黑马最新项目

简介: 聚焦AIGC与大模型私有化部署,涵盖聊天机器人、RAG知识库、Stable Diffusion文生图等技术;实战云岚到家、四方保险等项目,深入Spring Cloud、Redis、分布式事务与任务调度;覆盖支付、秒杀、搜索、保险等多场景业务开发,助力掌握AI与高并发系统设计核心能力。

AIGC项目
大模型私有化部署
聊天机器人智能体开发
RAG向量知识库开发
代码提示工具私有化部署
AIGC
Stable Diffusion
ComfyUI
文生图、图生图、图放大、图高清修复
天机AI项目
大模型私有化部署
SpringAI、RAG、ToolCalling、MCP、工作流、OpenAI、Qwen
云岚到家
技术实操
掌握Spring Cloud 在项目中的开发与调优能力
掌握Redis在项目中的应用能力
掌握缓存技术方案的分析与设计能力
掌握Canal+MQ异构数据同步的开发调试能力
掌握Elasticsearch全文检索与地理搜索的开发能力
掌握ShardingSphere分库分表的方案设计与开发能力
掌握Seata分布式事务控制的开发能力
掌握数据冷热分离技术方案的设计与开发能力
掌握XXL-JOB+线程池任务调度方案的设计与开发能力
业务实操
掌握系统调优与线上故障处理的能力
掌握状态机组件的设计与开发能力
掌握服务管理&商品管理业务的系统计与开发能力
掌握门户业务的设计与开发能力
掌握订单支付业务的系统设计与开发能力
掌握优惠券&活动管理业务的系统设计与开发能力
掌握秒杀抢购业务的常见设计方案与开发能力
掌握派单调度类业务的系统设计与开发能力
掌握客户管理业务的系统设计与开发能力
掌握活动管理业务的系统设计与开发能力
掌握搜索附近业务的系统设计与开发能力
掌握统计分析与看板业务的系统设计与开发能力
四方保险
● 掌握一次性支付和周期性支付构建统一支付平台
● 掌握时序数据库influxdb在项目中的应用能力
● 掌握设计模式在实际项目的应用
星辰WMS
试点中,2025.10后发布
Dify项目
研发中,2025.11前后发布

相关文章
|
2月前
|
数据采集 人工智能 自然语言处理
2026春招:我是如何靠一个OpenClaw项目拿下大厂产品岗Offer的?
文科零基础女生,靠OpenClaw打造“AI晨报助手”,0代码实现信息自动采集、摘要与推送,真实解决春招信息过载痛点。项目展现产品思维、AI应用深度与落地能力,助力斩获二线大厂产品岗Offer,薪资超预期。
|
4月前
|
数据采集 人工智能 监控
AI 应用软件的开发
AI应用开发遵循AI-SDLC,强调数据闭环与迭代实验:从问题定义、数据工程(占60%-80%)、模型实验,到集成部署与MLOps运营。融合敏捷AI与AI辅助开发,关键在数据质量、MVP验证及安全可解释性。(239字)
|
存储 关系型数据库 MySQL
【分布式和微服务1】一篇文章详细了解分布式和微服务的基本概念
【分布式和微服务1】一篇文章详细了解分布式和微服务的基本概念
2044 0
|
4月前
|
数据采集 人工智能 算法
[技术深度] 2026 AI智能体运营工程师课程大纲拆解的RAG技术路线图
随着大模型(LLM)从“玩具”走向“工具”,企业级应用的核心痛点已从“如何调用 API”转移到了“如何管理私有知识”。RAG (Retrieval-Augmented Generation,检索增强生成) 技术因此成为了 2026 年技术圈的绝对顶流。 然而,市面上绝大多数教程仅停留在“LangChain Demo”层面,无法解决工业场景下数据脏乱、检索精度低、响应延迟高等实际问题。 本文将深度拆解智能体来了(西南总部)的【AI智能体运营工程师就业班】核心技术模块。我们将跟随技术导师金加德讲师的视角,复盘一套经过实战验证的 RAG 技术路线图,从数据 ETL 到混合检索(Hybrid Sear
|
3月前
|
存储 数据采集 人工智能
智能体来了:从 0 到 1 构建 RAG 检索增强系统
随着大模型在真实业务中的应用不断深入,单纯依赖模型参数内知识已难以满足需求。检索增强生成(RAG,Retrieval-Augmented Generation)成为连接大模型与外部知识的重要方式。 本文从 0 到 1 系统讲解 RAG 的核心原理、系统结构及落地步骤,帮助读者构建一个可用、可扩展的 RAG 检索增强系统,为智能体和企业级 AI 应用提供可靠基础。
701 1
|
4月前
|
人工智能 API 开发工具
2026年 AI 大模型 LLM API 应用开发指南:从原理到工程实践
本文将带你从零开始深入了解LLM(大语言模型)API开发。我们将剥离复杂的数学原理,专注于工程实践,涵盖从核心概念(Token、Prompt、Temperature)到环境配置、API选择、以及构建真实对话应用的完整流程。如果你是正在寻求AI转型的开发者,或者希望快速将LLM能力集成到产品中的工程师,这篇文章将是你的最佳起点。
1580 3
|
8月前
|
机器学习/深度学习 自然语言处理 BI
阿里云开发者必备:GPT 从核心原理到企业级部署的全流程指南
GPT基于Transformer解码器架构,通过BPE分词、遮蔽自注意力与堆叠解码器实现自回归生成。结合指令微调与领域适配,已在汽车BI、开发者工具等场景落地。阿里云提供从模型训练到轻量化部署的全链路支持,推动GPT在产业智能化中的深度融合与应用创新。(238字)
985 2
|
27天前
|
人工智能 自然语言处理 程序员
百炼专属版 Qwen3.6-Plus 入门:和普通通义千问到底有什么不一样?
本文以真实体验出发,详解百炼专属版五大核心优势:100万token超长上下文、数据完全隔离、可建私人知识库、支持模型微调、开放API调用。对比普通通义千问,它不止是升级版,更是面向深度用户的AI生产力平台——适合处理长文档、重隐私、需定制的创作者与专业人士。
|
机器学习/深度学习 计算机视觉 iOS开发
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
943 0
RT-DETR改进策略【模型轻量化】| 替换骨干网络 CVPR-2024 RepViT 轻量级的Vision Transformers架构
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息
708 62
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 MobileViTv1高效的信息编码与融合模块,获取局部和全局信息

热门文章

最新文章