搜索[JavaScript库]结果-低调大师优秀个人博客

精选列表

搜索[JavaScript库]，共10000篇文章

12306的西天取经路 - 春节抢票与PostgreSQL数据库设计思考

标签 PostgreSQL , 12306 , 春节 , 一票难求 , 门禁广告 , 数组 , 范围类型 , 抢购 , 排他约束 , 大盘分析 , 广告查询 , 火车票背景马上春节了，又到了火车票的销售旺季，一票难求的问题依旧存在吗？还记得10年前春节前买火车票得在放票前1天搬个小板凳去排队，对于热门路线，排一个晚上都有可能买不到票。随着互联网的发展，几年前建设了12306网上购票系统，可以从电脑上买票，但是不要以为在电脑上就能买到票。我记得12306刚推出时，经常发生12306网站打不开，无法付款的问题。为什么呢？原因很简单，春节期间网上购票的人可能达到几亿的级别，而且放票日期是同一天同一个时间点，也就是说同一时刻12306要接受几亿用户的访问。处理能力和实际的访问需求更不上，带来的结果就是网站打不开，系统不稳定

2016-12-11

使用Navicat定时备份mysql数据库和创建报表并邮件自动发送

数据库备份在现代计算机高速发展的今日变得日益重要，程序员往往因为不重视而忽略备份数据，导致数据丢失，造成非常严重的后果。

2016-12-09

Android 5.0 到 Android 6.0 + 的深坑之一之 .so 动态库的适配

1，Android 编译时候的 api 版本，指的是你要生成的这个 apk 所依赖的 sdk 版本，例如 api 23 即是 Android 6.0 ； 2，.so 动态链接库，为 Linux 下的库文件

2016-12-05

Android图表库MPAndroidChart(七)—饼状图可以再简单一点

Android图表库MPAndroidChart(七)—饼状图可以再简单一点接上文，今天实现的是用的很多的，作用在统计上的饼状图，我们看下今天的效果这个效果，我们实现，和之前一样的套路，我先来说下这个的应用场景

2016-11-17

阿里云数据库资深专家林伟：大规模计算平台研究与实战

演讲要点: 伏羲资源调度和多租户管理分布式场景中的查询优化基于历史数据的优化跨集群计算使得计算突破单机群限制大规模计算平台如何进行持续改进和发布关于分享者林伟，阿里云数据库资深专家林伟，阿里云大数据计算平台

2016-08-17

处理hadoop发送的文件到后台并解析存储到数据库策略

处理hadoop发送的文件到后台并解析存储到数据库策略主要实现：首先 hadoop mapreduce 处理好的文件，一个个放到指定的文件目录下，然后通过在Linux 下通过定时任务

2015-04-30

4月数据库流行度排行榜 MySQL能否追上Oracle

4月的数据库流行度排行榜可谓看点十足。闲言少叙，先上图：前十名中，名次上升的都是NoSQL数据库，NoSQL凭借其对大数据处理的优势，发展越来越快。

2015-04-08

[语音识别]为何我们没有像GPS一样的语音识别公共库？

如今语音识别技术日新月异，但是所有识别都离不开语音库检索，现在苹果，微软，google都在建立自己的语音识别库，为何他们不能合作建立一个公共的库，供所有人使用呢？

2013-05-10

这个不到 18MB 的开源神库，把 923 篇顶会论文+474 节名校公开课揉成一库，直接让上千块的 ML 训练营汗颜

直到我 clone 了这个库……越翻越觉得，早几年有它就不用走那么多弯路。 !

2026-09-08

用 WorkBuddy 给《JavaScript 前端开发》做三件套备课 + 跨文件一致性校验：68 学时零硬伤的落地工作流

## 一、问题背景：为什么一门课的备课是个"坑" 我带《JavaScript 前端开发》（课程编号 10512605B），17 周、每周 4 学时，共 68 学时，面向 2301、2302 两个班。

2026-09-17

编程开发(C/C++&Java&Python&JavaScript&Go&PHP&Ruby&Perl&R&Erlang)

使用Docker快速部署主流编程语言的开发、编译环境及其常用框架，包括C、C++、Java、Python、JavaScript、Go、PHP、Ruby、Perl、R、Erlang等。

2017-03-15

2025年12月国产数据库大事记：佰晟智算与数翊科技获千万级融资，下半年“可信数据库”结果公布，openGauss Summit 2025举办……

预计未来两年内，随着数据库国产化替换的持续深入，特别是本地部署关系型数据库市场的将加速增长。 2025上半年中国关系型数据库软件市场前四名分别是阿里云、腾讯、华为、AWS。

2026-01-14

（Hadoop的数据库，分布式的，大数据量的，随机的，实时的，非关系型数据库）

scan "表名" , {COLUMNS=>'列族名:列名'} 更新记录就是重写一遍，进行覆盖，hbase没有修改，都是追加 10：hbase数据模型： 1.Row Key 与nosql数据库们一样

2017-10-24

【宝塔定时备份教程】网站 + 数据库自动备份，设置过期自动删除旧备份

宝塔自带定时备份功能，可以自动打包网站目录、MySQL 数据库，还能设置保留份数，自动清理老旧备份，避免磁盘被备份文件占满。环境：Linux 宝塔面板、MySQL5.7、PHP7.2

2026-11-09

WorkBuddy 资料库搭建实战：让 AI 不用每次重新认识你的材料

用 AI 助手最消耗耐心的一件事，是每次开新会话都要重新交代背景：你是做什么的、手头有什么材料、格式要求是什么。上一次让它整理好的东西，这一次它完全不记得，你得重新传一遍、讲一遍。

2026-11-09

出海手游个性化 IP 数据库选型：场景分层与 POC 验收

出海手游做个性化 IP 数据库选择，核心判断是：“个性化”在手游场景下不是指街道级定位，而是按玩家网络场景（住宅/移动/机房/代理）和地理层级做差异化策略。

2026-11-06

云数据库报表突然查空了：NOT IN 里混进一个空值

早上的巡检报表是从云数据库只读实例上拉的，前一天还有四百多行，今天打开只剩表头。实例没有下线，监控规则也没有批量解绑，偏偏这条找出没有被任何监控规则绑定的实例的查询返回了空集。

2026-11-06

企业销售 AI 助手落地：知识库、混合检索与口径约束的工程实践

给一家通讯运营商的地市分公司做全员 AI 落地时，我们很快发现：通用的 AI 助手在真实业务里几乎不可用。原因不是模型不行，而是它"不知道这个单位的规定"，输出的每一句都要人工核对，一线自然不敢用。于是我们把问题重新定义成一个工程问题：如何构建一个答案可溯源、口径可控、能按岗位隔离的企业问答助手。下面是这次落地的技术拆解。一、整体架构系统分四层，职责清晰、可独立迭代： ![](https://developer.qcloudimg.com/http-save/yehe-12808664/a9bfc0784883da4e94aef8efed1b9c18.png) 二、知识层：切分与元数据是效果上限 2.1 切分策略直接按固定字数切是最常见的错误——会把一条制度切成两半，检索出来语义残缺。我们的做法： - 优先按标题层级切分，一个三级标题下的完整段落为一个 chunk； - chunk 长度控制在 300–600 字，超长再按语义段落二次切分； - 相邻 chunk 保留 10%–15% 重叠，避免边界信息丢失； - 表格单独处理：转成"表头+行"的键值对文本，不要把表格拍平成乱序字符。图片2.2 元数据 Schema关键设计原则：生成层不负责"记事实"，事实只从检索结果来。模型只做归纳与表达，所有事实性内容必须带引用，否则不输出。二、知识层：切分与元数据是效果上限 2.1 切分策略直接按固定字数切是最常见的错误——会把一条制度切成两半，检索出来语义残缺。我们的做法： - 优先按标题层级切分，一个三级标题下的完整段落为一个 chunk； - chunk 长度控制在 300–600 字，超长再按语义段落二次切分； - 相邻 chunk 保留 10%–15% 重叠，避免边界信息丢失； - 表格单独处理：转成"表头+行"的键值对文本，不要把表格拍平成乱序字符。关键设计原则：生成层不负责"记事实"，事实只从检索结果来。模型只做归纳与表达，所有事实性内容必须带引用，否则不输出。二、知识层：切分与元数据是效果上限 2.1 切分策略直接按固定字数切是最常见的错误——会把一条制度切成两半，检索出来语义残缺。我们的做法： - 优先按标题层级切分，一个三级标题下的完整段落为一个 chunk； - chunk 长度控制在 300–600 字，超长再按语义段落二次切分； - 相邻 chunk 保留 10%–15% 重叠，避免边界信息丢失； - 表格单独处理：转成"表头+行"的键值对文本，不要把表格拍平成乱序字符。关键设计原则：生成层不负责"记事实"，事实只从检索结果来。模型只做归纳与表达，所有事实性内容必须带引用，否则不输出。二、知识层：切分与元数据是效果上限 2.1 切分策略直接按固定字数切是最常见的错误——会把一条制度切成两半，检索出来语义残缺。我们的做法： - 优先按标题层级切分，一个三级标题下的完整段落为一个 chunk； - chunk 长度控制在 300–600 字，超长再按语义段落二次切分； - 相邻 chunk 保留 10%–15% 重叠，避免边界信息丢失； - 表格单独处理：转成"表头+行"的键值对文本，不要把表格拍平成乱序字符。关键设计原则：生成层不负责"记事实"，事实只从检索结果来。模型只做归纳与表达，所有事实性内容必须带引用，否则不输出。二、知识层：切分与元数据是效果上限 2.1 切分策略直接按固定字数切是最常见的错误——会把一条制度切成两半，检索出来语义残缺。我们的做法： - 优先按标题层级切分，一个三级标题下的完整段落为一个 chunk； - chunk 长度控制在 300–600 字，超长再元数据决定了"能不能按岗位隔离、能不能按生效时间取最新版"。我们给每个 chunk 挂这套字段：图片检索时先按 dept + security_level + 有效期过滤，再做语义匹配——这一步比换更大的模型更能提升准确率。三、检索层：混合召回 + 重排纯向量检索对"制度编号、专有名词、缩写"不敏感，纯关键词又不懂同义表达。我们用混合检索： - BM25 召回 Top 20； - 向量召回 Top 20； - RRF（Reciprocal Rank Fusion）融合去重； - 用轻量重排模型取 Top 5 喂给生成层。图片实践中，混合检索把"答非所问"的比例从约 3 成降到 1 成以内，收益远大于单纯调 Prompt。四、生成层：Prompt 约束与结构化输出 Prompt 的核心不是"让它聪明"，而是"让它守规矩"。模板固定四段：角色、约束、输出格式、兜底。图片结构化输出的好处：下游可以自动校验引用是否真实存在于检索结果，引用对不上就直接拦截重答——这就是"可审、可回溯"的工程实现。五、治理层：三道闸 - 引用校验：citations 必须命中本次检索返回的 chunk_id，否则判为幻觉，打回。 - 敏感过滤：涉客信息、对外口径按 security_level 与白名单过滤。 - 低置信转人工：confidence 模型能力。文档乱、过期、互相矛盾，换再强的模型也没用。先做文档治理。 - 权限必须前置到检索层，不能靠 Prompt 说"不要回答"——那是拦不住的。 - 版本与会话隔离。制度更新要能增量重建索引，旧答案要能标记失效。 - 不要追求全自动。低置信转人工不是缺陷，是设计。结语企业问答助手的难点，从来不是"接一个大模型"，而是把组织的规章制度变成可检索、可引用、可审计的结构化知识。这一层做扎实了，模型只是最后一公里的表达。以上是这次落地的技术骨架，欢迎在评论区交流你们在 RAG 切分和权限隔离上的做法。

2026-11-05

领铄智能：企业知识库建设，文档怎么整理，智能体才真的会用

知识库建设的核心不是存多少文件，而是每个知识块说得清“出自哪、什么版本、能不能用、谁负责”。

2026-11-03

智慧档案管库系统难点：漏水监测、温湿度采集联动逻辑优化方案

# 智慧档案管库系统难点：漏水监测、温湿度采集联动逻辑优化方案物联网 · 智慧档案馆 · 漏水监测 · 盛世宏博物联网 · 智慧档案馆 · 环境监控 · 盛世宏博智慧档案管库系统难点，核心是漏水监测

2026-11-03

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。

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。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。