- 核心： 姓： 名： 是为了方便js获取的哈，我举个例子把，好吧，比如我叫陈业贵，你不知道我的名字能找到我吗？答案是不能是吧，一样的啦 记住哈，json的意思就是js代表... 核心： 姓： 名： 是为了方便js获取的哈，我举个例子把，好吧，比如我叫陈业贵，你不知道我的名字能找到我吗？答案是不能是吧，一样的啦 记住哈，json的意思就是js代表...
- 目录 一、使用JSON Viewer直观查看JSON数据 1、下载JSON Viewer 2、启动JSON Viewer 2、在T 目录 一、使用JSON Viewer直观查看JSON数据 1、下载JSON Viewer 2、启动JSON Viewer 2、在T
- 通過OPTIONS交換schema在web開發中，經常遇到的一個問題是接口調用方和提供方經無法有效協調接口，導致前後端扯皮時有發生。實際上，這主要是沒有統一的驗證標準，文檔理解不同，校驗邏輯不同。出錯的時候，分不清是調用方傳參錯誤還是服務端接口錯誤。跨團隊、跨框架、跨語言還會放大這個問題。通過OPTIONS交換schema這套方案，以上就不是問題了，OPTIONS提供的schema就是標準... 通過OPTIONS交換schema在web開發中，經常遇到的一個問題是接口調用方和提供方經無法有效協調接口，導致前後端扯皮時有發生。實際上，這主要是沒有統一的驗證標準，文檔理解不同，校驗邏輯不同。出錯的時候，分不清是調用方傳參錯誤還是服務端接口錯誤。跨團隊、跨框架、跨語言還會放大這個問題。通過OPTIONS交換schema這套方案，以上就不是問題了，OPTIONS提供的schema就是標準...
- 上个月和一个测试总监聊天，他说团队已经用大模型+Skills跑通了一个核心场景的自动化生成。但两周后，他直接把那个Skill下线了。为什么？因为那个Skill生成的测试用例，要么粒度太粗漏掉了边界条件，要么太细导致每次跑都因为环境抖动失败。更麻烦的是，同一个Skill上午跑得好好的，下午就不行了。这不是个例。过去几个月，我看了十几个团队落地Skills测试的案例，踩的坑出奇一致。今天不谈概念... 上个月和一个测试总监聊天，他说团队已经用大模型+Skills跑通了一个核心场景的自动化生成。但两周后，他直接把那个Skill下线了。为什么？因为那个Skill生成的测试用例，要么粒度太粗漏掉了边界条件，要么太细导致每次跑都因为环境抖动失败。更麻烦的是，同一个Skill上午跑得好好的，下午就不行了。这不是个例。过去几个月，我看了十几个团队落地Skills测试的案例，踩的坑出奇一致。今天不谈概念...
- MetaMessage 改變 Web 生態MetaMessage已經支持了c、c++、c#、golang、python、rust、php、swift、kotlin、java、typescript、javascript等語言，這些語言之間的數據結構一致、語意相同、數值相等，具有統一結構化數據序列化/反序列化協議的趨勢。成為ai時代的終極協議。下面介紹下MetaMessage載golang w... MetaMessage 改變 Web 生態MetaMessage已經支持了c、c++、c#、golang、python、rust、php、swift、kotlin、java、typescript、javascript等語言，這些語言之間的數據結構一致、語意相同、數值相等，具有統一結構化數據序列化/反序列化協議的趨勢。成為ai時代的終極協議。下面介紹下MetaMessage載golang w...
- 把GPT-5.5的多模态能力接入业务系统跑了两周，最大的感受是：Demo里“能识别”到生产环境“可控输出”，中间隔着的不是模型能力，而是工程代码。事情是这样的。我们把GPT-5.5接入了财务报销系统，用户上传发票图片，系统自动抽取金额、税号、开票日期，结构化存入数据库。Demo跑得飞起，10张发票全对。上线第一周，出纳那边查出三笔金额对不上的——模型把“壹佰贰拾万元整”抽成了12万，少了个零... 把GPT-5.5的多模态能力接入业务系统跑了两周，最大的感受是：Demo里“能识别”到生产环境“可控输出”，中间隔着的不是模型能力，而是工程代码。事情是这样的。我们把GPT-5.5接入了财务报销系统，用户上传发票图片，系统自动抽取金额、税号、开票日期，结构化存入数据库。Demo跑得飞起，10张发票全对。上线第一周，出纳那边查出三笔金额对不上的——模型把“壹佰贰拾万元整”抽成了12万，少了个零...
- 把GPT-5.5的多模态能力接入业务系统跑了两周，最大的感受是：Demo里“能识别”到生产环境“可控输出”，中间隔着的不是模型能力，而是工程代码。事情是这样的。我们把GPT-5.5接入了财务报销系统，用户上传发票图片，系统自动抽取金额、税号、开票日期，结构化存入数据库。Demo跑得飞起，10张发票全对。上线第一周，出纳那边查出三笔金额对不上的——模型把“壹佰贰拾万元整”抽成了12万，少了个零... 把GPT-5.5的多模态能力接入业务系统跑了两周，最大的感受是：Demo里“能识别”到生产环境“可控输出”，中间隔着的不是模型能力，而是工程代码。事情是这样的。我们把GPT-5.5接入了财务报销系统，用户上传发票图片，系统自动抽取金额、税号、开票日期，结构化存入数据库。Demo跑得飞起，10张发票全对。上线第一周，出纳那边查出三笔金额对不上的——模型把“壹佰贰拾万元整”抽成了12万，少了个零...
- 大模型评测有一个惯性思维：先用准确率跑个排名，再单独看延迟和吞吐，最后扫一眼成本。这套流程的盲区在于，它把性能、精度和成本当成三个独立变量，忽略了它们之间更本质的关系——算力效率。两个模型在同一个任务上达到同样的准确率，消耗的算力可能差出一倍。在规模化部署场景下，这种差距直接决定了硬件采购预算和电力成本。Google在Gemini 3.5的技术报告中花了相当篇幅强调TPU架构带来的效率优势，... 大模型评测有一个惯性思维：先用准确率跑个排名，再单独看延迟和吞吐，最后扫一眼成本。这套流程的盲区在于，它把性能、精度和成本当成三个独立变量，忽略了它们之间更本质的关系——算力效率。两个模型在同一个任务上达到同样的准确率，消耗的算力可能差出一倍。在规模化部署场景下，这种差距直接决定了硬件采购预算和电力成本。Google在Gemini 3.5的技术报告中花了相当篇幅强调TPU架构带来的效率优势，...
- GPT-5.5的多模态能力比上一代提升明显，这个结论在Demo阶段就能验证。把一张发票截图丢进去，金额、税号、开票日期整整齐齐返回JSON，准确率看着也不错。开发者这时候很容易产生一个错觉：多模态落地就是接个API的事。真上了生产才知道，Demo里“能识别”到业务上“可控输出”，中间隔着的东西比想象中多得多。上周我们把GPT-5.5接入了财务报销系统，前三天就跑出几个问题——一张折痕遮挡了金... GPT-5.5的多模态能力比上一代提升明显，这个结论在Demo阶段就能验证。把一张发票截图丢进去，金额、税号、开票日期整整齐齐返回JSON，准确率看着也不错。开发者这时候很容易产生一个错觉：多模态落地就是接个API的事。真上了生产才知道，Demo里“能识别”到业务上“可控输出”，中间隔着的东西比想象中多得多。上周我们把GPT-5.5接入了财务报销系统，前三天就跑出几个问题——一张折痕遮挡了金...
- HumanEval 已经死了。不是字面意义上的死亡，而是作为一个衡量代码生成能力的基准，它早已被这个行业透支了所有公信力。当主流模型在 HumanEval 上的得分普遍超过 90% 时，这个指标就失去了区分度——就像用小学算术来评估数学博士的水平，大家都拿满分，但满分不代表能力趋同。真正的问题在于 HumanEval 的设计范式本身：孤立的函数签名、明确的输入输出、干净的上下文环境。这些特征... HumanEval 已经死了。不是字面意义上的死亡，而是作为一个衡量代码生成能力的基准，它早已被这个行业透支了所有公信力。当主流模型在 HumanEval 上的得分普遍超过 90% 时，这个指标就失去了区分度——就像用小学算术来评估数学博士的水平，大家都拿满分，但满分不代表能力趋同。真正的问题在于 HumanEval 的设计范式本身：孤立的函数签名、明确的输入输出、干净的上下文环境。这些特征...
- 多模态能力正在经历从“看图说话”到“看图出数”的关键转型。在企业场景中，模型能否从一张发票照片里准确提取出金额、税号和开票日期，并将这些字段以稳定的JSON格式返回给业务系统，比它能否用优美的文字描述这张发票的画面重要得多。结构化输出的稳定性，正在成为衡量多模态模型能否进入生产环境的核心指标。GPT 5.5在多模态能力上做了显著升级——图像理解的精细度更高，图文联合推理的连贯性更强，原生支持... 多模态能力正在经历从“看图说话”到“看图出数”的关键转型。在企业场景中，模型能否从一张发票照片里准确提取出金额、税号和开票日期，并将这些字段以稳定的JSON格式返回给业务系统，比它能否用优美的文字描述这张发票的画面重要得多。结构化输出的稳定性，正在成为衡量多模态模型能否进入生产环境的核心指标。GPT 5.5在多模态能力上做了显著升级——图像理解的精细度更高，图文联合推理的连贯性更强，原生支持...
- 簡單寫下cli的使用先下載：MetaMessage 改個名，方便使用：mv mm_0.1.8_darwin_arm64 mm一個簡單的jsonc：cat input.jsonc { "a":2,}序列化：./mm -e -i input.jsonc -o output.mmEncoding Mode, Input: input.jsonc, Output: output.mm看下大小：... 簡單寫下cli的使用先下載：MetaMessage 改個名，方便使用：mv mm_0.1.8_darwin_arm64 mm一個簡單的jsonc：cat input.jsonc { "a":2,}序列化：./mm -e -i input.jsonc -o output.mmEncoding Mode, Input: input.jsonc, Output: output.mm看下大小：...
- MetaMessage（mm）是一個結構化數據交換協議。自描述、自約束、自示例，實現了無損數據交換，是一種原生適配 AI + 人類 + 機器的下一代通用協議。 在golang中，使用mm非常簡單。 MetaMessage（mm）是一個結構化數據交換協議。自描述、自約束、自示例，實現了無損數據交換，是一種原生適配 AI + 人類 + 機器的下一代通用協議。 在golang中，使用mm非常簡單。
- 🎯 场景：为什么需要解析"动态"JSON？假设你在写一个用户行为埋点系统，前端上报的数据结构经常变：// 今天上报点击事件{"event": "click", "page": "home", "x": 100, "y": 200}// 明天上报表单提交{"event": "submit", "formId": "login", "fields": {"username": "alice"... 🎯 场景：为什么需要解析"动态"JSON？假设你在写一个用户行为埋点系统，前端上报的数据结构经常变：// 今天上报点击事件{"event": "click", "page": "home", "x": 100, "y": 200}// 明天上报表单提交{"event": "submit", "formId": "login", "fields": {"username": "alice"...
- IDA Moles 是一款专业逆向分析接口工具，专为 IDA Pro 9.1 打造，并适配 Python 3.8 及以上版本，该工具以标准化调用逻辑为核心，能高效控制 IDA Pro 执行反汇编、反编译、内存分析等各类逆向操作，拥有高效反编译控制、高级调试、内存分析、函数解析、MCP 服务器扩展及自动化批量处理等全方位核心功能，不仅能实现伪代码获取、断点设置、内存布局分析、函数信息解析等基础逆向操 IDA Moles 是一款专业逆向分析接口工具，专为 IDA Pro 9.1 打造，并适配 Python 3.8 及以上版本，该工具以标准化调用逻辑为核心，能高效控制 IDA Pro 执行反汇编、反编译、内存分析等各类逆向操作，拥有高效反编译控制、高级调试、内存分析、函数解析、MCP 服务器扩展及自动化批量处理等全方位核心功能，不仅能实现伪代码获取、断点设置、内存布局分析、函数信息解析等基础逆向操
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签