最小二乘问题详解：目录
本系列文章系统性地讲解了从最小二乘法的数学原理到增量式SFM三维重建系统的完整知识体系，涵盖了线性与非线性求解、多视图几何建模以及工程实践中的鲁棒优化等核心内容。 ...
12. LangChain 6大核心调用方法：invoke/stream/batch同步异步全解析，新手也能轻松学会
做 AI 应用开发的朋友都有体会，不同业务场景对大模型的调用方式，要求天差地别。为了适配各类开发需求，帮大家省去重复造轮子的麻烦，LangChain 针对大模型对话交互，封装了 6 种核心调用模式，几乎覆盖了绝大多数开发场景。 invoke/ainvoke 是单次调用、一次性返回全部结果，前者同步会 ...
Tomcat Container的管道机制：责任链模式
内容引入 承接上文Engine的设计，从以下几个方面，我将向你解释为什么要理解Tomcat中管道机制，它要解决什么问题？ Tomcat总计架构图中Pipeline和Vavle 我们在上文Engine中有一块Pipline没有解释： 为什么Tomcat要引入Pipline呢？它要解决什么问题呢？ 下文 ...
transformer进阶之路：#2 工作原理详解
原文： 欢迎关注公众h: AI-Frontiers transformer往期文章推荐 收藏! transformer学习资源汇总 transformer进阶之路：#1 整体概述 这是Transformer系列文章的第二篇。在第一篇中 transformer进阶之路：#1 整体概述 中，我们了解了 ...
.NET生态系统中的A2A（Agent-to-Agent）协议支持与跨平台多智能体协同
本文将深入剖析A2A v1.0协议的核心规范设计，并详尽解析上述三大.NET核心框架在实现A2A协议时的技术路径、多态架构演变及其对企业级AI系统设计的深远影响。 ...
Cilium VXLAN 模式使用说明
模式介绍 项目文档：https://docs.cilium.io/en/stable/network/concepts/routing/#encapsulation VXLAN 模式对底层网络基础设施的要求最。在此模式下，所有集群节点通过基于 UDP 的封装协议（VXLAN 或 Geneve）建立起 ...
【GUI-Agent】阿里通义MAI-UI 代码阅读（1）--- 总体
【GUI-Agent】阿里通义MAI-UI 代码阅读（1） 总体 目录【GUI-Agent】阿里通义MAI-UI 代码阅读（1） 总体0x00 摘要0x01 特色1.1 端云协同1.2 应对挑战1.3 核心Agent1.4 整体架构图1.5 评测流程图0x02 MCP在MAI-UI中的作用2.1 M ...
最小二乘问题详解22：抗差估计与增量式SFM的工程稳健实现
本文深入探讨了增量式SFM（运动恢复结构）系统在工程实践中如何应对数据外点（Outliers）的挑战，通过引入抗差估计（Robust Estimation）理论，详细阐述了从初始化、迭代注册到全局优化的全流程鲁棒性改进方案，并验证了其在含噪仿真数据中的有效性。 ...
[golang编码小技巧]对数组元素赋值时，先赋值尾部再赋值头部就会变快
作者:张富春(ahfuzhang)，转载时请注明作者和引用链接，谢谢！ cnblogs博客 zhihu Github 公众号:一本正经的瞎扯 最近看到一个非常棒的 protobuf 的库：github.com/planetscale/vtprotobuf 其性能非常强悍，我自己写的版本始终没干过它。 ...
从 305 GB 到 7.4 GB：大模型 KVCache 架构演进全景
本文已于 2026.05.06 发表于公众号和知乎。 五一本打算更新一年前写的开源引擎 KVCache 实现文档，但梳理下来发现，光是 KVCache 演进的理论部分就已足够撑起一篇独立文章。在 Agent 改变搜索习惯、重塑软件行业的今天，多轮交互带来的长上下文让 KVCache 持续膨胀，显存瓶 ...
给 AI 用的代码索引器
产品视角：为什么你需要一个“给 AI 用的代码索引器” 在 AI 辅助开发越来越普及的今天，一个高频痛点是：AI 不理解你的项目上下文。 每次让 AI 帮你改代码、写功能、排问题时，你都要花时间解释项目结构、模块关系、业务边界。如果代码库较大，这种“解释成本”会越来越高。 于是我做了一个工具：fil ...
11、（ByteArrayInputStream和DataInputStream的源码分析和使用方法详细分析前言）UTF-8 编码规则
UTF-8（Unicode Transformation Format-8-bit）是一种针对 Unicode 的可变长度字符编码，通过 1 至 4 个字节表示一个字符，完美兼容 ASCII 编码，同时支持全球所有语言的字符（包括中文、日文、韩文、阿拉伯语等）。其核心设计思想是通过首字节的标识符确定 ...
深度学习进阶（十八）坐标注意力 CA
上一篇我们介绍了 ECA，它用一维卷积替代了 SE 中的 MLP bottleneck，用更少的参数实现了更好的通道注意力。 但实际上，这套框架里还有别的优化空间： 在前面的内容里，无论是 SE 、 CBAM 还是 ECA ，它们的通道注意力子模块第一步都是 全局平均池化（CBAM 额外加入了最大池 ...
记一次 .NET 某智慧工厂视觉程序 崩溃分析
一：背景 1. 讲故事 好久没有写文章了，除了家里的小宝宝要照护，还有一个就是卷英语的听说去了，虽有些时段未更新，但这个 .NET高级调试之旅 肯定不会断的，感谢大家的期盼，接下来开始分享吧。 前些天有位朋友找到我，说它们的视觉程序崩溃了，让我帮忙看下怎么回事？虽然给同行们分析没有那么频了，但该出手 ...
从被动响应到主动自愈：IT运维智能体自主诊断与修复平台建设探讨
近年来，随着大数据、人工智能等新一代信息技术的快速发展，推动数字技术与实体经济深度融合已成为产业转型升级的必然选择。2024年，“人工智能+”行动首次被写入政府工作报告，2025年政府工作报告提出持续推进“人工智能+”行动。2026年4月，工业和信息化部进一步明确，将开展“人工智能+软件”专项行动， ...
SQLServer RAG笔记5：为SQLServer 2025配置Ollama
在第三篇笔记中，我们结合Python代码，通过Ollama的嵌入模型，实现了为SQLServer 2025向量数据库生成向量值。从SQLServer 2025开始，是支持直接把大模型作为EXTERNAL MODEL的。此篇将介绍如何配置Ollama里的嵌入模型作为SQLServer 2025的EXT... ...
侧边栏主题切换高级动效实战（Vue2/Element UI 可复用版）
侧边栏主题切换高级动效实战（Vue2/Element UI 可复用版） 1. 效果目标 这套方案解决的是“主题切换僵硬”的常见问题，让用户点击主题色后看到更丝滑、更高级的视觉反馈： 支持点击位置触发的圆形揭幕动画（View Transition）。 不支持新 API 的浏览器自动降级，不会出现功能中 ...
线性注意力机制学习笔记
混合注意力学习(1): 线性注意力 目录混合注意力学习(1): 线性注意力Prefill、Decode与KVCache混合注意力架构线性注意力Transformers 就是 RNNs[4]Fast Weight Programmers与DeltaNet[9]Gated DeltaNet[11]线性注 ...
如何使用 GitHub Actions 构建多平台的 code-server 与 OmniRoute
如何使用 GitHub Actions 构建多平台的 code-server 与 OmniRoute 面对需要在 Linux、macOS 和 Windows 三个平台构建并统一发布的需求，我们设计了一套基于 GitHub Actions 的多平台 CI/CD 流水线。其实这事儿说难也不难，只是踩坑的 ...
