• Numpy数据处理详解 02：玩转高性能数组，告别低效循环
    Bilibili 同步视频 前言 写 Python 做数值计算的时候，很多小伙伴第一反应就是用原生list列表存数据。但一旦数据量变大，循环写一堆加减乘除，程序瞬间就变得慢吞吞🐢。这时候就该 NumP
    Python 人工智能
    Numpy数据处理详解 02：玩转高性能数组，告别低效循环
  • AI 生成的视频怎么局部修改？2026 年分章生成 Manim 代码的最新做法
    AI 生成的视频难改，多半是因为产物是一整条像素，哪里不对都只能重新抽一次。我们在极坐标⋅XYZ 的工作区里做长动画时换了个产物：AI 写的是 Manim 代码，一章一个文件，一句口播一段音频。这样「
    AIGC Python
    AI 生成的视频怎么局部修改？2026 年分章生成 Manim 代码的最新做法
  • LLM 面试必问的 8 个问题，答不上来直接淘汰
    第二章：大语言模型（LLM）基础 构建 AI Agent，大语言模型（LLM）是最核心的基础设施。Agent 的推理、工具调用、记忆能力，都依赖底层模型质量。理解 LLM 的内部机制，才能在工程中做出
    面试 人工智能 Python
    LLM 面试必问的 8 个问题，答不上来直接淘汰
  • RAG 面试 6 连问，从原理到优化全部覆盖
    大语言模型的知识来源于训练数据，存在固有的时效性限制和领域知识盲区。RAG (Retrieval-Augmented Generation, 检索增强生成) 在生成前检索外部知识，将事实信息注入模型上
    面试 算法 Python
    RAG 面试 6 连问，从原理到优化全部覆盖
  • Scikit-Learn实战：5步搞定PCA降维
    做机器学习的时候，你大概率会遇到这样一个场景：手头的数据集特征太多，几十甚至上百个维度，训练模型慢得要命，还容易过拟合。 你心里清楚不是所有特征都有用，但到底哪些该留、哪些该砍，一时又说不上来。 主成
    Python scikit-learn 机器学习
    Scikit-Learn实战：5步搞定PCA降维
  • 独立开发者的"富矿地带"：哪些垂直领域值得你押注一辈子？
    这两年跟几个做独立开发的朋友聊天，发现一个挺有意思的现象。工具越来越好用，AI写代码的门槛被拉到地板以下，几乎人人都能在一个周末攒出一个像样的产品。可反过来，这也意味着通用型的SaaS赛道早就卷成一片
    后端 Python
  • 通过 WSS 让 Server 安全调用 Desktop 本地工具（下01）：Ticket、人工确认、幂等与断线对账
    上篇做完后，DevMind 已经是一个完整的对话应用：会话列表、按轮显示问答、审批、编辑重跑、停止后继续。但 AI 能用的工具都在 Server 上（加法、查时间、读一段内置文本），它看不到用户电脑上
    Agent LangChain Python
  • 都在做 Agent，到底谁在做 Harness？
    从 Pi、OpenClaw 等项目出发，区分 Agent Harness 与完整个人助手，结合 Muse 的安全设计、五个开源项目和任务恢复流程，讨论个人开发者怎样选择运行底座。
    Agent 人工智能 Python
    都在做 Agent，到底谁在做 Harness？
  • 通过 WSS 让 Server 安全调用 Desktop 本地工具（上02）：拆分会话、执行与状态链 ID
    7. 第二步：执行接口里面发生了什么 所有场景的第二步都是 POST /api/agent，走同一套代码。这一节统一讲一次。 7.1 为什么需要适配器 M3 直接把前端的请求交给官方LangGraph
    Agent LangChain Python
  • 给 Agent 加一个“判断器”：聊聊 Laya、Jev，以及怎么部署和选择
    从一个最小示例出发，讲清 Laya 的结构化判断、上下文传入、本地部署和大模型接入流程，再结合对比图分析它与 Jev 的差异，以及不同项目该怎么选。
    Agent 人工智能 Python
  • 安装Pyside 6
    安装Pyside 6 一、前言 最近的AI Agent编写需要用到界面交互，比如CLI对话机器人，我们只能看到命令行，没法看到交互界面。想到了使用Python写界面，就想到了PyQt和PySide，P
    Python
    安装Pyside 6
  • Numpy数据处理详解 01：NumPy 从环境搭建到入门上手
    在如今互联网服务遍地开花的时代，用户推荐系统、语音识别、机器翻译这类智能化应用早已渗透我们的日常生活🐍。而 Python 凭借丰富的第三方开源库，成为科研与工程开发的首选语言。在这众多工具链之中，Nu
    Python 人工智能
    Numpy数据处理详解 01：NumPy 从环境搭建到入门上手
  • LangChain 五种工具定义方式踩坑总结
    LangChain Agent 开发中，工具是核心能力。本文整理 5 种主流工具定义写法，附带统一场景实战代码，覆盖原型开发、存量函数复用、生产级自定义工具，适配新版 API，兼容国内大模型，避坑要点
    LangChain Python LLM
    LangChain 五种工具定义方式踩坑总结
  • AI 编程智能体 06：用Anaconda搞定Python多环境，彻底告别版本兼容灾难
    前言 在AI智能体飞速发展的当下，很多技术爱好者都囤积了满满网盘的教程，熟记智能体、大模型、Agent协作等各类专业概念。但绝大多数人都卡在了同一个难题：理论滚瓜烂熟，实操寸步难行。 其实道理很简单：
    人工智能 Python
    AI 编程智能体 06：用Anaconda搞定Python多环境，彻底告别版本兼容灾难
  • Python数据工程：利用天远名下车辆车牌查询A优化个人债务重组与清偿能力评估合规体验
    破解个人债务重组资产盘点痛点：从纸质行驶证人工核查到机动车辆数据直连 在个人债务重组咨询、分期展期协商以及自然人清偿能力评估业务中，准确掌握债务人名下的机动车辆资产状况，是制定合理还款计划、评估资产保
    人工智能 Python
  • AI 编程智能体 04：一文看懂智能体的核心能力与概念辨析
    Bilibili 同步视频 ✨ 智能体的四大核心特性 当下的智能体产品，并非简单的问答机器人，它拥有四大标志性能力，其中前三者是当前可落地实现的基础能力，而学习能力属于更高阶的目标。 自主性 🧠 无需
    Python 人工智能
    AI 编程智能体 04：一文看懂智能体的核心能力与概念辨析
  • Jev、Kev、Laya：决策模型怎么选，什么时候需要微调？
    对比 Jev、Kev、Laya 的接口、底座与部署方式，辨析准确率、延迟和 confidence 的测量条件，说明什么时候该补齐输入、调整阈值或进行领域微调，并给出业务评测的起点。
    Agent 人工智能 Python
    Jev、Kev、Laya：决策模型怎么选，什么时候需要微调？
  • Agent 的记忆与工具：从上下文窗口到 MCP
    前言：记忆与工具，决定 Agent 的能力边界 前一篇我们讨论了 Agent 的四种决策与规划模式。但无论用哪种模式，Agent 都需要两个能力基座： 记忆：让 Agent 记住过去、积累经验、保持一
    Python MCP Agent
  • 实战指南：如何把现有 REST API 工业级封装为 MCP（Model Context Protocol）服务
    本文以 Prometheus 监控接口为例，完整拆解如何将企业存量 REST API 封装为标准 MCP 服务，涵盖 FastMCP 动态模型、Pydantic 入参校验、Token 清洗投影
    Python MCP
    实战指南：如何把现有 REST API 工业级封装为 MCP（Model Context Protocol）服务
  • LLM Prompt Registry 工程实践：集中管理 Prompt，让模型调用不再散落在代码各处
    从硬编码到热更新：完整设计一个生产级 Prompt Registry，涵盖存储层选择、版本模型、环境晋升、缓存一致性、Observability 集成与 FastAPI 服务实现，附完整可运行 Python 代码。
    Python 后端 LLM
    LLM Prompt Registry 工程实践：集中管理 Prompt，让模型调用不再散落在代码各处