当前位置: 首页 > news >正文

DeepSeek与人工智能:技术演进、架构解析与未来展望

在这里插入图片描述
前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。https://www.captainbed.cn/north

在这里插入图片描述

文章目录

    • 1. DeepSeek技术全景解析
      • 1.1 DeepSeek技术定位
      • 1.2 核心技术组件
    • 2. 人工智能发展路线
      • 2.1 技术演进阶段
      • 2.2 关键技术突破点
    • 3. DeepSeek核心架构解析
      • 3.1 混合推理引擎
      • 3.2 持续学习算法
    • 4. 关键技术实现
      • 4.1 多模态对齐算法
      • 4.2 自主决策系统
    • 5. 应用场景与案例
      • 5.1 智能医疗诊断系统
      • 5.2 工业数字孪生系统
    • 6. 挑战与未来方向
      • 6.1 技术挑战矩阵
      • 6.2 前沿探索方向
    • 7. 开发资源与工具
      • 7.1 DeepSeek开源生态
      • 7.2 典型研发工具链
    • 8. 伦理与治理框架
      • 8.1 安全防护机制
      • 8.2 治理技术栈
    • 9. 总结与展望

1. DeepSeek技术全景解析

1.1 DeepSeek技术定位

  • 核心目标:实现通用人工智能(AGI)的渐进式突破
  • 技术架构
应用层
算法层
计算层
数据层
人机协作
智能决策
认知增强
自主系统
强化学习
深度学习
神经架构搜索
符号推理
异构计算
分布式训练
边缘计算
量子计算
知识图谱
多模态数据
数据湖
实时流数据
数据层
计算层
算法层
应用层

1.2 核心技术组件

  • 深度推理引擎:混合符号-神经网络架构
  • 持续学习框架:非平稳数据流处理
  • 多模态对齐:跨文本、视觉、语音的统一表示

2. 人工智能发展路线

2.1 技术演进阶段

阶段时间范围特征典型技术
规则时代1950-1980基于符号逻辑专家系统
统计时代1980-2010概率模型主导SVM, HMM
深度学习2010-2020神经网络突破CNN, RNN
大模型时代2020-至今超大规模预训练Transformer
AGI探索未来通用智能体DeepSeek架构

2.2 关键技术突破点

# 渐进式学习示例代码
class ProgressiveLearner:def __init__(self):self.knowledge_base = KnowledgeGraph()self.neural_module = TransformerModel()self.symbolic_reasoner = LogicEngine()def learn(self, data):# 多模态数据融合fused_data = self._fuse_modalities(data)# 神经符号协同训练neural_output = self.neural_module(fused_data)symbolic_rules = self.symbolic_reasoner.infer(fused_data)# 知识库更新self.knowledge_base.update(neural_output, symbolic_rules)def predict(self, input):# 混合推理流程neural_pred = self.neural_module(input)symbolic_pred = self.symbolic_reasoner.query(input)return self._integrate_predictions(neural_pred, symbolic_pred)

3. DeepSeek核心架构解析

3.1 混合推理引擎

User 感知接口 神经计算模块 符号推理模块 知识库 输入问题/任务 生成初步假设 传递候选解 验证逻辑一致性 返回约束条件 反馈修正信号 输出最终结果 返回解决方案 User 感知接口 神经计算模块 符号推理模块 知识库

3.2 持续学习算法

# 动态网络结构调整示例
class DynamicNetwork(nn.Module):def __init__(self, base_units=128):super().__init__()self.units = base_unitsself.layers = nn.ModuleList([nn.Linear(256, self.units),nn.ReLU()])def adapt_structure(self, new_data):# 计算复杂度需求complexity = self._estimate_complexity(new_data)# 动态调整网络结构if complexity > self.current_capacity():self._expand_layers(complexity)def _expand_layers(self, target_capacity):new_units = self.units * 2self.layers.append(nn.Linear(self.units, new_units))self.layers.append(nn.ReLU())self.units = new_units

4. 关键技术实现

4.1 多模态对齐算法

# 跨模态嵌入代码示例
import torch
from transformers import BertModel, ViTModelclass MultimodalAlign(torch.nn.Module):def __init__(self):super().__init__()self.text_encoder = BertModel.from_pretrained('bert-base')self.image_encoder = ViTModel.from_pretrained('vit-base')self.projection = torch.nn.Linear(768, 256)def forward(self, text, image):text_emb = self.text_encoder(text).last_hidden_state[:,0]image_emb = self.image_encoder(image).last_hidden_state[:,0]# 映射到共同空间joint_emb = self.projection(torch.cat([text_emb, image_emb], dim=1))return joint_emb

4.2 自主决策系统

# 强化学习决策框架
class CognitiveAgent:def __init__(self):self.memory = ReplayBuffer(capacity=10000)self.policy_net = DQN(input_size=256, hidden_size=512)self.target_net = DQN(input_size=256, hidden_size=512)def select_action(self, state):# 探索-利用平衡if random.random() < self.epsilon:return random.choice(self.action_space)else:return self.policy_net(state).argmax()def learn(self, batch_size=32):transitions = self.memory.sample(batch_size)batch = Transition(*zip(*transitions))# 计算Q值目标next_q = self.target_net(batch.next_state).max(1)[0]target = batch.reward + self.gamma * next_q# 优化策略网络current_q = self.policy_net(batch.state).gather(1, batch.action)loss = F.mse_loss(current_q, target.unsqueeze(1))self.optimizer.zero_grad()loss.backward()self.optimizer.step()

5. 应用场景与案例

5.1 智能医疗诊断系统

患者数据
多模态输入
医学影像分析
电子病历解析
实时生理信号
DeepSeek诊断引擎
治疗建议
预后预测
研究洞察

5.2 工业数字孪生系统

# 工业设备预测性维护
class PredictiveMaintenance:def __init__(self, sensor_network):self.sensors = sensor_networkself.digital_twin = self._build_digital_twin()def _build_digital_twin(self):# 构建3D物理模型geometry_model = CADModel.load(self.sensors.device_spec)# 集成实时数据流data_pipeline = RealTimeDataPipeline(sensors=self.sensors,sampling_rate=1000)return DigitalTwin(geometry_model, data_pipeline)def detect_anomalies(self):# 多尺度特征提取time_series = self.digital_twin.get_telemetry()freq_features = FFT_analysis(time_series)temporal_features = LSTM_encoder(time_series)# 融合推理combined = torch.cat([freq_features, temporal_features], dim=1)return self.predictor(combined)

6. 挑战与未来方向

6.1 技术挑战矩阵

挑战领域具体问题当前进展突破方向
能源效率算力需求指数增长稀疏计算量子神经形态芯片
可解释性黑箱决策机制局部解释方法全透明推理路径
伦理安全价值观对齐初步约束框架动态道德神经网络
持续学习灾难性遗忘弹性权重巩固生物启发生长模型

6.2 前沿探索方向

  1. 神经符号量子计算:融合三大范式
  2. 认知架构进化:模仿人类神经可塑性
  3. 环境共生系统:物理-数字世界无缝交互
  4. 群体智能网络:去中心化协作学习

7. 开发资源与工具

7.1 DeepSeek开源生态

# 安装开发工具包
pip install deepseek-sdk# 典型使用流程
from deepseek import CognitiveEngineengine = CognitiveEngine(model_size='xl',modalities=['text', 'vision'],reasoning_mode='hybrid'
)response = engine.query(input_data="分析CT影像并生成诊断报告",context=medical_images
)

7.2 典型研发工具链

├── 数据层
│   ├── DeepLake # 多模态数据湖
│   └── KGLens # 知识图谱工具
├── 计算层
│   ├── QuantumFlow # 量子计算模拟
│   └── EdgeML # 边缘部署框架
├── 算法层
│   ├── NeuroSym # 神经符号引擎
│   └── MetaLearner # 元学习库
└── 应用层├── CogUI # 认知交互界面└── AutoDeploy # 自动部署系统

8. 伦理与治理框架

8.1 安全防护机制

class EthicsGuard:def __init__(self, core_policy):self.policy = core_policyself.value_detector = ValueAlignmentModel()self.safety_checker = SafetyValidator()def validate_action(self, proposed_action):# 价值观对齐检测alignment_score = self.value_detector(proposed_action)# 安全约束验证safety_status = self.safety_checker.check_constraints(proposed_action)if alignment_score > 0.8 and safety_status.passed:return ApprovalStatus.APPROVEDelse:return ApprovalStatus.REQUIRES_HUMAN_REVIEW

8.2 治理技术栈

智能体行为
监测层
实时审计追踪
价值观嵌入评估
风险预测模型
治理决策引擎
自动修正
人类干预
系统隔离

9. 总结与展望

DeepSeek的技术路线为AGI发展提供了重要实践路径,其核心创新体现在:

  1. 混合架构突破:神经符号系统的有效协同
  2. 持续进化能力:开放环境下的终身学习
  3. 人机共生设计:增强而非替代人类智能

未来三年关键里程碑

  • 2025:实现特定领域的通用推理能力
  • 2026:完成百亿级参数的多模态对齐
  • 2027:构建首个通过图灵测试的行业专家系统

参考资料

  1. DeepSeek Technical White Paper 2023
  2. 《人工智能:现代方法》(第四版)
  3. NeurIPS 2023 前沿论文精选
  4. IEEE 人工智能伦理标准

本文全面解析了DeepSeek的技术架构与人工智能发展趋势,涵盖核心算法、系统设计和应用场景。开发者可结合提供的代码框架和工具链进行实践探索,共同推动AGI技术的负责任发展。

在这里插入图片描述

相关文章:

DeepSeek与人工智能:技术演进、架构解析与未来展望

前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。点击跳转到网站。https://www.captainbed.cn/north 文章目录 1. DeepSeek技术全景解析1.1 DeepSeek技术定位1.2 核心技术组件 2. 人工智能发展路线2.1 技术…...

Keepalived 多主模型与 LVS 高可用

一.Keepalived多主模型 Keepalived多主模型概念 如上图&#xff0c;keepalived主从架构性能损耗较严重&#xff0c;如果业务分类明确&#xff0c;则可以配置keepalived多主模型降低损耗&#xff0c;两台keepalived互为主备&#xff0c;如&#xff1a;订单业务走keepalived1&am…...

AGI大模型(6):提示词模型进阶

1 零样本提示 如今,经过⼤量数据训练并调整指令的LLM能够执⾏零样本任务。 代码如下: from openai import OpenAI from dotenv import load_dotenv load_dotenv() # 初始化 OpenAI 服务。 client = OpenAI()prompt = """ 将⽂本分类为中性、负⾯或正⾯。 ⽂…...

群体智能优化算法-旗鱼优化算法 (Sailfish Optimizer, SFO,含Matlab源代码)

摘要 旗鱼优化算法&#xff08;Sailfish Optimizer, SFO&#xff09;是一种模拟旗鱼&#xff08;Sailfish&#xff09;和沙丁鱼&#xff08;Sardine&#xff09;之间捕食关系的新型元启发式算法。通过在搜索过程中模拟旗鱼对沙丁鱼的捕食行为&#xff0c;以及沙丁鱼群的逃逸与…...

适合企业内训的AI工具实操培训教程(37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&#xff1a;适合企业内训的 AI 工具实操培训教程 在当今数字化时代&#xff0c;人工智能&#xff08;AI&#xff09;技术迅速发展&#xff0c;深度融入到各个领域&#xff0c;AIGC&#xff08;人工智能生成内容&#xff09;更是成…...

用 Python 进行比特币数据分析:从入门到实战

用 Python 进行比特币数据分析:从入门到实战 前言 比特币,这个“数字黄金”,已经成为全球金融市场不可忽视的存在。无论是短线交易、长期投资,还是链上数据分析,都离不开数据的支撑。而 Python,作为数据分析的瑞士军刀,为我们提供了一整套强大的工具。 本篇文章将带你…...

CT重建笔记(四)——三维重建

人如果不思考不学习&#xff0c;天天刷短视频&#xff0c;跟咸鱼有什么区别&#xff1f; 平行的线积分数据&#xff08;X射线变换&#xff09; 平行光束图像重建的理论基础是中心切片定理&#xff08;二维情形见我的博客https://leslielee.blog.csdn.net/article/details/134…...

蓝桥杯刷题周计划(第三周)

目录 前言题目一题目代码题解分析 题目二题目代码题解分析 题目三题目代码题解分析 题目四题目代码题解分析 题目五题目代码题解分析 题目六题目代码题解分析 题目七题目代码题解分析 题目八题目代码题解分析 题目九题目代码题解分析 题目十题目代码题解分析 前言 大家好&#…...

Qt 控件概述 QWdiget 1.1

目录 qrc机制 qrc使用 1.在项目中创建一个 qrc 文件 2.将图片导入到qrc文件中 windowOpacity&#xff1a; cursor 光标 cursor类型 自定义Cursor font tooltip focusPolicy styleSheet qrc机制 之前提到使用相对路径的方法来存放资源&#xff0c;还有一种更好的方式…...

Type_ C和锂电池自切换电路

支持Type_ C和锂电池双供电的供电方案&#xff1a; Type_ C插入&#xff0c;PMOS关断&#xff0c;电池切断&#xff0c;后级电路由Type_ C供电&#xff1b; 锂电池插入&#xff0c;Type_ C不接的时候&#xff0c;PMOS导通&#xff0c;锂电池供电&#xff1b; 1、没有插入USB电…...

CTP开发爬坑指北(九)

CTP API开发中有很多需要注意的小细节&#xff0c;稍有不慎就会出问题&#xff0c;不然&#xff0c;轻则表现与预期不符&#xff0c;重则程序崩溃影响策略盈利。本系列将容易遇到的坑列出来&#xff0c;以供开发时参考&#xff0c;如有疑义之处&#xff0c;欢迎指正。 在国内期…...

算法之双指针

移动零 题目链接&#xff1a;https://leetcode.cn/problems/move-zeroes 题目的要求是不能改变原数组的非零元素的顺序&#xff0c;也不得再额外开个空间。 算法原理&#xff1a;将数组划分&#xff0c;数组分块。 将所有的非零元素移到左边&#xff0c;零元素移到右边。 方…...

关于ISP Pipeline LSC(镜头阴影校正)位置的一些想法

关于LSC校正的一些基本原理可以参考如下链接&#xff1a; ISP之LSC 【ISP】浅析Lens Shading ISP-镜头阴影校正&#xff08;LSC&#xff09; 这篇博文不打算讲具体的LSC校正原理。 主要是答复一位网友关于LSC校正在ISP Pipeline的问题。 网友问题如下&#xff1a; Rin_Cyn…...

x012-MSP430F249智能步进电动百叶窗_proteus_光敏电阻_步进电机_仿真

https://www.dong-blog.fun/post/1997 46 、智能步进电动百叶窗 基本要求&#xff1a; 用一台步进电机控制百叶窗叶片的旋转&#xff08;正转/反转&#xff09; 用 LED 数码管显示旋转角度 设置按键&#xff1a; 手动/自动切换、手动正转和手动反转&#xff0c;停止/启动键 用一…...

WordPress调用当前文章作者头像

制作wordpress博客主题时经常会到用&#xff0c;需要调用wordpress当前文章作者头像的时候&#xff0c;用下面的这段代码即可。 <?php if (have_posts()) : the_post(); update_post_caches($posts); ?> //wodepress.com <?php echo get_avatar( get_the_author_e…...

Mysql表的查询

一&#xff1a;创建一个新的数据库&#xff08;companydb),并查看数据库。 二&#xff1a;使用该数据库&#xff0c;并创建表worker。 mysql> use companydb;mysql> CREATE TABLE worker(-> 部门号 INT(11) NOT NULL,-> 职工号 INT(11) NOT NULL,-> 工作时间 D…...

25.单例模式实现线程池

一、线程池的概念 1.1 线程池的介绍 线程池是一种线程使用模式。线程过多会带来调度开销&#xff0c;进而影响缓存局部性和整体性能。而线程池维护着多个线程&#xff0c;等待着监督管理者分配可并发执行的任务。这避免了在处理短时间任务时创建与销毁线程的代价。线程池不仅…...

欢乐力扣:基本计算器

文章目录 1、题目描述2、思路代码括号 1、题目描述 基本计算器。  给你一个字符串表达式 s &#xff0c;请你实现一个基本计算器来计算并返回它的值。  注意:不允许使用任何将字符串作为数学表达式计算的内置函数&#xff0c;比如 eval() 。 2、思路 本人也不太会&#xff0c…...

app.config.globalProperties

目录 一:基础使用 1、简介 2、使用 3、打印结果: 二:封装 1、创建一个.ts文件(utils/msg.ts) 2、在main.ts中全局注册 3、在页面中使用 4、打印结果 一:基础使用 1、简介 app.config.globalProperties 是 Vue 3 应用实例&#xff08;app&#xff09;的一个配置属性&…...

Javascript BOM,DOM 知识简介

JSON 一种数据交换格式,作为数据载体,传输数据, Json比xml 更简单,可读性更高.js的对象和Json可以相互转换. //json定义格式: var varName{"key1":value1,"key2":value2};value的数据类型为数字,字符串(在双引号中),布尔值,数组(在方括号中),对象(在花括…...

记第一次跟踪seatunnel的任务运行过程四——getJobConfigParser().parse()的动作

前绪 记第一次跟踪seatunnel的任务运行过程三——解析配置的具体方法getLogicalDag 正文 书接上文 ImmutablePair<List<Action>, Set<URL>> immutablePair getJobConfigParser().parse(null);在前一篇文章中说到getLogicDag()方法的第一行&#xff08;如…...

鸿蒙APP采用WebSocket实现在线实时聊天

本文配套视频&#xff1a; 鸿蒙APP基于websocket实时聊天功能_哔哩哔哩_bilibili 1. 案例环境&#xff1a; 鸿蒙APP采用ArkTS语法编写&#xff0c;API14环境&#xff0c;DevEco Studio 5.0.7.210编辑器开发后台接口基于SpringBoot&#xff0c;后台前端基于Vue开发核心技术采用…...

【2步解决】phpstudy开机自启(自动启动phpstudy、mysql、nignx或apache、自动打开网址)

重启执行最终效果图&#xff1a; 一、场景 线下部署&#xff0c;需要开启自动动&#xff0c;并打开网址http://localhost/。 二、操作步骤 ①、新建start.txt&#xff0c;并修改为start.bat&#xff0c;使用记事本编辑&#xff0c;粘贴上方代码如下&#xff1a; echo off:…...

一周学会Flask3 Python Web开发-SQLAlchemy删除数据操作-班级模块

锋哥原创的Flask3 Python Web开发 Flask3视频教程&#xff1a; 2025版 Flask3 Python web开发 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili 首页list.html里加上删除链接&#xff1a; <!DOCTYPE html> <html lang"en"> <head><meta c…...

从过拟合到强化学习:机器学习核心知识全解析

Langchain系列文章目录 01-玩转LangChain&#xff1a;从模型调用到Prompt模板与输出解析的完整指南 02-玩转 LangChain Memory 模块&#xff1a;四种记忆类型详解及应用场景全覆盖 03-全面掌握 LangChain&#xff1a;从核心链条构建到动态任务分配的实战指南 04-玩转 LangChai…...

uniapp-x 之useAttrs只读

数据类型&#xff1a; useAttrs在web端拿到的是obj&#xff0c;app拿到的是map 是否可以修改内部元素&#xff1a; 否&#xff0c;只读 这意味着你想这样写代码将会无效 let attrsuseAttrs();console.log("attrs",attrs, attrs instanceof Map)//appif(attrs ins…...

MySQL 8 主从同步安装与配置

拟机&#xff0c;由 CentOS 换成了 Ubuntu&#xff0c;用 Xteminal 连接之后&#xff0c;为了方便改配置文件&#xff0c;把文件权限改成 666 了&#xff0c;结果因为这个调半天&#xff0c;一直以为是网络问题或者是配置问题。要注意为了防止配置文件被未经授权的用户修改&…...

【人工智能】人工智能安全(AI Security)

人工智能安全&#xff08;AI Security&#xff09; 是指保障人工智能系统免受各种攻击、滥用和错误操作的措施与技术。随着人工智能的广泛应用&#xff0c;AI的安全性问题变得越来越重要。AI安全不仅关注系统本身的稳定性与安全性&#xff0c;还涉及到如何确保AI的决策和行为是…...

Shp文件转坐标并导出到Excel和JSON(arcMap + excel)

思路总结: 准备: 一个shp文件 (单个面, 多个面建议使用Python代码, 自己弄太复杂) 使用arcMap工具, 将面通过 要素折点转点 工具转为点 Shp文件转坐标 (Python) 第一步: 这样就得到了一个点文件. 第二步: 得到x, y坐标 使用工具添加xy坐标 这样在属性表中就会多出两列 第…...

【数据结构】线性表简介

0.本篇问题 线性表&#xff0c;顺序表&#xff0c;链表什么关系&#xff1f;它们是逻辑结构还是存储结构&#xff1f;线性表的基本操作有哪些&#xff1f; 线性表是具有相同数据元素的有限序列。 表中元素有先后次序&#xff0c;每个元素占有相同大小的存储空间。 一、线性…...

基于FPGA的制冷型红外成像电路设计(论文+图纸)

1.总体设计 对于本次课题基于FPGA的制冷型红外成像电路设计&#xff0c;其主要包括两个功能&#xff0c;第一就是红外图像的显示&#xff0c;第二就是红外图像中各点温度的测量。首先对于红外图像的显示来说&#xff0c;一般根据红外探测器根据阵列的大小可以显示出不同的清…...

Spring Boot 集成 Lua 脚本:实现高效业务逻辑处理

1. 前言 1.1 什么是Lua Lua是一种轻量级、高性能的脚本语言,常用于游戏开发、嵌入式系统、配置文件解析等领域。Lua语法简洁,易于学习和使用,且具有强大的扩展性。 1.2 Spring Boot与Lua集成的意义 将Lua集成到Spring Boot应用中,可以实现动态配置业务逻辑、简化复杂业…...

cursor使用

引入私有文档 设置-> Features->下滑找到Docs url后边多加一个 / 可以拉取url下所有的页面(子页面&#xff0c;子目录)&#xff0c;不加只拉取url当前页面 使用 选择 Docs 回车 选择 文档 直接解析链接 链接 回车 搜索引擎 web 对比git版本差异 git 选择其中一个 g…...

时间序列预测(十九)——卷积神经网络(CNN)在时间序列中的应用

有关CNN的介绍可以参考以下博文&#xff1a; 卷积神经网络&#xff08;CNN&#xff09;详细介绍及其原理详解-CSDN博客 三万字硬核详解&#xff1a;卷积神经网络CNN&#xff08;原理详解 项目实战 经验分享&#xff09;_cnn卷积神经网络-CSDN博客 CNN笔记&#xff1a;通俗…...

uniapp-x js 限制

1.String(str) 不允许&#xff0c;android模拟室报错&#xff0c;找不到String 2.JSON.parse不接受泛类型 export const genData function<T> (initData:T) : T {return JSON.parse<T>(JSON.stringify(initData))!;//不可以&#xff0c;必须明确类型 } error: …...

Matlab 基于磁流变阻尼器的半主动车辆座椅悬架模糊控制研究

1、内容简介 略 Matlab 175-基于磁流变阻尼器的半主动车辆座椅悬架模糊控制研究 可以交流、咨询、答疑 2、内容说明 略 3、仿真分析 略 4、参考论文 略...

QQuick3D-Model的实例化

QQuick3D-Model的实例化 Model的实例化 Model类继承于Node类&#xff1b;如果想让一个Model&#xff08;模型&#xff09;可以渲染&#xff0c;至少需要一个Mesh(网格)和material&#xff08;材质&#xff09;Mesh(网格)&#xff1a;Qt内置了矩形&#xff08;Rectangle&#…...

二分算法刷题

1. 初识 总结&#xff1a;二分算法题的细节非常多&#xff0c;容易写出死循环。使用算法的条件不一定是数组有序&#xff0c;而是具有“二断性”&#xff1b;模板三种后面会讲。 朴素二分二分查找左端点二分查找右端点 2. 朴素二分 题目链接&#xff1a;704. 二分查找 - 力扣…...

# RAG 框架 # 一文入门 全链路RAG系统构建与优化 —— 架构、策略与实践

本文全面阐述了RAG系统从数据收集、数据清洗&#xff08;包括领域专有名词处理&#xff09;、智能数据分块与QA对生成&#xff0c;到向量化、向量数据库选择与配置&#xff0c;再到检索方式及重排序&#xff0c;直至整合输出、监控反馈和安全保障的全流程。通过这一完整方案&am…...

网络运维学习笔记(DeepSeek优化版) 017 HCIA-Datacom综合实验02

文章目录 综合实验2sw3sw4gwcore1&#xff08;sw1&#xff09;core2&#xff08;sw2&#xff09;ISP 综合实验2 sw3 vlan 2 stp mode stp int e0/0/1 port link-type trunk port trunk allow-pass vlan 2 int e0/0/2 port link-type trunk port trunk allow-pass vlan 2 int e…...

Flutter——Android与Flutter混合开发详细教程

目录 1.创建FlutterModule项目&#xff0c;相当于Android项目里面的module库&#xff1b;2.或者编辑aar引用3.创建Android原生项目3.直接运行跑起来 1.创建FlutterModule项目&#xff0c;相当于Android项目里面的module库&#xff1b; 2.或者编辑aar引用 执行 flutter build a…...

java手机号、邮箱、日期正则表达式

Java正则核心API Java中用 java.util.regex 包的两个类&#xff1a; Pattern&#xff1a;编译正则表达式Matcher&#xff1a;执行匹配操作 1. 验证手机号 String regex "1[3-9]\\d{9}"; boolean isValid "18812345678".matches(regex); // true2. 提取…...

0x04.若依框架微服务开发(含AI模块运行)

微服务本地开发硬件资源有限&#xff0c;所以会将核心微服务组件先部署在服务器上比如&#xff1a;mysql&#xff0c;redis&#xff0c;注册中心Nacos&#xff0c;网关Gateway&#xff0c;认证中心Auth和upms模块以及低代码生成模块。 mysql、redis部署前篇已讲&#xff0c;这…...

数据库管理-第302期 国产类RAC架构数据库网络连接方式(20250314)

数据库管理302期 2025-03-14 数据库管理-第302期 国产类RAC架构数据库网络连接方式&#xff08;20250314&#xff09;1 Oracle RAC2 DMDSC3 YAC4 KES RAC总结 数据库管理-第302期 国产类RAC架构数据库网络连接方式&#xff08;20250314&#xff09; 作者&#xff1a;胖头鱼的鱼…...

ctf web入门知识合集

文章目录 01做题思路02信息泄露及利用robots.txt.git文件泄露dirsearch ctfshow做题记录信息搜集web1web2web3web4web5web6web7web8SVN泄露与 Git泄露的区别web9web10 php的基础概念php的基础语法1. PHP 基本语法结构2. PHP 变量3.输出数据4.数组5.超全局变量6.文件操作 php的命…...

CSS3-流星雨

1. 绘制标签 <div class"container"><span></span> </div>2. 设置div背景 在百度上搜索一幅星空的图片 <style>* {/* 初始化 */margin: 0;padding: 0;}body {/* 高度100% */height: 100vh;/* 溢出隐藏 */overflow: hidden;}.contai…...

【leetcode hot 100 199】二叉树的右视图

解法一&#xff1a;层级遍历&#xff0c;右侧看到的节点就是每一层最后一个元素 /*** Definition for a binary tree node.* public class TreeNode {* int val;* TreeNode left;* TreeNode right;* TreeNode() {}* TreeNode(int val) { this.val val; }…...

Unity进阶课程【二】Mask 组件的使用 UI遮罩效果以及透明抠图效果

Unity组件讲解 Mask 时隔多年&#xff0c;今天咱们继续进阶课程&#xff0c;这几年变化很大&#xff0c;但是一直还是从事Unity行业&#xff0c;行业虽难&#xff0c;依旧坚持&#xff0c;以后会养成习惯&#xff0c;定期更新&#xff0c;希望小伙伴们监督&#xff0c;有想学习…...

本地部署Jina AI Reader:用Docker打造你的智能解析引擎

本地部署Jina AI Reader&#xff1a;用Docker打造你的智能解析引擎 &#x1f31f; 引言&#xff1a;为什么需要本地部署&#xff1f;&#x1f4cc; 场景应用图谱&#x1f527; 部署指南&#xff08;Linux环境&#xff09;1. 环境准备2. Docker部署3. 验证服务状态 &#x1f680…...

【MyBatis Plus 逻辑删除详解】

文章目录 MyBatis Plus 逻辑删除详解前言什么是逻辑删除&#xff1f;MyBatis Plus 中的逻辑删除1. 添加逻辑删除字段2. 实体类的配置3. 配置 MyBatis Plus4. 使用逻辑删除5. 查询逻辑删除的记录 MyBatis Plus 逻辑删除详解 前言 MyBatis Plus 是一个强大的持久化框架&#xf…...