1 什么是Claude Code?Claude Code是由Anthropic开发并于2025年2月24日发布的AI编码助手。它是所谓的“受监督编码代理”的一个例子。这些工具可以在软件开发工作流程中执行相对复杂的任务,有时甚至可以自主完成。目前大多数知名的受监督编码代理都是通过IDE融入工作流程的,包括Cursor、Cline和Windsurf和GitHub Copilot。Claude Code
1 啥是文本张量表示?将一段文本使用张量表示,一般将词汇表示成向量,称作词向量,再由各个词向量按序组成矩阵形成文本表示,如:["人生", "该", "如何", "起头"]==># 每个词对应矩阵中的一个向量[[1.32, 4,32, 0,32, 5.2], [3.1, 5.43, 0.34, 3.2], [3.21, 5.32, 2, 4.32], [2.54, 7.32, 5.12, 9.
0 前言Fescar是阿里开源分布式事务中间件,以 高效 且对业务 0 侵入 方式,解决 微服务 下分布式事务问题。1 啥是微服务化带来的分布式事务问题?1.1 传统单体应用(Monolithic App)通过 3 个 Module,在同一数据源上更新数据来完成一项业务。整个业务过程的数据一致性很自然地由Spring本地事务管控开发即可。Monolithic-architecture:随业务需求和
0 前言LLMOps(Large Language Model Operations),管理和运维大语言模型 (LLM) 所涉及的实践和流程,涵盖了大型语言模型(如GPT系列)开发、部署、维护和优化的一整套实践和流程。1 目标确保高效、可扩展和安全地使用这些强大的 AI 模型来构建和运行实际应用程序。它涉及到模型训练、部署、监控、更新、安全性和合规性等方面。LLMOps(即大语言模型运维)是指。L
1 撰写文章标题指令提示词我想让您担任学术期刊编辑,我将向您提供一份手稿摘要,您将向我提供 5 个好的研究论文英文标题,并解释为什么这个标题是好的 。请将输出结果以 Markdown 表格的形式提供,表格有两列,标题为中文 。第一列给出英文标题, 第二列给出中文解释 。以下文本为摘要: 【指令后加上文章的摘要】 。2 中-英 、英-中互译指令我想让你充当一名科研类的英汉翻译, 我会向你提供一种语言
0 前言本专栏目标:能做什么?要怎么做?效果如何?本质: 多Agent实现从数据采集到可视化全流程AIGC数据应用:数据采集通过编写爬虫代码、访问数据库、读取文件、调用API等方式,采集社交媒体数据、数据库内容、文本数据、接口数据等。数据处理通过数据清洗、数据集成、数据变换、特征工程等方式,实现数据结构、数据融合、格式转换、特征提取等。数据分析对数据进行诊断、预测、关联、聚类分析,常用于问题定位、
0 学习目标掌握使用PyTorch构建神经网络的基本流程和实现过程。PyTorch是一个强大的深度学习框架,其核心工具集中在torch.nn包中。这个包依赖于自动求导(autograd)机制来定义模型并计算梯度,省去了手动编写复杂数学公式的需求。对于Java开发者来说,PyTorch的神经网络构建类似于设计一个复杂的Java类系统:你需要定义类、方法和字段,并通过循环和算法优化来处理数据和学习。构
MEC(Mobile Edge Computing,移动边缘计算),一种网络架构和计算框架,旨在将计算能力和服务推送到接近数据生成源的网络边缘(如基站、路由器、接入点等),以减少延迟、提升数据处理速度,并优化网络资源的利用。通常应用于5G网络和物联网(IoT),为低延迟、高带宽的应用提供支持。1 MEC核心概念1.1 边缘计算不同于传统云计算,MEC将数据处理和存储功能移到网络的边缘节点,而非集中
0 前言第一期 ?AI发展之快令人难以置信,毕竟就在一年前,我们还在为生成正确数量的手指而苦恼 ?。过去几年,开源模型和艺术工具迎来了关键性进展,AI 创意工具的可及性前所未有地提升,而我们可能才刚刚触及冰山一角。一起回顾 2024 年 AI & 艺术领域的重要里程碑、工具和突破,同时展望 2025 年的发展趋势。1 2024 年重大发布重点介绍在图像和视频生成等艺术创意领域的重大突破,特
0 前言Dify的一个“应用”指基于LLM构建的实际场景应用。通过创建应用,可将智能 AI 技术应用于特定的需求。它既包含了开发 AI 应用的工程范式,也包含了具体的交付物。一个应用为开发者交付:封装友好的 API,可由后端或前端应用直接调用,通过 Token 鉴权开箱即用、美观且托管的 WebApp,你可以 WebApp 的模版进行二次开发一套包含提示词工程、上下文管理、日志分析和标注的易用界面
什么是分片(Sharding)?随着数据量增长,软件应用最终会遇到内存、存储或网络资源瓶颈,导致系统整体性能和可用性下降。当现有节点无法容纳全部数据时,必须将数据迁移到更大机器(单体机)或分割成块并分布到多台机器/分片(Sharding)。分片的目标是通过将数据均匀分布到足够多的分片上,避免资源限制对数据操作性能的影响。什么是热分片问题(Hot Shard Problem)?数据分片到多个节点后,
上班,其实就是各取所需,员工出卖体力和脑力,换取金钱和经验。企业支付工资,以获取更大利润。所以一切背离这些本
0 前言Dify 社区版即开源版本,可通过以下两种方式之一部署 Dify 社区版:[Docker Compose 部署][本地源码启动]在 GitHub 上查看 Dify 社区版。1 克隆 Dify 代码仓库克隆 Dify 源代码至本地环境。git clone https://github.com/langgenius/dify.git2 启动 Dify进入 Dify 源代码的 Docker 目录
0 为啥本地部署?在本地运行 AI 模型具有以下优势:隐私:你的数据保留在你的机器上 — — 不存在共享敏感信息的风险成本: DeepSeek R1 可免费使用,无需订阅费或使用费控制:无需外部依赖即可进行微调和实验1 使用Ollama1.1 下载并运行应用程序直达官网:1.2 选择你的平台MacOS、windows直接下载,找到对应操作系统的软件到本地:点击安装即可:1.3 命令行下载指定模型如
0 你的问题,我知道!光有硬技能远不够,很多研发硬技能不错,但发展有明显天花板。影响研发职业发展走多远的核心能力有啥?技术只是打底和起步,长期职业发展看综合能力,各种软技能组合。研发常忽视或理解片面的能力:1 沟通表达1.1 啥是沟通表达?不是口头“能说”,而是能把事简洁、结构化、逻辑清晰表达:不只包括面对面口头沟通或会议沟通还包括书面沟通,把自己思考形成清晰文档。毕竟大多场景需文字达到合作、说服
0 你的问题,我知道!本文深入T型图“竖线”的立足之本:专业技术 + 技术赋能业务能力。研发在学习投入精力最多,也误区最多。某粉丝感发展遇到瓶颈,项目都会做,但觉无提升,想跳槽。于是,梳理过往经历。他觉得业务小,阻其技术发展。但细问,这系统用户量百万级,一点不小,只是淡季、旺季明显。旺季时常卡死、提交延迟。你这核心系统主程,咋看待这问题,啥优化思路?他皱眉说不出。我看他还做过重构Q:系统为啥重构?
1 配置方式Sentinel提供如下的配置方式:JVM -D 参数方式properties 文件方式(1.7.0 版本开始支持)project.name 参数只能通过 JVM -D 参数方式配置(since 1.8.0 取消该限制),其它参数支持所有的配置方式。优先级顺序:JVM -D 参数的优先级最高。若 properties 和 JVM 参数中有相同项的配置,以 JVM 参数配置的为准。用户可
0 你的问题,我知道!总忙,效果却不好和他人合作不畅理解职场中的事,是为先看全景、先看环境,让忙碌有的放矢。而理解职场中的人,是因理解协作伙伴的角色和诉求,才能高效、和谐地推进合作。无论干啥,别急上手干,先看全景。1 职场那些事他,靠谱技术人,大厂跳槽到一家中型企,带10人团队。入职后发现很多问题,如:系统架构很多隐患员工工作效率不高沟通意识薄弱他就想逆转当下,很多时间处理系统问题,手把手带小伙伴
0 你的困惑,我知道!我现在职业发展到哪步了?再往前走,我还得往哪努力?如想转岗,有啥困难?技术飞速发展,经常岗位消失、岗位融合、轮岗调岗,咋办?慌张来源无法及时认清自己位置!本文跳进不同技术角色,看职业发展路径和能力要求差异。让你:对未来有更清晰认知减少迷茫在别人的路径中找到适合自己的路1 研发规划研发细分前端、客户端、后端、算法等。1.1 趋势都是:向上靠近产品、业务的业务研发向下沉,做专业技
事故为宣传新品,我们开发了一个小程序,按照之前评估的访问量,这次活动预计参与用户量 30W+,TPS(每秒事务处理量)最高 3000 左右。这个结果来自我对接口做的微基准性能测试。我习惯使用 ab 工具(通过 yum -y install httpd-tools 可以快速安装)在另一台机器上对 http 请求接口进行测试。设置 -n 请求数 /-c 并发用户数来模拟线上的峰值请求,再通过 TPS、
0 前言开始Java编程性能优化。从String优化讲起。String 对象是我们使用最频繁的一个对象类型,但它的性能问题却是最容易被忽略的。String 对象作为 Java 语言中重要的数据类型,是内存中占据空间最大的一个对象。高效地使用字符串,可以提升系统的整体性能。两个对象是否相等?代码如下:String str1= "abc"; String str2= new String("abc"
0 前言面对日渐复杂的系统,制定合理的性能测试,可以提前发现性能瓶颈,然后有针对性地制定调优策略。即“测试 - 分析 - 调优”。咋制定系统的性能调优策略呢?1 性能测试攻略性能测试是提前发现性能瓶颈,保障系统性能稳定的必要措施。下面我先给你介绍两种常用的测试方法,帮助你从点到面地测试系统性能。1.1 微基准性能测试微基准性能测试可精准定位到某模块或某方法的性能问题,适合做一个功能模块或一个方法在
0 前言如今,软件服务可以由多个微服务组成,共同维护系统的 "状态"。在分布式软件设计中,最常见的挑战之一就是保持一致性。当构成整体服务的不同服务与系统状态不一致时,不一致的系统会引发各种问题。1 示例试想一下,在一个电子商务网站中,当客户下订单时,我们必须更新订单表以记录下的订单,更新奖励表以记录获得的奖励积分。在上述单体架构中,这很简单。启动一个事务,更新必要的表,然后提交事务。如果出现任何问
5 工作流程5.1 用户引导工作流程从前端到后端前端向 API 网关发送 POST /users/register 请求API 网关会将请求转发给用户服务用户服务到 KYC 服务用户服务向 KYC 服务发送 POST /kyc/verify 请求,以验证用户身份KYC 服务处理申请并在其数据库中更新状态事件发布用户注册成功后,用户服务会向 Kafka 发布 user.created 事件。事件消费
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!作者简介:魔都架构师,多家大厂后端一线研发经验,在分布式系统设计、数据平台架构和AI应用开发等领域都有丰富实践经验。各大技术社区头部专家博主。具有丰富的引领团队经验,深厚业务架构和解决方案的积累。负责:中央/分销预订系统性能优化活动&券等营销中台建设交易平台及数据中台等架构和开发设计车联网核心平台-物联网连接平台、大数据平
基于微服务的支付钱包架构设计:专栏重点仅限于理解这些不同系统架构的架构、数据和控制流,欢迎加我好友一起交流学习。1 聚焦架构:基于微服务的架构基于微服务的架构具有模块性、可扩展性和灵活性,非常适合设计像 Google Pay 这样的支付钱包。对于支付钱包系统,微服务架构可无缝处理大量交易、与第三方系统集成并持续部署更新。2 支付钱包的主要功能像 Google Pay 这样的支付钱包通常支持用户引导
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号