首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
关注
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
排行榜
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
全部
前端
程序员
后端
算法
面试
云原生
人工智能
数据库
LLM
展开
全部
前端
程序员
后端
算法
面试
云原生
人工智能
数据库
LLM
Python
AIGC
音视频开发
大数据
网络协议
GitHub
暂无数据
推荐
最新
【✍️ 入营考核】AI 加码,青训营 X 豆包MarsCode 技术训练营
👏 欢迎各位同学报名“AI 加码,青训营 X 豆包MarsCode 技术训练营”,完成指定任务通过审核即可获得入营资格!
强化学习的“GPT-3 时刻”即将到来
作者 | Matthew Barnett, Tamay Besiroglu, Ege Erdil 编译 | 岳扬 GPT-3 证明了,仅仅通过扩大语言模型的规模,就能带来强大的、task-agnost
构建 AI 智能体的实用开源技术栈(框架、计算机与浏览器操控、语音功能、文档理解...)
作者 | Paolo Perrone 编译 | 岳扬 还记得在某个周末,我坐下来,坚信自己终于能构建一个像样的研究助手智能体原型了。不需要多么高大上 —— 只要它能读取 PDF、提取关键信息、也许还能
RAG 文档解析工具选型指南
作者 | Florian June 编译 | 岳扬 对于 RAG 系统而言,从文档中提取信息是一个不可避免的情况。最终系统输出的质量很大程度上取决于从源内容中提取信息的效果。 过去,我曾从不同角度探讨
OpenAI-API 接口文档(中文版)
OpenAI的接口文档中文版,基于OpenAI官网的API作的一个翻译,编译参考辅助。想要全面的学习还得去看英文文档,毕竟出处在那!
当 AI SaaS 的边际成本不再为零,Cursor 是如何设计定价策略的?
作者 | Finn 编译 | 岳扬 Cursor 大概是过去几年里最令人印象深刻的初创公司: 12 个月内年度经常性收入(ARR)突破 1 亿美元, 据报道不久后便突破了 2 亿美元, 紧接着 Tec
【🎁 请领取打卡礼】你的 AI 代码陪练已就位,带你横扫算法修炼场!
是否渴望提升自己的编程技能? 是否想要在众多求职者中脱颖而出? 豆包 MarsCode 特推出代码练习活动,AI 代码陪练携硬核奖品已就位,带你横扫算法修炼场!速来~
许多 AI 智能体评测基准并不可靠
本文系原作者观点,Baihai IDP 仅进行编译分享 作者 | Daniel Kang 编译 | 岳扬 基准测试[1]是评估人工智能系统优势和局限性的基础,对研究指导[2]和行业发展[3]至关重要。
端倪无际 —— cursor 配置 mcp 保姆级攻略
MCP(Model Context Protocol)开放协议旨在解决大型语言模型与工具的通信标准化问题,通过在 cursor 引入 mcp 可以解决很多此类需求场景
Mobile U-ViT:深度可分离卷积与 U 形 ViT 的创新融合,实现高效医学图像分割新突破
一句总结:文章提出了一种名为Mobile U-ViT的轻量级混合网络架构,通过创新的ConvUtr(大核CNN块模拟Transformer模式)、LKLGL(大核局部-全局-局部块)和带下采样跳跃连接
上传视频太麻烦?看我如何用动图代替视频
文章简述了作者如何在写文章时用动图替代视频的过程。给新手读者带来一定的新知识,可以帮助它们更好的写文章。
YOLO性能评估指标详细总结
一 混淆矩阵 混淆矩阵是用于评估分类模型性能的一种表格形式。它将模型的预测结果与真实标签进行比较,并将它们分类为四种不同的情况:真正例 (True Positive, TP)、真负例 (True Ne
告别提示词工程,「上下文工程」才是 AI Agent 的核心竞争力
作者 | Philipp Schmid 编译 | 岳扬 上下文工程(Context Engineering)是一个在人工智能领域逐渐走红的新术语。行业内讨论的焦点正从“提示词工程”(prompt en
为何说「新数据源」是推动 AI 发展的核心动力?
文章深入剖析了 AI 发展史上的四次重大突破 —— 深度神经网络、Transformer + LLMs、RLHF 和推理能力的产生,揭示了每次技术跃进背后都对应着一个全新数据源的发现:从 ImageN
构建 AI 护城河的六大常见误区分析
本文系原作者观点,Baihai IDP 仅进行编译分享 作者 | Shaili Guru 编译 | 岳扬 在上一篇文章中,我分享了“AI Moat Pyramid”框架,企业团队可以用它来构建真正的人
Java已死,大模型才是未来?
在数字技术的浪潮中,编程语言始终扮演着至关重要的角色。Java,自1995年诞生以来,便以其跨平台的特性和丰富的生态系统,成为了全球范围内开发者们最为青睐的编程语言之一 然而,随着技术的不断进步
深度剖析 Claude 4 的系统提示词(保留提示词原文,并提供译文)
作者 | Dan Cleary 编译 | 岳扬 我一直觉得,在这些大语言模型公司中,Anthropic 是最重视提示词工程的那个。它是目前唯一一家在聊天界面(Claude.ai)上公开支撑其模型运作的
2025前端开发大变革:AI重构工作流,开发者如何抢占先机?
2025前端开发大变革:AI重构工作流,开发者如何抢占先机? 清晨,前端工程师小秦打开编辑器,没有像往常一样敲下第一行代码,而是输入了一段自然语言描述的需求。几秒后,基于DeepSeek R1的AI
AI 系统架构的演进:LLM → RAG → AI Workflow → AI Agent
作者 | codelink 编译 | 岳 扬 AI Agent 是当前的一个热门话题,但并非所有 AI 系统都需要采用这种架构。 虽然 Agent 具有自主决策能力,但更简单、更具成本效益的解决方案往
RAG实操教程: langchain+Milvus向量数据库创建你的本地知识库
RAG实操教程: langchain+Milvus向量数据库创建你的本地知识库 本篇文章是 Milvus 向量数据库学习的总结篇,打造自己的知识库系统。 RAG是什么 RAG 是retrieval-a