- 综合排序
- 最热优先
- 最新优先
- 来自专栏DeepHub IMBA
AI代理内存消耗过大？9种优化策略对比分析
在AI代理系统的架构设计中，虽然多代理协作可以提升系统的整体准确性，但对话式AI的性能优化远不止于此。内存管理已成为影响系统性能的关键因素之一。 为确保研究的一致性和可重现性，本文将基于统一的AI代理框架进行测试，这样可以更好地观察各种内存优化技术的内部机制，并为在复杂生产环境中的应用提供可扩展的参考实现。 基于检索的内存系统代表了当前AI代理内存管理的最佳实践，但其实现复杂度相对较高。随着数据规模的增长，系统需要考虑并行处理、索引优化、查询优化等多个方面。 整合机制 该策略包含多个层次的整合机制： 语义级别的信息合并 时间序列的智能压缩 重要性评分的动态调整 冗余信息的自动过滤 9、类操作系统内存管理 如果我们能为AI代理构建一个类似计算机操作系统内存管理的系统 每种策略都有其独特的优势和局限性，关键在于理解不同方法的适用场景，并根据实际需求进行选择和优化。随着AI技术的不断发展，内存管理策略也将继续演进，为构建更智能、更可靠的AI代理提供坚实基础。
60010编辑于 2025-08-20 9个SQL优化技巧
大多数的接口性能问题，很多情况下都是SQL问题，在工作中，我们也会定期对慢SQL进行优化，以提高接口性能。这里总结一下常见的优化方向和策略。 过度索引：当表中存在过多的索引时，可能会导致数据库优化器在选择使用哪个索引时变得困难。这可能会导致查询性能下降，因为优化器可能选择了不是最优的索引。 为了优化这个查询，我们可以考虑以下几种方法： 索引优化： 确保在 customer_id 字段上创建索引，以加速 GROUP BY 和 WHERE 子句的执行。 条件优化： 使用WHERE条件在分组前，就把多余的数据过滤掉了，这样分组时效率就会更高一些。而不是在分组后使用having过滤数据。 深分页limit优化深分页通常指的是在处理大量数据时，用户需要浏览远离首页的页面，例如第100页、第1000页等。
1.4K10编辑于 2024-05-21- 来自专栏DotNet NB && CloudNative
.NET 9 的 LINQ 优化详解
在 .NET 9 中，微软为 LINQ（Language Integrated Query）引入了三个新的扩展方法，增强了数据查询的灵活性和表达力。 这是对 GroupBy(...).Select(g => new { g.Key, Aggregate = g.Aggregate(...) }) 的优化，性能更高且代码更简洁。 91533 • Index: https://github.com/dotnet/runtime/issues/95563 • 博客文章： • Three new LINQ methods in .NET 9 Three new LINQ methods in .NET 9 • Unlocking New Possibilities: Top LINQ Methods Introduced in .NET 9
29010编辑于 2025-07-26 - 来自专栏测试开发干货
【简历优化平台开发教程-9】目标企业 优化意向
所以，简历优化的话后期算法上，也会着重偏向检查各位简历的内容是否满足上述目标企业。
29320编辑于 2023-08-14 - 来自专栏JusterZhu
.NET9 AOT的性能优化
前言 .NET9里面重要的一个优化是对于AOT预编译的内联优化，这种优化较高的提升了AOT运行的性能。本篇看下这种优化技术。 AOT优化概述 优化从来都不是简单的去掉几行代码或者改动几个机器码就行了，需要统筹考虑，以AOT优化来参考说明。 .NET9里面AOT的优化主要聚焦于内联上面。 实际上的更复杂，举个例子比如在一些编译器中，发现DEF函数里面的int变量x并没有做任何事情，激进下的优化直接把变量x也给删除了。 回到正题，上面略微了解下优化的关键点。 注意，本篇的AOT的内联优化是直接在编译阶段，无论是否有热点都会一次性的优化到可执行文件二进制的结果。我们下面继续看AOT的内联优化操作。 优化之后的代码，凸显了可见性的精简和凝练。 这依然只是部分优化，可以预见后续的.NET10,11,12等等在AOT上有更大性能的提升。 以上就是本篇内容，欢迎点赞，关注。
41600编辑于 2025-01-23 - 来自专栏写代码和思考
MySQL学习笔记(9) MySQL性能优化
背景 本文讨论一些性能优化的原则和方法。 2.知识 性能优化是通过合理安排资源，调整MySQL参数，服务器环境等手段使得MySQL 运行更快，更节省资源。 常见的优化方法： 查询优化 数据库表结构设计优化 MySQL所在的服务器优化 可以从多个方面进行性能优化，原则是 尽量减少系统的瓶颈，减少资源的占用，加快系统的响应速度。 比如： 优化系统的文件系统，以提高磁盘I/O的读写速度； 优化操作系统调度策略，以提高MySQL在高负荷情况下的负载能力； 优化表结构，索引，查询语句使得查询的响应更快。 优化：尽量使用 连接JOIN 查询来代替子查询，连接查询不需要建立临时表，速度更快。 优化数据库结构 使用频率低的拆成新表 对于字段较多的表，可以将 使用频率低的字段分离出来形成新表。 优化 MySQL 服务器 硬件优化 配置较大内存 配置高速磁盘 合理分布磁盘I/O 多处理器等 优化MySQL配置文件的参数 MySQL配置参数在my.cnf ， my.ini 文件中，根据经验修改参数达到优化目的
58110发布于 2021-06-29 - 来自专栏软件工程师成长笔记
9月17-MySQL性能优化
MySQL性能优化策略 1、MySQL内核架构 2、索引原理与查询优化 加速MySQL高效查询数据的数据结构 二分查找（binary search） 二叉树查找（binary tree search） 务必注意影响结果集的定义是什么 行级锁会带来更新的额外开销，但是通常情况下是值得的 2）事物提交 对I/O效率提升的考虑 对安全性的考虑 HEAP内存引擎 1）频繁更新和海量读取情况下仍会存在锁定状况 索引优化 一样会产生读写锁 3）负载均衡主要使用分库方案，主从主要用于热备和故障转移 MySQL Cluster：高可用 1）同步复制 2）自动故障切换 3）自我修复 4）无共享架构，无单点故障 5）跨地域复制 9、
48630发布于 2018-10-10 - 来自专栏不温卜火
HBase快速入门系列(9) | HBase优化
rowKey为1001的，SHA1后变成：dd01903921ea24941c26a48f2cec24e0bb0e8cc7 原本rowKey为3001的，SHA1后变成：49042c54de64a1e9bf0b33e00245660ef92dc7bd 内存优化 HBase操作过程中需要大量的内存开销，毕竟Table是可以缓存在内存中的，一般会分配整个可用内存的70%给HBase的Java堆。 基础优化 1. 优化延迟高的数据操作的等待时间 hdfs-site.xml 属性：dfs.image.transfer.timeout 解释：如果对于某一次数据操作来讲，延迟非常高，socket需要等待更长的时间 9. flush、compact、split机制 当MemStore达到阈值，将Memstore中的数据Flush进Storefile；compact机制则是把flush出来的小文件合并成大的Storefile
88230发布于 2020-10-28 - 来自专栏Java进阶架构师
「mysql优化专题」详解引擎(InnoDB,MyISAM)的内存优化攻略？（9）
上一篇我们讲了关于视图应用与优化，本篇我们讲解内存优化。本篇短小精悍，通俗易懂。 ? 注意：以下都是在MySQL目录下的my.ini文件中改写。 一、InnoDB内存优化 InnoDB用一块内存区域做I/O缓存池，该缓存池不仅用来缓存InnoDB的索引块，而且也用来缓存InnoDB的数据块。 二、MyISAM内存优化 MyISAM存储引擎使用key_buffer缓存索引模块，加速索引的读写速度。对于MyISAM表的数据块，mysql没有特别的缓存机制，完全依赖于操作系统的IO缓存。
1.2K20发布于 2018-08-15 - 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?
28110编辑于 2022-05-13 - 来自专栏深度学习
9种神经网络优化算法详解
优化器通过最小化函数来解决优化问题。为了更好地理解优化器的作用，可以想象一个蒙着眼睛的登山者试图走下一座山。无法确切知道他该往哪个方向走，但他能判断自己是在下山（取得进展）还是在上山（失去进展）。 优化器的作用就在于此: 它决定了如何调整神经网络的权重和学习率以减少损失。优化算法通过不断优化损失函数，帮助模型尽可能地输出准确的结果。 9种优化器列举9种不同类型的优化器以及它们是如何精确地工作以最小化损失函数的。 我们将使用一个简单的二维函数 $f(x)=x_1^2+x_2^2$ 来展示优化过程，并通过Matplotlib绘制优化路径。 9：Adaptive Moment Estimation（Adam）在机器学习中，Adam（Adaptive Moment Estimation，自适应矩估计）作为一种高效的优化算法脱颖而出。
1.8K10编辑于 2025-02-07 - 来自专栏应兆康的专栏
9. 优化指标和满足指标
9 优化指标和满足指标 这里有组合多个评价指标的另一个方法。 假设你同时关系算法的精度和运行时间。 在这里运行时间就是一个“满足指标(satisficing metric)”，你的分类器只要在这个指标上表现的足够好即可，这意味着你的算法最多耗时100ms，而准确率是一个“优化指标(optimizing 你可以考虑将其中N-1个标准设置为“满足指标”，然后将最后一个指标定义为“优化指标”。如，你将模型文件的大小，和运行时间设置为一个可接受的阈值，然后在这些约束下不断优化你的算法准确度。 该系统性能的一个合理目标是最大限度的减少误报率（优化指标），同时满足每24个小时操作不会出现一个假正例（满足指标）。 一旦你的团队按照评估指标进行优化，那你们肯定可以更快的取得进展。
1K120发布于 2018-05-09 - 来自专栏应兆康的专栏
9. 优化指标和满足指标
9 优化指标和满足指标 这里有组合多个评价指标的另一个方法。 假设你同时关系算法的精度和运行时间。 在这里运行时间就是一个“满足指标(satisficing metric)”，你的分类器只要在这个指标上表现的足够好即可，这意味着你的算法最多耗时100ms，而准确率是一个“优化指标(optimizing 你可以考虑将其中N-1个标准设置为“满足指标”，然后将最后一个指标定义为“优化指标”。如，你将模型文件的大小，和运行时间设置为一个可接受的阈值，然后在这些约束下不断优化你的算法准确度。 该系统性能的一个合理目标是最大限度的减少误报率（优化指标），同时满足每24个小时操作不会出现一个假正例（满足指标）。 一旦你的团队按照评估指标进行优化，那你们肯定可以更快的取得进展。
1.1K10发布于 2018-05-30 - 来自专栏Goboy
优化Java代码 9 条简单的规则
考虑getBeer(...)下面的方法，该方法的调用者期望接收一个Beer对象，并且从方法 API 中不清楚Beer可以是null顺便说一句，调用者可能会忘记添加null检查，并且可能会收到NullPointerException程序错误。
28210编辑于 2024-03-11 - 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！ *角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 ❤ Indeed Unveils AI Agents for Job Seekers and Recruiters 求职招聘领域迎来AI助手新时代 Indeed推出了两款AI Agents，分别面向求职者和招聘方 ❤ Secure AI Agents at Runtime with Docker Docker推出AI Agent运行时安全解决方案 Docker发布了关于如何在运行时保护AI Agent的新方法， AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。
34510编辑于 2025-09-17 - 来自专栏数据科学（冷冻工厂）
9个Python 内置装饰器: 显著优化代码
让我们看看我精心挑选的 9 个装饰器，本文[1]将向您展示 Python 是多么优雅。 1. class Point: x: float y: float point = Point(1.0, 2.0) print(point) # Point(x=1.0, y=2.0) 9. ---- 参考资料 [1] Source: https://medium.com/techtofreedom/9-python-built-in-decorators-that-optimize-your-code-significantly-bc3f661e9017
53520编辑于 2023-02-27 - 来自专栏媒矿工厂
Ittiam优化VP9，turnaround时间大幅减少
libvpx是Google开发的视频编解码器VP8和VP9的开源软件实现库。 libvpx中包含了VP9视频编码算法，相比H.264/AVC，在高质量配置的2 pass编码模式下能提供40%多的 BD-rate增益。 这使得libvpx（VP9）在OTT(Over The Top)视频传输服务中潜力巨大。 与汇编级优化不同，多线程优化适用于任何多核处理器。作为其中的部分改进，多线程优化应用于以下三个libvpx 2 pass编码模式中表现较差的情况。 1. 结合相比于H.264/AVC编码的带宽增益，优化后的VP9实现版本为在线视频流媒体应用编码HD和UHD/4K流提供了一个有效可行的的选择。
2K50发布于 2018-03-05 - 来自专栏bisal的个人杂货铺
9i下优化器模式的选择
最近，兄弟部门有套老的应用，需要做次数据库迁移，从一台旧的9i，迁到一台新的9i，某条SQL语句，从一张分区表table，数据量超过1亿，使用了分区索引字段c，按照like做模糊检索，构造模拟如下： 再比较下新旧库的优化器模式，均为CHOOSE， ? 这能说明什么？ 首先，9i下优化器模式默认的是CHOOSE，这个值是表示，Oracle既可以采用基于规则的优化器(RBO)，也可以采用基于成本代价的优化器(CBO)，到底使用那个值，取决于当前SQL的被访问的表中是不是有可以使用的统计信息 如果所有被访问的表都没有统计信息，Oracle就会采用基于规则的优化器RBO，优先级别如下， ? 可能的解决方案， 1. 9i用outline锁定执行计划。 2. 对SQL采用hint，强制使用索引。 3. 删除新库这张表的统计信息，让他选择RBO。
67730发布于 2019-04-25 - 来自专栏月色的自留地
从锅炉工到AI专家(9)
Epoch 8 Step 1207755: lr = 0.015 words/sec = 401 Eval 4965/17827 accuracy = 27.9% Epoch 9
81460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。
23010编辑于 2025-12-28
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