本文探讨了AI辅助开发中产生的“认知债务”与技能退化问题，分析了代理编码的陷阱，并提供了如何避免被AI架空的实践建议。 ...
前文我们聊了生产者压缩机制相关的知识点，压缩机制主要是为了节省资源并提高吞吐。本文我们再来看一下 Kafka 的可靠性机制。 ...
5 种 AI 应用开发模式保姆级科普，从最底层的 HTTP API 直接调用，到官方 SDK、LangChain 开发框架、Dify 低代码平台，再到 Cursor SDK，每种都有代码示例和适用场景，覆盖面试高频考点和实际选型，一次性讲透。 ...
你是不是也遇到过Agent“六亲不认”的尴尬？刚说的话转头就忘。本文从实际开发痛点出发，用生活化比喻拆解Agent记忆分类，手把手教你用FastAPI依赖注入、Redis和PostgreSQL，为Agent轻松装上短期与长期记忆，实现跨轮次对话，让用户不再抓狂。 ...
代码不再昂贵了，那什么变贵了？ 二十多年前，Linus在Linux邮件列表上留下一句话： Talk is cheap. Show me the code. 这句话后来几乎成了程序员圈最常被引用的"行规"：嘴上说没用，代码才是真章。 但在AI普及的今天，这个前提正在悄悄变化。不是代码不重要了，而是写出 ...
在 AI 应用开发中，很多开发者都会犯一个共同的错误：把提示词直接写死在代码里。这种做法看似简单快捷，但随着应用功能的扩展，问题会迅速暴露。固定的提示词就像一把只能开一把锁的钥匙，严重限制了大模型的适用范围。 为了解决这个普遍存在的痛点，LangChain框架提供了一个核心基础组件 ——Prompt ...
背景 近期在Mac mini上部署了Acbox等开发者开发的Memoh——一款基于docker容器的多智能体Agent。在使用过程中出现了问题，Agent调用工具失败，并且在聊天记录中出现了类似下面格式的文本。 <tool_call ...>{...}</tool_call> 排查 在项目仓库已有人 ...
0.概述 本次需要通过TI的TL2518芯片进行ADC采样。该芯片为SPI接口，具有八个通道，可以全部配置成AIN进行采样，本次需要探究如何该如何配置才能将芯片的采样率达到最大。 1.TLA2158 首先要陈列一下该芯片的一些特性，为节省篇幅，此处只罗列最关键的特性，该芯片的详细描述请查看其手册。 ...
该片文章用于跑通测试数据集链路：在 WSL/Linux 上训练 YOLOv5，导出 TorchScript，转换为 ncnn 的 param/bin，再通过 example/yolo_ncnn_app 部署到久久派测试。 WSL/Linux 测试数据集训练 -> TorchScript 导出 -> ...
在[上一篇]中，我们提到 RPE 提出后出现了分裂式的发展趋势，而按时间来讲，对 RPE 的初次改进出自 19 年的论文： Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context ，即超长上下文的 Transfo ...
终于，Go-Spring 在经历了又一轮漫长的开发之后，正式迈入了一个全新的里程碑。 最新版本的 Go-Spring 将彻底终结长期以来围绕配置、日志与启动标准化管理的纷争。 如今，只需简简单单的一行 gs.Run()，便可以优雅地启动整个 Go-Spring 应用，实在令人畅快！ 从此，我们只需要 ...
PyTorch KernelAgent 源码解读 （1） 原理 目录PyTorch KernelAgent 源码解读 （1） 原理0x00 摘要0x01 背景知识1.1 需求1.2 内核范式1.3 Kernel Engineer1.4 LLM 优化1.5 LLM 任务任务输入任务输出1.6 挑战1. ...
交互题好玩！ 看到各测试点限制各不相同，考虑数据点分治。 约定记号 \(f(S)=\sum_{i\in S}a_i\)。 形式化题意 你需要猜出评测机里一个 \([1,W]\) 中的正整数 \(d\)。为此你需要构造一个长度 \(\le N\)，值域 \([1,W+200]\) 的正整数序列。评测机 ...
你的感受，就是你大脑的“运行日志” ——一份关于意识感受的长篇探索 [目录] 引言：一个奇怪的bug 第一章：你是一台压缩机器 1.1 记住的不是原物，而是特征指纹 1.2 为什么代码审查AI没有“熟悉感” 1.3 解压：把浓缩胶囊泡开 1.4 预测加工：大脑是一个“猜谜机” 1.5 记住：大脑绝大 ...
大语言模型开发框架的价值 所有开发框架（SDK）的核心价值，都是降低开发、维护成本。 大语言模型开发框架的价值，是让开发者可以更方便地开发基于大语言模型的应用： 第三方能力抽象。比如 LLM、向量数据库、搜索接口等 常用工具、方案封装 底层实现封装。比如流式接口、超时重连、异步与并行等 使用Llam ...
0. 前言 过去一年，本地大模型推理已经从“极客玩法”逐渐进入企业实际应用。 最近两年时间里，我开始在实际项目中尝试将大模型部署到本地硬件环境，并把大模型作为推理引擎，用于输出业务分析与辅助决策建议。 从 DeepSeek 到 Qwen，再到 Llama 系列，越来越多开发者开始尝试： 在个人电脑运 ...
随着AI企业级应用类项目进入深水区，已经有越来越多的人都会切身体会到，在AI背后，有一个统一的，原生就能支持多模态数据的平台有多重要。再进一步，在这个多模态数据平台基础之上，如果能再配套一个原生的低代码开发平台，用于快速验证各种功能，会比100%的Vibe Coding更加可控，也更适合企业级场景。 ...
一、行业背景：托管式 Agent 成为主流方向 AI Agent 正从技术概念快步走向生产应用。然而，当开发者试图将原型推向生产环境时往往发现：从"跑通 Demo"到"稳定上线"，每一步都是对基础设施的真实考验。更聪明的模型解决不了这道鸿沟——企业真正需要的，是一个能全面承接底层复杂性的基础设施平台 ...
霍尔定理和最大流，本质是解决「二分图匹配」的两种思路——前者是"判断能不能匹配"的"理论条件"，后者是"实际算出怎么匹配、能匹配多少"的"算法工具"。读者无需记复杂公式，跟着例子走，就能看懂两者的关联和区别。 基础概念 二分图：简单说就是"两个阵营"的图，比如左边是「男生」（集合A），右边是「女生」 ...
前面几篇文章有提到定位，但没展开，今天就来说说 To B 的定位。 定位，就是你希望在目标客户心中占据的那个独特位置。它可不是啥营销话术，它是一家公司所有重大选择的过滤器。 对 To B 公司来说，它是公司对"服务谁、解决什么问题、凭什么选我、我不做什么"的一整套取舍。 它最终会沉淀成客户心中的一个 ...
