从零学习Kafka：调优

博主头像 在这个系列的结尾篇，我们来聊一下 Kafka 有哪些调优策略。 调优目标 在开始之前，我们先明确一下调优的目标：对 Kafka 来说，通常是在高吞吐、低延迟、高可靠这三点之间找到一个平衡。 吞吐量就是 TPS，指的是 Broker 端进程或者 Client 端程序每秒能处理的字节数或消息数。这个值是 ...

Web3D之地磅称重系统

Web3D 地磅称重系统｜工业元宇宙定制开发，重构智能过磅新体验 演示地址：http://www.byzt.net:70/bcxt/ 在矿山、化工、物流、港口等大宗物资流通领域，地磅称重是贸易结算、库存管控、成本核算的核心环节。传统地磅系统长期陷入数据不直观、监管有盲区、培训成本高、作弊难防范 ...

Dddify：给 ASP.NET Core 项目一套轻量、清晰、可落地的 DDD 基础设施

博主头像 简介 在 .NET 项目里实践 DDD，最难的往往不是写一个聚合根，也不是引入 EF Core，而是把领域模型、应用编排、持久化、验证、事务、异常响应这些东西自然地接起来。 太轻了，团队会反复写样板代码；太重了，又容易被框架本身的约定和模块体系牵着走。 Dddify 想解决的正是这个中间地带：它不是 ...

【华为昇腾910B】在AI大模型推理速度与GPU显卡选择

博主头像 【华为昇腾910B】在AI大模型推理速度与GPU显卡选择中地位 最近很多朋友在部署AI大模型时遇到一个常见问题：明明算力够用，推理却慢得让人崩溃。输入一段话，等半天才能看到回复。问题出在哪？很多人第一反应是"算力不够"，但实际上AI大模型推理的性能瓶颈往往不在算力，而在带宽。 AI大模型推理为什么这 ...

C# 实现 Word 文档文本批量替换 （动态填充）

博主头像 在各类企业级应用中，程序化修改 Word 文档是一个高频需求——批量更新合同模板中的占位符、动态生成个性化的报告与报价单、统一标准化文档中的术语表述等。实现这类需求的核心技术挑战在于：Word 文档采用复杂的内置结构存储文本与格式，简单的字符串操作极易破坏文档的格式完整性，导致输出结果无法满足正式应 ...

给Code Agent加约束：从AGENTS.md开始

博主头像 上一篇文章(链接)里，我们讨论了一个判断：AI Coding 时代，真正变便宜的不是软件本身，而是代码文本的生成成本。Agent 可以很快写出路由、服务、数据访问和测试样例，但代码能不能长期可信、可维护、可演进，依然取决于另一套东西：架构判断、模块边界、接口契约、不变量表达、测试体系，以及团队长期形 ...

7.1、传输层的可靠数据传输

博主头像 传输层协议为运行在不同主机上的进程提供了一种逻辑通信的机制。发送方在传输层会将应用递交的消息分成一个或多个的Segment，并向下传给网络层，接收方在传输层会将接收到的Segment组装成消息，并向上交给应用层。传输层还可以为应用层提供多种协议，如TCP协议和UDP协议。 与网络层提供的主机之间的逻 ...

我用AI做的3/100件事之废旧手机变英语磨耳朵神器

博主头像 一、前言 自从娃上了二年级，英语越来越难，上学期期末直接拿C，娃有挫败感，我也难受。这学期报了补习班，老师就一个要求，要创造好的学习环境，建议买个复读机，没事就在家放，就放课本里的音频，循环放，反复听，俗称磨耳朵。 二、考察 为了完成老师的指示，我考察了各种播放器，有平板、MP3、毛毛虫等等，各有各 ...

Solon Flow 实战：用 50 行 YAML 实现一个请假审批流（含中断恢复、并行网关、条件分支）

博主头像 本文介绍了Solon Flow框架在Java流程编排中的应用，以请假审批流为例展示了其核心功能。Solon Flow通过YAML或Java API描述流程逻辑，无需外部依赖即可实现复杂工作流。文章首先说明了流程编排的必要性，然后通过5分钟快速入门演示了基础用法，详细讲解了7种节点类型、流程引擎和上下... ...

.NET如何实现向量语义分析

一、概述 这段时间一直在做插件平台，组件插件化，还有AI Agent组件插件，还扩展支持ai 知识库，向量语义分析，还研究了语言大模型、向量大模型，还有什么归一化，点积，余弦相似度等语义算法分析匹配，之前一直用llamasharp，然后用LLamaEmbedder 做向量语义分析，但是发现匹配不准确 ...

AI 相关概念之（基础层级）：机器学习、神经网络、深度学习

博主头像 〇、前言 在当前这个 AI 技术大爆发的时期，各行各业都在努力发展能够提升自身工作效率的技术，学习 AI 操作之前需先了解各个重要的概念，打牢基础，要对 AI全局有一个清晰的认识，才能事半功倍。因此才有了此系列文章。 本文将主要介绍三个概念：机器学习、神经网络、深度学习，以及三者之间的关系，供参考。 ...

Cursor 里开发一个“一个后端 + 多个前端”项目的时候，推荐的项目目录结构组织方式

博主头像 如果你是在 Cursor 里开发一个“一个后端 + 多个前端”的项目，比较推荐采用 Monorepo（单仓库） 结构。这样对于 AI 辅助编码、跨项目联调、共享类型定义、统一脚本管理都会非常友好。 通过整合多个前端和后端在一个Cursor窗口中进行联动开发，效率提高不说，而且AI的精准度也会根据上下... ...

GitHub Actions 在小型网站的最佳实践

博主头像 GitHub Actions 实践指南：从零到部署 ishwe 基于 eshwe 项目的真实部署经历，记录从零配置 CI/CD 的完整过程，包括原理讲解、踩坑记录和解决方案。 目录 什么是 GitHub Actions 核心概念 ishwe 的 CI/CD 架构 从零开始配置 踩坑记录与解决方案 G ...

从零学习Kafka：消费者组重平衡

博主头像 本文我们一起来学习消费者组重平衡相关的知识。 写在前面 先解决前面留下的问题：如果生产者已经发送了大量消息，但在最后提交之前突然宕机，事务协调器会如何处理这个未完成的事务呢？ 答案是自动终止，事务协调器如果在一段时间内没有收到生产者的任何消息或者提交事务的请求，会利用 __transaction_s ...

18. LangChain输出解析器实战：从大模型输出到结构化数据的转化

博主头像 在实际开发AI应用时，我们常会遇到一个很实际的问题：大模型的输出大多是自然语言文本，但我们搭建的应用程序，往往只能处理字符串、JSON、列表这类结构化数据。两者格式不匹配，就会导致大模型的输出无法直接被应用调用，而LangChain内置的输出解析器，正是为了解决这个痛点而生的。视频看这里《18. 动 ...

Rollup 官方插件 @rollup/plugin-inject 详解

博主头像 @rollup/plugin-inject是rollup官方自带的一个插件，是对标webpack中ProvidePlugin的存在。inject插件功能实用，源码也很值得阅读。今天我就为大家详解inject插件的使用。 一句话概括插件是干嘛的？ @rollup/plugin-inject 会通过语法 ...

用 FFT 和 NTT 解决多项式乘法

博主头像 多项式乘法是一个很常见重要的问题。给两个多项式 \[A(x)=\sum_{i=0}^{n-1}a_i x^i,\qquad B(x)=\sum_{j=0}^{m-1}b_j x^j \]那么它们的乘积 \(C(x)=A(x)B(x)\) 的第 \(k\) 项系数是 \[c_k=\sum_{i+j=k ...

123···100>