oracle标签_AI编程社区

oracle

Brainstorming 与 grill-me 在 AI 产品设计和工程决策中的分工边界

文章摘要：在AI编程中，明确区分Brainstorming（发散思维）和Grill-me（决策压实）两种工具至关重要。前者用于探索未知可能性（如初期场景、功能设计），后者用于在已有方向中细化关键决策（如技术选型、优先级）。混淆两者会导致方案虚浮或过早收敛。Brainstorming适合“无方案阶段”，摊开选项；Grill-me适合“有方向阶段”，通过压力测试逐项确认取舍。AI编程需注重“薄上下文

 2301_81043294
2026-08-19 13:26:29

 194

 2

#人工智能 #oracle #java +2
达梦 DMSQL 游标全解析：从隐式游标、显式游标到动态游标与游标变量

游标变量名> CURSOR [[:] = <源游标>];<游标变量名> SYS_REFCURSOR [[:] = <源游标>];<源游标> ::= <源游标名> | <游标表达式><游标表达式> ::= CURSOR [FAST] (<查询表达式>)本文系统梳理了达梦 DMSQL 中游标的完整知识体系，从基础概念到高级用法，为开发者提供了全面的游标使用指南。维度隐式游标显式游标动态游标游标变量名称

 微风-过后
2026-08-17 20:11:53

 313

 8

#oracle #数据库 #database
Codex写数据库索引为什么越加越慢？别让“优化查询”变成写入性能灾难

摘要：数据库索引滥用问题常见于通过自动工具（如Codex）优化查询时，开发者倾向于为每个查询字段单独创建索引，导致表上堆积过多索引。虽然查询可能暂时加速，但会引发写入性能下降、磁盘占用激增、索引失效等问题。本文指出索引设计的核心误区，强调应基于实际查询模式设计联合索引，而非盲目添加单字段索引。通过分析覆盖索引、字段选择性、索引顺序的重要性，结合EXPLAIN验证索引效果，平衡读写成本。提出索引审

 AI大模型-小雄
2026-08-16 18:20:06

 335

 6

#oracle #数据库 #ChatGPT
AI 自动生成数据库表结构？麦芽AI 把数据库设计从「手写DDL」变成「需求直达」

本文分析了AI编程工具在数据库设计领域的局限性，并介绍了麦芽AI平台的创新解决方案。主要内容包括：现有AI编程工具（如workbuddy、Codex）在数据库设计环节存在明显短板，无法处理工程级约束、版本化迁移和需求对齐等关键需求。麦芽AI通过"需求→数据库设计技能"的自动路由，实现了从需求分析到完整SQL产出的五步闭环流程，包括实体识别、差异分析、DDL设计、SQL生成和迁移脚本。平台创新

 xujinxing
2026-08-16 09:07:31

 195

 7

#数据库 #人工智能 #oracle
KES数据库技能包覆盖Oracle兼容、多源数据库迁移

电科金仓在Gitee社区发布了面向AI编程助手的金仓数据库（KES）专业技能包，首批上线31个技能，覆盖安装、开发、运维、调优、迁移等全流程。用户只需向智能体描述任务，即可自动调用对应技能获取专业解答，如安装部署、SQL调优、迁移适配等。该技能包整合了产品知识和实践经验，使智能体回答更精准可靠。项目开源且持续更新，鼓励开发者共同完善。通过将文档转化为智能体可调用的技能，提升了KES问题处理效率。

星辰徐哥
2026-08-13 19:52:52

 1.9w

 7

#数据库 #oracle
Codex写数据库迁移为什么一上线就锁表？用零停机迁移避免生产事故

《Codex数据库迁移生产环境避坑指南》摘要（149字）本文剖析Codex在生产环境执行数据库迁移时常见的锁表和版本兼容性问题。核心指出本地测试与千万级生产库的本质差异，提出Expand/Contract迁移模式：先扩展新结构保持兼容→数据分批回填→验证后收缩旧结构。强调双写机制、断点续传、约束延迟添加等关键策略，并推荐将迁移拆分为多阶段可回滚步骤。通过20条实用建议，帮助开发者在AI辅助下实现

 cwx199903
2026-08-13 12:27:09

 356

 7

#数据库 #oracle #ChatGPT
同样是Codex，为什么有的能上线、有的只能演示？

去年我用Codex跑个人Demo时，觉得AI编程助手已经能改变开发方式了。今年把Codex接入团队真实项目，才发现真正卡住团队效率的不是模型能力，而是上线前的回滚策略、监控兜底、异常边界——这些才是Demo和生产的距离。---很多团队用Codex时忽略了一个关键环节：测试用例的生成和验证。Codex确实能生成测试代码，但生成的测试往往只覆盖"正常路径"，对异常路径、边界条件的覆盖不足。我自己就踩过

 codeingg
2026-08-11 12:51:49

 349

 8

#oracle #数据库 #软件工程
《现代 Key-Value 数据库原理：从 B+Tree 到 LSM Tree》-第三篇：LMDB 深度解析二

摘要《现代Key-Value数据库原理》第13-18章深入解析了LMDB的Cursor机制与源码架构。Cursor作为B+Tree的迭代器，通过保存当前Page和节点位置，实现高效的范围查询和顺序遍历（O(1)复杂度），相比普通查询（O(logN)）更适用于AI训练等批量数据处理场景。其性能优势源于：1）有序Leaf Page的CPU缓存友好性；2）Leaf间的链表连接；3）mmap直接访问内存

 奇树谦
2026-08-08 18:45:00

 416

 12

#数据库 #oracle
17 openclaw数据库连接池配置：避免性能瓶颈的关键

数据库连接池的优化不是简单的参数调优，而是需要基于业务场景和数据库性能的综合考量。数据驱动决策：连接池参数应该基于实际的性能测试数据，而不是凭空猜测。建议在不同负载下进行压力测试，观察连接池状态指标。监控与预警：建立完善的监控机制，实时监控连接池的使用情况，设置合理的预警阈值，防患于未然。分层设计：对于复杂系统，可以考虑采用多级连接池策略，如应用层连接池和中间件层连接池相结合，提高整体弹性。动态调

 biuba1024
2026-03-25 17:47:59

 391

 10

#数据库 #oracle #AI
第05章 ChromaDB 向量数据库入门

每次手动传 embeddings 容易遗漏，更稳妥的做法是把 Ollama 嵌入封装成一个 EmbeddingFunction 注入集合，让 ChromaDB 内部自动调用。注入后，集合的 add 与 query 都会自动用 OllamaEmbedding 计算向量。读者只要确保读写双方都使用同一个 EmbeddingFunction 实例化的集合即可。注意：EmbeddingFunction 的

 亢少军
2026-05-17 10:42:08

 413

 9

#数据库 #oracle #人工智能 +1
2026海量文档智能结构化处理整体技术方案

本文摘要：《2026海量文档智能结构化处理整体技术方案》针对政企机构非结构化文档治理难题，提出基于人工智能、大数据和湖仓一体技术的全流程智能化解决方案。项目聚焦文档采集、预处理、智能解析、结构化转换等核心环节，采用自研DocMind-Transformerv3多模态大模型，实现印刷体识别准确率99.8%、手写体98.5%的高精度处理能力。方案包含十大功能模块，支持千万级文档秒级处理，自动化处理率

 随读手机
2026-05-29 09:54:22

 396

 8

#数据库 #java #边缘计算 +4
收藏！小白程序员必看：轻松入门RAG，让大模型回答有据可查

RAG（Retrieval-Augmented Generation，检索增强生成）是一种将信息检索与大语言模型生成相结合的技术架构。简单来说，就是：先从外部知识库中检索相关文档，再把检索到的内容作为上下文喂给大模型，让模型基于这些真实资料来生成回答。整个流程大致如下：用户提问 → 检索相关文档（向量数据库/搜索引擎） → 将文档 + 问题一起送入大模型 → 生成回答。

学网安的喵桑
2026-05-31 11:01:43

 364

 4

#oracle #数据库 #人工智能 +1
Oracle：SELECT * FROM TABLE(...)

在 Oracle 数据库中，`SELECT * FROM TABLE(...)` 是一种特殊的语法结构，主要用于查询集合类型（Collection Type）或表函数（Table Function）返回的数据。- 查看执行计划：在性能调优中，常结合 `DBMS_XPLAN` 包使用，如 `SELECT * FROM TABLE(DBMS_XPLAN.DISPLAY_CURSOR(...))` 来格

 曹牧
2026-07-29 15:01:14

 564

 18

#oracle
大模型是怎么运行的？一文看懂软件与硬件的之间的协同

比如在预测“是”后面的词时，模型会给予“中国”和“首都”更高的权重。当用户输入“中国首都是”时，模型并非直接理解文字，而是先通过 Tokenizer（分词器）将文本切分为独立的 Token（如“中/国/首/都/是”）。而近端缓存（SRAM/Cache）则像是手边的小货架，离计算单元更近，用于暂存马上要用的一小部分数据，减少来回搬运的时间，避免计算单元空转等待。输入“中国首都是” -> 预测出

 huinenggy
2026-07-01 15:40:52

 373

 7

#oracle
大模型再强也白搭，企业 AI 最后卡在数据底座上

众所周知，我本职工作是在公司做 AI 基建，所以大家会看到我写过很多算力、推理引擎、模型部署和评测相关的内容刚看了 OceanBase AI 数据库的线上发布会，看过之后收获很大，回答了我的一个疑惑：当数据库的主要使用者慢慢从人变成 Agent，企业的数据底座到底该往哪儿长？

Python编程杰哥
2026-07-02 21:17:15

 208

 5

#人工智能 #爬虫 #知识图谱 +2
数据分析转大模型，真正值钱的为什么不是会调 API？

先把这篇文章的目标说清楚：看完之后，你应该能判断这件事值不值得做，以及从哪里动手。去年这个时候，我们团队还在为传统 BI 报表的维护头疼。业务方要个“上周各渠道 ROI 低于 5% 的用户画像”，数据分析师得跑三次 SQL，洗两次表，再手动截图发给运营。那时候我觉得，只要换个大模型，写个 Prompt 就能让机器自动干活，从此告别 CRUD。现在回头看，那个想法天真得可爱。

晨xi的光
2026-07-19 16:55:29

 320

 6

#数据分析 #oracle #数据库
RAG彻底讲透：让大模型从胡说八道到言之有据的检索增强生成技术全景指南

RAG彻底讲透：让大模型从"胡说八道"到"言之有据"的检索增强生成技术全景指南一、一个让人抓狂的场景你有没有遇到过这种情况：你问大模型"公司最新的报销政策是什么"，它给出了一个看起来非常专业的回答，连条目标号都排得整整齐齐。你一对照内部文档，发现全是编的——日期不对、金额不对、流程也不对。这就是大模型的"幻觉"问题。大模型的知识截止于训练数据的时间点

 hoaxxcj
2026-07-03 09:20:56

 207

 2

#oracle #数据库 #RAG
手把手搭一套本地私有 AI 知识库文档完全离线・数据永不泄露・零成本就能搞定

想象一下：公司的保密合同、技术手册、海量论文……全部存进一个“本地大脑”。你只需要用中文随便问一句，它立刻从几百份文件里帮你把答案揪出来。

Python编程杰哥
2026-07-03 21:20:19

 313

 3

#人工智能 #python #开发语言 +3
Agent Skill实战教程：从0到1创建一个可验证的Skill

本文是一份手把手教程，从 0 到 1 创建一个完整的 Agent Skill，覆盖目录结构、description 编写、主文件设计、参考材料拆分、试跑闭环和迭代修剪的全流程。在 AI 工程化落地的过程中，企业不仅需要关注 Agent Skill 的设计，也需要关注底层的大模型 API 聚合能力，**微元算力（weytoken）聚合平台** 作为企业级大模型聚合平台，通过统一 API 接入让企业可

 namexingyun
2026-07-04 10:15:34

 643

 13

#人工智能 #数据库 #oracle +2
LLM大模型 - 基于Transformers和DeepSpeed的LLM工程化分布式训练

在上一篇文章从零手戳了一个 LLM 模型结构及 Pretrain、SFT 全流程，这有助于深入地理解了 LLM 的模型原理及训练细节。但是，在实际应用中，手戳实现的 LLM 训练存在以下问题：

Python编程杰哥
2026-07-08 20:58:34

 195

 5

#分布式 #人工智能 #知识图谱 +3
从聊天到行动：一文读懂大模型Agent的核心原理与技术全景

核心观点：如果大语言模型（LLM）是一颗聪明的“大脑”，那么Agent就是给这颗大脑装上了“眼睛、双手和笔记本”——让它不仅能思考，还能观察世界、使用工具、记住经验，并自主完成复杂的多步任务。本文将系统讲解LLM Agent的架构、记忆、规划、工具调用、多Agent协作和主流框架。

Python编程杰哥
2026-07-08 20:57:00

 401

 5

#人工智能 #microsoft #知识图谱 +3
小白程序员必看！收藏这份Oracle大模型部署指南，轻松抢占先机！

Oracle最新报告揭示AI裁员与基建投入并存，全球科技业因AI裁员超12万人。AI投入规模已超财务核算范畴，企业面临成本归集难题。AI成本特征与现有会计科目不匹配，导致预算审批困难。裁员节省的人力成本正转向算力基建和AI岗位招聘。财务团队能获取AI支出数据的企业，AI投入增加概率更高。企业需建立可验证回报机制，以获得持续AI投入批准。Oracle，全球老牌的软件公司，本周在监管文件里率先公开了一

 编程唐小宝
2026-07-09 14:12:07

 177

 4

#oracle #人工智能 #数据库 +2
数据分析转大模型：把落地步骤拆成清单

先把这篇文章的目标说清楚：看完之后，你应该能判断这件事值不值得做，以及从哪里动手。最近圈子里有个挺明显的趋势：大家不再满足于让 LLM 跑个 Demo 或者做个简单的 QA 问答了。真正的痛点转移到了权限控制、操作日志和可观测性上。对于做了几年报表、SQL 写得飞起的数据分析师来说，这其实是个巨大的机会，也是个巨大的坑。我前阵子帮一个朋友梳理他的简历和转型路径，他最大的误区就是觉得“我会 SQL

Agent智能体
2026-07-10 00:09:30

 357

 6

#数据分析 #数据库 #oracle
大模型岗位变了，测试工程师该补的还是算法吗？

先把这篇文章的目标说清楚：看完之后，你应该能判断这件事值不值得做，以及从哪里动手。前阵子面试了几个想从传统功能测试转大模型方向的同行，大家聊得最多的不是 Prompt Engineering 有多精妙，也不是怎么微调出 SOTA 的模型，而是同一个令人头秃的问题：“我的自动化脚本跑得挺好，为什么接入 LLM 后反而全是 Bug？很多人有一个误区，觉得测试转 AI 就是换个工具包，把 Seleniu

头像违规？？
2026-07-12 18:42:56

 184

 6

#算法 #数据库 #oracle
3倍价差！Fable 5和Sol到底选谁？

一个月入三万美元的独立开发者，因为通宵抢用AI模型把自己送进了急诊室。这不是段子，而是最近大模型"额度大战"中真实发生的故事。开发者Rob Hallam本以为Fable 5的免费访问即将结束，于是通宵不睡想榨干最后一点额度，结果人先扛不住了——心悸、胸闷、大汗，直接被推进了急诊室。

namexingyun
2026-07-13 10:47:10

 194

 4

#人工智能 #数据库 #oracle +1
为什么大模型需要“三层保护”？

数据库集群是飞机的导航系统——确保数据精准、不丢失、随时可取多卡集群是飞机的发动机组——提供澎湃算力，保证模型“飞得动”服务器集群是飞机的机身骨架——把所有部件稳定地组装在一起，保证不散架

 冰^
2026-07-13 22:06:48

 469

 11

#oracle #数据库 #运维 +4
数据分析转大模型到底解决了什么问题？

先把这篇文章的目标说清楚：看完之后，你应该能判断这件事值不值得做，以及从哪里动手。摘要：从 SQL 查询到 LLM Agent，很多人以为只要 Prompt 写得好就能搞定智能分析。但在实际联调中，我们发现最致命的不是模型幻觉，而是权限越界和可观测性缺失。本文复盘一次因权限配置错误导致的数据泄露事故，分享如何让 Agent 从“玩具”变成“生产级工具”。---很多人担心，随着大模型能力的提升，SQ

技术琐事
2026-07-14 16:37:01

 140

 7

#数据分析 #数据库 #oracle
大模型越强，Agent 越需要“笼子”：从 OpenClaw 看懂智能体的确定性控制系统

自治级别：高允许：自动检索读取文件生成总结禁止：修改数据向外发送调用生产接口它有 Gateway。它支持多渠道。它有会话系统。它可以调用工具。它有记忆和插件。这些当然重要。但更值得学习的是这些组件背后的共同目标：把一个具有概率性的大模型，装进一个可控、可追踪、可恢复的确定性系统。从这个角度看，生产级 Agent 至少要完成六件事：第一，用控制平面统一身份、会话、路由和权限。第二，把工具列表升级为动

 w1345360200
2026-07-15 11:31:25

 403

 9

#oracle #数据库
手把手搭建AI数学研究环境：多模型协作实战

以Fable 5验证雅可比猜想反例为切入点，本文手把手教你搭建一套多模型协作的AI研究环境，实现推理、代码生成、符号计算的自动化流水线。

namexingyun
2026-07-21 09:40:05

 221

 8

#人工智能 #oracle #数据库 +1
岗位变化这么快，计算机专业就业真正该补的是什么？

先把这篇文章的目标说清楚：看完之后，你应该能判断这件事值不值得做，以及从哪里动手。很多计算机专业的同学现在有个误区：觉得会调 API、会用 LangChain 或 LangGraph 搭个 Agent，就算掌握了“大模型工程化”。我在面试应届生时，最常听到的回答是：“老师，我做了个基于 RAG 的客服助手，能回答问题，准确率挺高。听起来很美，对吧？但如果我追问一句：“如果用户输入‘帮我删除所有订单

 codeingg
2026-07-21 19:44:35

 161

 5

#oracle #数据库 #RAG
非结构化数据满天飞，90%的敏感数据藏在文档堆里，怎么让AI真正分得清？

非结构化数据占企业敏感数据90%以上，但长期缺乏有效管理手段。本文基于实战验证，提出"规则引擎打基础+AI引擎提准确率+双场景覆盖PC与服务器"的分类分级路径，AI识别准确率达95%以上，运营效率提升70%，帮助企业真正实现敏感数据"分得清、管得住"

数安智见
2026-07-22 09:00:00

 178

 5

#人工智能 #oracle #数据库 +2
基于扣子(Coze)从零搭建“小睿智评”作业批改智能体

《基于Coze平台的作业批改智能体开发实践》摘要本案例展示了在Coze平台构建"小睿智评"AI作业批改系统的完整流程。该系统采用大模型与智能体架构，突破传统批改局限，实现"智能批改-学情分析-数据沉淀"闭环。核心模块包含作业识别、学情诊断、报告生成、错题归档四大功能，通过双线并行工作流处理：视觉大模型精准批改后，分支一生成可视化PDF报告，分支二结构化提取

 feixuehuolong
2026-07-25 14:32:41

 262

 6

#oracle #数据库 #人工智能 +2
Agent 工具调用与记忆：为什么你的 AI 编程助手在团队协作中频频越权？

最近团队里接入 Codex 和 Claude Code 进行辅助开发，看似代码生成速度翻倍，但 Code Review 的吐槽声却越来越大。问题不在模型不够聪明，而在我们盲目信任了 Agent 的“自主性”。很多开发者在设计 Agent 时，只盯着 Prompt 怎么写能让它多写点代码，却忽略了底层的工具调用权限、记忆上下文管理以及任务规划的容错机制。当 Agent 从个人试用走向团队协作，这种架

 codeingg
2026-07-27 10:30:42

 293

 3

#人工智能 #oracle #数据库
AI编程是怎么走向应用的

AI编程从实验室走向产业落地，依赖五大关键技术突破：1.基础模型能力提升，如超长上下文窗口和推理思维链，解决代码记忆和逻辑问题；2.工程化支撑，如基于AST的代码检索增强生成，实现精准上下文提取；3.范式转移为智能体闭环，具备工具调用、自我纠错和多文件协同能力；4.IDE深度交互创新，如行内内嵌和规则对齐；5.强化学习与测试驱动优化提升代码质量。这标志着编程从语法编写转向意图表达和架构审查的新阶段

 happyness44
2026-07-25 08:57:52

 578

 13

#oracle #数据库
别信“全自动”：Agentic AI 从 Demo 到生产，死在边界控制与可观测性上

最近团队里在推 Claude Code 和 Codex 这种 Agentic 编程工具，刚开始大家挺兴奋，觉得“以后不用写 Boilerplate 了”。但跑了一周真实业务线后，我反而更焦虑了。很多开发者简历上堆满了 Agent 的 Demo，面试时侃侃而谈 LangGraph 的多智能体协作，可一旦问起“权限怎么隔离”、“日志怎么审计”、“失败怎么兜底”，基本就露馅了。我们要认清一个事实：能跑通

 技术琐事
2026-07-23 22:53:30

 310

 7

#人工智能 #oracle #数据库
为什么团队效率没提升？GraphRAG 从 Demo 到生产的“权限与日志”生死线

先把这篇文章的目标说清楚：看完之后，你应该能判断这件事值不值得做，以及从哪里动手。最近 Codex 和 Claude Code 在开发者圈子里火得一塌糊涂，很多团队开始尝试让 AI 编程工具从个人试用走向团队协作。表面上看，这似乎是生产力的飞跃，但我在几个项目的联调复盘中发现了一个尴尬的现实：代码生成得再快，一旦涉及企业关键知识库的复杂查询，系统就崩了。以前做 RAG（检索增强生成），我们头疼的是

 Java技术那些事儿
2026-07-23 10:20:18

 183

 2

#oracle #数据库 #RAG +1
cursor: pin S wait on X等待事件的处理过程

如何解决

 数据与人
2024-01-11 08:56:09

 2309

 25

#oracle #数据库
oracle 中 cursor 与refcursor及sys_refcursor的区别 (转载)

引用一、显式cursor显式是相对与隐式cursor而言的，就是有一个明确的声明的cursor。显式游标的声明类似如下（详细的语法参加plsql ref doc ）：cursor cursor_name (parameter list) is select ...游标从declare、open、fetch、close是一个完整的生命旅程。当然了一个这样的游标是可以被多

 弓永峰
2011-10-19 21:42:12

 2.3w

 2

#oracle #sql
循环执行sql语句时报 ORA-01000 maximum open cursors exceeded 超出打开游标的最大数的原因和解决方案

以下摘自百度：1.检查数据库中的 OPEN_CURSORS 参数值。 Oracle 使用 init.ora 中的初始化参数 OPEN_CURSORS 指定一个会话一次最多可以拥有的游标数。缺省值为 50。要获得数据库中 OPEN_CURSORS 参数的值，可以使用以下查询：SQL> show parameter open_cursors; NAME

jiuqijack
2017-09-13 11:10:52

 1.6w

 4

#oracle
oracle硬解析、软解析、软软解析（open_cursors）散记

无论是硬解析，软解析还是软软解析，ORACLE在解析和执行目标SQL时，始终会先去当前SESSION的PGA中寻找是否存在匹配的缓存Session Cursor.

汪仔冲冲冲
2024-01-12 15:04:14

 1880

 18

#oracle #数据库
Oracle-procedure/cursor解读

procedure系列Oracle存储过程和自定义函数Oracle-procedure解读procedure概述存储过程（ Stored Procedure ）是一组为了完成特定功能的 SQL 语句集，经编译后存储在数据库中。用户通过指定存储过程的名字并给出参数（如果该存储过程带有参数）来执行它。存储过程是由流控制和 SQL 语句书写的过程，这个过程经编译和优化后存储在数据库服务器中，应用程序使用

 小小工匠
2016-11-05 22:21:48

 2.9w

 6

#oracle