搜索[词元]结果-低调大师优秀个人博客

精选列表

搜索[词元]，共10003篇文章

小米 Q3 营收 1131 亿元，研发投入 235 亿元

小米集团发布2025年Q3财报指出，本季度小米各业务稳步向前，业绩实现强韧增长：总营收1131亿元，连续4个季度超千亿，同比增长22.3%；经调整净利润113亿元，同比增长80.9%。

2025-11-19

智谱完成 30 亿元融资，总估值超 200 亿元

大模型独角兽智谱宣布近期完成新一轮30亿元融资。新的投资方包括多家战投及国资，君联资本等老股东继续跟投。

2024-12-17

Artifacts Workflow新时代：提示词/Skill工程师凉了

在早期的 AI Agent 时代（比如 2023 年的 AutoGPT 或 CrewAI），大家天天把“给 Agent 写 Skill（技能）”挂在嘴边。

2026-08-23

biying排名-排名-必应关键词排名API接口介绍

不少国内企业官网、技术博客、涉外站点开始布局必应 SEO，但大多缺乏高效采集工具，依靠人工检索，无法批量查询域名关键词真实表现，存在排名摸排难、收录状态不明、信息不全等痛点。

2026-08-20

WorkBuddy 提示词技巧：从“能用”到“好用”的进阶指南

很多人刚开始用 WorkBuddy 时，都有一个共同的困惑：为什么别人用得飞起，我得到的却总是不尽如人意？

2026-07-11

上海首例涉 AI 提示词著作权案宣判

上海市黄浦区人民法院（以下简称黄浦区人民法院）已对上海首例涉AI提示词著作权侵权案作出一审判决，该案将争议核心锁定于输入端，围绕提示词是否具备作品独创性、是否属于“表达”等问题展开论证，为人工智能领域的知识产权保护带来思考与启示

2025-11-07

揭秘 AI 工具的系统提示词「GitHub 热点速览」

如果你也曾对 Cursor 这类 AI 编程工具的强大感到惊叹，那一定对其背后的"魔法"（系统提示词）充满好奇。

2025-05-06

提示词优化的自动化探索：Automated Prompt Engineering

提示词的自动优化对于经验并不丰富的提示词撰写者很有价值，他们没有足够的经验去调整和改进提供给模型的提示词，这引发了对自动化提示词优化工具的进一步探索。

2024-04-25

LigaAI 的 8 个年度关键词 | 2023 年度盘点

随着 2023 正式汇入时间长河，LigaAI 也整理了这一年中备受好评的重磅文章，并将一整年的创意、想法和思考精炼为 8 个年度关键词，希望与你一起回顾新一年的收获与成长。

2024-02-04

得物词分发平台技术架构建设与演进

接着开始正文，词分发也属于导购的一部分，他主要提供词推荐相关的功能，比如下拉词、底纹词、榜单、锦囊词、风向标等。

2023-07-26

摘要：平时练习算法题学习算法知识时，经常会发现题解里写着“动态规划”，里面一上来就是一个复杂的dp公式，对于新人来说除了说声“妙啊”，剩下就是疑惑，他是怎么想到这个公式的？我能想到吗？这玩意工作中有用吗？本文分享自华为云社区《动态规划究竟是怎么想到的？【奔跑吧！JAVA】》，原文作者：breakDraw。平时练习算法题学习算法知识时，经常会发现题解里写着“动态规划”，里面一上来就是一个复杂的dp公式，对于新人来说除了说声剩下就是疑惑，他是怎么想到这个公式的？我能想到吗？这玩意工作中有用吗？加上“动态规划”这高端的名字，然后就劝退了不少试图去理解他的人。动态规划听起来太吓人，可以换个说法我在内心更喜欢叫他“状态缓存” 如果是服务开发，相信很熟悉这个词语，利用缓存来加快一些重复的请求的响应速度。而这个缓存的特点是和其他缓存有所关联。比如我们的服务要计算7天内的某金钱总和，计算后要缓存一下。后来又收到一个请求，要计算8天内的金钱总和那我们只需要取之前算过的7天内的金钱综合，加上第8天的金钱就行了。 1+4的思考套路自己针对动态规划总结了一个自己的思考套路，我叫他1组例子4个问题，就叫1+4好了，通过这5个过程，可以站在普通人的角度（就是非acm大佬那种的角度），去理解动态规划是如何被思考出来的在超时的思路上写出一组计算过程的例子在超时例子的基础上，有哪些重复、浪费的地方？如何定义dp数组状态的变化方向是什么，是怎么变化的边界状态是什么简单例子以一道简单题为例：爬楼梯： https://leetcode-cn.com/problems/climbing-stairs/ 这时候就要静下心，观察这个解法的例子中是否有重复经历的场景，而这个重复经历的场景就叫状态。我处理动态规划的题目时，都会问自己3个问题，一般就能顺利地解决。 ①在超时的思路上写出一组计算过程的例子如果我们考虑最简单的解法，就是从起点开始，每次选择走1步或者走2步，看下能否走到终点，能走到则方法数+1。但这种方法注定超时（O（n^2)）但我还是照着这个过程模拟了一下，随便列了几个 1 ->2-> 3-> 4-> 5 1 ->2 ->3-> 5 1->3->4->5 1->3->5 ②在超时例子的基础上，有哪些重复、浪费的地方？在上面，我发现了重复的地方也就是说从3到5总共就2种路线，已经在1->2之后计算过了，我后面从1走到3再往后走时，没必要再去算了。换言之，当我走到3的时候，其实早就可以知道后面还剩下多少种走法。发现重复的地方后，就可以开始建立dp公式了。 ③如何定义dp数组？定义dp数组，也就是定义上面提到的重复的地方。重新看下之前的那句话当我走到3的时候，其实早就可以知道后面还剩下多少种走法。所以dp[3]代表的就是从3往后，有多少种可走的方法。 ④状态的变化方向是什么，是怎么变化的首先思考状态的变化方向重新看这句话：当我走到3的时候，其实早就可以知道后面还剩下多少种走法说明结果取决于往后面的状态因此我们要先计算后面的状态, 即从后往前算接着思考这个后面的状态和当前的状态有什么联系，是怎么变化的这个一般都包含在题目条件中根据题意，要么走2步，要么走1步，因此每当我走到一层时，下一次就2种状态可以变化。那么对于第3层而言，他后续有2种走法，走1步或者走2步那么他的情况就是dp[3] = dp[3+1] + dp{3+2} 如果层数设为i，那么这个变化情况就是 dp[i] = dp[i+1] + dp[i+2] ⑤边界状态是什么？边界状态就是不需要依赖后面的状态了，直接可以得到结果的状态。在这里肯定就是最后一层dp[n]，最后一层默认是一种走法。 dp[n]=1 实现根据上面的过程，自己便定义了这个状态和变化定义：dp[i] : 代表从第i层往后，有多少种走法方向和变化：dp[i] = dp[i+1] + dp[i+2]; 边界: dp[n] = 1 根据这个写代码就很容易了代码： public int climbStairs(int n) { int[] dp = new int[n + 1]; dp[n] = 1; dp[n-1] = 1; for(int i = n-2; i >=0;i--) { dp[i] = dp[i+1] + dp[i+2]; } return dp[0]; } 进阶版，二维的动态规划 https://leetcode-cn.com/problems/number-of-ways-to-stay-in-the-same-place-after-some-steps/ ①在超时的思路上写出一组计算过程的例子超时的思路肯定是像搜索一样模拟所有的行走过程。先假设1个steps=5, arrlen=3的情况随便先列几个。模拟一下不断走的位置。数字指的是当前位置。 0->1->2->1->0->0 0->1->2->1->1->0 0->1->1->1->1->0 0->1->1->1->0->0 0->0->1->1->1->0 …… ②在超时例子的基础上，有哪些重复、浪费的地方？ 0->1->2->1->0->0 0->1->2->1->1->0 0->1->1->1->1->0 0->1->1->1->0->0 0->0->1->1->1->0 0->0->1->1->0->0 我发现这部分标粗的部分重复了，换句话说当我还剩2步且当前位置为1的时候，后面还有多少种走法，其实早就知道了。 ③如何定义dp数组？重新看这句话：当我还剩2步且当前位置为1的时候，后面还有多少种走法，其实早就知道了。涉及了2个关键因素: 剩余步数和当前值，所以得用二维数组因此 dp[realstep][index] 就代表了剩余步数为step且位置为index时，后续还剩多少种走法。 ④状态的变化方向是什么，是怎么变化的先思考变化方向 “当我还剩2步且当前位置为1的时候，后面还有多少种走法，其实早就知道了。” 这个后面是指啥，后面会怎么变? 后面肯定是步数越来越少的情况，并且位置会根据规律变化。所以变化方向是步数变少，位置则按照规定去变。那么这个固定越来越少的这个“剩余步数”，就是核心的变化方向。我们计算时，可以先计算小的剩余步数的状态，再去算大的剩余步数。如何变化根据题意和方向，剩余步数肯定-1，然后位置有3种选择（减1，不变，加1），那么方法就是3种选择的相加。 dp[step][index] = dp[step-1][index-1] + dp[step-1][index] + dp[step-1][index+1] ⑤边界状态是什么？剩余步数为0时，只有当前位置为0才是我们最终想要的方案，把值设为1并提供给后面用，其他位置且步数为0时都认为是0。 dp[0][0] = 1； dp[0][index] = 0；（index>0) 实现那么最终出来了定义：dp{realstep][index]: 剩余步数为step且位置为index时，后续还剩多少种走法。方向和变化：dp[step][index] = dp[step-1][index-1] + dp[step-1][index] + dp[step-1][index+1] 边界: dp[0][0] = 1；内存溢出处理不过这题因为是困难题，所以给上面这个公式设立了一个小难度：数组长度非常大，导致如果index的范围我们选择为0~arrLen-1, 那么最大情况dp[500][10^6]注定超时内存范围。这时候就要去思考index设那么大是不是没必要一般我们可以自己列这种情况的小例子，例如 step=2, arr=10 然后看下index有没有必要设成0~9，随便走几步 0->1->0 0->1->0 0->0->0 嗯？我发现就3种情况，arr后面那么长不用啦？于是发现规律：剩余的步数，必须支撑他返回原点！也就是说，其实index的最大范围最多就是step/2，不能再多了，再多肯定回不去了。于是问题解决。其他类似题目练习 https://leetcode-cn.com/problems/minimum-cost-for-tickets/ 点击关注，第一时间了解华为云新鲜技术~

2021-06-26

Java实现基于朴素贝叶斯的情感词分析

在学习朴素贝叶斯分类以及正式开始情感词分析之前，我们首先需要了解一下贝叶斯定理的数学基础。

2021-04-19

2020大数据十大关键词

会上，中国信通院云大所所长何宝宏发布了《2020大数据十大关键词》。关键词一：数据生产要素 2020年4月，《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》正式发布。

2020-08-20

使用 Python 制作酷炫多彩的 Jenkins 插件词云图

Jenkins 插件名称高频关键词有哪些？一切尽在酷炫多彩的词云图作为最流行的 CI/CD 工具，Jenkins 的优势之一是其生态强大，而这与其插件体系分不开的。

2020-06-30

改造JAVA，给OpenJDK10添加中文关键词

OpenJDK10的编译参照：在WSL上编译OpenJDK10 魔改JAVA，添加中文关键词，改的不多，仅仅改了javac的源代码，分别属于java.compiler、jdk.compiler 两个模块

2019-05-05

Python | 数据挖掘，WordCloud词云配置过程及词频分析

安装WordCloud 在使用WordCloud词云之前，需要使用pip安装相应的包。

2018-09-17

如何用Python做词云？（基础篇视频教程）

只需要花10几分钟，跟着教程完整做一遍，你就能自己用Python做出词云了。《如何用Python做词云？》图文版发布于2017年6月，是我数据科学系列教程中的第一篇。

2018-02-10

INTERSPEECH 2017系列 |语音识别技术之关键词检索

本期分享的主题是语音识别技术之关键词检索技术，以下是本次分享的主要内容： 1.

2018-01-03

关于大数据你必须了解的几个关键词！

摘要：大数据分析，即对规模巨大的数据进行分析，能够高效存储和处理海量数据、并有效达成多种分析目标的工具及技术的集合。大数据分析的定义：大数据分析，即对规模巨大的数据进行分析，能够高效存储和处理海量数据、并有效达成多种分析目标的工具及技术的集合。Gartner将大数据分析定义为追求显露模式检测和发散模式检测，以及强化对过去未连接资产的使用的实践和方法，意即一套针对大数据进行知识发现的方法。通俗地讲，大数据分析技术就是大数据的收集、存储、分析和可视化的技术，是一套能够解决大数据的4V【海量(Volume)、高速(Velocity)、多变(Variety)、真实(Veracity)】问题，分析出高价值(Value)的信息的工具集合。大数据大数据的特点：数据量大、数据种类多、要求实时性强、数据所蕴藏的价值大。在各行各业均存在大数据，但是众多的信息和咨询是纷繁复杂的，需要搜索、处理、分析、归纳、总结其深层次的规律。数据量:这个参数表示数据的数量，随着科学技术及互联网的发展，推动着大数据时代的来临，各行各业每天都在产生数量巨大的数据碎片，数据计量单位已从从Byte、KB、MB、GB、TB发展到PB、EB、ZB、YB甚至BB、NB、DB来衡量。数据类型: 传统企业数据(Traditionalenterprisedata)：包括CRMsystems的消费者数据，传统的ERP数据，库存数据以及账目数据等。机器和传感器数据(Machine-generated/sensordata)：包括呼叫记录(CallDetailRecords)，智能仪表，工业设备传感器，设备日志(通常是Digitalexhaust)，交易数据等。社交数据(Socialdata)：包括用户行为记录，反馈数据等。如Twitter，Facebook这样的社交媒体平台。处理速度: 1秒定律，这一点也是和传统的数据挖掘技术有着本质的不同，物联网，云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。大数据分析工具：数据来自各个方面，在面对庞大而复杂的大数据，选择一个合适的处理工具显得很有必要，几款好用的处理工具如Hadoop、HPCC、Storm、Apache Drill、RapidMiner和Pentaho BI。工欲善其事，必须利其器，一个好的工具不仅可以使我们的工作事半功倍，也可以让我们在竞争日益激烈的云计算时代，挖掘大数据价值，及时调整战略方向。大数据的应用：大数据可应用于各行各业，将人们收集到的庞大数据进行分析整理，实现资讯的有效利用。营销: 主要用于管理和优化各种营销活动，如交叉销售、追加销售以及基于位置的一对一营销，并及时对客户需求进行完整评估等。财政: 使用大数据技术可以预防欺诈检查、进行风险估计和管理、贸易监视、反洗钱、防止信贷风险等。保险: 为规避风险，防止欺诈行为，由大数据分析师及时分析调整工作负荷，客户价值等。零售: 1、分析商品 2、供应链管理分析 3、优化消费通讯: 推进网络优化规划，满足不同客户需求，研发并推出新产品。分析引擎:提供连接器，处理数据库。支持大数据分析法：面对庞杂而复杂的数据，必须有许多有效的解决方案，普通分析和高级分析都可以轻松提供集成，集中分析数据，在一个单一的平台上，满足分析引擎对营销方案的需求。电子表格工具： ODBC连接器将客户与Microsoft Excel连接在一起，利用精湛的分析工具如Qlik，MicroStrategy，TIBCO、Jaspersoft，Tableau等，在ODBC/REST APIS的帮助下，将协调R统计编程语言添加到金属板。 CRM和在线营销方案: Salesforce.com提供的著名的CRM和在线营销解决方案适合处理业务，并及时提供必要的网络分析对策。大数据的意义和前景：总的来说，大数据是对大量、动态、能持续的数据，通过运用新系统、新工具、新模型进行挖掘，从而获得具有洞察力和新价值的东西。以前，面对庞大的数据，我们可能会一叶障目、可见一斑，因此不能了解到事物的真正本质，从而在科学工作中得到错误的推断，而大数据时代的来临，一切真相将会展现在人们面前。本文转自d1net（转载）

2017-07-10

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。

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。