人工智能

公众号-架构师汤师爷

n8n工作流实战：让DeepSeek一键拆解100篇公众号爆文，扒得底裤都不剩（建议收藏）大家好，我是汤师爷，分享1000个行业智能体案例，致力于帮助100W人用智能体创富~之前我们搭建了一个n8n工作流，能够一键抓取公众号爆款文章，自动存入飞书表格。

一只乔哇噻

java后端工程师+AI大模型进修ing（研一版‖day57）目录今日总结详细内容java随笔录Redis数据持久化RDBAOFAI随探录智能输入法案例数据集处理模型结构设计

[论文阅读] AI + 编码 | Agint：让LLM编码代理告别“混乱”，用图编译打通自然语言到可执行代码的任督二脉Agint是一款专为LLM编码代理设计的“图编译+运行时”工具集，核心解决传统AI编程“上下文乱、易冲突、执行慢、难复现”的痛点：它把自然语言需求一步步转化为6类“类型层”（从纯文字到可执行代码），用DAG（有向无环图）结构实现多节点并行编译，搭配“prefine/dynamic/predict”三种运行模式适配不同场景，还提供CLI工具链（写工作流的dagify、跑代码的dagent、管schema的schemagin）和可视化GUI，让领域专家用自然语言就能生成复杂工作流，团队协作时不冲突、易复现，最

【声音分离】多人语音分离方案：ClearVoice + MossFormer2_SS_16K 实战教程在智能语音处理领域，“双人同时说话”的重叠语音分离一直是一个高难度问题。很多企业应用，如智能客服、会议纪要、多麦克风设备，都需要把混在一条音轨里的两个人声音拆开，分别保存为独立的 wav 文件。

人工智能之数字生命-学习的过程目标：为每个场景建立一个“正常情况下的典型状态和典型动态”，作为后面判断“变化”和“因果”的基准。场景节点层面

你好~每一天

从传统行业到AI入门：我的CAIE Level I学习体验与思考在零售行业工作近十年，我原本的生活轨迹与"人工智能"几乎毫无交集。直到公司开始推进数字化升级，身边逐渐出现AI应用案例，我才意识到：理解AI，或许已成为这个时代不可或缺的一种能力。经过一番比较，我选择了CAIE人工智能工程师认证的一级课程作为入门起点。

【Java AI 新纪元】Spring AI 深度解析：让 Java 开发者无缝接入大模型在过去的一两年里，Python 凭借 LangChain 等框架几乎统治了 AI 应用层开发。作为 Java 开发者，我们难道只能看着或者被迫转语言吗？

美团技术团队

R-HORIZON：探索长程推理边界，复旦 NLP&美团 LongCat 联合提出 LRMs 能力评测新框架随着 OpenAI o1 、 DeepSeek-R1 等大型推理模型（LRMs）的问世， AI 推理能力迎来了「测试时扩展」的新阶段。这些模型通过长链思维（Long Chain-of-Thought, CoT）在数学推理、代码生成、智能体任务等领域展现出强大能力。

美团技术团队

美团 LongCat 团队发布 AMO-Bench：突破 AIME 评测饱和困境，重新定义 LLM 数学上限大模型的“推理能力”能让机器具备与人类相似的认知和行为能力，能像人一样理解、思考、学习并解决复杂问题。而在众多推理能力评测场景中，数学推理任务是当前衡量和追踪模型推理能力进展的 “黄金标尺”。与此同时，主流数学推理评测体系正面临关键瓶颈：部分顶尖模型在常用的数学推理评测任务中，如 AIME24/25 的正确率已突破 90%，评测区分度大幅下降，难以再有效牵引模型向更高阶推理能力进化；此外，现有基准大多源于公开竞赛题库，存在数据穿越风险。

Deep Research技术全解析：从Reasoning到Research with Reasoning的AI进化之路（值得收藏）本文详细剖析了Deep Research技术架构，探讨其如何通过多模块交互系统解决LLM的闭卷推理和幻觉问题。从查询分解、动态规划到信息检索与执行引擎，文章解析了Research with Reasoning的转型路径，对比了不同规划技术（CoT、ToT等）与执行框架（ReAct），并介绍了通义DeepResearch的实现方案，展望了AI从文本生成向目标解决进化的未来方向。

在企业中实施人工智能的关键步骤随着智能自动化推动世界变革，借助人工智能获取收益已成为企业的必然选择。决策者必须重新设计企业工作流程，精准识别可通过 AI 优化或自动化的流程。此举至关重要 —— 它不仅能显著节省成本与时间、提高准确性，还能助力企业开发全新且更优质的客户服务，最终在所属市场中占据竞争优势。

硬核劝学：2026年 AI 工程师“飞升”指南 (LLM/RL/VLM/AIGC 全路线)兄弟们，醒醒。现在的 AI 圈子，一天一个版本。如果你还在学怎么写简单的 Prompt，或者还在纠结 Transformer 的基础 Encoder-Decoder 架构，那你已经被时代抛弃了。

SMP（软件制作平台）接入AI实例--金陵书匣这次我们从金融机构领域换到图书馆，思考站在读者的角度如何看待图书馆、如何看待图书馆的服务、如何在这个服务中接入AI的因素。

python零基础入门小白

2025年大模型面试通关秘籍！大厂高频LLMs真题全解析，一文掌握，助你轻松斩获心仪offer！大模型技术迭代的速度正以“月”为单位颠覆行业认知——2025年的面试战场，早已不是比拼手写Transformer公式或调参技巧的擂台。随着技术落地深水区的到来，企业对人才的筛选逻辑发生剧变：能否用大模型撕开商业缺口，成为衡量价值的唯一标尺。

极客时间AI 算法进阶训练营毕业总结（2025年11月30日）目前在公司里主要做两块事：AI 数据 + 平台方向：负责业务数据的采集、清洗、标注、增强、回流，搭建支持 RAG、微调、Agents 的数据流水线和平台能力。

Brduino脑机接口技术答疑

脑机接口数据处理连载（二）数据源头解析：脑电信号的采集原理与数据特性脑机接口（BCI）系统的核心是对大脑活动信号的有效采集与解读，而脑电图（EEG）作为最常用的非侵入式脑信号采集方式，其数据质量直接决定了后续处理与应用的效果。本文将从 EEG 信号的产生机制、采集原理、硬件组成、数据特性四个维度展开解析，并结合 Python 代码示例展示如何处理与分析 EEG 原始数据，帮助读者深入理解 BCI 的 “数据源头”。

Coding茶水间

基于深度学习的火焰检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)基于深度学习的火焰检测系统演示与介绍火灾作为威胁公共安全与生产安全的重大隐患，其早期检测与及时预警是降低灾害损失的关键环节。当前，传统火焰检测方法主要依赖人工监控或单一传感器（如温度、烟雾传感器），前者受限于人力精力易出现漏判误判，后者仅能感知局部物理信号，难以直接识别火焰形态特征，且在复杂场景（如强光反射、小目标远距离成像、多遮挡干扰）下检测效能显著下降。随着计算机视觉技术的发展，基于深度学习的目标检测算法为火焰检测提供了新路径，其中 YOLO 系列算法因兼顾实时性与检测精度，成为该领域的主流技术方案。

后端小肥肠

n8n+Coze+飞书：公众号对标文章一键录入+深度拆解，打造你的【爆款素材库】大家好，我是小肥肠！今天我们将结合 n8n + Coze + 飞书表格的数据沉淀，打造一套全自动的爆款文章采集与拆解工作流，全程保姆级教程，快来码住跟练构造自己的爆款素材库吧~

KG_LLM图谱增强大模型

从人类专家到机器：大模型支持的人机协同本体与知识图谱自动构建本文探索利用开源大语言模型实现知识图谱的半自动构建，提出了一个包含能力问题生成、本体开发、知识图谱构建和评估的完整管道。研究以深度学习方法论为例，通过学术出版物构建知识图谱，显著降低了人工参与成本，为知识工程领域提供了创新解决方案。

Day 25｜智能体的“可观察性（Observability）体系”让你的 Agent 变得可理解、可追踪、可排障在过去两年里，我见过至少 20+ 个团队做智能体系统，结果 80% 在同一个地方翻车：