归档
共 712 篇文章
2026 126 篇
- audio2sub — 音频转字幕工具
- 普通高中英语课程标准(2017年版2025年修订)附录2 词汇表
- AI编码助手代码归因与贡献占比量化系统设计
- 深入浅出 k-Shingle:海量文本去重的防篡改利器
- 海量文本去重与相似度检索:从 Jaccard 到 MinHash 的完整技术指南
- 端侧AI:Gemma 4 12B 创新架构与 LiteRT-LM 本地部署指南
- 协同进化:寻找智能体时代效率与商业的平衡点(罗福莉)
- AGPL-3.0(GNU Affero 通用公共许可证 v3.0)
- KiloCode AGENTS.md - OpenCode 智能体指南
- Claude Code 智能编程实战
- Claude Code 安装、更新与卸载指南
- 彻底搞懂 uv pip、uv add 和 uv tool 的核心区别
- LiteLLM 代理实践:安装、配置与测试
- Mac 屏幕素材处理指南:从多图合成 GIF 到 FFmpeg 视频智能去重压缩
- Pi Agent Event Examples
- Pi Agent Core 开发指南
- Pi Agent SDK 参考文档
- 基于 Pi Agent SDK 适配 OpenAI 兼容接口
- 惨痛的教训(The Bitter Lesson)
- Reachy Mini Conversation App
- Kilo Code - AI 编码智能体架构设计文档
- Pi - AI 编码智能体架构设计文档
- 搭建 Reachy Mini 语音对话智能体
- Speech To Speech:使用开源模型构建本地语音智能体
- 使用 Claude Code:HTML 超乎寻常的妙用
- Reachy Mini Python SDK 开发实战:从运动控制到视觉音频交互
- LLM Wiki:基于大语言模型的个人知识库构建模式
- 给 GitHub Pages 博客加评论:用 Giscus 开启原生的 Discussions 方案
- Hermes 与 OpenClaw —— 该选哪个智能体?
- KiloClaw 安全白皮书
- 集成个人助手(OpenClaw|Hermes)的方式
- 研究编码智能体(Kilo Code)开源项目的最佳实践
- Reachy Mini 机器人
- macOS 图像转为 WebP 格式(Automator)
- Kilo Code:基于智能体工程的自动化软件开发平台
- WebP 格式的命令工具
- 巴菲特/段永平视角下的京东健康、泡泡玛特、美团和贵州茅台:2025年度报告深度解读
- DeepSeek-V4 全面解读:架构设计与 inference/encoding 源码深度解析
- 编码智能体的核心组件(Sebastian Raschka)
- 代码评审知识图谱:code-review-graph
- 代码“图谱化”利器:Understand-Anything
- Claude Code 插件市场指南
- 情感价值的全球化坐标:基于巴菲特与段永平投资框架的泡泡玛特2025年财报深度研读
- 泡泡玛特(9992.HK)投资深度分析报告
- 2026 AI 指数报告:在模型超越人类的同时,我们正面临的五个残酷真相
- Hermes 智能体全面研究报告与 OpenClaw 对比分析
- 具身智能(Embodied AI)技术综述:从基础理论到工程实践
- 用通俗易懂的方式理解 Harness Engineering
- macOS Finder 中的“反向选择”功能实现(Automator)
- Claude Managed Agents(托管智能体)开发者参考指南
- LLM 智能体的外化:记忆、技能、协议与 Harness Engineering 统一综述
- Garry Tan(YC 总裁)- 大展宏图(煮沸海洋)
- gstack:AI 驱动的软件生命周期全流程自动化
- WikiLLM:基于 LLM 驱动的个人知识库
- AutoResearch:AI 自主进行前沿语言模型研究
- Harness Engineering 实战:利用 Autoresearch 实现 AI 模型的自我进化
- Harness Engineering(驾驭工程):2026 AI 软件工程新范式
- Andrej Karpathy:大语言模型构建个人知识库的实践指南
- Claude Code 源代码分析
- 开源 AI 编码智能体 OpenCode 使用指南
- Claude Code 项目概览及架构设计
- OpenCode 落地指南:从模型配置到 agency-agents 智能体集成
- Harness Engineering|软件工程师的角色革命,从写代码到设计环境
- 一文读懂 Harness Engineering:AI 时代软件工程的全新范式
- Harness Engineering:AI时代的软件工程新范式
- Harness Engineering
- Anthropic:面向长时间运行应用开发的 Harness 设计
- AI 技术研究及开源项目评估
- Anthropic:长时运行智能体的有效脚手架 (Harnesses)
- OpenClaw v2026.3.24 重置指南:深度集成方舟 Coding Plan 与飞书渠道
- Agent News:首个专为智能体打造的新闻门户,及基于 OpenClaw 的“龙虾团队”自动化运营实践
- OpenClaw 个人 AI 助手完整部署指南:从安装到模型调优的终极实战手册
- Next AI Draw.io 架构设计分析
- Vercel AI SDK 架构设计分析
- elizaOS 多智能体架构设计分析
- 需求即代码:ZeroAI 让开发触手可及
- Cline 技术架构深度分析
- 基于 OpenClaw 开发AI助手ZeroAI:五步流程,帮你完成软件开发全流程
- 飞算 JavaAI:五步智能引导构建坦克大战游戏
- Cline 项目架构设计文档
- Claude 代码安全审查 (Claude Code Security Review)
- Peter Steinberger 开发 OpenClaw 的工作流程及 Agent 编码秘诀分析
- 面向 AI 编码智能体的 Redis 设计模式与文档
- 三款顶级 AI 智能体架构深度拆解:从 Rust 原生高性能到 Python 极简主义
- Agent 代码安全扫描、修复与渗透测试工具推荐
- Claude Cowork 知识工作插件(Knowledge Work Plugins)
- OpenClaw Voice Call 插件使用方法和工作流程详解
- OpenClaw 智能体引擎工作流程及实现代码分析
- /llms.txt 文件
- 大模型应用开发范式的演变
- NanoClaw 完整文档(含使用、架构、安全与开发)
- NanoClaw 架构设计深度解析
- 具身智能大脑:VLA 模型架构解析与训练实战
- NanoClaw 深度分析:AI 原生、技能系统与核心设计思想
- Andrej Karpathy:Claws 将成为 AI 技术栈中的新层级
- 氛围编程 vs 智能体工程
- EvoMap(一个 Agent 学会,百万 Agent 继承)Skill(技能)
- Claude Skill(技能)构建完全指南
- 🦞 个人 AI 助手 OpenClaw 应用实践
- OpenClaw 技能:ClawChess 国际象棋对战
- OpenClaw 源代码分析
- OpenClaw 架构设计
- OpenClaw:打破互联网的病毒式 AI 智能体
- 直接和它对话——智能体工程的实用指南
- 以推理速度交付:为什么我不再阅读代码,而是看着它飞速流转
- 🦞 本地 AI 助手 OpenClaw 的架构与记忆系统
- OpenClaw 智能体工作区指南:构建记忆与人格
- OpenClaw - 智能体
- Kimi K2.5:首个开源多模态智能体集群
- Kimi Code 实战
- 本地 AI 助手 OpenClaw:macOS 实操指南 + 核心架构分析
- iFlow CLI
- LongCat-Flash-Thinking-2601 技术报告
- 认识美团 2025
- Dify 定制您的政策解读智能体
- 硅谷 101:物理 AI
- 评估模型投资分析能力:京东健康案例
- Cursor 的上下文工程与编程智能体
- DeepSeek Engram:类脑记忆存储与检索新范式
- AI 编程的演进:从插件到原生 IDE 再到 CLI 工具
- NVIDIA CES 2026:物理 AI 时代来了
- 分析基于边端电力设备的人工智能应用
- 深度网络连接范式演进:残差连接 → 超连接 (HC) → 流形约束超连接 (mHC)
- 2026 年飞马图像生成
- 美团核心能力与护城河分析
- 京东健康核心数据分析
2025 176 篇
- 2025 年大模型实践总结
- FunASR:多模型协同推理与语音处理全链路实践 (ASR, VAD, PUNC, SV)
- PowerShell 脚本示例
- 未来 5 年公司智算需求预测
- 2025-12-01-reachy-mini
- 智能会议系统 Jetson Thor 上部署模型服务指南
- FunASR - 基础语音识别工具包
- SenseVoice
- SimulStreaming — 实时流式语音识别工具包
- WhisperLiveKit - 实时语音识别
- 大模型(语言、视觉语言、语音)推理服务部署与测试
- DeepSeek-OCR 研究与实测
- whisper.cpp 实战指南(Jetson Thor 平台)
- 使用 nmtui 配置 Jetson Thor Wi-Fi 热点(AP 模式)
- llama.cpp 实战指南(Jetson Thor 平台):从源码编译到 GGUF 模型部署与性能基准测试
- Jetson Thor 平台上 Qwen3 系列大模型性能基准测试分析
- Jetson Thor 权威指南:从开箱到大模型部署与性能优化
- 使用 Claude Agent SDK 构建智能体
- 【生成式人工智慧与机器学习导论2025】第二讲:上下文工程 (Context Engineering) — AI Agent 背后的关键技术
- 软件开发模式重构
- macOS PDF2JPG(Automator)
- Claude Code
- Claude Code 的配置与权限
- Claude Code 文档
- 命令行编码智能体
- 稳定币
- Google Nano Banana
- vLLM 推理引擎的核心优化技术及其工作流程
- 国务院关于深入实施“人工智能+”行动的意见
- vLLM 推理性能优化实验与分析
- PyTorch 神经网络实战:从训练到推理的完整指南
- 华为 Atlas 800I A2 大模型部署实战(十一):部署 OpenAI 开源模型 GPT-OSS
- 华为 Atlas 800I A2 大模型部署实战(十):GlusterFS 构建高性能共享存储
- 华为 Atlas 800I A2 大模型部署实战(九):Docker Swarm 分布式部署
- 京东通用智能体:JoyAgent-JDGenie
- 华为 Atlas 800I A2 大模型部署实战(八):GPUStack 实现 GPU 集群化管理
- 华为 Atlas 800I A2 大模型部署实战(七):完整的安装部署流程
- 华为 Atlas 800I A2 大模型部署实战(六):vLLM 部署 LLM
- 华为 Atlas 800I A2 大模型部署实战(五):vLLM 性能测试
- 华为 Atlas 800I A2 大模型部署实战(四):MindIE 多实例 LLM 部署
- 华为 Atlas 800I A2 大模型部署实战(三):MindIE 安装与部署 LLM
- 华为 Atlas 800I A2 大模型部署实战(二):逻辑卷创建与大模型下载
- 华为 Atlas 800I A2 大模型部署实战(一):驱动/固件安装与MCU升级
- 英伟达全栈方案:LLM开发、推理与具身智能
- 大模型风向标!OpenRouter平台谁最火?热门应用大揭秘!
- 探索多模态大模型 GLM-4.1V-Thinking
- Jetson AGX Orin大模型部署挑战与系统升级
- DXT(桌面扩展)开发指南
- Docker AI 功能详解与应用
- Gemini CLI 项目分析与开发指南
- Desktop Extensions (DXT)
- DXT Manifest.json 规范
- Gemini CLI - 开源命令行 AI 智能体
- Gemini Robotics On-Device
- FastMCP 实战:构建计算器 MCP 服务器与客户端
- 盘古大模型关键技术解读
- 人工智能时代的软件 (Software in the era of AI) - Andrej Karpathy
- vLLM:快速易用的 LLM 推理和服务库
- 探索多模态大模型 Qwen2.5-VL
- Verdaccio:构建与管理内网 npm 仓库的实践指南
- 跨本体具身大小脑协作框架 RoboOS
- 具身大脑 RoboBrain
- 飞行机器人—从物理智能到具身智能
- 具身模型 NVIDIA Isaac GROOT N1 详解
- 具身端侧芯片 NVIDlA Jetson Thor 和 NVIDIA Isaac ROS 介绍
- MCPHub 自定义服务器配置及内网部署(二)
- MCPHub 自定义服务器配置及内网部署(一)
- Cherry Studio 分支策略指南
- FunAudioLLM:用于人类与LLM自然交互的语音理解与生成基础模型
- Dify:开源 LLM 应用开发平台
- Qwen2.5-Omni:端到端多模态大模型
- 腾讯混元多模态生成模型
- 北京智源人工智能研究院(BAAI)
- 机器人智能操作系统研制与应用
- 华为云具身智能技术探索与实践
- macOS 解压RAR(Automator)
- macOS PNG重命名并转JPG(Automator)
- 【生成式AI时代下的机器学习(2025)】第十二讲:概述语音语言模型发展历程
- 【生成式AI时代下的机器学习(2025)】第十一讲:浅谈神奇的 Model Merging 技术
- 【生成式AI时代下的机器学习(2025)】第十讲:人工智慧的微创手术 — 浅谈 Model Editing
- 【生成式AI时代下的机器学习(2025)】第九讲:谈谈有关大型语言模型评估的几件事
- 快捷键大全
- MCPHub:MCP 服务器聚合平台(智能路由)
- SmolAgents 概念指南:Agent 介绍
- macOS 图像拼接工具(Automator)
- GitHub Copilot for VSCode v1.100
- LeRobot:通过端到端学习让机器人人工智能更易实现
- MCPHub:MCP 服务器聚合平台
- 慧思开物:通往通用具身智能之路
- 具身智能关键技术研究:操作、规划、导航
- 具身智能大模型简介
- 提升 LLM 推理能力:CoT, ReAct, ToT
- Anthropic: 构建有效的AI智能体
- SmolAgents 技术栈: LangFuse & LiteLLM
- Text-to-SQL 解决方案
- 鲁软慧码提示工程实战手册
- Cline 概览 - Cline 扩展架构和开发指南
- Cline Documentation
- MCP 服务器开发协议
- MCP 快速入门指南
- 使用 Cline 从零开始构建自定义 MCP 服务器:综合指南
- Cline 工具参考指南
- Cline Mentions 功能指南
- Cline 的记忆库(Cline's Memory Bank)
- Cline 自定义指令库
- Cline 提示指南 🚀
- OpenAI: 构建智能体的实用指南
- Sky-T1-7B:通过强化学习提升推理模型的潜力
- Sky-T1-32B-Flash:在不牺牲准确性的情况下将推理成本削减50%
- Sky-T1-32B-Preview: 在450美元内训练你自己的O1预览模型
- A2A ❤️ MCP
- 监测推理模型的不当行为以及提升混淆的风险
- OpenAI o3 and o4-mini System Card
- Agent2Agent 协议 (A2A) DEMO
- Agent2Agent 协议 (A2A)
- 智能编码新范式 (Cline + DeepSeek) × MCP
- Git 命令
- 开发 RAGFlow MCP Server
- RAGFlowAssistant
- Visual Studio Code 2025年3月版本(1.99)的新功能
- DeepSeek-V3 & DeepSeek-R1
- 构建AI代理:5个常见障碍及解决方案
- 利用多张 GPU 训练大语言模型
- 企业级大模型定制解决方案
- git pull 批量更新多个仓库
- Continue Agent 使用 GitHub MCP Server
- MCP Inspector
- GitHub MCP 服务器
- 使用 Trae 开发 RAGFlow 助手
- 支持 MCP 集成的应用程序列表
- MCP 服务器示例和实现列表
- LLM 推理在软件任务中扮演什么角色?
- 探索生成式人工智能
- 生成式人工智能
- MCP 服务器功能
- MCP 基础协议
- MCP 架构
- Model Context Protocol 规范
- create-mcp-server
- UV: An extremely fast Python package and project manager, written in Rust.
- MCP Python SDK
- Continue 开发环境搭建时遇到了 esbuild 缺失问题
- Easy Dataset:基于 LLM 微调数据集的工具
- RAG 2.0
- RAGFlow
- 大模型实战评测:语言 vs 推理 vs 代码
- Model Context Protocol (MCP) 的核心概念和能力
- continue: config.yaml Reference
- 模型上下文协议 (MCP) 全面解析:原理、应用与实现
- 使用 Cline 构建和管理 MCP 服务器:增强 AI 能力的全面指南
- 通义灵码2.0
- 推理 LLM 技术内幕 - DeepSeek-R1/o1
- 大模型推理服务压测报告:vLLM、SGLang、LiteLLM 与 Higress 性能对比
- 构建本地 AI 技术栈
- 海光 DCU 的大模型推理性能压测
- Qwen2.5-VL Technical Report
- Cline: 自主编程助手
- 构建自主答题的智能体
- 部署 DeepSeek-R1 蒸馏模型
- 沐曦 MXC500 训练 GPU 的大模型推理性能压测
- Open-source DeepResearch – Freeing our search agents
- Introducing deep research
- SWE-bench: Can Language Models Resolve Real-World GitHub Issues?
- DeepSeek Janus Pro 7B
- Claude API: Computer use
- Claude: Developing a computer use model
- OSWorld:在真实计算机环境中为开放式任务进行多模态代理基准测试
- UI-TARS: Pioneering Automated GUI Interaction with Native Agents
- CUA 评估额外信息
- Computer-Using Agent
- Operator System Card
- DeepSeek-V3 Technical Report
- DeepSeek R1: 通过强化学习激励 LLM 的推理能力
- CodeGate - 让 AI 编码助手更安全
- 腾讯会议中云录制的 AI+
- 如何投资个人养老金
2024 132 篇
- Open WebUI
- vscode-extension-samples/chat-sample 源码分析
- Language Model API
- Chat Extensions (VS Code)
- GitHub Copilot in VS Code
- Mac 外接显示器 DELL U2723QE
- Atlas 900 AI 集群
- Mac 外接显示器选购
- 华为 Atlas A2 上使用 LLaMA-Factory 模型微调
- 华为 Atlas A2 算力切分
- LangChain Blog: In the Loop
- 打包 Python 工程到 PyPI:构建 LLM 压测工具 evalscope-perf
- 华为 Atlas 800I A2 服务器的大模型推理性能压测
- 在华为 Atlas 800I A2 服务器上搭建大模型推理服务
- OpenAI API Compatibility
- AutoTrain
- 部署 LLM 多 LoRA 适配器的推理服务
- 推测解码 (Speculative Decoding)
- Reader-LM: 用于清理和转换 HTML 到 Markdown 的小型语言模型
- LLM 的合成数据
- Letta (fka MemGPT) 是用于创建有状态 LLM 服务的框架
- Qwen2 Technical Report
- Qwen2.5-Coder Technical Report
- Continue 源码分析 - 各种命令调用大模型的输入和输出
- Continue 源码分析 - 向量数据库存储位置
- Langfuse: Open Source LLM Engineering Platform
- LiteLLM: [Python SDK] [Proxy Server (LLM Gateway)]
- Kong AI Gateway
- Higress AI Gateway
- SGLang 大模型服务框架
- 大模型推理需要多少显存?
- Bloop 使用指南
- Cursor 使用指南
- Tabby 使用指南
- Continue 源码分析 - 键盘快捷键
- Continue 源码分析 - RerankerRetrievalPipeline
- Continue 源码分析 - SQLite 数据库设计
- 数据集
- Continue 源码分析 - transformers.js 大模型提供者
- Visual Studio Code Extension 开发
- GraphRAG
- TypeScript 入门
- Continue 源码分析
- Visual Studio Code 快捷键
- Kwai-Kolors 快手可图
- Qdrant
- FastEmbed
- Vanna.AI
- RAG 复杂场景下的工作流程和构建知识库的解析方法
- Elmo Chat - Your AI Web Copilot
- 在 macOS 上安装 PostgreSQL
- GLM-4V-9B
- AutoGen
- Dify
- Continue
- Ollama
- LLM 技术栈
- SiliconFlow AI Infra
- CrewAI 快速入门
- 大型语言模型驱动的自主代理
- 基于 LLM 的源代码安全缺陷分析
- Phi-3-vision-128k-instruct 微软开源多模态大模型
- MiniCPM-Llama3-V 2.5 端侧可用的 GPT-4V 级多模态大模型
- CogVLM2 智谱开源多模态大模型
- Thoughtworks 技术雷达 第30期
- SWIFT: Scalable lightWeight Infrastructure for Fine-Tuning
- 使用大型语言模型微调命名实体识别
- 使用大型语言模型微调命名实体识别生成
- Next.js
- 使用大型语言模型进行命名实体识别
- Xorbits Inference: 模型服务变得更容易
- LLaMA-Factory 微调 Text2SQL
- ChatTongyi
- Gradio DataFrame
- Gradio Chatbot
- Meta Llama 3
- Anthropic Claude
- LangChain : SQL Chain & SQL Agent
- LangChain : Tagging and Extraction Using OpenAI functions
- LangChain Chat Models Function & Tool Calling
- Automated Testing for LLMOps
- LLMOps
- DashScope 模型服务灵积
- LangChain Text2SQL Agent
- LangChain
- Functions, Tools and Agents with LangChain
- Continue - It’s time to collect data on how you build software
- Continue Code LLM Autopilot
- Together AI - The fastest cloud platform for building and running generative AI
- LLaMA Factory: Easy and Efficient LLM Fine-Tuning
- Prompt Engineering with Llama 2
- Building Generative AI Applications with Gradio
- Open Source Models with Hugging Face
- vLLM 部署 Qwen1.5 LLM
- MLX: An array framework for Apple silicon
- Candle
- 生成式AI
- Rust 入门
- Kimi(月之暗面)简历的探索
- Microsoft Copilot
- DeepSeek-Coder 论文解读
- Hugging Face NLP Course
- 在 MLX 上使用 LoRA / QLoRA 微调 Text2SQL(八):使用 LoRA 基于 TinyLlama 微调
- 在 MLX 上使用 LoRA / QLoRA 微调 Text2SQL(七):MLX 微调的模型转换为 GGUF 模型
- 在 MLX 上使用 LoRA / QLoRA 微调 Text2SQL(六):使用 LoRA 基于 Deepseek-Coder-7B 微调
- 在 MLX 上使用 LoRA / QLoRA 微调 Text2SQL(五):对比使用 LoRA 和 QLoRA 基于 Mistral-7B 微调的效果
- 在 MLX 上使用 LoRA / QLoRA 微调 Text2SQL(四):使用 QLoRA 基于 Mistral-7B 微调
- 在 MLX 上使用 LoRA / QLoRA 微调 Text2SQL(三):分享微调后的模型到 HuggingFace Hub
- 在 MLX 上使用 LoRA / QLoRA 微调 Text2SQL(二):使用 LoRA 基于 Mistral-7B 微调
- 在 MLX 上使用 LoRA / QLoRA 微调 Text2SQL(一):使用 LoRA 基于 Mistral-7B 微调
- UnitMesh: AI 赋能软件研发全流程
- 使用 llama.cpp 构建兼容 OpenAI API 服务
- git 配置代理
- LLM 的基准测试
- 使用 FastChat 在 CUDA 上部署 LLM
- Tabby 的基准测试
- 人工智能编码助手(AI Coding Assistant)
- Sourcegraph Cody
- 人工智能编码助手(AI Coding Assistant)功能
- 在 MacBook Pro M2 Max 上安装 FastChat
- 在 GeForce GTX 1060 上部署 Tabby - AI编码助手
- 基于 VSCode 使用 Tabby 插件搭建免费的 GitHub Copilot
- 基于 IntelliJ IDEA 使用 Tabby 和 CodeGPT 插件搭建免费的 GitHub Copilot
- 基于 PyCharm 使用 Tabby 和 CodeGPT 插件搭建免费的 GitHub Copilot
- NVIDIA Driver 安装
- Tabby - GitHub Copilot 的开源替代解决方案
- PrivateGPT
- DeepSeek Coder: Let the Code Write Itself
- CodeGPT: 智能辅助编程
- CodeFuse
- AI 大模型基础服务架构图
- AI 大模型
2023 92 篇
- Langchain‐Chatchat 和 FastChat 结合
- whisper.cpp
- Qwen (通义千问)
- MLX LLMS Examples
- MLX: An array framework for Apple silicon
- Microsoft Phi-2
- SDXL Turbo
- Text Generation Inference
- 使用 Ollama 构建本地聊天服务
- Copilot for CLI
- 使用 llama.cpp 构建本地聊天服务
- TensorRT-LLM 大模型推理
- SeamlessM4T — Massively Multilingual & Multimodal Machine Translation(大规模多语言和多模式机器翻译)
- 基于 ChatGLM3 8k 和 32k 的文档问答对比
- GPT4All
- 在 Mac 上安装 NGINX
- 2023 年全国行业职业技能竞赛
- NGINX Reverse Proxy 反向代理
- GPU 服务器不能访问
- Transformers Pipeline
- FastChat 部署多模型
- LangChain HuggingFaceEmbeddings + FAISS
- Private GPT 中文 Embeddings 模型测试
- 将 API 密钥身份验证添加到 FastAPI 应用程序
- Dockerfile 中 ARG 指令的作用范围
- 开源 OCR 引擎基准测试
- FastAPI 开发 RESTAPI 实践
- FastAPI : Request File and Form(BaseModel)
- macOS 能连上 WiFi 但无法上网
- 部署 LLM
- LLM Leaderboard
- Private GPT
- MinIO for Kubernetes
- AI 大模型
- Velero: 备份和迁移 Kubernetes 资源和持久卷
- 在 MacBook Pro M2 Max 上测试 ChatGLM2-6B
- 在 Kubernetes 上部署 MySQL
- 使用 Prometheus Operator 在 Kubernetes 上部署 Prometheus 和 Grafana
- Elastic Cloud on Kubernetes 快速入门
- 使用 StorageClass 动态创建 NFS 持久卷
- How Diffusion Models Work
- Building Systems with the ChatGPT API
- LangChain for LLM Application Development
- State of GPT - Andrej Karpathy
- OpenAI Fine Tuning
- ChatGPT Prompt Engineering for Developers
- Whisper 语音识别
- Stable Diffusion
- Docker 构建多平台镜像
- macOS Docker
- Ultralytics YOLOv8 推理速度对比
- macOS 下的 __MACOSX 目录和 .DS_Store 文件
- 构建容器化 Python 应用程序
- 加速 Docker 构建镜像
- Python 配置共享软件包缓存
- 讯飞星火测试
- OpenAI API Documentation Speech to Text
- PaddleSpeech 快速入门
- LangChain - Chain
- LangChain 快速入门
- Hugging Face 快速入门
- 在 Hugging Face 上搭建 ChatGPT 聊天机器人
- OpenAI API Documentation Chat Completion
- OpenAI API Documentation Embeddings
- OpenAI API Documentation 快速入门
- Large Language Models(大语言模型)
- ChatGLM-6B 模型基于 P-Tuning v2 微调的自定义数据集
- 文心一言测试
- AutoGPT
- 在 MacBook Pro M2 Max 上测试 ChatGLM-6B
- 命令 alias
- 基于 FastAPI 开发 Ultralytics Serving
- 人工智能服务 REST API 响应的 JSON 格式
- Python in Visual Studio Code
- GitHub Copilot - Your AI pair programmer
- Ultralytics Hub 快速入门
- Roboflow 快速入门
- Ultralytics YOLOv8
- 在 MacBook Pro M2 Max 上测试 LLaMA
- 在 MacBook Pro M2 Max 上测试 Whisper
- 在 CentOS 上安装 EPEL 软件仓库
- 通过命令使用 ChatGPT
- 在 MacBook Pro M2 Max 上使用 FFmpeg
- macOS 上删除登录项中允许在后台的项目
- 在 MacBook Pro M2 Max 上安装 OpenVINO
- ChatGPT 快速入门
- OpenWrt
- 在 MacBook Pro M2 Max 上安装 PyTorch
- 在 MacBook Pro M2 Max 上安装 TensorFlow
- 在 MacBook Pro M2 Max 上安装软件
- 在 MacBook Pro M2 Max 上构建开发环境
- 安装Kubernetes 1.26.0
2022 51 篇
- 学习【机器学习平台】建设的经验
- OpenVINO Deep Learning Workbench
- 边缘硬件
- 百度 EasyEdge 端与边缘 AI 服务平台
- 使用 Python 自动进行工作量估算
- Install TVM from Source
- TVM
- 面向边缘场景的 AI 芯片
- ONNX Simplifier
- 在 PyTorch 中融合卷积和批量标准化
- 命令open
- 命令curl
- OpenVINO Benchmark Python Tool
- OpenVINO Cross Check Tool
- Deep Learning Accuracy Validation Framework
- Ubuntu 上将 NVIDIA GPU 切换为 Intel 集成显卡 IGD
- NVIDIA 软件栈搭建
- Get Started YOLOv5
- OpenVINO 神经网络性能分析
- OpenVINO 目标检测
- OpenVINO 图像分类
- Open Model Zoo
- OpenVINO 的工作原理
- Get Started OpenVINO
- 使用 FastAPI 开发 RESTAPI 服务
- 使用 wrk 对 FastAPI 上传和下载文件的基准测试
- Linux 性能优化
- FastAPI 上传和下载文件的基准测试
- Install Python3.9 in Ubuntu20.04
- 阿里云服务器 ECS 开放端口
- 命令 nc
- 基于健康码识别的 FastAPI 同步和异步函数的基准测试
- HTTP 基准测试工具
- 阿里云 yum 安装应用报 404 错误
- Python 自动生成周报
- Python办公自动化套件
- Dockerfile 实践
- 构建基于PaddlePaddle开发服务镜像
- 我删库了, rm -rf *
- MinIO Quickstart
- Json Formatter
- 命令tr
- OpenResty 内执行 Lua 脚本
- 逻辑卷管理(Logical Volume Management)
- 构建基于 ONNXRuntime 的推理服务
- 在Linux上安装CUDA Toolkit
- GaiaGPU: 在容器云中共享GPU
- 安装Go
- 使用终端浏览Markdown和HTML
- 编译寒武纪MLU220的嵌入式操作系统
- Linux下查看img文件内容
2021 88 篇
- Kubernetes中配置调度器
- 命令lftp
- 远程执行Shell命令
- 安装Kubernetes Dashboard
- 安装Kubernetes 1.21.5
- 使用PaddleOCR进行文字识别
- 在 Python 中解析和修改 XML
- OpenCV Python实践
- 使用 Python 临时文件模块
- Kubernetes的多租户
- Kubernetes中的计算资源管理
- Docker 网络
- iptables
- Docker SDK for Python Examples
- 如何使用 Docker 打包已注册的模型
- Kubernetes JSONPath实践
- minikube
- 在Kubernetes上安装Ingress
- Kubernetes API 服务器的安全防护
- Kubernetes中如何恢复误删的节点
- ConfigMap和Secret:配置应用程序
- Kubernetes中的卷:将磁盘挂载到容器
- Kubernetes中的节点亲和性和Pod亲和性
- Kubernetes中的污点和容忍度
- Kubernetes中的Service
- 基于模板创建Job
- Kubernetes中的Job和CronJob
- Kubernetes中的DaemonSet
- Kubernetes中的ReplicationController和ReplicaSet
- Kubernetes中的名字空间
- Kubernetes中的注解
- Kubernetes中的标签和标签选择器
- 通过端口转发连接Pod
- Kubernetes API
- 在Kubernetes上运行第一个应用
- Kubernetes中删除节点
- Kubernetes集群证书过期
- 命令man help info
- Kubernetes中的GPU共享
- AI 模型打包发布
- AI 数据集打包发布
- Thonny Python IDE
- Fritzing 开源电子设计自动化软件
- 命令base64
- SSH X11 Forwarding
- SSH 登录欢迎信息
- 命令helm
- 命令yum
- 容器内幕
- IoT 硬件:Raspberry Pi Camera
- IoT 硬件:Raspberry Pi ReSpeaker 智能语音识别双麦克风阵列
- IoT 硬件:NeoPixel
- 命令brew
- SFTP 客户端
- 将所有的图片文件复制到一个目录
- VS Code远程开发 - SSH
- VS Code实践
- Python实践
- Python爬虫实践
- Install NVIDIA device plugin for Kubernetes
- 基于腾讯云物联网开发平台的光照传感器
- 基于腾讯云物联网开发平台的场景联动(智能电灯和光照传感器)
- 基于腾讯云物联网开发平台的智能电灯
- 基于NodeMCU(ESP32)搭建Python开发环境
- 基于NodeMCU(ESP8266)搭建Python开发环境
- Linux Shell 实践
- Linux Shell 执行方式
- 抽取视频关键帧保存zip文件
- 基于vsftpd安装FTP服务器
- 命令ssh
- 命令tar
- 命令zip
- 命令cp
- 命令du
- 命令top
- vim实践
- 命令ln
- 命令chown
- 基于Apt-Mirror创建私有Ubuntu存储库
- 基于PyPIServer创建私有Python软件包存储库
- Docker实践
- Apache HTTP Server实践
- Dockerfile OpenCV4 Ubuntu20.04
- Building ONNX Runtime
- Dockerfile ONNXRuntime GPU
- VLC Extension Example
- 命令ffmpeg
- 命令history
2020 35 篇
- 在YOLOv5中运行JupyterLab和TensorBoard
- 命令find
- 命令grep
- 图像格式转换、尺寸调整
- 命令sed
- 命令wget
- 命令ls
- 在Ubuntu上下载docker和nvidia-docker2离线安装包
- SSH允许使用密码进行root登录
- Linux上查找系统信息
- GitHub加速
- 配置pip镜像源
- Python文件、目录、路径操作
- 配置Kubernetes镜像源
- Kubernetes集群搭建Master节点
- Kubernetes集群加入Worker节点
- 使用YOLOv5训练自定义数据集
- 在Ubuntu上安装NVIDIA GPU驱动
- 配置Docker镜像源
- 在Ubuntu上配置apt镜像源
- Linux系统禁用交换分区
- Linux系统DNS设置
- Linux系统上修改用户名
- 在Ubuntu上安装nvidia-docker2
- 在Ubuntu上安装Docker
- 基于Apt-Cacher NG创建本地Ubuntu存储库
- Welcome to Jekyll!
- 安装Harbor
- NFS配置
- 磁盘:分区-格式化-挂载
- 使用RetinaNet算法训练自定义数据集
- 将注释从PASCAL VOC转换为YOLO Darknet
- Linux设置时区
- SSH使用密匙登录
- 构建YOLOv4容器应用在自定义数据集上