基于大模型的智能读报助手

Livingbody2026-01-03 20:38

一、《人民日报》工具箱简介

这是一个用于人民日报PDF完整工作流程的Python工具集，支持从网站下载、文本提取到AI智能分析的全流程处理。

1.🎯 功能特性

1.1📥 PDF下载功能

  • 🌐 自动从人民日报官网下载指定日期的PDF版报纸
  • 📄 自动检测报纸版面数量（通常8-16版）
  • 🔄 智能合并多个版面为一个完整的PDF文件
  • ⏰ 支持指定日期下载和批量下载

1.2📖 PDF文本提取

  • 🔍 使用PyPDF2库精确提取PDF文件中的文本内容
  • 📝 处理各种PDF格式和编码
  • 🛡️ 容错处理，防止提取失败影响整体流程

1.3🤖 AI智能分析

  • 🧠 基于大语言模型对人民日报内容进行深度分析
  • 📊 自动分类识别：重大事件、评论文章、金句典故、优秀词组
  • 📋 生成结构化的Markdown格式分析报告
  • 💡 支持流式输出，实时显示分析过程

2.🎯 扩展用例

  • 🧠 手机端定时爬取《人民日报》，如每天早晨7:00爬取当日《人民日报》
  • 📊 自动分析当日报纸精华，并存入obsidian笔记

3.🏗️ 项目结构

bash 复制代码 
xx/
├── rmrb_down.py              # 人民日报PDF下载工具
├── readpdf.py                # PDF文本提取工具  
├── note_for_rmrb.py          # 人民日报AI智能分析工具
├── requirements.txt          # 项目依赖列表
├── README.md                # 项目说明文档
└── storage/
    └── downloads/
        └── rmrb/            # 下载的PDF文件存储目录
            └── rmrb_YYYY-MM-DD.pdf
└── 人民日报_YYYY-MM-DD.md    # AI分析结果输出文件

二、安装说明

1. 环境准备

bash 复制代码 
# 确保Python版本 >= 3.7
python --version

2. 克隆项目

bash 复制代码 
git clone https://github.com/livingbody/People_Daily_Toolkit
cd People_Daily_Toolkit

3. 安装依赖

bash 复制代码 
pip install -r requirements.txt

依赖库列表：

  • requests==2.31.0 - HTTP请求库，用于网页抓取
  • beautifulsoup4==4.12.2 - HTML解析库，用于网页内容解析
  • PyPDF2==3.0.1 - PDF处理库，用于文件读取和合并
  • openai==1.58.1 - OpenAI API库，用于大模型调用
python 复制代码 
!git clone https://github.com/livingbody/People_Daily_Toolkit
!pip install -r People_Daily_Toolkit/requirements.txt

三、使用方法

1.报纸PDF下载

python 复制代码 
# 本项目用于从人民日报网站下载指定日期的PDF版报纸，并将多个版面合并为一个完整的PDF文件
# 作者: livingbody
# pip install requests beautifulsoup4 PyPDF2

import os
import requests
from bs4 import BeautifulSoup
import PyPDF2
import time
from datetime import date, datetime, timedelta
import re


def get_page_count(url):
    """
    获取报纸的总版面数
    
    参数:
        url: 报纸版面目录页的URL
    
    返回值:
        int: 总版面数
    """
    try:
        response = requests.get(url, timeout=10)
        response.encoding = 'utf-8'
        soup = BeautifulSoup(response.text, 'html.parser')
        
        # 查找所有版面链接
        page_links = soup.find_all('a', href=lambda x: x and 'node_' in x and '.html' in x)
        
        # 提取版面编号并找到最大的编号
        max_page = 0
        for link in page_links:
            match = re.search(r'node_(\d+)\.html', link.get('href'))
            if match:
                page_num = int(match.group(1))
                max_page = max(max_page, page_num)
                
        return max_page
    except Exception as e:
        print(f"获取版面数量失败: {e}")
        return 8  # 默认返回8版


def get_pdf_urls(base_url, date_str):
    """
    获取所有版面的PDF文件URL
    
    参数:
        base_url: 人民日报网站的基础URL
        date_str: 日期字符串，格式为'YYYY-MM-DD'
    
    返回值:
        list: PDF文件URL列表
    """
    year, month, day = date_str.split('-')
    
    # 构建版面目录页URL
    catalog_url = f"{base_url}/rmrb/pc/layout/{year}{month}/{day}/node_01.html"
    
    # 获取版面数量
    page_count = get_page_count(catalog_url)
    print(f"发现 {page_count} 个版面")
    
    pdf_urls = []
    
    # 遍历所有版面
    for i in range(1, page_count + 1):
        # 构建当前版面的URL
        page_url = f"{base_url}/rmrb/pc/layout/{year}{month}/{day}/node_{i:02d}.html"
        
        try:
            response = requests.get(page_url, timeout=10)
            response.encoding = 'utf-8'
            soup = BeautifulSoup(response.text, 'html.parser')
            
            # 查找PDF链接
            pdf_link = soup.find('a', href=lambda x: x and x.endswith('.pdf'))
            
            if pdf_link:
                pdf_href = pdf_link.get('href')
                # 如果是相对URL，则构建绝对URL
                if not pdf_href.startswith('http'):
                    if pdf_href.startswith('/'):
                        pdf_href = base_url + pdf_href
                    else:
                        pdf_href = f"{base_url}/rmrb/pc/layout/{year}{month}/{day}/{pdf_href}"
                
                pdf_urls.append(pdf_href)
                print(f"找到版面 {i} 的PDF链接: {pdf_href}")
            else:
                print(f"未找到版面 {i} 的PDF链接")
        except Exception as e:
            print(f"获取版面 {i} 的PDF链接失败: {e}")
            
    return pdf_urls


def download_pdfs(pdf_urls, date_str):
    """
    下载所有PDF文件
    
    参数:
        pdf_urls: PDF文件URL列表
        date_str: 日期字符串，用于命名下载的文件
    
    返回值:
        list: 下载的PDF文件路径列表
    """
    downloaded_files = []
    
    # 创建临时目录存储下载的文件
    temp_dir = f"temp_pdfs_{date_str}"
    if not os.path.exists(temp_dir):
        os.makedirs(temp_dir)
    
    # 下载每个PDF文件
    for i, pdf_url in enumerate(pdf_urls):
        try:
            # 构建保存的文件名
            file_name = f"{temp_dir}/rmrb_{date_str}_{i+1:02d}.pdf"
            
            # 下载文件
            print(f"开始下载版面 {i+1} 的PDF文件...")
            response = requests.get(pdf_url, timeout=30)
            
            # 保存文件
            with open(file_name, 'wb') as f:
                f.write(response.content)
            
            downloaded_files.append(file_name)
            print(f"版面 {i+1} 的PDF文件下载完成: {file_name}")
            
            # 添加下载间隔，避免请求过于频繁
            time.sleep(1)
        except Exception as e:
            print(f"下载版面 {i+1} 的PDF文件失败: {e}")
    
    return downloaded_files


def merge_pdfs(pdf_files, output_file):
    """
    合并多个PDF文件为一个
    
    参数:
        pdf_files: 要合并的PDF文件路径列表
        output_file: 合并后的输出文件路径
    
    返回值:
        bool: 合并是否成功
    """
    try:
        pdf_writer = PyPDF2.PdfWriter()
        
        # 遍历每个PDF文件
        for pdf_file in pdf_files:
            try:
                pdf_reader = PyPDF2.PdfReader(pdf_file, strict=False)
                
                # 添加每一页到写入器
                for page_num in range(len(pdf_reader.pages)):
                    pdf_writer.add_page(pdf_reader.pages[page_num])
            except Exception as e:
                print(f"读取文件 {pdf_file} 失败: {e}")
        
        # 写入合并后的文件
        with open(output_file, 'wb') as out:
            pdf_writer.write(out)
        
        print(f"PDF文件合并完成: {output_file}")
        return True
    except Exception as e:
        print(f"PDF文件合并失败: {e}")
        return False


def clean_temp_files(temp_files):
    """
    清理临时文件
    
    参数:
        temp_files: 临时文件路径列表
    """
    for file in temp_files:
        try:
            os.remove(file)
        except Exception as e:
            print(f"删除临时文件 {file} 失败: {e}")
    
    # 尝试删除临时目录
    if temp_files:
        temp_dir = os.path.dirname(temp_files[0])
        try:
            os.rmdir(temp_dir)
        except Exception as e:
            print(f"删除临时目录 {temp_dir} 失败: {e}")


def download_rmrb_pdf(date_str=None, base_url="https://paper.people.com.cn"):
    """
    下载指定日期的人民日报PDF并合并
    
    参数:
        date_str: 日期字符串，格式为'YYYY-MM-DD'，默认为当天
        base_url: 人民日报网站的基础URL
    
    返回值:
        str: 合并后的PDF文件路径，如果失败则返回None
    """
    # 如果未指定日期，则使用当天日期
    if date_str is None:
        date_str = datetime.now().strftime('%Y-%m-%d')
    
    print(f"开始下载 {date_str} 的人民日报PDF...")
    
    # 获取所有版面的PDF链接
    pdf_urls = get_pdf_urls(base_url, date_str)
    
    if not pdf_urls:
        print("未找到任何PDF链接，下载失败")
        return None
    
    # 下载PDF文件
    downloaded_files = download_pdfs(pdf_urls, date_str)
    
    if not downloaded_files:
        print("所有PDF文件下载失败")
        return None
    
    # 构建输出文件名
    output_file = f"rmrb_{date_str}.pdf"
    
    # 合并PDF文件
    if merge_pdfs(downloaded_files, output_file):
        # 清理临时文件
        clean_temp_files(downloaded_files)
        print(f"人民日报 {date_str} PDF下载和合并完成！")
        return output_file
    else:
        # 即使合并失败，也清理临时文件
        clean_temp_files(downloaded_files)
        return None
python 复制代码 
if __name__ == "__main__":
    # 示例用法：下载当天的人民日报PDF
    # 如果需要下载特定日期的报纸，可以传入日期参数，例如：download_rmrb_pdf('2025-09-29')
    # 如果未指定日期，则使用当天日期
    today=datetime.now()
    download_rmrb_pdf()
bash 复制代码 
开始下载 2026-01-03 的人民日报PDF...
发现 8 个版面
找到版面 1 的PDF链接: https://paper.people.com.cn/rmrb/pc/layout/202601/03/../../../attachement/202601/03/a34b8d91-e465-4b84-9c08-c07900f5d536.pdf
找到版面 2 的PDF链接: https://paper.people.com.cn/rmrb/pc/layout/202601/03/../../../attachement/202601/03/dee045f0-a680-450a-933d-03b6b038ee3d.pdf
找到版面 3 的PDF链接: https://paper.people.com.cn/rmrb/pc/layout/202601/03/../../../attachement/202601/03/0c5046c0-6919-4194-931b-145f8e7fa90f.pdf
找到版面 4 的PDF链接: https://paper.people.com.cn/rmrb/pc/layout/202601/03/../../../attachement/202601/03/1c61519d-506a-4c83-925d-b9c79e7609f7.pdf
找到版面 5 的PDF链接: https://paper.people.com.cn/rmrb/pc/layout/202601/03/../../../attachement/202601/03/7a2392d1-d4fb-4b9d-93e3-28ed039d1de3.pdf
找到版面 6 的PDF链接: https://paper.people.com.cn/rmrb/pc/layout/202601/03/../../../attachement/202601/03/32f4a6e9-3959-411a-bcaf-ebf638a7239c.pdf
找到版面 7 的PDF链接: https://paper.people.com.cn/rmrb/pc/layout/202601/03/../../../attachement/202601/03/a864bc77-c935-4d50-b3ce-5e9eb8ba2fc2.pdf
找到版面 8 的PDF链接: https://paper.people.com.cn/rmrb/pc/layout/202601/03/../../../attachement/202601/03/1c86d66b-66c3-4633-9b78-0c85e34d23a8.pdf
开始下载版面 1 的PDF文件...
版面 1 的PDF文件下载完成: temp_pdfs_2026-01-03/rmrb_2026-01-03_01.pdf
开始下载版面 2 的PDF文件...
版面 2 的PDF文件下载完成: temp_pdfs_2026-01-03/rmrb_2026-01-03_02.pdf
开始下载版面 3 的PDF文件...
版面 3 的PDF文件下载完成: temp_pdfs_2026-01-03/rmrb_2026-01-03_03.pdf
开始下载版面 4 的PDF文件...
版面 4 的PDF文件下载完成: temp_pdfs_2026-01-03/rmrb_2026-01-03_04.pdf
开始下载版面 5 的PDF文件...
版面 5 的PDF文件下载完成: temp_pdfs_2026-01-03/rmrb_2026-01-03_05.pdf
开始下载版面 6 的PDF文件...
版面 6 的PDF文件下载完成: temp_pdfs_2026-01-03/rmrb_2026-01-03_06.pdf
开始下载版面 7 的PDF文件...
版面 7 的PDF文件下载完成: temp_pdfs_2026-01-03/rmrb_2026-01-03_07.pdf
开始下载版面 8 的PDF文件...
版面 8 的PDF文件下载完成: temp_pdfs_2026-01-03/rmrb_2026-01-03_08.pdf

PDF文件合并完成: rmrb_2026-01-03.pdf
人民日报 2026-01-03 PDF下载和合并完成！

根据日志可见：

  • 按照版面依次下载pdf文件
  • 合并所有版面成报纸 另外保存目录等自己可以调整。

2.使用ERNIE大模型对《人民日报》进行智能分析

2.1 读取PDF

复制代码 
从PDF文件中提取文本内容， 使用PyPDF2库读取PDF文件，提取所有页面的文本内容，各页面文本用单换行符连接。

2.2 使用ERNIE大语言模型对文本内容进行智能分析

主要完成下列任务：

  • 1.报纸中出现的重大事件；
  • 2.评论员文章；
  • 3.金句、典故、古语；
  • 4.优秀词组、新词。
python 复制代码 
# -*- coding: utf-8 -*-
"""
人民日报PDF智能分析工具
=========================

这个模块提供了对人民日报PDF文件的智能分析功能，能够：
1. 自动提取PDF文本内容
2. 使用大语言模型进行智能分析
3. 生成结构化的分析报告

主要功能：
- 提取人民日报PDF文本
- AI智能分析识别重大事件、评论文章、金句典故、优秀词组
- 生成Markdown格式的分析报告
- 自动按日期命名输出文件

依赖库：
- PyPDF2: PDF文件读取
- OpenAI: 大模型API调用
- datetime: 日期时间处理

"""

from datetime import datetime
from openai import OpenAI
from PyPDF2 import PdfReader

# 获取当前日期字符串，用于文件名命名
date_str = datetime.now().strftime('%Y-%m-%d')


def read_pdf(pdf_path):
    """
    从PDF文件中提取文本内容
    
    使用PyPDF2库读取PDF文件，提取所有页面的文本内容，
    各页面文本用单换行符连接。
    
    Args:
        pdf_path (str): PDF文件的完整路径
        
    Returns:
        str: 从PDF中提取的文本内容，各页面之间用换行符分隔
        
    Note:
        这个函数与readpdf.py中的read_pdf函数类似，但连接符不同
        这里使用单换行符，适合后续的AI分析处理
    """
    # 创建PDF阅读器对象并读取文件
    reader = PdfReader(pdf_path)
    
    # 提取所有页面的文本内容
    # page.extract_text() 可能返回None，使用or ""处理空页面
    # 各页面文本用换行符连接，保持一定分隔但比双换行符更紧凑
    return "\n".join(page.extract_text() or "" for page in reader.pages)


def extract_info(content):
    """
    使用大语言模型对文本内容进行智能分析
    
    该函数调用百度AI Studio的ernie-4.5-turbo-vl模型，
    对输入的文本内容进行结构化分析，识别和分类各种信息。
    
    Args:
        content (str): 待分析的文本内容（通常是从PDF提取的报纸内容）
        
    Returns:
        str: AI分析生成的结构化文本内容
        
    Note:
        - 使用流式输出，实时显示AI思考过程和分析结果
        - 分析结果包含重大事件、评论文章、金句典故、优秀词组四个维度
        - 模型配置为低温度(0.2)以确保输出稳定性
    """
    # 初始化OpenAI客户端
    # 注意：API密钥应从环境变量或配置文件获取，避免硬编码
    client = OpenAI(
        # API密钥配置 - 生产环境中应使用环境变量xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
        api_key="生产环境中应使用环境变量xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
        # 百度AI Studio大模型API服务地址
        base_url="https://aistudio.baidu.com/llm/lmapi/v3",
    )

    # 创建聊天完成请求
    chat_completion = client.chat.completions.create(
        # 使用ernie-4.5-turbo-vl模型进行多模态分析
        model="ernie-4.5-turbo-vl",
        
        # 构建对话消息
        messages=[
            {
                "role": "system",
                "content": (
                    "该内容是报纸pdf识别的，内容连续性可能有问题，请你理顺后，"
                    "然后详尽完成下列任务，要详细，尽可能多："
                    "1.报纸中出现的重大事件；"
                    "2.评论员文章；"
                    "3.金句、典故、古语；"
                    "4.优秀词组、新词。"
                ),
            },
            {"role": "user", "content": content},
        ],
        
        # 启用流式输出，实时显示结果
        stream=True,
        
        # 额外的模型参数配置
        extra_body={
            "penalty_score": 1,      # 重复惩罚分数，控制内容重复度
            "enable_thinking": True  # 启用思考模式，提高分析质量
        },
        
        # 模型生成参数
        max_completion_tokens=12000,  # 最大输出token数，确保详细分析
        temperature=0.2,              # 温度参数，低温度保证输出稳定性
        top_p=0.8,                    # 核采样参数
        frequency_penalty=0,          # 频率惩罚，避免重复内容
        presence_penalty=0            # 存在惩罚，鼓励新话题
    )

    # 处理流式输出
    mycontent = ""
    for chunk in chat_completion:
        # 检查是否有有效的选择结果
        if not chunk.choices or len(chunk.choices) == 0:
            continue
            
        choice = chunk.choices[0]
        
        # 处理AI思考过程内容（如果启用思考模式）
        if hasattr(choice.delta, "reasoning_content") and choice.delta.reasoning_content:
            # 实时显示AI的思考过程
            print(choice.delta.reasoning_content, end="", flush=True)
            
        # 处理实际的分析内容
        elif hasattr(choice.delta, "content") and choice.delta.content:
            # 实时显示分析结果
            print(choice.delta.content, end="", flush=True)
            # 累积完整内容用于返回
            mycontent = mycontent + choice.delta.content
            
    # 返回完整的分析结果
    return mycontent


def main():
    """
    主函数 - 程序执行入口
    
    执行完整的PDF分析流程：
    1. 构建当日人民日报PDF文件名
    2. 读取PDF文本内容
    3. 使用AI进行智能分析
    4. 保存分析结果到Markdown文件
    """
    try:
        # 构建当日人民日报PDF文件名 (格式: rmrb_YYYY-MM-DD.pdf)
        rmrb_pdf_file = f"rmrb_{date_str}.pdf"
        print(f"正在读取PDF文件: {rmrb_pdf_file}")
        
        # 提取PDF文本内容
        content = read_pdf(rmrb_pdf_file)
        print(f"PDF文本提取完成，内容长度: {len(content)} 字符")
        
        # 使用AI进行智能分析
        print("\n开始AI分析...")
        markdown_note = extract_info(content)
        print("\nAI分析完成")
        
        # 重新获取日期字符串（确保文件名日期准确）
        current_date = datetime.now().strftime("%Y-%m-%d")
        output_filename = f"人民日报_{current_date}.md"
        
        # 保存分析结果到Markdown文件
        with open(output_filename, "w", encoding="utf-8") as file:
            print(markdown_note, file=file)
            
        print(f"\n分析结果已保存到: {output_filename}")
        
    except FileNotFoundError:
        print(f"错误: 找不到文件 '{rmrb_pdf_file}'")
        print("请确保当日的人民日报PDF文件存在且命名格式正确")
        
    except Exception as e:
        print(f"处理过程中发生错误: {str(e)}")
        print("请检查网络连接和API配置")
python 复制代码 
#开始对报纸内容分析

if __name__ == "__main__":
    main()

四、报纸摘要示例

一、报纸中出现的重大事件

  1. 经济数据发布

    • 2025年我国全年电影票房达518.32亿元，同比增长21.95%，国产影片占比79.67%。
    • 元旦假期首日（2026年1月1日）全国跨区域人员流动量超2亿人次，同比增长20.3%。

  2. 科技与能源成就

    • "华龙一号"漳州核电2号机组投入商业运行，标志漳州核电一期工程全面投产，单台机组年发电量约100亿千瓦时。
    • "深海一号"气田2025年油气总产量突破450万吨，与陆地中型油田规模相当。

  3. 政策调整与经济措施

    • 国家发展改革委优化"两新"政策（设备更新与消费品以旧换新），扩大资金支持范围，降低企业申报门槛。
    • 2026年提前批"两重"建设项目清单下达，约2950亿元投资聚焦城市地下管网、高标准农田等领域。

  4. 国际合作与外交

    • 多国重申坚持一个中国原则，反对干涉中国内政，包括巴基斯坦、孟加拉国、吉布提等。
    • 中国助力非洲数字化转型，如承建博茨瓦纳国家数据中心、助力肯尼亚电商发展（Kilimall平台）等。

  5. 社会民生与乡村振兴

    • 吉林省镇赉县创业村通过盐碱地改良实现水稻丰收，打造"镇赉大米"品牌，村集体收入突破50万元。
    • 浙江舟山实施"小岛迁、大岛建"工程，改善海岛老人养老条件，同时盘活小岛资源发展特色产业。

  6. 文化与法治建设

    • 中国法治论坛聚焦"十五五"法治保障，强调构建法学自主知识体系，推动法治赋能高质量发展。
    • 《哪吒之魔童闹海》票房破154亿元，推动中国电影工业水平提升。

二、评论员文章

  1. 《继续回答好延安"窑洞之问"》

    • 核心观点：坚持自我革命，保持党同人民血肉联系，通过从严治党净化政治生态，确保"十五五"良好开局。
    • 关键论据：从"让人民监督政府"到"自我革命"，历史周期率的两个答案彰显党与人民风雨同舟。

  2. 《优化实施"两新"政策，推动高质量发展》

    • 核心观点：通过资金分配优化、监管强化和范围拓展，提升政策惠及面，支持企业设备更新与消费升级。
    • 关键论据：2025年消费品以旧换新暴露问题，2026年针对性优化，如增加老旧小区电梯改造、商业综合体设备更新等。

  3. 《中国助力非洲数字化转型》

    • 核心观点：通过数字基建、电商培育、人才培训，中国助力非洲弥合数字鸿沟，推动可持续发展。
    • 关键论据：博茨瓦纳数据中心、肯尼亚Kilimall平台、卢旺达鲁班工坊等案例体现中非合作成果。

三、金句、典故、古语

  1. 领导人金句

    • "党兴方能国强。"（新年贺词）
    • "我国成为创新力上升最快的经济体之一。"（2026年新年贺词）
    • "信心，来自经济实力的拾级而上。"（新年贺词解读）

  2. 典故与古语

    • "民惟邦本"（《尚书》），用于阐释"以人民为中心"的治理理念。
    • "四水归堂"（传统建筑智慧），象征民居文化中"聚财聚气"的生态设计。
    • "逐梦星辰大海"，形容科技发展的远大志向。

  3. 文化引用

    • 侗族款约"不会唱歌难娶亲"，体现非遗文化传承与社区治理结合。
    • "风物长宜放眼量"，用于鼓励长期主义发展观。

四、优秀词组、新词

  1. 政策术语

    • "两新"政策：设备更新与消费品以旧换新。
    • "两重"建设：重大战略、重点领域安全能力建设。
    • "新质生产力"：以创新驱动的高质量发展动能。

  2. 经济与科技新词

    • "地理信息产业"：自动驾驶地图标准体系、实景三维中国建设。
    • "同一起跑线"：形容未来产业布局的公平竞争环境。

  3. 社会民生词汇

    • "小岛迁、大岛建"：海岛乡村振兴模式。
    • "盐碱地上创业"：通过科技改良实现农业突破。

  4. 文化与国际传播

    • "文化出海'新三样'"：网文、网剧、网游成为文化输出新渠道。
    • "最佳旅游乡村"：黄岗村等通过文旅融合实现乡村振兴。

  5. 法治与治理概念

    • "全国统一大市场"：破除地方壁垒，促进要素自由流动。
    • "法治赋能高质量发展"：通过立法保障经济转型。

以上内容基于报纸PDF识别材料整理，涵盖时政、经济、科技、文化等多领域，体现中国在政策、创新、民生及国际合作中的动态。

相关推荐
大猪宝宝学AI14 小时前
【AI Infra】BF-PP：广度优先流水线并行
人工智能·性能优化·大模型·模型训练
Jerryhut15 小时前
Opencv总结7——全景图像拼接
人工智能·opencv·计算机视觉
Captaincc15 小时前
AI 原生下的新的社区形态会是什么
人工智能
简简单单OnlineZuozuo17 小时前
提示架构：设计可靠、确定性的AI系统
人工智能·unity·架构·游戏引擎·基准测试·the stanford ai·儿童
liu****17 小时前
机器学习-线性回归
人工智能·python·算法·机器学习·回归·线性回归
龙腾AI白云17 小时前
深度学习—卷积神经网络（2）
人工智能·神经网络
阿里云大数据AI技术17 小时前
一站式构建 AI 数据处理 Pipeline：DataWorks Notebook + MaxCompute MaxFrame 快速入门指南
大数据·人工智能
阿里云大数据AI技术17 小时前
StarRocks + Paimon： 构建 Lakehouse Native 数据引擎
大数据·人工智能
简简单单OnlineZuozuo17 小时前
对话式AI的安全和治理模式
人工智能·深度学习·安全·图像识别·banana
间彧17 小时前
智能体工作流：从架构设计到行业落地
人工智能
热门推荐
01GitHub 镜像站点02手把手教你通过Gemini3 pro 学生认证，白用一年，手慢无！03安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）04Linux下V2Ray安装配置指南05jdk21下载、安装（Windows、Linux、macOS）062025 最新教程：注册并切换到美区 Apple ID07GitLab 零基础入门指南：从安装到项目管理全流程08Claude Code Skills 实用使用手册09Labelme从安装到标注：零基础完整指南10UV安装并设置国内源