面向业务开发的 Coze 使用指南 | 掘金一周 4.4

本文字数2700+ ,阅读时间大约需要 8分钟。

【掘金一周】本期亮点:

「上榜规则」:文章发布时间在本期「掘金一周」发布时间的前一周内;且符合各个栏目的内容定位和要求。 如发现文章有抄袭、洗稿等违反社区规则的行为,将取消当期及后续上榜资格。

一周"金"选

内容评审们会在过去的一周内对社区深度技术好文进行挖掘和筛选,优质的技术文章有机会出现在下方榜单中,排名不分先后。

前端

领导问我:为什么一个点赞功能你做了五天?@可乐鸡翅kele

本文从需求分析考虑、然后研究网上的方案并学习前置知识,再是一些环境的安装,最后才是前后端代码的实现,完成在文章列表页与文章详情页看到该文章的点赞总数,以及当前登录的用户有没有对该文章点赞,即用户与文章的点赞关系。

解锁前端难题:亲手实现一个图片标注工具 @ 颜海镜

在本文中,我们一步一步地实现了一个功能丰富的图片标注工具。从最基本的图片渲染到复杂的标注编辑功能,包括缩放、移动、添加标注、选择标注、移动标注、修改标注尺寸、以及标注旋转等,涵盖了图片标注工具的核心功能。

编辑器升级反引众怒😤:撤销/恢复功能的性能危机到底怎么了? @前端大骆

这篇文章深入探讨了在线编辑器升级中恢复/恢复功能的性能问题,并提出了使用双向链表来重新设计数据结构的解决方案。

后端

(三)漫谈分布式之集群篇:探寻N个9高可用与PB级数据存储的实现原理!@竹子爱熊猫

这篇文章深入探讨了集群的概念、分类和实现原理,主要介绍了逻辑处理型集群和存储型集群,为读者提供了全面的集群知识体系。

队列托管 - 如果为mq消费者加一层代理会怎么样? @37手游后端团队

在这篇分享中,我们探讨了消息队列在分布式系统中的重要性以及常见的使用方式。通过引入队列托管这一新的解决方案,我们成功地解耦了业务服务和消息队列的关系,提高了系统的灵活性和可维护性。

Scala:构建可与外部交互的 monadic 流式处理指令集 @花花子

本文作者要带大家做的事就是为代数式接口赋予与外界交互的语义,带大家理解构建可与外部交互的 monadic 流式处理指令集

还在为 Go 中繁琐 if-else 逻辑的烦恼? 那就用 vowlink 来解决 @路口IT大叔_KUMA

vowlink 是一个轻量级的库,用于对函数进行逻辑控制。它的设计简单、易用且高效,使得开发人员能够以较低的学习成本快速上手;通过使用 vowlink,我们能够标准化重试操作,并实现逻辑代码的多处复用。这大大减少了重复编写代码的时间,提高了开发质量。使用 vowlink,整个项目的代码看起来更加清爽、简洁而不简单。

什么!服务器内存又双叒叕打满了!@转转技术团队

面对内存使用率的异常,我们不仅要关注即时的解决方案,还需要考虑如何从根本上避免此类问题的再次发生。如使用优化数据结构、减少不必要的计算、采用懒加载等策略,以及建立细致的内存监控体系等。性能优化不应该仅仅是面对问题时的临时行动,而应该成为开发文化的一部分。

Android

Android Perfetto 系列 2:Perfetto Trace 抓取 @Gracker

这篇文章简单介绍一下使用 Perfetto 抓取 Trace 文件的方法,个人比较推荐使用命令行来抓取,不管是自己配置的命令行还是官方的命令行抓取工具,都非常实用。

PLT Hook从入门到实战 @helson赵子健

PLT Hook是Android进阶必须掌握的技术之一,该技术在性能优化上有着广泛的应用,笔者这里以Native 内存泄漏检测,来带大家掌握PLT Hook技术。

IOS

2024 Flutter iOS 隐私清单上线,5 月 1 号最后期限,你收到 「ITMS-91053」 了吗? @恋猫de小郭

本文主要文章涉及了Flutter在iOS隐私清单上线的相关内容,并提供了对应的解释以及一些解决方案相关的技术讨论和建议。

人工智能

面向业务开发的 Coze 使用指南 @YFR718

文章总结了Coze平台的优势、使用方式以及进阶应用,同时也提供了对相关产品的对比和使用建议。

人工智能机器学习算法总结--2.逻辑回归算法 @Honker_king24

本文详实地介绍了逻辑回归算法的基本概念、结构和应用。

百亿大规模图在广告场景的应用 @美团技术团队

本文通过搜索推荐项目进行外卖搜索广告弱供给填充,提高流量变现效率。我们提出外卖多场景异构大图、异构大图在线建模技术演进路线,解决外卖搜索推荐业务多渠道、即时化的挑战。相关成果发表CIKM2023会议一篇。联合机器学习平台搭建大规模图训练、在线推理引擎GraphET,满足近百亿边规模、复杂图结构的多个业务落地。

AI教程:从黑白照片到彩色视频@TF男孩

本文作者将利用AI技术,给大家复原济南的金山寺;作者详细介绍了两种技术的运用:超分辨率处理和自动上色。

大模型应用开发之业务架构和技术架构(从AI Embedded 到 Copilot,再到Agent) @代码邮递员

本文我们重点讲的就是伴随着大模型的广泛应用,这些概念是在什么体系和场景下衍生的;换句话说,基于LLM,目前大家在做的应用,他主流的业务架构和技术架构都是什么样子的,我们在了解之后,可以根据依据我们现实的业务需求,来选择自己的技术路线。

剑桥团队开源:赋能多模态大模型RAG应用,首个预训练通用多模态后期交互知识检索器@机器之心

近期,剑桥大学信息工程系人工智能实验室****完整开源了首个预训练、通用多模态后期交互知识检索器 PreFLMR (Pre-trained Fine-grained Late-interaction Multi-modal Retriever)。经过在 M2KR 上的百万级数据预训练,PreFLMR 在多项检索子任务中展现出强劲的表现。

LoRA 及其衍生技术总览:An Overview of the LoRA Family@Baihai_IDP

本文介绍了众多具有代表性的 LoRA 改进方法:LoRA+ 通过为两个矩阵引入不同的学习率提高训练效率;VeRA 和 LoRA-FA 通过训练更少的参数降低计算量;LoRA-drop 和 AdaLoRA 通过动态选择需要训练的层提高效率;DoRA通过将权重分解为权重方向和权重绝对值这两个独立的部分提高模型性能;Delta-LoRA则引入额外的梯度训练预训练矩阵,在几乎不增加计算开销的情况下引入更多可训练参数。

遗传算法在动态定价领域中的应用@货拉拉技术

遗传算法作为一种模拟自然选择的全局优化技术,已在多个领域展现独特优势。本文提出一种新的解决方案,旨在探讨遗传算法如何和因果推断算法相结合,优化货运价格策略,通过模拟自然选择过程找到最优解,增强企业市场竞争力和盈利能力。本文将分析其在价格决策中的应用,并讨论实际操作的可行性与挑战,为企业在竞争中保持领先提供新的解决视角和方案。

大模型参数高效微调综述和多模态论文浅见@Stanlei

本文从参数方法类型、是否存储和内存、以及在减少反向高效传播和推理开销的计算五个维度比较了高效参数方法;以及对多模态论文的一些看法。

📖 投稿专区

大家可以在评论区推荐认为不错的文章,并附上链接和推荐理由,有机会登上下一期。文章创建日期必须在下期掘金一周发布前一周以内;可以推荐自己的文章、也可以推荐他人的文章。

相关推荐
阿珊和她的猫23 分钟前
v-scale-scree: 根据屏幕尺寸缩放内容
开发语言·前端·javascript
Moshow郑锴3 小时前
人工智能中的(特征选择)数据过滤方法和包裹方法
人工智能
TY-20254 小时前
【CV 目标检测】Fast RCNN模型①——与R-CNN区别
人工智能·目标检测·目标跟踪·cnn
uzong4 小时前
技术故障复盘模版
后端
GetcharZp4 小时前
基于 Dify + 通义千问的多模态大模型 搭建发票识别 Agent
后端·llm·agent
加班是不可能的,除非双倍日工资5 小时前
css预编译器实现星空背景图
前端·css·vue3
桦说编程5 小时前
Java 中如何创建不可变类型
java·后端·函数式编程
IT毕设实战小研5 小时前
基于Spring Boot 4s店车辆管理系统 租车管理系统 停车位管理系统 智慧车辆管理系统
java·开发语言·spring boot·后端·spring·毕业设计·课程设计
CareyWYR5 小时前
苹果芯片Mac使用Docker部署MinerU api服务
人工智能
失散135 小时前
自然语言处理——02 文本预处理(下)
人工智能·自然语言处理