搜索[HTTP/3]结果-低调大师优秀个人博客

精选列表

搜索[HTTP/3]，共10000篇文章

2026年实测5大方法，第3个最狠（附免费工具）

根据2024年Windows性能研究报告，**休眠文件通常占用3-10GB空间**。

2026-09-13

90%的人不知道，这3个“隐形杀手”正在悄悄吃掉你的硬盘空间！

实际应用中，我通过这个功能在3分钟内就找到了一个隐藏在AppData目录下、体积高达**8.5GB**的旧版微信缓存包。

2026-09-13

2小时写PRD，3天上线：我是怎么一个人手搓一个微信小程序的

# 2 小时写 PRD，3 天上线：我是怎么一个人手搓一个微信小程序的 > 一个出于兴趣的小项目，把"练习-许愿-兑现"做成一个可运行的闭环上周，我用 3 天时间，一个人把一个微信小程序从一行代码写到了上线可运行

2026-09-11

在租来的 RTX 4090 上实测 LLM 量化能耗：NF4 过了 3B 才省电，INT8 全军覆没

为了回答这个问题，我们租了一张 RTX 4090（24GB），用自己写的开源测量容器跑了一下午：5 个模型（0.5B–7B）× 3 种精度，15 个配置全部由 NVML 10Hz 直接采样得到实测值。

2026-09-10

腾讯云表格识别 V3 讲透合并单元格与无线表格的处理逻辑

本文以腾讯云文字识别 OCR 的表格识别（V3）为坐标，把"大模型还是 OCR"和"合并单元格能不能识别"这两个高频问题讲透。

2026-09-10

零 API 费用搞定视频转写：自研 MCP 连接器接入 WorkBuddy，faster-whisper large-v3 跑出 43× 实时速率

约 3GB，放本地 `models/faster-whisper-large-v3/` 目录，配齐 `vocabulary.txt` 与 `preprocessor_config.json`） - **

2026-09-10

《Spring Boot Flyway 实战手册》第2招 Migration 版本管理——用 V1、V2、V3 管住数据库演进

## 01、痛点 ``` 手动执行 V1__init.sql │ ▼ 手动执行 V2__add_user_email.sql │ ▼ 有人改了 V2，忘了执行 V3 │ ▼ 测试库、生产库字段不一致 `

2026-08-31

3T-UEM 如何把能耗数据"切块"？三维数据立方体 + 五大业态剖面 + LAM/ELA 双归因

# 3T-UEM 如何把能耗数据"切块"？

2026-08-22

Comfyui MiniMaxH3 官方skill怎么用？你是怎么写出这样的提示词的？Workbuddy一键生成AI视频提示词

Flux3上线邀请测试已经很多天了，也流出了N多个测试视频，但是他开源版本迟迟没有发布，并不是说他的发布速度太慢了，而是对不起了，我们有了MiniMax-H3，首先对不熟悉的小伙伴说一下，这并不是一家寂寂无名的公司

2026-08-07

混元Hy ASR 3.0把方言WER打到3%，但一线语音质检的坎从来不在识别率上

腾讯混元8月4日放出Hy ASR 3.0 preview，8月6日又追加了一版更新，主打方言、噪声、远场三个场景的识别能力，中文普通话WER压到3.34%，粤语3.12%。同一周，行业里另一条线也在动：语音交互正从"ASR+NLP+TTS"三段式级联，往端到端的Speech-to-Speech方向迁移，云端延迟压到250ms-700ms区间。这两件事放在一起看，说明一个趋势正在成型：语音识别不再是"转写准不准"的单点问题，而是要在语境理解、场景鲁棒性上一起交卷。对做语音类质检系统的人来说，这是个值得停下来想一想的信号——因为一线场景的难点，恰恰跟这些新模型主攻的方向高度重合。 ## 一线录音和标准测试集不是一回事评测集上跑出来的WER数字，参考价值有限。装维师傅在客户家里布线，风扇声、电视声、隔壁装修的电钻声混在一起；客户经理在门店接待，可能是云南本地方言夹杂普通话，一句话里方言词和标准词来回切换；外勤场景里设备离嘴巴的距离不固定，忽远忽近。这些噪声类型和干净播报稿的差异不是线性的，模型在干净数据上WER每降一个点，到了这种复杂输入下的实际收益可能完全对不上。所以Hy ASR 3.0强调的"方言覆盖全国十大方言区""噪声环境鲁棒""远距离拾音"，方向是对的，但对质检系统来说，能不能直接受益取决于系统架构本身有没有留出接入新模型的空间。这才是真正的坎。 ## 质检系统不该和某一版ASR模型强绑定很多质检系统的问题是，语音转写和后面的规则引擎、语义判断耦合得太紧，换一版ASR模型意味着整条链路重新调参、重新验证。更合理的做法是把ASR当成一个可替换的输入层，用置信度分数做路由，而不是假设转写结果永远可靠。一个基础的分发逻辑大概是这样： ```javascript def route_transcription(audio_meta, confidence, dialect_score): """按置信度和方言特征决定走哪条处理路径""" if confidence >= 0.92: return "direct_qi" # 直接进规则引擎和语义质检 if dialect_score >= 0.6: return "dialect_fallback" # 转方言专用模型重新识别 if audio_meta.noise_level == "high": return "denoise_retry" # 先降噪再重新转写 return "human_review_queue" # 置信度不够，进人工抽检 ``` 这里的关键不是路由本身有多复杂，而是"人工抽检"这条路径必须一直存在。任何一版ASR模型，不管评测集数字多好看，在真实场景里都会有识别不准的长尾，质检系统的可信度不能建立在"模型永远对"这个假设上。 ## 换模型不等于全量重测假设某天把ASR从A模型切到Hy ASR 3.0这类新模型，团队最怕的往往不是效果好不好，而是历史积累的质检规则要不要重新验证一遍。如果每次换模型都得把过去几个月的录音全部重新跑一遍质检，成本高到没法迭代。更现实的做法是只对置信度处于中间地带的片段做差异回放，而不是全量重跑： ```javascript def diff_replay(old_transcripts, new_model, confidence_threshold=0.85): """只挑旧模型置信度不高的片段用新模型重新识别，对比结果是否影响质检结论""" targets = [t for t in old_transcripts if t.confidence < confidence_threshold] changed = [] for t in targets: new_result = new_model.transcribe(t.audio) if new_result.qi_flags != t.qi_flags: changed.append((t.id, t.qi_flags, new_result.qi_flags)) return changed ``` 这样一次模型升级评估，只跑占比可能不到两成的低置信度样本，就能知道新模型对质检结论的实际影响面有多大，不用赌上全部历史数据重新计算。 ## 方言场景还有一层容易被忽略的东西 Hy ASR 3.0提到的方言覆盖，解决的是"听懂"的问题。但装维、客服这类场景里，方言不只是识别难点，还牵扯到后续的语义质检规则——同一句话方言表达和普通话表达，触发的规则关键词可能完全不是一套。规则字典如果只按普通话关键词配置，方言转写出来的文本即便识别准确率再高，也可能匹配不上规则，导致该拦截的内容漏检。这意味着方言ASR能力升级之后，配套的规则字典也得跟着扩展方言同义表达，不然识别率的提升不会传导到质检准确率上。这一步工作量不小，但常常被忽略——大家容易把"上了新模型"当成"质检变准了"的充分条件，实际上中间还差一层规则适配。语音识别这块，各家模型迭代速度确实快，但对下游系统来说，真正决定能不能吃到红利的，从来不是评测集上的WER数字，而是架构本身有没有为"模型会变、场景会变"这件事留出弹性。

2026-08-06

一个人运营3个自媒体账号，我用WorkBuddy搭建了一套内容创作工作台

** — 今日头条 / 中老年生活科普 / 重启期每天3条微头条+1条问答 > 注：头条号与公众号"不着急的老伙计"是同一品牌的不同平台分发，内容可复用。

2026-08-05

腾讯云国际服务器代理商： WorkBuddy 接入 Kimi K3 百万上下文 AI 智能体出海合规实践

在企业出海场景中，通过腾讯云国际 WorkBuddy 结合 Kimi K3 构建 AI 智能体，是目前提升海外业务效率的直接路径。

2026-08-03

开源 3 天斩获 2.5K Star！这个去AI味写作 SKILL，比市面上的AI检测器更懂写作！

[](https://developer.qcloudimg.com/http-save/yehe-2946312/2437f279c033234a92f97064e1970b4e.png) 这个开源项目上线仅仅

2026-07-27

杨植麟带着 2.8万亿参数,1M上下文,Kimi K3深夜悄悄上线,外网开发者集体沸腾

image 架构上，K3用了两个新东西。

2026-07-17

Kimi K3 全面解读：2.8 万亿参数、48 小时造芯片、以及一个正在被开源模型追上的 AI 竞争格局

7 月 17 日凌晨，月之暗面发布了 Kimi K3。

2026-07-17

鲁大师2026年电动车半年报：智能榜TOP3均超900分，九号绿源领跑智能赛道

M3 100是九号今年5月开售的新车，作为主力车型，它完整保留了旗舰AXC架构拓扑，针对车身尺寸和电池仓规格做了适配缩放，材料壁厚与补强结构经过精准分级匹配，实现旗舰底盘技术下沉大众价位，可以说是同价位操控

2026-07-10

从 Greenplum 到 Doris：集群缩减 2/3、年省数百万，度小满构建超大规模数据分析平台经验

JSON 数据处理：针对新推出的 Variant JSON 数据类型，测试显示：存储 2-3 万 Key 时，其空间占用仅为普通 JSON 的 1/10 甚至更低，查询效率则提升至 10 倍以上。

2026-01-12

调问更新 8.8~8.15：文件夹+问卷指派部门+重复内容限制+4 项功能新增+5 项功能优化+3 项修复

调问自开源以来一直坚持前后端所有代码 100% 开源💯，保证所有功能的稳定与可改造能力👏。 🔥 安装下载地址（安装包）：https://www.diaowen.net/install/docker 🔥 源码下载地址：https://gitee.com/wkeyuan/DWSurvey 本周更新亮点功能是完成问卷的人事绑定功能，实现问卷与特定部门或用户绑定。这个功能可以把一份问卷直接指派给某个内部用户，或者部门，这样就满足了部门内要求部门全员作答的需求。大家可以在 “问卷收集”->“人事管理” 菜单下进行配置：另外进一步完善了 “我的任务” 功能，被绑定的用户可以在我的任务中查看自己的问卷，满足了任务跟踪、指派场景下的需求：另外根据客户需求，本周调问增加了填空项的重复填写过滤验证，并且支持自定义重复填写次数。满足了在报名提交表单时，重复填写的问题，提升了场景下的易用性和场景契合度。欢迎伙伴们，在 surveyform.cn 上进行体验、试用！！！https://www.surveyform.cn 本周更新：功能新增：问卷管理增加文件夹模式，可以给问卷设置在不同文件夹中；完成问卷的人事绑定功能，实现问卷与特定部门或用户绑定；实现 “我的任务” 功能，被绑定的用户可以在我的任务中查看自己的问卷；添加填空项的重复填写过滤验证，并且支持自定义重复填写次数。功能优化：优化 AI 生成图片与问卷导出 word、excel 优化；矩阵题增加换行显示风格，实现用户自定义配置矩阵题的显示方式，同时 PC 与移动端支持不同显示风格配置；增加点击大纲目录会自动跳转到对应的题目，并实现对应题目的自动焦点，方便用户编辑查看；完善部门管理员，查看本部门问卷与用户管理。优化部分 open api 接口相关返回参数。 BUG 修复：解决样式模板截图兼容问题，样式模板编辑跳转问题，增加导出样式模板的截图；解决文本导入矩阵题可能存在的错位与矩阵填空题不能正常解析问题；解决部门管理 -“导出部门”，缺少 token 错误。

2025-08-17

新款 MacBook Air：搭载 M3 芯片、可外接 2 台显示器、全球最好的 AI 消费级笔记本电脑

3 月 4 日，Apple 推出搭载 M3 芯片的新款 MacBook Air，包括 13 英寸与 15 英寸两个型号。

2024-03-05

每日一博 | 基于组合优化的 3D 家居布局生成看千禧七大数学难题之 NP 问题

本文探讨了运筹学和组合优化方法在3D家居布局生成中的应用，并调研了AI生成3D场景布局的最新方法。

2023-09-11

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

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。

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

精选列表

2026年实测5大方法，第3个最狠（附免费工具）

90%的人不知道，这3个“隐形杀手”正在悄悄吃掉你的硬盘空间！

2小时写PRD，3天上线：我是怎么一个人手搓一个微信小程序的

在租来的 RTX 4090 上实测 LLM 量化能耗：NF4 过了 3B 才省电，INT8 全军覆没

腾讯云表格识别 V3 讲透合并单元格与无线表格的处理逻辑

零 API 费用搞定视频转写：自研 MCP 连接器接入 WorkBuddy，faster-whisper large-v3 跑出 43× 实时速率

《Spring Boot Flyway 实战手册》第2招 Migration 版本管理——用 V1、V2、V3 管住数据库演进

3T-UEM 如何把能耗数据"切块"？三维数据立方体 + 五大业态剖面 + LAM/ELA 双归因

Comfyui MiniMaxH3 官方skill怎么用？你是怎么写出这样的提示词的？Workbuddy一键生成AI视频提示词

混元Hy ASR 3.0把方言WER打到3%，但一线语音质检的坎从来不在识别率上

一个人运营3个自媒体账号，我用WorkBuddy搭建了一套内容创作工作台

腾讯云国际服务器代理商： WorkBuddy 接入 Kimi K3 百万上下文 AI 智能体出海合规实践

开源 3 天斩获 2.5K Star！这个去AI味写作 SKILL，比市面上的AI检测器更懂写作！

杨植麟带着 2.8万亿参数,1M上下文,Kimi K3深夜悄悄上线,外网开发者集体沸腾

Kimi K3 全面解读：2.8 万亿参数、48 小时造芯片、以及一个正在被开源模型追上的 AI 竞争格局

鲁大师2026年电动车半年报：智能榜TOP3均超900分，九号绿源领跑智能赛道

从 Greenplum 到 Doris：集群缩减 2/3、年省数百万，度小满构建超大规模数据分析平台经验

调问更新 8.8~8.15：文件夹+问卷指派部门+重复内容限制+4 项功能新增+5 项功能优化+3 项修复

新款 MacBook Air：搭载 M3 芯片、可外接 2 台显示器、全球最好的 AI 消费级笔记本电脑

每日一博 | 基于组合优化的 3D 家居布局生成看千禧七大数学难题之 NP 问题

资源下载

腾讯云软件源

Nacos

Spring

优质分享App

欢迎您来访！