当前位置： 首页 > news >正文

三大行业案例：AI大模型+Agent实践全景

news 来源：原创 2025/7/20 8:59:24

本文将从AI Agent和大模型的发展背景切入，结合51Talk、哈啰出行以及B站三个各具特色的行业案例，带你一窥事件驱动架构、RAG技术、人机协作流程，以及一整套行之有效的实操方法。具体包含内容有：51Talk如何让智能客服“主动进攻”，带来约课率、出席率双提升；哈啰出行如何由Copilot模式升级为Agent模式，并应用到客服、营销策略生成等多个业务场景；B站又是如何借力大模型与RAG方法，引爆了平台的高效内容检索和强互动用户体验。

AI Agent是什么

AI Agent与大模型的行业应用

1. 大模型与AI Agent

大模型能够适应不同的任务，通过少样本甚至零样本的方式产生优质回答或内容。无论是GPT-4o、ChatGLM、Llama系列，还是Qwen与国内各大厂自研的通用模型，在大规模参数的加持下，其对人类语言的理解与推理已开始逼近甚至局部超越人类水准。

然而，大模型并不等同于商业成功，要在复杂业务中落地，还需要一整套Agent模式来驱动。所谓AI Agent，往往指在大模型之上封装的高层业务逻辑与工具交互组件，让“被动回答”的语言模型摇身一变，成为“主动执行”的智能体。很多时候，Agent需要调用外部函数（Function Calling）、与检索组件（RAG）交互、执行特定的业务流程，才能真正将大模型的潜力释放出来。

传统智能客服 vs. RAG⼤模型智能客服

从业务视角看，目前AI Agent与大模型的应用有以下几个鲜明趋势：

  1. RAG与知识检索： 通过RAG技术，将外部知识库与大模型结合，减少模型“幻觉”，增强回答的准确性和可追溯性；

RAG⼤模型智能客服框架

  1. 多轮对话与人机协作： Agent不再仅是问答，而是能根据上下文，自主规划后续对话，并可在必要时引入人工坐席或其他系统协同；
  2. 事件驱动与主动触达： 智能体不仅被动响应用户问题，还能根据业务事件（比如流量异常、用户拖单、订单纠纷）进行主动沟通或任务执行；
  3. CoT、ReAct等推理范式： 通过Chain-of-Thought、ReAct等技术，引导语言模型在回答前进行多步推理、分析与调用外部API的动作，极大提升了可解释性与执行力。

2. 三个行业案例

  • 在线教育：51Talk
    在线教育行业竞争激烈，用户付费转化、课程出席率以及学习全流程服务体验尤为关键。51Talk搭建了智能客服体系，借助事件驱动、RAG模型和人机协作，成功提升了预约率和出席率。这背后究竟是如何实现的？

51 Talk的智能客服落地曲折与困难

  • 出行服务：哈啰出行
    哈啰出行在国内骑行、打车、顺风车、租车等业务上积累了大量用户与数据。随着业务增长，对用户服务的智能化需求也愈加丰富。他们从Copilot模式（辅助运营、辅助研发）进阶到Agent模式（执行业务流程、自动生成营销策略）。其技术架构、模型选型、业务场景应用的挑战和思路是怎样的？

哈啰AI场景

  • 内容平台：B站
    B站作为年轻人的潮流文化聚集地，也在客服、内容检索、UP主创作协同等场景积极探索RAG与强化模型结合的模式。他们基于大模型的RAG检索，将非结构化海量内容转换为高效的知识库，并通过“领域化”微调来保证回答安全可控。他们在“知识构建、检索效率、回答准确性”方面有哪些经验可以借鉴？

B站领域知识库的构建

行业案例深度分析

A. 在线教育案例：51Talk的智能客服与事件驱动落地

1. 业务背景与需求

对于在线教育平台而言，客服质量直接关系到用户留存和续费率。51Talk在全球范围内开展在线外教课程，海外业务量增长迅猛，但客服和销售人数有限，无法做到24小时高水平在线。传统的“人工一对多”客服模式常常出现响应滞后、人力成本高等问题。

  • 核心业务指标：预约率、出席率。
  • 面临挑战：用户需求复杂多变，客服配比不足，无差别回复无法满足学员的多样化场景需求。

2. 传统方案局限与大模型切入

最早51Talk采用过传统QABot与TaskBot方式：

  • QABot： 基于FAQ的检索式答疑，但只能被动回答；
  • TaskBot（SOP）：针对课程预约、退费咨询等常见流程，配置流程图节点，但僵化，易出现沟通断层。

然而，由于学生与家长的需求多种多样、对课程内容及价格的灵活沟通要求较高，传统方案容易“卡壳”。此时，大模型及RAG技术的出现为客服提供了新的思路。

3. 事件驱动与Agent模式的关键设计

（1）主动沟通机制

与许多客服只在用户发起提问时提供回答的被动模式不同，51Talk的AI客服会根据用户在平台上的关键事件（如刚注册成功、快开课却未登录、没有按时提交作业等）主动出击，发送提示或问候，引导用户进行下一步操作。

智能触达服务系统

  • 事件来源：后端的教学系统、IM系统、学习行为日志；
  • 触发逻辑：在DAG编排的流程中定义多种节点，若某条件满足就主动向用户推送信息并等待回复。

基于DAG的流程编排

（2）RAG应用

在用户咨询如“如何复习”、“课前准备”或课程细节时，AI客服可调用后端知识库进行RAG，并将结果拼接到Prompt中，让LLM在回答时有更丰富的上下文支撑。

  • 知识库：包含历史人工会话记录、课程FAQ、运营文档；
  • 向量检索：采用Milvus或其他向量库来匹配相似问题与答案，减少“幻觉”回答。

（3）人机协作

当系统信心不足或监控到用户可能情绪不满（通过文本或语音情绪识别）时，AI客服会自动邀请人工客服介入。同时，AI客服为人工客服提供了“话术推荐”功能，显著降低了人工回答的时间成本，使得人机协作效率达到最大化。

4. 技术架构与数据指标

在51Talk的方案中，“事件驱动感知器”是一个核心组件：

构建基于事件驱动的用户行为感知器

  • 感知器：实时监听用户行为事件（注册登录、购买课程、上课出勤、作业提交等），与智能客服主流程做联动；

基于事件驱动的用户行为感知器

  • 智能客服主流程：采用LangChain或Semantic Kernel等多种方式，进行CoT / ReAct式推理；
  • RAG检索：在Prompt中嵌入外部知识，提升答案准确率并降低幻觉；
  • 监控与反馈：通过用户对话评价、人工客服的质检数据进行持续优化。

上线后，51Talk在某些核心业务场景下的“用户次日留存”与“课程预约率”得到明显提升；在客服环节，平均响应时长缩短了30%以上，人工成本也降低了20%-30%。

B. 出行服务案例：哈啰出行从Copilot到Agent的进阶之路

1. 业务发展阶段与AI需求

哈啰出行覆盖范围广，包括共享单车、打车、顺风车、租车、两轮换电等，背后有复杂的供需匹配与算法调度，对客服和营销策略的需求也很高。早期，他们主要使用类似“Copilot”的思路，用大模型给研发、运营、设计团队提供辅助，帮助他们提升效率。然而，当业务进一步扩张，需要更加自动化的流程执行时，就必然要把大模型升级为Agent，让它能“自主决策、主动行动”。

从GPT4-Turbo Demo -> 自研Finetune

2. Copilot模式：低门槛提升人效

在正式实现Agent前，哈啰出行经历了一个以“人机协作”为主的Copilot阶段：

  • 研发Copilot（codeGPT）： 能够对哈啰内部代码做语义搜索、自动生成测试代码、辅助调试；

研发Copilot（codeGPT）

  • 运营Copilot（知识库/客服助手）： 给运营人员提供图文创意、活动策划建议；也可在客服领域做话术推荐；

运营Copilot

  • 设计Copilot（营销海报/短视频）： 运用Stable Diffusion/ControlNet等技术快速生成海报背景、文案，缩短人工设计周期并提高产能。

设计Copilot

该阶段已显著降低了人工的重复性劳动，但“大模型仅为工具”，依然依赖人来驱动流程。

3. 从Copilot到Agent的转型

哈啰意识到，如果能让模型自己调用业务API，并根据用户输入、业务事件自动执行与回调，就能实现更大的效率爆发。

哈啰Agent：赋能业务

  • 智能客服机器人： 不仅做多轮对话，还要能查询用户订单信息、发放优惠券等复杂操作；

客服Agent：对话机器人

  • 营销策略生成（AIGA）： 自动结合实时供需、库存、用户画像，生成精准的营销动作（如对某区域新客推送优惠券、针对老客发送激励短信等）。

AIGA：Item\Action\BidPrice\Strategy

在技术落地上，哈啰出行开发了Agent编排组件，结合自研大模型或开源模型（ChatGLM、Qwen、Llama2等），为每种业务场景定制Prompt与调用工具(Function Calling)。关键要点包括：

  • 对模型进行Finetune： 针对客服、营销的语料进行监督微调，提升模型对哈啰业务语义的理解；
  • RAG增强： 对广义的业务知识库（包括订单信息、地理位置、用户历史、城市网格数据）进行检索；
  • 多模态融合： 对骑行地图、轨迹日志、图像核查等进行解析，Agent可自动调用视觉模型或NLP模型做判断。

Jarvis-大模型平台

4. 模型选型与挑战

哈啰在实践中试用了多种基础模型：

  1. ChatGLM2：显存占用小，可单卡微调；
  2. Qwen-7B/14B/72B：阿里系模型在中文理解方面不错，但需量化加速；
  3. Llama2：国际社区活跃度高，但中文语义仍需本地适配。

在正式部署Agent后，哈啰出行的客服机器人在对话解析准确率方面有了大幅增长；而营销AIGC也实现了千人千面的活动策划与文案生成，大幅度缩短了运营周期。

C. 内容平台案例：B站的RAG技术实践

1. 从“传统智能客服”到“大模型智能客服”转变

B站作为年轻人的聚集地，有大量的用户咨询需求，但很多问题并非简单FAQ能解决。例如UP主相关规则、番剧版权、稿件审核、活动投稿流程等都涉及非结构化的政策说明和历史运营记录。

  • 传统客服：需要对每个任务、功能单独设计并维护模型；
  • RAG大模型客服：在统一框架下，用RAG来检索相关的海量文档，再结合大模型组织答案。

2. B站线上智能客服的拦截率对比

据其内部测算，使用RAG大模型后的客服“拦截率”（即无需人工介入的成功回答比例）显著提升。官方给出的对比数据显示，RAG组比基线组提升了不少，有些业务场景达到20%以上的提升。

3. RAG大模型客服框架

B站把整个客服系统分为三个关键模块：

  1. 领域知识库构建： 从业务知识、历史人工会话、FAQ等多来源采集，进行结构化或半结构化处理；
  2. 高效检索知识： 包括query改写（Re-writing、Step-back、Sub-query拆分）与检索重排（q-q搜索、q-a match）等；

如何高效检索知识

  1. 准确回答与安全落地： 利用通用大模型 + prompt工程 或基于RAG进行微调。在实际落地中，B站更倾向微调RAG模型，因为可以更好地控制幻觉并提供拒答能力。

如何准确回答安全落地

4. 长文本与长尾问题

B站在应对长尾问题上，还尝试了“扩大上下文窗口”的方法，把大量的弱相关知识一并提供给模型，让用户可多轮交互来澄清问题。但这也带来了延迟和成本的上升。因此，他们也在探索精细化的检索策略。

RAG和⻓⽂本如何协同

5. 技术架构与未来展望

B站的客服系统未来会进一步融合多模态，比如识别截图、检索视频内容中的时间点等，让Agent的对话能力更具沉浸感。他们在研究通过Agent交互来调度不同模型，在社区内容管理、版权巡查、用户引导等领域取得更多突破。

关键技术对比与实践经验

1. 大模型基础技术：LLM、ChatGLM、Qwen等

在51Talk、哈啰出行、B站三家案例中，大模型均扮演了核心角色，但其选择与微调策略略有不同。

  • 51Talk更看重在对话层面对大模型进行针对性Finetune，旨在提高客服场景的专业性和回答准确率；
  • 哈啰出行因涉及多业务形态，需要支持客服、营销文案、语音交互、地理调度等多场景，故更倾向一个综合性大模型平台，并通过API + Agent的方式实现落地；
  • B站有深厚的技术研发能力，自研模型bilibili index并进行RAG微调，追求对自己领域内容的强掌控与安全审计。

2. RAG、CoT、ReAct等增强方法

  • RAG：
    三家企业都有RAG的落地：51Talk在课程知识库检索；哈啰出行调用业务数据库或地理信息；B站针对海量视频、政策文档做RAG。这是解决大模型“幻觉”与业务知识不足的通用利器。
  • CoT：
    引导大模型在回答前列出推理过程，便于后续可解释性与错误追踪。
  • ReAct：
    让模型在推理过程中随时进行动作调用，比如调用Function进行数据库查询、调第三方API等。对Agent模式十分关键。51Talk利用ReAct来在对话中实时获取用户上课记录，哈啰与B站则在多模态处理和客服多轮交互中多次调用外部工具。

3. 人机协作与用户体验优化

  • 51Talk：在用户情绪识别或高难度场景下，AI客服会请求人工协助，并提供可能的话术推荐；
  • 哈啰：从Copilot开始就强调团队提效，Agent出现后也保留了人工兜底机制；
  • B站：RAG客服具备较高拦截率，但仍需人工做定期质检与监控，保证平台调性。

行业应用启示

1. 多智能体协作与长尾问题解决

随着多Agent框架与工具链的不断成熟（如LangChain Agents、Semantic Kernel、MiniMax等），一台机器便能模拟多个智能体在系统内共存、共享记忆、协同工作。类似于“斯坦福小镇”里的25个虚拟居民，企业可以在复杂场景下让客服Agent、营销Agent、策略Agent等彼此对话并相互协同。对在线教育的场景而言，多个Agent可分别负责课前准备、课中陪练、课后复盘等节点，真正实现教学流程闭环；对出行领域，可以把调度Agent、支付Agent、客户服务Agent集成在一起，实现自动化管理；对内容平台，可让审核Agent、推荐Agent、活动Agent共同维持社区生态。

2. 多模态增强

未来AI Agent将不止处理文本，而是可随时调用图像、音频、视频等多模态分析模块。想象一个场景：B站用户上传一段新视频时，Agent能读取视频元数据、识别画面内容，与用户对话核实版权，然后给出剪辑或配文建议。在线教育领域，如果能对学生的语音朗读做实时纠错与发音优化，对教学的辅助价值就更大了。

3. 行业案例的通用价值

51Talk的事件驱动与RAG客服设计对于其他在线教育平台或需要提升转化率的行业来说，具有普遍借鉴意义；哈啰出行的“Copilot -> Agent”演变，为拥有丰富业务链条的大中型企业提供了参考；B站对大模型安全与RAG知识检索的高标准，体现了内容平台在用户体验与内容合规上的创新点。这些不同领域的实践都证明了一个事实：只有与具体业务场景深度融合，AI Agent和大模型的价值才能真正落地。

实践与技术细节

1. 51Talk主要技术方案

  • 主动沟通机制： 通过事件感知器+延迟消息调度（基于DAG）来触发AI客服主动与用户对话；
  • RAG检索： 使用向量检索（如Milvus）结合关键词检索，给大模型提供充分的课程资料；
  • 人机协作： 与人工无缝配合，尤其是用户情绪识别和纠纷场景下；
  • 数据效果： 预约率、出席率显著增长，客服平均响应时间缩短30%，人工成本减少20%-30%。

2. 哈啰出行的Agent模式与AIGC营销

  • Copilot模式： R&D助手、BI助手、设计助手等使内部团队迅速提效；
  • Agent模式： 让客服机器人能调API查看订单、管理优惠券；让营销Agent能自动生成触达策略和执行动作；
  • 多模型选型： ChatGLM、Qwen、Llama2等开源或自研模型并行评测，使用量化或多卡加速技术；
  • 挑战与对策： 幻觉问题、实时数据对接、语音识别与地理信息处理的多模态融合。

3. B站的RAG架构、知识检索与微调

  • 知识库构建： 将业务知识、历史人工对话、FAQ等进行筛选、分块、向量化存储；
  • query改写技术： 包括Re-writing、Step-back、Sub-query切分；
  • RAG微调： 在原大模型基础上进行监督微调、加入思维链CoT和函数调用ReAct，显著降低幻觉并提高回答整合度；
  • 业务指标： 智能客服拦截率提升20%；在答案准确度、拒答能力、用户满意度上均有明显改善。

4. 数据与成效

  • 哈啰出行的数据： 效率提升、订单纠纷判责正确率、客服采纳率等都有显著提高；
  • B站的客服拦截率： 由传统基线上升20%左右；
  • 51Talk的预约率和出席率： 提升幅度在10%-20%之间。

5. 实际代码或框架应用

  • LangChain： 提供了多种Agent模式、工具调用管理；
  • Semantic Kernel： 微软推出的多语言SDK，可使用Stepwise Plan等方式编排ReAct流程；
  • 开源模型部署： ChatGLM2、Qwen、Llama2多平台对比实践；
  • 向量数据库： Milvus、PGVector等在检索场景中的应用。

6. 横向对比与差异化亮点

  • 相似技术： 大模型+RAG、多轮对话、Agent Function调用是三大案例的共同点；
  • 差异化亮点：
    • 51Talk：重点解决用户管理和主动触达；
    • 哈啰：关注业务流程自动化和营销策略生成；
    • B站：核心发力RAG检索和客服多轮对话，关注安全落地、长尾问题、长文本场景。

技术驱动业务突破，业务需求反哺技术迭代

“人机交互”正在向“多智能体协作”加速演变，相应的工具与方法（RAG、CoT、ReAct、多模态增强、微调、事件驱动等）正在不断完善。在下一阶段，更多企业将基于多智能体的协作框架，让一系列Agent同时管理客服、营销、运营、审计、推荐等模块，甚至让Agent之间互相“交谈”，从而形成一个更宏大、更逼近人类社会形态的自治系统。只有与业务场景深度绑定，AI才能真正焕发生命力。51Talk、哈啰出行、B站三个鲜活案例，反映了目前国内互联网企业在事件驱动客服、RAG知识增强、多模态应用、人机协作和Agent自动化执行等多层次技术的应用实践。我们看到不同业务场景如何在大模型时代迭代自我，利用AI加速业务增长、提升用户满意度、降低整体成本。

  • 51Talk在客服体系中将“主动沟通”与“事件驱动”发挥到极致，既提升了用户的课程预约与出席率，也保证了多轮对话的流畅度；
  • 哈啰出行在多业务形态下逐步从Copilot进化为Agent模式，让AI不再只是辅助，而是能实打实地执行业务任务，包括客服查询、营销策略生成等；
  • B站则通过领域RAG技术和强化模型，最大化利用自身庞大的内容资产，改善智能客服的精准度、拦截率以及用户体验。

在技术层面，三者都体现了大模型+RAG的组合思路，并在应用场景中引入CoT、ReAct等模型推理增强机制，辅以Function Calling和多模态组件，使Agent对业务需求做到又快又准。以后我们应该可以期待多Agent协作、长尾问题精细化处理、多模态融合（图文音视频）、强化学习与自适应进化等更深入、更全面的技术落地。

很多企业也许不具备BAT或大厂那样的算力与资源，但是可以在具体业务环节挖掘“智能化”切入点，打造强大的AI中台架构，让Agent真正为一线业务服务。当AI逐步渗透到各行各业最核心的“人货场”与“用户交互”环节时，我们每个人都将见证一场翻天覆地的智能浪潮。

专家招募

TsingtaoAI面向全球范围的LLM大模型、具身智能、AI机器人、智算、AIGC、数据科学、金融科技、5G、信创、智能制造、智慧能源等领域招募专家讲师，有多种方式合作，合作方式灵活，收益丰厚。欢迎感兴趣的专家与我们联系。

相关文章：

三大行业案例：AI大模型+Agent实践全景

本文将从AI Agent和大模型的发展背景切入，结合51Talk、哈啰出行以及B站三个各具特色的行业案例，带你一窥事件驱动架构、RAG技术、人机协作流程，以及一整套行之有效的实操方法。具体包含内容有：51Talk如何让智能客服“主动进攻”&a…...

编程日记 2025/7/20 8:59:24

国产低代码框架zdppy开发笔记002 标准的接口响应

前言 通过前面的学习, 我们已经知道了zdppy_api和zdppy_req的基本用法, 接下来我们会在学习中多次用到这两个框架. 我们已经知道了该如何响应一个字符串,但是我们该如何响应json数据呢? 在zdppy_api中,我们定义了一组规范的API响应, 我们慢慢来看看. 规范的响应 首先来看…...

编程日记 2025/7/15 4:02:28

关于Nginx

1.Nginx的配置 proxy_pass http: 当你需要将请求分发到多个后端服务器时，需要实现负载均衡功能，可以使用upstream指令定义一组服务器，并在proxy_pass中引用这个服务组名称。。如果不需要负载均衡，只需要将请求转发到单一的后端…...

编程日记 2025/7/19 22:24:24

数据库实时会话管理，性能问题诊断后的临门一脚

目录 前言 实时会话管理 DBdoctor 实时会话功能 1.实时会话列表 2.结束会话 3.操作历史 4.SQL分析 结语 前言 在之前的文章中我们介绍了DBdoctor性能洞察功能，它能够快速量化数据库连接会话单条SQL的资源消耗，实现性能问题快速根因定位并给出优…...

编程日记 2025/7/19 13:58:21

以EM算法为例介绍坐标上升（Coordinate Ascent）算法：中英双语

中文版 什么是 Coordinate Ascent 算法？ Coordinate Ascent（坐标上升）是一种优化算法，它通过在每次迭代时优化一个变量（或一个坐标），并保持其他变量不变，逐步逼近最优解。与坐标下…...

编程日记 2025/7/20 1:21:04

visual studio连接sql server数据库

目录 1、为什么要建立连接2、在sql server中建立数据库3、visual studio连接sql server数据库4、学生信息管理系统页面布局5、添加事件逻辑 5.1 页面跳转5.2 读取学生信息5.3 查询学生信息5.4 修改学生信息5.5 删除学生信息5.6 添加学生信息 bilibili演示视频 github源码 1、…...

编程日记 2025/7/15 8:08:56

磁盘的相关操作

1.让U盘连接到虚拟机中 两种方法：1>在弹出的窗口中设置 2>通过选项设置 菜单栏---->虚拟机----->可移动设备---->找到U盘名---->连接到虚拟机中 2.查看U盘是否已被成功识别 方法：ls /dev/sd* 显示包含除了sda外的文件说明U盘连接成功…...

编程日记 2025/7/20 8:42:36

数据结构与算法Python版 图的应用与广度优先搜索

文章目录 一、图的应用-词梯问题二、图的广度优先搜索 一、图的应用-词梯问题 词梯问题 Word Ladder 从一个单词演变到另一个单词，其中的过程可以经过多个中间单词。要求是相邻两个单词之间差异只能是1个字母如FOOL变SAGE：FOOL >> POOL >>…...

编程日记 2025/7/19 20:20:30

Unity——InputField组件自动换行和enter键换行

文章目录 输入框实现换行功能 输入框实现换行功能 在Unity中，如果你想要在输入框（如InputField）中实现换行功能 ，你需要确保以下几点： 1、文本组件支持多行： 确保你的InputField的文本组件（Te…...

编程日记 2025/7/20 8:55:21

solr9.7 单机安装教程

1.环境要求:jdk11以上 2.下载wget https://dlcdn.apache.org/solr/solr/9.7.0/solr-9.7.0.tgz 3.解压 4.修改solr.in.sh配置 5.启动命令 bin/solr start 6.创建core bin/solr create -c <core名称> 注意:用solr ui界面创建&#xff0c;会提示找不到solrconfig.xml和m…...

编程日记 2025/7/14 21:55:35

​虚幻引擎UE5渲染不够快的解决办法

​虚幻引擎是由Epic Games公司开发的一款功能强大、全球最开放且先进的实时 3D 创作工具&#xff0c;广泛应用于游戏、影视、建筑可视化、虚拟现实等多个领域&#xff01;虚幻引擎UE5如何实现在网上极速渲染呢&#xff1f;本文提供云渲染和云电脑两套方案用于渲染提速&#xff…...

编程日记 2025/7/18 9:29:13

基于STM32的智能家居环境监控系统设计

目录 引言系统设计 硬件设计软件设计系统功能模块 环境监控模块控制模块显示模块系统实现 硬件实现软件实现系统调试与优化结论与展望 1. 引言 随着智能家居技术的发展&#xff0c;环境监控系统已经成为家居管理的重要组成部分。智能家居环境监控系统通过实时监测室内温度、湿…...

编程日记 2025/7/20 8:50:06

Android service framework笔记

1. 网络摘录如何添加一个Application Framework Service（一）（without native code） 如何添加一个Application Framework Service（二）（with native code） 2.书籍摘录...

编程日记 2025/7/20 8:44:34

【图像处理lec10】图像压缩

目录 一、图像压缩基础 1、图像压缩的基本概念 2、数据冗余与压缩比 3、三种主要的数据冗余类型 4、保真度评估标准&#xff08;Fidelity Criteria&#xff09; 5、应用与实践 二、图像压缩模型 1、图像压缩模型概述 &#xff08;1&#xff09;压缩系统的结构 &#…...

编程日记 2025/7/19 20:25:44

flask后端开发（2）：URL与视图

目录 URL定义request获取请求参数 gitcode地址&#xff1a; https://gitcode.com/qq_43920838/flask_project.git URL定义 from flask import FlaskappFlask(__name__)app.route(/) def hello_world():return Hello World!app.route(/profile) def profile():return 我是个人…...

编程日记 2025/7/15 17:45:12

Linux Ubuntu24配置安装Java

目录 一. 通过apt安装java1.1 列出所有可用java版本1.2 安装指定java版本1.3 安装后确认1.4 /etc/alternatives/目录 二. 手动安装java 一. 通过apt安装java 1.1 列出所有可用java版本 apt list openjdk-*jdk apluserubuntu24-01:~$ apt list openjdk-*jdk Listing... Done …...

编程日记 2025/7/19 22:54:25

线段树例题题解

卫星覆盖&#xff08;NOI1997&#xff09; 题面&#xff1a; SERCOI&#xff08;Space-Earth Resource Cover-Observe lnstitute&#xff09; 是一个致力于利用卫星技术对空间和地球资源进行覆盖观测的组织。现在他们研制成功一种新型资源观测卫星 -SERCOI-308。这种卫星可以…...

编程日记 2025/7/14 21:56:36

极品飞车6的游戏手柄设置

极品飞车&#xff0c;既可以用键盘来控制车辆的前进、后退、左转、右转、加速与减速&#xff0c;也可以使用游戏手柄来操作车辆的运行。需要注意的是&#xff0c;极品飞车虽然支持手柄&#xff0c;但是仅支持常见的北通、罗技还有部分Xbox系列的手柄&#xff0c;至于其他的PS4手…...

编程日记 2025/7/17 19:57:04

为何DeepSeek V3模型为自己是ChatGPT？

DeepSeek V3 AI模型&#xff1a;为何它认为自己是ChatGPT&#xff1f; 引言 在人工智能领域&#xff0c;最新的技术进展总是令人兴奋。最近&#xff0c;一家资金雄厚的中国AI实验室DeepSeek发布了一款新的AI模型——DeepSeek V3&#xff0c;它在多个流行基准测试中超越了许多…...

编程日记 2025/7/15 21:35:48

【每日学点鸿蒙知识】人脸活体检测、NodeController刷新、自动关闭输入框、Row设置中间最大宽、WebView单例

1、HarmonyOS 人脸活体检测调用&#xff1f; H5调用应用侧方法可参考以下demo&#xff1a; index.ets Web()//注册方法.javaScriptProxy({object: this.testObj,name: "testObjName",methodList: ["getLocationTS"],controller: this.webController})cla…...

编程日记 2025/7/16 5:27:48

深入理解Composer自动加载机制

Composer是PHP生态系统中最常用的依赖管理工具之一&#xff0c;它不仅能够帮助开发者管理项目的依赖关系&#xff0c;还能够自动加载这些依赖项。自动加载机制是Composer的核心功能之一&#xff0c;通过自动加载&#xff0c;开发者可以在运行时按需加载所需的类和文件&#xff…...

编程日记 2025/7/17 18:58:54

SQL SERVER日常运维巡检系列之-日志

前言 做好日常巡检是数据库管理和维护的重要步骤&#xff0c;而且需要对每次巡检日期、结果进行登记&#xff0c;同时可能需要出一份巡检报告。 本系列旨在解决一些常见的困扰&#xff1a; 不知道巡检哪些东西不知道怎么样便捷体检机器太多体检麻烦生成报告困难&#xff0c;无…...

编程日记 2025/7/14 14:40:18

2024年中国新能源汽车用车发展怎么样 PaperGPT（二）

用车趋势深入分析 接上文&#xff0c;2024年中国新能源汽车用车发展怎么样 PaperGPT&#xff08;一&#xff09;-CSDN博客本文将继续深入探讨新能源汽车的用车强度、充电行为以及充电设施的现状。 用车强度 月均行驶里程&#xff1a;2024年纯电车辆月均行驶超过1500公里&…...

编程日记 2025/7/18 10:19:01

【数据结构】线性数据结构——链表

1. 定义 链表是一种线性数据结构&#xff0c;由多个节点&#xff08;Node&#xff09;组成。每个节点存储数据和指向下一个节点的指针。与数组不同&#xff0c;链表的节点不需要在内存中连续存储。 2. 特点 动态存储&#xff1a; 链表的大小不固定&#xff0c;可以动态增加或…...

编程日记 2025/7/20 1:30:18

Spring中的设计模式

Spring中的设计模式 控制反转(IoC)和依赖注入(DI) IoC 是一个原则&#xff0c;而不是一个模式&#xff0c;以下模式&#xff08;但不限于&#xff09;实现了 IoC 原则。 **Spring IoC 容器就像是一个工厂一样&#xff0c;当我们需要创建一个对象的时候&#xff0c;只需要配置…...

编程日记 2025/7/19 9:02:41

微信小程序给外面的view设置display:flex；后为什么无法给里面的view设置宽度

如果父盒子view设置了display:flex&#xff0c;子view设置宽度值无效&#xff0c;宽度值都是随着内容多少而改变&#xff1a; 问题视图&#xff1a; 原因&#xff1a; flex布局元素的子元素&#xff0c;自动获得了flex-shrink的属性 解决方法&#xff1a; 给子view增加:fl…...

编程日记 2025/7/18 5:48:11

异步爬虫之aiohttp的使用

在上一篇博客我们介绍了异步爬虫的基本原理和 asyncio 的基本用法&#xff0c;并且在最后简单提及了使用aiohttp 实现网页爬取的过程。本篇博客我们介绍一下 aiohttp 的常见用法。 基本介绍 前面介绍的 asyncio模块&#xff0c;其内部实现了对 TCP、UDP、SSL协议的异步操作&a…...

编程日记 2025/7/17 16:55:28

vue3大屏实现；使用使用CSS Grid实现大屏

文章目录 一、效果1.效果2.使用CSS Grid3.插件4.html代码5.index.scss代码 一、效果 1.效果 方案&#xff1a;采用CSS的Grid布局&#xff0c;实现首页大屏模块划分和自适应功能&#xff1b; 布局&#xff1a; 大屏主要内容&#xff0c;高宽比是1920*1080&#xff1b;即16:9的…...

编程日记 2025/7/19 19:48:35

安卓入门二 Kotlin基础

Kotlin Kotlin的历史 Kotlin由Jet Brains公司开发设计&#xff0c;2011年公布第一版&#xff0c;2012年开源。 2016年发布1.0正式版&#xff0c;并且Jet Brains在IDEA加入对Kotlin的支持&#xff0c;安卓自此又有新的选择。 2019年谷歌宣布Kotlin成为安卓第一开发语言&#x…...

编程日记 2025/7/18 5:15:01

在ubuntu上如何使用sdkman安装两个版本的java并进行管理和维护

在Ubuntu上使用SDKMAN安装和管理两个不同版本的Java的步骤如下&#xff1a; 安装SDKMAN 打开终端&#xff0c;使用以下命令安装SDKMAN&#xff1a; curl -s "https://get.sdkman.io" | bash这个命令会下载并运行SDKMAN!的安装脚本。 安装完成后&#xff0c;需要打开…...

编程日记 2025/7/15 22:18:54

《代码随想录》Day20打卡！

《代码随想录》二叉树&#xff1a;二叉搜索树的最近公共祖先 本题的完整题目如下&#xff1a; 本题的思路如下&#xff1a; 1.之前写过一个二叉树的最近公共祖先&#xff0c;本题相比于另一道题&#xff0c;不同是本题是二叉搜索树&#xff0c;有一些可用的性质。 2.本题使用递…...

编程日记 2025/7/14 11:39:21

GPIO相关寄存器，点灯

目录 一.输入模式 1.浮空输入 2.上拉输入 3.下拉输入 4.模拟输入 二.输出模式 1.推挽输出 2.开漏输出 三.寄存器 1.寄存器的作用 2.功能与类型 3.控制某一引脚输出电压来点灯所需要控制的寄存器 1.打开对应时钟开关 2.端口模式寄存器 ---输出模式 3.输出类型寄存…...

编程日记 2025/7/17 1:26:39

25 - GRACE Mascon数据缺失月份数据插值

25 - GRACE Mascon数据缺失月份数据插值 0 引言1 程序包获取1.1 获取ssa插值算法程序包1.2 try2 利用ssa对grace mascon数据进行插值3 完整代码及相关函数3.1 Main程序3.1 子程序4 总结0 引言 💦💦💦💦💦   上篇介绍了grace mascon数据提取及简单的分析过程，仔细…...

编程日记 2025/7/15 9:08:04

深入理解Redis：从理论到实践的Java之旅

Redis&#xff0c;这个开源的内存数据结构存储系统&#xff0c;自2009年诞生以来&#xff0c;凭借其丰富的数据结构、快速的读写性能以及高度的可扩展性&#xff0c;迅速成为了分布式系统和高并发应用中的明星组件。本文将带你深入理解Redis&#xff0c;并通过Java语言的实践示…...

编程日记 2025/7/13 11:22:48

REDIS的集群

REDIS的集群模式&#xff1a; 主从模式&#xff1a;redis高可用的基础&#xff0c;哨兵和集群都是建立在此基础之上 特点&#xff1a; 主从模式和数据库的主从模式&#xff08;工作模式&#xff09;是一样的&#xff0c;主负责写入&#xff0c;然后把写入到数据同步到从&…...

编程日记 2025/7/19 14:44:09

linux——vi命令常用操作

一、vi模式 vi一般分为三种模式&#xff0c;分别是命令行模式、插入模式、末行模式 1.命令模式&#xff1a;控制屏幕光标的移动&#xff0c;按 &#xff1a;进入末行模式&#xff0c;按 i&#xff08;其他插入命令也可&#xff09; 进入插入模式&#xff1b; 2.插入模式&…...

编程日记 2025/7/18 20:49:10

SKETCHPAD——允许语言模型生成中间草图,在几何、函数、图算法和游戏策略等所有数学任务中持续提高基础模型的性能

概述 论文地址&#xff1a;https://arxiv.org/pdf/2406.09403 素描是一种应用广泛的有效工具&#xff0c;包括产生创意和解决问题。由于素描能直接传达无法用语言表达的视觉和空间信息&#xff0c;因此从古代岩画到现代建筑图纸&#xff0c;素描在世界各地被用于各种用途。儿童…...

编程日记 2025/7/16 13:45:21

计算机网络•自顶向下方法：网络应用原理

网络应用原理 网络应用架构 目前有两种主流的网络应用架构&#xff1a; 客户-服务器架构&#xff08;Client-server&#xff09; 服务器&#xff08;server&#xff09;: 有一台总是在线的主机&#xff0c;上面运行着服务器程序(server)服务器主机(server machine)具有永久的…...

编程日记 2025/7/19 19:08:23

python: Oracle Stored Procedure query table

oracel sql script CREATE OR REPLACE PROCEDURE SelectSchool(paramSchoolId IN char,p_cursor OUT SYS_REFCURSOR ) AS BEGINOPEN p_cursor FORSELECT *FROM SchoolWHERE SchoolId paramSchoolId; END SelectSchool; /-- 查询所有 CREATE OR REPLACE PROCEDURE SelectScho…...

编程日记 2025/7/14 20:13:56

Webpack学习笔记（6）

首先搭建一个基本的webpack环境&#xff1a; 执行npm init -y&#xff0c;创建pack.json&#xff0c;保存安装包的一些信息 执行npm install webpack webpack-cli webpack-dev-server html-webpack-plugin -D&#xff0c;出现node_modules和package-lock.json。 1.source-Ma…...

编程日记 2025/7/17 19:07:00

数仓建模：如何进行实体建模？

目录 1 如何进行实体建模？ 业务建模 领域建模 逻辑建模 2 实体建模具体步骤 需求分析...

编程日记 2025/7/3 10:03:57

C++ 设计模式：享元模式（Flyweight Pattern）

链接&#xff1a;C 设计模式 链接&#xff1a;C 设计模式 - 单例模式 享元模式&#xff08;Flyweight Pattern&#xff09;是一种结构型设计模式&#xff0c;它通过共享尽可能多的相同对象来减少内存使用和提高性能。享元模式适用于大量细粒度对象的场景&#xff0c;这些对象之…...

编程日记 2025/7/17 16:10:06

idea报错：There is not enough memory to perform the requested operation.

文章目录 一、问题描述二、先解决三、后原因&#xff08;了解&#xff09; 一、问题描述 就是在使用 IDEA 写代码时&#xff0c;IDEA 可能会弹一个窗&#xff0c;大概提示你目前使用的 IDEA 内存不足&#xff0c;其实就是提醒你 JVM 的内存不够了&#xff0c;需要重新分配。弹…...

编程日记 2025/7/14 19:35:18

Kubernetes Gateway API-2-跨命名空间路由

1 跨命名空间路由 Gateway API 具有跨命名空间路由的核心支持。当多个用户或团队共享底层网络基础设施时，这很有用，但必须对控制和配置进行分段，以尽量减少访问和容错域。 Gateway 和 Route(HTTPRoute,TCPRoute,GRPCRoute) 可以部署到不同的命名空间中，路由可以跨命名空间…...

编程日记 2025/7/15 11:29:36

【视觉SLAM:四、相机与图像】

相机模型 相机模型是计算机视觉中的重要内容&#xff0c;用于描述真实相机如何将三维世界投影到二维图像平面。以下从多个角度介绍常见的相机模型。 针孔相机模型 针孔相机模型是最简单的相机模型&#xff0c;用数学公式描述从三维世界到二维图像平面的映射关系。核心公式如…...

编程日记 2025/7/18 13:13:38

【spring】参数校验Validation

前言 在实际开发中&#xff0c;我们无法保证客户端传来的请求都是合法的。比如一些要求必传的参数没有传递&#xff0c;传来的参数长度不符合要求等&#xff0c;这种时候如果放任不管&#xff0c;继续执行后续业务逻辑&#xff0c;很有可能就会出现意想不到的bug。 有人可能会…...

编程日记 2025/7/17 22:04:04

基于 InternLM 和 LangChain 搭建你的知识库

本文基于InternStudio 算力平台利用 InternLM 和 LangChain 搭建知识库。 InternStudio (OpenAIDE)[1] 是面向算法开发者与研究员的云端集成开发环境。基于「容器实例」&#xff0c;「镜像中心」&#xff0c;「分布式训练」&#xff0c;「公开数据集」模块为用户提供 “算力、算…...

编程日记 2025/7/14 7:14:37

C++ 设计模式：备忘录模式（Memento Pattern）

链接&#xff1a;C 设计模式 链接&#xff1a;C 设计模式 - 状态模式 备忘录模式&#xff08;Memento Pattern&#xff09;是一种行为设计模式&#xff0c;它允许在不破坏封装性的前提下捕获和恢复对象的内部状态。这个模式在需要保存和恢复对象状态的场景中非常有用&#xff…...

编程日记 2025/7/17 19:58:32

STM32配合可编程加密芯片SMEC88ST的防抄板加密方案设计

SMEC88ST SDK开发包下载 目前市场上很多嵌入式产品方案都是可以破解复制的&#xff0c;主要是因为方案主芯片不具备防破解的功能&#xff0c;这就导致开发者投入大量精力、财力开发的新产品一上市就被别人复制&#xff0c;到市场上的只能以价格竞争&#xff0c;最后工厂复制的产…...

编程日记 2025/7/16 14:09:51

利用JavaScript实现猜数字

一&#xff0c;使用while循环实现 以下代码为固定数字非随机数&#xff0c;答案通过弹窗来设置&#xff0c;结果太唯一。 let number;while (true) {number prompt(我正在想一个1-10的数字,你猜猜看&#xff1f;);switch (number) {case "1":alert("小了&quo…...

编程日记 2025/7/16 8:30:10