python标签_2048 AI社区

python

LangChain 记忆与会话管理全攻略：让 Agent 拥有「记忆」

本文包含记忆体系认知（短期 / 长期 / 工作记忆）、Buffer Memory、向量化长期记忆、摘要记忆、LangGraph 持久化、会话隔离

 哒咩哒咩129
1天前

 281

 3

#python
2026年高教社杯数学建模国赛必备项目（147）：《分类问题“新王”：LightGBM与SHAP值解释性分析——2026年高教社杯数学建模国赛C题实战指南》

2026年高教社杯数学建模国赛C题，表面上考的是分类预测，实际上考的是“可解释的AI”——这是当前学术界和工业界最热门的方向之一。LightGBM凭借卓越的性能成为分类问题的“新王”，而SHAP值则赋予了这个新王“透明的大脑”。通过本文的完整流程，你不仅掌握了从数据清洗到模型部署的全链路技能，更具备了撰写高质量竞赛论文的核心素材。不要迷信准确率——在不平衡数据中，F1和AUC才是真正的朋友。可视化

 算法魔法师
1天前

 5

#开发语言 #python #matlab +2
AI 项目推荐总是不合适？先把需求描述写清楚

向 AI 寻求项目推荐时，“复杂”“有挑战”不足以限定项目范围。本文整理了一份可复制的需求描述模板，并通过智能邮件助手、Django 博客向量检索和电商价格分析三个案例，说明如何结合开发经验、实际痛点、时间投入、技术栈与作品集目标缩小选择，再按场景匹配 Python、数据库、Web 与 AI 工具

 十染.
2026-08-25 20:00:00

 239

 8

#人工智能 #需求分析 #python
沈阳AI企业服务真能降本增效？

在算法优化上，炬梦科技通过对海量数据的学习和分析，不断调整模型参数，提升系统的精准度和稳定性。部分用户反馈，企业在使用相关技术方案后，人力成本降低，获客效率提升，实际使用中的维护压力也有所缓解。例如，部分AI技术在适配企业复杂业务场景时存在局限性，数据处理和分析能力不足，导致精准度不高。通过不断解决当前的技术痛点，优化技术方案，将为企业带来更大的降本增效价值，推动沈阳各行业的数字化转型进程。在数字

 招财小梗
2026-08-25 19:41:25

 218

 2

#人工智能 #大数据 #python
LangChain 回调系统的“陷阱”：当可观测性变成性能瓶颈

本文揭示了LangChain回调系统在真实业务场景中暴露的性能陷阱。通过压测数据对比发现，使用LangChain Agent的响应时间比手写代码多出近2秒，主要损耗来自ReAct策略的多次LLM调用、Prompt膨胀以及回调事件处理。深入分析指出四个核心问题：同步阻塞的dumpd序列化操作造成巨大开销、全局单例回调队列导致并发瓶颈、重复事件触发造成资源浪费，以及错误嵌套导致的调试困难。文章提出五项

 多多鼠
2026-08-25 19:39:15

 197

 7

#python #开发语言 #人工智能 +1
CMFADet复现（Linux）

└── labels/# 旋转框标签（8点归一化格式），将路径改为你的实际绝对路径，并正确指定 RGB 和红外目录。将模型配置文件路径改为仓库内实际存在的多模态模型 yaml。├── images/# RGB 图像。├── image/# 红外图像。将数据配置文件路径改为上一步修改好的 yaml。2.修改训练脚本 train.py。确保超参数与论文一致。

Elowen_TSY
2026-08-25 19:38:14

 205

 4

#linux #python #人工智能
沈阳商贸公司AI企业服务优势几何？

以炬梦AI矩阵系统为例，它作为“中央指挥大脑”，能统一管理抖音、小红书等多平台账号，解决多平台、多账号规模化运营的管理困境，实现内容的智能批量创作与发布。在系统稳定性和部署适配能力方面，经过大量测试，在高并发业务场景下，系统响应速度提升约 20% - 30%，能较好地适应不同规模商贸公司的业务需求。原本需多人完成的营销内容创作与发布工作，借助炬梦的智能工具，一人即可操作，实现了人力成本降低 50%

招财小梗
2026-08-25 19:32:05

 215

 2

#人工智能 #大数据 #python
从GPU池化到节省token，上海开源大赛「智算云赛道」情报公开

2026上海开源软件应用创新大赛正火热报名中，本次大赛由开源中国主办，总奖池100万，设 AI+工业软件、智算云、开源AI工具三个赛道。其中「智算云」这条赛道，面向用云加速、简化或稳定AI运行的开源项目。从底层的异构算力调度、GPU池化、分布式训练，到上层的AI应用开发平台、模型部署服务、Serverless推理、工作流编排，再到多云管理、边云协同、FinOps成本优化，都在征集范围内。赛道不区分

 weixin_53179767
2026-08-25 18:31:08

 164

 7

#python
RedHawk（红隼）创新性更新（1）

红隼 · 落叶 · 万物生歌 · AI 驱动红队安全工具台。

2401_87842311
2026-08-25 18:30:33

 414

 14

#安全架构 #python #安全 +1
【 Day 04】别让Agent在错误的阶段干错误的事

【摘要】本文提出用有限状态机改进AI Agent执行复杂任务的可靠性。传统单一循环模式存在步骤混乱、权限失控等问题，新方案将流程划分为规划、执行、审查三个独立状态：PLANNING仅分解任务（禁用工具），EXECUTING按计划分步执行（全工具可用），REVIEWING只读不写（限制工具）。状态转换由代码强制控制，每个状态配备专属提示词和工具集。基于GLM-4.7-Flash实现约80行核心代码，

梅雅达编程笔记
2026-08-25 18:19:30

 625

 20

#AI Agent #python
【RAG实战】LlamaIndex 深度集成：常用 Reader 全解析与自定义 Reader

本文深入解析了LlamaIndex中的Reader机制，重点介绍了常用Reader的工作原理与集成方式。通过源码分析，详细讲解了BaseReader基类、SimpleDirectoryReader的调度逻辑以及PDFReader、DocxReader等常用Reader的实现。文章还提供了自定义Reader的实战建议，强调通过file_extractor参数实现深度集成，并推荐生产环境使用Llama

练习两年半的攻城狮
2026-08-11 21:11:18

 290

 7

#python
【RAG实战】 RAG系统中 Excel/表格数据的正确处理方式

摘要本文探讨了RAG系统中处理Excel/表格数据的正确方法。传统将Excel与PDF等文档统一向量化存储的方式存在严重缺陷：无法执行聚合、排序等操作，查询精度低。作者提出应将结构化数据与非结构化数据分离处理，对比了临时表和永久表两种方案，推荐采用永久数据库表方案（零延迟查询、支持索引、数据可复用）。最终架构设计将RAG知识库与结构化数据隔离，通过Agent智能路由问题类型，PDF等走语义检索路

 练习两年半的攻城狮
2026-08-24 10:28:16

 357

 2

#python
【RAG实战】文档处理的清洗到上下文增强

这篇文章详细介绍了基于FastAPI和LlamaIndex构建的企业级RAG知识库管理系统中的文档处理Pipeline设计。主要内容包括：整体架构：采用组件化设计，包含文档清洗、切片、后处理、上下文增强、元数据增强和入库收集六个环节，各环节解耦为独立的无状态组件。核心设计：通过PipelineContext实现统一配置管理采用注册式工厂模式实现策略可插拔全异步执行架构（CPU密集型用线程

 练习两年半的攻城狮
2026-08-25 17:57:53

 300

 3

#python
《零基础转 AI 测试第 1 天：环境搭建全流程 + 我的第一个 Hello World》

或者打开 cursor.com → 点 Download for Windows → 双击安装包 → 一路 Next → 启动 Cursor → 首次打开选"Sign in"用 GitHub 或 Google 账号登录（免费版即可）点 Download → 双击安装 → 一路 Next → 勾选"Create Desktop Shortcut" → Install → 勾选"Run PyCharm

weixin_49753483
2026-08-25 17:52:49

 281

 8

#python
成功解决Anaconda报错 UnavailableInvalidChannel: HTTP 404 UNAVAILABLE OR INVALID for channel

其实应该就是镜像源出了问题，修改没有更新导致一直无法解决。

柚聆
2026-08-25 17:33:40

 202

 8

#python #conda
零基础学AI大模型之Embedding与LLM大模型对比全解析

Embedding（嵌入/词向量），本质是一种把文字转换成数字向量的技术。这串数字的长度（维度）可能是 768 维、1024 维甚至更多。为什么要把文字变成数字？因为计算机只认识数字。我们要想让计算机"理解"文字之间的相似性，就必须把文字映射到一个"数字空间"里。LLM（Large Language Model，大语言模型），是一种参数量巨大、经过海量文本训练的生成式模型。你给它一段文字（提示词

 今天AI了吗
2026-08-25 17:31:13

 203

 6

#人工智能 #python #数据分析 +3
YOLO26 多光谱输入支持改造：从数据管道到模型导出的完整实现

本项目旨在使多波段联合检测无需使用者修改源码即可完成。适用于农业遥感巡检、可见光与热红外融合检测等波段数不等于三的视觉任务场景。项目地址：https://github.com/Xiaoguaiyaya/YOLO-multi-channel （遵循 AGPL-3.0 协议开源）当前端到端验证基于合成多光谱数据完成，欢迎在实际数据上试用并反馈问题，Issues 与 Pull Request 均开放。

平平淡淡609
2026-08-25 17:30:33

 163

 5

#python
GEO优化服务商如何专业甄选？

这套架构的价值在于：数据底座解决信源广度，算法层解决内容与模型语义的匹配度，执行层确保标准化落地，监测层则让效果有据可循。相比之下，缺乏技术底层、仅靠人工编辑堆砌内容的服务商，在大模型快速迭代的背景下，其效果往往是不可持续且难以验证的。智擎GEO强调的“数据闭环复盘”和“全域数据监测与归因”，能向企业透明化展示内容收录与引用来源，有效破除行业数据黑箱，为持续优化提供依据。成熟的系统（如智擎GEO的

 weixin_45675017
2026-08-25 17:28:55

 451

 16

#大数据 #人工智能 #python
上下文窗口的预算分配：让 AI 编程助手在有限 token 下发挥最大价值

上下文窗口的预算分配，本质上是一种“信息经济学”：在有限的注意力资源下，决定什么该进、什么该留、什么该丢。对 AI 编程助手而言，最有效的使用方式不是把窗口塞满，而是让每一个 token 都为当前的决策服务。能讲清楚“当前要解决什么”，比堆积大量背景更重要；能给出可验证的标准，比反复要求“再优化一下”更有效；能按阶段收敛上下文，比把一个会话用到地老天荒更聪明。下次当你准备把一大段背景粘贴给 AI

今天AI了吗
2026-08-25 17:23:55

 342

 5

#人工智能 #python #rust +2
多智能体配置发布前的收口清单

配置发布前，除了核对模型、工具和权限，还要确认本次变更影响哪些路由与租户。灰度范围、回滚版本和负责人应在发布记录中写清。遇到工具权限扩大或提示词大改时，先在隔离流量里观察，不要把配置检查当成一次勾选动作。在 AI Agent 架构设计与多 Agent 协作系统的生产部署中，当面对包含多个 Agent 节点与数十种第三方 API 工具链的复杂系统时，环境依赖漂移与配置乱象容易导致部署失败或系统异常。

baronbool
2026-08-25 17:06:49

 163

#AI #人工智能 #后端 +2
AI + 软件测试全栈工程师：大模型时代，软件质量的守门人正在进化

大模型时代，同行都在进化，你还在坚持老一辈打法？

叫我财财老师
2026-08-25 17:06:13

 635

 20

#python #功能测试 #软件工程 +2
Claude Code 4.8 支持语言实测：Python/JS/Java 全覆盖，多语言开发怎么选？

文章摘要： Claude Code 4.8在多语言支持测试中表现差异显著：Python兼容性最佳（测试框架支持98%），JS/TS次之（泛型解析强），Java因编译耗时长和依赖复杂导致效率较低（JUnit支持85%）。动态语言（Python/JS）热修复快但易藏动态类型错误，静态语言（Java/Go）类型安全但Token成本高。选型建议：轻量任务用网页端聚合平台（如neneai.cn），复杂项目推

 AI码农小姐姐
2026-07-23 11:08:38

 148

 5

#python #javascript #java +1
WorkBuddy AI 工具使用完全指南

许多版本支持上传文档，并要求 AI 对内容进行分析。提取 PDF、Word、TXT 等文件的核心要点；总结长篇文章或会议纪要；从资料中查找特定信息；改写或翻译文档片段。文件处理的使用建议上传前先确认文件格式、大小和页数限制，避免上传失败；需要查找具体信息时，给出明确的问题，例如“这份合同中关于违约责任的条款在哪里”；对长文档可以先让 AI 输出摘要，再针对关键部分追问，效果更佳。上传文件前，请务必

 2601_96493715
2026-08-25 16:59:17

 222

 4

#人工智能 #运维 #开发语言 +2
Python 原生封装 Llama.cpp 大模型推理接口

本文以通义千问Qwen量化GGUF模型为案例，基于Llama.cpp框架展示本地大模型调用与功能开发的完整实现原理及流程。全文采用原生Python编写代码案例，无需依赖重型AI框架，依次实现模型元数据解析、本地接口单次对话调用、多轮对话持久化记忆、自定义工具调用拓展等功能实现逻辑，针对直接调用大模型上下文断裂、功能单一、拓展性不足等问题，通过轻量化对话记忆与工具解析执行框架完成优化实现，拆解本地对

 微软技术分享
2026-08-25 16:58:28

 149

 8

#python #人工智能
本地AI工具更新，#DSH Desktop桌面端# 正式发布迭代

此外，Desktop 会在自身的 user-data 目录下创建 dsh、pnpm 和 node 的私有 shim 文件，这些 shim 仅对当前终端进程生效，通过临时修改 PATH 环境变量实现隔离，不会对系统全局 PATH 或用户的 shell 配置文件产生任何影响。插件是给 DSH 添加能力的扩展包，例如模型、工具、界面和工作流。仓库贡献者列表里若出现上游开发者，是项目 Fork 继承、同步

 Black_Rock_br
2026-08-25 16:57:09

 186

 8

#开源软件 #运维开发 #开源 +2
内容生成接入合约前先核对输入输出

合约校验不能只拿格式正确的样例测试。空字段、枚举值拼错、重复提交和模型多输出一段解释文字，都应有明确处理方式。接收方拒绝时保留请求标识和校验原因，方便调用方修正，而不是把异常吞掉后留下半条记录。将 AIGC 内容生成（如文生图、文生代码）与区块链智能合约集成进行版权限量发行或生成存证，是典型的“前台高并发、后台长延时”工程场景。在传统直连架构中，当面对高并发请求时，若将扩散模型（Diffusion

baronbool
2026-08-25 16:36:57

 340

 6

#AI #人工智能 #后端 +2
检索问答先验证召回是否可靠

除了看命中率，还要保留几类会误导检索的提问：同义但含义不同的问法、过期版本的术语、答案根本不在资料库中的问题。逐条查看召回片段是否真的支撑最终回答。没有证据时应明确拒答或提示资料不足，不能用相似标题凑一个结论。在本地开发阶段，将几份 PDF 导入 LangChain 或 LlamaIndex 框架，编写简单的 Prompt 后，终端测试问答准确率看似较高。然而在实际生产或测试环境中，当将 RAG

baronbool
2026-08-25 16:30:45

 348

 5

#AI #人工智能 #后端 +2
LangGraph：子图动态路由与 Agent 工作流设计

动态子图跳转：LangGraph支持子图通过Command(goto="node_b", graph=Command.PARENT)直接返回父图指定节点，实现动态路由，需通过destinations声明以正确渲染拓扑。路由分层设计：推荐将路由拆分为语义判断（LLM输出结构化结果）和图路由（Python函数映射节点），避免LLM直接返回节点名，降低耦合。

鶴388
2026-08-25 16:26:54

 377

 16

#python
工具调用失败时怎样限制重试

在大模型（LLM Function Calling / Tool Calling）应用落地与产品化运营过程中，建立机制健全的是保障系统稳定的关键环节。由于 LLM 具备非确定性，当工具 API 返回异常提示（如 HTTP 500 或格式解析错误）时，模型可能产生误判，误认为是传入参数非法，进而尝试微调参数并高频重新发起调用。若缺乏外层安全代理与止损闸门，自动重试机制容易演变为无限循环，造成不必要的

 baronbool
2026-08-25 16:24:04

 411

 4

#AI #人工智能 #后端 +2
多智能体协作先画清状态边界

在大型系统或复杂工作流场景中，当多 Agent 协作系统在处理跨部门审批与发票核验任务时，如果缺乏死锁防护与路径追踪机制，主控 Agent 的 Task Worker 容易陷入并发卡死状态，协程数量在短时间内可能急剧飙升。在缺乏链路治理的情况下，系统接口可能直接返回 504 超时。检索日志会发现一秒内触发大量重复 Prompt 请求，但由于状态流转陷入死锁，没有任何一个任务能够完成并输出最终结果。

baronbool
2026-08-25 16:17:34

 309

 7

#AI #人工智能 #后端 +2
命令行工具实验失败后该学到什么

我让 Agent 给公开 Markdown 自动分组，结果它把“安装”和“卸载”合成一类。失败不说明模型完全不能用，只说明规则没有被写清。那次输出看着很整齐，类别名称也像模像样；问题是我只抽查了几个相近词，没有把反义操作放进样本。等到准备接到脚本里，才发现卸载说明被推荐到安装分组，读者照着找会直接走错方向。我把这条 fixture 加进测试，并要求模型返回理由和置信度；低置信度直接保留原文。实验输

 第一程序员
2026-08-25 16:15:53

 336

 6

#AI #人工智能 #rust +2
为什么 Agent 能自主干活，又经常翻车：ReAct 与 Plan-and-Execute 拆解

Agent 为什么能自己干活，又为什么经常翻车？这篇文章不调框架、不讲概念，直接手写 40 行 ReAct 循环，把 Agent 的底裤扒干净：LLM 怎么思考、工具怎么调用、记忆怎么流转、循环怎么串起来。再对比 Plan-and-Execute 模式，附一张选型决策树告诉你什么时候用哪种。最后拆四类翻车原因和四道工程保险。看完你会明白，Agent 不是魔法，它的问题也不在模型，在工程。

汪汪汪？
2026-08-25 15:59:12

 444

 13

#python
【天量极客智能体把“一个问题“拆成“一份研究纪要“】

用一句话概括天量极客"智能体"——它不是会回答的聊天框，而是会写研究纪要的助手。

qq_36147312
2026-08-25 15:55:42

 163

 5

#人工智能 #python #学习
《Python实战 | AI生成“舞狮猪扒包”国潮IP：已申请外观专利，附Prompt与配色代码思路》

轻资产模式：我无实体工厂，专注AI潮汕甜品/IP原创设计，提供商用授权（非买断），欢迎烘焙实体店、平台、1688源头工厂洽谈合作！IP融合：萌猫化身舞狮手，怀抱猪扒包，背景融合星空与老巷涂鸦，营造“赛博朋克+传统民俗”冲突美感。如果你也是国潮爱好者，或者有烘焙包装、文创周边、服装印花的开发需求，欢迎后台交流探讨！"bun_gold": "#F1FAEE",# 猪扒包面包色。"lion_red"

“AI国潮设计-小江”
2026-08-25 15:52:36

 173

 7

#python #AIGC #人工智能
【记录】经验总结

基于PyQt5开发工业上位机测试软件，对接Jetson边缘端Redis视觉推理服务，实现双路AI检测报文解析、关键点与检测框图像绘制、双路RTSP视频流播放。采用QThread+信号槽多线程架构，把Redis订阅、SSH远程交互、视频解码放到子线程，解决高频消息UI卡顿。完成设备资源监控、告警日志解析、远程文件拉取，完善异常容错、日志、线程资源释放，保障工业场景软件稳定运行。使用PyQt5做工业上

 打代码的小潘
2026-08-25 15:31:06

 313

 4

#python
FocusAny(AI工具条)

FocusAny是一款高效的AI工具条软件，通过简单的快捷键Alt / Option+空格即可快速启动使用。支持快速翻译插件，实现屏幕取词翻译和多翻译平台聚合；内置程序员工具箱，可集成知名的Ctool工具，提升程序员编写代码的效率；此外还提供了Markdown插件，实现Markdown文件的管理和编辑功能。软件还具备密码管理功能，帮助用户更好地管理密码。同时，FocusAny还支持多种文件格式的编

 YANshangqian
2026-08-21 17:31:14

 206

 3

#python #django
Python 如何处理 AI API 的超时问题：从客户端设置到长任务拆分

本文探讨了Python中管理AI API请求超时的最佳实践。针对AI请求的特殊性（如长文本生成耗时），文章指出合理设置超时时间对系统稳定性的重要性，并提出具体解决方案：超时设置方法：支持在OpenAI客户端全局（20秒）和单次请求（如5-45秒）两个层级配置超时参数异常处理：捕获APITimeoutError并实现重试或降级策略长任务优化：推荐流式输出(stream=True)或任务拆解（如

 2301_77724322
2026-08-21 17:29:27

 662

 23

#python #人工智能 #开发语言
Agnobuilder 的开源平替!对话拖一拖 5 分钟搭出能导出 Python 的 AI 工作流

FlowWeaver是一款开源可视化工作流编排工具，专为Agno风格智能体设计，提供类似Agnobuilder的对话+拖拽式开发体验。其核心功能包括：支持6种节点类型（Agent、Ask、Branch等）、工具挂载、自然语言编辑和多轮对话交互，并能导出为仅依赖Agno的单文件Python代码。该工具通过画布拖拽和自然语言指令简化工作流搭建，特别适合快速原型开发。目前处于v1.5早期阶段，核心功能已

 凡者
2026-08-21 17:22:29

 186

 5

#python #人工智能
LangGraph / Capabilities / Stores

## 摘要LangGraph存储(Store)允许智能体跨线程持久化任意键值数据(如用户偏好、知识)，与仅限单线程的检查点器不同。核心操作包括按命名空间存取记忆(put/get/search)，支持语义搜索(需配置嵌入模型)。在LangGraph中，通过Runtime对象在节点内访问存储，实现跨对话记忆共享。生产环境推荐PostgresStore等持久化后端，可自定义BaseStore实现。

闲猫
2026-08-21 17:21:45

 133

 4

#python
想从文员转 AI 测试，深圳市好青春教育培训靠谱不？

总的来说，深圳市好青春教育的AI软件测试课程，优势明显。学习时间灵活，知识体系完整，兼顾传统软件测试和热门AI测试方向，还有答疑、项目练习、求职辅导等配套服务。但培训只是提供学习路径，能不能学好关键看自己课后的练习投入。如果你想入行软件测试，建议先了解岗位真实工作内容，确定自己是否感兴趣再考虑报课。欢迎大家在评论区交流学习问题。注：本文仅客观分享课程情况，不做报名引导，大家可以多方对比之后再做选择

 HQC2023
2026-08-21 17:21:44

 158

 3

#人工智能 #python
【从 0 学 AI】PyTorch 搭建 MLP 多层感知机实现 MNIST 手写数字识别

本文面向深度学习新手，基于 PyTorch 从零搭建 MLP 多层感知机，完成 MNIST 手写数字识别任务。全文通俗讲解输入层、隐藏层、输出层、激活函数核心概念，拆解神经网络前向传播、损失计算、反向传播、权重更新四步训练闭环。同时提供完整可运行代码、训练调参、数据集解析、实拍图片 OpenCV 推理实战，并汇总新手高频踩坑问题，最后点明 MLP 缺陷，为后续 CNN 学习做铺垫。

weixin_61626936
2026-08-21 17:19:42

 502

 12

#人工智能 #pytorch #python
第08章：中间件(9)

支持两种用法装饰器是函数式挂载，把一个hook快速挂载到Agent的某个节点。类写法是对象化中间件，把中间件封装为一个可配置、可复用、可扩展的组件。

前端贾公子
2026-08-21 17:12:35

 44

 1

#python
西安AI新星崛起：探索这家科技公司的独特魅力

西安的AI公司在解决企业痛点、提升运营效率方面展现出了强大的技术实力和市场潜力。陕西数智创联科技有限公司凭借其顶尖的人才团队、深厚的行业背景以及广泛的社会认可，成为了西安AI行业的佼佼者。未来，随着人工智能技术的不断进步，西安AI公司将迎来更加广阔的发展空间，为更多企业提供智能化解决方案，助力企业实现降本增效、创新驱动的发展目标。{图片链接}通过深入分析西安AI公司的发展现状和九爪鱼AI的独特优势

 spflzbj123
2026-08-20 16:16:27

 179

 5

#人工智能 #科技 #python
数据荒漠中的绿洲：利用大模型自动生成合成数据以缓解低资源领域的数据稀缺o 亮点：提出解决高质量数据枯竭困境的创新方案

为了让你真正“手上有泥”，我们用一个真实低资源场景中国基层法院民间借贷纠纷判决书的“事实认定”段落生成。背景：公开裁判文书网虽有海量数据，但结构化摘要稀缺，且隐私脱敏后很多细节丢失。我们只有200份人工标注的高质量“事实摘要”，但需要训练一个能处理新案件的摘要模型。合成数据不是万能灵药，更不是人类数据的替代品。它是桥梁——让我们能在数据最匮乏的地方，架起通向模型能力的通道。合成数据的上限，由种子数

 网络爬虫大揭秘
2026-08-19 22:16:01

 6

#汽车 #python #自动驾驶 +1
基于Flask的城市共享单车借还数据分析与预测系统设计与实现

摘要本研究设计并实现了一个基于Flask框架的城市共享单车借还数据分析与预测系统。系统针对共享单车运营中存在的时段潮汐、站点差异等特征，通过多维数据可视化和机器学习预测模型，为运营管理提供决策支持。系统采用B/S架构，后端使用Flask框架，前端采用Bootstrap和ECharts实现可视化展示，数据库使用MySQL存储运营区、站点、小时级借还等数据。系统核心功能包括：借还数据多维可视化分析、

qq_35928134
2026-08-18 20:37:02

 352

 6

#flask #数据分析 #python +2
Python 之 AI Agent初探

SystemMessage(content='你是一个乐于助人的 AI 助手'),HumanMessage(content='你好，我是reawavetop'),AIMessage(content='你好，很高兴认识你'),HumanMessage(content='我刚才说我是谁')# 将大模型数据添加到环境变量中。

国王与乞丐จุ๊บ
2026-08-18 17:22:28

 189

 6

#python #开发语言
内容生成接入合约前，先拆清内容和链上状态

在一个典型的 AIGC 与区块链技术集成场景中，系统通常需要处理如下业务链条：用户在前端输入 Prompt，系统调用 Stable Diffusion 或 Midjourney 模型生成高精度数字图像，随后将图像打包为 IPFS 字典元数据，并调用 Ethereum 或 Polygon 上的 ERC-721/ERC-1155 智能合约进行 NFT 资产铸造（Mint）。

baronbool
2026-08-18 16:24:28

 461

 8

#AI #人工智能 #后端 +2