0 前言使用 JDK、扩展和构建工具设置 Java 开发环境本指南将帮助您配置 Cursor 进行 Java 开发，包括设置 JDK、安装必要的扩展、调试、运行 Java 应用程序，以及集成 Maven 和 Gradle 等构建工具。它还涵盖了类似于 IntelliJ 或 VS Code 的工作流功能。确保已安装最新版Cursor。1 Java 安装PC安装 Java。Cursor 不附带 Jav
0 前言Kimi K2 的大型语言模型近期在科技圈引起了不小的轰动。我天朝AI公司 Moonshot AI 开发，这家公司背后有阿里巴巴支持。Kimi K2 发布被不少人视作另一个 DeepSeek 时刻。和 DeepSeek 一样，Kimi K2 也是开源权重的模型，也就是说，它的训练参数可以免费下载和自定义使用。而且同样地，它在多个测试中展现出超越主流模型的性能。1 K2咋工作的？Kimi 采
“上下文工程”（Context Engineering）是指构建动态系统，能够以合适的格式提供正确的信息和工具，从而让大语言模型（LLM）有可能完成任务。大多数情况下，当一个智能代理表现不稳定或失败，其根本原因往往是模型没有接收到适当的上下文、指令或工具。LLM 应用正从简单的单次提示（prompt）演变为更加复杂和动态的智能代理系统。因此，“上下文工程”正逐渐成为 AI 工程师最重要的一项技能。
0 前言Qwen3-Coder2025年7月22日正式发布 Qwen3-Coder，qwen迄今最具代理能力的代码模型。Qwen3-Coder 有多个尺寸，但迫不及待给大家提供当前最强大版本，Qwen3-Coder-480B-A35B-Instruct，总参数量 480B，激活 35B 的 MoE 模型，原生支持 256K token 的上下文并可通过 YaRN 扩展到 1M token，卓越代码
1 简介可视化方式很多，如：Atlas、DataDog、Ganglia...，详情参阅：https://micrometer.io/docs主流的就是 Spring Boot Admin（中小公司简单系统） 及 Prometheus+Grafana（复杂系统） 两种方案。2 Spring Boot Admin2.1 简介为Spring Boot量身打造的一个简单易用的监控数据管理工具GitHub
TL;DR智能体需要上下文才能执行任务。而“上下文工程”就是在每一步的执行中，为智能体填充恰当的信息到其上下文窗口的技术与艺术。本文通过分析一些主流智能体产品和论文，总结出上下文工程的四种常见策略：写入、选择、压缩、隔离，并介绍了 LangGraph 如何支持这些策略。我们也制作了关于上下文工程的视频，点击观看 *这里* 常见的上下文工程类型什么是上下文工程正如 Andrej Karpathy 所
0 前言Grok 4 是目前全球最智能的模型。原生支持工具使用和实时搜索集成，向 SuperGrok 和 Premium+ 用户开放，也可通过 xAI API 使用。还推出新的 SuperGrok Heavy 订阅层级，提供对 Grok 4 Heavy 的访问权限——Grok 4 最强大版。试用 SuperGrok 访问 API1 强化学习的扩展在 Grok 3 中，我们将下一个词预测的预训练规
Dify 1.5.0 通过记录每个节点的执行结果和实时追踪变量，让调试工作流程不再依赖猜测。开发者现在可以即时测试单个步骤，无需高成本重跑或手动输入，从“盲试”走向精准调试。构建 AI 应用意味着处理复杂的逻辑链。你的工作流程可能从知识检索节点开始，调用实时数据工具，经过多个大语言模型（LLM）节点推理，最终由模板节点整合生成输出。虽然功能强大，但调试这些流程却很困难。当最终结果偏离预期时，关键问
0 前言Kimi K2 是我们最新发布的MoE，激活参数达 320 亿，总参数量高达 1 万亿。在前沿知识、数学与编程任务中，Kimi K2 在“非思维模型”类别中表现优异，达到当前最先进水平。但这还不是全部 —— Kimi K2 针对“智能体任务”进行了精心优化，它不仅能回答问题，更能执行任务。本次开源：Kimi-K2-Base：基础模型，适合研究人员和开发者微调和定制Kimi-K2-Instr
AI 应用正迅速从简单对话迈向更复杂的任务执行。为了高效运作，智能体（Agent）需要访问外部数据、API、日历和代码库。过去，这通常意味着要编写大量自定义的“胶水代码”，成本高难扩展。MCP标准化了 AI 智能体发现和使用外部服务的方式。此前版本用 MCP 工具须通过插件调用。而Dify 1.6.0d的MCP 支持已实现内置双向集成：可以直接从 Dify 调用任何 MCP 服务。也可以将你自己的
LM Studio 发布了 0.3.17 版本，引入了对 Model Context Protocol（MCP，模型上下文协议）的支持，这是推动语言模型访问外部工具和数据源的重要一步。MCP 最初由 Anthropic 开发，它定义了一种标准化接口，让大型语言模型能够连接到 GitHub、Notion、Stripe 等服务，从而实现更强大的上下文推理能力。此次更新使得 LM Studio 成为了一
1 为啥要序列化？网络传输的数据须是二进制数据，但调用方请求的出入参都是对象：对象不能直接在网络传输，需提前转成可传输的二进制，且要求可逆，即“序列化”将对象转换成二进制数据这时，服务提供方就能正确从二进制数据中分割出不同请求，同时根据请求类型和序列化类型，把二进制的消息体逆向还原成请求对象，即“反序列化”将二进制转换为对象序列化与反序列化：RPC框架为何需序列化？RPC通信流程2 序列化方式2.
本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！? 魔都架构师 | 全网30W技术追随者? 大厂分布式系统/数据中台实战专家? 主导交易系统百万级流量调优 & 车联网平台架构? AIGC应用开发先行者 | 区块链落地实践者? 以技术驱动创新，我们的征途是改变世界！? 实战干货：编程严选网2 可信执行环境Trusted Execution Environment，TEE。
1 联合建模（Joint Modeling）1.1 定义多个参与方共同训练一个机器学习模型，但各自的数据不离开本地。1.2 类比理解就像几个医生一起研究某种疾病的治疗方案，但每位医生只分享“经验总结”（如模型参数），而不透露具体的病人信息。1.3 实际应用多家保险公司想共同训练一个新能源汽车保险风险评估模型，但每家都只能用自己的客户数据联合建模可以让大家共享模型能力，而不用把原始数据交给别人1.4
0 前言很多刚接触这个技术栈的同学，可能会觉得有点绕。MQTT 负责传输，Protobuf 负责定义数据结构，听起来是天作之合，但具体到代码层，咋写最“哇塞”？本文以车联网（V2X）场景为例，把这个事儿聊透，让你不仅知其然，更知其所以然。咱们的案例原型就是这段非常1 典型的 .proto 文件syntax = "proto3"; option java_multiple_files = true;
本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！? 魔都架构师 | 全网30W技术追随者? 大厂分布式系统/数据中台实战专家? 主导交易系统百万级流量调优 & 车联网平台架构? AIGC应用开发先行者 | 区块链落地实践者? 以技术驱动创新，我们的征途是改变世界！? 实战干货：编程严选网0 ? 注意事项由于近期法律变化，某些服务的数据保留政策可能受到影响，详见官方博客说
PA 2 是一款世界模型，能够在物理世界中实现先进的视觉理解与预测能力。它还支持在零样本情况下进行机器人任务规划，能应对陌生物体和新环境。V-JEPA 2 是我们迈向「高级机器智能（AMI）」的重要一步，目标是打造能在现实世界中运行的有用 AI 代理。我们还发布了三个新基准测试，用于评估模型从视频中推理物理世界的能力。今天我们正式发布 V-JEPA 2 —— 这是首个通过视频训练的世界模型，在视觉
本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！? 魔都架构师 | 全网30W技术追随者? 大厂分布式系统/数据中台实战专家? 主导交易系统百万级流量调优 & 车联网平台架构? AIGC应用开发先行者 | 区块链落地实践者? 以技术驱动创新，我们的征途是改变世界！? 实战干货：编程严选网0 前言Google展望的未来：智能体不仅是工具，更是解决复杂挑战、优化工作流、释放
本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！? 魔都架构师 | 全网30W技术追随者? 大厂分布式系统/数据中台实战专家? 主导交易系统百万级流量调优 & 车联网平台架构? AIGC应用开发先行者 | 区块链落地实践者? 以技术驱动创新，我们的征途是改变世界！? 实战干货：编程严选网0 前言上周Java 新闻回顾重点：JDK 25进入Rampdown第一阶段、JDK
0 前言不是未来，也不是理论——这一切正在发生。相信很多前端切图仔曾经花好几个小时写 UI，拼接组件，追求像素级的完美布局。直到最近发现一种全新的方式，彻底颠覆了切图仔们对应用开发的认知：你不再需要前端，而是需要一个能成为你前端的 AI。1 API 不再只是端点，而是 AI 的接口不论你开发的是网页、移动端还是桌面应用，这些应用的核心都是通过内部和外部 API运行的。内部 API 负责处理你的应用
0 前言Perplexity推出全新功能 Labs，专为 Pro 订阅用户设计，旨在支持更复杂的任务，功能超越了传统的问答服务。这一重大更新标志着 Perplexity 从以搜索为核心的交互模式，转向由生成式 AI 驱动的结构化、多步骤工作流。1 交互模式Perplexity Labs 让用户可在一个统一界面完成多种任务，包括生成报告、分析数据、编写和执行代码、构建轻量级网页应用等。用户可以通网页
0 前言上文介绍咋用 MCP 插件让 Dify 充当客户端 ，并利用外部 MCP 服务器工具如 Zapier 的 7,000 多个集成。得益Dify模块化设计和灵活插件系统，它不仅限于客户端。Dify 还可轻松用作 MCP 服务器，让你与其他兼容系统共享你构建的 AI 应用程序，以实现更广泛用途。1 MCP 服务器插件：将 Dify 连接到 MCP 客户端mcp-server 插件由 Dify 社
本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！? 魔都架构师 | 全网30W技术追随者? 大厂分布式系统/数据中台实战专家? 主导交易系统百万级流量调优 & 车联网平台架构? AIGC应用开发先行者 | 区块链落地实践者? 以技术驱动创新，我们的征途是改变世界！? 实战干货：编程严选网1 在手机上分享密码Chrome 中可用于分享密码的模块。该模块旁边有一个二维码，可
0 业务痛点标准搜索查询通常会因复杂问题而失效。学术论文、市场分析或代码调试，要找到完整答案通常需拼凑数十个单独搜索。这正是深度研究的用武之地——它能够直面这一日常挑战。Google Gemini、ChatGPT 和 DeepSeek-R1 等领先 AI 平台已提供这项强大功能。深度研究凭借其智能反馈循环脱颖而出：它能够识别知识缺口，锁定特定问题，进行系统性探索，并提供全面的报告。不同于传统的碎片
0 前言Dify Workflow 因其用户友好的设置和强大的功能而广受欢迎。然而，之前的版本以串行方式执行各个步骤，等待每个节点完成后再转到下一个节点。虽提供清晰结构，但这会降低复杂任务的处理速度，增加延迟和响应时间。Dify v0.8.0 通过引入并行处理功能解决了这些限制。Workflow 现在可以并发执行多个分支，从而能够同时处理不同的任务。这显著提高了执行效率，使 LLM 应用程序能够更
我们正在发布 GPT‑4.5 的研究预览版 —— 这是我们目前为止最强大的聊天模型，现已面向全球的专业用户和开发者开放。GPT‑4.5 在预训练和后训练规模上迈出了新的一步。通过扩大无监督学习规模，GPT‑4.5 提升了识别模式、建立联系和生成有创意见解的能力，但它并不会进行推理。早期测试显示，GPT‑4.5 的互动体验更加自然。它拥有更广的知识基础、更强的理解用户意图的能力以及更高的“情商”，在
Google最新开源的生成式人工智能模型 Gemma 3，具备视觉-语言理解、长上下文处理能力，以及更强的多语言支持能力。一篇博客文章中，Google DeepMind 和 AI Studio 团队介绍了 Gemma 3 的新特性。该模型还带来了 KV-cache 内存优化、新的分词器，并在性能与图像编码分辨率方面实现了提升。Gemma 3 技术报告总结了上述新功能和能力。新的视觉-语言理解能力体
1 概述Drools，一种商业规则管理系统 (BRMS) 解决方案。提供一个规则引擎，该引擎处理事实并产生输出，作为规则和事实处理的结果。业务逻辑集中化，使变更快且成本低。提供一种易于理解的格式，来编写规则，弥合业务和技术团队之间差距。2 POM依赖添加依赖：<dependency> <groupId>org.kie</groupId> <
0 前言Claude 一边处理多个任务的插图：Anthropic今天正式推出Claude模型新一代产品：Claude Opus 4 和 Claude Sonnet 4，编程能力、高阶推理以及AI智能体应用方面设立全新标准：Claude Opus 4是目前全球最强编程模型，在复杂且持续运行的任务和智能体流程中表现尤为突出Claude Sonnet 4则在Sonnet 3.7基础上一次重大升级，更精准
本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！? 魔都架构师 | 全网30W技术追随者? 大厂分布式系统/数据中台实战专家? 主导交易系统百万级流量调优 & 车联网平台架构? AIGC应用开发先行者 | 区块链落地实践者? 以技术驱动创新，我们的征途是改变世界！? 实战干货：编程严选网在当今快速发展的技术环境中，确保应用程序在投入生产前达到高可用性、安全性和可靠性标准
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
