随笔分类 -  人工智能

一小时手搓轻量级可代替 Qdrant 的向量数据库
摘要：在 AI 应用爆发的今天，我们在做桌面端或边缘端 RAG（检索增强生成）应用时，真的需要动辄部署一套分布式的 Qdrant 或 Milvus 吗？本文将带你从 0 到 1，用纯 Go 语言在**一小时内**手写一个内嵌级的轻量化向量数据库 **GoVector**。它不仅支持 HNSW 高性能图索引，还能做到 100% 兼容 Qdrant 的 HTTP API 和 Payload 过滤！ 阅读全文
posted @ 2026-03-10 13:47 Ray Liang 阅读(188) 评论(0) 推荐(1)
彻底治愈AI“失忆”和胡说八道的真正办法
摘要：本文探讨了AI生成内容中的"幻觉"问题及其解决方案。作者通过实际案例指出，AI在信息不足时会产生看似合理但错误的回答，这一问题在大模型应用中普遍存在。研究发现，检索增强生成（RAG）技术能有效解决这一痛点，它通过检索外部知识库来增强回答的准确性。 阅读全文
posted @ 2026-03-08 18:59 Ray Liang 阅读(205) 评论(0) 推荐(0)
被低估的量化版模型，小身材也能干大事
摘要：好几天没有更新文章了，有些朋友关注这MindX项目的朋友都在问我这项目是不是停了？其实代码是一直天天更新的，但这几天一直在找人探讨->思考->重构这样的高速循环中。由其是这几天一直都是集中在对【本地量化模型的控制让其变得更能干更省钱】与【如何充分发挥云端模型能力让MindX变得更像人更聪明】这两个方向上。前者取得了一些阶段性的成果也得到了一些非常值得分享的经验，而后者就比较长篇大论了暂时不打算放到今天的文中，不过我会在后续的文章中用比较容易让人理解的方式来介绍一下的。 阅读全文
posted @ 2026-02-28 15:27 Ray Liang 阅读(259) 评论(0) 推荐(0)
概念设计在AI时代的重要性：我是这样设计仿生大脑的
摘要：这个马年我是在疯狂的设计与编码中度过的，我一点都不觉得疲累反倒是有一种极为畅快淋漓之感。作为一名技术人员最痛苦的不过于被“打断思路”， 无论是在设计还是在写代码。这种情况在做设计的时候是尤为突出的，每次有好点子想去验证如果手下有点人可以指挥一下还可以让别人去试试，没有又或者找不到适合的人就得自己上， 阅读全文
posted @ 2026-02-25 10:11 Ray Liang 阅读(257) 评论(2) 推荐(1)
Opus现实打脸GLM5“教课书“式架构
摘要：本人不是标题党因此先上图，心急的朋友可以直接看截屏中的总结部分： 故事是这样的，我在写完昨天的《顶极模型大比拼，到底谁才是真正的编程之王？》 一文后就说过一定要与Opus结对试试这个大模型在编程上的实力是不是与它做评测时说得那牛X，毕竟Opus对MindX给出的评测报告非常的忠恳，其实吧昨天没好意思 阅读全文
posted @ 2026-02-23 13:52 Ray Liang 阅读(356) 评论(1) 推荐(1)
顶极模型大比拼，到底谁才是真正的编程之王？
摘要：从过年至今貌似是我们AI圈的习惯，各大厂都趁这个时候放大招。由其是编程大模型这个方面是极为激烈，Gemini 3 pro 刚出场封神又突然遭遇GLM5的数据打脸，然后又是Seed 2.0的闪亮登场。作为20几年的技术老兵，以前都会只以一种波澜不惊的心态来看这些瓜，而且今年似乎有点不一样，可能是刚发布 阅读全文
posted @ 2026-02-22 20:49 Ray Liang 阅读(301) 评论(1) 推荐(0)
EvoMap 硬刚 OpenClaw！从基因胶囊到仿生大脑，AI 的尽头果然是生物学
摘要：从最近Evolver插件从ClawHub（OpenClaw生态平台）爆红到遭下架、勒索说起，从这个事件中我解读到其背后更深层的逻辑，以及被EvoMap的发展路径给我带来对AI应用发展的一种深思。 阅读全文
posted @ 2026-02-21 18:42 Ray Liang 阅读(2716) 评论(1) 推荐(0)
吊打OpenClaw！国产AI助理MindX开源：Token消耗砍至10%，还能养出专属数字分身
摘要：作为一名重度AI工具使用者，26年1月29日在OpenClaw爆火时我第一时间上手体验，初体验确实惊艳——能自动处理后台任务、对接海外社交工具，但这份新鲜感仅维持了两天：QWenChat羊毛薅光、单轮会话的Token用量飙升至680%，一至卡死！日常用GPT-4/Opus更是日均成本50+元，而且全 阅读全文
posted @ 2026-02-20 15:56 Ray Liang 阅读(908) 评论(5) 推荐(3)
HAAR与DLib的实时人脸检测之实现与对比
摘要：人脸检测方法有许多，比如opencv自带的人脸Haar特征分类器和dlib人脸检测方法等。 对于opencv的人脸检测方法，优点是简单，快速；存在的问题是人脸检测效果不好。正面/垂直/光线较好的人脸，该方法可以检测出来，而侧面/歪斜/光线不好的人脸，无法检测。因此，该方法不适合现场应用。而对于dli 阅读全文
posted @ 2018-11-03 13:40 Ray Liang 阅读(3506) 评论(1) 推荐(3)