协同过滤推荐算法:原理、实现与分析
协同过滤是推荐系统中应用最广泛的方法之一,基于用户与物品的历史交互行为挖掘兴趣关联。常见分为两类:基于用户的协同过滤(推荐相似用户喜欢的物品)和基于物品的协同过滤(推荐与已喜欢物品相似的其他物品)。
阅读全文 :协同过滤推荐算法:原理、实现与分析
原力注入受原力觉醒和依赖注入(Dependency injection)启发,希望通过本平台及我们的努力将云原生技术的原力注入给广大技术从业者。
协同过滤是推荐系统中应用最广泛的方法之一,基于用户与物品的历史交互行为挖掘兴趣关联。常见分为两类:基于用户的协同过滤(推荐相似用户喜欢的物品)和基于物品的协同过滤(推荐与已喜欢物品相似的其他物品)。
阅读全文 :协同过滤推荐算法:原理、实现与分析信息过载怎么办?推荐系统正是帮你“挑重点”的幕后智囊。本文系统梳理推荐系统的核心流程、主流算法(协同过滤、深度学习等)、数据处理与评估方法,并结合知识图谱、大模型等前沿趋势,带你深入理解智能推荐的技术全景。
阅读全文 :推荐系统入门K8s 上的 LLM 推理实践暴露出现有工作负载在多 Pod 管理、调度粒度、拓扑感知等方面的不足。K8s 推出新控制器原语 LeaderWorkerSet(LWS),支持分布式启动、组调度与原子恢复,赋能 vLLM 等新一代推理系统。
阅读全文 :vLLM + LWS:Kubernetes 上的多机多卡推理方案《用Cursor玩转AI辅助编程——不写代码也能做软件开发》是一本实用指南,全面介绍了Cursor这款革命性的AI驱动的代码编辑器。本书深入浅出地讲解Cursor的核心功能、工作原理和实际应用,旨在帮助读者快速掌握AI辅助编程技术。
阅读全文 :不写代码,也能做开发?这本书教你用 Cursor 开启 AI 编程新时代LangGraph 是一个专为构建有状态、多节点执行流程的 AI 智能体系统设计的 Python 框架,它将状态机(State Machine)与图结构(Graph)相结合,使得开发者能够直观地用"节点+边"来描述执行逻辑和状态转移。
阅读全文 :LangGraph 实战:用 Python 打造有状态智能体华为的卓越架构技术框架,聚焦客户业务上云后的关键问题的设计指导和最佳实践。以韧性、安全性、性能效率、成本优化与卓越运营五个架构关注点为支柱,支撑完成云架构设计、云架构治理体系建设、研发生产力提升、现代化应用构建及运营运维体系建设等!
阅读全文 :华为云业务上云 - 卓越架构技术框架简介多智能体系统是一种由多个相互协作的智能体组成的系统结构。这些智能体具备自主性、交互性、协作性等特征,能够共同完成复杂任务。随着大语言模型和自动化工具的发展,MAS 越来越多地被用于构建复杂的智能应用,例如多轮问答、自动化客服、内容生成等
阅读全文 :使用 n8n 构建多智能体系统的实践指南DeepWiki 是一款自动文档生成平台,专为 GitHub 项目设计。用户只需将仓库地址中的域名替换为 deepwiki.com,即可生成该项目的结构化 “百科” 页面,内容涵盖项目概览、系统架构、模块说明、API 文档等。
阅读全文 :DeepWiki 使用方法与技术原理深度分析SFT相比从零训练大模型,成本更低(通常仅需 10%–20%预训练全量算力)、周期更短。例如对一个 7B 模型在 8 × A100(80 GB)上做 SFT,通常仅需 4–12 小时即可完成。
阅读全文 :一文入门垂域模型 SFT 微调本文选取 Dify、AnythingLLM、Ragflow 和 n8n 四个具有代表性的开源项目,从功能特性、许可协议、商用风险等方面进行系统对比分析,帮助开发者更科学地选择适合自身场景的工具。
阅读全文 :开源大模型应用编排平台:Dify、AnythingLLM、Ragflow 与 n8n 的功能与商用许可对比分析《大规模语言模型:从理论到实践(第2版)》内容涵盖多模态大语言模型、大模型智能体、检索增强生成、大语言模型效率优化、大语言模型评估和大语言模型应用开发等多个热门方向,全面展示了当前大语言模型在不同领域的最新进展与应用潜力。
阅读全文 :好书推荐 - 《大规模语言模型:从理论到实践(第二版)》Linux 文件系统是 Linux 操作系统的核心组件之一,它为用户和应用程序提供了统一的文件访问接口,屏蔽了底层存储设备的差异。从编程视角来看,理解 Linux 文件系统的结构和原理对于开发高效、可靠的文件操作程序至关重要。
阅读全文 :从编程视角看 Linux 文件系统MCP(延伸为多工具控制平台)和 Function Calling(函数调用)并不冲突,它们是同一工作流的两个关键环节: 1. Function Calling 帮助大模型确定“要做什么”; 2. MCP 则负责“怎么做”——确保工具可被可靠发现、调用和执行,而无需开发者为每个工具进行手动集成。 例如,一个智能体可能…
阅读全文 :一图胜千言:Function calling vs. MCP在数据库技术持续演进的今天,从“单机部署”走向“云原生架构”已成为不可逆的时代潮流。云计算、容器化、弹性资源管理与高可用机制,正以前所未有的方式重塑数据库的架构形态与运维范式。
阅读全文 :好书推荐 -《云原生数据库:原理与实践》iostat 是一个用于监控磁盘性能的工具,它可以显示磁盘设备的读写性能、IOPS、吞吐量、等待时间等信息。iostat 是 Linux 系统自带的工具,无需额外安装。
阅读全文 :Linux 小技巧 - 使用 iostat 监控磁盘性能一个基于 MCP(Model Control Protocol)的 Kubernetes 服务器,支持通过 MCP 工具与 Kubernetes 集群进行交互。
阅读全文 :MCP-K8s 实践:构建大模型驱动的 Kubernetes 运维管理能力2024 年 11 月推出的模型上下文协议(MCP)已在开发者与 AI 社区中引发强烈关注,被视为潜在的解决方案。本文我们将深入探讨MCP 的核心原理、它如何改变 AI 与工具的交互范式、开发者基于该协议已构建的应用场景,以及仍需攻克的挑战
阅读全文 :深度解析 MCP 与 AI 工具化的未来《从零构建大模型》,不仅讲透了大模型的基本原理,更从实际出发,带领读者从最底层一步步构建出一个完整的 GPT风格 的模型,实现训练、微调和部署。这是一本将理论与实践完美结合的指南,无论你是研究者、工程师,还是 AI 初学者,都能从中受益良多
阅读全文 :好书推荐 | 《从零构建大模型》:从理论到实践,手把手教你打造自己的大语言模型