稀土掘金 稀土掘金
    • 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
        • 写文章
        • 发沸点
        • 写笔记
        • 写代码
        • 草稿箱
        创作灵感 查看更多
    • vip
      会员
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
  • 后端
  • Java
  • Python
  • 面试
  • 数据库
  • 架构
  • Go
  • 前端
  • MySQL
  • 展开
  • 全部
  • 后端
  • Java
  • Python
  • 面试
  • 数据库
  • 架构
  • Go
  • 前端
  • MySQL
  • Spring Boot
  • 大数据
  • Linux
  • .NET
  • Elasticsearch
  • 程序员
  • 暂无数据
    • 推荐
    • 最新
  • AI 编程协作,我的一点邪修方法,希望可以帮助到你
    看到很多人总是在分享如何利用 Trae 快速开发一款 MCP 产品,这类内容大多适合一个人独立完成的小项目,类似的分享其实已经非常多了。今天,我想换个角度,和大家聊聊如何把 Trae 真正应用到工作中
    • 努力的小雨
    • 29
    • 1
    后端
  • 基于 MateChat 构建 AI 编程智能助手的落地实践
    本文围绕 华为云 DevUI MateChat,在在线教育中如何用 DevUI 组件 + MateChat 搭建智能问答界面。 一、需求背景:为什么我需要一个AI 助教? 最近我开设了一期《AI 编程
    • Se7en2581
    • 16
    • 点赞
    后端
  • C++ Lambda表达式:从“这是什么鬼”到“真香!”的完整心路历程
    那个让我头疼的下午 还记得那个被std::sort和自定义比较函数折磨的下午吗? 当时的我内心OS:“太麻烦了!只是为了一个简单的比较逻辑,我要: 跳到文件顶部去定义函数 给函数起个有意义的名字 万一
    • 码事漫谈
    • 19
    • 点赞
    后端
  • C++网络编程:从Socket混乱到优雅Reactor的蜕变之路
    那个让我濒临崩溃的深夜 还记得第一次写网络服务的那个夜晚吗?我的"杰作"长这样: 当时的困境:"为什么第二个客户端连接时,整个服务器就卡住了?" 于是我知道了要开多线程... 第一阶段:线程 - 从希
    • 码事漫谈
    • 22
    • 1
    后端
  • 后台太多记不住?我做了一个统一门户把所有系统全串起来了
    公司里后台系统太多、环境太杂、入口太散,登录方式各不一样,换个电脑就得重新找半天地址,老板要看个数据还得来问我后台入口在哪。时间久了,多后台、多环境、多团队一起工作就会变得特别乱,所以我就干脆花时间设
    • 洛卡卡了
    • 2.6k
    • 43
    前端 后端 架构
    后台太多记不住?我做了一个统一门户把所有系统全串起来了
  • 别再瞎折腾 LangChain 了:从 0 到 1 搭建 RAG 知识库的架构决策实录
    为什么你的 RAG 系统总是“听不懂人话”? 做过知识库的同学应该都有过这种绝望时刻: 用户问:“我们公司去年的差旅报销标准是多少?” 你的 RAG 机器人自信地回答:“根据维基百科,差旅费是指...
    • Java私教
    • 21
    • 点赞
    后端
    别再瞎折腾 LangChain 了:从 0 到 1 搭建 RAG 知识库的架构决策实录
  • 【收藏级】Java Stream.reduce 全面解析:从零到通透(原理图 + 实战 + 最佳实践)
    【收藏级】Java Stream.reduce 全面解析:从零到通透(原理图 + 实战 + 最佳实践) 想真正学懂 Java Stream,绕不过 reduce。 但现实情况是——绝大多数文章只告诉你
    • 木木一直在哭泣
    • 21
    • 点赞
    后端
  • 【基础数据篇】数据格式化妆师:Formatter模式
    Formatter 模式的精髓在于分离关注点,它承认“数据是什么”和“数据如何展示”是两个截然不同的问题。通过引入一个专门的格式化器角色,使得领域对象可以保持纯净,只关注自身的业务属性和行为。
    • 白衣鸽子
    • 15
    • 点赞
    后端 设计模式
  • 《Java泛型:给你的代码装上“快递分拣系统”,再也不会拆出一双鞋!》
    Java泛型就像给集合贴上“快递标签”,杜绝运行时拆出“鞋子”的尴尬。本文用快递分拣比喻,轻松讲透泛型类、接口、方法、通配符与类型擦除,附避坑指南,让你的代码安全又优雅!
    • oouy
    • 35
    • 6
    后端
  • ThreadLocal 源码深度解析:JDK 设计者的“妥协”与“智慧”
    在 Java 并发编程中,ThreadLocal 是一个高频使用的“神器”,它能够轻松实现线程间的数据隔离。然而,关于它“内存泄漏”的警告也从未停止,甚至成为了面试中的一道必考题。 很多人会背诵“弱引
    • 用户8491371754716
    • 23
    • 点赞
    Java 后端
  • ID生成器第一讲:原理和常见几种生成器
    一、介绍 ID 是标识符(identifier)的前缀,它代表一个可以唯一识别一个对象或者物体的名称。在软件系统中,ID 用于对一组信息进行标识,它是信息系统里最底层、最基础的概念,从系统诞生到消亡,
    • 程序员Easy哥
    • 14
    • 点赞
    后端
    ID生成器第一讲:原理和常见几种生成器
  • Java Stream.filter 全面解析:定义、原理与最常见使用场景
    Java Stream.filter 全面解析:定义、原理与最常见使用场景 filter 是 Java Stream 最常用、也最容易理解错的操作之一。它看似简单——“过滤元素”——但底层机制、函数式
    • 木木一直在哭泣
    • 16
    • 点赞
    后端
  • 【民族服饰识别系统】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积网络+resnet50算法
    一、介绍 民族服饰识别,民族服饰智能识别与分析系统基于TensorFlow框架,采用卷积神经网络(CNN)算法构建而成。系统在收集了回族、汉族、满族、苗族四类典型民族服饰图像数据集的基础上,通过多轮迭
    • ziwu
    • 15
    • 点赞
    后端 图像识别 人工智能
  • # 【Maven避坑】源码去哪了?一文看懂 Maven 工程与打包后的目录映射关系
    【Maven避坑】源码去哪了?一文看懂 Maven 工程与打包后的目录映射关系 ..........
    • 用户030480591263
    • 23
    • 点赞
    后端 Java
  • Elasticsearch 集群必看:为什么 3 个 Master 节点是生产环境的 “黄金配置”?
    一、开篇:生产环境的 “标配” 疑惑​ 在 ES 集群部署方案中,“3 个独立 master 节点 + 多个 data 节点” 几乎是生产环境的黄金配置。不少开发者会疑惑:1 个 master 节点足
    • Penge666
    • 8
    • 点赞
    后端
  • openresty容器导出火焰图
    这篇文章写了openresty容器导出火焰图的方式,包括nginx的c语言和lua语言的cpu火焰图
    • 风的归宿55
    • 17
    • 点赞
    后端
  • FastAPI - Tracking ID的设计
    本文介绍如何基于 `contextvars`,为每次请求的完整流程都添加一个 tracking_id,并在日志中自动记录。
    • 花酒锄作田
    • 18
    • 点赞
    后端
  • Elasticsearch Filter 缓存:Bitset 如何让查询速度飙升
    用过 Elasticsearch 的同学大概率都听过 “把过滤条件放 filter 里更快”,但很少有人说清背后到底快在哪。今天我们就用一个电商订单索引的真实场景,一步步拆解 Filter 的 Bit
    • Penge666
    • 17
    • 点赞
    后端
  • MySQL权限管理的坑你踩了没有?
    假设有这么一个需求,开发人员要求你创建一个账号test,要求这个账号有创建表,查询,更新,删除表的权限, 如下例子所示 然后我们以test用户登录数据库, 此时你执行下面SQL,你会发现,你不光有dr
    • 马卡巴卡
    • 10
    • 点赞
    后端
  • openGauss在AI时代的向量数据库应用实践与技术演进深度解析
    摘要 本文以openGauss开源数据库6.0 LTS及7.0版本为研究焦点,系统剖析其在AI原生架构、向量检索引擎与自治运维体系的技术突破。通过构建基于DataVec插件的RAG(检索增强生成)实战
    • 微学AI
    • 11
    • 点赞
    后端
    openGauss在AI时代的向量数据库应用实践与技术演进深度解析
  • 晚上好!
    点亮在社区的每一天

    推荐话题 换一换

    #挑战每日一条沸点#
    #挑战每日一条沸点#

    21.3m

    #TRAE SOLO#
    #TRAE SOLO#

    70k

    #金石焕新程#

    7.1m

    #每日快讯#

    9.5m

    #MCP 怎么玩#

    882k

    #每天一个知识点#

    44.7m

    #工作中做得最正确的一件事#
    #工作中做得最正确的一件事#

    391k

    #新人报道#

    37.0m

    #掘金一周#

    1.2m

    #金石计划征文活动#
    #金石计划征文活动#

    37.4m

    查看更多
    • 用户协议
    • 营业执照
    • 隐私政策
    • 关于我们
    • 使用指南
    • 友情链接
    • 更多后端文章
    • 举报邮箱: feedback@xitu.io
    • 座机电话: 010-83434395
    • 京ICP备:18012699号-3
    • 京ICP证:京B2-20191272
    • police 京公网安备11010802026719号
    • ©2025 稀土掘金