上网的时候，感觉各个网站的垃圾广告真是铺天盖地，以前都忍了，后来发现现在的广告真是变本加厉，低俗内容先不说，光是那一个页面能弹出个十几个一样的内容，即没创意也没新意，实在看着恶心。以前没怎么关注这方面的内容，今天做下总结干掉这些垃圾广告。 先说传统的互联广告公司，什么baidu,360,这个好处理， ...

本文详解了已知内参下的对极几何问题，推导了本质矩阵的8点线性算法与基于Sampson误差的非线性优化方法，并提供了完整的C++实现与评估代码。 ...

今天想聊一个我觉得方向很对的项目——OpenCowork。 如果你一直在用 Claude Code、Codex、Cursor 这类 AI 工具，你大概率会有一个共同感受：它们对开发者个人来说很好用，但一旦你想把这套能力变成“团队都能消费的生产力”，事情马上就复杂了。 命令行、模型配置、工具权限、自动 ...

反向传播是AI自我纠错的核心机制。当AI犯错时，它像追究一碗咸汤的责任一样，从最终错误出发，由后向前逐层倒推，精准计算每个神经元的“责任大小”。这种定向问责让机器告别盲目，明确知道错在哪并做出改正。 ...

前几天发现了一个好玩的Agent，**MiniMax** 公司推出的一个 **AI Agent（智能体）创建和应用平台**。本着试一试，却让我眼前一亮； ...

1. 背景 最近一直在做ToG的项目，其中用到了语义检索，研发环境使用A40和vllm，即可轻松部署Qwen3-Embedding-8B，但客户环境要求国产化环境，因此探索Qwen3-Embedding-8B如何在国产化环境部署。 实不相瞒，本来以为仅需半天搞定的事情，我居然耗费了3天半的时间(汗颜 ...

在上一篇中，我们介绍了 PCA ，其通过寻找方差最大的方向来压缩数据维度，在保留主要信息结构的同时减少计算量。 同时，我们也提到，PCA 是数据分析和机器学习领域中一种通用的高维数据降维方法，高光谱成像只是它的一个典型应用场景。 但正如神经网络从最初的前馈网络逐渐发展出针对图像数据的卷积网络以及针对 ...

在 CentOS 7 上安装部署 OpenClaw（一个开源的《百战天虫》（Worms）风格游戏，基于 Java 编写）需要完成以下步骤。由于 OpenClaw 是用 Java 编写的，主要依赖 Java 运行环境和一些图形/音频库。 一、系统准备 确保你的 CentOS 7 系统是最新的： sud ...

在讨论图像压缩时，我们经常会同时听到： JPEG JPEG Baseline JPEG Extended JPEG-LS JPEG2000 很多资料容易把它们混在一起，仿佛它们只是“同一种 JPEG 的不同版本”。 实际上，它们属于 JPEG 组织发布的不同压缩体系，底层算法思想差异很大。 下面用一 ...

在 Win10 闲置笔记本 + WSL2 Ubuntu 24.04 上完成 OpenClaw 全量部署 解决了 4 个 WSL 环境特有的致命问题：环境变量死锁、systemd 版本隔离、Provider 注册表配置、OAuth 回调穿透 最终实现飞书+Telegram 双通道、DeepSeek+G... ...

随着 AI Agent 技术的发展，越来越多工具开始尝试让 AI 自动执行复杂任务。不过，目前大多数 Agent（例如 Cursor、Claude Code 等）主要集中在 编程开发场景，普通用户使用门槛依然比较高。 最近，我们在 BitFun 开源项目中发布了一个新的能力 —— CoWork 模... ...

后端实现了流式输出，前端却不知道怎么接？本文详细讲解三种主流的前端接收方式：原生EventSource、fetch流式读取、微软fetch-event-source库，并对比优缺点。同时总结了前端最容易翻车的五个大坑（CORS、数据格式、重连、兼容性、内存泄漏），附带进阶打字机体验技巧，让你轻松实现... ...

很多人第一次认真做大模型应用，都会遇到一个相似的时刻。 你把需求写得很完整：背景、目标、约束、参考材料，一条不落。结果模型的回答却开始变得奇怪： 有些关键点被忽略，有些结论前后打架，有些地方甚至像“没看到你的输入”。 直觉上我们会觉得：是不是 Prompt 还不够清楚？ 但在不少场景里，真正的问题不 ...

RANSAC（Random Sample Consensus）是一种鲁棒的参数估计方法，特别适用于数据中包含大量离群点（outliers）的场景。其核心思想是通过反复随机采样一小部分数据来生成候选模型，然后评估该模型支持的内点数量，最终选择内点最多的模型。下面给出RANSAC的数学推导，涵盖迭代次数... ...

CVE-2024-47072 栈溢出DOS i. 审计过程 首先了解Token，这是Xstream自己定义的黑话 TYPE_START_NODE = 3：开始标签。相当于 XML 里的 <name>。 TYPE_END_NODE = 4：结束标签。相当于 XML 里的 </name>。 TYPE_A ...

在日常Redis运维中，你是否遇到过这些需求？ • 自建Redis迁移到云平台，担心数据丢失、迁移中断； • 需搭建异地灾备，实现主从同步或双向同步； • Redis版本升级，想平滑迁移数据不影响业务； • 备份RDB文件、解析RDB内容，快速排查数据问题。 今天给大家推荐一款阿里云开源的Redis ...

Java 面试 & 后端通用面试指南（Github 收获155+k Star，共有 600+ 位贡献者共同参与维护和完善）：javaguide.cn。 先说结论：可以是可以，但要看具体场景。和专业的消息队列（如 Kafka、RabbitMQ）相比，还是有一些欠缺的地方。 正式开始介绍之前，我们先来看 ...

AI结对编程的工程化实践与Mock-First架构探索 本文分享了作者使用国内大模型进行MindX设计开发的失败经历，揭示了"上下文腐烂"导致AI跑偏的核心问题。通过三次失败尝试，总结出关键经验：Spec编程易受上下文限制，系统级错误往往在后期才暴露。进而提出创新的Mock-First架构方法 ...

实际开发中应用细节 #{}和${}的区别？ ‘#{}’：先编译sql语句，再给占位符传值，底层是PreparedStatement实现，可以防止sql注入，比较常用。 ‘#{}’传来的字符串类型的数据会自带单引号，比如：user_name=#{name} 会编译为 user_name=‘张三’ ${ ...

LangChain 读取 PDF 文档 本文是 refine-rag 系列教程的第四篇，深入讲解如何使用多种方案处理 PDF 文档。 目录 前言 环境准备 方案一：PyPDF（轻量快速） 方案二：PyMuPDF（功能强大） 方案三：Unstructured（智能解析） 方案四：父子文档结构解析 方案 ...