首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
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
登录
注册
压不垮的每一天
房贷压不垮的码农
创建于2026-01-17
订阅专栏
14年java老兵,高额房贷压力的蜕变之路
暂无订阅
共7篇文章
创建于2026-01-17
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
打造专属研发外脑:用大模型写一个命令行的 Java 代码审查助手
日常写业务代码时找人做 Code Review(代码审查)非常奢侈,很多时候写了 Bug 只能靠测试测出来跌入甩锅旋涡。 而在 AI 时代,大模型天然具备百万级开源代码库的抽象理解能力.....
终结加班神兵:用大模型自动化生成高覆盖率 JUnit 5 测试用例
单元测试(Unit Test)往往是程序员最讨厌写、老板却最喜欢看(覆盖率)的东西。它是保证代码不退化的防线,但手写 Mock 经常占据了开发流程 30% 以上的无聊时间。 借助大模型,这是首批能够彻
咒语的艺术:大模型 Prompt Engineering (提示词工程) 的三大高阶技巧
很多刚接触大模型(LLM)的开发者都会抱怨:“其实 AI 并没有那么神,它经常胡说八道或者答非所问啊。” 但大多数时候,并不是模型不行,而是我们的**“施法口诀(Prompt)”**没念对。 对于研发
RAG 系统的幕后黑手:如何科学地对长文本切片 (Text Chunking)?
当你决定用 LangChain、LlamaIndex 或是原生的向量数据库(如 ChromaDB)给自己搭建一个私有的知识库搜索问答系统(RAG)时,你很快就会碰到第一个卡脖子的大头疼:文本分块
从零跑通大模型 API:深入理解单轮调用与“多轮记忆”机制
今天很多新手刚接触 LLM API 开发时,面临的第一个问题往往是:“为什么网页上的 ChatGPT 记得我刚刚说过的话,而我用代码调用的 API 却像个失忆症患者?” 答案很简单:大模型本身是无状态
5 分钟极速入门:用 Python 和 ChromaDB 体验向量数据库的魅力
5 分钟极速入门:用 Python 和 ChromaDB 体验向量数据库的魅力 在进入大模型(LLM)开发时代后,“向量数据库(Vector Database)”成为了一个高频出现的词汇。如果你正在学
北京4:30再醒!14年Java老兵:AI Age已来,我要日拱一卒
① 断更24小时,收到99+暖评 昨天带娃出去玩,更新滞后了一天。打开后台,一条留言让我眼眶一热: ② 从震惊到"清爽",只需7天 收到离职通知那刻,脑袋确实空白。