章通过对比面向过程，阐述了面向对象将事物抽象为类并实例化的思想。内容深入解析了实例变量与类变量的区别、私有属性的封装机制、以及继承与多态的实现方式。此外，还补充了静态方法和类方法的用途，并通过烤地瓜和银行账户等案例展示了实际编码场景。旨在帮助开发者理解 OOP 设计模式…
Python Requests 库的十个爬虫基础案例，涵盖环境安装、GET/POST/PUT 请求方法、参数传递、Headers 设置、文件保存及图片下载。内容包含代码示例、异常处理、Session 管理及反爬策略，并强调遵守网络伦理与 robots.txt 协议，旨在帮助初学者快速掌握网络爬虫核心技术。
