搜索[VPU驱动]结果-低调大师优秀个人博客

精选列表

搜索[VPU驱动]，共10000篇文章

制造业ERP恢复噩梦：威胁情报驱动判定干净恢复点

制造业ERP恢复噩梦：中科热备威胁情报驱动判定干净恢复点这篇文章写给正在负责生产环境灾备的技术决策者和资深运维。

2026-08-18

AI 驱动数据分析引擎：用 LangChain + Ollama 构建智能 EDA 助手

传统数据分析依赖人工编写 df.describe()、逐列绘制分布图，不仅效率低，且难以从海量统计指标中提取业务洞察。本文不讨论理论，而是纯工程实战：基于本地开源大模型 Llama 3，结合 LangChain 构建一个能自动生成 Pandas 代码、执行统计分析并产出可视化图表的 AI 数据分析代理（Agent）。我们将完整实现“自然语言需求 → 可执行 Python 代码 → 数据结果与洞察”的闭环。

2026-08-17

基于AI驱动的锂电池分容老化智能测试平台

## **产品优势** - 本地化与离线可用：所有核心功能与AI推理都可本地部署，降低对云的依赖，便于机房/工厂环境部署。 - 实时性强：采样链路到检测为同步低延迟设计，轻量检测可在采样环内调用，实现早期预警。 - 插拔式 AI：通过文件配置即可启用AI深度学习模型，运维部署简单（无复杂模型服务）。 - 可视化与可导出：图形化工步与实时曲线结合，支持多种导出格式便于分析与报告。 - 配置化、易调优：大量阈值与窗口长度可在运行时调整，适配不同电芯与测试工艺。 - 多语言与主题：适配国际化场景，UI文案与界面可随语言切换。 - 轻量且可扩展：使用标准 .NET技术栈与DI，便于功能扩展。 ![](https://developer.qcloudimg.com/http-save/audit-7152477/45b0c42e852d239afe27ac1b2704ddd3.png) ## 1. 多品牌测试设备协议适配层这是纯AI团队无法复刻的核心门槛，也是你和普通AI软件最大差异。 - 支持：兼容国产主流各类国产非标测试设备 - 通信方式：TCP、串口、Modbus、设备私有协议解析 - 功能：设备联机、通道状态读取、启停测试、暂停、终止、重置 - 实时同步：电压、电流、容量、内阻、温度、时间、步序状态 - 断连自动重连、掉线数据补采、异常断线保护 ## 2. 标准工步测试系统 - 可视化工步编辑器：恒流、恒压、静置、循环、阶梯、脉冲、老化、化成、分容 - 工步模板保存、批量导入导出、配方版本管理 - 多通道独立运行、互不干扰，支持16/32/64/128通道设备 - 自定义阈值保护：过压、欠压、过流、超温、容量异常终止 - 测试过程实时曲线：电压/电流/容量/温度四曲线联动 ## 3. 全量数据本地存储与溯源 - 每电芯唯一SN码绑定测试全流程数据 - 工步数据、原始日志、异常记录、曲线数据本地落盘 - 批次管理：批次号、物料号、生产线、操作员、设备号记录 - 离线可用，全程不需要外网，满足工厂涉密/内网隔离要求 ## 4. 标准化报表与导出 - 自动生成：分容报告、化成报告、老化测试报告、抽检报告 - 导出格式：Excel、PDF、CSV，可自定义企业模板 - 良品/不良品自动统计、批次合格率、数据汇总 ## **5.实时采样与AI推理离线部署** - 持续采样电压、电流、温度等数据并入库，支持WAL优化的本地SQLite和MySQL数据库。 - AI 实时隐性异常诊断 - 内置基于滑动窗口的实时统计检测（微短路、自放电、极化异常、曲线畸变、非稳态温升等）。 - 预留基于AI/推理的本地深度学习训练和推理框架接入点，只需放入模型文件即可启用模型推理，无需改采样逻辑或重启服务。 - 支持多语言与三种不同主题切换 - 运行时可切换语言资源（例如中/英文），支持主题（暗色/亮色）持久化。 - 权限与用户管理 - 内置角色和权限体系，支持多用户分级访问。 - MES集成（可扩展） - 提供REST风格的MES上传/检入接口映射配置。 ![](https://developer.qcloudimg.com/http-save/audit-7152477/49efb2ee95ada048f143b43d639e3a11.png) 典型适用场景 - 实验室/产线验证：连续老化测试、批量通道并行执行与记录。 - 现场巡检预警：本地实时检测异常，提前通知操作人员处理，减少设备损伤。 - 离线数据分析：导出数据给工程师进行更深层次离线分析与模型训练。 - 配置集中，可调整通道数、模拟器参数、AI模型路径等。 - 资源字典式本地化，新增语言只需添加资源文件。 - 内部已封装滑动窗口、归一化逻辑，接入AI答理和深度学习模型或替换检测算法时对调用方透明。

2026-08-07

WorkBuddy 实测：如何用自然语言驱动 AI 批量整理电脑文件

一篇真实操作记录，从零开始用 WorkBuddy 整理混乱的电脑文件夹，附完整步骤和踩坑经验。

2026-07-26

如何做好vibe coding：自然语言驱动开发方法与实践

摘要：vibe coding作为一种自然语言驱动的AI开发方式，正在改变开发者的工作流程。

2026-07-26

【🤖 并非所有由大模型驱动的系统都是AI智能体！】

这张图清晰对比了“伪Agent AI”与“真·Agent AI”的本质区别❗️ ⬆️ 上方红色标题 “These are not Agentic AI” 列举了三类常见误区： 🔹 LLM聊天机器人 → 线性问答，无规划能力，仅短期记忆 🔹 RPA（机器人流程自动化）→ 固定脚本执行，无法应对突发情况 🔹 RAG（检索增强生成）→ 知识库调用+LLM生成，但缺乏多步策略规划 ⬇️ 下方绿色标题 “This is an Agentic AI” 展示了真正的智能体架构： ✅ 核心由LLM（如Google ADK）与Orchestrator协调 ✅ 连接记忆库、工具调用、规划模块、多智能体协议 ✅ 支持动态协作（如LangChain/LlamaIndex专项Agent） ✅ 具备闭环反馈、自主规划、工具调度与团队协同能力！ 📌 如何识别真·智能体？ ▪️ 拥有短期+长期记忆体系 ▪️ 能分解目标并自主规划任务 ▪️ 按需调用工具甚至调度工具链 ▪️ 通过ReACT/Reflexion等机制自我优化 ▪️ 支持多智能体分工协作（如Manus AI的协同执行模式） 💡 关键差异：真·智能体能在流程中主动寻求人类反馈，而线性系统仅单向输出！这就是“智能助手”与“自主规划+行动型AI”的本质区别🎯 🔗 想深入学习如何构建企业级AI智能体？ 👉 关注 @智能时刻获取前沿AI架构解析 👉 加入粉丝群【智能时刻的铁粉群】

2026-07-14

组合优化迎来“偏好驱动”新框架

启发式搜索虽然仍在发挥作用，但面对高维度、高变化的实际任务，工程师们越来越希望借助 AI 模型“学会”策略。

2026-07-13

报告：AI 驱动的流量正在有效地取代人类

报告显示，到 2025 年，AI 驱动的流量将增长近三倍；互联网上的自动化流量增长速度将比人类活动快近八倍。

2026-03-30

Midscene v1.0 发布 - 视觉驱动，UI 自动化体验跃迁

Midscene 是一个视觉模型驱动，支持全平台的 UI 自动化 SDK。

2025-12-26

Gitee CodePecker 支撑 DevSecOps 落地，双擎驱动全链路研发安全

随着全球网络攻击手段的日益复杂，尤其是勒索软件与供应链攻击的加剧，漏洞数量与高危占比持续上升。分析显示，绝大多数安全风险源于开发阶段的代码疏忽或组件缺陷。攻击者正利用软件供应链的脆弱性扩大攻击半径，仅依靠上线后的补救或边界防护，已难以应对现代威胁。对越来越多追求敏捷开发、自主可控的企业而言，如何在保障研发效率的同时，将安全能力前置、嵌入、标准化，已成为安全治理体系演进的关键方向。Gitee CodePecker正是在这样的背景下推出，聚焦 DevSecOps 的工程化落地，从研发源头提升软件产品的整体可信度。 Gitee CodePecker 官网：https://gitee.com/code-pecker 路径选择：SDL 还是 DevSecOps？当前，企业在构建安全开发体系时，主要面临三种路径选择：SDL 模式、DevSecOps 以及混合模式。 SDL 模式源自微软，强调在软件开发的各个里程碑节点设置安全门禁，适合对合规性要求极高的大型瀑布式开发项目；微软 SDL 流程框架图 DevSecOps由 Gartner 研究公司分析师 David Cearley 提出，核心定义是将安全性作为开发和运维过程中的责任共担，通过自动化工具将安全无缝集成到 CI/CD 中； Gartner DevSecOps 流程框架图另外还有兼顾 SDL 与 DevSecOps 的混合模式，依据企业自身的研发架构，汲取 SDL 的流程规范与 DevSecOps 的自动化优势，制定定制化标准。作为国内领先的研发效能管理平台，Gitee 在服务大量企业级研发团队的过程中，观察到DevSecOps 的需求正从「可选理念」变为「必要能力」，对工具的精度、集成能力、误报率与本地部署支持提出更高要求。 Gitee CodePecker 的设计初衷正是响应这类趋势，从「左移式安全」入手，构建适配国产研发体系的安全能力基座。 SDL 与 DevSecOps 的核心差异 SDL 通过设立严格的安全检查点（Gate）来确保质量，更侧重于流程合规与专家评审。它往往偏向瀑布流或长周期项目，要求开发团队在特定阶段停下来进行威胁建模或安全审查。而 DevSecOps 打破了安全与 DevOps 之间的壁垒，更侧重于自动化工具链支撑与持续反馈。将安全能力无缝嵌入研发的每个阶段，强调「人人为安全负责」，将安全扫描透明地嵌入流水线，避免阻断开发速度。相比于流程末端设卡的传统模式，DevSecOps 的「安全左移」思路将漏洞检测与责任闭环前移至开发环节，确保问题尽早暴露、及时阻断。研究表明，在开发阶段修复漏洞的成本仅为上线后的数十分之一，因此左移不仅是提升安全性的手段，更是优化交付效率与控制风险成本的关键路径。 Gitee CodePecker 的能力体系也正是围绕这一理念设计，强调「零额外成本接入」「嵌入即生效」「发现即闭环」，使安全从流程外部的「审批动作」，真正转化为流程内部的「协作节点」。核心工具链：构筑主动安全防线 DevSecOps 的落地关键，在于将关键检测能力前置到研发阶段，自动化嵌入到开发日常流程中。Gitee CodePecker 提供的SCA（软件成分分析）「析微」与SAST（静态应用安全测试）「补阙」，正是这套「安全左移」体系中的双引擎。 Gitee CodePecker 官网：https://gitee.com/code-pecker SCA 聚焦软件供应链的源头风险，以 SBOM 构建、漏洞与许可证风险管控为核心，守住第三方组件引入的安全关口。 SAST 针对代码的本源安全，通过「快速扫描 + 深度分析」的双模式能力，精准捕捉开发环节的编码漏洞。两款工具从外部组件到内部代码形成互补，共同覆盖了 DevSecOps 研发前期的关键安全场景。「析微」：守住供应链的入口 SCA（Software Composition Analysis）是 DevSecOps 中应对供应链攻击的关键一环。Gitee CodePecker 的「析微」模块支持对源码、二进制文件、镜像等构建产物进行自动分析，生成精准的 SBOM，并联动开源漏洞库、License 风险库完成检测。相比传统 SCA 工具，「析微」具备更强的实用性和适配力：支持源码与二进制混合扫描，适配 APK、ECU、IoT 固件、Docker 镜像等非源码场景；漏洞可达性分析可识别实际调用链，降低误报；高危构建自动阻断，可与 Gitee 流水线、Jenkins 等构建系统集成； License 分类识别支持自动审计 GPL/AGPL/MPL 等主流协议，满足合规要求；实测识别精度达 98.7%，适用于金融、汽车、信创等强监管场景。「补阙」：深度净化源代码 SAST（Static Application Security Testing）是保障代码本体安全的「第一道锁」。CodePecker 的「补阙」模块支持快速扫描与深度分析两种检测模式，覆盖从规则型风险到复杂逻辑漏洞的常见场景。快速扫描适用于硬编码凭证、敏感配置、函数调用等规则型风险，支持以秒级速度嵌入每一次 Commit；深度扫描通过构建抽象语法树（AST）与控制流图（CFG），进行污点传播分析，识别如 SQL 注入、XSS、命令执行等高危漏洞；误报抑制机制结合上下文语义与数据流约束，特定场景下准确率可达 95%；多语言支持覆盖 Java、C/C++、Python、PHP 等常见语言，适配主流研发体系；支持国产标准，内置 GB-38674 编码规范检测能力，满足信创项目对静态安全的审计要求；漏洞处理闭环，支持自动生成 Issue 并指派到责任人，支持修复建议推送与状态跟踪。从检测到闭环，构建可信研发根基 DevSecOps 的真正价值，不止于提升安全能力，更在于将「安全」从流程的附属品转变为工程体系的内核。 Gitee CodePecker 不仅是两个检测工具的集合，更是一次面向 DevSecOps 的全链路能力构建：「析微」把控组件引入之初，识别并阻断潜在风险；「补阙」清除代码内部隐患，提升交付质量；全链路自动化集成与闭环联动，避免人为遗漏；支持私有化部署，兼容国产体系，适配敏感行业的信创要求。从风险识别、开发拦截，到自动修复与责任回溯，Gitee 企业版正在帮助更多组织将安全能力真正「写进流程」，在源头构建可信研发基础设施。点击链接：https://gitee.com/code-pecker，了解 Gitee CodePecker 如何助力企业构建研发安全闭环，获取完整产品资料与接入方案。

2025-12-25

微软推出 AI 驱动的复制粘贴功能，实现本地 AI 处理

微软宣布其 “高级粘贴” 功能进行了重大的升级，现在可以通过本地 AI 模型来执行任务，而不再依赖于云端。通过利用本地设备的计算能力，用户可以在保护隐私的同时，享受到 AI 带来的便捷。 “高级粘贴” 功能的推出，旨在提高用户在各种应用场景下的工作效率。用户在进行内容复制和粘贴时，可以通过智能识别，实现智能化的内容处理。无论是从文档中提取信息，还是进行格式转换，本地 AI 都能快速完成，减少了用户在切换不同应用程序时的麻烦。此外，本地 AI 的使用还大幅降低了网络延迟，使得粘贴操作变得更加流畅。这对频繁使用文档、表格和演示文稿的用户来说，无疑是一个福音。比如，教师在准备课程材料时，可以快速将不同来源的信息整合到一起，学生在撰写论文时也能更高效地引用资料。微软表示，他们的目标是将 AI 的便利性带给每一个用户，并在安全性和效率之间找到一个良好的平衡。未来，这项技术可能会继续扩展到更多的应用程序中，帮助用户更好地管理和处理信息。

2025-11-21

马斯克测试由 Grok 4 Mini 驱动的全新 𝕏 算法

马斯克近日透露，他正在测试由 Grok 4 Mini 驱动的全新 𝕏 算法，并明确表示：“它确实更好。”

2025-08-18

FreeBSD 14.3 正式发布，包含网络驱动程序更新和 OpenZFS 更新

基于 Linux 6.14 内核代码合并 Realtek RTW88 和 RTW89 WiFi 驱动程序。

2025-06-10

完全由正则表达式驱动的国际象棋引擎

Nicholas Carlini 这篇文章介绍了自己如何使用 84,688 个正则表达式构建了一个双层 MiniMax 国际象棋引擎。具体而言，作者是先用正则表达式写了个 CPU 模拟器，然后在这个 cpu 模拟器上写了个编译器，然后用编译器写了个国际象棋引擎。引擎名为 "Regex Chess"，可以根据输入的棋盘状态走出一手合理（且不完全糟糕）的棋步。 https://nicholas.carlini.com/writing/2025/regex-chess.html 一些技术细节：1. 基于正则表达式的 CPU 模拟器： *作者首先设计了一个基于正则表达式的 CPU，它是一种无分支、条件执行、单指令多数据（SIMD）的架构。 *该 CPU 的状态由一个字符串表示，包含程序“栈”和所有变量。 *基本指令包括 push（入栈）、pop（出栈）、lookup（变量查找）和 assign_pop（变量赋值）等。 *条件执行通过修改状态字符串的开头（%%）来实现，从而控制哪些指令生效。 *SIMD 特性通过正则表达式的全局替换功能实现，可以同时处理多个棋盘状态。 2. 编译器（宏汇编器）： *作者没有构建传统的编译器，而是采用了一种基于符号执行的方法，将 Python 风格的代码转换为正则表达式指令序列。 *符号执行通过跟踪变量操作来记录执行轨迹，而不是实际执行它们。 *条件语句通过创建分支并在后续合并来实现，每个分支对应一个条件路径。 3. 国际象棋引擎的实现： *引擎使用 FEN 字符串表示棋盘状态。 *通过并行处理，可以同时生成所有棋子的合法走法。例如，pawn_moves 函数可以并行计算所有兵的可能走法。 *利用并行处理，引擎可以模拟 MiniMax 算法，通过生成所有可能的走法并评估其分数来实现。 *引擎通过生成伪合法走法（可能会导致王被将军）然后排除这些走法来实现，这本质上是一种双层 MiniMax 搜索。 - 微博蚁工厂

2025-01-08

新一代实验分析引擎：驱动履约平台的数据决策

易出错的分析结果、问题域覆盖不足、数据科学家重复发明轮子的努力浪费、学习缓慢是驱动我们构建新一代实验分析引擎的动力，与传统实验分析引擎比，它应该具备一下显著特点： 3.1 标准化实验分析，确保结论可信：

2024-10-10

记 Codes 研发项目管理平台 —— 流程驱动缺陷管理的创新实现

继上一回合日报与工时融合集中式填报的创新实现后，本篇我们来讲一讲流程驱动缺陷管理的创新实现。肯定会有人说，不就缺陷管理嘛！几个状态完事，爱咋整就咋整，没必要搞流程化，搞流程就是把简单事情复杂化。

2024-06-07

英特尔 Habana Labs 和 Xe Linux 驱动维护者离职

因此将不再担任 Habana Labs 加速器驱动程序、以及英特尔 Xe DRM 驱动程序 Linux 内核驱动程序的维护者。

2024-05-17

Dante Cloud 3.2.4.3 发布，采用领域驱动设计 (DDD) 的微服务架构

Dante Cloud (但丁，原 Eurynome Cloud) 是一款企业级微服务架构和服务能力开发平台，是采用领域驱动模型(DDD)设计思想的、全面拥抱 Spring Authorization

2024-04-09

Linux 6.9 弃用 ext2 文件系统驱动程序

在即将发布的 6.9 Linux 内核中，ext2 文件系统驱动程序将被标记为已弃用。

2024-03-27

Dante Cloud 3.2.3.3 发布，采用领域驱动设计 (DDD) 的微服务框架

Dante Cloud (但丁，原 Eurynome Cloud) 是一款企业级微服务架构和服务能力开发平台，是采用领域驱动模型(DDD)设计思想的、全面拥抱 Spring Authorization

2024-03-13

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。

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。

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。