登录社区云,与社区用户共同成长
邀请您加入社区
本文介绍了一个全自动化工作流系统,通过结合聆犀AI录音卡、妙记App、SonicNote MCP Server和Claude Code,实现从语音沟通到代码/文档输出的无缝衔接。系统架构包括硬件拾音、云端转写、数据接口和AI编程四个核心组件,支持需求分析、代码生成、Bug修复等多种场景。文章详细讲解了安装配置步骤、API能力以及实战工作流示例,适用于开发者、产品经理、销售等多类角色,帮助提高会议记
效率 = 识别重复劳动 × 自动化工具 × 坚持优化记录你每天做的所有事(写下来)标出重复的部分(这些是目标)为每个重复项找一个自动化方案(脚本、工具、流程)坚持用,坚持改不需要一开始就搞得很复杂。从每周省2小时开始,比从"我要改变世界"开始要实际得多。我不是什么技术大牛,用的工具也都是免费的、开源的。但愿意花时间去优化细节这件事本身,就是拉开差距的地方。技术这条路,拼的不是一瞬间的爆发,而是每天
本文探讨了C语言结构体与Simulink总线在数据组织中的对应关系。C语言结构体作为复合数据类型,为面向对象编程四大特性提供了基础;而在Simulink的MBD开发中,Bus总线实现了等效的数据抽象功能。文章重点对比了非虚拟总线(生成C结构体)和虚拟总线(逻辑分组)的特性差异:非虚拟总线分配实际内存并生成结构体代码,适合代码生成和外部接口;虚拟总线仅提供图形化管理,仿真性能更高。最后给出了场景化选
AI团队开发实战:一个人如何用5个角色线程完成全流程项目 核心方法:将开发流程分解为5个独立角色线程(产品经理、架构师、开发、QA、运维),每个线程专注特定任务并输出标准化交付物,通过严格交接实现全流程自动化。
人机协作,仅供参考。
前八期我们学会了画界面、写交互、调样式、接本地能力,JSON 查看器的功能也全跑通了。但回头看代码——500 行的 main.rs,满屏 unwrap,调试全靠 println。能跑和能维护是两回事。这一期不教新功能,教你把已有的代码收拾成一个真正的工程。
道本科技与DeepSeek的合作,提供了一个明确的解法:不是用AI取代人,而是把合同管理中那些“适合机器做”的事交给机器,让人去做真正需要人的事。两者结合,把合同管理从“人扛着系统跑”,变成了“系统驮着人跑”。道本方案的目标,是把法务从80%的重复性劳动中解放出来,让他们有精力去做那20%真正创造价值的事。每次合同审查中,业务、法务、财务提出的修改意见,系统自动采集、提炼,用于迭代下一轮智能审查。
本文为 GEO 生成式引擎优化系列首篇,结合「简记往来」小程序实战案例,通俗拆解 GEO 与 SEO 核心区别,复盘实操踩坑点,并梳理免费 GEO 四大核心执行步骤,揭秘让主流大模型主动推荐品牌的底层逻辑。
2026年AI大模型培训市场热度攀升,本文基于学费、课程、师资、就业四大维度,对比分析主流机构性价比: 咕泡科技(16k-24k) 优势:专注AI/深度学习赛道,大厂+高校师资,3v1教学模式,92%就业率 适合人群:零基础转行/在职进阶,追求高密度课程与项目质量 黑马程序员(17k-25k) 优势:上市品牌背书,4-5个月标准化课程,94.55%就业率 特点:线上线下结合,适合脱产学习 中科软测
面对整车厂对成本控制的极度渴求,以及系统集成化(如eAxle总成)的趋势,单打独斗越来越难。从深入微观的“复合凸度设计”,到挑战宏观的“40,000转”与“抗电蚀”,再到利用AI颠覆研发流程,全球轴承巨头们正在用前所未有的速度重构技术边界。面对平台化新能源项目极快的开发节奏,如果仍然依赖传统的人工迭代和打样,将在客户同步开发中处于绝对劣势。研发与验证速度,正在成为新的护城河。今天,我们将结合最新发
本文详细介绍了在Windows系统上部署DeepSeek模型的完整流程:1. 硬件准备(CPU≥2核、内存≥4GiB);2. 安装基础软件(Docker、Git等);3. 部署Ollama服务并下载DeepSeek模型;4. 安装Dify平台并配置Ollama模型接口。关键步骤包括通过Docker运行Dify、设置环境变量(需特别注意OLLAMA_API_BASE_URL配置),以及最后在Dify
本章要讨论的“典型信息系统架构模型”——不同于单个信息系统的功能探讨,而是从宏观架构层面,讨论如何将信息系统与业务(如政务、商业、工业)深度结合,搭建一个可落地、可扩展、安全可靠的整体系统。实践中,电子政务和电子商务是信息系统架构应用最广泛、最具代表性的两大领域。在系统架构设计师考试中,这两个方向不仅是在选择题中的常客,更是下午论文的独立命题方向。从2011年到2025年的15年间,“企业集成与平
从互联网寒冬开始,人工智能在下坡路推一把。职场在卷王和卷铺盖间摇摆,打工人焦虑也如影随形,不过看到个反直觉的说法。
深度学习是一种利用多层(深层)人工神经网络,从大量数据中自动学习输入与输出映射关系的机器学习方法。人工神经网络受到生物神经网络结构和工作方式的启发,是一种模拟人脑信息处理过程的计算模型。通过深度学习训练得到的网络称为深度神经网络(Deep Neural Network),它可以看作一个复杂的函数,实现从输入到输出的各种转换。① 学会说话 → ② 理解意图 → ③ 反馈择优即:利用海量数据进行预训练
飞书记账助手开发全纪录:智能记账机器人实现方案 摘要:本文介绍了基于飞书平台开发的智能记账机器人解决方案。项目采用飞书机器人+多维表格架构,通过自然语言交互实现便捷记账。技术实现包括:1) 飞书开放平台长连接模式接收消息;2) 多维表格作为存储后端;3) 硅基流动API+LangChain实现自然语言解析;4) 异步处理解决消息重复问题。方案优势在于无需开发前端,跨端使用,并支持多维数据分析。关键
仓储具身智能企业「韦特嘉机器人」(ULTIROBOTICS)完成新一轮千万级人民币融资,由常熟经开聚源和深圳科创学院联合投资,后浪资本担任公司战略财务顾问。在技术层面,韦特嘉机器人的核心竞争力集中于自研Ulti-Brain模型,在感知、应用和决策三个层面取得了开创性的成绩。
摘要: 厌倦了复杂臃肿的音乐APP?5个小众纯净音乐网站推荐!这些由独立开发者维护的站点主打无广告、极简体验:①梦兔音乐(直接网盘下载/无套路);②铜钟(开源聚合搜索/动态视觉);③HiFiti(Hi-Fi无损发烧友社区);④麦田音乐网(治愈系图文乐评);⑤Alger播放器(极客风轻量网页端)。附对比表格,满足收藏、高音质、静心等不同需求,回归纯粹听歌本质。
尤其受不了模型回复中频繁出现的"稳稳接住""一句话总结""堵住""逐条拆解"等"语癖"——**"看多了怀疑自己认不认识中文了"。——从录屏用AI开发到语言能力倒退,从Nginx团队手写编程到程序员的生存焦虑,AI不是在消除工作,而是在重新定义"什么是工作"。公司让他用AI开发,不配前端,且。问题在于:"使用AI大概半天就能搞完",但帖主"不想太快弄出来,感觉对自己对其他同事来说都不是好事"——Ng
向量数据库是2026年数据库领域增长最快的细分赛道之一,其核心驱动力是RAG(检索增强生成)和多模态AI应用的爆发。本文从向量数据库的产生背景出发,解释什么是向量嵌入、相似性检索、HNSW索引等核心概念。对比专用向量数据库(Milvus、Pinecone)与传统关系型数据库+向量扩展(pgvector、金仓V9)的架构差异。深入分析向量数据库在RAG、推荐系统、多模态检索中的关键作用,并结合选型决
很多人治"大模型瞎编",是头痛医头——这答错了改一下、那答错了再补一句。治标。想真正解决,得先明白它会编。
《编程学习者的成长笔记:从数据结构到开源分享》 摘要: 一位名为Doubletful的人工智能专业学生,在掌握C/Python编程和基础算法后,决定通过撰写技术博客实践费曼学习法。这位喜欢探究算法细节的学习者,将以开源方式分享数据结构、LeetCode题解等编程笔记,并计划持续拓展技术领域。目前具备数据分析可视化能力,未来希望通过竞赛和考试提升专业水平。文章配图展现了作者的二次元性,并以幽默的"蓝
作者回顾了自己在CSDN的技术博客历程,从2019年作为编程小白记录踩坑经验,到逐渐成长为能独立开发工具提升效率的"老菜鸟"。40多篇朴实的技术文章曾帮助过10万多次访客,见证了他从被动完成任务到爱上创造的转变。然而,AI的迅猛发展让他陷入沉默——曾经值得分享的解决方案如今几秒可得。尽管不确定技术博客在AI时代的意义,他仍感激那段真实成长的岁月,并希望保留"记录与分享"的初心,提醒自己解决问题的过
coding agent 需要留下来的,不只是用户偏好,还有工作过程:查过哪些文件,排除过哪些方案,踩过哪些坑,形成过哪些项目判断。如果一个 agent 今天已经查过项目结构,排除过错误方向,知道某个方案为什么不能用,明天它还要重新查一遍,那浪费就不只是发生在一次任务里,而是跨 session 重复发生。所以 memory 最后一定会碰到治理问题:什么可以长期记,什么只能短期保留,什么需要用户确认
vue创建项目报错:command failed: npm install --loglevel error。2.新建项目目录,在目录中打开终端搭建脚手架,仅安装一次。a.重建项目 执行完这行代码之后项目重建(可行)1.安装node并检查node版本号。打开电脑终端cmd查看node版本号。b.清除缓存(基本无效)
本文是 Java 后端方向的 AI Agent 入门笔记,依托 Hello-Agents 梳理相关知识,为学习 Spring AI、LangChain4j 铺垫基础。内容讲解了智能体、大语言模型底层架构,分析模型幻觉及 RAG 解决方案,重点介绍 ReAct 等三大智能体范式与工具调用机制。同时介绍了低代码平台、LangGraph、记忆组件与上下文工程等内容。文末提炼八大核心要点,其中工具调用、R
利弊很鲜明,如果站在社会的角度看问题人们常常知道应该选哪个才是对的,但是如果站在个人的角度思考问题其选择常常是违背社会的,因为说是选择其实很多人是没得选。随着AI发展得越来越强,我发现,现在类似CTF的赛事基本上都是AI在打,谁能拿到更高级的AI资源并且用AI在比赛中投入更多的时间谁就能拿到更高的名次,谁能在竞赛中拿到更高的名次就能参与更多的相关赛事,从而收获更多更高的成就,进而在行业的资源分配中
《企业智能体筑基工程:从碎片化试错到体系化落地》 针对当前企业智能化转型中存在的盲目上马、价值空转等痛点,「星系计划」提出三阶段递进式解决方案。P1启明星工程(1-8周)聚焦底层基建,通过知识治理、AI伦理规范与标杆场景打磨,实现三大核心突破: 知识资产标准化:归集全域数据构建可信RAG底座,通过六重准入机制确保知识纯净可控; AI人格体系化:制定《AI风格白皮书》统一输出边界与品牌调性; 工程范
P2阶段"众星闪耀计划"聚焦职能Agent规模化落地,通过四大核心建设实现AI矩阵升级: 流水线开发:复用模板快速孵化财务星(费用风控/预算分析)与销售星(竞标辅助/话术建议)两大标杆Agent,降低定制成本; 知识库管控升级:构建六步审核闭环与置信度分级路由机制,平衡批量入库效率与质量,完善分层权限体系; 长效运营机制:设立业务Prompt架构师角色,通过周度迭代会议持续优化
本文作者作为技术从业者,面对2026年AI技术快速发展现状,计划从使用者转型为AI产品开发者。文章列举了16项现代人常见的健康生活问题(如睡眠障碍、久坐、饮食不规律等)作为产品研发方向,旨在通过技术手段提供个性化健康管理方案。作者邀请读者共同参与产品设计,针对具体痛点提出需求,未来将建立专门渠道收集反馈并迭代解决方案,目标是打造能改善生活质量的智能化健康助手。
GXUST AI通识课作业生成图画设计甲胄图样通过编程设计贪吃蛇小游戏创作小说开头。
摘要: Stateflow与C语言在嵌入式控制系统中代表两种不同开发范式:Stateflow通过图形化状态机实现模型驱动开发(MBD),适合复杂逻辑和快速原型,但生成代码可读性差且工具链成本高;C语言直接面向硬件,性能极致但手动管理状态机易导致维护难题。以电梯控制为例,Stateflow开发效率高且支持闭环仿真,而C语言在资源受限场景更具优势。实际项目中推荐混合架构:Stateflow处理策略层逻
不管是程序员、运维、产品经理,还是普通职场打工人,大家日常工作应该都有同一个困扰:好用的工具、开发网址、办公资源太分散了。写代码、做运维的时候,要到处找CDN加速、数据统计、开源社区网站;日常办公做PPT、画流程图、翻译文档,又要切换各种工具;想抽空学点新技术、看行业动态,还得重新找资讯平台。适配技术开发+日常办公职场人导航六大核心板块,开发、办公、AI创作、设计制图、学习进阶、行业资讯全部覆盖,
上一期我们终于把第一个 Makepad 窗口跑起来了,按钮能点,文字能改,还挺有成就感的。然后你打开 `src/main.rs` 想看看自己到底写了什么——傻眼了。`script_mod!`、`live_design!`、Splash DSL 搅在一起,每行都像 Rust 又不像 Rust。这一期我拆成三层来讲:UI 怎么声明的、布局怎么读、事件怎么接上逻辑。最后给一条偷懒的阅读顺序,帮你跨过"跑
这篇文章是对旧博客的一次告别与交代。自 2015 年来到美国后,生活与工作的节奏改变,中文博客的更新逐渐减少,但它记录了我从学生到工程师的技术成长与写作习惯。如今,我重新开始系统化写作,内容将以大语言模型、系统设计和工程实践为主,并主要发布在新的英文个人网站 www.noahhan.com。旧博客会继续保留作为个人档案,而新的写作将在新的地方继续。
本文探讨了AI Native时代程序员的角色转型与生存策略。文章指出,随着AI接管90%的编码工作,程序员的角色重心将从编写代码转向设计AI工作流程,时间分配将变为60%与AI对话、5%编码。组织形态也随之变革,从金字塔结构转向由人和AI共同构成的execution graph网络。 核心转型路径包括:从编码者转变为架构师,负责将隐性知识转化为AI可执行流程;从执行者升级为责任主体,即使AI生成代
Server-Sent Events(SSE)是实现 AI 流式输出的最轻量方案。相比 WebSocket,它单向、基于 HTTP、浏览器原生支持,不需要额外库。本文分享在"领航英语"项目中用 SSE 实现 AI 单词精讲的完整实践,包括前端接收、中断、结构化解析和逐行渲染。
本文系统剖析了哈希表如何突破比较模型的O(log n)查找下界,实现O(1)集合操作。首先指出无序数组和有序结构的性能局限,分析比较模型的决策树理论下界。随后揭示直接寻址数组的O(1)理想与空间浪费矛盾,引出哈希函数的核心价值:通过键空间压缩(U→m)实现空间优化,同时必然产生哈希冲突。重点讲解链式哈希的冲突解决方案,通过维护桶链表保持期望常数级操作。最终总结哈希表在随机访问、空间压缩和冲突处理三
【摘要】当前企业智能体交互存在"黑箱化、单向化"缺陷,导致AI系统"可用但不敢用"。ETA创新提出协作界面(CollaborationUI)体系,通过"共享上下文全局可视化看板"和"人机实时协作编辑模式"双核心,实现全链路透明协作。看板实时展示智能体运行、工具调用、知识溯源等五大维度数据,破除信息壁垒;协作编辑支持局部
摘要: 数字人格构建工程通过精细化设计岗位专属Agent(如严谨型财务、亲和型客服、创意型市场),结合3D形象与情绪化交互,提升AI拟人化与用户粘性。系统严格限制权限,关键操作需人工确权,确保业务安全。交互层嵌入办公软件(Widget卡片、侧边栏)与物理空间(大屏、全息终端),实现多场景无感调用,同时保持权限隔离,推动智能化深度落地。
本文深入探讨了Qt高级界面开发中的布局管理与右键菜单实现技巧。主要内容包括:1)Qt布局管理器的使用指南,对比分析了QHBoxLayout、QVBoxLayout等不同布局类型的特点与适用场景;2)动态布局切换的核心逻辑,通过流程图详解了删除旧布局和重建新布局的完整过程;3)代码结构优化建议,展示了推荐的模块划分方式。文章提供了完整的代码示例和Mermaid可视化图表,帮助开发者掌握构建自适应界面
作用:告知AI项目环境、项目目标、现有现状、技术栈、业务规则,让AI理解上下文。作用:划定不能修改、不能新增的边界,防止AI自由发挥跑偏。
这个规律在需求确认环节同样适用——如果客户在项目后期才发现需求理解有偏差,修改的代价往往是早期的数倍甚至数十倍。软件开发的“第一公里”——需求确认,是决定项目成败的关键环节。通过AI技术将这个环节从“延迟确认”变为“即时可视化”,可以大幅降低需求偏差的概率,提升项目整体效率和质量。传统模式下,从客户提出需求到第一次看到可用的界面,通常需要2-4周。我们的核心思路是:在需求沟通阶段就生成可交互的原型
【C盘空间不足?试试磁盘迁移小工具】针对开发环境缓存和AI工具占用C盘空间导致电脑卡顿的问题,本文推荐使用符号链接技术实现无感迁移。工具通过Web界面操作,支持自动补全路径、实时进度显示和失败回滚,可将AppData、Downloads等文件夹迁移至其他盘符,同时保持原路径兼容性。实现原理涉及Python的os.symlink调用,需管理员权限运行,并解决了跨盘符复制进度反馈等难题。目前已测试适用
一位农村出身的创业者,用了十八年才找到真正的自己。从小按部就班,在大学误入传销,毕业后为了“出人头地”而创业、写代码,却在一次次失败中发现自己活成了别人期待的“机器人”。直到AI能写代码的那一天,他赖以为生的技能崩塌,才被迫停下脚步,开始向内寻找。
3.github可能无法访问,不是链接问题。人机协作,AI模型:Deepseek。1.主页面找release进入下载。2.代码保存为html。
文章摘要: 企业智能交互正从传统"对话框"模式向"沉浸式职能终端"升级。传统文本交互存在场景割裂、效率低下、职能缺失等痛点,而ETA系统通过多模态融合感知(视觉、语音、文本)和场景自适应设计,实现了主动服务与业务闭环。在工业场景中,视觉识别可完成设备智能巡检;全双工语音交互支持动态办公中的自然对话,延迟低于500ms。该系统深度嵌入企业全业务流程,使AI从辅