搜索[AI可见性]结果-低调大师优秀个人博客

精选列表

搜索[AI可见性]，共10000篇文章

# WorkBuddy 实战教程：从一句需求到可离线运行的单文件仪表盘

这个需求很有代表性：**它看起来简单，但对交付标准要求极高**——单文件、零依赖、离线可用、数据可带走。这正好是 WorkBuddy 这类"会干活"的 AI 助手最擅长的场景。

2026-08-21

从主机指标到可审计运维摘要：用 Beszel 构建受控的告警分析链路

主机数量增加后，问题不再只是“有没有监控”，而是如何把指标转化为可复核、可执行的故障信息。 Beszel 适合承担轻量级主机与 Docker 状态采集、集中展示和基础告警入口。

2026-08-18

如何借助Skill，把行业经验、Know-How沉淀为企业可治理的软件资产

现在很多公司都希望通过引入AI提高企业效率。模型账号开通了，知识库和Agent也开始试点，业务部门很快就能感受到内容生成、材料整理和信息检索速度的变化。

2026-08-17

构建可复核的媒体整理流水线：哈希去重、元数据抽取与模型标注

第一层是确定性的事实层，只处理文件路径、大小、内容哈希、拍摄时间、MIME 类型等可复算信息；第二层是概率性的语义层，只在满足策略的文件上调用模型，为检索和人工筛选提供候选标签。

2026-08-17

Agent 撞到人墙就卡住，Matt Pocock 的 wizard 把人工步骤变成可复用 bash脚本

> 我是**术哥**，一名专注于 AI 编程、AI 智能体、Agent Skills、MCP、云原生、AIOps、Milvus 向量数据库的**技术实践者与开源布道者**！

2026-08-12

让大模型不再是"聊天框"：用 PydanticAI 把输出变成可校验的 Python 对象

这让我第一次认真想一个问题：**AI 应用进入工程阶段后，核心不是让模型说得更漂亮，而是让它的输出能被程序稳定接住。

2026-08-10

把邮件智能分类做成可审计流水线：规则、模型与人工复核的协同实践

一个可落地的邮件处理系统，至少需要回答四个问题： 1. 邮件应该归入哪个业务类别？ 2. 哪些邮件可以自动处理，哪些必须交给人工？ 3. 模型输出如何被程序可靠地解析，而不是依赖自然语言文本？ 4.

2026-08-09

在动力电池与储能模组PACK自动化产线中，钢带作为模组结构件的核心承重件，其冲压、折弯与焊接成型精度直接决定了电芯入框间隙、模组结构强度以及最终激光焊接良率。当前行业量产标准已提升至厚度公差±0.05mm、折弯角度误差不超过±0.5°、端面毛刺低于0.02mm。2025年国内锂电配套钢带市场规模突破1270亿元，全年增速超35%，下游车型与储能舱规格碎片化趋势持续加剧。然而，在大量产线落地实践中，一个经典的技术困境反复出现：**单台折弯设备的出厂重复定位精度达到±0.02mm，但整线成品装配间隙误差却漂移到±0.5mm以上**。这种“单机达标、整线失控”的现象，本质上揭示了传统产线架构的系统性缺陷——自动化到位了，数字化没跟上。结合30余条钢带自动化产线的改造实测，现有传统三层单机架构——PLC加本地上位机加独立数据库——存在四类底层技术瓶颈，也是企业数字化改造失败、项目收益不达预期的核心原因。多工序误差的非线性累积。钢带从开卷整平、伺服冲切、多道折弯到激光焊接定型，通常经历五道以上核心工序。传统架构下，每道工序独立控制、独立检测，单道工序的微小偏差在串联传递中并非简单线性相加，而是受应力释放、热变形等因素呈非线性放大。我们在某产线做过逐站测量：折弯角度偏差0.5度，在后续焊接热输入后，末端捆扎位置偏移量超过激光焊缝跟踪的补偿极限，直接导致该批次模组间隙超标的返工率上升至12%。数据采集的时序断层。这是最隐蔽但破坏力最大的问题。整条产线通常集成8到12台异构设备，分属不同供应商，通信协议涵盖Modbus RTU、Profinet、OPC UA及各类私有TCP协议。传统OPC DA轮询式采集下，100Hz以上采样频率的丢包率超过5%，设备间数据时间戳偏差最高可达200ms。折弯工位的扭矩峰值、激光焊接的电流突变、冲切时的冲击振动等关键工艺信号大量丢失，工序间前馈补偿完全无法建立。回弹控制的“盲折”困局。钢带折弯的核心物理难点在于回弹。不同批次材料屈服强度——HV180到220区间——的波动，会导致回弹量产生1度以上的差异。传统产线依赖“首件测试加固定补偿”的离线策略，模具磨损和车间温湿度变化实时改变回弹特性，但产线没有任何反馈机制能捕捉这些变化。某次调试中我们发现，同一卷材料上午和下午的折弯回弹角偏差达到0.8度，仅仅因为车间温度上升了5℃。边缘算力的闲置与云端存储成本失控。多数产线部署的工控机仅承担PLC通讯与HMI展示功能，CPU利用率常低于15%。与此同时，单条产线200加传感点位、200Hz高频采集场景下，每日原始时序数据可达320GB，全量原始数据上传云端，月度存储与专线带宽成本提升400%以上。高频信号——如伺服驱动的扭矩反馈、冲切时的振动波形——恰恰是设备健康状态与工艺异常的敏感指示器，却因“存储成本高、分析价值不明确”被直接丢弃。针对上述痛点，核心设计思路是在MES与PLC之间引入边缘计算层，实现协议转换、数据预处理与实时控制的就地闭环，而非将所有数据裸传至云端。设备感知层：协议统一与高频采集。保留产线原有PLC、伺服驱动器、激光焊机、线扫视觉相机等全部硬件，通过工业交换机做协议汇聚，老旧串口设备搭配RS485转以太网网关统一接入。核心改动在PLC程序：将关键工艺变量的采集移至OB35循环中断块，周期设为5毫秒，通过OPC UA Pub/Sub主动推送数据，替代传统DA轮询模式。实测表明，这种推送机制将带宽消耗降低约60%，支持1kHz高频传感信号接入。同时为每件钢带产品分配RFID唯一编码作为全链路数据主键，从开卷到成品堆叠的所有工序数据全部绑定单品ID。边缘计算层：就地闭环与数据压缩。这是架构的核心，我们对比了三类主流工业边缘开源框架。 EdgeX Foundry采用微服务模块化架构，原生适配Modbus、OPC UA等多协议，内存占用峰值不超过2.2G，无需容器集群运维，适配单产线独立边缘网关部署，是钢带产线的最优选型。KubeEdge依赖完整K8s集群，资源占用高，适合多车间大规模集群场景，单条产线部署成本冗余。EMQX仅为消息中间件，无协议解析、本地时序存储、工艺规则能力，需搭配多套组件二次开发，集成复杂度高。针对EdgeX原生无时序数据库的短板，搭配Apache IoTDB做本地存储。我们曾将50毫秒采样率的高频数据写入MySQL，单日数据量暴增至12GB，查询24小时张力曲线响应时间超过40秒，连接池频繁耗尽影响MES正常查询。迁移至IoTDB后，同样数据压缩至约800MB，压缩比15比1，查询响应时间缩短至800毫秒以内，单节点写入吞吐稳定支持每秒2万数据点。IoTDB的TsFile列式存储加Gorilla编码，压缩比可达15比1到18比1，单条产线每日产生的约318GB原始时序数据，经特征提取压缩后仅需上传云端27.5GB，压缩率超过90%。边缘层同时承载实时控制逻辑：冲切压力、折弯扭矩波形做滑动窗口3σ滤波、峰值提取与DTW曲线匹配，本地规则引擎实现工序前馈补偿、异常联动停机、模具磨损预警。关键工艺控制的端到端响应延迟稳定在20到45毫秒，彻底杜绝云端传输延迟导致的控制滞后。云端管控层：工艺配方库与全链追溯。基于ThingsBoard开源平台搭建轻量化工业管控中台，不依赖重型商用MES。核心功能是统一工艺配方库——将所有规格钢带的最优工艺参数数字化沉淀为标准化配方，换型时一键下发至边缘网关。边缘网关自动完成协议转换与分发，将标准化参数集拆解为各台PLC能认的指令序列，替代人工逐台设备调试。某产线落地后，换型时间从45分钟压缩至3分钟以内，产线整体稼动率提升8.2%。该架构已在华东某锂电结构件厂商的钢带加工产线完成落地验证。产线覆盖8个工艺工位，兼容厚度0.5毫米到2.0毫米、长度200毫米到2200毫米共12种规格钢带，年产标准捆扎钢带80万件。数据采集与传输指标。改造前高频工位100Hz采集丢包率5.2%，多设备时序偏差160到200毫秒；改造后丢包率稳定在0.28%以下，全工位PTP时间同步偏差不超过8毫秒。折弯闭环补偿指令端到端本地延迟22到45毫秒，满足工艺毫秒级实时控制需求。边缘本地原始数据日产生318GB，经特征提取压缩后每日上传云端27.5GB，数据压缩率91.3%，专线带宽占用下降90%。工艺质量改善指标。折弯工序累积尺寸公差由正负0.052毫米收窄至正负0.023毫米，过程能力指数Cpk由0.79提升至1.31。冲切毛刺、折弯回弹带来的不良率从1.8%降至0.33%，单月钢带返工损耗成本下降72%。基于边缘实时扭矩特征的模具磨损预警功能上线后，模具突发崩刀故障停机次数每月从11次降至2次，非计划停机时长显著减少。产品良品率从94%到98%的波动区间稳定提升至99.5%以上。一个值得分享的故障排查案例。某批次钢带出现间断性成型错位，传统方式需停机检查模具，耗时且依赖经验。在新架构下，我们直接调取IoTDB存储的连续3天张力数据做功率谱密度分析，发现错位时刻存在约85Hz振荡分量，定位到成型轮组轴承故障。从问题发现到根因确认，全程不到2小时。这就是全链路时序数据的工程价值——它不是报表，而是工艺问题的“黑匣子”。基于现有开源架构的落地经验，钢带加工产线的数据架构演进方向已较为清晰。边缘智能的深化。当前边缘节点主要承担特征提取与阈值判断，下一步将是推理能力的下沉。在焊接工位直接运行轻量化CNN模型，实时判断焊缝成形质量，并将结果反馈至PLC进行物理剔除。基于产线沉淀的百万级工艺数据，针对不同材质、不同规格的钢带，系统自主匹配最优加工参数，无需人工干预。 MES角色的转变。传统的MES系统是被动的“记录系统”，未来将演变为主动的“工艺中枢”。产线换型生产不同规格的钢带时，MES直接向边缘节点下发对应的工艺窗口参数、判异规则集与视觉模板，而非仅下发工单。工艺数据的资产化。产线长期运行中积累的材料回弹数据库、模具磨损曲线、焊接熔池温度特征，正在成为高价值的数字资产。从质量控制延伸到设备预测：基于冲切振动特征的长时趋势分析，可以建立模具剩余寿命的预测模型，维护模式从“定期更换”转向“状态基维护”，在降低备件库存的同时减少非计划停机。各位在做产线MES设计时，数据采集频率怎么定的？遇到非标设备的私有协议，你们又是如何低成本实现数据接入的？欢迎分享你们的实践。

2026-08-06

从 Excel 报表迁移到可持续仪表盘：Metabase 的数据建模、权限与刷新实践

## 第三步：在业务库建立只读边界假设业务库中存在 `sales.orders` 表，可建立专用模式和视图，只暴露仪表盘需要的字段： ```sql CREATE SCHEMA IF NOT EXISTS

2026-08-06

WorkBuddy 三种工作模式实战指南——附可复制的真实任务 Prompt 与界面截图

---- ## 一、为什么你需要"可复制的 Prompt" 选对模式只是第一步。同样选 Craft，有人得到一份能直接发的报告，有人得到一堆跑题的文字——差别就在 Prompt 怎么写。

2026-08-04

企业舆情搜索工作台：用证据链、报告快照与查询预算支撑可交付结果

# 企业舆情搜索工作台：用证据链、报告快照与查询预算支撑可交付结果 > 类型：搜索 / 报告 / 证据留存 / 企业落地 / 性能优化 ## 引言：搜索结果要能回答，也要能复核企业使用舆情系统，不只是为了看到几条相关内容

2026-08-02

代码不走公网、权限管到字段级、全程可审计 —— 银行级研发安全的工程标准

不是"一步到位私有化"，是**每一条传输路径都要可审计、可管控**。你得能回答：哪些代码、走了哪条路、去到了哪个端点。

2026-07-29

亚马逊关键词搜索结果抓取：在云上把搜索结果变成可监控信号图层

57b5b82a5f3acc7f889b4f91a3509e11.png) > 作者 Leo · Pangolinfo 技术总负责人 > 适用读者：企业数据团队、云架构师、SaaS 构建者对企业来说，搜索结果抓取不该是一个"写个脚本定时跑"的任务，而是一层可监控

2026-07-28

如何用WorkBuddy自动化抓取主要上市车企月度产销数据（附可复用技能）

## 二、方案：WorkBuddy + `car-sales-report` 技能 [WorkBuddy](https://www.codebuddy.cn) 是一款 AI 助手，支持**自定义 Skill

2026-07-20

电池模组捆扎钢带产线数据闭环架构重构——从高频丢包到工艺可复现

动力电池与储能电池的规模化量产，对电芯模组捆扎钢带的加工精度与一致性要求越来越高。钢带作为模组结构固定的核心承重件，厚度公差、折弯精度直接影响电池包装配安全和服役寿命。2025年国内锂电配套钢带市场规模突破1270亿元，年增速超过35%，下游车型和储能舱规格碎片化趋势非常明显。我们当时接手的这条模组钢带自动成型产线，集成了开卷、整平、伺服冲切、多道折弯、激光焊接、视觉检测六大工序，需要覆盖0.5mm到2.0mm厚度、10mm到30mm宽度、200mm到2200mm长度全规格生产。行业量产标准要求厚度公差±0.05mm以内，折弯角度误差不超过±0.5°，端面毛刺低于0.02mm。但坦白说，行业里自动化产线普及率还不到40%，大量中小厂商靠半自动化单机组合生产，数字化基础相当薄弱。实际生产中有将近18%的电池模组装配性能波动，追根溯源就是钢带成型精度不一致，返工损耗常年卡在1.5%到3%之间。这套产线的数据系统设计，有几个让人头疼的问题。高频采集丢包太严重。整条产线8到12台异构设备，伺服折弯、激光焊机、线扫视觉、张力传感器分属不同厂家，原生协议有Modbus RTU、Profinet，还有私有串口协议。我们一开始用传统OPC DA轮询采集，折弯工位100Hz以上的扭矩和角度数据丢包率超过5%，冲切冲击瞬间和焊接电流峰值信号基本抓不到。设备之间没有统一校时，时间戳偏差最大能到200ms，工艺参数、运行数据、质检结果根本对不上号。有一次排查批次质量波动，光是拉齐各设备时间就耗了大半天。数据孤岛把工艺经验锁死了。每个工位设备各自存数据，没有一个统一的钢带编码串起来。同一款钢带不同设备不同班次的折弯补偿量、整平张力、激光功率参数散落各处，换型时只能靠人工抄配方本。更麻烦的是，核心工艺全凭老师傅手感调，不同班组调出来的参数差异不小，良品率在94%到98%之间来回晃。一个老师傅休假，某个规格的钢带不良率能直接翻倍。边缘算力闲置，带宽账单却飙涨。单条产线200多个传感点位，200Hz高频采集下一天原始数据就320GB。但我们现场那些工控机基本只跑PLC通讯和HMI展示，CPU利用率连15%都不到。与此同时，大量高频数据比如伺服扭矩反馈波形、冲切振动信号，因为存不起、分析价值说不清就被直接扔掉。可要是把原始数据全往云端推，一个月的专线和存储成本能翻四倍，财务那边直接找过来了。踩完这些坑之后我们想清楚了一个原则：不是所有数据都值得存，也不是所有计算都在云上做。核心思路是在边缘侧完成清洗和特征工程，采集、计算、存储三层彻底解耦。整体架构分三层：设备感知层、边缘计算层、云端管控层。设备层保留原PLC、伺服、视觉相机，通过工业交换机做协议汇聚。我们重构了PLC程序，在OB35里做5ms中断采集关键工艺变量，改用OPC UA Pub/Sub主动推数据，把轮询模式改掉之后带宽占用降了60%。同时给每件钢带分配RFID编码作为全链路主键，哪道工序出的问题一查就知道。边缘层是我们花精力最多的地方。选了EdgeX Foundry做微服务网关底座，按需加载Modbus、OPC UA、视觉图像驱动，完成多协议统一解析和PTP高精度校时。本地挂IoTDB存原始波形，再跑一个轻量Python特征提取服务做实时处理：对冲切压力、折弯扭矩波形做滑动窗口3σ滤波，提取峰值、积分、DTW曲线匹配特征，只把压缩后的特征标签往上送。我们在边缘层还嵌了一个本地规则引擎，实现工序前馈补偿、异常联动停机这些实时逻辑。断网也不怕，产线照跑不误。云端我们基于ThingsBoard搭轻量化管控中台，主要管三件事：统一工艺配方库、产线可视化看板、Cpk分析和预测性维护。云端只收边缘处理完的特征数据，承担批量模型训练和历史归档，往下发标准化钢带配方到各产线边缘节点。时序数据库选型时我们测了一圈，MySQL和InfluxDB都试过，最后选了Apache IoTDB。50ms采样率下一整天的数据量，MySQL要12GB，IoTDB压缩完就800MB，压缩比15比1。查24小时张力曲线，MySQL要40秒，IoTDB 800毫秒以内返回，这个差距在排查问题时体感非常明显。这套架构最终落地在华东一家新能源结构件配套厂，单条产线年产80万件捆扎钢带，供储能280Ah和动力50Ah两类模组。改造前折弯尺寸不良率1.8%，换型要4.5小时，设备稼动率只有63%。硬件上我们只加了两台4核8G工业边缘网关、8路RS485网关和全线RFID读写工位，原有设备全部利旧。软件基于开源搭，没花一分钱授权费。这里讲几个具体数据。采集质量。改之前100Hz采集丢包率5.2%，设备间时间偏差160到200毫秒。改完之后丢包率降到0.28%以下，全工位PTP同步偏差不超过8毫秒。折弯闭环补偿指令从采集到执行本地延迟22到45毫秒，完全满足毫秒级控制需求。边缘每天原始数据318GB，特征提取压缩后只往云端传27.5GB，压缩率91.3%。我们专门对比过压缩前后的数据完整性，关键特征没丢，完全够用。工艺改善。折弯累积尺寸公差从±0.052mm收窄到±0.023mm，Cpk从0.79拉到1.31。冲切毛刺和折弯回弹带来的不良率从1.8%降到0.33%，单月返工损耗降了72%。有一个细节值得一提，模具磨损预警上线之后突发崩刀停机从每月11次降到2次，这个事对产线连续运转的帮助比预期还大，车间主任后来主动要求把预警阈值再调灵敏一点。换型效率。我们把126款钢带参数标准化后存进工艺库，换型时一键下发到边缘网关，折弯补偿、整平张力、激光功率自动同步。换型时间从4.5小时压到38分钟，设备综合稼动率从63%提到78.6%。操作工现在换型就扫个码点一下确认，不用再抱着配方本一个个拧旋钮了。故障排查。有一次某批次钢带出现间断性成型错位，按老办法得停机拆模具检查，费时费力。我们调出IoTDB里连续三天的张力数据做功率谱密度分析，发现错位时刻存在一个约85Hz的振荡分量，顺着查下去定位到成型轮组轴承故障。从拿到数据到确认根因不到两小时，放在以前两天能找出来就算快的。跑完这个项目，有几个方向我觉得值得继续往下走。边缘推理下沉。目前边缘节点主要做特征提取和阈值判断，下一步可以在焊接工位直接跑轻量CNN模型实时判断焊缝质量，结果反馈给PLC做物理剔除。这个对边缘设备的NPU或GPU算力有要求，选型时需要提前留好余量。 OPC UA语义模型。 2025年Catena-X和OPC Foundation在推基于OPC UA语义模型的数据空间互操作，我们下一步准备按VDI/VDE 2193标准给钢带成型设备建OPC UA Companion Specification，把“成型轮组健康度”“张力波动阈值”这些自定义节点定义清楚，方便不同产线之间对数据语义形成统一理解。元数据治理前置。这是我们踩过最深的坑之一。最开始没做测点命名规范，后来数据量大了根本没法管。建议从第一天就定好命名规则，我们现在的格式是“产线号_设备号_测点类型_具体参数”，同时在IoTDB里按“工厂-产线-设备-测点组”四级组织树结构，配合标签记录钢带批次、操作工、工艺版本。这一步做晚了后面补的成本非常高，别问我是怎么知道的。各位在做产线MES或数据采集架构设计时，高频过程数据和慢速业务数据的融合问题是怎么处理的？钢带张力曲线、温度曲线这些关键参数采集频率定在多少比较合适？欢迎留言聊聊各自的实践。

2026-07-15

稀疏视角下的可泛化3D高斯重建

传统的可泛化重建方法常将几何与外观特征混杂在统一的骨干网络中，由于深层几何骨干天然具有空间平滑和几何一致性的偏置，高频的纹理细节极易在传递中丢失。

2026-07-13

技术社区内容创作方法论：从选题到精选的可复现路径

这篇文章不聊具体平台，只聊一套可复用的创作方法论：怎么选方向、怎么写容易被编辑和读者认可、怎么把一次实践沉淀成能反复受益的内容资产。

2026-07-12

Bun 团队披露 Rust 重写审计结果：13000 余个 unsafe 块中七成可移除

这份由 AI 辅助生成的审计报告显示，Bun 的 Rust 代码库中共有 13,365 个 unsafe 语法节点，分布在 774 个文件、51 个子系统之中。

2026-05-25

Laravel13+Vue3 的免费可商用商业级管理后台 CatchAdmin V5.2.0 发布

Laravel13 + Vue3 的免费可商用商业级管理后台 CatchAdmin V5.2.0 发布介绍 CatchAdmin是一款基于Laravel 13.x与Vue3二次开发的 PHP

2026-04-12

OpenReview 平台因 API 接口存在未授权访问漏洞，导致审稿人数据可公开访问

团队确认接收并开始调查 11:00 AM：修复部署到 api.openreview.net 11:08 AM：修复部署到 api2.openreview.net 11:10 AM：程序主席与工作流主席被通知问题已解决 AI

2025-11-28

资源下载

更多资源

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。

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。

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。