跳到正文
11月3日周二
  1. 博客园39

    手把手教你:基于深度学习的滚动轴承故障诊断|第 6 篇 · 一维卷积与残差模块:83% 到 95% 的原理拆解

    本篇教程拆解滚动轴承故障诊断中一维卷积与残差模块的原理:单层 1D-CNN 测试准确率仅约 83%,分不清内圈与滚动体故障。残差连接通过输出 = F(x) + x 的捷径缓解梯度消失,使 5 个残差块的网络加深而不退化,准确率提升到 95%+。两个模型在相同数据、相同切分、相同评估下对比,唯一系统差别是是否加残差。

11月2日周一
  1. 博客园32

    从 Meta 的工程实践看 EB 级 AI 存储架构

    Meta 发布 AI 存储架构蓝图,展示其数百 EB 规模的 BLOB Storage:以 Tectonic 为存储底座,富客户端 SDK 直连读取并配合多级缓存,平均缓存命中率 80%,平均数据加载时间下降 93%。JuiceFS 采用对象存储 + 独立元数据引擎 + 客户端架构,通过镜像文件系统、异步复制与分布式缓存支持跨地域访问,两者在数据与元数据分离、富客户端和缓存预热上高度相似。

  2. 博客园33

    手把手教你:基于深度学习的滚动轴承故障诊断|第 5 篇 · 随机森林实战:传统方法为什么也要做

    本篇教程以随机森林构建滚动轴承故障诊断的对照组基线,将每条 1000×2 的信号样本摊平为 2000 维特征,整体准确率约 0.73。模型由 50 棵决策树投票集成,配以 max_depth=5 等参数控制过拟合,无需显卡几秒即可跑出可靠基线。随机森林抓不住波形结构,73% 即为其表达能力上限,该基线正是为了衬托后续深度网络 95% 的准确率优势。

  3. 博客园47

    RAG 向量库拆分复盘:内存、延迟与权限的三笔账

    老张复盘制造企业 RAG 项目,指出独立向量库存在晚高峰同步延迟 40 分钟、行级权限出库即失效等痛点,主张向量索引、过滤、权限与事务在同一引擎内完成。电科金仓给出 1 亿条 768 维向量下 98% 召回率、峰值内存降低 95.4%、查询延迟降低 80% 的口径,对应金仓 AI 数据库的库内语义构建、计算推理与原生安全管控能力。选型应先看数据位置、权限强度与规模,核心业务数据优先库内。

  4. 博客园67

    从 0 搭建企业级知识库技术指南

    作者系统梳理了从 0 搭建企业级知识库的完整技术方案,提出六层分层架构以及写路径、读路径、运维闭环三条流水线。选型上推荐混合检索(BM25 + 向量 + Rerank)而非纯向量,中小规模优先用 pgvector,Embedding 首选 BGE-M3,并强调权限必须在检索阶段下推、离线与在线处理同源、先建 20–50 条黄金评测集再优化。

  5. 博客园36

    基于遗传算法的 NSGA-II 多目标优化算法详解

    NSGA-II 是在遗传算法基础上改进的多目标进化算法,通过快速非支配排序、拥挤度比较算子与精英策略寻找 Pareto 最优解集。其快速非支配排序将时间复杂度由 O(mN³) 降低到 O(mN²)。非支配排序负责划分个体优先层级,拥挤距离则维持同一非支配层内解的分布多样性。

  6. 博客园26

    13年Java老兵建免费网站叫板“Java已死”:无广告无付费墙,151页全是踩坑干货

    13年Java老兵Rain上线免费技术网站javadashen.com,无广告无付费墙,以151个页面实战干货叫板“Java已死”。网站含146篇内容、八大板块,47+场景设计题直击中高级架构岗,封神项目207个测试用例全部通过。JDK 21虚拟线程实测1万并发任务约1秒跑完、平台线程约50秒,并给出Spring AI等4条Java转AI路径。

  7. 博客园57

    我用 WorkBuddy 零代码开发并上线了自己的第一个微信小程序

    程序员晓凡用 AI Agent 工具 WorkBuddy 在没写一行代码的情况下开发了一款九宫格拼图微信小程序并成功上线,开发耗时不到 1 小时,备案审核足足等了 22 天。文章给出从想法确认、功能列表、原型图、代码生成到注册账号、提交审核、发布的完整流程,并提醒个人小程序认证费用为 30 元,第一次提交审核很可能不通过,可把驳回原因截图交给 WorkBuddy 修改后再次提交。

11月1日周日
  1. 博客园41

    Java已死?社招首次跳槽:Boss沟通505次,6周拿下8个offer

    程序员Seven 完成 Java 后端社招首次跳槽,6 周内通过 505 次 Boss 沟通拿下 8 个 offer。其转化漏斗为 505 次沟通带来 115 次简历交换与 22 场一面,最终 offer 转化率 1.6%。作者还总结了用 codex 辅助面试准备、在职约面时间规划、大厂薪资涨幅卡 30% 的谈薪策略,以及大厂普遍保留手撕代码环节的招聘现状。

  2. 博客园31

    Linux程序性能分析(二):实例分析2(内核态)

    作者通过 perf 分析魔改 Android 系统刷机后发热严重、cpu7 内核态负载极高的问题,最终定位到 GPS 服务。采样 cpu7 堆栈并解析内核符号后发现,开销集中于 cpuidle_enter_state、finish_task_switch 等内核函数,loc-mq-thread 线程疯狂循环收发 socket。

  3. 博客园34

    手把手教你:基于深度学习的滚动轴承故障诊断|第 4 篇 · 数据预处理源码走读:从原始信号到可训练样本

    本篇逐行走读 data_load 预处理源码,把一整条 CWRU 振动信号切成一条条带标签的可训练样本。DE、FE 两路信号各自做 MinMax 归一化压到 0~1,逐点配对成双通道,再按每 1000 个点滑窗切分,并对每类固定抽取 1400 条以配平类别。

  4. 博客园67

    Reverie 记忆系统原理与 RAG 实现:给 AI 装上「会遗忘」的记忆

    本文基于 Reverie(幻梦)源码,完整拆解了用 RAG 为 LLM 构建长期记忆系统的两条管线:写入时按情绪、关键词、重复等打分并经自治门分流到永久/长期/短期三层,检索时用向量召回、词法召回加融合打分(相似度×0.62、词法×0.16、重要度×0.08 等)选出最多 k 条、约 3600 字符的记忆注入 system prompt。

10月31日周六
  1. 博客园33

    手把手教你:基于深度学习的滚动轴承故障诊断|第 3 篇 · CWRU 数据集深度解析与四类故障波形可视化

    本篇教程深度解析 CWRU 轴承故障数据集并完成四类故障波形可视化。.mat 文件含驱动端 DE 与风扇端 FE 双通道振动信号及 RPM 转速记录,正常、内圈、滚动体、外圈四类波形差异肉眼可辨,构成可分类的物理前提。正式训练前需按清单下载正常与 12k 驱动端共 40 个 .mat 文件,并按四类目录归档核对。

  2. 博客园38

    自研挖洞 Agent 的思路与流程解析

    自研漏洞挖掘 Agent 的核心架构是模型管判断、脚本管证据、机器管核对收口,擅长挖掘 JS 逆向相关的未授权敏感信息泄露。Agent 通过开工授权、登录落账、翻 JS、机械业务探索等流程构建业务地图,并以 L1-L5 证据五等级核验成果防止幻觉。同时建立修 bug 防回归机制,经失败用例复现、独立审查 diff 与金丝雀对照确保稳定运行。

  3. 博客园35

    AI应用领域从业者赶FDE风口教程

    FDE(现场部署工程师)是集AI项目售前、部署、开发、售后与客服于一身的角色,核心是让AI在企业落地实现降本增效。从业者需兼备软技能、行业知识与AI开发能力,可通过真实2B项目或工信部FDE证书(1980元/698元)证明能力。入行途径包括求职、接私活或在自有公司实践,流程涵盖实地调研、demo开发、测试改进与复盘。

  4. 博客园79

    让 Agent 可靠运行:幂等、持久化与失败恢复

    作者系统讲解 Agent 执行系统的失败恢复方法,核心是工具幂等性、状态持久化与重试边界三者配合。文章区分了四类失败与 UNKNOWN 中间状态,给出稳定幂等键、操作台账字段、退避抖动、租约与 fencing 等设计要点,并用仅依赖标准库的 Python 示例演示响应丢失、进程退出、预算耗尽等场景的恢复协议。

    推荐理由:文章把 Agent 失败恢复拆成幂等键、操作台账、重试边界与对账机制,并给出可复跑的 Python 实验代码,便于读者在自己的工具调用上落地验证。

  5. AWS Machine Learning Blog57

    Amazon Bedrock 端到端成本管理手册:面向 FinOps 与平台团队的五阶段操作框架

    AWS 官方博客发布 Amazon Bedrock 端到端成本管理手册,提出归属、可观测、执行、优化、运营五阶段闭环。核心做法是用 IAM 主体标签和 CUR 2.0 把每笔推理成本归属到具体身份,通过共享网关按用户 assume role 解决共享角色归属丢失问题,并按监控告警、IAM 拒绝策略、网关同步拦截三档执行预算。

  6. AWS Machine Learning Blog60

    使用 Amazon Bedrock AgentCore runtime 的 Session endpoints 实时预览编程智能体构建的网页应用

    AWS 官方博客介绍了 Amazon Bedrock AgentCore runtime 的 Session endpoints:为每个智能体会话生成带鉴权的 URL,将 HTTP 与 WebSocket 请求转发到会话内允许的端口,使编程智能体编辑的网页在浏览器中无需刷新即可更新。

    推荐理由:原文逐步演示了如何用 Session endpoints 在浏览器中实时预览智能体构建的网页,读者可把这套带鉴权的端口转发机制迁移到自己的智能体调试流程。

  7. AWS Machine Learning Blog28

    如何在 AWS GovCloud (US) 中通过 Amazon Bedrock 配置 ChatGPT 桌面应用

    ChatGPT 桌面应用现已可在 AWS GovCloud (US) 中通过 Amazon Bedrock 使用,提供 Work 与 Codex 两种组件接入 OpenAI 前沿模型。模型推理经 us-gov-west-1 的 Amazon Bedrock Mantle 端点路由,可由 IAM 和现有网络控制治理,数据留在所选区域。按 token 计费、无席位许可,并支持零数据留存(ZDR)。

10月30日周五
  1. 博客园20

    为什么我放弃了成熟的 Pytest,选择从零手搓测试执行引擎?

    作者为企业级 SaaS 测试平台 AITest 放弃 Pytest,基于 FastAPI + 异步 Celery 自研了模板方法 + 策略模式的测试执行引擎。Pytest 静态依赖 .py 文件、难以推送 WebSocket 实时进度、与异步架构冲突,也无法支撑未来 AI 智能体经 MCP 协议动态调用技能。AITest V1.0 已发布,含 36 张表的架构文档与基础骨架源码均已开源分享。