ytrkkaa

摘要： 核心观点：比解决问题更难的，是找到真正的问题。 我们总是太急于给出答案。业务方说“系统卡”，我们立刻想“加缓存”；产品经理说“要支持千人并发”，我们马上画“微服务拆分”。但《架构漫谈》反复强调一个反直觉的真相：你所听到的需求，90%已经是别人提出的解决方案，而非问题本身。 关键洞察： 一个“慢”字背 阅读全文

摘要： 今日工作内容 课程讲解员智能体开发 设计系统提示词，要求智能体根据学生画像生成个性化讲解 后端实现画像自动注入到智能体人设中 测试不同画像下的讲解效果 习题出题官智能体 设计提示词，要求生成选择题、填空题、编程题三类题目 实现题目与答案解析的结构化输出 多智能体协同（工作流编排） 使用Vue Flo 阅读全文

摘要： 今日工作内容 学习画像模块开发 赛题要求构建不少于6个维度的动态学生画像。今天完成了核心功能： 数据库设计：创建user_profile表，包含professional_field、education_level、knowledge_base、learning_goal、weak_points、le 阅读全文

摘要： 今日工作内容 项目启动 今天正式开始MYAGENT项目的开发工作。项目目标是构建一个基于RAG技术的智能对话助手平台，用于参加“基于大模型的个性化资源生成”赛题。 技术选型与架构设计 与团队成员讨论后确定了技术栈： 前端：Vue 3 + Vite + Pinia + Vue Flow 后端：Fast 阅读全文

摘要： 核心观点：架构的本质是“切分”与“沟通”。 软件架构不是画几张分层图、选几个技术栈，它最底层的逻辑来自人类组织分工的古老智慧。当一件事情复杂到单个人无法完成时，就需要切分成若干子任务分配给不同人，这就产生了架构。 关键洞察： 架构的起点是人的能力不足。如果一个人能搞定所有事，就不需要架构。所以架构师 阅读全文

摘要： A3-基于大模型的个性化资源生成与学习多智能体系统开发 时间：2026-04-01 15:32:46 第十五届中国软件杯大赛--A组赛题 赛题名称:基于大模型的个性化资源生成与学习多智能体系统开发 组类： A组（本科、研究生、高职） 出题企业：科大讯飞股份有限公司 答疑QQ群：1072584310 阅读全文

摘要： 一、场景需求分析 在自然灾害后的应急救援、失踪人员搜索、安防巡检等场景中，时间就是生命。传统的搜救方式依赖人力在地面或空中进行目视搜索，效率低下且受限于天气和光线条件。 无人机搭载智能检测系统可以大大提升搜救效率： 一台无人机可以在几十分钟内完成数平方公里的区域搜索 智能检测算法可以24小时不间断地 阅读全文

摘要： 一、场景定义与问题描述 在城市交通管理和停车场智能化运营中，车位占用状态识别和违停行为检测是两个核心需求。传统的解决方案通常依赖地磁感应器或地面摄像头，但这些方案存在覆盖范围有限、安装维护成本高等问题。 无人机航拍提供了一种全新的视角——它可以俯瞰整个停车场，一次性获取所有车位的信息，具有覆盖范围广 阅读全文

摘要： 一、小目标检测为什么特别难？ 在深入讨论解决方案之前，有必要先精确理解"小目标检测为什么难"这一问题的本质。这不是一个简单的主观感受，而是有明确的数学和技术原因的。 原因一：特征信息量不足 在深度学习目标检测中，模型需要从图像中提取足够的语义特征来进行分类和定位。对于小目标（比如在COCO标准中定义 阅读全文

摘要： 一、目标检测算法概述 在开始选型之前，有必要回顾一下目标检测算法的发展脉络。近十年来，目标检测领域经历了从传统手工特征到深度学习、从两阶段到单阶段、从重型模型到轻量化的演进。 传统方法如Haar级联、HOG+SVM等，依赖人工设计特征，在简单场景下尚可一战，但在复杂航拍场景中，其表达能力严重不足，已 阅读全文