聚类标签_2048 AI社区

聚类

python的图论工业场景模拟第五十五篇:设备拓扑社区发现异常团伙可视化追踪，任务:综合社区检测与异常聚类，将孤立异常团伙在拓扑图上高亮显示，图建模说明:无向图，图算法与可视化模板综合调用。

异常团伙追踪器（AnomalyGangTracker）是任何"需要把离散告警还原为拓扑团伙、在图上可视化定位"场景的"社区发现 + 异常聚类融合引擎"。- 融合思路：社区发现（Louvain）定位"自然分组" + 异常聚类（embedding K-Means）定位"离群点" → 取交集 → 在拓扑图上高亮连通的异常子图。"nx.connected_components(subgraph)" 保证每

 2301_82202864
2026-09-03 10:19:09

 231

 7

#算法 #python #图论 +1
【大模型】4.3采用聚类和T-SNE来可视化

核心目标：通过KMeans对1536维的评论Embedding向量做无监督聚类（3类），再用T-SNE降维到2维，可视化不同聚类类别的语义分布；关键步骤：读取向量数据→转换向量格式→构建高维矩阵→KMeans聚类（生成标签）→T-SNE降维→绘制颜色区分聚类的散点图；核心注意点KMeans的类别数k需手动指定，实际应用中可通过“肘部法则”选择最优k；先聚类（高维）再降维（可视化）是最优流程，避免降

 Charlie482
2026-02-27 16:52:45

 687

 12

#聚类 #数据挖掘 #机器学习
基于鲁棒模型预测控制（RMPC）的车辆路径跟踪控制探索

基于鲁棒模型预测控制RMPC的车辆路径跟踪控制研究，通过carsim和simulink进行验证。基于车辆二自由度动力学模型，状态变量为横向偏差，航向偏差，质心侧偏角和横摆角速度；前轮转角和附加横摆力矩为控制量。控制器预测模型为LPV模型。内容包含simulink模型 carsim的cpr文件main和rmpc的m文件 rmpc采用s function编写RMPC相关论文和DYC论文图为双移线仿真效

 HJHoMFoavQSO
2026-02-25 18:59:56

 1049

 27

#聚类
健康行为监测与久坐提醒：K-Means聚类在健康领域的应用

本文介绍了一个基于K-Means聚类算法的健康行为监测系统。该系统通过分析智能手机传感器数据，将用户行为自动分类为静止和运动两种状态，准确率达99.78%。研究使用标准化处理后的数据集（3609条记录，563个特征），采用肘部法则确定最佳聚类数k=2。系统能识别连续静止时间（最长51分钟），并生成个性化健康建议。项目完整展示了AI开发周期，包括数据预处理、模型构建、效果评估和交互式仪表板开发。该系

 zouhui
2026-02-14 17:35:38

 711

 19

#kmeans #聚类 #人工智能
全场震撼！当 AI 大模型集体穿越“王者峡谷”：GPT-4o 是武则天，DeepSeek 竟是韩信？谁才是真正的上分怪？

AI 峡谷的更新速度，比《王者荣耀》的版本更迭快一百倍。今天 DeepSeek 出了个新版本，明天 OpenAI 可能就发布 GPT-5。作为开发者，我们没必要因为“英雄太多”而焦虑。没有最强的模型，只有最会调优（出装）的开发者。Prompt（提示词）就是你的操作，数据就是你的经济，而逻辑思维才是你的意识。最后，祝各位在 AI 的峡谷里，局局超神，永不掉星！

2402_85546360
2026-02-09 14:50:12

 895

 5

#人工智能 #超分辨率重建 #图像处理 +2
AI编程实例 - 爆款文章预测：K-Means聚类与分类算法的实践

本文构建了一个社交媒体传播力预测系统，通过机器学习技术分析文章特征并预测其传播潜力。项目采用K-Means聚类和有监督学习算法（逻辑回归、SVM、KNN），其中逻辑回归表现最佳。研究发现标题词数和内容词数是关键特征，使用平均值而非中位数作为传播力阈值可显著提升准确率。系统实现了从数据预处理到模型部署的全流程，为内容创作者提供数据驱动的决策支持。未来可通过特征工程、模型优化和处理数据不平衡进一步提升

 zouhui
2026-01-30 10:04:12

 786

 16

#kmeans #聚类 #人工智能 +1
探索多智能体系统中的神经网络与自适应动态滑模控制

多智能体系统由多个自主智能体组成，这些智能体通过相互协作、竞争等方式来完成复杂任务。想象一下，一群无人机协同执行搜索救援任务，每架无人机就是一个智能体，它们之间需要实时通信、协调行动，这便是多智能体系统的一个典型应用场景。从代码角度来看，为了构建一个简单的多智能体通信框架，可以使用Python的socket库。# 创建socket对象# 获取本地主机名# 绑定端口号# 设置最大连接数，超过后排队#

eniETIUz
2026-01-27 20:05:41

 519

 10

#聚类
‌用AI模拟“多用户并发冲突”：不是线程，是业务逻辑冲突

业务逻辑并发冲突的本质是业务规则在多用户并发下被绕过或破坏，而非传统的线程安全问题。AI正成为解决此类问题的革命性工具，它能模拟真实用户违反业务规则的行为，而非简单的线程并发。典型场景包括库存超卖、重复扣款等，这些问题需要业务层面的解决方案，如幂等设计、状态机等。AI通过行为建模自动生成并发冲突场景，相比传统测试显著提升异常路径覆盖率和缺陷发现率。未来AI将成为"业务规则守门人&quot

霍格沃兹测试开发学社-小明
2026-01-17 12:24:40

 817

 22

#人工智能 #聚类 #数据挖掘 +4
我用AI分析测试日志，自动聚类相似失败模式

摘要：AI技术正革新测试日志分析，通过自动聚类算法快速识别相似失败模式，显著提升缺陷定位效率。传统人工分析面临海量日志过载、模式识别困难等挑战，而AI采用K-means、DBSCAN等算法实现日志向量化和智能分组，可将分析时间从数小时缩短至分钟级。实施案例显示，某电商平台支付模块的故障分析效率提升16倍，缺陷修复率提高40%。虽然存在数据质量依赖等挑战，但AI聚类通过预测性分析和AIOps集成，正

 霍格沃兹测试开发学社-小明
2026-01-17 12:12:05

 1080

 12

#人工智能 #聚类 #数据挖掘 +4
实战：HuggingFace微调BERT情感分析

通过本文的理论解读与完整代码实践，你已掌握使用 HuggingFace Transformers 微调 BERT 做情感分析的全流程。无论是学术研究还是工业项目，掌握这套技术都能让你在 NLP 任务中快速落地并取得竞争力。CSDN 文章链接祝你在 AI 之路上不断突破，创作更多高质量的技术文章！

wudu_123456
2026-01-16 23:15:21

 693

 24

#聚类
机器学习概述：核心范式、关键技术与应用展望

机器学习作为数据驱动的核心技术，已成为推动人工智能落地的关键动力，其核心价值在于让计算机具备自主学习与适应环境的能力。从基础的监督学习到复杂的强化学习，从数据处理到模型优化，完整的技术链路是实现业务价值的保障。尽管当前仍面临数据依赖、可解释性等挑战，但随着轻量化、可信AI、跨模态融合等技术的突破，机器学习将在更广泛的领域实现深度落地。对于学习者而言，从基础范式入手，掌握数据处理与特征工程的核心方法

 2402_84010018
2026-01-08 22:35:27

 1118

 27

#人工智能 #机器学习 #大数据 +2
文献综述中的“观点聚类术”：如何把碎片观点变成学术地图？

某综述讨论“AI能否替代教师”，只聚类了“AI能提高教学效率”的研究（如张三、李四），却完全忽略“AI无法替代情感互动”的研究（如王五、赵六），最终写成一篇“AI吹捧文”，被导师批评“缺乏学术平衡”。在正式介绍方法前，先聊聊观点聚类中常见的三大“坑”。——从“观点提取”到“维度划分”再到“批判整合”，让你的观点聚类从“碎片化”升级为“系统化”，甚至能帮你发现“研究空白”和创新点。，能根据观点的“研

 宏智树AI
2025-12-29 14:28:44

 771

 11

#聚类 #人工智能 #机器学习 +3
【数据分析实战经验】航空公司客户价值分析 LRMFC 模型（K-means聚类，工具python)

这两天在看张良均、王路等人出版的书《python数据分析与挖掘实战》，前面整理了一篇笔记，现在就实战一下吧。数据量：62988，共有44个客户属性，其中包含了会员卡号、入会时间、性别、年龄、会员卡级别、在观测窗口内的飞行公里数、飞行时间等第一步：数据探索拿到数据集，先进行整体上的观察import pandas as pdimport numpy as npdf = pd.read_csv( 'ai

Mr_charm
2020-05-31 19:22:23

 6591

 13

#python #机器学习 #数据分析 +2
AIGC生成的API测试用例：如何验证大模型输出的接口参数边界？

摘要： AIGC工具在测试用例生成中面临边界验证难题。大模型基于不完整或模糊的文档生成的用例可能存在边界错误（如年龄参数超限），需通过三阶验证框架提升质量：1. 规则审查（匹配API契约中的显式约束）；2. 交叉验证（结合历史缺陷与变异测试补充隐式边界）；3. 动态执行（通过沙盒测试反馈修正模型认知）。未来需工具链支持闭环验证，推动测试工程师向“质量规则定义师”转型，实现AIGC生成用例从“有数量

 2501_94480392
2025-12-24 12:26:18

 637

 30

#AIGC #测试用例 #人工智能 +2
智能缺陷聚类：AIGC将相似报错归并为统一问题，提升修复效率

智能缺陷聚类：AIGC赋能软件测试效率革命面对海量缺陷报告，传统人工分类方法效率低下且不一致。智能缺陷聚类技术通过多维度特征提取（文本语义、日志模式、上下文关联）和高维向量化，运用AIGC实现自动化问题归类与根因分析。该技术使测试人员从分类工作中解放，开发人员能批量修复同类问题，管理者可数据驱动决策。落地需关注数据质量、领域知识融合和工具集成，未来将向预测性聚类和自治性修复发展，实现从被动响应到

 2501_94480392
2025-12-24 11:10:57

 602

 7

#聚类 #AIGC #数据挖掘 +3
机器学习025:无监督学习【聚类算法】（K-Means）-- 用“分堆游戏”理解数据分组的智慧

K-Means通过不断“找中心-分配点-调中心”的迭代舞蹈，将无标签数据自动分组，让机器学会发现数据中隐藏的自然结构。学习AI就像探索一个巨大的迷宫，K-Means是你拿到的第一张简单地图。它可能不展示所有细节，但能帮你建立方向感。记住不要被数学公式吓倒，核心思想往往很直观多动手实践，代码跑起来比读十篇文章更有用理解一个算法的局限和它的能力一样重要AI本质上是工具，思考“用它解决什么问题”比“它多

 黑客思维者
2025-12-23 09:23:50

 1250

 36

#机器学习 #算法 #学习 +2
保姆级教程！有赞Agent从概念到落地，一篇讲透AI智能体的企业级应用

Agent 技术正在成为 AI 领域的热门关键词。2023 年至今，arXiv 上含「agent」关键词的论文数量持续攀升，2025 年截止到 4 月每月近千篇；工业界则先后涌现出 LangChain、CrewAI、LlamaIndex等数十种框架，并催生了编程、金融、法律等各种通用和垂直的 Agent 产品。

Python编程杰哥
2025-12-16 10:55:00

 1254

 23

#人工智能 #深度学习 #回归 +2
智能体架构深度解析！AI Agents从入门到精通，看完这篇就够了！

在这个循环中，generate_options 会根据当前状态和目标生成可能的行动或计划，evaluate_options 会应用推理或规划（例如模拟结果或使用启发式方法选择最佳方案），而智能体则逐步执行这些行动，并在必要时进行重新评估。该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，

Python编程杰哥
2025-12-16 10:56:01

 1237

 7

#架构 #人工智能 #深度学习 +3
C#的“K-means聚类“：数据分群的“数学魔法“！

K-means聚类不是什么神秘的AI黑科技，而是一个简单但强大的工具，能帮助你从数据中提取有价值的信息。在C#中实现K-means，不仅能让你快速处理数据，还能无缝集成到你的应用程序中。记住，K-means的成功不在于算法本身，而在于如何准备数据、如何选择特征、以及如何解释结果。就像我之前在金融项目中做的那样，K-means不是终点，而是洞察的起点。

墨夶
2025-12-05 17:00:00

 882

 14

#c##kmeans #聚类
在大模型班学算法的笔记记录-机器学习

三大问题是机器学习的“基础框架”：按「有无标签」「标签类型」划分，回归（连续标签）、分类（离散标签）属于有监督学习，聚类（无标签）属于无监督学习；五大任务是“落地形态”：分类是基础，检测（分类+定位）、分割（像素级分类）、关键点识别（结构级分类）是分类任务的延伸，目标追踪是检测任务在时序维度的拓展；学习关键：区分任务的核心“输出结果形态”——连续数值（回归）、离散类别（分类）、簇编号（聚类）、边界

 Shineeeeee_
2025-12-01 10:44:45

 861

 5

#人工智能 #机器学习 #目标检测 +3
DAY 21 推断聚类后簇的类型

零基础先掌握「先选特征」思路，因为它依赖业务经验，步骤简单，解读直接。两种思路的核心都是「通过簇内特征的统计值（均值）结合业务逻辑解读」，区别只是 “选特征的时机”。代码可以直接复制运行，遇到报错先看 “常见错误 & 解决方案”，再不行就检查库是否安装（Mac OS 终端运行pip list查看）。通过可视化图形借助 ai 定义簇的含义下面通过4 类核心可视化图形（PCA 降维散点图、簇特征热力图

 Salt_0728
2025-11-29 22:17:55

 1687

 29

#聚类 #机器学习 #人工智能
智能客服质检四维坐标：精准定位系统缺陷的树状决策地图

针对传统人工抽检覆盖率低的痛点，本文提出四层漏斗式质检框架，通过语音转写、意图判断、交互模式和答案有效性四大模块，将模糊的服务问题转化为精准优化坐标。文章详解了方言识别误判、语义丢失检测等实战规则设计，创新性引入上下文补救机制和动态知识监控，实现从问题归因（如ASR错误率与转人工率关联）到闭环优化的完整路径。该体系不仅能将质检覆盖率提升至100%，更通过量化指标（如转写准确率、多轮完成率）形成AI

不息之河568
2025-07-10 09:54:40

 1676

 41

#人工智能 #机器学习 #深度学习 +2
自动确定单细胞聚类数量！？这才是做单细胞分析最需要的 R 包（recall）

生信碱移Recall 通过人工生成随机的噪声假基因判断细胞聚类簇是否拆得过细，如果过细就自动往回合并或者调整分辨率，从而得到优化的聚类。单细胞 RNA 测序（scRNA-seq）能够分析包含数千至数百万个单细胞转录组图谱的数据集。主流分析流程 seurat 与 scanpy 一般包括以下三个大步骤：预处理（质控、归一化、选 HVGs、PCA）无监督聚类（在 PCA 空间构建的邻接图上执行Louv

weixin_49214410
2025-11-27 15:16:37

 1031

 15

#聚类 #r语言 #机器学习 +4
AI聚类算法入门：K-means 和 EM

本文介绍了两种经典聚类算法：K-means和EM(期望最大化)。K-means采用"硬聚类"方式，将数据明确划分为K个簇，计算快速简单，适合球形数据分布。EM算法则是"软聚类"，给出数据属于各个簇的概率，能处理不规则形状的簇。K-means适合数据量大、需要快速处理的场景，EM则适用于数据分布复杂、需要概率输出的情况。两种算法都广泛应用于推荐系统、图像分析等

 运维小子
2025-04-09 22:08:16

 671

 5

#人工智能 #算法 #聚类
AAAI 2026 Oral 之江实验室等提出MoEGCL：在6大基准数据集上刷新SOTA，聚类准确率最高提升超8%！

本文针对多视图聚类中普遍存在的粗粒度信息融合问题，提出了一个名为MoEGCL的创新框架。理论上，它通过MoEGF模块实现了前所未有的样本级动态图融合，并设计了EGCL模块来优化对比学习的目标，使之更符合聚类任务的本质。实验上，模型在六个基准数据集上全面超越了当前最先进的方法。这项研究对后续工作的启示在于，未来的多视图学习可以更多地关注样本间的异质性，设计更为精细和动态的融合策略，而不仅仅停留在视图

 CV实验室
2025-11-14 17:23:39

 1464

 21

#聚类 #数据挖掘 #机器学习 +2
AI Agent概念太多记不住？这篇超详细总结，帮你理清思路，一次看懂！

欢迎来到智能体的世界！在人工智能浪潮席卷全球的今天，**智能体（Agent）**已成为驱动技术变革与应用创新的核心概念之一。无论你的志向是成为AI领域的研究者、工程师，还是希望深刻理解技术前沿的观察者，掌握智能体的本质，都将是你知识体系中不可或缺的一环。

小马不会过河
2025-11-09 10:15:00

 1919

 41

#人工智能 #机器学习 #.net +2
别再死磕AI了！2025年，最大风口已转向Agent，普通人也能抓住的机遇！

Agent 不是 Siri 的升级版，也不是 ChatGPT 的变体，而是一种“自主智能体”。它能感知环境、分析目标、自主决策并持续进化。如果说过去的 AI 是“工具”，Agent 则更像一个“数字助理”。

小马不会过河
2025-11-08 14:19:24

 1172

 20

#人工智能 #.net #聚类 +2
Agent岗位终极指南！年薪60-300w，从入门到精通，看这篇就够了！

agent方向岗位年薪平均在 60～300w！根据2025年最新招聘数据，Agent领域薪资已冲至互联网行业顶端：

小马不会过河
2025-11-07 11:10:13

 1497

 13

#.net #人工智能 #机器学习 +2
GraphRAG从入门到精通！手把手带你用GraphRag.Net搭建企业级系统，从小白变架构师！

最近，检索增强生成（Retrieval-Augmented Generation，简称 RAG）在人工智能和大模型领域中崭露头角，成为一种极具潜力的新范式。

小马不会过河
2025-11-07 11:01:14

 811

 12

#.net #人工智能 #机器学习 +3
RAG调优，从入门到精通！Spring AI Alibaba模块化原理与使用，看这篇就够了！

RAG（Retrieval Augmented Generation，检索增强生成）是一种结合信息检索和文本生成的技术范式。

小马不会过河
2025-11-06 15:19:00

 1084

 22

#人工智能 #spring #java +4
AI - 日志排查从 2 小时缩到 5 分钟：我用 AI 自动聚类异常日志，精准定位服务崩溃点

日志不应是负担，而应是系统的自白书。通过 AI 语义聚类 + 异常检测 + LLM 推理，我们让机器读懂日志背后的“故事”，在故障发生的瞬间就指出真相。🚀行动建议用对你的日志做一次聚类实验安装Streamlit✅ 搭建简易 dashboard尝试用 LLM 分析一个历史故障日志最好的 SRE，或许是一个永不疲倦的 AI。附：实测可用资源（2025年11月）Ollama（本地 LLM）：https

Jinkxs
2025-11-06 08:00:00

 2.3w

 16

#人工智能 #聚类 #数据挖掘
Agentic RAG入门到精通，学会Amazon Nova这套“多模态”组合拳，一篇就够了！

嵌入模型可将文本、视觉、音频输入转换为数值表示形式的嵌入向量，这些嵌入向量会捕捉输入内容的语义信息，供AI系统进行比较、搜索与分析，为语义搜索、检索增强生成（RAG）等场景提供技术支撑。

小马不会过河
2025-11-05 16:32:27

 836

 14

#人工智能 #数据挖掘 #聚类 +2
AI系统设计（保姆级教程）！LLM、RAG、AI代理的选型心法，一篇讲透！

AI 已从只能撰写文本的聊天机器人，转变为具备推理、知识检索和执行能力的系统。推动这一进程的背后是三种主要的智能构建体：大型语言模型（LLMs）、检索增强生成（RAG）和 AI 代理（AI Agents）。理解 LLMs vs. RAG vs. AI 代理之间的对比，对于了解当今 AI 系统的思考、学习和行动方式至关重要。

小马不会过河
2025-11-05 15:46:01

 1026

 23

#人工智能 #深度学习 #自然语言处理 +4
AI高情商对话，从入门到精通！EMNLP 2025这篇“链式策略优化”，看这篇就够了！

在数字化浪潮席卷全球的当下,社会信息化程度持续加深,快节奏的生活与高强度的工作模式使得个体面临的压力源日益复杂多样,焦虑、抑郁等负面情绪问题愈发普遍。情绪支持对话(Emotional Support Conversation, ESC)作为一种能够有效缓解负面情绪、给予情感陪伴的重要方式,逐渐在心理健康领域占据关键地位。

小马不会过河
2025-11-05 15:44:29

 1310

 17

#聚类 #人工智能 #数据挖掘 +2
大模型变身数据科学家！DeepAnalyze全攻略（超详细），看这篇就够了！

数据分析报告通常需要人类分析师花费数天甚至数周才能完成。而现在，一个只有8B参数的大模型模型，就能自动完成从原始数据到专业分析报告的全过程。

小马不会过河
2025-11-05 15:40:56

 1840

 16

#聚类 #数据挖掘 #人工智能 +2
RAG项目优化入门到精通，掌握这套“高含金量”方法论，一篇就够了！

现在很多同学都在做 RAG（Retrieval-Augmented Generation）相关项目，但面试一问细节，不是讲成“LangChain教程复现”，就是停留在“能问能答”的层面，完全没有项目深度。

小马不会过河
2025-11-05 15:42:03

 802

 17

#聚类 #数据挖掘 #机器学习 +2
打造“懂行”智能客服，从入门到精通！微调实战教程，看这篇就够了！

是不是经常觉得，虽然现在的AI很强大，但一问到专业问题它就开始胡言乱语？比如问个法律条款解读，或者咨询个医疗建议，它回答得看似有理有据，但你根本不敢信？这是因为通用大模型虽然“读书破万卷”，但缺乏行业深度。

小马不会过河
2025-11-05 15:35:05

 816

 19

#人工智能 #聚类 #数据挖掘 +2
多模态模型入门到精通，搞懂这项“精准上下文”技术就够了！

现在的多模态模型，包括顶尖模型，对局部理解较好，但容易忽略全局关联性。这种缺乏全局上下文的管中窥豹，限制了它们在真实世界中的应用。为了解决这个问题，中科院，北大，字节，武汉大学等提出了一个名为Grasp Any Region（GAR）的新模型框架。一个简单而巧妙的技术，就让AI学会了在观察细节时，同时保留对全局环境的感知。

小马不会过河
2025-11-05 15:34:13

 1017

 20

#计算机视觉 #人工智能 #聚类 +3
告别微调！让Agent靠记经验自我强化（保姆级教程），收藏这一篇就彻底够了！

如果我有一些特定领域的数据，想让 Agent 也能学习并理解这些数据，来自我强化，越用越懂“我们的做事方式”，是不是只能通过微调大模型的方式实现？

小马不会过河
2025-11-05 15:32:11

 1139

 9

#人工智能 #深度学习 #聚类 +3
SEO效率革命：关键字聚类的核心逻辑与实战操作指南

摘要：关键字聚类是一种SEO技术，通过将具有相同搜索意图的关键词分组并优化到同一页面，以提高搜索排名。具体步骤包括：1）建立关键词列表，使用工具或竞品分析；2）根据搜索意图手动或自动聚类关键词；3）评估资源、搜索量等优先处理高价值集群；4）优化或创建内容，在标题、正文中自然包含主次关键词。该方法能提升内容质量、增加搜索可见性，适用于传统SEO和AI系统。通过工具跟踪排名可评估效果并调整策略。

SEO_juper
2025-10-30 14:10:38

 968

 11

#聚类 #数据挖掘 #机器学习
CSDN 技术人的 SEO 必修课：AI 秒改旧文 → 关键词聚类 → 一键生成全文，流量翻三倍！

技术博客翻新指南：AI助力高效SEO优化本文介绍了利用AI工具快速翻新技术博客的实用方法。针对搜索引擎偏好，通过AI重写助手可在3分钟内完成旧文更新，保持内容新鲜度；利用关键词聚类工具扩展长尾词覆盖，提升流量；还能一键生成完整技术博文。文章提供了从内容更新、关键词优化到发布监测的全流程解决方案，帮助技术博主有效提升SEO效果，实现旧文流量增长。包含多个实用工具链接和操作技巧，适合需要优化技术内容

 幂简集成
2025-09-27 11:21:58

 430

 4

#人工智能 #聚类 #数据挖掘
Spring AI Alibaba实战：零代码搭建RAG+工具调用AI智能体！保姆级教程，从入门到精通一篇搞定！

Spring AI Alibaba 是由阿里巴巴基于 Spring AI 生态扩展的企业级 AI 应用开发框架，深度集成阿里云智能服务（如百炼平台），专注于简化复杂 AI 应用的开发与生产落地

 程序猿李巡天
2025-09-18 17:32:18

 2913

 15

#spring #人工智能 #java +4
爆火！AI Agent开发全景图发布：12大核心赛道+基础设施栈，产品经理必藏指南

不只是聊天机器人。AI Agent与传统聊天机器人的根本区别在于**自主性**。一个真正的AI Agent能够理解复杂目标，制定计划，使用工具执行任务，并根据结果调整策略——这一切只需要你给出一个高级指令。

程序猿李巡天
2025-09-14 10:45:00

 1308

 24

#人工智能 #产品经理 #php +4
收藏这篇就够了！基于Qwen2+Agent+RAG的医疗问答系统入门到精通

项目定位**：一个结合大语言模型（Qwen2）、微调技术（SFT+DPO）、检索增强生成（RAG）的**垂直领域医疗问答系统**，专注于西医疾病诊疗场景，旨在提供精准、可解释的医学建议。

程序猿李巡天
2025-09-11 20:19:01

 1333

 26

#数据库 #人工智能 #产品经理 +3
AI大模型支持下的科研绘图：如何用一张图征服审稿人？技术路线图、GIF动、散点图、韦恩图、upset图、生存曲线图、漏斗图、环形图、瀑布图、条形图、面积图、热力图、聚类热图、相关矩阵图等

AI大模型支持下的科研绘图：如何用一张图征服审稿人？技术路线图、GIF动、散点图、韦恩图、upset图、生存曲线图、漏斗图、环形图、瀑布图、条形图、面积图、热力图、聚类热图、相关矩阵图等

 宝藏口袋
2025-09-11 13:46:13

 2370

 40

#人工智能 #聚类 #数据挖掘 +3
顺丰AI智能体全解密！物流运营从人力到智能的实战指南（超详细），收藏这篇就够了！

在当今瞬息万变的物流行业，效率与精准度是核心竞争力。传统的管理模式已无法满足日益增长的业务需求，而**AI智能体**正成为推动物流业革新的关键力量。顺丰科技在这一领域进行了深度探索与实践，旨在通过智能化手段实现对物流全链路的精细化管理与优化。

程序猿李巡天
2025-09-09 19:44:00

 2327

 26

#人工智能 #产品经理 #聚类 +2
医疗AI大模型微调实战：LLaMA-Factory全攻略（超详细），小白也能精通，收藏这篇就够了！

还记得上一篇文章里咱们聊的那些"微调魔法"吗？从全量微调的"豪华装修"，到LoRA的"便利贴"，再到QLoRA的"压缩+便利贴"王炸组合——理论都懂了，是不是已经手痒痒了，想要亲手"调教"出一个属于自己的AI专家？

程序猿李巡天
2025-09-09 19:41:15

 1485

 12

#人工智能 #聚类 #数据挖掘 +3
AI产品经理生存指南：Agent浪潮下，不懂这些核心能力将被淘汰！收藏这篇就够了！

对AI产品经理而言，理解AI Agent的关键，不在于它“是什么”（智能体），而在于它“如何工作”以及“改变了什么”。

程序猿李巡天
2025-09-07 10:45:00

 910

 22

#人工智能 #产品经理 #聚类 +4
Agent终极指南：从技术原理到企业落地，一篇吃透智能体全攻略！

在科技飞速发展的当下，人工智能领域的新术语与新技术层出不穷，令人目不暇接。其中，Agent 作为一个关键概念，正逐渐走进人们的视野（尤其是企业），并在众多领域发挥着日益重要的作用。从智能手机中的语音助手，到企业复杂业务流程的自动化处理，Agent 无处不在，悄然改变着我们的生活与工作方式。

程序猿李巡天
2025-09-06 10:45:00

 1083

 14

#聚类 #数据挖掘 #机器学习 +2