博客作者
无法理解
350
已发布文章
9.7K
博客获赞
484K
博客浏览
第 16 页
Kimi K2.5 原生多模态架构消除感知与推理隔阂，在 HLE 与 SWE-bench 测试中表现突破。前端实测显示其具备 Video to Code 及 Visual Edit 能力，能高保真还原动态交互并组件化输出代码。工程化方面支持 VSCode、Cursor 等编辑器集成及终端模式，跨技术栈迁移能力强。Agent 集群模式支持百个分身并行处理复杂任…
Linux 文件系统的底层基础，涵盖磁盘的物理结构与存储结构，解释了扇区、柱面、磁头等概念。详细阐述了 CHS 与 LBA 寻址方式的原理及相互转换公式，说明操作系统如何通过 LBA 简化寻址。同时引入文件系统的分块与分区概念，重点解析 inode 索引节点的作用，包括其存储的文件属性信息（如权限、大小、时间等）与数据内容分离存储的机制，帮助读者建立对 Li…
基于 Java 后端与 Leaflet 前端库，结合 PostGIS 空间数据库，实现了湖南省道路长度的 WebGIS 可视化展示。通过 OSM 数据转换获取路网信息，利用 MyBatis Plus 进行空间检索，并在前端根据里程数值动态渲染不同颜色的行政区划地图。系统支持省域及地市维度的道路分级统计查询，解决了传统管理方式中数据更新滞后、展示不直观的问题，…
针对 B 进制（2<=B<=36）下的两个大整数加法问题，采用高精度算法结合字符转换实现。核心在于将输入字符串按位转换为数值数组，低位在前存储以方便进位处理。遍历过程中累加对应位及进位，根据当前进制取模得到结果位并更新进位值。最后处理前导零并按逆序输出字符形式。代码逻辑清晰，适用于任意合法进制的大数运算场景。
Android Activity 启动模式分为 standard、singleTop、singleTask 和 singleInstance 四种。standard 为默认模式，允许创建多个实例。singleTop 在栈顶存在实例时复用并调用 onNewIntent。singleTask 保证任务栈中仅有一个实例，入栈时清除上方 Activity。singl…
Android 大厂面试核心考点涵盖 Activity 生命周期、Service 通信、Handler 机制、View 绘制与事件分发、RecyclerView 优化、Fragment 管理、WebView 交互、Binder IPC 原理、AMS/WMS 系统服务、内存优化及序列化等。内容整理自实际面试经验，旨在帮助开发者系统复习 Android 底层原理…
使用 Python 结合 Selenium 和 Requests 库实现网页自动化的两种方法。Selenium 模拟浏览器行为适合复杂交互，Requests 直接发送 HTTP 请求效率更高但需维护登录态。文章提供基础代码示例，同时指出自动化脚本存在违反平台服务条款、导致账号封禁及影响服务器稳定的风险，建议仅在授权测试环境中谨慎使用。
渗透测试是模拟黑客攻击对目标系统进行安全评估的技术。入门需掌握 HTTP 协议、Linux 系统操作及脚本语言（如 Python、Java）。学习路径建议从 Web 渗透开始，逐步扩展至内网、APP 等领域。实践环节推荐利用 OWASP BWA、Metasploitable 等靶场环境，并严格遵守《网络安全法》获取授权。通过自学指南、书籍及在线资源积累知识，…
基于大语言模型（LLM）打造的智能爬虫产品 Crawlab AI。针对传统爬虫需人工编写 XPath 或 CSS Selector 规则导致维护成本高、效率低的问题，Crawlab AI 利用 LLM 理解 HTML 结构的能力，自动提取目标数据并生成对应代码。文章详细阐述了其工作原理，包括 URL 输入、HTML 预处理、Prompt 构建、LLM 推理及…
在 Windows 环境下安装 Python Pandas 库的三种主要方法：标准 pip 安装、离线 wheel 文件安装以及使用国内镜像源加速。内容涵盖前置环境检查、常见报错处理（如版本冲突、ensurepip 错误）、虚拟环境隔离最佳实践以及安装后的验证与卸载流程。针对网络超时和权限问题提供了具体的命令行解决方案，帮助用户快速搭建数据分析基础环境。
提示工程是 AGI 时代的编程方式，涵盖角色定义、任务描述及输出格式等核心组件。 Prompt 调优技巧，包括思维链、自洽性和思维树等方法以提升逻辑准确性。同时详细阐述了 Prompt 注入的安全风险及防范措施，如 Moderation API 的使用。通过 Python 代码实践，演示了 OpenAI API 的配置、会话管理以及基于 Tkinter 的对…
Agent 指能自主感知环境并采取行动实现目标的智能体。调研了 19 种主流 Agent 框架，涵盖 Single-Agent 与 Multi-Agent 架构。核心决策逻辑基于感知、规划、行动闭环。重点分析了 BabyAGI、AutoGPT、HuggingGPT、LangGraph 等单智能体框架，以及 Stanford Virtual Town、Meta…
本资源列表涵盖了大型语言模型（LLM）的学习路径，包含基础数学与 Python、神经网络与 NLP 知识。内容分为 LLM 科学家与工程师方向，涉及架构理解、指令数据集构建、预训练与微调、RLHF、量化技术以及 RAG 应用开发。此外还包括推理优化、部署方案及安全注意事项，适合希望系统掌握大模型技术的开发者参考。
Flutter 作为 Google 推出的跨平台 UI 框架，凭借高性能渲染和热重载特性受到开发者推崇。然而相较于 React Native 等传统方案，其生态成熟度和企业认知度仍有差距。分析 Flutter 发展现状、应用场景及核心原理，探讨其在移动、桌面及物联网领域的潜力，并提供环境搭建与核心概念入门指南，帮助开发者全面评估该技术栈。
探讨了产品经理在大模型时代的必要性。指出移动互联网红利消退后，AI 带来了新的交互变革与效率提升机会。产品经理需理解大模型产业链、主流模型特点、边界及交互方式，从单纯设计者转变为技术与商业的桥梁。建议通过提示词工程、RAG 应用开发、Agent 工作流编排等路径建立核心竞争力，避免被边缘化，在 AI 原生应用爆发前抢占先机。文章详细分析了为何学习、学什么以及…
基于中国人工智能协会发布的《中国人工智能大模型技术白皮书》，系统梳理了大模型技术的发展历程、核心技术体系及应用生态。文章详细介绍了从统计语言模型到大模型时代的演进路径，重点解析了 Transformer 架构、预训练与微调、多模态技术等关键要素。同时，探讨了大模型在金融、医疗、教育、制造等多行业的应用现状，并深入分析了当前面临的可靠性、成本、安全及伦理挑战。…
利用预训练大型语言模型进行文本分类任务的完整流程。内容包括准备垃圾短信数据集并进行平衡处理，初始化 GPT 模型并替换输出层以适应二分类任务，冻结部分参数以优化微调效率，以及设置 PyTorch 数据加载器。最后阐述了模型训练的基本步骤，包括损失函数选择、优化器配置及训练循环的实现，为实际部署分类模型奠定基础。
CosyVoice 是通义实验室开源的语音大模型，支持多语言及情感控制。介绍其从零部署流程，包括环境配置、依赖安装、模型下载及服务启动。通过 WebUI 可实现 3 秒声音克隆，提供局域网访问配置及常见问题解决方案，帮助开发者快速上手语音合成任务。
PyTorch 作为当前主流的深度学习框架之一，凭借其动态图机制和灵活的 API 设计，在学术界与工业界均占据重要地位。系统梳理了 PyTorch 的核心功能模块，涵盖张量操作、自动求导、神经网络构建及训练流程等关键知识点。通过对比 TensorFlow 与 Keras，分析 PyTorch 的优势，并提供从零搭建卷积神经网络的实战示例。内容涉及激活函数详解…
详细解析了 LLM 中 Attention 机制的核心原理及多种优化方案。首先阐述了 Multi-Head Attention (MHA) 的计算复杂度与显存瓶颈，随后介绍了 MQA 和 GQA 如何通过共享 KV 矩阵降低推理显存占用。接着分析了 Sliding Window Attention (SWA) 对长文本复杂度的优化。在底层实现方面，重点讲解了…
