- 综合排序
- 最热优先
- 最新优先
- 来自专栏h5
Tauri2.0接入Deepseek实战客户端Ai聊天系统
2025重磅客户端AI系统Tauri2.x+Vue3.5+openai接入DeepSeek-v3搭建客户端流式ai对话应用。支持多窗口管理、代码高亮、上下文多轮会话、本地存储对话等功能。
51910编辑于 2025-06-18 - 来自专栏Windows开发
系统学习Windows客户端开发
学习地图 书籍推荐 C++ Primer Windows核心编程 TCP/IP详解 卷1：协议 设计模式GoF版 编码规范 C++编码规范 C++语言 C++宏 C++11 用正则表达式查找提取
3.5K30发布于 2019-11-07 - 来自专栏Html5知典
本地文件系统——客户端存储
概述 本地文件系统（Local FileSystem） API是通过FileSystem对象window.requestFileSystem()方法来实现的。 Web应用程序可以通过调用window.requestFileSystem()来请求对一个沙盒文件系统的访问权限。调用requestFileSystem()会创建一个新的沙盒存储空间。 代码示例 请求文件系统 通过调用window.requestFileSystem()请求对沙盒文件系统的访问权限： //浏览器的兼容性 window.requestFileSystem = window.requestFilsSystem * successCallback \\ 文件系统请求成功时调用的回调函数。其参数为FileSystem对象。 * opt_errorCallback \\ 用于处理错误或获取文件系统的请求遭到拒绝时可选的回调。其参数为FileError对象。 创建文件夹 在根目录中创建一个文件夹。
1.9K10发布于 2019-11-26 - 来自专栏AI系统
【AI系统】AI系统架构的组成
AI 系统组成如图所示，大致可以将 AI 系统分为以下几个具体的方向：AI 训练与推理框架AI 框架不仅仅是指如 PyTorch 等训练框架，还包括推理框架。 就像传统的软件工程中调试器，可视化，类型系统等工具链的支撑，让整个开发过程中，跨平台，跨平台，问题诊断，缺陷验证等得以高效实现，目前 AI 系统领域也不断有类似工具产生，以支持整个 AI 工程化实践。 AI 编译与计算架构负责 AI 模型在真正运行前的编译和系统运行时的动态调度与优化。 但是我们将在后续章节中，将会围绕核心系统软硬件，如 AI 训练和推理框架，AI 编译器，AI 芯片，部分涉及更广泛的 AI 系统生态中的重要内容如算法等展开介绍。 AI 系统生态除了以上重要的 AI 系统构成之外，随着人工智能应用越来越广泛，我们还可以看到更广泛的 AI 系统生态的构成。
2K11编辑于 2024-11-26 - 来自专栏无原型不设计
电商管理系统客户端原型分享
在《政务管理系统原型分享》中，我们对ERP系统的概念进行了简单的介绍：ERP系统是针对物资资源管理、人力资源管理、财务资源管理、信息资源管理集成一体化的管理软件。 在金融、教育、电商、政务等行业，ERP系统的应用都非常广泛。 电商管理系统客户端原型设计 近年来，随着电商行业的飞速发展，电商ERP系统的需求量也大大提升。 一款功能全面的电商ERP系统，不仅可以帮助各大电商平台高效管理店铺，同时还可以节省不少人力、物力、财力。 在设计电商ERP系统之前，我们首先需要尽可能全面地总结出产品所有的业务场景和用户的使用场景。 我们使用Mockplus经典版原型设计工具搭建了一款电商ERP系统的客户端原型。 接下来一起来看看，在这款电商管理系统客户端原型中，有哪些值得借鉴的设计技巧吧。 Mockplus原型分享——电商管理系统客户端 这套电商管理系统客户端原型属于中高保真原型，包含登录注册、系统首页、商品管理、订单管理、财务管理、数据分析、系统设置七个部分，共计22个页面。
2.6K30发布于 2020-04-27 - 来自专栏JAVA同学会
Spring Mobile——探测客户端设备和系统
Spring Mobile——探测客户端设备和系统 今天闲来无事，浏览Spring的官方网站，发现了Spring Mobile项目，之前也看到过，还以为是针对手机端的项目，并没有细看。 今天仔细看了一下，原来是可以探测请求端的设备和系统。比如是手机、平板、还是正常的PC网站。它是Spring MVC的扩展，主要的目的是简化手机web应用的开发。
88830发布于 2018-09-04 - 来自专栏JAVA同学会
Spring Mobile——探测客户端设备和系统
今天仔细看了一下，原来是可以探测请求端的设备和系统。比如是手机、平板、还是正常的PC网站。它是Spring MVC的扩展，主要的目的是简化手机web应用的开发。
84940发布于 2018-08-28 - 来自专栏开源部署
多种操作系统NTP客户端配置
在调节NTP时间的时候，请保证123端口畅通，或者未被占用(使用netstat -n命令查看)。 假设时间服务器的地址如下： Time Server Address： Primary：192.168.1.254 Standby：192.168.1.253
2.7K10编辑于 2022-06-28 - 来自专栏猛牛哥的博客
WINDOWS系统安装WireGuard客户端的方法
目前WireGuard的WINDOWS客户端由tunsafe.com 提供，但是这个网站目前已经被墙了，所以下载和安装不太方便。 我把官方的安装包放到自己服务器了，点此下载TunSafe。
10.1K50编辑于 2023-10-21 - 来自专栏小鑫同学编程历险记
客户端开发（Electron）系统级API使用
系统对话框： 1. 调用系统API实现文件保存或读取前的选择功能： 如上图所示的功能，我们在使用电脑时就经常会遇到，在Electron中我们可以通过调用dialog.showOpenDialogSync函数同步打开下面的对话框 特殊对话框（关于面板）： 如上图就是我们设置过后的特殊对话框关于面板，通常显示当前客户端应用的信息。 系统右键菜单： 通过覆盖oncontextmenu来实现弹出定义的菜单想： const menus = [ { label: '文件', submenu: [{ label: '新建文件 function (e) { e.preventDefault() menuCtx.popup() } win.on('blur', () => { menuCtx.hide() }) 总结： 利用系统提供的对话框
4.1K50编辑于 2022-12-26 - 来自专栏建站知识
在 RHEL 8 上配置客户端系统
restart rsyslog 要在启动时运行 Rsyslog，请运行以下命令： $ sudo systemctl enable rsyslog 测试日志记录操作 已经成功安装并配置 Rsyslog 服务器和客户端后 在客户端系统上，运行以下命令： # logger "Hello guys! This is our first log" 现在进入 Rsyslog 服务器并运行以下命令来实时查看日志消息： # tail -f /var/log/messages 客户端系统上命令运行的输出显示在了 Rsyslog 服务器的日志中，这意味着 Rsyslog 服务器正在接收来自客户端系统的日志： centralize-logs-rsyslogs-centos8 就是这些了！ 我们成功设置了 Rsyslog 服务器来接收来自客户端系统的日志信息。
85310发布于 2021-09-15 转载：【AI系统】AI系统架构的组成
AI 系统组成 如图所示，大致可以将 AI 系统分为以下几个具体的方向： AI 训练与推理框架 AI 框架不仅仅是指如 PyTorch 等训练框架，还包括推理框架。 就像传统的软件工程中调试器，可视化，类型系统等工具链的支撑，让整个开发过程中，跨平台，跨平台，问题诊断，缺陷验证等得以高效实现，目前 AI 系统领域也不断有类似工具产生，以支持整个 AI 工程化实践。 AI 编译与计算架构负责 AI 模型在真正运行前的编译和系统运行时的动态调度与优化。 但是我们将在后续章节中，将会围绕核心系统软硬件，如 AI 训练和推理框架，AI 编译器，AI 芯片，部分涉及更广泛的 AI 系统生态中的重要内容如算法等展开介绍。 AI 系统生态 除了以上重要的 AI 系统构成之外，随着人工智能应用越来越广泛，我们还可以看到更广泛的 AI 系统生态的构成。
2.8K10编辑于 2024-12-11- 来自专栏AI系统
【AI系统】AI系统概述与设计目标
AI 系统全栈架构 通过对 AI 的发展、以及模型算法、硬件与数据的趋势介绍，我们已经了解了 AI 系统的重要性。 本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 接下来将从不同的维度和技术层面展开 AI 系统的全景图。 AI 系统概述 AI 系统基本概念 从类比的角度理解 AI 系统：AI 时代连接硬件和上层应用的中间层软硬件基础设施。 AI 系统。 所介绍的 AI 全栈相关内容中则是指 AI 系统（AI System），是围绕深度学习而衍生和设计的系统，因此也叫做深度学习系统（Deep Learning System）。
98610编辑于 2024-12-02 - 来自专栏小鑫同学编程历险记
客户端开发（Electron）系统级API使用2
图中的代码通过监听onkeydown事件，来判断按键是否同时满足ctrl+s（ascll码），mateKey值Mac系统的花键。 这种监听快捷键的特点是只能在窗口处于激活的时候才能触发，但你会发现我们使用系统的一些快捷键是可以唤醒应用的，那这种非激活状态应用的快捷键监听就只能通过Electron提供的系统级API来实现了。 总结： 本篇学习了在客户端应用中监听按键实现快捷键的两种方式，但也要注意避免快捷键的冲突和滥用，也学习了常见的托盘图标的设置和菜单的设置，知道了我们如何在有新消息送达时和QQ一样来闪烁起来，学习阶段化繁为简
3.3K50编辑于 2022-12-26 - 来自专栏Nicky's blog
window系统安装msysgit(Git客户端软件)教程
Git是一种很常用的版本控制系统，当然还有SVN，不过本文只简述msysgit的安装过程 msysgit是目前最为广泛及实用的工具之一，下载的话可以去官网下载或者直接百度输入“Git下载”就可以，下面提供链 然后，这里是选择操作系统，我们选择第一个默认的Window ? 我提供一个很不错的学习网站链接：http://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000 有了客户端软件
1.4K10发布于 2019-01-17 - 来自专栏AI系统
【AI系统】推理系统架构
推理系统架构是 AI 领域中的一个关键组成部分，它负责将训练好的模型应用于实际问题，从而实现智能决策和自动化。 作为一个强大的推理框架，Triton 能够满足多样化的 AI 应用需求，帮助企业和开发者构建高效、可靠的推理服务。 需要特定的客户端库支持。Ⅲ. 共享内存 IPC 通信机制共享内存是一种进程间通信（IPC）方式，允许多个进程共享同一块内存区域。 正如之前所提到的，Triton 支持多种协议，如 gRPC 和 HTTP/REST，以适应不同客户端的需求。 此外，对于连续的推理任务，Triton 支持会话（Session）管理，进一步减少了客户端与服务端之间的握手和认证开销。
2.7K10编辑于 2024-12-02 - 来自专栏JavaEdge
学习Netty BootStrap的核心知识，成为网络编程高手！
表8-1很多继承自AbstractBootstrap： 2.1 引导客户端 Bootstrap 类负责为客户端和使用无连接协议的应用程序创建 Channel，如图 8-2： 代码清单 8-1 引导了一个使用 channelFuture.cause().printStackTrace(); } } }); 2.2 Channel 和 EventLoopGroup 的兼容性 代码清单 8- 3.1 ServerBootstrap 类 表 8-2 列出了 ServerBootstrap 类的方法： 3.2 引导服务器 表 8-2 中列出一些表 8-1 不存在的方法：childHandler 服务器正在处理一个客户端请求，该请求需要它充当第三方系统的客户端。 当一个应用程序（如一个代理服务器）必须要和现有的系统（如 Web 服务或数据库）集成时，就可能发生这种情况。此时，将需要从已被接受的子 Channel 中引导一个客户端 Channel。
77060编辑于 2023-05-21 - 来自专栏AI系统
【AI系统】推理系统引言
推理的最终目标，便是将训练好的模型部署到实际的生产环境中，使 AI 真正运行起来，服务于日常生活。推理系统，是一个专门用于部署神经网络模型，执行推理预测任务的 AI 系统。 它类似于传统的 Web 服务或移动端应用系统，但专注于 AI 模型的部署与运行。推理系统会加载模型到内存，并进行版本管理，确保新版本能够顺利上线，旧版本能够安全回滚。 通过提供服务接口（如 HTTP、gRPC 等），推理系统使得客户端能够方便地调用模型进行推理预测。同时，推理系统还可以作为一个微服务，在数据中心中与其他微服务协同工作，共同完成复杂的请求处理任务。 推理引擎，则是推理系统中的重要组成部分，它主要负责 AI 模型的加载与执行。 人工客服应用推理引擎或推理系统在人工客服和 AI 对话方面有广泛的应用。以下是一些相关的内容：智能客服：推理引擎可以用于实现智能客服系统，能够理解用户的问题并提供准确的答案。
2K10编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】推理系统介绍
推理系统是一个专门用于部署神经网络模型，执行推理预测任务的 AI 系统。它类似于传统的 Web 服务或移动端应用系统，但专注于 AI 模型的部署与运行。 AI 生命周期在日常生活中，深度学习的相关方法已经广泛的部署到各类的应用当中。 此外，推理系统提供了多样化的服务接口（如 HTTP、gRPC 等），以便客户端轻松调用。用户可以通过这些接口不断向推理服务系统发起请求，并接收相应的响应。 根据上图示的 AI 框架、推理系统与硬件之间的关系，可以看到，除了应对应用场景的多样化需求，推理系统还需克服由不同训练框架和推理硬件所带来的部署环境多样性挑战，这些挑战不仅增加了部署优化和维护的难度，而且易于出错 开发人员需要将各种必要的软件组件拼凑在一起，以确保兼容数据读取、客户端请求、模型推理等多个阶段的处理。
2.8K10编辑于 2024-12-02 - 来自专栏开源技术小栈
Grok AI PHP 客户端库 Grok-PHP
Grok PHP Grok PHP 是一个致力于让 PHP 开发人员更容易访问 AI 和更高效的组织。我们构建轻量级、框架无关且完全优化的 AI 客户端，这些客户端可以无缝集成到您的应用程序中。 GrokClient($config); // Define messages $messages = [ ['role' => 'system', 'content' => 'You are an AI Model::GROK_2, temperature: 0.7, stream: false); $response = $client->chat($messages, $options); echo" AI temperature: 1.2, stream: false ); $response = $client->chat($messages, $options); echo" AI $response['choices'][0]['message']['content']; 可用的 Grok AI 模型 Grok AI 提供了多个模型，每个模型都针对不同的用例进行了优化。
74210编辑于 2025-02-24
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