枚蓝
码龄7年
求更新 关注
提问 私信
  • 博客：339,733
    社区：11
    339,744
    总访问量
  • 968
    原创
  • 5,691
    排名
  • 21
    粉丝
  • 2,000
    关注
IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）
IP 属地：北京市
加入CSDN时间： 2020-03-14

个人简介：致力于强化学习算法落地，推动 AI 在试错中实现自主进化能力。

博客简介：

weixin_42625070的博客

查看详细资料
个人成就
  • 获得3,646次点赞
  • 内容获得0次评论
  • 获得4,410次收藏
  • 代码片获得206次分享
创作历程
  • 897篇
    2026年
  • 1篇
    2025年
  • 1篇
    2024年
  • 145篇
    2021年
  • 11篇
    2020年
成就勋章

TA关注的专栏 0

TA关注的收藏夹 0

TA关注的社区 4

TA参与的活动 0

创作活动更多

【多重好礼】鸿蒙心迹 · 开发录原创征稿活动

鸿蒙开发者的实战经验，值得被记录。从踩坑排查到项目复盘，从工具脚本到学习笔记，每一段真实的开发经历，都是社区最宝贵的技术资产。「鸿蒙心迹 · 开发录」正式启航，不限主题、随时可写，只要是鸿蒙开发相关的真实经验都欢迎投稿。 本活动为 [HarmonyOS 7.0 创新内容共创季](https://builderx.csdn.net/activity-site/harmonyos/activity2026)双轨征文之一，与[「共创季 · 稿事节」](https://harmonyosdev.csdn.net/6a97f0de2b83d06f0ecadec5.html)深度征文互补——「稿事节」写深度技术长文，「开发录」写日常开发实战笔记。 「开发录」每月一期，12月截止，本季共三期，投稿即有机会获得京东卡、CSDN博客流量券、亿万Token、社区定制周边好礼！

126人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多

  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

手把手教你用Dify打造AI复盘智能体Hindsight

数据分析与复盘是企业提升决策质量的关键环节，但传统人工复盘往往依赖记忆，难以捕捉海量对话中的高频规律。借助大语言模型与可视化工作流，可以构建自动化的智能体会话日志分析系统。以开源平台Dify为例，通过HTTP节点接入历史数据、代码节点组装上下文、两段式LLM分析，将客服聊天记录、产品迭代日志等原始数据转化为结构化洞察与行动建议。这种智能复盘模式不仅适用于客服团队，也能迁移到产品迭代、项目管理等场景。本文深入拆解Hindsight项目的架构设计、Prompt模板、参数调优与实际踩坑经验，帮助你从零搭建一套可落
原创
博文更新于 9 小时前 ·
60 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

GPT Image 2.5提示词工程实战：6组高可用模板与设计辅助全流程

提示词工程是AI图像生成中连接语义理解与画面落地的核心技术，其原理在于通过结构化描述引导模型分配注意力权重，从而提升生成结果的稳定性和可用性。在工程实践中，掌握材质、光影、镜头与比例等关键描述组件，能显著改善产品渲染、人物肖像、场景概念及UI界面等场景的出图质量。GPT Image 2.5对提示词的敏感度远超此前版本，同一描述换序或增删限定词即可能导致输出差异巨大。围绕提示词模板、迭代三步法、负面提示词边界及批量生成效率技巧，可系统化提升AI辅助设计的首次可用率与风格一致性。
原创
博文更新于 10 小时前 ·
157 阅读 ·
0 点赞 ·
0 评论 ·
3 收藏

边缘部署实战：Model-Optimizer统一量化、剪枝与蒸馏的模型优化指南

在边缘设备上部署深度学习模型时，模型体积大、推理延迟高是最常见的痛点。量化、结构化剪枝与知识蒸馏是三大主流压缩手段，各自解决不同瓶颈：量化降低存储和带宽，剪枝减少计算量，蒸馏让小模型继承大模型能力。然而，实际操作中这三者往往需要组合使用，且工具链不统一导致实验难以复现。本文介绍Model-Optimizer这一模型优化工具的设计思路与实操配置，涵盖PTQ量化参数调优、L1通道剪枝、蒸馏温度与alpha调参、超参搜索，以及剪枝后BN重建和量化校准等关键细节，为移动端、工控机和树莓派等场景提供可落地的部署路径。
原创
博文更新于 10 小时前 ·
88 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

LLM网关路由策略：用分类器+升级模型降低API成本

大模型能力虽强，但每次请求都调LLM会带来高昂的API费用、秒级延迟和不可控的输出。为了在成本与效果之间取得平衡，业内开始引入意图分类器和升级模型（escalation model）的思路：先用极低成本的分类器对请求做意图识别，只有低置信度或高风险请求才升级到大模型，以此实现精准路由。这一机制的本质是“用确定性换成本”，在保持回答质量的同时显著降低推理开销。它特别适合LLM网关、RAG问答、Agent编排等请求量大、意图分布相对明确的场景。配合轻量的Jevlike配置格式，可灵活定义阈值、升级等级和目标路由
原创
博文更新于 10 小时前 ·
61 阅读 ·
0 点赞 ·
0 评论 ·
2 收藏

路面积水识别数据集与YOLOv8训练部署全流程

目标检测是计算机视觉中的核心任务之一，其本质是在图像中定位并分类多个目标对象。YOLO系列模型凭借端到端的密集网格回归机制，在实时检测场景中展现出独特的效率优势，特别适合处理路面积水这类形状不规则、对比度低且易受反光干扰的目标。高质量的数据集是模型训练的基础，规范的标注格式、合理的目录结构和针对性的数据增强策略，能够有效提升模型对小目标的召回能力。在智能驾驶、智慧交通与无人机巡检等应用中，路面积水识别的实时性和准确性直接关系到行车安全。从数据集构建、YOLOv8训练参数调优到TensorRT推理部署，本文分
原创
博文更新于 11 小时前 ·
191 阅读 ·
1 点赞 ·
0 评论 ·
1 收藏

C# + OpenCVSharp 人脸识别实战：摄像头实时检测与参数调优全解析

从计算机视觉的基础概念出发，OpenCV作为开源视觉库的基石，为本地图像处理与实时分析提供了强大支持。在C#开发环境中，通过OpenCVSharp封装层，开发者能够以托管代码直接调用原生OpenCV算法，实现从摄像头取帧、灰度化、级联分类器检测到人脸区域绘制的完整链路。级联分类器（CascadeClassifier）作为经典机器学习检测方法，在资源受限的工业上位机、门禁系统等场景中依然具有不可替代的价值。本文以人脸识别为落地场景，详细讲解OpenCVSharp的配置方式、Mat内存管理、detectMult
原创
博文更新于 11 小时前 ·
195 阅读 ·
0 点赞 ·
0 评论 ·
2 收藏

starnet 实战：基于 MCP 与 local-first 的 AI Agent 组网指南

AI Agent 协作常受限于框架适配与网络延迟，local-first 架构将能力保留在本地，MCP 协议则像 USB 接口一样统一工具调用规范。二者结合，通过 Node 运行时实现毫秒级响应与零 token 消耗的 Agent 互调，大幅降低多智能体系统的集成成本。在本地开发、自动化测试、跨设备协作等场景中，这种模式让不同来源的 Agent 即插即用。starnet 正是这一思路的工程实践，用 MCP 连接本地 Agent，构建可动态扩展的星型网络。
原创
博文更新于 11 小时前 ·
78 阅读 ·
0 点赞 ·
0 评论 ·
5 收藏

教师资格证照片审核全攻略：2026报名一次过审的制图与避坑指南

数字图像处理技术在现代政务系统中的应用日益深入，其中人脸检测与图像质量评估算法已成为线上报名审核的核心机制。理解这些底层技术原理，有助于用户掌握证件照制作的关键标准：从像素尺寸、文件大小到背景色值，从光线均匀度到人像占比，每一项都对应着算法层面的精确判断。在实际工程场景中，图像压缩、背景替换与清晰度保持之间存在微妙的平衡，过度美颜或压缩反而会导致特征点丢失。教师资格证报名即是一个典型应用案例，照片审核不仅关乎图像格式合规，更涉及机器视觉与人像比对技术的综合运用。本文从技术逻辑出发，结合报名系统实际运行规律，
原创
博文更新于 12 小时前 ·
229 阅读 ·
0 点赞 ·
0 评论 ·
3 收藏

AI辅助数据分析实战：从数据清洗到回归建模的高效工作流

在数据分析的实际工作中，环境配置、数据清洗、方案选择和结果解释往往比建模本身更耗费时间，形成典型的“工具内耗”。AI辅助数据分析的核心价值，在于承接高确定性的重复劳动，让人专注在方法决策和质量校验上。通过理解与规划、取数与清洗、探索与可视化、推断与解释的四段式分工，并套用目标、数据形态、约束的黄金三段式提示词，就能构建一套可复用的AI协作框架。这种工作流在实证研究中尤其有效，既能用AI完成数据体检、缺失值处理和回归建模，又能通过多轮追问和关键节点闸门守住统计严谨性。在数据看板与Agent场景中，同样需要强调
原创
博文更新于 13 小时前 ·
173 阅读 ·
1 点赞 ·
0 评论 ·
2 收藏

MCP与A2A实战：多智能体系统架构设计与实现

多智能体系统通过分而治之的架构，将复杂任务拆解为多个专业智能体协作完成。MCP协议为智能体提供标准化的工具调用能力，A2A协议则定义了智能体之间的通信与任务分发机制，两者结合解决了单智能体能力瓶颈问题。在AI辅助开发、自动化测试、分布式任务调度等场景中，多智能体架构能够显著提升系统的可扩展性与任务处理效率。通过合理的角色划分、协议统一和可观测性建设，开发者可以构建出稳定可靠的多智能体协作系统。
原创
博文更新于 昨天 05:56 ·
302 阅读 ·
2 点赞 ·
0 评论 ·
6 收藏

风筝检测数据集实战：YOLO单类别检测全流程与避坑指南

目标检测是计算机视觉的核心任务，其原理是通过边界框定位与分类实现物体识别。高质量数据集是模型训练的基础，直接影响检测精度与泛化能力。在工业质检、安防监控、自动驾驶等场景中，单类别检测常作为算法验证的起点。本文以风筝检测数据集为例，提供2260张图片、8790个标注框的VOC与YOLO双格式数据，详解从数据校验、格式转换到YOLO训练、推理的完整流程，并分享数据增强与损失函数改动的对照实验技巧，帮助开发者快速构建可靠的检测基线。
原创
博文更新于 昨天 05:32 ·
271 阅读 ·
2 点赞 ·
0 评论 ·
6 收藏

从VOC XML到YOLO：马行为识别数据集训练实战解析

在计算机视觉领域，目标检测是行为识别的基础环节，而高质量的数据集标注格式决定了模型训练的上限。PASCAL VOC XML作为经典的目标检测标注规范，通过边界框和类别标签为模型提供监督信号。实际工程中，开发者常需将VOC格式转换为YOLO训练所需的txt格式，并完成数据校验、归一化与划分。本文基于一份7112张图片的马行为识别数据集，详细讲解XML解析、格式转换、YOLOv8训练参数配置及踩坑经验，帮助读者在畜牧监控、动物行为研究等场景中快速搭建检测模型，并延伸出行为分类的实用方案。
原创
博文更新于 昨天 05:24 ·
247 阅读 ·
1 点赞 ·
0 评论 ·
5 收藏

Agent-Native架构实战：从API调用到智能体原生的范式迁移

大模型的出现让软件系统从“执行固定指令”向“理解意图并自主决策”演进，而智能体（Agent）正是承载这一能力的核心载体。在工程实践中，传统API-Native模式将协作关系“写死”，系统能力在代码上线时即定型；Agent-Native架构则将具备感知、规划、行动能力的智能体作为软件最小基本单元，通过Tool Calling、长期记忆、动态任务编排与多智能体协作，实现从“预定义流程”到“动态规划”的范式迁移。这种架构在智能客服、供应链分析、企业知识管理等场景展现出显著优势，但同时也对可控性、可观测性提出更高要
原创
博文更新于 昨天 05:14 ·
264 阅读 ·
3 点赞 ·
0 评论 ·
4 收藏

YOLOV5路面缺陷数据集格式详解：从目录结构到训练避坑全指南

在计算机视觉工程中，目标检测数据集的组织方式直接决定模型训练的成败。YOLOV5作为主流检测框架，其数据集格式要求图片与标注文件按特定目录结构存放，并以归一化坐标描述目标位置。理解这种格式的原理，不仅是复现训练的前提，更是将检测技术落地到道路巡检、缺陷识别等实际场景的基础。路面的裂缝、坑槽等病害检测高度依赖数据质量，错误的标注或目录错配轻则导致训练不收敛，重则让模型完全失效。本文从目标检测数据集的基本概念出发，系统拆解YOLOV5的目录布局、txt标注中五维归一化坐标的含义、yaml配置文件的编写规范，并针
原创
博文更新于 昨天 04:09 ·
201 阅读 ·
4 点赞 ·
0 评论 ·
6 收藏

从修仙挂机到赛博自动化：游戏外挂背后的技术架构

自动化技术早已不局限于企业级系统，从定时任务、UI自动化测试到云原生运维，核心都是“让机器代替重复人工”。在游戏世界，这一原理同样演化出完整生态：通过OCR、图像识别与控件感知界面，基于状态机与任务队列做决策，再经QQ机器人、钉钉机器人等群机器人推送每日战报——这和CI/CD流水线、RPA机器人、Ansible自动化运维背后的骨架几乎没有区别。理解这套“感知—决策—通知—兜底”架构，不仅有助于看清游戏挂机现象，也能帮普通用户在合法场景搭建自己的个人自动化Agent。本文就从修仙挂机机器人讲起，梳理自动化技术
原创
博文更新于 昨天 03:42 ·
301 阅读 ·
1 点赞 ·
0 评论 ·
8 收藏

大数据场景下Eureka服务发现性能评估与调优实践

在分布式系统架构中，服务发现是决定系统扩展性与可靠性的关键环节。从微服务到大数据集群，注册中心承担着节点注册、心跳续约与故障剔除等核心职责。面对大规模节点场景，如何准确评估注册中心的性能承载能力，成为运维与开发团队必须解决的工程问题。本文以Eureka为例，系统梳理了大数据场景下服务发现性能评估的指标体系，涵盖注册吞吐、发现QPS、续约并发、故障剔除时效等核心维度，并结合真实压测环境，展示了从指标口径定义、压测方法到瓶颈定位与参数调优的完整路径。同时对比了Eureka与ZooKeeper在一致性模型和访问模
原创
博文更新于 昨天 03:18 ·
276 阅读 ·
2 点赞 ·
0 评论 ·
5 收藏

从零开始做AI工程：环境、数据、部署、监控的完整实战路线

机器学习模型的落地应用不仅依赖算法原理，更依赖于一套完整的工程化能力。从环境配置、数据管理、模型训练到服务部署与持续监控，每个环节都存在大量隐蔽的坑。一套从零开始的AI工程实践，需要精确锁定Python与CUDA版本、利用Docker实现容器化环境、用DVC管理数据版本、借助MLflow记录实验参数，最终通过FastAPI封装模型并结合PSI数据漂移检测与灰度发布机制，保证系统长期稳定运行。理解这些工程基础，有助于开发者在真实生产环境中快速排查问题，真正实现从实验到产品的跨越。
原创
博文更新于 昨天 03:11 ·
255 阅读 ·
0 点赞 ·
0 评论 ·
6 收藏

驾驶员分心检测图像分类数据集：22,000张图像训练实践

图像分类是计算机视觉的基础任务，其核心原理是通过学习图像特征将输入映射到离散类别标签。在行为识别领域，图像分类模型常作为高效的粗筛工具，为后续时序分析或目标检测提供支撑。而高质量标注数据集是训练可靠模型的关键前提。一个规模约22,000张、覆盖驾驶员分心状态的图像分类数据集，能够帮助开发者跳过繁琐的数据采集与标注环节，直接聚焦于模型设计与训练调优。结合迁移学习、数据增强等策略，可在边缘设备上实现低延迟的驾驶员状态监测，支撑车载安全预警等真实应用落地。围绕该数据集，详细阐述从数据划分、模型训练到部署避坑的完整
原创
博文更新于 昨天 02:28 ·
295 阅读 ·
2 点赞 ·
0 评论 ·
5 收藏

Electron+FastAPI构建可控流式AI对话系统

流式AI对话系统是指支持token级实时响应、可中断、可审计的LLM交互架构，其核心在于服务端流控能力与客户端状态协同机制。传统方案常将逻辑全置于前端导致上下文丢失、流控失效和Agent能力阉割；而基于Electron主进程调度与FastAPI执行引擎协同的设计，实现了对话生命周期管理、SSE流式封装及abort信号穿透等关键技术突破。该架构保障了本地AI应用的稳定性、可维护性与生产就绪性，适用于需落地真实Agent功能的桌面级AI产品开发，尤其适合关注流式控制、对话状态一致性与跨进程资源兜底的工程实践场景
原创
博文更新于 前天 06:00 ·
240 阅读 ·
1 点赞 ·
0 评论 ·
4 收藏

PaperBanana：基于AI Agent的科研绘图自动化流程与实操指南

图像生成技术正从单点模型调用向多步骤流程编排演进，其核心在于通过结构化规划与自动检索提升生成内容的逻辑性与规范性。在科研场景中，学术配图对准确性、一致性和领域惯例要求极高，传统生成方式难以满足。AI Agent架构通过自动检索参考、规划逻辑布局、美化风格及内容纠错等环节，实现了从文本描述到规范矢量图的自动化生成。PaperBanana正是这一思路的典型实践，将科研绘图拆解为可检查、可修正的流水线，显著降低了绘图门槛与迭代成本，适用于流程图、架构图等模式化图表的快速生成。
原创
博文更新于 前天 05:28 ·
248 阅读 ·
3 点赞 ·
0 评论 ·
4 收藏
加载更多