登录社区云,与社区用户共同成长
邀请您加入社区
这篇文章分享了作者如何从零开始复刻一个Codex桌宠的经历。整个过程被拆解为四个步骤:1) 用AI视频生成工具将静态图转为动态视频;2) 抽帧、抠图制作透明背景的精灵表;3) 使用Tauri+Svelte框架搭建桌面应用外壳;4) 通过hooks连接编程Agent实现事件驱动。文章特别强调项目难度其实不高,关键在于分步实施和利用AI工具分担工作量。作者还分享了实际开发中遇到的坑(如视频水印、窗口阴
文章摘要: AI编程工具能提升开发效率,但中级开发者常因过度依赖未经验证的输出而踩坑。本文总结了5个常见陷阱及应对策略:1)需求不明确时,先让AI列出待确认的业务规则;2)缺少项目上下文时,应提供技术栈、模块规范和约束条件;3)AI生成的代码需人工审查边界条件、安全风险和测试覆盖;4)排障时要求AI提供验证步骤而非直接结论;5)需沉淀有效的Prompt模板形成工程化流程。核心原则是:AI应辅助而非
现在大热的AI,根基是几十年前神经网络理论的复兴。我们这一行,技术栈更新太快了。黑底白字的屏幕上,这行字跳出来的那一刻,我就知道这辈子要和代码打交道了。这让我想起"新纪梦"的完整含义——纪念和梦想,是缺一不可的。写了无数行代码,搭了无数个系统,可这一切的意义到底是什么?现在想来,那些笨拙的探索,恰恰是最珍贵的"纪念"。"那些不了解历史的人,注定要重复制造糟糕的系统。但我发现一个现象:很多程序员只"
—你做的不是"航空大语言模型",是"卫星图像 / SAR / CFD / 风洞 / B-rep" 这种通用模型预训练分布外的多模态领域底座,且能找到"数据方 + 算法方 + 算力方"三方联盟(如 NASA + IBM + Jülich 模板)。一个航空航天企业过去 30 年的设计文档、需求分解、功能分配、架构权衡——这些 MBSE 核心活动的产物,**绝大部分是工程妥协、组织博弈、时间压力下的"够
AI对工作流和业务的支撑,覆盖和触及的场景越来越多,Token的账单也越来越长,AI能力转化为生产力,是否具备性价比,付费的人似乎也说不清楚。
摘要:作者在完成学校毕业要求后重新规划学习,计划考研92院校以进入大模型领域。学习计划包括:英语从零开始背单词、读课文;计算机方面学习C语言、数据结构、C++;数学跟随考研课程;后续将学习Python等深度学习工具。每天保持4小时计算机学习、2公里有氧运动,作息调整为11-6点。未来计划每周写博客记录学习进度,既作总结也当放松。面对非科班出身的挑战,作者以"从头再来"的心态坚持
AI真正登堂入室,到现在不过两年,再过三五年会如何,确实让人无法想象。
UI 的审美、代码的结构、设计逻辑的一致性。小米这步棋,打开了让更多人用上 AI 的门。但进门之后怎么走,是每个人自己的事。降价之前,AI 是开发者的精打细算。降价之后,AI 可以是任何人的日常工具。再看 Token Plan:同样的价格,可用 Token 量提升到原来的。而现在,底层技术成熟到一定程度,小米选择把红利一次性释放给用户。⚡ 这不是促销,不是限时活动,是整个价格体系的推倒重来。🔥
互联网是流量,大模型是产品,流量对于产品的描述,到底准不准确,可能两边都说不清楚,作为用户只能带着自己的需求去尝试。
上篇我们说了 Prompt 要当代码写。但代码需要架构。这篇文章给你 Prompt 架构的第一层:System Prompt 和 User Prompt 的分工。很多人混在一起用,结果就是 Prompt 一长就失控。别混。这两个角色天然不同。
本地模型适合高频、隐私敏感、不要求最高质量的场景。云端 API 适合需要最强模型能力的场景。两者不是替代关系,是互补关系
是第一步,也是最关键的一步,它决定了后续所有工作的方向和价值。
历史正在无限轮回。当年程序员为了省几 KB 内存把 C 语言代码优化到极致,结果硬件厂商直接把内存扩容了数千倍,极端的优化技巧瞬间变成"无用的古董"。如今,AI Agent 带着无限的上下文和全网生态直接"扩容"砸场子。App(应用程序)作为前端形态可能会逐渐消亡,取而代之的是纯粹的 Service(服务)。谁掌握了最核心的算力和最庞大的中心化入口,谁就能用最简单粗暴的"扩容",收编天下应用。
添加自定义模型 ./scripts/add_model.sh --name my-model --path /path/to/model.gguflocal-llm项目以其“透明、实用、全面”的特点,为本地大模型部署提供了完整的解决方案。无论你是开发者、隐私爱好者还是学习者,都能从中获得实实在在的帮助。核心价值✅ 硬件全覆盖,适配无忧✅ 脚本全透明,可控性强✅ 问题全记录,避坑指南✅ 依赖极简化,
2026年普通程序员转型大模型应用开发保姆级教程——从入门到精通,这一篇就够了!
人工智能狂飙的三年时间,AI对生产力替代已成确定趋势,Token对市场的影响还要再看看。
很多人一说"机器学习"就觉得很高深,以为要懂数学、懂编程才能理解。不要试图教电脑所有规则,给它足够的例子,让它自己学会。这个思路改变了整个计算机行业。从人脸识别到语音助手,从自动驾驶到 AI 聊天——所有让你觉得"神奇"的功能,底层都是这个朴素的逻辑。你不需要懂技术。你只需要知道:当你给 AI 更多好例子时,它就会变得更聪明。你对 AI 说的话、提的问题、点的赞——都在帮它学习。这也是为什么,你跟
本文探讨了人类对自我认知的演变历程:从早期神话思维和灵魂二元论,到古希腊理性哲学、中世纪神学禁锢,再到文艺复兴人文主义和启蒙运动的理性觉醒。19世纪后,达尔文进化论、弗洛伊德精神分析和基因科学逐步解构人类中心主义,揭示意识与智能的物质基础。21世纪脑科学和AI发展进一步表明,智能可能是复杂系统涌现现象,通过海量简单信号叠加实现。文章指出,虽然科学祛魅了人类智能的神秘性,但能反思自身存在、创造文明的
AI不会导致程序员大规模失业,但将重塑职业结构 当前AI编程工具(如GitHub Copilot、通义灵码等)能高效完成编码实现(70%-90%)、测试(40%-60%)和文档(70%-80%)等重复性工作,但对方案设计(10%-20%)、架构决策(<5%)和线上运维(10%-15%)等核心工作影响有限。初级开发者(CRUD工作)受冲击最大,而中高级开发者和技术管理者因具备业务理解、架构权衡和决策
Pi 六个设计逐一拆源码:声明合并扩展消息、Turn 热切换模型、双队列分打断与追加、工具级 AOP、压缩带文件索引、工具自主停止。
2026年7月主流AI编程模型的上下文窗口对比显示,MAX Mode可大幅扩展上下文容量。Claude Sonnet 5原生支持1M tokens,而OpenAI的GPT-5.6 Sol/Terra以1.05M tokens居首,Google Gemini 3.1 Pro等多数模型MAX模式下可达1M。日常开发用200K默认窗口足够,大型项目建议开启MAX Mode但需注意20%的额外token消
chat-gpt-3.5 web端免费啦。但是对于程序员来说,还是收费的。
Ollama是一个开源框架,专为在本地机器上便捷部署和运行大型语言模型(LLM)而设计。它提供了一套简单的工具和命令,使任何人都可以轻松地启动和使用各种流行的LLM,例如GPT-3、Megatron-Turing NLG和WuDao 2.0。Llama3 是由 Meta AI 开发的最新一代开源大型语言模型 (LLM)。它基于 137B 参数的 Transformer 架构,在大量文本和代码数据集
这几天有没有朋友GPT界面正常,打字不回复?各种恼(我本人)今天偶然看到群友讨论,10秒钟恢复了!极简步骤:Chorme界面按F12--应用--存储--清楚缓存搞定!Chatgpt异常10秒恢复大法--亲测有效!
下载这个压缩包,解压后根据步骤文档安装,1分钟就直接搞定,最后效果如下(我是8g的4070卡,运行8b参数的模型没有压力,贼快)
我们展示了使用文档摘要进行基于LLM的检索和基于嵌入的检索。检索到的所有与所选文档对应的节点都将被检索。文档摘要索引将从每个文档中提取摘要,并存储该摘要以及与文档相对应的所有节点。文档摘要索引已经配置为进行高层次查询,您可以通过指定的查询获取响应。LLM检索已经配置,您可以通过指定的查询获取检索到的节点。本演示展示了对不同城市的维基百科文章进行的文档摘要索引。嵌入检索已经配置,您可以通过指定的查询
Chatgpt:Your session has expired解决办法-中文首发
cursor用法,将cursor设置成中文
摘要:Postman是一款高效的接口测试工具,支持接口请求发送、脚本保存、响应比对和批量执行。文章介绍了Postman的下载安装方法、常用功能(如新建请求、鉴权设置、文件上传)、导入导出操作以及断言设置。同时补充了GET与POST的区别,以及Cookie、Session、Token的异同点,帮助测试人员更好地进行接口测试和安全管理。
摘要:本文介绍了在Postman中使用token进行接口测试的方法,以jeecgboot项目为例。首先创建测试环境并设置两个接口:登录接口获取token后保存为环境变量,首页接口通过{{token}}引用该变量。关键步骤包括解析登录返回数据、设置环境变量,以及确保所有接口保存在集合中以便有序执行。这种方法解决了token过期问题,实现了接口间的token依赖。文章最后还提供了软件测试学习资源的获取
你可以在Jenkins中创建一个任务,该任务从Git仓库中拉取Jmeter的集合和测试脚本,然后使用Ant运行这些测试,并将结果输出到Jenkins的构建报告中。Ant构建文件,也叫build.xml,是一个基于XML的文件,它是由Apache Ant构建工具使用的。通过上述步骤,可以使用JMeter、Ant、Git和Jenkins进行接口自动化测试,提高测试效率和准确性,降低人工干预和错误率。在
本文分享了接口测试的入门经验。作者从最初对接口测试的陌生,到实际工作中使用Postman进行功能测试,逐步理解了接口测试的概念。文章介绍了接口的理论知识(API测试重点在数据交换和逻辑关系),并通过POST和GET请求实例详细展示了测试过程。作者还分享了Postman的环境配置方法,并鼓励测试人员向压力测试、性能测试和自动化方向发展。最后提供了软件测试学习资源获取方式,希望能帮助初学者少走弯路。全
安装Jenkins插件,例如 Jenkins Plugin for WeChat Mini Program Builder(微信小程序构建器插件)。创建新的 Jenkins Pipeline,或者在现有的 Jenkins Pipeline 中启用 WeChat Mini Program Builder 插件。配置 Jenkins 构建步骤,添加微信小程序构建相关任务。测试您的微信小程序。1、安装
它在本地存储所有报废的样本,并对这些数据运行规则,以汇总和记录现有数据中的新时间序列,或生成警报。这份文档和视频资料,对于想从事【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有字节大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。由于grafana没有使用持久存储
本文从分布式锁的核心设计要求出发,首先介绍了原生Redis分布式锁的基础实现方案,分析了其潜在缺陷,如锁超时释放、不支持重入等问题。随后引入Redisson框架进行优化,详细说明了其自动续命机制、天然可重入性等核心优势,并提供了完整的Spring Boot集成模板,包括依赖配置、Redisson设置和工具类封装。该方案解决了原生实现的不足,可直接用于生产环境,帮助开发者高效处理分布式并发问题。
本文探讨微服务架构中的远程鉴权方案选型问题。针对若依框架的Spring Cloud Gateway实现需求,文章对比分析了HTTP/REST与gRPC两种协议在性能、开发复杂度、生态支持等方面的差异。通过实际测试数据表明,在鉴权这种轻量级场景下,HTTP协议虽序列化效率略低但整体性能差异不明显。综合考虑调试便利性、生态兼容性等因素,最终选择基于HTTP/Feign的实现方案。文章详细介绍了该方案的
遇到 Java 程序卡顿 → 用jps找 PID → 用jstat看 GC 是否频繁 → 用jconsole监控内存 / 线程 → 用jstack排查死锁 / 阻塞 → 用jmap导出快照分析内存泄漏。
CentOS 7 老树开新花:从零部署 Dify 全栈应用(含 Go/Rust/GCC 升级避坑):开放 5019(API)、3000(Web)、以及中间件所需端口(如 6379、5432 等)。需要 GCC ≥ 9.3,而 CentOS 7 默认 GCC 仅为 4.8.5。:重复上述“清理 → 解压 → 构建 → 启动”流程,或封装为脚本自动化。✅ 至此,Dify 已在 CentOS 7 上完整
作为文字处理、团队协作和日常办公的用户:Linux能够胜任办公需求,分享已使用成功经验的软件清单,帮助你在Linux环境下也能高效办公👇。如果你也在考虑尝试Linux办公,或者正在寻找更优的办公环境解决方案,不妨参考这份清单开始你的探索之旅。稳定流畅、零成本、无弹窗干扰的Linux轻办公体验(linux ubuntu或minux mint)💻 实际体验:音画同步良好,屏幕共享流畅,完全满足日常