摘要：本文介绍了一个基于YOLO算法的鱼苗检测系统，主要用于观赏鱼养殖和水产育苗场景中的鱼苗状态监测。系统包含用户登录、注册、多模态检测（图片/视频/摄像头）、结果保存和模型切换等功能模块，支持语音播报和数据导出。技术栈采用Python 3.10、PyQt5、SQLite和多种YOLO模型（v5/v... ...

PPO微调本质是“行为选择”而非“知识学习”：它不教模型新能力，而是通过奖励信号与KL约束，在已有能力空间中重校输出概率分布，对齐人类偏好。核心只更新Policy，Reward引导方向，KL保障安全，专治风格、安全、边界问题。 ...

本文详细介绍通义深度搜索的操作指南，含应用开通，应用管理，应用配置，场景选择，检索配置，应用测试，应用发布，联系我们等。 ...

Agent Skills 不仅仅是个技术概念，更是一种新的工作方式。你可以把它融入到自己的日常工作中，比如把重复的任务封装成技能、把团队的最佳实践固化成技能，让 AI 真正成为你的得力助手。 ...

RAG项目常败在文档切分：切得过小导致语义断裂，固定长度破坏表格/列表/步骤等关键结构。真正决定效果的，不是模型或向量库，而是chunk是否具备“语义完整性”——能否独立支撑答案。切分应以“生成可用性”为第一标准，而非检索便利性。 ...

本文介绍如何通过Java SDK获取已创建的Collection的状态和Schema信息。 前提条件 已创建Cluster 已获得API-KEY 已安装最新版SDK 接口定义 Java // class DashVectorClient public Response<CollectionMeta> ...

RAG并非万能，默认滥用反致系统复杂、效果难测。它仅解决“信息获取”，不提升模型能力。最适合四类场景：动态知识更新、需答案溯源、长尾问题密集、需求尚不明确。慎用于强推理、隐性经验、高实时性及高确定性要求场景。核心判断：问题是“找不到信息”，还是“不会处理信息”？ ...

本文介绍了基于YOLO系列算法的无人机检测系统开发。系统支持图片、视频及实时摄像头检测，具备多模型切换、结果保存与导出、用户管理等功能。通过对比YOLOv5/v8/v11/v12模型性能，发现YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统采用PyQt5界面，... ...

RAG效果差，往往错不在模型，而在检索环节：切分不当、检索不相关、TopK过载、缺乏Rerank等。本文揭示RAG本质是“自然语言检索系统”，80%问题源于数据组织与检索质量，而非模型能力。重拾工程思维，先夯实检索，再谈生成。 ...

随着 AI 应用进入规模化阶段，时序模型的挑战，正逐步从算法本身，扩展到数据与基础设施层面。 训练越来越重、数据越来越多、部署越来越复杂—— 你是否也在思考： ❓时序模型训练，如何摆脱数据准备与 I/O 瓶颈？ ❓多个模型版本，如何统一管理、部署与复用？ ❓从模型训练到线上应用，如何真正跑在一个稳定 ...

微调不是“温和调教”，而是将敏感信息固化进模型参数的风险交换过程。它会放大偶然数据中的隐私隐患，导致过拟合式泄露、隐式模式记忆与不可撤回的记忆固化。安全边界模糊，内部使用反而更易触发风险。真正可控的路径：先RAG，再小步微调，始终以风险而非效果为决策核心。 ...

写在前面 你是不是也遇到过这种情况：昨天用 Claude Code 写了一段复杂业务逻辑，今天重新打开项目，AI 助手却像失忆了一样，完全不记得你们讨论过什么，只能从头再解释一遍？ 这个痛点，Claude-Mem 给出了解决方案——一个专为 Claude Code 打造的持久化记忆系统，让 AI 助 ...

此分类用于记录吴恩达深度学习课程的学习笔记。 课程相关信息链接如下： 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai github课程资料，含课件与笔记:吴恩达深度学习教学资料 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案 本篇为第五课的第二周内容，2.2、2. ...

当前，生成式人工智能大模型快速普及，其安全可控性直接关系国家安全、社会公共利益及公民合法权益。根据国家互联网信息办公室等七部门联合发布的《生成式人工智能服务管理暂行办法》（国家互联网信息办公室令第15号）第十七条明确要求，“提供具有舆论属性或者社会动员能力的生成式人工智能服务的，应当按照国家有关规定 ...

在當代軟體工程與商業分析日益複雜的背景下，將自然語言描述轉化為標準化、專業級圖形模型，已成為提升團隊效率與減少誤解的核心需求。視覺圖譜（Visual Paradigm）於2026年推出的AI圖形生成器，不僅整合於其桌面版與線上平台（online.visual-paradigm.com），更透過專屬A ...

在 AI 模型不断发展升级的背景下，Claude 4.5 系列带来了 Sonnet、Opus 和 Haiku 三款子模型，每个模型都有其独特的优势和适用场景。尤其是 Opus 4.5，它以其强大的推理能力和响应速度在复杂任务中脱颖而出。 但对于脚本创作者来说，如何在 推理精度 与 响应速度 之间找到 ...

目录MCP 是什么Dify 作为 Client：调用外部 MCP 工具搭建 MCP 天气服务端在 Dify 中接入“天气感知”能力Dify 作为 Server：被外部应用调用搭建“翻译专家”工作流启用 MCP 服务在外部 AI 应用中调用 在之前的博客中已经介绍了 MCP 的概念，以及在 LangC ...

中国智能体应用的行业全貌，核心逻辑是 “基础治理缺失制约落地，技术 + 方法论双轮驱动破局”，以下是分层解读：行业现状：“热市场” 与 “冷落地” 的矛盾突出市场热度高：涌入智能体领域的厂商数量庞大，反映出行业对智能体的商业化潜力预期较高。 落地成效差：大多数企业的智能体应用未能有效落地，暴露出技术 ...

本文介绍了一套基于YOLO系列算法的太阳能电池板缺陷检测系统。该系统支持多模态输入（图片/视频/实时摄像头），具备用户管理、多模型切换、检测结果可视化与保存等功能。技术栈采用Python3.10+PyQt5+SQLite，核心对比了YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型性能... ...

大家好，我是六哥。 Claude Skills 我也是上周一才知道有这么个东西，具体是什么完全没概念，想想还是自己知道的太晚了。 但说实话，这玩意成功的引起了我的好奇心，所以就有了这篇文章！ 没有所谓的方法论和废话，下面我们直接开始。 一、什么是 Claude Skills？ Claude Skil ...