AI 助理
文档备案控制台
开发者社区 云计算 文章 正文

Activiti工程分享

2025-12-18 44
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 本文提供Activiti入门教程与完整审批流程源码，包含两个GitHub项目链接：首个为上手Demo，助你快速理解基础；第二个为完整流程实现，附流程图详解，便于深入学习工作流开发。

1 教程上手Demo

https://github.com/Herbbbb/ActivitiDemo.git

2 完整审批流程源码

https://github.com/Herbbbb/Activiti.git

Jokerw
目录
相关文章
huizhudev
|
6月前
|
人工智能 安全 前端开发
写单元测试太痛苦？教你用DeepSeek/通义千问一键生成高质量测试代码
单元测试难写且枯燥？本文分享一套经过验证的AI生成指令，将DeepSeek/通义千问化身为10年经验的测试专家。支持自动Mock、全场景覆盖和参数化测试，让代码质量保障从"体力活"变成高效的"指挥活"。
huizhudev
1283 3
大雄修斯
|
Java 数据库连接 数据库
探究Java中的MyBatis Plus注解 @TableField：灵活处理字段映射与自动填充
在数据库操作中，字段映射和字段填充是开发者经常需要处理的问题。MyBatis Plus作为一款优秀的ORM框架，提供了注解 `@TableField`，能够帮助开发者更加灵活地处理字段映射，以及在特定场景下实现自动填充功能。本文将深入探讨 `@TableField` 注解的用法及其在持久层开发中的应用。
大雄修斯
6489 1
Jokerw
|
6月前
|
Cloud Native Ubuntu Linux
云原生
Docker是一个基于Go语言的开源容器化平台，实现“一次镜像，处处运行”。它通过容器技术将应用及其依赖打包，实现高效、轻量的部署与隔离，相比传统虚拟机启动更快、资源占用更少。
Jokerw
365 0
云原生
Jokerw
|
6月前
|
机器学习/深度学习 人工智能
AI大模型位置编码详解
位置编码为Transformer提供序列顺序信息，弥补注意力机制无位置感知的缺陷。主要分为绝对编码（如可学习、Sinusoidal）和相对编码（如RoPE、ALiBi）。RoPE通过旋转矩阵支持长序列，ALiBi以线性偏置增强外推能力。不同方法在长度外推、效率等方面各有优劣，广泛应用于LLaMA、BLOOM等大模型中。
Jokerw
446 0
AI大模型位置编码详解
Jokerw
|
6月前
|
机器学习/深度学习 存储 知识图谱
🫗 知识蒸馏
知识蒸馏是一种模型压缩技术，通过将大模型（教师）的知识迁移到小模型（学生）中，实现高效推理与良好性能的平衡。核心思想是利用教师模型的输出概率分布（软标签）指导学生模型训练，结合温度机制平滑分布，保留类别间关联信息。常用KL散度衡量软标签差异，并融合硬标签损失提升泛化能力。可分为黑盒（仅用输出）与白盒（用中间特征）蒸馏，广泛应用于模型轻量化场景。
Jokerw
434 0
🫗 知识蒸馏
Jokerw
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型分词器详解
分词器是将文本转为模型可处理数字序列的关键组件。本文详解BPE、WordPiece、SentencePiece三大主流算法原理与优劣，对比其在多语言支持、分词粒度等方面的差异，并提供中英文实战代码示例，助你掌握词汇表构建流程、特殊标记处理及常见面试问题应对策略。
Jokerw
880 1
Jokerw
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型Transformer基础结构
Transformer是2017年提出的基于注意力机制的神经网络，摒弃了传统RNN结构，采用自注意力与多头注意力机制，实现并行化处理和长距离依赖建模。其核心由编码器-解码器架构、位置编码、残差连接和层归一化组成，广泛应用于NLP任务，成为BERT、GPT等模型的基础。
Jokerw
725 0
Jokerw
|
6月前
|
机器学习/深度学习 人工智能 缓存
AI大模型注意力机制详解
注意力机制是Transformer的核心，实现序列间动态关注。包括自注意力、交叉注意力、多头（MHA）、分组（GQA）、多查询（MQA）及低秩压缩的MLA等变体，平衡效率与性能，广泛应用于大模型优化与推理加速。
Jokerw
456 0
AI大模型注意力机制详解
Jokerw
|
6月前
|
机器学习/深度学习 算法 关系型数据库
🎮 强化学习
强化学习通过智能体与环境交互，基于状态、动作和奖励学习最优策略。核心方法包括价值迭代、Q-learning、策略梯度及Actor-Critic框架，结合在线/离线学习与同/异策略优化，实现高效决策。
Jokerw
788 0
🎮 强化学习
Jokerw
|
6月前
|
缓存 算法 C++
⚡ 模型推理加速
大模型推理加速涵盖KV-Cache优化、连续批处理、投机解码、模型并行等技术，通过算法与系统协同优化，提升推理效率。vLLM等框架实现高效部署，兼顾吞吐与延迟，助力大模型落地。
Jokerw
276 0
⚡ 模型推理加速

热门文章

最新文章

  • 1
    好域名怎么选？总结15名网站大佬给我的8条建议！（精华）
  • 2
    .NET Core多平台开发体验[4]: Docker
  • 3
    复杂网络-常用绘图软件和库
  • 4
    SpringBoot自定义异常，优雅解决业务逻辑中的错误
  • 5
    Python工作中代理IP的重要性！
  • 6
    计算器、tuple操作、dict、其他常用操作
  • 7
    第一部分：基础知识（第一章）颜色主题
  • 8
    《AngularJS深度剖析与最佳实践》一第2章 概 念 介 绍
  • 9
    C#类和结构体的异同点简单总结
  • 10
    Ext扩展 :双栏选框，多选框
  • 1
    《无需额外付费的OpenClaw Agent部署指南》
    50
  • 2
    《扣子如何让OpenClaw技能开发提速》
    31
  • 3
    2026年第一季度网络钓鱼态势深度解析：当信任成为最危险的漏洞
    47
  • 4
    Google Ads 付费广告仿冒钓鱼机理与多维防御技术研究
    41
  • 5
    AI 攻防双向演进下网络钓鱼防御效能对比研究
    34
  • 6
    Office365 反钓鱼策略配置优化与全链路防御实证研究
    36
  • 7
    生成式 AI 驱动钓鱼攻防成本异化与智能代理防御体系研究
    35
  • 8
    AI 赋能下中间人攻击机理与分层防御技术研究
    44
  • 9
    市政仿冒邮件钓鱼攻击特征、检测技术与分层防控实证研究
    31
  • 10
    生成式 AI 驱动网络钓鱼产业化演化与全链路防御技术研究
    62

    • 相关电子书

    更多
  • 低代码开发师（初级）实战教程
  • 冬季实战营第三期：MySQL数据库进阶实战
  • 阿里巴巴DevOps 最佳实践手册
    • 下一篇
    阿里云正式发布 Agentic 代码安全：AI驱动的双Agent协同引擎