社区签到

简介: 每日在社区首页、开发者大数据页面、云原生等12个页面签到,每页可获5积分,总计61分。周一至周五连续签到,周五可抽奖(仅3次机会),其他页面额外获20积分,因此周五积分最高。签到积分需前往积分商城领取,可用于兑换奖品。坚持签到积累更多积分,享受丰富回报!

社区首页

  1. 大数据与机器学习link
  2. 云原生
  3. 计算巢
  4. 数据库
  5. 弹性计算
  6. 云存储
  7. 物联网
  8. PolarDB开源
  9. 龙蜥操作系统
  10. 云效DevOps
  11. 我的社区
    签到后需要先到积分商城中领取
    签到获得足够的积分后,可以在积分商

ht

目录
相关文章
|
8月前
|
人工智能 JavaScript Linux
保姆级图文教程!OpenClaw阿里云/本地部署无缝接入Kimi K2.5+百炼大模型+常见问题解答
OpenClaw(曾用名Clawdbot)作为2026年热度极高的开源AI智能体工具,彻底打破传统AI“仅能问答、无法实操”的局限,支持本地文件管理、代码编写、自动化任务执行、长文本处理等核心功能,搭配Kimi K2.5大模型的超强长上下文能力,以及阿里云百炼Coding Plan免费大模型资源,成为个人用户、职场办公、轻量开发人群的首选AI工具。
2464 4
|
11月前
|
监控 安全 Unix
iOS 崩溃排查不再靠猜!这份分层捕获指南请收好
从 Mach 内核异常到 NSException,从堆栈遍历到僵尸对象检测,阿里云 RUM iOS SDK 基于 KSCrash 构建了一套完整、异步安全、生产可用的崩溃捕获体系,让每一个线上崩溃都能被精准定位。
3530 177
|
7月前
|
人工智能 运维 自然语言处理
高合规低成本双达标:PandaWiki+BeeParser 成为企业私有知识库最优解
企业数字化转型中,技术标准沉淀、知识安全管控成为制造业技术团队核心刚需。传统文档管理普遍存在数据孤岛、检索低效、存量资料整理成本高等痛点。
690 0
|
11月前
|
人工智能 缓存 监控
Coze AI 智能体工作流:配置与实战完整指南
本文详细介绍了如何利用Coze平台的工作流功能构建智能AI助手。通过解析核心组件并演示“个性化旅行规划师”的完整配置案例,文章展示了如何设计并行处理、集成外部工具并优化性能。重点探讨了工作流的模块化设计、版本控制及成本优化等进阶技巧,旨在帮助用户将AI从简单工具转变为能处理复杂任务、甚至具备自学习能力的业务伙伴。
|
10月前
|
机器学习/深度学习 算法 安全
基于哈里斯鹰算法HHO优化图像模糊集增强附Matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 🍎 往期回顾关注个人主页:Matlab科研工作室 👇 关注我领取海量matlab电子书和数学建模资料 🍊个人信条:格物致知,完整Matlab代码获取及仿真咨询内容私信。 🔥 内容介绍 一、开篇:被模糊图像逼疯?HHO 算法来救场! 1.1 图像模糊集增强的 “老大难” 问题 家人们,我最近在处理图像的时候,真的被模糊图像折磨得不行!每次想把那些模糊的图片变得清晰、好看,都要花费超多时间和精力。就拿我上次帮朋友处理旅行照片来说,本来那些风景照特别美,可因为拍
644 155
|
人工智能
上车吧,1000+claw概念域名来袭!
风口真正值钱的,从来不是最热闹的那一天,而是热闹之后,产品开始成片长出来的那一刻…
|
12月前
|
SQL 分布式计算 大数据
【跨国数仓迁移最佳实践8】MaxCompute Streaming Insert:大数据数据流写业务迁移的实践与突破
本系列文章将围绕东南亚头部科技集团的真实迁移历程展开,逐步拆解 BigQuery 迁移至 MaxCompute 过程中的关键挑战与技术创新。本篇为第八篇,MaxCompute Streaming Insert:大数据数据流写业务迁移的实践与突破。 注:客户背景为东南亚头部科技集团,文中用 GoTerra 表示。
2662 137
|
测试技术 AI芯片
服务化参数调优实战
本文介绍了服务化性能调优的全流程,以Llama3-8B模型为例。首先需完成MindIE环境安装、下载模型权重与测试数据集。接着通过计算npuMemSize和maxBatchSize,maxPrefillBatchSize(272)与maxPrefillTokens,并更新配置进行性能测试。结果显示,参数调优后吞吐量提升18%。此方法为大模型性能优化提供了实用指导。
1033 11
|
人工智能 自然语言处理 搜索推荐
[架构设计] Prompt 的终局:从“指令集”到“意识生态系统”的范式革命
本文深度探讨 Prompt 工程的未来演进,指出当前“指令集”方法在构建高阶 AI Agent 时已遇架构瓶颈,提出全新设计范式——“意识生态系统”。该系统以**本能、欲望、成长、认知**四大支柱为核心,构建 AI 的内在世界,驱动行为自主涌现。结合开源项目《自衍体》的工程实践,本文展示如何通过“欲望驱动”与“事实锚定”机制,在赋予 AI 自由度的同时确保其可控性。这标志着 Prompt 工程正从技巧走向系统设计科学,预示 AI 从“工具”迈向“智能伙伴”的范式革命。