AI应用开发学习路线---“先入门、重实践、快速见效”
“先入门、重实践、快速见效” 的AI应用开发学习路线。我们的核心思想是：“先知其然，快速做出东西；再知其所以然，逐步深入优化。” 这条路线分为三个清晰的阶段，让你像爬楼梯一样，一步步从入门到精通。 核心心态准备 目标驱动：每个阶段都要以做出一个具体、可见的“小项目”为目标。 接受“黑盒”：初期不必纠 ...
【URP】Unity[后处理]景深DepthOfField
Unity URP中的景深(Depth of Field)是一种模拟真实相机光学特性的后处理效果，通过模糊近处或远处的物体来突出焦点区域，增强画面层次感和真实感。其发展经历了从Built-in管线的基 ...
ASP.NET Core 制作一个低资源占用的支持超大文件表单上传的服务
故事的背景是我准备制作一个签名服务，为打包构建之后的产物文件进行签名和对其内容信息进行扫描。在这个过程里面，我需要搭建一个 ASP.NET Core 服务，这个服务要能承载客户端上传的超大文件表单，且预算有限，此服务占用资源要足够低 ...
2. AI 输出内容导出Word！docx4j+poi-tl 实现Markdown转Word全流程
1.简介 我们在上一章介绍了如果想实现将markdown内容转换为word的话, 如果想要转换后的word内容排版好看的话, 就需要将其转换过程分为两步 markdown→html html→ooxml(Office Open XML) word内容,word元信息本身就是个xml) 上一章节我们使 ...
降薪跳槽，投身开源！只为 AI 落地“最后一公里”
2022 年底，一个 AI 项目上线的深夜。 作为大厂的资深 AI 算法部署工程师，Always 刚完成了第 N 个从算法到上线的项目。他没有喜悦，反而盯着屏幕陷入了沉思。他发现，所有 AI 落地项目，本质上都在重复同一套繁杂的流程——无非是换了模型和业务逻辑。这个过程，正是业内最头痛的AI 落地最 ...
PHP 现代特性速查 写出更简洁安全的代码（中篇）
PHP 现代特性速查 写出更简洁安全的代码（中篇） 三部曲第二篇，如果讲怎么用现代 PHP 特性让代码更安全、更快、更好维护。上篇讲了 attributes、命名参数、构造器属性提升、类型化属性、enums、只读 DTO 和一等公民可调用对象。默认你已经看过了——中篇接着往下讲。 下面是 10 个实 ...
利用 chrome-devtools MCP 让 AI 操作便携版浏览器（可指定 Data）
说明：文中出现的具体视频链接、演示路径、用户名、端口号等均为示例，读者需按需替换。 1. 需求 （1）使用 chrome-devtools-mcp 打开 https://www.bilibili.com/video/BV1fEsfzrEc7/?spm_id_from=333.1007.tianma. ...
React 中 useCallback 的基本使用和原理解析
React 中 useCallback 的基本使用方法 useCallback 是 React 的一个核心 Hook，用于缓存函数定义，避免组件重新渲染时重复创建函数实例。以下是其基本使用方法： 1. 基本语法 const memoizedCallback = useCallback( () = ...
[Agent] ACE（Agentic Context Engineering）源码阅读笔记---（1）基础模块
[Agent] ACE（Agentic Context Engineering）源码阅读笔记 （1）基础模块 目录[Agent] ACE（Agentic Context Engineering）源码阅读笔记 （1）基础模块0x00 概要0x01 示例1.1 建立简单Agent1.2 后续操作Load ...
不是 CSP-2025 游记
不是 CSP-2025 游记 真不是，全是垃圾话，建议不看。 观点很激进，看在我是个啥都不懂的小孩的份上，还请不要打架 QwQ。 本来这个东西是想在家写的，但是在家实在是太想水了没抽出时间写这个确实是十分的抱歉我在这转三圈给大家卖个萌就先饶了我这一次吧喵。 真的很喜欢很喜欢很喜欢命嫌。 あぁ、神様、 ...
P10940 舞动的夜晚题解
前置芝士： 最大流 & 二分图匹配 原题链接：P10940 舞动的夜晚 本题题意：给出一张二分图，求该图最大匹配的必不经边 定理1：对于原二分图中任意边\((x,y)\)，若\((x,y)\)为匹配边，并且在残量网络中分属不同强连通分量,则\((x,y)\)为必经边。 定理2：对于原二分图中任意边\ ...
最小二乘问题详解8：Levenberg-Marquardt方法
本文系统讲解了Levenberg-Marquardt方法的原理、算法流程与C++实现，阐明其如何通过自适应阻尼在Gauss-Newton与梯度下降之间智能切换，从而高效稳健地求解非线性最小二乘问题。 ...
1. Markdown转Word 第一步: Markdown转Html
1. 简介 最近因为项目需求需要将AI输出的结果导出到word中, 但AI输出的格式为markdown格式,因为word展示内容的时候需要有相应的格式(标题, 段落, 列表, 表格等), 所以不能直接将markdown输出到word中, 否则word中展示的就是markdown纯文本了, 调研一番后 ...
TOON 格式终于赢了！AI 大模型基准测试揭示惊人真相
最近在深入研究 TOON.NET 的时候，发现了一组非常有意思的基准测试数据。说实话，我对结果有点震惊——一个相对较新的格式，居然在多个主流 AI 大模型上的表现都远超 JSON 和 YAML。今天就想和大家好好聊聊这个发现，以及它背后的意义。 什么是 TOON？为什么它如此特殊 在深入测试结果之前 ...
吞吐量、延迟、内存：深入理解垃圾回收的“三元悖论”
垃圾回收算法的评价标准：吞吐量、延迟、内存，孰轻孰重？ 评估和选择垃圾回收器时，不存在一体通用的最优解。不同的应用场景对性能的要求截然不同，因此需要通过一套标准化的指标来衡量垃圾回收算法的特性。通常，关注三个主要的、且相互制约的评价指标：吞吐量（Throughput）、最大暂停时间（Max Paus ...
记录一次USB虚拟网络问题排查
背景介绍 项目是用yocto构建的，在升级kernel及yocto后（见https://www.cnblogs.com/ma-yangbiao/p/19149251）, 发现某些功能不能正常工作。 问题介绍 目标机是某个不常用的x86平台，该x86 盒子通过USB连接MDM9150, 在该x86盒子 ...
技术面：SpringBoot（springboot的类加载和传统的双亲委派有什么区别、如何按顺序实例化Bean）
前言 在SpringBoot中，类加载机制与Java的传统双亲委派类加载机制是有一定区别。主要体现在自定义类加载器与fat jar(可执行jar)的加载方式上。 Java的传统双亲委派模型 Java传统类加载机制，遵循双亲委派模型，核心规则：类加载请求优先由父类加载器处理，只有父加载器无法加载时才由 ...
Oracle 数据库性能追踪与数据整合实践指南
在 Oracle 数据库运维场景中，性能诊断与数据同步是保障业务稳定的核心环节。本文基于实战命令，系统拆解从历史会话查询、10046 事件追踪，到 trace 文件解析与数据整合的完整流程，助力工程师高效定位瓶颈、实现数据精准同步。 一、性能数据基础查询：从 AWR 历史会话追溯问题 当需定位特定用 ...
从零开始学Flink：事件驱动
本文系统讲解 Apache Flink 的事件驱动编程模型，涵盖 ProcessFunction、定时器与状态、事件时间与 Watermark、与窗口的对比以及最佳实践。 ...
吴恩达深度学习课程二： 改善深层神经网络 第一周：深度学习的实践（六）梯度现象和梯度检验
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 本篇为第二课第一周的内容，1.10到1 ...
