程序员不用患上AI焦虑症
当ChatGPT、豆包、千问等大模型走进日常，“AI会取代人类”、“不学会用AI就会被淘汰”的声音不绝于耳，不少普通人陷入了莫名的焦虑：担心工作被替代、担心自己的努力变得毫无意义、担心在技术浪潮中被甩在身后。其实，大可不必。AI本质上只是一款更高效的工具，它既不会颠覆人与人之间的核心差距，也不会改变 ...
深度学习进阶（三）Transformer Block
在上一篇我们已经完成了多头自注意力机制的内容，并知道了它是 Transformer Block 中的一个子模块。 Transformer Block 是 Transformer 模型的核心计算单元，它不仅创造并应用了多头自注意力机制，还结合了残差学习、归一化等多门技术。 先简单概括一下 Transf ...
Prompt、Agent、Skill、MCP 到底是啥？用一家饭馆的后厨给你讲透
这两年 AI 圈的名词，更新速度简直比前端框架发版本还快：Prompt、Agent、Skill、MCP、Workflow、Memory……一个接一个往外冒。很多朋友一边看文章一边点头，心里其实已经开始犯嘀咕：这几个词到底有啥区别？是不是都在换着 法子说同一件事？本文直接借一家饭馆后厨的故事，把这几个... ...
AI价值：理性评估三维度
最近，我经常去参加一些企业的技术选型评审会。在会上，我发现了一个极其普遍且有些滑稽的现象：不管是做电商的、做SaaS的还是搞传统制造的，大家PPT里的AI规划永远指向同一个终局--“预计明年替代X个人力，降低Y%的成本”。 每当这时候，我都想按下暂停键，像个老教授一样敲敲黑板：“各位，如果咱们花大价 ...
Windows 安装 OpenClaw 记录
本文分享了在Windows 11系统下安装OpenClaw的经验。作者介绍了两种教程的配合使用方法：先按教程1安装，遇到问题时参考教程2排错。建议初学者选择有免费额度的QWen模型，并详细说明了修改配置文件和重启服务的步骤。 ...
CVPR 2026 | C²FG：用分数差异分析提高条件生成中CFG的引导
作者： vivo BlueImage Lab 摘要： 针对扩散生成中长期使用的固定 CFG scale 机制存在不合理论的假设，该工作从 score 差异随扩散时间衰减的角度首次提出了 时间自适应的指数控制函数（C²FG）。这一 training-free、plug-and-play 引导策略在 D ...
Semantic Kernel实战：微软AI编排框架的Java落地指南
前言 Semantic Kernel（SK）是微软推出的 AI 编排框架，帮助开发者将大模型能力无缝集成到现有应用中。虽然官方主推 C#，但 Java 开发者也能使用 SK 的核心功能。本文带你快速上手 Semantic Kernel Java。 一、核心概念 Kernel：AI 编排的核心，管理所 ...
分布式智能体｜A2A Agent实战
详解 A2A Agent 分布式部署：Spring AI Alibaba 整合 Nacos，从依赖配置、Agent 注册到远程调用，完整实操步骤，新手也能快速上手 ...
Trae国际版中代码审查功能初试
Trae国际版中代码审查功能初试 Trae国际版的代码审查功能依托专属代码审查智能体实现，开关操作简洁易懂，无需复杂配置。进入Trae国际版客户端后，可通过「设置 → Beta」路径找到“代码审查智能体”，点击开关即可启用或关闭该功能。代码审查智能体开关当前Trae版本,本次初试基于Trae国际版V ...
深度学习进阶（二）多头自注意力机制（Multi-Head Attention）
在第一篇中，我们已经得到了自注意力的核心公式： \[\mathrm{Attention}(\mathbf{Q},\mathbf{K},\mathbf{V})=\mathrm{softmax}\left(\frac{ \mathbf{Q}\mathbf{K}^T}{\sqrt{d_k}}\right) ...
向量数据库实战：Milvus入门与Java集成
前言 向量数据库是 RAG 系统的核心组件，负责存储和检索高维向量数据。Milvus 是最流行的开源向量数据库，支持十亿级向量检索。本文带你快速入门 Milvus，并完成 Java 集成。 一、Milvus 核心概念 Collection：向量数据的集合，类似数据库中的表 Partition：集合的 ...
windows11系统安装openclaw
官方推荐的是:WSL+ubuntu 我是直接在windows上安装，记录一下 打开powershell 如果没有安装node,则需要安装，走国内镜像下载，速度快 $ver = "24.14.1" $url = "https://npmmirror.com/mirrors/node/v$ver/nod ...
Nanobot（OpenClaw 轻量实现）的底层原理解析
本文以精简版 OpenClaw——Nanobot 为切入点，拆解其核心原理。 其本质是基于循环执行的“提示词构建 + 调用大模型 + 工具操作”的本地 Agent 架构。通过分析消息处理、上下文构建、循环决策（AgentLoop）与工具调用（Tools）等流程，揭示其运行机制。 ...
aiops初体验：让 AI 接管告警分析，这个小 Agent 到底能干啥？
最近这段时间，AIOps 这个词在技术圈里越来越常见，很多朋友都在聊：AI 到底能不能真正帮线上排障？
笔者最近抓耳挠腮的想要将运维的实际场景结合ai，做了一个小的demo，代码量不大，但把一个 AIOps Agent 的最小闭环已经串起来了。本文就和大家一起拆一拆这个项目：它的代码结构是什么、每个... ...
开源：iNeuOS_Doctor，一款基于人工智能在医疗领域的病情咨询及医学影像分析平台，例如CT\X光片\病理成像\诊断病历等
AI体征分析助手是一款基于人工智能在医疗领域的病情咨询及医学影像分析平台。系统利用先进的深度学习模型对医学影像和医疗数据进行分析和理解，为用户提供科学的初步健康筛查和分析建议。例如CT\X光片\病理成像\诊断病历等。 ...
OpenAI 官方出手：把 Codex 接进 Claude Code
codex-plugin-cc 直接把 Codex 接进 Claude Code，让你在原来的工作流里就能调用 Codex 做代码审查，或者把某个任务直接丢给 Codex 处理 ...
Spring with AI (6): 记忆保持——会话与长期记忆
本文代码： https://github.com/JunTeamCom/ai-demo/tree/release-6.0 (JDBC-MySQL版本的会话持久化) https://github.com/JunTeamCom/ai-demo/tree/release-6.1 (VectorStore- ...
AI Agent 开发实战：用LangChain4j构建你的第一个Java智能体
前言 AI Agent（智能体）是2026年最热门的技术方向之一。不同于传统的问答机器人，Agent能够自主规划任务、调用工具、记住上下文，真正实现"自主决策"。本文用 LangChain4j 带你从零构建一个 Java 智能体。 一、什么是 AI Agent？ AI Agent 是能够自主决策并执 ...
Trae国际版本中对话历史查询
Trae国际版本中对话历史查询Trae国际版本的对话历史可通过定位本地数据库文件、用专业工具打开解析的方式查询，具体操作步骤如下，结合参考信息逐步执行即可完成查询：历史对话一、定位对话历史存储路径Trae国际版的对话历史数据默认存储在本地指定路径下，具体路径为：C:\Users\用户名\AppDat ...
Prompt Engineering实战：10个让大模型输出更精准的技巧
前言 Prompt Engineering（提示词工程）是与大模型高效协作的核心技能。好的 Prompt 能让模型输出质量提升数倍。本文总结 10 个实战技巧，附代码示例，帮你立即上手。 技巧1：角色设定（Role Prompting） 给模型设定专业角色，输出质量显著提升。 // 差的写法 Str ...
