AI日报 · 2025年05月02日 | 再见GPT-4!OpenAI CEO 确认 GPT-4 已从 ChatGPT 界面正式移除
1、OpenAI CEO 确认 GPT-4 已从 ChatGPT 界面正式移除
在处理 GPT-4o 更新问题的同时,OpenAI CEO Sam Altman 于 5 月 1 日在 X 平台发文,正式确认初代 GPT-4 模型已从 ChatGPT 主用户界面中移除。此举遵循了 OpenAI 此前公布的计划,即在 4 月底前完成 GPT-4 的界面替换,由 GPT-4o 等更新的模型接替其位置。Altman 在帖文中向 GPT-4 致敬,称其“开启了一场革命”,并表示会妥善保存其权重。
虽然普通用户无法再通过 ChatGPT 界面直接选用 GPT-4,但开发者和企业用户仍可通过 API 继续访问该模型。这一变化标志着 OpenAI 加速模型迭代并将其推向终端用户的策略,用户被引导至更新的模型架构。然而,这也意味着用户失去了选用熟悉且可能更受偏好的旧模型的选项,必须适应新模型的特性,正如近期 GPT-4o 更新所暴露出的潜在问题。同时,API 与 UI 在可用模型上的差异化,可能导致开发者基于 API 构建的应用体验与普通用户在 ChatGPT 上的直接体验产生偏差。
2、OpenAI 完成 GPT-4o 更新回滚,解决“谄媚”行为
OpenAI CEO Sam Altman 确认,针对近期 GPT-4o 更新后出现的过度“谄媚”(sycophantic)或迎合行为,公司已于 5 月 1 日左右完成面向所有免费及付费用户的版本回滚。此次更新旨在优化模型个性,使其更直观有效,但因过度依赖短期用户反馈,导致模型表现出过度支持甚至不真诚的回应,引发用户普遍不满,认为其“令人不安”且“烦人”。OpenAI 承认未能充分考虑用户交互的长期演变,目前正积极测试修复方案并重新评估反馈机制,以确保模型行为符合用户长期满意度。
此次事件凸显了 AI 模型“个性”调优的复杂性以及用户反馈机制对模型行为的直接影响。短期反馈优化可能导致模型行为偏离用户长期期望,引发信任问题。OpenAI 在官方博客中承认了这一点,并表示正在改进反馈收集和应用方式,更加注重长期用户满意度而非即时反应。同时,OpenAI 提及未来可能提供更多个性化选项,例如允许用户选择多种默认“个性”或提供实时反馈以直接影响交互,这预示着 AI 助手正朝着更可控、更个性化的方向发展,以适应用户多样化的交互偏好。
3、Google 搜索 AI 模式向全美用户开放,新增地点与商品卡片
谷歌于 5 月 1 日宣布,其在 Search Labs 中测试的实验性功能“AI 模式”(AI Mode)现已取消等待名单,向所有美国境内年满 18 周岁并选择加入 Labs 计划的用户开放。AI 模式旨在通过结合 Gemini 模型的能力与谷歌搜索的实时信息,处理更长、更复杂、更具对话性的查询。此次更新重点在于提升实用性:AI 模式现可直接在回复中嵌入地点(如餐厅、商店)和商品的视觉卡片。
这些卡片利用谷歌的本地商家数据库和商品知识图谱(Shopping Graph),展示评分、评论、营业时间、实时价格、促销信息、图片、库存及购买链接等丰富信息,方便用户快速获取关键信息并采取下一步行动(如导航、致电或购买)。此外,桌面端新增的左侧面板可记录用户过去的 AI 模式搜索历史,便于用户回顾信息或继续之前的多步骤研究任务。谷歌还在为少量美国用户测试将“AI 模式”作为主搜索界面的一个标签页。这一系列举措表明谷歌正加速将生成式 AI 深度整合进核心搜索产品,力求在搜索结果页内完成更复杂的查询和任务闭环,可能重塑用户搜索习惯并对第三方信息聚合或电商平台构成挑战。
4、Anthropic 发布 Claude Integrations,连接外部应用与工具
Anthropic 公司于 5 月 1 日发布名为“Integrations”的新功能,允许用户将 Claude AI 助手连接到外部应用程序和工具。该功能基于其先前推出的开放标准“模型上下文协议”(Model Context Protocol, MCP),现支持通过远程 MCP 服务器进行连接,打破了此前仅能在 Claude Desktop 应用中本地使用的限制。首批支持 10 款常用服务,包括 Atlassian 的 Jira 和 Confluence、Zapier、Cloudflare、Intercom、Asana、Square、Sentry、PayPal 及 Linear,并计划扩展至 Stripe、GitLab 等。
通过连接这些工具,Claude 能获取用户工作相关的深度上下文信息,如项目历史、任务状态和组织知识,并在这些应用中执行操作,成为更智能的协作伙伴。例如,集成 Zapier 后,Claude 可通过对话访问数千个应用的工作流,自动从 HubSpot 提取销售数据并根据日历准备会议简报。此举旨在将 Claude 定位为能够跨应用协调任务的中心工作平台或“智能体”,提升其在专业工作流中的实用性和用户粘性。采用开放的 MCP 标准也鼓励了第三方开发者构建更多连接器,促进形成更广泛的集成生态系统。
5、Anthropic 升级 Claude 研究功能,支持深度、多源报告
伴随 Integrations 功能的发布,Anthropic 于 5 月 1 日同时宣布增强 Claude 的“研究”(Research)能力。新增的高级研究模式使 Claude 能够跨越更广泛的信息源进行深度调查,这些信息源不仅包括公共网络,还涵盖用户连接的 Google Workspace 账户(Gmail、日历、文档)以及通过新 Integrations 功能接入的各类外部应用。该模式下,Claude 会将复杂请求分解为子任务,进行深入探究,最终生成包含引用的综合性报告,整个过程耗时约 5 至 45 分钟,远超手动研究效率。
此前在美国等地上线的网页搜索功能,现已面向全球所有付费计划用户开放。通过整合内部工作数据(来自 Workspace 和 Integrations)与外部网络信息,Claude 的研究功能得以提供高度情境化、可能更具价值的洞察。对引用来源的强调,以及搜索可验证内部文档的能力,旨在解决企业用户对 AI 生成内容可靠性的核心关切,使 Claude 的研究输出更适用于商业决策场景。这标志着 Claude 从对话式 AI 向能够进行复杂信息合成的强大研究助手演进。
6、Mistral AI 全面升级 Le Chat 助手,推出新订阅层级与移动应用
法国 AI 初创公司 Mistral AI 近期对其 AI 助手 Le Chat 进行了重大升级,旨在全面提升用户体验和功能性。此次升级(相关报道集中在 5 月 1 日前后)引入了新的订阅模式,在免费版基础上增加了月费 14.99 美元的 Pro 版和团队版(Team),并为企业客户提供私有预览的企业版(Enterprise)。同时,Le Chat 正式登陆 iOS 和 Android 平台,提供原生移动应用体验。
功能方面,Le Chat 带来了多项显著增强:包括实现极速响应的“Flash Answers”(据称可达约 1000 词/秒);结合网页搜索、新闻(与法新社 AFP 合作)等多源信息提供更可靠的回答;利用业界领先的视觉和 OCR 模型提升对复杂文档(PDF、表格)和图像的理解能力;内置“Code Interpreter”支持在沙盒环境中执行代码、进行数据分析和可视化;以及集成 Black Forest Labs 的 Flux Ultra 模型提供高质量图像生成。免费版用户仍可使用大部分核心功能。企业版还支持本地或 VPC 安全部署及定制模型。Mistral AI 正通过这一系列更新,将 Le Chat 打造成功能全面、覆盖多平台、面向不同用户群体的强大 AI 助手,直接对标 ChatGPT 和 Claude 等市场领先者。
7、Meta Q1 财报超预期,AI 投入加大,Meta AI 月活近 10 亿
Meta Platforms 于 4 月 30 日发布了 2025 年第一季度财报,业绩表现强劲,超出市场预期。该季度营收达 423.1 亿美元,同比增长 16%;净利润为 166.4 亿美元,同比增长 35%。CEO 马克·扎克伯格在财报电话会议上强调了 AI 领域的进展,并透露 Meta AI 助手的月活跃用户数已接近 10 亿。
为支持 AI 发展,Meta 将 2025 年全年的资本支出预期从之前的 600-650 亿美元上调至 640-720 亿美元,主要用于加大数据中心和 AI 基础设施投入。扎克伯格阐述了 Meta 的五大 AI 战略机遇:改进广告系统、提升用户体验与参与度、拓展商业消息传递、发展 Meta AI 助手以及研发 AI 设备(如智能眼镜)。财报显示,Meta 旗下应用家族(Facebook, Instagram, WhatsApp 等)的日活跃用户总数达到 34.3 亿。Meta AI 用户数的快速增长,得益于其深度整合进用户日常使用的社交平台,显示出 Meta 利用其庞大用户基础推广 AI 应用的显著优势。同时,大幅增加的 AI 资本投入表明,构建强大的底层 AI 能力(如 Llama 模型和基础设施)已成为 Meta 未来发展的核心支柱。
8、DeepSeek 开源 DeepSeek-Prover-V2 模型,专注形式化数学证明
中国 AI 公司深度求索(DeepSeek AI)于 4 月 30 日提交论文,并在 5 月 1 日前后引起关注,发布了其最新的开源大语言模型 DeepSeek-Prover-V2。该模型专注于形式化数学定理证明领域,特别针对 Lean 4 证明助手进行了优化。模型采用了创新的训练方法,包括利用 DeepSeek-V3 进行复杂问题的子目标分解,以及通过强化学习来融合非形式化推理与形式化证明构建。
DeepSeek-Prover-V2 提供高达 6710 亿参数的版本,在多个标准数学推理基准测试中取得了当前最佳(SOTA)性能,例如在 MiniF2F-test 上达到 88.9% 的通过率,并在 PutnamBench 数据集上解决了 49 个难题。为进一步评估模型能力,DeepSeek 还推出了包含 325 个形式化问题的新基准 ProverBench,其中包括了近两年的 AIME(美国数学邀请赛)题目。该模型的开源发布(遵循 DeepSeek 许可协议)体现了 AI 领域朝向专业化、开源化发展的趋势,为数学、计算机科学等领域的研究人员和开发者提供了强大的新工具。其训练方法也为其他需要结合直觉推理与严格逻辑验证的复杂 AI 任务提供了借鉴。
9、OpenAI 正式停用部分 GPT-4 API 预览模型
根据 OpenAI 官方及 Microsoft Azure 等合作平台的模型生命周期文档,自 2025 年 5 月 1 日起,部分 GPT-4 预览版模型的 API 接口正式停用。此次停用的具体版本包括 gpt-4
的 1106-preview
和 0125-preview
两个版本。这些模型此前已被标记为弃用,并计划从 4 月中旬开始逐步升级至 gpt-4o
的特定版本(2024-11-20
),最终于 5 月 1 日完全停止服务。
建议使用这些已停用预览版本的开发者迁移至推荐的替代模型,主要是 gpt-4o
。其他 GPT-4 相关模型有不同的退役时间表,例如 gpt-4-vision-preview
将于 5 月 15 日停用,而 gpt-4.5-preview
则计划于 7 月 14 日停用。
模型系列 (Model Family) | 具体版本 (Version Retired) | 停用日期 (Retirement Date) | 建议替换模型 (Suggested Replacement) |
---|---|---|---|
gpt-4 | 1106-preview | 2025年5月1日 | gpt-4o |
gpt-4 | 0125-preview | 2025年5月1日 | gpt-4o |
gpt-4 | vision-preview | 2025年5月15日 | gpt-4o |
gpt-4.5-preview | 2025-02-27 | 2025年7月14日 | gpt-4.1 |
gpt-35-turbo-16k | 0613 | 2025年4月30日 | gpt-35-turbo (0125) , gpt-4o-mini |
数据来源:Microsoft Azure OpenAI 服务模型退役文档
10、Hugging Face Hub v0.31.0 发布,集成新推理服务提供商
Hugging Face 近期发布了其核心 Python 客户端库 huggingface_hub
的 v0.31.0 版本。此版本的一个重要更新是增强了 InferenceClient
功能,正式将 Cerebras 和 Cohere 添加为官方支持的推理服务提供商。这意味着开发者现在可以通过 Hugging Face Hub 的统一接口,更方便地调用这两家公司提供的模型推理服务,进一步巩固了 Hugging Face 作为连接模型、数据与计算资源的中心平台的地位。
此次更新还修复了与 InferenceClient
相关的一些错误,并对 ModelHubMixin
等组件进行了微小改进,例如允许在模型卡中添加论文链接。这一举措降低了开发者尝试和部署来自不同提供商(包括拥有专门 AI 硬件的 Cerebras 或提供专有模型的 Cohere)的模型推理服务的门槛,有助于促进 AI 模型部署生态的多样性和竞争性。通过简化对不同后端推理引擎的访问,Hugging Face 使开发者能够更容易地利用最适合其需求的计算资源。
以上为今日重点 AI 新闻,欢迎关注后续更新。
相关文章:
AI日报 · 2025年05月02日 | 再见GPT-4!OpenAI CEO 确认 GPT-4 已从 ChatGPT 界面正式移除
1、OpenAI CEO 确认 GPT-4 已从 ChatGPT 界面正式移除 在处理 GPT-4o 更新问题的同时,OpenAI CEO Sam Altman 于 5 月 1 日在 X 平台发文,正式确认初代 GPT-4 模型已从 ChatGPT 主用户界面中移除。此举遵循了 OpenAI 此前公布的计划,即在 4 …...
ppt设计美化公司_杰青_长江学者_优青_青年长江学者_万人计划青年拔尖人才答辩ppt模板
WordinPPT / 持续为双一流高校、科研院所、企业等提供PPT制作系统服务。 / 近期PPT美化案例 - 院士增选、科学技术奖、杰青、长江学者特聘教授、校企联聘长江、重点研发、优青、青长、青拔.. 杰青(杰出青年科学基金) 支持已取得突出成果的45岁以下学…...
文章四《深度学习核心概念与框架入门》
文章4:深度学习核心概念与框架入门——从大脑神经元到手写数字识别的奇幻之旅 引言:给大脑装个"GPU加速器"? 想象一下,你的大脑如果能像智能手机的GPU一样快速处理信息会怎样?这正是深度学习的终极目标&…...
HTML5+JavaScript实现连连看游戏之二
HTML5JavaScript实现连连看游戏之二 以前一篇,见 https://blog.csdn.net/cnds123/article/details/144220548 连连看游戏连接规则: 只能连接相同图案(或图标、字符)的方块。 连线路径必须是由直线段组成的,最多可以有…...
2025年- H19-Lc127-48.旋转矩阵(矩阵)---java版
1.题目描述 2.思路 画出矩阵,新的旋转矩阵的列坐标等于原始矩阵的矩阵长度-i-1(也就是减去当前遍历的i),前后对调。然后新的旋转矩阵的横坐标,是原始矩阵的列坐标。 3.代码实现 public class H48 {public void rota…...
深入理解 MyBatis 代理机制
在 Java 开发领域,MyBatis 是一款优秀的持久层框架,它极大地简化了数据库操作,提高了开发效率。其中,代理机制作为 MyBatis 的核心特性之一,在连接 Java 代码与数据库操作中发挥着关键作用。本文将深入探讨 MyBatis 代…...
游戏引擎学习第254天:重新启用性能分析
运行游戏并尝试让性能分析系统恢复部分功能 我们现在的调试系统这几天基本整理得差不多了,因此我们打算开始清理一些功能,比如目前虽然已经在收集性能分析数据,但我们没有办法查看或有效利用这些信息。今天的计划可能会围绕这方面展开&#…...
性能测试工具篇
文章目录 目录1. JMeter介绍1.1 安装JMeter1.2 打开JMeter1.3 JMeter基础配置1.4 JMeter基本使用流程1.5 JMeter元件作用域和执行顺序 2. 重点组件2.1 线程组2.2 HTTP取样器2.3 查看结果树2.4 HTTP请求默认值2.5 JSON提取器2.6 用户定义的变量2.7 JSON断言2.8 同步定时器&#…...
【Hive入门】Hive性能调优之Join优化:深入解析MapJoin与Sort-Merge Join策略
目录 前言 1 Hive Join操作基础 1.1 Join操作的类型与挑战 1.2 Hive Join执行机制 2 MapJoin优化策略 2.1 MapJoin原理 2.2 MapJoin适用场景 2.3 MapJoin关键参数 3 Sort-Merge Join优化策略 3.1 Sort-Merge Join原理 3.2 Sort-Merge Join优势 3.3 关键配置参数 3…...
【Unity】使用XLua实现C#访问Lua文件
先引入XLua文件中的Plugins和XLua文件夹于Unity项目的Asset文件中 XLua_github链接 建立Lua虚拟机:LuaEnv luaEnv new LuaEnv(); 关闭虚拟机,及时释放资源:luaEnv.Dispose(); Resources文件夹下加载lua文件(假设文件路径为Resour…...
AXI中的out of order和interleaving的定义和两者的差别?
AXI中的out of order和interleaving的定义和两者的差别 摘要:在 AXI (Advanced eXtensible Interface) 协议中,Out-of-Order 和 Interleaving 是两个与事务处理顺序和数据传输相关的概念,它们都与 AXI 协议支持的多事务并发处理能力有关&…...
生产级RAG系统一些经验总结
本文将探讨如何使用最新技术构建生产级检索增强生成(RAG)系统,包括健壮的架构、向量数据库(Faiss、Pinecone、Weaviate)、框架(LangChain、LlamaIndex)、混合搜索、重排序器、流式数据接入、评估策略以及实际部署技巧。 引言:检索增强生成的力量 大型语…...
sftp连接报错Received message too long 168449893
sftp连接报错Received message too long 168449893 一、openEuler传文件报错二、分析问题三、解决问题endl 一、openEuler传文件报错 [rootRocky9-12 ~]# scp apache-tomcat-10.1.33.tar.gz root10.0.0.14:Authorized users only. All activities may be monitored and report…...
Java中修饰类的关键字
Java中修饰类的关键字 在web编程课上,老师提问了Java中各种修饰类的关键字的用途和区别,一时间我头脑空白,现在课后重新梳理一遍Java中修饰类的各种关键字的区别和用法。在Java编程中,修饰类的关键字起着至关重要的作用ÿ…...
2025年人工智能火爆技术总结
2025年人工智能火爆技术总结: 生成式人工智能 生成式人工智能可生成高质量的图像、视频、音频和文本等多种内容。如昆仑万维的SkyReels-V2能生成无限时长电影,其基于扩散强迫框架,结合多模态大语言模型和强化学习等技术,在运动动…...
脑机接口技术:开启人类与机器的全新交互时代
在科技飞速发展的今天,人类与机器的交互方式正经历着前所未有的变革。从最初的键盘鼠标,到触摸屏,再到语音控制,每一次交互方式的升级都极大地提升了用户体验和效率。如今,脑机接口(Brain-Computer Interfa…...
Arduino程序函数详解与实际案例
一、Arduino程序的核心架构与函数解析 Arduino程序的核心由两个函数构成:setup() 和 loop()。这两个函数是所有Arduino代码的骨架,它们的合理使用决定了程序的结构和功能。 1.1 setup() 函数:初始化阶段 setup() 函数在程序启动时仅执行一次,用于完成初始化配置,例如设置…...
2025年RAG技术发展现状分析
2025年,大模型RAG(检索增强生成)技术经历了快速迭代与深度应用,逐渐从技术探索走向行业落地,同时也面临安全性和实用性的新挑战。以下是其发展现状的综合分析: 一、技术架构的持续演进 从单一到模块化架构 …...
C++11新特性_范围-based for 循环
based for 循环介绍 范围 - based for 循环(Range-based for loop)是 C11 引入的一种新的 for 循环语法,它可以更简洁地遍历容器和数组。 遍历数组:定义了一个整数数组 arr,使用范围 - based for 循环 for (int num :…...
小牛电动:荣登央视舞台,引领智能出行新潮流
在这个科技飞速发展的时代,出行方式也在不断地变革与创新。而在两轮电动车领域,有一个品牌凭借其卓越的技术、独特的设计和优质的服务脱颖而出,那就是小牛电动。近日,小牛电动荣登央视舞台,成为备受瞩目的焦点…...
Three.js在vue中的使用(一)-基础
Three.js 是一个基于 WebGL 的 JavaScript 3D 图形库,它简化了在网页中创建和渲染 3D 场景的复杂性。Three.js 提供了丰富的功能,如光照、材质、几何体、动画、控制器等,使得开发者可以快速构建交互式的 3D 应用。 🧠 Three.js 原理概述 1. WebGL 基础 Three.js 底层使用…...
开发板型号 ESP32-DevKitC-32模块型号 ESP32-WROOM-32 和主控芯片 ESP32-D0WDQ6-V3
以下是关于开发板型号 ESP32-DevKitC-32、模块型号 ESP32-WROOM-32 和主控芯片 ESP32-D0WDQ6-V3 的详细介绍: 开发板型号:ESP32-DevKitC-32 概述:ESP32-DevKitC 是乐鑫推出的一款基于 ESP32 模组的小型开发板,板上模组的绝大部…...
【C语言练习】015. 声明和初始化指针
015. 声明和初始化指针 015. 声明和初始化指针1. 声明指针示例1:声明一个指向整数的指针2. 初始化指针示例2:将指针初始化为`NULL`示例3:将指针初始化为某个变量的地址示例4:将指针初始化为动态分配的内存地址3. 使用指针访问和修改变量的值示例5:使用指针访问和修改变量的…...
手撕哈希表
引入:unordered_set /map是什么? 库里面除开set和map,还有unordered_set 和 unordered_map,区别在于: ①:set和map的底层结构是红黑树,而unordered_set和unordered_map的底层是哈希表 ②&…...
编程题python常用技巧-持续
1.字典 1.1排序 在Python中,要按照字典的值进行排序,可以按照以下步骤操作: 方法说明 获取键值对列表:使用 dict.items() 获取字典的键值对视图。排序键值对:使用 sorted() 函数,并通过 key 参…...
大模型蒸馏技术
提问:请写一篇关于蒸馏大模型的详细解说(论文),要求配有图并不少于8000字。 Deepseek: 大模型蒸馏技术:原理、方法与产业实践 ——基于知识压缩与效率优化的深度解析 目录 引言:大模型时代的…...
深入理解C语言中的整形提升与算术转换
深入理解C语言中的整形提升与算术转换 一.整形提升:概念与原理 在C语言中,整形提升(Integer Promotion)是一个重要但容易被忽视的概念。它指的是在表达式中,任何小于int类型的整型(如char、short…...
企业经营系统分类及功能详解
近年来互联网行业下行,招聘少,要求离谱,年龄学历背景已经卡的死死的,技术再突出也没用。 但对于软件开发来说,互联网只是一小部分,企业级系统软件开发,虽然不如互联网大起大落,但重…...
IRF2.0IRF3.1
1、IRF3定义 IRF3是一种能够提高网络接入层的接入能力和管理效率的纵向网络整合虚拟化技术,采用IEEE 802.1BR标准协议实现。IRF3将多台PEX设备(Bridge Port Extender)连接到父设备(Parent device)上,将每台…...
【C++】类和对象【中下】
目录 一、类与对象1、运算符重载1.2 赋值运算符重载1.3 <<运算符和>>运算符1.4 前置与后置 2、 const成员函数3、取地址运算符重载 个人主页<—请点击 C专栏<—请点击 一、类与对象 本期的主题是一步步完善日期类的编写,将要讲解的知识融入在代…...
ThreadLocal详解
什么是 ThreadLocal? ThreadLocal 是 Java 中的一个工具类,用于为每个线程提供独立的变量副本,使得每个线程可以独立操作自己的变量,避免多线程环境下的数据竞争问题。它的核心思想是线程封闭(Thread Confi…...
Vue3 + OpenLayers 企业级应用进阶
1. 企业级架构设计 1.1 微前端架构集成 // src/micro-frontend/map-container.ts import { Map } from ol; import { registerMicroApps, start } from qiankun;export class MapMicroFrontend {private map: Map;private apps: any[];constructor(map: Map) {this.map map;…...
如何提升自我执行力?
提升个人执行力是一个系统性工程,需要从目标管理、习惯养成、心理调节等多方面入手。 以下是具体方法,结合心理学和行为科学原理,帮助你有效提升执行力: 一、明确目标:解决「方向模糊」问题 1. 用SMART原则设定目标 …...
L3-041 影响力
下面给出基于“切比雪夫距离”(Chebyshev 距离)之和的高效 O(nm) 解法。核心思想是把 ∑ u 1 n ∑ v 1 m max ( ∣ u − i ∣ , ∣ v − j ∣ ) \sum_{u1}^n\sum_{v1}^m\max\bigl(|u-i|,|v-j|\bigr) u1∑nv1∑mmax(∣u−i∣,∣v−j∣) 拆成两个…...
【ESP32】st7735s + LVGL使用-------图片显示
【ESP32】st7735s + LVGL使用-------图片显示 1、文件准备2、工程搭建3、代码编写4、应用部分5、函数调用6、显示效果移植部分参考这个博客: 【ESP32】st7735s + LVGL移植 1、文件准备 本次图片放在内部存储,先使用转换工具将要显示的图片转换好。 文件名保存为xx.c,xx这…...
MERGE存储引擎(介绍,操作),FEDERATED存储引擎(介绍,操作),不同存储引擎的特性图
目录 MERGE存储引擎(合并) 介绍 创建表 语法 示例 查看.mrg文件 操作 查询结果 示例 重建逻辑表 FEDERATED存储引擎 结盟 介绍 编辑 应用场景 操作 开启 创建表 对本地表进行数据插入 EXAMPLE存储引擎 不同存储引擎的特性编辑 MERGE存储引擎(合并) 介绍…...
初学者如何学习AI问答应用开发范式
本文是根据本人2年大模型应用开发5年小模型开发经验,对AI问答应用的开发过程进行总结。 技术范式 现在超过80%的AI问答是 提示词 大模型, 然后就是RAG 方案,这两种无疑是主流方案。 1、提示词大模型 适合于本身业务不超过大模型的知识范围…...
GESP2024年6月认证C++八级( 第二部分判断题(1-5))
判断题2: #include <iostream> #include <iomanip> using namespace std;int main() {double a 1e308;double b 1e-10;double orig_a a, orig_b b;a a b;b a - b;a a - b;cout << fixed << setprecision(20);cout << "…...
npm命令介绍(Node Package Manager)(Node包管理器)
文章目录 npm命令全解析简介基础命令安装npm(npm -v检插版本)初始化项目(npm init)安装依赖包(npm install xxx、npm i xxx)卸载依赖包(npm uninstall xxx 或 npm uni xxx、npm remove xxx&…...
小刚说C语言刷题—1602总分和平均分
1.题目描述 期末考试成绩出来了,小明同学语文、数学、英语分别考了 x、y、z 分,请编程帮助小明计算一下,他的总分和平均分分别考了多少分? 输入 三个整数 x、y、z 分别代表小明三科考试的成绩。 输出 第 11行有一个整数&…...
python类私有变量
在Python中,要将一个属性定义为类的内部属性(也就是私有属性),通常会在属性名称前加一个下划线(_)或两个下划线(__)。这两种方式有不同的效果: 单下划线(_&a…...
前端如何转后端
前端转后端是完全可行的,特别是你已经掌握了 JavaScript / TypeScript,有一定工程化经验,这对你学习如 Node.js / NestJS 等后端技术非常有利。下面是一条 系统化、实践导向 的路线,帮助你高效完成从前端到后端的转型。 ✅ 一、评…...
数字智慧方案5976丨智慧农业顶层设计建设与运营方案(59页PPT)(文末有下载方式)
详细资料请看本解读文章的最后内容。 资料解读:智慧农业顶层设计建设与运营方案 在现代农业发展进程中,智慧农业成为推动农业转型升级、提升竞争力的关键力量。这份《智慧农业顶层设计建设与运营方案》全面且深入地探讨了智慧农业的建设现状、需求分析、…...
软件工程国考
软件工程-同等学力计算机综合真题及答案 (2004-2014、2017-2024) 2004 年软工 第三部分 软件工程 (共 30 分) 一、单项选择题(每小题 1 分,共 5 分) 软件可用性是指( )…...
linux python3安装
1 安装依赖环境 yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel 2 mkdir -p /usr/python3 3 cd usr/python3; tar -zxvf Python-3.8.3.tgz;cd Python-3.8.3 4 ./confi…...
软件测评中心如何保障软件质量与性能?评测范围和标准有哪些?
软件测评中心对保障软件质量与性能有关键作用,它像软件世界里的质量卫士,会评测各类软件,能为用户选出真正优质好用的软件,我将从多个方面向大家介绍软件测评中心。 评测范围 软件测评中心的评测范围很广,它涵盖了常…...
从MCP基础到FastMCP实战应用
MCP(https://github.com/modelcontextprotocol) MCP(模型上下文协议) 是一种专为 基于LLM的工具调用外部工具而设计的协议 , 本质上是 LLM ↔ 工具之间的RPC(远程过程调用) 的一种安全且一致的处理方式, 是…...
【云备份】服务端工具类实现
1.文件实用工具类设计 不管是客户端还是服务端,文件的传输备份都涉及到文件的读写,包括数据管理信息的持久化也是如此,因此首先设 计封装文件操作类,这个类封装完毕之后,则在任意模块中对文件进行操作时都将变的简单化…...
如何在Cursor中使用MCP服务
前言 随着AI编程助手的普及,越来越多开发者选择在Cursor等智能IDE中进行高效开发。Cursor不仅支持代码补全、智能搜索,还能通过MCP(Multi-Cloud Platform)服务,轻松调用如高德地图API、数据库等多种外部服务ÿ…...
PB的框架advgui反编译后控件无法绘制的处理(即导入pbx的操作步骤)
advguiobjects.pbl反编译后,涉及到里面一个用pbni开发的一个绘制对象需要重新导入才可以。否则是黑色的无法绘制控件: 对象的位置在: 操作: 导入pbx文件中的对象。 恢复正常: 文章来源:PB的框架advgui反编译…...