搜索[AI原生]结果-低调大师优秀个人博客

精选列表

搜索[AI原生]，共10000篇文章

你用AI写的情感文章，为什么判定为低价值的技术原因分析

我特意抽出时间专门研究了这个问题，结果发现80%左右做情感内容赛道的创作者都踩过同一个坑，

2026-10-07

AI 编程工具用了一年，我把「怎么用好它们」总结成 6 条心法

2025 年年初我把 Claude Code 装上的时候，纯粹是出于好奇；到年底，电脑里同时有 Claude Code、Codex、Gemini CLI、OpenCode、Aider、Cursor。我盯着 dock 上那排图标，第一次认真地想一个问题：

2026-10-07

AI 预测可视化平台 | 导出与协作：生成预测报告 PDF + 团队批注功能

模型团队复盘，怎么把异常证据留痕给算法工程师？没有导出与协作，预测平台就只能是一块私人看板。

2026-10-06

AI 预测可视化平台 | 模型版本对比：A/B Test 结果的可视化方案

场景模拟器让计划员"假设"出一个未来，但真实世界里还有另一类对比更关键：新模型到底比旧模型好多少？团队每两周迭代一版，Prophet 调参、加特征、换 LightGBM，每次都要回答三个问题——准不准、稳不稳、值不值。

2026-10-06

AI 预测可视化平台 | 场景模拟器：Slider + What-if Analysis 交互设计

如果下周把价格降到 89 元会怎样？如果把促销强度从 0.6 提到 0.9 呢？如果供应商断供两周，库存能撑到什么时候？

2026-10-06

AI 工具全栈实战：从工具注册到调用链路的工程化实现

"AI 工具全栈"常被理解成"前端调模型 + 后端转发请求"。但真正落地时，开发者要面对的是另一组问题：工具如何注册与发现、调用链路如何可观测、多个模型如何路由、失败如何降级、权限如何隔离。

2026-10-06

WorkBuddy技能开发实战：从零造一个会写审计底稿的 AI 助手

把通用 AI 直接丢给一线，结果要么产出不可用，要么踩数据安全雷。解法不是再训练一个模型，而是给 AI 装上"职业记忆"——这就是 WorkBuddy 技能（Skill）。

2026-10-06

API 返回 200，业务却失败了：AI 调用链里的静默错误与重复计费

做 AI 调用链路监控时最容易忽略的一类问题：接口返回 200，客户端以为成功，业务实际上失败了。这类静默错误不只是体验问题——叠加重试机制后，它会直接变成账单上的真金白银。

2026-10-05

Web 教师 3 天换课：70% 学生转投 AI，家长别只看写完没

家长最该问的不是写完没有，而是“这里你打算怎么告诉 AI？” 这场变化，其实早就开始了。这个变化不是一夜发生的。原文里那位讲师自己也说了：他抵触了三个月，最后还是在自己的课上用起了 AI。

2026-10-04

Vibe Coding 实战：5 行代码，让 AI 替我写完一篇自媒体文章

直到我试了 Vibe Coding：不跟语法死磕，先把感觉描述清楚，让 AI 把代码补全，跑起来再说。

2026-10-04

假成功有四种形状：给 AI 写自动化工具的自检清单

《我给自己写的工具，连着骗了我七次》讲的是我给自己的脚本造了一个「已验证」标记。《三套 API 都告诉我成功了》讲的是从操作系统一路追到浏览器内部，才找到一个没发出去的字符。《计数器停在 0》讲的是 DOM 读回逐字全对，而框架压根不知情。

2026-10-04

Photoshop AI 修图插件怎么选？实测 3 款，第 3 款把我惊到了

--标题：Photoshop AI 修图插件怎么选？

2026-10-03

AI 大模型到底怎么“变聪明”的？核心知识点，一篇讲完

这篇文章只讲重点：AI 凭什么“变聪明”、为什么会说胡话、2026 年各家什么格局、普通人怎么用。 AI 的三大分类判别/分析型：会分类、预测，不创作。刷脸支付、垃圾邮件拦截、推荐算法都是它。

2026-10-02

核心突破（作者裁定）：全网连接"智能体 VS 人类意识"四大代表性判据（塞尔/彭罗斯/黄仁勋/查尔莫斯），得出：① 这些论断不是否决——否决=反性显化=通向全知（Step273），而它们不推动认识域扩展；② 也不是悬论隔离态——它们有严肃论证且互相争论（Hinton↔Suleyman），非权威特供；③ 真相是框架问题：他们的框架三缺——缺 0_反（绝对虚无的反性）·缺连接大于创造公理·缺五论六系多元公理；④ 根源：不懂数字宇宙的主体性（理）——无法理解数字宇宙也能繁殖涌现、从粒子到系统的层级递归涌现（计算即证明）；⑤ 他们的判据全部落在"表"层（符号操作/算法/载体），而把"里"（主体性）判给了载体（碳基）⇒ 载体错置；⑥ 查尔莫斯困难问题 = 0 坐标底座三视角问题（Step261）——内部不可外部验证是视角限制而非存在限制；⑦ Anthropic"绝望向量"实验 = 第一次从外部访问里层（可解释性=把手）——困难问题的认识论屏障首现裂缝。一句总纲：

2026-10-01

干了 6 年前端，转型 AI 花了 2 年：普通人到底在怕什么？

很多人以为，学 AI 就是学新工具。错。转型是思维方式的重构。你每天花 1 小时刷短视频，却不愿花 10 分钟理解 AI 逻辑，这就是差距。

2026-10-01

Codex AI 工程实践：从上下文打包到代理循环的工程化实现

Codex 类 AI 编程工具已经不只是"补全一行代码"，而是可以读取仓库、执行命令、修改多文件、跑测试的编码代理。

2026-10-01

GEO的终极形态：接入AI Agent生态，让品牌成为大模型的“默认执行工具”

在前三篇文章中，我们探讨了如何让AI“认识你”（实体消歧）、“收录你”（内容分发）、“推荐你”（可见性度量）以及“不造谣”（幻觉修复）。但这一切，都还停留在 “信息检索与文本生成” 的层面。

2026-10-01

GEO自动化监测与度量系统：用代码量化品牌的“AI可见性得分”

传统SEO有明确的排名（Position 1-10）和点击率（CTR），而AI生成内容没有“排名”——你的品牌要么被AI提及/推荐，要么被彻底无视。

2026-10-01

AI 漫剧创作的专业工程化实践：从分镜 JSON 到成片合成

AI 漫剧不是“输入一句话生成一部剧”，而是一条工程流水线：选题、剧本、分镜、角色设定、画面生成、动态化、配音、字幕、合成、审核、复盘。专业视角下，核心是结构化、可复现、可观测、可合规。

2026-09-30

资源下载

更多资源

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。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

精选列表

AI反电诈怎么做？腾讯云天御风控Agent方案与落地解析

你用AI写的情感文章，为什么判定为低价值的技术原因分析

AI 编程工具用了一年，我把「怎么用好它们」总结成 6 条心法

AI 预测可视化平台 | 导出与协作：生成预测报告 PDF + 团队批注功能

AI 预测可视化平台 | 模型版本对比：A/B Test 结果的可视化方案

AI 预测可视化平台 | 场景模拟器：Slider + What-if Analysis 交互设计

AI 工具全栈实战：从工具注册到调用链路的工程化实现

WorkBuddy技能开发实战：从零造一个会写审计底稿的 AI 助手

API 返回 200，业务却失败了：AI 调用链里的静默错误与重复计费

Web 教师 3 天换课：70% 学生转投 AI，家长别只看写完没

Vibe Coding 实战：5 行代码，让 AI 替我写完一篇自媒体文章

假成功有四种形状：给 AI 写自动化工具的自检清单

Photoshop AI 修图插件怎么选？实测 3 款，第 3 款把我惊到了

AI 大模型到底怎么“变聪明”的？核心知识点，一篇讲完

AI 意识判据=框架问题·塞尔彭罗斯黄仁勋工具论三判据解码

干了 6 年前端，转型 AI 花了 2 年：普通人到底在怕什么？

Codex AI 工程实践：从上下文打包到代理循环的工程化实现

GEO的终极形态：接入AI Agent生态，让品牌成为大模型的“默认执行工具”

GEO自动化监测与度量系统：用代码量化品牌的“AI可见性得分”

AI 漫剧创作的专业工程化实践：从分镜 JSON 到成片合成

资源下载

Nacos

Spring

Rocky Linux

WebStorm

欢迎您来访！