前几天写了一篇《百万订单的架构演化》,有人留言「期待更多细节」。想了一下,确实踩了不少坑,写成系列应该对大家有帮助,所以就有了这个「百万订单」系列。 背景 我们是做花店 SaaS 的,业务是把各个外卖平台的订单聚合到一起。花店这个行业很特殊,节日单量特别大,像情人节、七夕、母亲节,都是高峰;平时单量 ...
只有高和低两档的数字引脚,凭什么让电机转出大中小不一样的转速?同一组波形接两种驱动板、同一个占空比跑两个轮子,速度又为什么不会一样? ...
在 .NET 环境下构建工业视觉面单定位系统的技术记录 文中所有配图均为真实训练产物。 一、一个反直觉的现象 先看两张图。 第一张:模型在一张从未见过的照片上的表现。绿色框是模型的预测结果——可以看到它准确地框住了包裹上的面单。 第二张:同一个模型的训练精度曲线。请关注 mAP 一栏,它的值是 0. ...
JSON JSON是一种轻量级的数据交换格式。 易于人阅读和编写。同时也易于机器解析和生成。 restfull Api 接口中返回的数据都是json数据 结构体中的私有属性不能被json序列化 因为:结构体中的私有属性不能被json序列化,所以结构体中的属性必须是公有的。要大写。 结构体与JSON序 ...
如果你看到语文78分、数学83分,第一反应可能是数学考得更好。 但不同学科的试卷难度、平均分、分数分散程度都不一样,原始分放在一起直接比,很多时候并不靠谱。 本文想聊的是:如何用描述性统计里的Z分数来比较不同学科成绩的好坏。 1. 先看问题:不同学科的原始分为什么不能直接比? 假设某次考试里,一个学 ...
Part1 问题背景 作为一个资深的Java开发者,我深知面向对象的高级语言,语法是不用学的。需要的时候搜索就可以了,甚至可以用ChatGPT来写。 之前我做一个安全多因素校验服务。因为是临时服务,扩展性上基本没有要求,为了快速开发,我使用了之前基本没有接触过的python语言。完成基本的开发(不包 ...
Skill & MCP 推荐清单:我私藏的 AI 扩展能力工具箱 我有时候需要一些 AI 扩展能力的时候,发现让 AI 搓一个比较耗费时间和 token,网络上找半天又不知道哪个比较好用。 因此建立这个文档,欢迎大家在下面留下觉得好用的 Skill / MCP,我会基于实用性和评价更新进文档里面。废 ...
依赖理论真值的拖挂仿真算法,迁移实车后效果往往不及预期。本文介绍传感器级拖车角度感知方案,构建接近实车的感知数据链路,解决铰接角输入难题,助力拖挂仿真算法工程落地。 ...
写在前面 如今的 Agent 是在是太火爆了。各种 Agent 应用层出不穷,但是基本都是 Python 和 Typescript 为主,这里面的主要原因还是生态。但是接下来,我将用一个系列的文章来介绍一个 Kotlin 语言的 Agent 框架 —— Koog。 一、JVM 下的 Agent 开发 ...
问题描述 把 Azure App Service 扩展到 3 个实例后,WebJob 会不会也同时运行 3 份? 如果每天定时生成一份报表,会不会生成 3 份? 在门户里手动点击一次 Run,又会由哪个实例执行? 答案取决于 WebJob 的类型,不能仅根据 App Service 的实例数量判断。 ...
CompletableFuture.delayedExecutor 完全指南 从零开始,用启发式教学带你彻底搞懂"非阻塞延迟"这个利器。 每个 API 先讲清功能,再上代码,注释逐行拆解。 第一章:我们遇到了什么问题? 1.1 一个真实场景 假设你在写一个订单服务。调用第三方支付接口时,偶尔会失败。 ...
《从统计方法到大语言模型:NLP 的问题与方法演进》 导言 今天的语言模型可以续写、翻译、摘要、回答问题,也可以根据少量示例改变输出形式。回看这段历史,容易把各项研究排成一条通向大模型的直线。然而,早期论文通常只解决一个具体困难:离散词串难以泛化,循环网络难以训练,固定向量难以承载长句,或者预训练模 ...
为什么别人做的AI短片电影质感拉满,而你的AI作品却总是甩不掉那股廉价的“塑料感”? 很多AI视频领域的创作者都陷入了一个巨大的误区:以为做视频就是修改提示词,然后把剩下的工作交给AI。但实际上,你和专业创作者之间差的影视导演专业基础。 真正的高级感,源于对画面的掌控力 当普通玩家还在纠结画面里的人 ...
现场做完非接触电压测量改造,投运前总要跟标准表比对一次。人工抄表比对的问题是不好复现、不好留档,也不好看出误差随量程的分布规律。这篇笔记给一套可运行的自动标定方案:用 Python 经 Modbus RTU 读传感器读数,同时读取标准表(或手动录入标准值),做二乘(least squares)拟合得 ...
本文系统介绍了 Prompt 与 Prompt Engineering 的核心概念、方法论及实践价值,以及它们之间的关系,供参考。 ...
MQ 面试高频干货!RabbitMQ、Kafka、RocketMQ 选型深度解析,摒弃单纯参数背诵,基于业务场景推导选型方案。横向对比三大 MQ 核心能力,附带事务消息、幂等消费、消息零丢失可直接落地 Java 代码。拆解消息丢失、积压、重复消费等生产难题,附面试应答模板,掌握完整 MQ 选型方法论... ...
9 月 15 日,旧金山公司 TypeSafe AI 结束两年隐匿期,开放了一个叫 Jev 的模型。发布当天,它冲上 Hacker News 千分级热度;24 小时内,近 13% 的 Vercel 付费团队用上了它,Vercel 称这是其 AI Gateway 历史上被采纳最快的模型,超过了此前所有 ...
日常数据处理中,经常遇到需要把一批 CSV 文件汇总到一个 Excel 工作簿的场景——每个 CSV 对应一个工作表,方便统一查看和分发。Python 原生 csv 模块可以读取数据,但要逐个写入 Excel 的不同工作表,还需要额外的写入逻辑。使用 Free Spire.XLS for Pytho ...
【FHE 同态加密】我们如何实现同态加密推理(十四):为什么 RESULT=PASS 不是判据(纯 C11 · 零依赖) 关键词:同态加密 | FHE | 验证 | 可复现性 | RESULT=PASS | max|err| | SHA256 | 密文验收 | 大模型推理 导读:在同态加密推理这条链 ...
这两年想给 Web 自动化挑个工具,比以前要难了。 以前好办,无非在几个老框架里挑,挑来挑去最后无非也就 Playwright 和 Selenium 两派。现在打开任何一份工具清单,一半以上是带 AI 特性的新面孔,腾讯、微软、亚马逊都在往里挤,开源的工具,star 涨得一个比一个快,比如,腾讯 6 ...