这是什么 之前我提到过，一直会维护一个我个人的平台：https://www.cnblogs.com/weipt0106/p/20867788 我在自己的「个人专属大杂烩平台」上，用 AI 原生开发的方式做了两款游戏——没有搬运开源代码，没有引入游戏引擎，从物理碰撞到音效合成全部手写。 两款游戏都已上 ...

前言 之前写过一篇如何用 Python 标准库快速比较两个巨复杂的 JSON 之间的内容值的差异（不是简单对比行之间的差距，而是对比那些值有差异），主要用在某个内部服务中做版本管理的。使用效果大概是这样的： # 文件行数为21772行 $ wc -l test_left.json 21772 tes ...

## 缘起 作为一个 Go 开发者，多版本管理是刚需。团队项目用 1.21，个人项目想尝鲜 1.26，开源项目还在 1.19——**不同项目不同版本的场景太常见了**。 市面上的方案我基本都试过： - **gvm**：老牌工具，但已归档停更两年，Apple Silicon 上 SSL 报错，Wind ...

【机器人 / 强化学习】DIVL：分布隐式价值学习 目录【机器人 / 强化学习】DIVL：分布隐式价值学习0x00 概要0x01 从 IQL 到 DIVL：为什么标量不够用？1.1 IQL 的遗产：在已知数据中"沙里淘金"1.2 为什么平均数会骗人？1.3 从"给平均分"到"看清各种可能性"0x02 ...

深入浅出 Meta Chameleon：早期融合多模态大模型技术全解 在当前的多模态大模型（MLLM）领域，诸如 LLaVA 等经典架构多采用“晚期融合（Late-fusion）”模式：利用现成的 Vision Encoder（如 CLIP）提取图像的连续特征，再通过一个线性投影层（Projecti ...

原文：Neural Networks： Tricks of the Trade 2e 译者：飞龙 协议：CC BY-NC-SA 4.0 神经网络：技巧秘籍 第二版 第二版序言 自本书1998年首版以来，神经网络领域发生了巨大变化。 其中部分变化由数据量与算力提升等外部因素驱动。互联网公开了海量有标注 ...

转载请注明出处： 1.主要使用场景 性能剖析与调试工具 这是 go tool 最常用、功能也最强大的部分，主要用于分析和优化程序性能。 工具命令核心用途典型场景与使用示例 go tool pprof 性能剖析数据分析器。用于可视化分析CPU、内存（heap）、goroutine、互斥锁等pprof数 ...

系列第一篇：入门认知篇 你好，欢迎来到 RocketMQ 学习之旅的第一站。本篇内容主要是了解内容，熟悉即可，干货少少，泛泛而读即可 在正式开始之前，我想先问你一个问题：你有没有遇到过这样的场景——双十一凌晨，成千上万的用户同时下单，你的系统扛不住这么高的并发，直接崩溃了？或者，你的订单系统和库存系 ...

目前在互联网的实际应用中，各个企业都会比较关注自身网站的数据信息，既要保证数据信息的安全性，同时也要保证数据存储读取效率 并且在特殊的场景下，还要对存储的数据信息进行检索和分析；因此数据库服务业务已经在各行各业应用非常的广泛 对于互联网领域的技术人员，对于数据库服务知识的掌握，也将是在求职时必备的技 ...

前言 想要搭建专属的古诗词生成AI模型，很多人会被高性能显卡、高额云服务器成本劝退。今天分享一套面向Apple Silicon用户的完整开源方案：poetry_dataset，仓库内置完备诗词训练数据集、数据转换脚本、平仄校验工具，依托MLX框架，16G内存Mac设备就能完成Qwen系列模型LoRA ...

只会用 httpx 发个 GET 请求可不够，传参乱码、大文件上传超时、响应解析报错这些坑你迟早会遇到。这篇保姆级教程把 GET 参数拼接、POST 多种请求体、Header 与 Cookie 管理、文件上传、大文件流式下载等全部拆开揉碎，用生活化比喻和真实代码带你彻底玩转 httpx，让你的异步调... ...

曾经，很多人都相信，AI会接手琐碎、重复、低价值的工作，让人类把时间留给思考、判断、创造和布局。但真正进入AI普及的当下，笔者越来越强烈地感受到：现实并没有按这个方向展开，反而出现了一种刺眼的价值倒挂。 01 | 我们期待的未来，为什么被现实反转了 理想中的AI时代，是机器干苦力，人类做顶层。 可现 ...

本文深入剖析AI从Chatbot到Agent的范式跃迁：不再停留于“请求-响应”，而是转向“目标驱动的自主控制循环”（ReAct）。通过对比交互逻辑、系统架构五大演进（任务编排、环境反馈、结构化动作、状态记忆、安全边界），揭示Agent作为可控智能体的工程本质——聊天框只是入口，背后是复杂后端系统的... ...

最近一个私有化部署的项目需要实现打包混淆，防止被破解，网上找了一圈没有好的解决方案，遂写一篇文章分享一下 Proguard 目前java打包混淆主流，比较成熟的方案都是使用Proguard来实现，有2种实现方案 使用Proguard混淆工具 这种方案需要下载proguard混淆工具，自己打完包以后再 ...

如果你在 2026 年还在用 `LIKE '%keyword%'` 来做知识库检索，那你可能已经错过了整个 AI 时代。 随着大模型（LLM）和 RAG（检索增强生成）架构的全面普及，**向量数据库（Vector Database）** 已经从“前沿玩具”变成了现代后端架构的**标配基础设施**。 ...

704. 二分查找 给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果 target 存在返回下标，否则返回 -1。 你必须编写一个具有 O(log n) 时间复杂度的算法。 解题思路： 有序数组，同时是无重复元素。 ...

在建筑工程领域，CAD 图纸是工程师的语言。当一张图纸需要跨国交付时，翻译不是简单的"文字替换"——图纸中的文本散落在数百个对象中，每个对象都有自己的空间坐标、图层属性、字体样式和排版约束。直接修改文本可能破坏图纸结构，导致图层丢失、坐标偏移或排版溢出。 本文以笔者参与的一个 CAD 翻译项目为技术 ...

这两年，AI 测试 无疑是软件研发领域最炙手可热的赛道之一。 无论是中小研发团队，还是大型企业的技术部门，在AI大模型快速普及的浪潮下，几乎都有过这样的设想： 把需求文档丢给大模型，写一段精准的 Prompt，简单对接一下企业内部知识库，再搭一个简洁的交互页面，一套能自动生成测试用例的 AI 应用， ...

推荐系统擅长回答“推什么”，用户却卡在“怎么选”。 本文探索：不改排序，补上排序之后的“表达与决策”——把游戏理解透，让同类多款可比较、可解释、可追溯。做法是让大模型放开探索、用工程约束收住，使生成稳定进生产。目标不是替代排序，而是帮用户从“给结果”走向“帮决策”。 ...

一套可上线的 Agent Runtime，关键不在模型，而在可追踪、可验证、可修复的执行系统。 很多人看 Agent，第一眼会盯着模型：参数多大、上下文多长、推理强不强。工程里真正麻烦的地方往往不在这里。用户只发出一句话，系统却要判断意图、补齐字段、选择执行模式、调用工具、整理证据、生成草稿、做校验 ...