- 综合排序
- 最热优先
- 最新优先
图解AI：9个MCP应用场景
100% 本地 MCP client MCP 客户端是 AI 应用（如 Cursor）中用于建立与外部工具连接的组件。 目前很多IDE都提供了兼容本地AI的配置方式，我一般用代码代替客户端来完成一些测试。 机器配置稍微好点的可以跑个满血版的模型，推荐使LlamaEdge,ollama默认会下载量化版的模型，体验稍差。 财务分析 基于 Cursor 或 Claude Desktop 构建 MCP 驱动的 AI 智能体，实现对股市趋势的数据获取、分析及洞察生成。 这块也可以像前面提到的，对接各种外部数据，从各种数据库拉取数据交给AI生成报表。目前比较流行的是让AI使用数据画成图表数据，目前主流AI IDE都已Mermaid语法，推荐豆包。 复杂文档检索增强生成系统 使用 MCP 为复杂文档（含表格、图表、图像及复杂排版等元素）驱动的 RAG 应用赋能。 在这吐槽下微软最近开源的文档提取工具，堂堂微软做出来的开源项目真LJ！
18110编辑于 2026-06-22- 来自专栏DotNet NB && CloudNative
AI应用实战课学习总结（9）Hello 深度学习
最近入坑黄佳老师的《AI应用实战课》，记录下我的学习之旅，也算是总结回顾。 今天是我们的第9站，一起了解下大数据和GPU时代下的 深度学习 和 PyTorch框架。 PyTorch 是一个开源的机器学习库，主要用于应用如计算机视觉和自然语言处理等领域。 它由 Facebook 的 AI 研究团队开发，并以 Python 编程语言为基础，提供了强大的 GPU 加速支持。
46510编辑于 2025-04-02 - 来自专栏Redis原理与应用
Redis应用—9.简单应用汇总
(String数据结构)6.实现一个简单的唯一ID生成器(incr命令)7.实现博客点赞次数计数器(incr命令 + decr命令)8.社交网站的网址点击追踪机制(长网址转短网址)(Hash数据结构)9. /短网址追踪案例public class ShortUrlDemo { private static final String[] X36_ARRAY = "0,1,2,3,4,5,6,7,8,9, shortUrlDemo.getShortUrlAccessCount(shortUrl); System.out.println("短网址被访问的次数为：" + accessCount); }}9.
35400编辑于 2025-03-08 - 来自专栏华章科技
AI魔幻行为大赏：细数机器视觉的9大应用场景
，因此机器视觉的应用前景还是非常广阔的。 这些技术正广泛应用于城市治理、金融、工业、互联网等领域。 以下将以9个场景为例，对一些常见的应用场景进行介绍，让读者直观地理解机器视觉都能解决哪些问题。 ▲图1-7 自动驾驶汽车应用场景 自动驾驶技术链比较长，主要包含感知阶段、规划阶段和控制阶段三个部分。机器视觉技术主要应用在无人驾驶的感知阶段，其基本原理可概括如下。 ：书籍、报刊等印刷物的识别 实体标识识别：道路指示牌识别（如图1-9）、广告牌识别等 ? ▲图1-9 文字识别技术的应用场景 09 图像/视频的生成及设计 人工智能技术不仅可以对现有的图片、视频进行分析、编辑，还可以进行再创造。
1.6K30发布于 2019-07-24 - 来自专栏计算机视觉战队
AI魔幻行为大赏：细数机器视觉的9大应用场景
，因此机器视觉的应用前景还是非常广阔的。 这些技术正广泛应用于城市治理、金融、工业、互联网等领域。 以下将以9个场景为例，对一些常见的应用场景进行介绍，让读者直观地理解机器视觉都能解决哪些问题。 ▲图1-7 自动驾驶汽车应用场景 自动驾驶技术链比较长，主要包含感知阶段、规划阶段和控制阶段三个部分。机器视觉技术主要应用在无人驾驶的感知阶段，其基本原理可概括如下。 ：书籍、报刊等印刷物的识别 实体标识识别：道路指示牌识别（如图1-9）、广告牌识别等 ? ▲图1-9 文字识别技术的应用场景 09 图像/视频的生成及设计 人工智能技术不仅可以对现有的图片、视频进行分析、编辑，还可以进行再创造。
3.4K21发布于 2019-08-14 - 来自专栏Devops专栏
9. Django 2.1.7 创建应用模板
上一篇中讲诉了关于Django 2.1.7 视图的操作，本篇章开始研究模块这块内容。
58420编辑于 2022-01-17 - 来自专栏C++核心准则原文翻译
自学鸿蒙应用开发（9）- TimePicker组件
本文介绍在鸿蒙应用中TimePicker组件的基本用法。 增加TimePicker组件 如下代码中46行~52行所示，在布局中增加TimePicker组件。 <?
72520发布于 2021-01-13 - 来自专栏ADAS性能优化
AI Weekly | Nov. 9, 2019
Researchers tout AI that can predict 25 video frames into the future In a preprint paper, researchers propose an AI model that can predict up to 25 video frames into the future given only two to five starting Applause targets AI bias by sourcing training data at scale Software-testing company Applause wants to reinvent AI testing with a service that detects AI bias by crowdsourcing larger training data sets. Remember that scary AI text-generator that was too dangerous to release?
37210编辑于 2022-05-13 - 来自专栏HarmonyOS知识集合
【HarmonyOS NEXT】鸿蒙应用点9图的处理（draw9patch）
【HarmonyOS NEXT】鸿蒙应用点9图的处理（draw9patch）一、前言：首先在鸿蒙中是不支持安卓 .9图的图片直接使用。
73400编辑于 2025-03-24 - 来自专栏生信技能树
RNAvelocity 9：scVelo应用—动力学模型
与以前的教程一样，应用胰腺内分泌发育数据集来展示。 [ ]: # update to the latest version, if not done yet. ! [9]: df = adata.var df = df[(df['fit_likelihood'] > .1) & df['velocity_genes'] == True] kwargs = dict 'degradation rate', xticks=[.1, .4, 1], **kwargs) scv.get_df(adata, 'fit*', dropna=True).head() [9]
68820发布于 2021-10-12 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ ❤ AI agents in business create new risks & urgent security needs 企业AI Agent应用带来新的安全挑战 Radware最新研究报告警告 ，自主AI Agent在企业中的应用扩大了网络风险，呼吁采取更严格的安全措施。 Azure AI Foundry推出了Agent Factory系列博客，第五篇重点介绍了如何使用MCP和A2A等新的开放标准连接Agent、应用和数据。 文章提到，代理式AI应用正在兴起，例如德勤的Zora AI Agent和普华永道的Agent OS平台正在重塑内部工作流程。
49810编辑于 2025-09-17 - 来自专栏单细胞天地
RNAvelocity 9：scVelo应用—动力学模型
与以前的教程一样，应用胰腺内分泌发育数据集来展示。 [ ]: # update to the latest version, if not done yet. ! [9]: df = adata.var df = df[(df['fit_likelihood'] > .1) & df['velocity_genes'] == True] kwargs = dict 'degradation rate', xticks=[.1, .4, 1], **kwargs) scv.get_df(adata, 'fit*', dropna=True).head() [9]
1.1K10发布于 2021-10-09 - 来自专栏月色的自留地
从锅炉工到AI专家(9)
无监督学习在实际的工作中应用还是比较多见的。 从典型的应用上说，监督学习比较多用在“分类”上，利用给定的数据，做出一个决策，这个决策在有限的给定可能性中选择其中一种。 当然作为一个示例程序，离正式的应用还是有很大差距的。 将得到的向量化结果，抽取前500个，绘制出来，输出为png图片。从图片上看，能够更形象的理解单词向量化的概念。 进阶实现 进阶版本源码是一个基本可以应用的实例，在项目页面的介绍中有使用办法，但在macOS中运行有些问题，这里做个说明。 Epoch 8 Step 1207755: lr = 0.015 words/sec = 401 Eval 4965/17827 accuracy = 27.9% Epoch 9
95660发布于 2018-06-20 - 来自专栏圣杰的专栏
.NET+AI | Agent | 人机协作（9）
通过 ApprovalRequiredAIFunction 为敏感工具加上人工审批环节，快速构建符合企业合规要求的 MAF 人机协作智能体。
45510编辑于 2025-12-28 - 来自专栏AI智韵
YoloV9改进策略：Block改进|MBConv在YoloV9中的应用
在YoloV9中的应用：将MBConv模块替换YoloV9中的BottleNeck模块后，可以进一步提升YoloV9的计算效率和性能。 模型性能提升：除了训练速度的提升外，MBConv模块还能在一定程度上提高YoloV9的模型性能。 本文介绍了EfficientNetV2及其中的MBConv模块，并探讨了将MBConv模块应用于YoloV9中的可能性。 通过替换YoloV9中的BottleNeck模块为MBConv模块，可以显著加快训练速度并提高模型性能。这一改进为YoloV9的目标检测任务提供了更高效、更准确的解决方案。 由于搜索空间较小，我们可以在与EfficientNetB4大小相当的大型网络上应用强化学习（Tan等，2019）或简单的随机搜索。
69410编辑于 2024-12-19 - 来自专栏DotNet NB && CloudNative
.NET 9应用安全实战：构筑金库级防护体系的9大核心策略
在.NET 9的世界中，安全威胁的演变速度与框架更新同样迅猛。编写安全代码绝非简单勾选清单——它需要将安全意识融入每一行代码的基因。 本文将深入探讨如何通过高级技术手段，让你的.NET 9应用固若金汤。 1. NET 9中认证中间件的改进让集成更加丝滑。 示例：使用.NET 9数据保护API加解密 var protector = _dataProtectionProvider.CreateProtector("MyApp.SecretData 将这些实践深度融入.NET 9开发流程，你不仅能抵御现有威胁，更能构建值得用户托付的可靠系统。下次敲下代码时，请自问：这条代码安全吗？若答案存疑，你已知道该如何行动。
52710编辑于 2025-05-26 - 来自专栏AI科技评论
鲲云科技方舟：基于定制数据流的AI应用 | 职播间第 9 期
AI 科技评论按：深度学习已经在安防，金融，自动驾驶等领域得到了广泛的应用。市场上的方案大多是基于 GPU 或者精简指令集 RISC 架构，通过增加多个处理单元提升计算能力。 分享主题：基于定制数据流的 AI 应用 分享提纲： 数据流定制架构与指令集架构的区别 数据流定制架构的原理和发展 开发快速应用数据流定制架构的方法 数据流定制架构的应用 雷锋网 AI 研习社将其分享内容整理如下 第三部分，介绍开发快速应用数据流定制架构的方法，鲲云科技如何通过工具链来解决终端用户在使用高性能定制化架构的同时，还能保持应用的简单化和普遍性。 第四部分，介绍数据流定制架构的应用和实际落地项目。 =aitechtalkfangzhou） 数据流定制架构的应用 目前我们公司整套数据流架构方案的应用方向主要包括四大领域： 机器人、无人机以及自动驾驶 摄像头 传感器 服务器 ? （关于产品应用方向的具体介绍，请回看视频 00：35：45 处，http://www.mooc.ai/open/course/588？=aitechtalkfangzhou）
82010发布于 2018-12-27 - 来自专栏AI小程序
AI人脸应用
这款颜值检测小程序使用了腾讯开放人脸识别API，本项目适合刚入门的同学练手，熟悉整个框架，整体实现如下：
1.4K00发布于 2019-01-06 AI 应用感想
龙虾热潮退去，最终会剩下文字相关的应用——编程、写文章、论文等等。一、大模型本质是文字模型不管形态如何变化，大模型的输出仍然以文字为主。 最终沉淀下来的应用，一定是那些将文字能力发挥到极致的场景。二、多代理提高可用性，但仍未达到可信的专家水平多代理架构让任务可以并行、分工、协作，显著提升了复杂任务的完成率。 这意味着所有AI输出都必须经过经验丰富的人员验证，以避免疏漏和安全问题。这是当前AI应用落地的最大瓶颈——不是技术不够强，而是信任成本太高。 未来可能出现”AI审计AI”的模式：一个代理负责输出，另一个专门负责对抗性验证，降低人工成本的同时保留人类兜底。四、记忆之后，还有知识整理与理解偏差记忆问题的解决只是第一步。 五、下一个高价值方向：代理自组织与AI团队导师人类组织中有项目管理和项目经理，AI代理体系同样需要自组织能力。
16200编辑于 2026-03-30- 来自专栏一“技”之长
iOS9系列专题三——应用瘦身 原
更小，更快——iOS9的App Thinning apple在iOS9中引入了一套新的app瘦身方案，通过一些优化策略，将尽可能的减小app安装包的体积。 在xcode中，使用asset catalog管理素材文件，在我们提交应用市场后，会自动帮我们生成各个尺寸包得app副本。 三、On-Demand Resources 这是一种多级应用的设计思路，例如一个游戏，开发者可以将其分为一个大小各异的资源包，用户只需下载一个小的引导程序，在程序内加载相应资源包。 这样，可以大大加快应用的安装速度。 专注技术，热爱生活，交流技术，也做朋友。 ——珲少 QQ群：203317592
66020发布于 2018-08-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号