- AI 写代码越来越快了。但真正让技术圈开始警惕的，不是 AI 能不能写代码，而是另一个更现实的问题：AI 让提交 PR 的门槛几乎降到了零，但代码审查和质量验证的成本，并没有跟着降下来。这句话，对程序员重要。对测试开发更重要。因为软件行业正在进入一个新阶段：以前的问题是代码写得不够快。现在的问题是，代码来得太快，质量验证跟不上。最近，Python 顶流工具 Ruff、uv 背后的作者 Cha... AI 写代码越来越快了。但真正让技术圈开始警惕的，不是 AI 能不能写代码，而是另一个更现实的问题：AI 让提交 PR 的门槛几乎降到了零，但代码审查和质量验证的成本，并没有跟着降下来。这句话，对程序员重要。对测试开发更重要。因为软件行业正在进入一个新阶段：以前的问题是代码写得不够快。现在的问题是，代码来得太快，质量验证跟不上。最近，Python 顶流工具 Ruff、uv 背后的作者 Cha...
- 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。本文就来介绍如何使用向量数据库来持久保存向量数据。一、向量数据库ChromaChroma是一个本地向量数据库，专门用来保存 RAG 知识库，并且快速检索相关内容。Chroma与FAISS之间的区别如下：... 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。本文就来介绍如何使用向量数据库来持久保存向量数据。一、向量数据库ChromaChroma是一个本地向量数据库，专门用来保存 RAG 知识库，并且快速检索相关内容。Chroma与FAISS之间的区别如下：...
- Blackhole Diffusion（黑洞弥散）：技术说明文档项目状态：基础版 MIT 开源 目录产品概述核心特点算法架构3.1 边向扩展 vs 生成树3.2 消元引擎：CSRBlackholeDevourer（满秩保证）3.3 数学保证语言税分析20 数据集完整基准测试目标场景开源协议与命名由来 1. 产品概述Blackhole Diffusion（黑洞弥散） 是一个纯 Python ... Blackhole Diffusion（黑洞弥散）：技术说明文档项目状态：基础版 MIT 开源 目录产品概述核心特点算法架构3.1 边向扩展 vs 生成树3.2 消元引擎：CSRBlackholeDevourer（满秩保证）3.3 数学保证语言税分析20 数据集完整基准测试目标场景开源协议与命名由来 1. 产品概述Blackhole Diffusion（黑洞弥散） 是一个纯 Python ...
- 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-MiniLM-L6-v2，它是一个轻量级的文本嵌入Embedding模型，专门把文字转成数字向量，给RAG做语义检索用。命令行通过cd命令进入Python工程的所在目录，再执行下面的模型下载命令，可将... 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-MiniLM-L6-v2，它是一个轻量级的文本嵌入Embedding模型，专门把文字转成数字向量，给RAG做语义检索用。命令行通过cd命令进入Python工程的所在目录，再执行下面的模型下载命令，可将...
- LangGraph 不只是更长的 Chain。第一次接入前，应先验证 State、interrupt、checkpoint、恢复路径和序列化边界是否清楚。 LangGraph 不只是更长的 Chain。第一次接入前，应先验证 State、interrupt、checkpoint、恢复路径和序列化边界是否清楚。
- 本周 Python 生态迎来多项更新：Python 3.14.6 和 3.13.14 发布，JIT 工作暂停等待新 PEP 指导方向；Pyodide 314.0 支持构建 wheel 发布到 PyPI，Marimo 推出响应式笔记本替... 本周 Python 生态迎来多项更新：Python 3.14.6 和 3.13.14 发布，JIT 工作暂停等待新 PEP 指导方向；Pyodide 314.0 支持构建 wheel 发布到 PyPI，Marimo 推出响应式笔记本替...
- HarmonyOS APP开发：Material Design动效体系与实现📌 核心要点：掌握Material Design三大核心转场动效（容器转换、共享轴、淡入淡出）在HarmonyOS中的完整实现，让你的应用转场体验从"能用"跃升到"好用"。 一、背景与动机你有没有过这样的体验？打开一个App，点击列表项跳到详情页，画面"啪"地一下就切过去了——毫无过渡，毫无美感，仿佛在翻一本没有... HarmonyOS APP开发：Material Design动效体系与实现📌 核心要点：掌握Material Design三大核心转场动效（容器转换、共享轴、淡入淡出）在HarmonyOS中的完整实现，让你的应用转场体验从"能用"跃升到"好用"。 一、背景与动机你有没有过这样的体验？打开一个App，点击列表项跳到详情页，画面"啪"地一下就切过去了——毫无过渡，毫无美感，仿佛在翻一本没有...
- 多智能体协作（Multi-Agent Systems）：当 Agent 开始“开会”讨论在生成式 AI 的早期阶段，我们习惯于将 Large Language Model (LLM) 视为一个全能的“超级大脑”。用户提出一个问题，模型直接给出答案。然而，随着应用复杂度的提升，这种单点模式暴露出了明显的局限性：单次生成的上下文窗口有限、缺乏长期的任务规划能力、难以处理需要多步骤逻辑推理的任务... 多智能体协作（Multi-Agent Systems）：当 Agent 开始“开会”讨论在生成式 AI 的早期阶段，我们习惯于将 Large Language Model (LLM) 视为一个全能的“超级大脑”。用户提出一个问题，模型直接给出答案。然而，随着应用复杂度的提升，这种单点模式暴露出了明显的局限性：单次生成的上下文窗口有限、缺乏长期的任务规划能力、难以处理需要多步骤逻辑推理的任务...
- LangChain vs. AutoGen：主流Agent开发框架对比与选型指南随着大语言模型（LLM）从单纯的文本生成工具演变为能够自主规划、执行和反思的智能体（Agent），开源社区涌现出了多款优秀的开发框架。其中，LangChain 和 Microsoft AutoGen 是目前最具代表性的两个选择。LangChain 以“组件化”和“生态丰富”著称，是构建通用 LLM 应用的瑞士军... LangChain vs. AutoGen：主流Agent开发框架对比与选型指南随着大语言模型（LLM）从单纯的文本生成工具演变为能够自主规划、执行和反思的智能体（Agent），开源社区涌现出了多款优秀的开发框架。其中，LangChain 和 Microsoft AutoGen 是目前最具代表性的两个选择。LangChain 以“组件化”和“生态丰富”著称，是构建通用 LLM 应用的瑞士军...
- 离线VSCode对接本地大模型：单文件对话界面实现（持久化+文件图片上传） 前言最近在处理离线内网环境下的VSCode开发需求，场景很明确：没有外网，没法安装GitHub Copilot之类的在线AI插件；本地已经部署好了大模型API（无论是Ollama、vLLM还是私有化部署的模型服务），想在VSCode的开发工作流里直接做代码问答、本地文档分析，不想切换厚重的独立客户端，也不想折腾复杂... 离线VSCode对接本地大模型：单文件对话界面实现（持久化+文件图片上传） 前言最近在处理离线内网环境下的VSCode开发需求，场景很明确：没有外网，没法安装GitHub Copilot之类的在线AI插件；本地已经部署好了大模型API（无论是Ollama、vLLM还是私有化部署的模型服务），想在VSCode的开发工作流里直接做代码问答、本地文档分析，不想切换厚重的独立客户端，也不想折腾复杂...
- 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、使用在线大模型对文本摘要；3、使用离线大模型对文本摘要；以上对会话记录的各种处理操作，统称为AI应用的上下文管理，即让AI理解用户之前的意图。接下来将开启有关RAG部分的AI应用开发教程介绍。一、什么是RAGR... 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、使用在线大模型对文本摘要；3、使用离线大模型对文本摘要；以上对会话记录的各种处理操作，统称为AI应用的上下文管理，即让AI理解用户之前的意图。接下来将开启有关RAG部分的AI应用开发教程介绍。一、什么是RAGR...
- 上个月，我给一个学弟做模拟面试。前面技术题答得不错，Python装饰器、 pytest fixture、 数据库索引，基本都对了。到最后环节，面试官问了一句：你觉得你最大的缺点是什么？他愣了一下，说：我有时候太追求完美，会耽误进度。说完他就后悔了。因为这个答案他自己都不信。面完后我跟他说：这个回答，面试官一天能听20遍。你猜他会怎么判断？要么觉得你套路他，要么觉得你根本没有自我认知。他问：那... 上个月，我给一个学弟做模拟面试。前面技术题答得不错，Python装饰器、 pytest fixture、 数据库索引，基本都对了。到最后环节，面试官问了一句：你觉得你最大的缺点是什么？他愣了一下，说：我有时候太追求完美，会耽误进度。说完他就后悔了。因为这个答案他自己都不信。面完后我跟他说：这个回答，面试官一天能听20遍。你猜他会怎么判断？要么觉得你套路他，要么觉得你根本没有自我认知。他问：那...
- 去年秋天，一个二本院校的学弟给我发消息。他说自己投了80多份简历，只有3家给了面试，全部一面挂。同一时间，他隔壁宿舍的同学，学校一样，成绩还不如他，却拿到了某大厂测开岗的Offer，月薪21k。他很不解。我问那个同学怎么做到的。他说：也没多厉害，就是提前知道了一些信息。这件事让我想了很久。今年校招，我陆陆续续接触了几十个双非背景的学生。发现一个规律：拿到高薪Offer的人，绝对不是技术最强的... 去年秋天，一个二本院校的学弟给我发消息。他说自己投了80多份简历，只有3家给了面试，全部一面挂。同一时间，他隔壁宿舍的同学，学校一样，成绩还不如他，却拿到了某大厂测开岗的Offer，月薪21k。他很不解。我问那个同学怎么做到的。他说：也没多厉害，就是提前知道了一些信息。这件事让我想了很久。今年校招，我陆陆续续接触了几十个双非背景的学生。发现一个规律：拿到高薪Offer的人，绝对不是技术最强的...
- 通俗易懂读懂大语言模型简易训练全流程技术解析摘要大众普遍认为大模型训练需要万元算力、海量数据、高深算法知识，门槛极高。本文摒弃复杂数学推导、底层算子原理，面向AI入门、数据分析、Python开发人群，通俗拆解大模型核心训练逻辑，区分从零预训练、低成本微调、轻量化适配三种训练模式，梳理标准化训练流程，结合个人电脑可运行的QLoRA微调实操案例，讲解训练核心参数、优化方案与落地门槛。文章简化专业... 通俗易懂读懂大语言模型简易训练全流程技术解析摘要大众普遍认为大模型训练需要万元算力、海量数据、高深算法知识，门槛极高。本文摒弃复杂数学推导、底层算子原理，面向AI入门、数据分析、Python开发人群，通俗拆解大模型核心训练逻辑，区分从零预训练、低成本微调、轻量化适配三种训练模式，梳理标准化训练流程，结合个人电脑可运行的QLoRA微调实操案例，讲解训练核心参数、优化方案与落地门槛。文章简化专业...
- 本文给出一段Python优先级评分代码作为技术锚点，结合团队校准会、跨部门协同、个人救火三个实景案例，拆解四象限任务优先级管理工具在2026年的落地应用。核心观点：四象限的本质是空间坐标系，通过算法计算与阵列排布，将优先级从主观判断转化为可审计的系统行为。 本文给出一段Python优先级评分代码作为技术锚点，结合团队校准会、跨部门协同、个人救火三个实景案例，拆解四象限任务优先级管理工具在2026年的落地应用。核心观点：四象限的本质是空间坐标系，通过算法计算与阵列排布，将优先级从主观判断转化为可审计的系统行为。
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
即将直播
热门标签