笔记列表-低调大师优秀个人博客

文章列表

共 219648 篇

2026-09-23

答卷雷同一眼看穿：Jev 帮老师把作弊筛查从人工比对里解放出来

考试答卷的雷同筛查，是个又重要又耗人的活。过去老师得把答卷两两比对找摘抄和雷同，量一大根本查不过来。这一周我用 Jev 做批量初筛，把疑似作弊的答卷先筛出来，老师的比对负担一下轻了。这篇讲清楚这个场景

阅读约3分钟

2026-09-23

题库检索更准了：Jev 用相关性打分过滤掉不搭边的习题

做智能题库时，检索精度一直是个痛点。向量库召回的候选题里总混着一些不搭边的，我原本用大模型逐条判断相关性，批量一跑成本和延迟都不理想。这一周我把相关性判断换成 Jev，检索质量和成本一起改善了。这篇讲

阅读约4分钟

2026-09-23

无效答卷不再占用批改预算：Jev 帮老师把精力留给真实作答

批改主观题时我发现一个浪费：不少答卷是空白的、或者答非所问，可我还是把它们和有效作答一起送进大模型评分，白白烧 token。这一周我在评分前加了一层 Jev 初筛，把无效作答挡在门外，批改预算立刻省了

阅读约4分钟

2026-09-23

从抽检到全量：Jev 让客服会话质检覆盖率不再靠运气

客服质检长期有个无奈：会话量太大，人工只能抽检一小部分，大量对话其实从没被看过。违规话术、态度问题、超权限承诺，很多都漏在没被抽到的会话里。这一周我用 Jev 把质检从抽样做成了全量，思路值得记录。这

阅读约4分钟

2026-09-23

工单不再排队等分类：Jev 让高紧急客服请求秒级触达坐席

客服系统里有一个环节特别不划算：用大模型给每条工单做意图分类和紧急度判断。它本来只是决定"这条该给谁、急不急"，却要花大模型的钱和时间。这一周我把工单的分类和打分交给 Jev，坐席分配一下子快了下来。

阅读约4分钟

2026-09-23

上架审核不再堆人：Jev 前置预审如何拦住违规商品的实践

电商平台的商品上架审核，是个典型的"大量内容涌进来、真正有问题的只占一小部分"的场景。过去我把商家提交的每条标题和描述都排进审核队列，人工和大模型都被大量低风险内容占着，高并发时还积压。这一周我在审核

阅读约4分钟

2026-09-23

百万条评论不再逐条烧钱：Jev 把差评分级做到毫秒级的实践

做电商评论分析这几年，我最头疼的一件事，是"判断"这件小事居然那么贵。一条评论要判断是物流问题还是质量投诉、是不是高危差评，本来只是个分类动作，可我一直在用大模型逐条去跑，百万条评论一轮下来，账单和延

阅读约5分钟

2026-09-23

乡镇小学美术老师用 Work Buddy 做了个 3 D 肌理互动课件：断网能用，孩子上台转罐子、做拓印。

给同样在乡镇带美术课、想做一个"能上手、断网也能用"的 3 D 肌理课件的老师。把下面的清单填好，直接发给 Work Buddy（或任意 AI 办公助手），让它照着做。

阅读约5分钟

2026-09-23

集标注、训练、推理、部署企业级AI视觉开发一体化平台支持 YOLOv8/YOLO11/YOLO26，打通标注训练推理部署

❌ 标注数据太麻烦，LabelImg用腻了❌ 训练模型到处找脚本，环境配到崩溃❌ 模型训练完不会部署，学了一堆用不上❌ 要做视觉检测，时间紧还没头绪

阅读约14分钟

2026-09-23

冷数据如何减少高价存储资源占用？冷数据怎样实现归档数据快速检索调取？

前阵子跟一家金融机构的数据库负责人聊天，他说了一件事让我印象很深。公司交易系统每天产生大量数据——三年以上的交易记录、五年前的客户资料、已经结清的历史合同。这些冷数据平时几乎没人查，但一直躺在高性能存储上，占着最贵的SSD资源。

阅读约9分钟

2026-09-23

"真·零代码侵入"工业+智慧城市物联网感知中台全栈能力拆解

让设备会说话，让视频会思考，让异常有人管一个绕不开的现实做物联网项目的人都熟悉这套流程：买设备、接网关、写驱动、调协议、搭平台、做大屏、接告警、派工单…… 每一步都不难，难的是把它们串成一条线。设备厂商各说各话，协议五花八门；视频系统和业务系统两套人马两张网；AI 算法买回来了，却不知道怎么接到现场；告警响个不停，真正需要...

阅读约11分钟

2026-09-23

AAB转换APK的操作与排错

Google Play提交AAB，测试安装和国内分发通常使用APK。当手上只有AAB时，可使用安卓APK资源混淆加密重签名工具生成通用APK。

阅读约4分钟

2026-09-23

我用 WorkBuddy 把一篇 2700 字普法长文，做成了 8 页能直接发的普法漫画

投稿方向：法务·合规｜作者：夏律（执业律师，非开发背景）｜完整案例：输入材料 · WorkBuddy 配置 · 操作步骤 · 产出物

阅读约10分钟

2026-09-23

A股、美股、港股数据都能拿到，为什么量化系统仍然可能出错？

我在把量化系统从单一 A 股市场扩展到多个市场时，真正遇到的难题并不是“怎么请求数据”，而是“怎么保证不同市场的数据进入同一套策略框架后仍然语义清晰”。本文从我做多市场数据工程的经历出发，分析股票代码、K 线周期、复权、字段以及批量数据处理中的常见坑，并给出一套 Python 实现思路。

阅读约19分钟

2026-09-23

回测收益很好，实盘却对不上：股票数据源可靠性到底怎么判断？

我曾经遇到过一种特别让人头疼的量化问题：回测代码没有报错，数据也能够正常返回，但策略上线以后，回测信号和实盘信号逐渐出现偏差。后来我发现，问题往往不是策略本身，而是数据源在时间、复权、行情周期和字段口径上的差异。本文从回测与实盘数据一致性的角度，介绍我如何重新设计行情获取和校验流程。

阅读约19分钟

2026-09-23

Python 获取股票数据时，为什么“能返回数据”不等于“数据源可靠”？

我在量化项目里最容易掉进的坑，并不是接口报错，而是接口“正常返回”了一份看起来完全合理的数据。真正的数据可靠性，需要同时验证标的、时间、字段、复权口径以及数据连续性，而不能只看请求是否成功。本文从我实际做数据管道时遇到的问题出发，拆解如何建立一套从数据获取到质量校验的完整流程，并介绍我后来使用 QuantDash 后的一种工程实现方式。

阅读约16分钟

2026-09-23

用Python检查清单中的缺失文件

文件整理完成后，最容易遗漏的检查，是确认清单中写着的文件是否还在对应位置。目录看起来整齐，不代表每一项都已复制完整；一份旧清单，也可能引用了已经移动的路径。下面用 Python 标准库演示一个简单的只读检查，把“有没有这个文件”与“文件内容是否正确”分开。

阅读约5分钟

2026-09-23

个人超级智能是什么？从 Muse 看 AI Agent 的未来与边界

扎克伯格把 Muse 称为迈向「个人超级智能（Personal Superintelligence）」的第一步，这话到底靠不靠谱，是我最近被问得最多的问题。我的判断是：个人超级智能是一个值得期待的长期

阅读约5分钟

2026-09-23

Python 股票数据转 DataFrame 的工程化实践：回测、复权和实盘为什么总会出现数据不一致

很多量化策略在研究阶段表现正常，进入实盘后却出现结果偏差，问题往往不在策略本身，而在数据转换、时间范围、复权方式和字段处理上。本文从我处理量化数据一致性的经历出发，说明如何让 Python 股票 API 返回的数据直接进入 DataFrame，并进一步建立一套面向回测和实盘的数据检查流程。

阅读约20分钟

2026-09-23

Muse 让 Meta 市值一天涨约 2000 亿美元，背后是什么逻辑？

2026 年 9 月 21 日，Meta 股价单日大涨 11.43%，市值单日增加接近 2000 亿美元，导火索是一款上线仅两周的 AI 智能体应用 Muse。一款 App 凭什么撬动近 2000 亿

阅读约5分钟

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

文章列表

答卷雷同一眼看穿：Jev 帮老师把作弊筛查从人工比对里解放出来

题库检索更准了：Jev 用相关性打分过滤掉不搭边的习题

无效答卷不再占用批改预算：Jev 帮老师把精力留给真实作答

从抽检到全量：Jev 让客服会话质检覆盖率不再靠运气

工单不再排队等分类：Jev 让高紧急客服请求秒级触达坐席

上架审核不再堆人：Jev 前置预审如何拦住违规商品的实践

百万条评论不再逐条烧钱：Jev 把差评分级做到毫秒级的实践

乡镇小学美术老师用 Work Buddy 做了个 3 D 肌理互动课件：断网能用，孩子上台转罐子、做拓印。

集标注、训练、推理、部署企业级AI视觉开发一体化平台 支持 YOLOv8/YOLO11/YOLO26，打通标注训练推理部署

冷数据如何减少高价存储资源占用？冷数据怎样实现归档数据快速检索调取？

"真·零代码侵入"工业+智慧城市物联网感知中台全栈能力拆解

AAB转换APK的操作与排错

我用 WorkBuddy 把一篇 2700 字普法长文，做成了 8 页能直接发的普法漫画

A股、美股、港股数据都能拿到，为什么量化系统仍然可能出错？

回测收益很好，实盘却对不上：股票数据源可靠性到底怎么判断？

Python 获取股票数据时，为什么“能返回数据”不等于“数据源可靠”？

用Python检查清单中的缺失文件

个人超级智能是什么？从 Muse 看 AI Agent 的未来与边界

Python 股票数据转 DataFrame 的工程化实践：回测、复权和实盘为什么总会出现数据不一致

Muse 让 Meta 市值一天涨约 2000 亿美元，背后是什么逻辑？

资源下载

Mario

Nacos

Spring

Rocky Linux

欢迎您来访！

集标注、训练、推理、部署企业级AI视觉开发一体化平台支持 YOLOv8/YOLO11/YOLO26，打通标注训练推理部署