它像一个「基于 boost.asio + REST 端点的常驻服务」——对外是 HTTP / WebSocket / 各 IM 的 webhook,对内跑着一个能调工具、读写记忆、跨渠道对话的 AI Agent——只不过协程不用你手写 promise_type,内存不用你管 new/delete。 ...
[Agent Memory / 强化学习] MemPO源码学习笔记 (1) 总体 目录[Agent Memory / 强化学习] MemPO源码学习笔记 (1) 总体0x00 概要0x01 基础 & 背景1.1 用RL训练记忆系统的要点1.2 主要难点1.3 主要思路1.4 RL训练方案1.4.1 ...
图论:LCA、树的直径、树的重心、二分图与 Tarjan 缩点 目录 一、最近公共祖先(LCA) 1. 树上倍增法 2. DFS 序求 LCA(O(1) 查询) 二、树的直径 1. 两次 DFS 法 2. 树形 DP 法 三、树的重心 定义 性质 求法 四、二分图 定义与判定 二分图匹配 五、Tar ...
减碳和低碳是人类的在环境保护上的目标,碳达峰和碳中和是对应的实现策略,欧盟是最早立法和推进这一策略的经济体。来公司半年多了,做了很多相关的项目,今天把气象、功率预测、电力交易、碳足迹相关的内容整理梳理了一遍,特记录一篇笔记。本篇内容均是基于个人对业务需求理解整理而成。如有理解不到位的地方,欢迎各位老 ...
这是 Agent Memory 系列的第二篇文章。上一篇先给出了一个总体判断:Memory 是一套让 Agent 能够持续使用历史上下文的能力。 这篇只讨论一个经常出现的问题: 既然 Agent 需要从历史信息中找内容,接入向量数据库不就可以了吗? 我的答案是:向量数据库很有用,但它只解决了召回问题 ...
引言 在数字内容爆炸式增长的时代,图片和视频的水印无处不在——从版权保护标识到平台 logo,再到个人素材的临时标记。传统去水印方法(如裁剪、模糊、仿制图章)往往效果粗糙,容易留下明显痕迹。近年来,人工智能技术的成熟为去水印提供了全新的解决方案:AI 不仅能“擦除”水印,还能智能“脑补”被遮挡的内容 ...
大家已经不太问「Claude Code 是什么」「MCP 怎么安装」这种入门题,更多是下面这种让人抓头发的问题,Skill 明明装了,为什么不触发;MCP 明明注册了,为什么 Claude Code 偏不用;代码图谱接上了,结果它照着旧地图改代码;PDF Token 省下来了,图表却答错了。 这才是 ...
2026 年 9 月 10 日,DeepSeek 正式发布 **V4.1 Flash** 模型并同步执行新的 Flash 定价。官方罕见地放出狠话:经内外部多方测试,V4.1 Flash 在**性能、费用、速度、总用时**等各项指标上已**全面超越 V4 Pro**。更炸裂的是——V4 Pro 将于... ...
0 序 缘起: pytest 做单元测试 1 概述 产品介绍 定位:pytest 是一个面向 Python 的开源测试框架,主打“用最小代价写出可读性高的测试”,同时可扩展到复杂的功能测试、集成测试和端到端测试。 核心理念: 用普通 assert 表达断言,由 pytest 提供失败时的详细信息。 ...
SNI 是 TLS 协议里一个很基础的机制,但在攻防里它的意义很特殊——因为它是明文的。 一、SNI 是什么 SNI(Server Name Indication,服务器名称指示) 是 TLS 握手的扩展字段。客户端在建立 HTTPS 连接时,会在 ClientHello 里明文告诉服务器「我要访问 ...
原文:https://mp.weixin.qq.com/s/Z3355OEqzJBQvqXONxgO0g RAG往期文章推荐 RAG效果差?7个指标让你的准确率大幅提升 RAG评测完整指南:指标、测试和最佳实践 收藏!RAG核心工具大全: 7大解析工具+向量模型+数据库+检索排序 GraphRAG开 ...
动画蓝图参数屏幕调试工具 这里用到的动画蓝图基类为自定义的UBaseAnimInstance 引脚 类型 默认值 / 用法 Key FName 手动填写参数名称,不要加冒号 Value String 变量、转换结果、拼接结果或字符串常量均可 Key Color Linear Color 白色,包含自 ...
Claude Code 的 Spinner Verbs 不是模型状态码,而是一个轻量等待设计:用随机动词降低长任务等待时的死屏感。 ...
LLaMA Factory 是一款开源、低代码、一站式大语言与多模态模型微调框架,用于降低大模型的微调落地门槛。框架兼容 Qwen、LLaMA、ChatGLM、LLaVA 等上百款主流开源模型,支持增量预训练、SFT 监督微调、DPO、KTO、ORPO 等多种训练对齐方案,原生集成 LoRA、QLo... ...
当 AI 应用开始在运行时解释数据、选择工具并影响业务状态时,数据表示中的遗漏和歧义可能直接转化为行动风险。本文从退款案例出发,提出 Reality First 的观察顺序:先明确系统面对的领域现实,再讨论现实模型、数字表示以及验证反馈如何共同支撑软件的判断与行动。 ...
Apache SeaTunnel 8 月社区持续高频迭代!本月共合并 195 次提交,60 位贡献者参与贡献,新增 13 个连接器,进一步拓展数据源生态;Zeta 可观测性全面升级,动态日志、Worker 资源监控、Job 状态追踪等能力持续增强;同时,Checkpoint 恢复、CDC Schem ...
前言 数据库部署完成只是工作的起点,绝大多数DBA的日常工作集中在标准化运维管理。我是风哥,在大量项目落地过程中,很多重大业务故障并非由软件BUG引发,而是源于日常巡检缺失、参数基线漂移、表空间耗尽、长事务锁阻塞、告警日志报错长期无人处置,小隐患逐步演变为生产停机事故。风哥 itpux-com 本文 ...
建「中心」还是「平台」? 10年前在一个公司,公司里经常需要做线上活动。对开发来说,就是通过不同的活动页面进行注册、登录,之后会有一些个性化的小活动:领取小礼物、领取红包或者参加抽奖。 前端和后端疲于天天做各种换汤不换药的注册、登录。开发方式基本是把上次的代码拷贝一份,在此基础上做修改,来支撑新活动 ...
本文拆解 Spring 事务 8 大类 12 个失效场景,底层根源来自 AOP 动态代理机制。覆盖高频坑点:方法自调用、非 public 方法、异常捕获不当、受检异常不回滚、多线程事务隔离等,附带完整 Java 示例与 3 种自调用修复方案。包含事务执行流程图、记忆口诀,还有面试模拟问答,剖析传播行... ...
在推动工业场景 AI Agent 能力落地过程中,DolphinDB 选择智能问数作为具体切入点,基于 DolphinX 做了一个智能问数 Agent,尝试探索一套面向企业数据的智能问数链路应该如何构建。 ...