最近在用 YeeroAI CLI 的 yeero do 命令，用自然语言描述任务，自动匹配或生成 Python 脚本执行。 起因是平时在终端里总有些零碎操作——查个 IP、看个文件树、杀个占端口的进程

本文档基于 Matplotlib 从零实现饼图的绘制，涵盖环境准备、pie() 函数核心参数详解、完整代码实现及逐行解析、运行结果展示等内容。通过一个电商公司销售渠道占比的实际案例，帮助读者深入理解饼

​上一篇文章通过all-MiniLM-L6-v2模型结合FAISS实现了简单的RAG检索功能，但FAISS运行于内存中，无法持久化保存向量数据，重启后又得重新对文本做向量化，比较浪费算力资源。本文就来

前面两篇文章在演示RAG功能时，做向量化的文本嵌入模型都用国外的all-MiniLM-L6-v2，该模型主要适用英文，对于中文总体也能用，但在细节上处理欠佳。本文就来介绍如何使用国产离线的文本嵌入模型

从API调用封装到提示词核心原则，结合DeepSeek实战演示，涵盖清晰指令、逐步推理、Few-Shot风格模仿、多任务组合等技巧，助你写出精准高效的Prompt，驾驭大模型。

本系列结合网上资源 加上自己的改进代码与笔记 涵盖所有知识点 本系列包括各类面试题 每一个章节难点讲解 并且做了代码的优化 帮助各位查漏补缺

前言 前两章解决了两个基础问题： 第 1 章：Python 代码怎么运行 第 2 章：Python 里有哪些基础数据类型 这一章开始进入“程序为什么会按某种顺序执行”。 所谓流程控制，就是你要告诉程序

做开发这么多年，谁还没遇到过几个让人哭笑不得的需求？今天分享几个真实案例，以及如何用技术手段优雅地回击那些看似不可能的需求。

介绍 NumPy 数组运算、Pandas 数据处理（读取、清洗、聚合）和 Matplotlib 可视化，最后以泰坦尼克号数据集实战演练完整数据分析流程。

上一篇文章采用字符串匹配的方式来查找知识，这种方式比较呆板不够智能，接下来引入向量数据库，通过向量化实现更精细的知识检索。 一、文本嵌入Embedding模型 向量化一段文本的时候，经常用到all-M

​前面的文章依次介绍了如何截断历史会话的对话记录，包括按照记录数量截断、按照Token长度截断，以及浓缩为摘要截断等等，其中摘要操作又分为三大类： 1、使用第三方的摘要库对文本摘要； 2、使用在线大模

在 Python 的世界里，长期以来我们依赖 pip 和 venv 进行依赖管理。然而，随着项目规模的扩大，这些传统方法在处理依赖冲突、安装速度和环境碎片化上逐渐显得力不从心。uv 的出现，不仅是一个

——RAG 文档摄入全链路，从原理到生产落地 去年有个朋友找我帮忙，他公司积累了几百份技术文档和员工培训资料，每次新员工入职，都要人工翻找、逐一阅读，效率极低。他的诉求很简单：能不能做一个内部知识库，

Python环境搭建与基础语法教程，涵盖pyenv版本管理、venv虚拟环境、pip包管理，以及数据类型、函数、装饰器等核心知识，为AI工程师学习打下基础。

CrewAI 是当前最流行的开源多智能体协作框架之一，它让开发者能够像组建一支真实团队一样，编排多个 AI Agent 分工协作、自动完成复杂任务。在本教程中，我们将从基础概念讲起，逐步深入到高级特性

Kronos+miniQMT预测股票，真香！保姆级教程，建议收藏 前几天分享了一篇介绍Kronos（它被称为 “金融市场语言的模型” ，专门用来读懂和预测 K 线走势）的项目，看大家评论非常感兴趣但是

写这篇之前，我又翻了一遍自己 2025 年初接的第一个多模态项目的代码。那是一个看起来很正常的 AI 内容生产平台：用户上传商品图，我们调一个图像模型生成场景图，再调一个视频模型把图变成 6 秒短片

XiaoMusic​​这个开源神器，它用​​自动下载+本地音乐接管​​，把小爱音箱变成“无限点歌机”。今天我就手把手分享真实部署体验，让你家小爱彻底解放！

NumPy数组创建完全指南：从零搭建你的数字积木城 为什么要学NumPy？ 如果把机器学习比作精彩的冒险旅程，那 NumPy 就是出发前必学的基础技能课，缺一不可。 写Python处理数据，你大概率会