- 相关博文
- 最新资讯
-
介绍多进程、多线程(两种)、线程池设计原则。仅介绍核心服务端处理模块，在TCP通信流程了解的情况，以便快速回顾与掌握重点。
-
本文介绍了DSH框架中的skill机制，它允许通过Markdown文件预定义AI技能，实现任务规范化执行。skill具有创建简单（一个文件即一个技能）、触发灵活（自动匹配或手动命令调用）和可控性强（可限制调用方式）的特点。文件结构包含YAML元数据（定义名称、描述等）和Markdown正文（具体指令）。存放目录分项目级和用户级，优先级明确。创建时需注意YAML语法陷阱（如冒号需引号包裹）、命名规范（kebab-case）和目录层级限制，否则可能导致skill被静默丢弃。尽管存在前端无报错的痛点，但skill
-
- PC2005-cloud
- 前天
-
-
使用CC，根据REAME.md也就是我mujoco-learning仓库的说明来生成一个介绍网页，完成度还可以，速度目前只有15tps，目前先玩到者，obs一开好卡。后面又试了下其他的任务，看起来表现还可以，plan和调用子agent和tool都比3.6合理且有效。11点过后开始下载如下的模型，先下载nvfp4的试试。DGX Spark 一如既往的慢。
-
- LitchiCheng
- 前天
-
-
Elasticsearch 9.5 性能测试报告显示其在存储、查询和写入三方面实现显著提升。测试对比ES 8.18 与 ES 9.5 在三种典型业务场景下的表现：列存模式使海量结构化数据存储成本降低30.87%，ES|QL 查询语法实现最高85倍的聚合加速，混合存储模式写入吞吐提升 221.6% 且延迟降低 59%。报告指出列存模式在复杂实时查询和批量写入方面存在短板，建议根据不同业务特征选择存储方案：实时日志用混合存储、高频检索用行存、离线分析用列存。
-
- linjifan
- 昨天
-
-
《AI应用省钱改造：从每月千万Token到降本46%的实战方案》 摘要：本文针对企业AI应用高成本问题，提出了一套基于Dify的Token成本控制方案。通过实际客服问答场景分析（月消耗千万级Token），揭示核心痛点在于"用错工具"：情感分析和意图识别等简单任务误用LLM。方案采用"逐节点审计+结构化替代"策略，将3次LLM调用压缩为1次：情感分析改用关键词规则（0 Token）、意图识别使用问题分类器（仅零头成本），仅回答生成保留LLM。改造后不仅单次调用Token消耗降低46%（2.8万→1.5万），还
-
- 鱼日先生
- 前天
-
-
14.生态 |：04 第三方工具TDengine 通过 InfluxDB 兼容协议、JDBC、连接器等方式与主流数据生态对接。本文汇总 Telegraf、Kafka Connect、Flink、Spark、Logstash 等工具的集成方式。
-
无论offset怎么提交，rebalance场景下的重复消费无法100%避免。三种幂等方案按场景选型。MySQL去重表方案，消费前往去重表插入消息ID，表上建唯一索引，INSERT IGNORE命中重复则跳过。配合业务表写入放同一事务，要么都成功要么都回滚。实测单机MySQL约3000到5000 TPS，适合金融、订单等强一致场景。Redis SETNX方案，返回OK表示首次消费，返回nil表示重复。
-
- creator_Li
- 前天
-
-
企业针对销售、财务、法务、HR等职能部门搭建专属AI Agent体系，可优先选用亚马逊云科技Amazon Quick。该平台可作为全员统一的业务操作入口，支持各部门员工通过自然语言，自主调取部门专属文档、业务数据与标准化工作流程。面对常规轻量化业务场景，依托Amazon Quick开箱即用能力即可落地；针对复杂逻辑推理、多系统协同联动、深度定制化开发场景，可叠加Amazon Bedrock AgentCore与MCP协议完成能力拓展，实现轻量化落地与高阶能力升级的双向兼顾。
-
- 科技每日热闻
- 前天
-
-
摘要 本文提供了一份前端与Java后端开源组件选型指南，强调组件选型应基于明确的业务问题而非流行榜单。指南涵盖： 选型原则：组件需匹配项目架构、许可证、维护状态和团队经验，通过职责边界分析而非单纯热度决策。 前端组件： 区分Vue与React生态，推荐Element Plus（Vue）和Ant Design（React）作为UI库。 服务端状态管理建议TanStack Query，本地状态使用Pinia（Vue）或Zustand（React）。 工程化工具链包括Vite、Vitest和Playwright，
-
- Java小白笔记
- 前天
-
-
在海量数据实时计算（Flink/Spark Streaming）与日志管道（ELK/Vector）架构中，Apache Kafka 是支撑高吞吐数据流转的核心引擎。然而，当遭遇Key 设计不均引发的消费倾斜（Data Skew）、慢消费节点拖垮整个 Consumer Group，或 Partition 偏移量（Offset）提交超时导致的 Rebalance 死锁时，消费延迟（Lag）会呈现指数级飙升。
-
- DLYSB_
- 前天
-
-
本文是一篇 Git 高级操作动手实验教程，围绕reflogrebaserevertstashbisect与冲突解决七组实验展开。读者在可丢弃目录中，按「场景 → 步骤 → 预期结果 → 通过标准 → 容易卡的地方」完整走一遍，把高级操作练成肌肉记忆。同时强调安全边界：已推送用revert、未推送用reset、共享分支不改历史。高级操作看书看懂了，上手还是懵。这一章把第 15–23 章的知识点拧成七组动手实验，在可丢弃目录里走完整一遍。做完你才敢说「高级操作我用过了」。学完后，你应该能不看资料用。
-
- 互联网中的一颗神经元
- 昨天
-
加载中...
活动
-
2021-11-10
-
2021-03-09
-
2020-12-16
独家定制
-
-
3500人的专业安全团队与你同在
-
-
CSDN云计算在线公开课
-
-
IaaS市场高速增长，历久弥新
精品推荐
关于我们
关注「云计算」
转载 & 投稿：songhui@csdn.net
商务合作：zhangjing@csdn.net