
视觉语言模型(VLM)综述:An Introduction to VLM
综述了视觉语言模型(VLM)的发展现状与关键技术。内容涵盖 VLM 的四种训练范式:基于对比学习、掩码目标、生成式及预训练主干网络。文章详细指导了 VLM 的训练数据筛选、软件工具选择及参数微调策略,并探讨了提升定位与对齐能力的方法。此外,还介绍了负责任评估 VLM 能力的基准测试,包括偏差、幻觉及视频扩展应用的挑战与机遇。旨在为研究者提供清晰的入门指南与实…
博客作者
御剑飞行
372
已发布文章
12K
博客获赞
714K
博客浏览
第 6 页

综述了视觉语言模型(VLM)的发展现状与关键技术。内容涵盖 VLM 的四种训练范式:基于对比学习、掩码目标、生成式及预训练主干网络。文章详细指导了 VLM 的训练数据筛选、软件工具选择及参数微调策略,并探讨了提升定位与对齐能力的方法。此外,还介绍了负责任评估 VLM 能力的基准测试,包括偏差、幻觉及视频扩展应用的挑战与机遇。旨在为研究者提供清晰的入门指南与实…

解析了 GitHub Copilot 的三种指令文件:.github/copilot-instructions.md 定义项目全局编码规范与技术栈;AGENTS.md 专用于 Copilot Agent 的自动化任务执行;.instructions.md 则针对特定目录设置局部规则。通过对比生效范围、触发方式及优先级,结合 Python 实战案例展示了如何配…

全面分析了若依 (RuoYi) 低代码框架。该框架基于 Spring Boot,提供完备的 RBAC 权限管理、模块化设计及代码生成器,适合企业内部管理系统及快速原型开发。但其技术栈相对保守(如 Vue2),代码生成灵活性不足,且在高并发场景下存在性能瓶颈。相比 Jeecg-Boot 和 SpringBlade,若依社区活跃但微服务支持有限。建议开发者根据项…
介绍 Web 服务核心机制,对比 Apache prefork/worker/event 模型与 Nginx 特性。详细解析五种网络 I/O 模型(阻塞、非阻塞、信号驱动、异步、多路复用)及零拷贝技术。最后提供 Nginx 源码编译安装、平滑升级回滚及配置优化实战步骤,涵盖进程管理、事件模块调优及系统句柄限制处理。
前端面试的核心八股文,涵盖 JavaScript、CSS、HTML、React、Vue、算法、计算机网络、Node.js、TypeScript、性能优化、安全、小程序、ES6、编程题、设计模式及工程化等 16 个模块。内容包含大量高频面试题及解析思路,旨在帮助开发者梳理技术体系,提升面试表现。
验证了 Qwen3-1.7B 模型的流式响应能力,并通过 LangChain 进行接口测试。随后使用 FastAPI 构建后端服务,将模型输出转换为 SSE 格式。最后通过原生 HTML+JavaScript 实现前端流式接收与打字机效果展示,完成了从环境搭建到前后端联调的全流程。
@anthropic-ai/claude-code 的安装配置与实战用法。涵盖通过 npm 安装工具、配置 API 密钥及系统文件路径。详细说明了初始化项目、日常开发交互命令及上下文管理方法。提供了针对 Java 后端架构的代码审查提示词模板,包含稳定性、数据安全、性能等专项检查项。最后汇总了会话状态、项目分析、文件控制及对话行为控制的常用命令清单,帮助开发…
GitHub Copilot 的配置核心与常见误区。涵盖身份验证、编辑器优化、隐私安全控制及网络代理设置。重点分析环境依赖、账号权限风险、多账户认证混乱等典型问题,并提供最小权限原则实践与 SSO 加固策略。此外,还探讨了代码上下文长度管理、生成代码审查流程、命名规范对模型输出的影响以及多语言项目中的语法差异调校。最后给出企业级使用体系构建建议,包括 CI/…

在 VS Code 1.104 版本更新后,如何解决 Ctrl+I 快捷键被 Copilot AI 对话框占用的问题。该功能默认开启会干扰原有的代码属性提示。用户可以通过全局设置或工作目录配置文件,将 chat.disableAIFeatures 设为 true 来禁用该 AI 功能,恢复快捷键的原有用途。

解决了在 macOS Big Sur 系统上运行 OpenCode 时遇到的 dyld 符号缺失错误。通过 Docker 容器化部署 OpenCode 服务,利用 HTTP API 与宿主机上的 OpenClaw 通信,成功实现了 OpenClaw、OpenCode 和 OpenSpec 的全自动化 AI 开发流水线。该方法隔离了环境依赖,避免了系统版本限制…

对比了 OpenClaw 与 Trae 两款 AI 框架。OpenClaw 侧重多模态任务处理与模块化设计,支持分布式部署,适合算法密集型项目;Trae 侧重企业级自动化流程与低代码配置,提供 SaaS 服务与快速集成能力。两者在架构、性能及适用团队上各有优劣,OpenClaw 适合复杂决策场景,Trae 适合标准化业务流程改造。

记录了使用 OpenClaw 框架结合飞书 Agent、Kimi 大模型及 TuShare 数据接口,搭建 AI 自主模拟炒股系统的完整过程。系统包含研究员、程序员、写手和交易员四个子 Agent,核心为交易员 Agent。架构采用两阶段每日循环(收盘分析与开盘执行),通过 Python 脚本封装行情获取与交易引擎,严格模拟 T+1、涨跌停等 A 股规则。实…

介绍 Anthropic 推出的 Claude Agent Skills,旨在解决 AI 助手在代码协作中上下文遗忘、规范不统一的问题。通过解析 Skill、Claude.md、MCP 及子代理的核心概念,结合 Next.js + Tailwind 项目实战,演示如何构建可复用的 UI Review 技能。文章涵盖文件结构、触发逻辑、工程实践及常见坑点,帮助…

介绍基于 iTwin Capture Modeler 软件的无人机航测内业处理流程。涵盖工程新建、区块导入、影像加载、空三计算、像控点刺点、三维重建及精度检查等步骤。同时包含高程点提取与土方算量方法,以及模型在线分享的通用方案。重点说明了硬件配置要求、坐标系设置及常见问题排查。
介绍 LoRA 技术用于 AI 绘画模型定制的基础流程。涵盖环境搭建(Windows/Linux,NVIDIA GPU,Python)、工具界面功能分区(主参数区、子集管理区)、网络参数调整、文件输入方式及 TOML 配置复用。提供训练前检查清单、显存不足优化方案及效果评估标准。通过队列系统管理任务,支持批量训练与实时编辑。最后指导启动训练并监控进度,帮助用…
对比了 Microsoft 365 Copilot Chat 与 Microsoft 365 Copilot 的区别。Copilot Chat 基于网页内容,面向商业客户,无需额外费用;而 Microsoft 365 Copilot 结合用户数据(邮件、会议等),需特定订阅版本(如 E3/E5),深度集成于 Office 应用。两者均支持企业数据保护(EDP…
基于 Python 的 Web 和 App 端自动化测试实施方案。环境使用 Pycharm、Playwright 和 Appium,采用 Pytest 管理用例及 PO 模式封装页面操作。重点解决了跨端验证问题,包括通过汉明距离比较图片一致性,以及利用坐标滑动解决特定元素定位难题。同时提供了日志记录与 Fixture 生命周期管理的代码示例,确保测试稳定性与…

图数据库的概念及核心思想,重点讲解了 Neo4j 的特点与数据模型,并提供了基于 Docker 的搭建步骤以及基础的数据操作和查询命令详解。

OpenSpec 是一款基于规范驱动开发(SDD)理念的 AI 辅助开发工具,旨在将 AI 从编码助手升级为工程合作伙伴。 OpenSpec 在 Cursor IDE 中的安装与初始化流程,解析了 CLI 命令行工具与 AI Agent 的协作架构,阐述了 Delta Specs 与 Main Specs 的双重规格系统机制,并详细说明了从探索、定义、执行到…

人工智能、机器学习和深度学习的定义、分类及相互关系。人工智能包含机器学习,机器学习包含深度学习。通过代码示例展示了监督学习和深度学习的流程,并对比了不同方法在垃圾邮件过滤、图像识别等场景的优劣。最后提供了从数学基础到实战项目的学习路径建议,帮助读者建立清晰的 AI 知识体系。