同一套 OCR 参数打天下,是批量识别项目最常见的起手式错误。印刷体和手写体的错误画像完全不同,工程上必须分层:分类在前、参数随后、质量门槛各定各的。这篇是扫描件处理系列的第二篇。 ...
本文基于 OpenTask 大模型构建轻量化「研发数字人 Agent 系统」,将个人私有经验结构化沉淀、实时联动线上业务系统、并复刻本人排查思路与工作习惯,实现问题受理、信息检索、逻辑分析、方案输出的全流程自动化闭环。 ...
AI写代码到底能不能让开发更快、更便宜?这个问题听起来像在问一个工具好不好用,但研究给出的答案比直觉复杂得多。先看一个反直觉的实验结果:在一项针对有经验的开发者的对照研究中,参与者在开始前预计AI能让自己快24%,实际完成任务却慢了19%。更意外的是,实验结束后,他们仍然认为AI帮助自己提速了。这说... ...
把自媒体生产拆成选题文案、素材、剪辑成片、文档交付、复盘沉淀五个环节,逐个说明 14 个 Skills 和 4 个视频、提示词工具各自解决哪一步、适合谁、代价是什么;附短剧剧本的三条硬规则、Computer Use 的工作循环、第三方 Skill 的三个风险,以及一份按优先级排序的安装顺序。 ...
单卡训练为何误入 DDP:一次 Ultralytics Default process group has not been initialized 故障复盘 日期:2026-11-18 环境:Windows 11、PowerShell、Python 3.9、PyTorch 2.0.1 + CUDA ...
机器翻译直出+人工译后编辑(MTPE)已是主流产能模式,但「怎么改」缺乏方法论——逐句精改等于回到全人工,跳着改又漏风险。这篇给 MTPE 的三遍法流程:先硬元素、再语义、顺语言。 ...
三个 AI 编程工具各存各的记忆,换一个就得重新讲一遍背景与规范。本文把记忆从工具里抽出来:git 仓库存 Markdown 事实、零依赖 C# 的 stdio MCP 服务负责读写、一段全局协议约束调用时机;含各工具具体配置位置、WorkBuddy 信任开关、五步验证与排障速查,附检索计分、索引自... ...
SFT 能让模型学着示范回答,但现实里经常不是“对”和“错”这么简单。同一个问题可能有几种都说得通的答法,用户会在帮助性、诚实性、安全性和表达方式之间做判断。RLHF 试图把这种偏好转成模型可以优化的信号。 三个阶段的闭环 偏好比较数据 -> 奖励模型 -> 策略优化语言模型 ↑ | └────── ...
一句话答案:Agent 回报「已完成」,只说明它停止了输出;能不能合进项目,要先打开实际 Diff,看清改了哪些文件、增删了多少行,再逐文件对照,而不是只看它的总结。 本文演示工具:Caravel —— 本地优先的多 AI 编码 Agent 桌面工作台,统一管理 Claude Code、Codex、 ...
现在的模型总爱强调超长上下文,但“能塞进去”和“能用好”是两回事。窗口变长以后,位置关系、注意力计算和显存开销都要一起处理,不是改一个数字就算完成扩展。 位置编码为何是关键 注意力需要知道 token 的相对或绝对位置。位置编码把顺序注入模型,使“先发生什么、后发生什么”成为可计算的信息。训练时没见 ...
公式是 exp(x_i) / Σ exp(x_j),照着写三行就完事。但输入换成 1000 的时候,输出全是 nan。 一、先看三种输入 1. 正常数值 [1, 2, 3] 朴素版 : [0.09003057 0.24472847 0.66524096] 稳定版 : [0.09003057 0.24 ...
双人采访录音转写的两个进阶问题:谁在说话(说话人分离)和每句话在录音的哪个位置(时间戳对齐)。这篇给一套可复现的处理链:diarization 聚类、转写对齐、字幕文件生成。 ...
AI每天在变强,软件工程师的焦虑很具体:手头的任务会不会被替代,下一步该往哪走。与其被动等待,不如主动制定一份能力建设计划。这份计划不宏大,但每一步都可执行,目标是在可预见的一段时间内保持优势。
先说心态。对AI保持警惕是合理的,但过度悲观没有帮助。把AI当成一种新工具,接受它成为日常的一部分,同... ...
本文深入探讨生产环境下基于 vLLM 部署高吞吐私有化大模型推理集群的硬核实践。剖析 PagedAttention 内存管理与 AWQ/FP8 量化机制,提供多 GPU 算力集群分层架构、Java 响应式微服务网关接入方案及极端压测避坑指南。 ...
全量微调大模型,第一道门槛通常是显存和训练时间。LoRA 的做法很巧:基座权重保持不动,只学习一个低秩的增量,让任务需要的变化用更少参数表达。 公式背后的直觉 如果原权重是 W,LoRA 不直接学习完整的 ΔW,而是把它近似成两个小矩阵的乘积: W' = W + ΔW = W + B A 其中 A ...
同一个commit下,一个测试既通过又失败,这就是不稳定测试的典型表现。它让人难以判断代码是否真的有问题,也消耗团队对测试结果的信任。最近我尝试用一个工具来识别这类测试,并借助AI做初步分析。
不稳定测试指的是在代码和测试本身没有变化的情况下,时而通过时而失败的自动化测试。表面上看它通过了,但隐患不... ...
批量识别扫描件最崩溃的瞬间:几十页的表格被识别成一串没有结构的文字。这篇讲版面还原的思路——识别引擎只是开始,表格线检测、区域分类、结构重建才是批量可用性的分水岭,附各环节的可行做法。 ...
DHH 在 Rails World 上提到自己减少手写代码、37signals 正在大量使用 Rust,网上有人把这解读为 Rails 的退让。但换个角度看,一个动态语言框架的创造者愿意在性能敏感处引入系统级语言,恰恰说明 Rails 没有把“纯 Ruby”当成教条。DEV 平台(一个基于 Rail... ...
一句话答案:想让 AI 编程 Agent 每次按同一套标准交付,就把常用要求(例如「补单元测试,覆盖边界,贴出通过数」)存成提示词,需要变化的部分写成 {{变量}};下次在任务目标里输入 /,插入整段正文,再按 Tab 填变量。这样不用每次重打,交付标准也不跟着措辞一起飘。 本文演示工具:Carav ...
研究一只股票时,你会先看什么?最近的价格走势,还是一个买入、卖出的判断? 我在做的「懒人短线」,尝试把这两件事放到一起:输入股票代码,先看近期日线收盘价,再看买入和卖出参考区间,最后核对策略日期与分析依据。 产品界面示例,行情截至 2026-11-12。图中价格与区间仅用于展示功能,不代表实时报价或 ...