- 综合排序
- 最热优先
- 最新优先
- 来自专栏大模型应用
大模型应用：本地大模型部署中的Token效率优化与性能分析.9
for x in arr if x > pivot] return quick_sort(left) + middle + quick_sort(right)# 测试代码 arr = [4, 2, 9, Prompt工程优化 这段示例实现了一个Prompt工程优化技术分析工具，通过对比分析不同Prompt表达方式的Token消耗差异，系统性地展示了Prompt优化的有效方法和具体效果。 优化策略层Prompt优化：精简指令，减少冗余Token长度控制：动态调整生成长度参数批处理优化：提高批量请求处理效率上下文压缩：智能管理长对话历史4. 分析输出阶段性能报告：生成详细的Token使用统计优化建议：基于数据分析提供改进建议六、总结今天我们通过构建基于Qwen1.5-1.8B-Chat的完整Token监控与优化系统，实现了以下主要成果：建立了全面的 ，确保系统在不同硬件环境下的可用性通过持续的技术迭代和优化，我们相信Token效率优化将在推动大语言模型普惠应用方面发挥越来越重要的作用。
52143编辑于 2026-02-06 - 来自专栏养虾记
优化 OpenClaw Heartbeat，大幅减少 Token 消耗
────────────────────┐│优化前的Token消耗结构│├──────────────────────────────────────────────────────────────── ─────────────────────────────────────────────────────────────────────────9040f221-232f-49f3-ae36-99e9e319fea0clawhub-skill-collectorcron0 :00,12:00,18:00每天凌晨00***每天0:00每天早上8点08***每天8:00每周一早上08**1周一8:00每月1号001**每月1号0:00工作日（周一至周五）09**1-5工作日9: 7.1Token消耗对比优化前（每日）：项目次数单次Token总计TokenHeartbeat484,000192,000任务执行48包含在心跳中-总计--192,000优化后（每日）：项目次数单次Token $1.92$0.26$1.66每月$57.60$7.80$49.80每年$691.20$93.60$597.607.3性能对比指标优化前优化后提升心跳响应时间5-10秒1-2秒5x上下文长度5000+Token1800Token64%
2.1K21编辑于 2026-03-24 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。
1.3K10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
26410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。
27820编辑于 2023-08-14 - 来自专栏【腾讯云开发者】
节省Token的9+1个邪修办法
不知道什么时候开始，我对于收入的思考方式变成了：今天我又赚了多少个token。 长期速试AI提效产品的买购，会导致token花费苦来兮苦，本文结合我的实际经验和小伙伴们交流总结了十条建议，能够帮大家节省token，提高使用AI工具帮助学习工作的效果，物尽其用。 如果不会使用模型，模型运行效果差，带有大量无用上下文token，会白白浪费token数。 同时，使用外部模型编写内部代码是危险的，不符合规定的。 那到底有没有什么办法可以节省token、让模型发挥的更好，同时工作中能用的场景又有哪些呢？ 我这里有一些建议。 Boost Prompt 会自动帮你优化提示词，这个功能和前面提到的“偷prompts”有异曲同工之妙。
2.7K10编辑于 2025-08-24 - 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。
38600编辑于 2025-01-23 - 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、
47230发布于 2018-10-10 - 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
57210发布于 2021-06-29 - 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
86730发布于 2020-10-28 - 来自专栏GiantPandaCV
解析 Token to Token Vision Transformer
最后看下T2T，通过Token to Token结构（下文会讲），它在浅层的时候也能建模出结构信息，同时也避免了极值的出现。 Token To Token结构 ? 这样会逐渐减少token的数量，但随之而来token的长度会增加很多（因为多个tokens连接在一个token），因此后续模型也降低了维度数目，以平衡计算量。 np_input = np.array([[[[1, 2, 3], [4, 5, 6], [7, 8, 9] 4., 5.], [ 2., 3., 5., 6.], [ 4., 5., 7., 8.], [ 5., 6., 8., 9. 整体架构 T2T架构如上图所示，先经过2次Tokens to Token操作，最后给token加入用于图像分类的cls token，并给上位置编码（position embedding)，送入到Backbone
8K10发布于 2021-03-11 - 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coding for love
5-8~9 webpack 性能优化（1）
简介 接下来几节，我们一起学习如何优化 webpack 性能，提升打包速度。 1. 跟上技术的迭代，使用最新的依赖 首先，webpack 版本在迭代更新的过程中会做很多的优化。
44810发布于 2020-05-18 - 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。
1.7K10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。
26510编辑于 2024-03-11 - 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。
1K10发布于 2018-05-30 - 来自专栏全栈程序员必看
小米 token(token在哪里获取)
小米设备token获取&HomeAssistant安装部署 小米智能设备token获取 miIO-discovery获取token与控制 app直接token获取 DB获取token 开源智能家居平台HomeAssistant 在使用这个局域网控制协议之前需要获取到设备token，接下来介绍小米设备获取token的一些方法。 :’,tok) 运行python3.5 miio_test.py，获取小米Wi-Fi插座token 执行控制脚本，输入插座的ip和token两个参数就可以看到现在插座的状态，在这两个参数的基础上添加 接下来还有一种方法可以直接从app获取token。以小米绿米网关为例，首先下载米家app，将绿米网关配置入网后，点击网关设备。接下来步骤如下组图，最后的密码即为网关的token。 目前绿米的这种设计模式是最方便用户的，而且设备的所有者还可以选择是否开放局域网控制以及刷新控制token的有效性，个人还是很希望小米的其他设备同样开放app侧获取设备token，因为毕竟获取需要搭建复杂的环境以及调试代码
9.9K10编辑于 2022-07-29 - 来自专栏GiantPandaCV
原理&图解vLLM Automatic Prefix Cache(RadixAttention)首Token时延优化
SGLang RadixAttention 图中（1）~（9）表示Radix Tree的动态变化。每条树边都带有一个标签，表示子字符串或token序列。 Only Prefix KV Caching （2）Prefix + Generated KV Caching的优化，多轮对话分析。 |Film|Cast|Director|Music Director|Notes|\n|----|----|----|----|----|----|----|----|\n|J A N|9|1|Agni Devarajan||\n|F E B|27|9|Samasya|Madhu, Kamalahaasan|K. Prefix Caching的优化思路，并非只有SGLang RadixAttention以及vLLM中的实现。
14.1K31编辑于 2024-06-04 - 来自专栏云攻略专区
Openlaw 网关 Token 激增与成本超标问题及优化研究方向
Tokens 消耗指数级增长Tokens 资源供应严重不足模型调用费用持续超标二、研究方向（4 大核心）上游多种模型轮询调度技术多模型负载均衡、故障转移、优先级路由按任务复杂度自动分配大 / 小模型，降低整体 Token 消耗提升服务可用性，避免单点瓶颈模型 Prompt 提示词限制与 Token 节省技术精简指令、结构化提示、冗余信息剔除上下文压缩、历史对话摘要、长度硬限制优雅截断与缓存复用，在不降低效果前提下大幅省 Token中间件与 CodingPlan 共享消耗池技术构建 Token 共享消耗池，统一配额与限流中间件统一鉴权、计费、监控、熔断CodingPlan 任务编排与复用，减少重复调用与浪费本地化基础模型私有轻量化部署小 AI 多模型、AI 音视频数字人硬件智能方案多模型协同推理、音视频实时生成优化、数字人硬件加速方案、端云协同智能架构，提升表现力与运行效率。
27710编辑于 2026-03-16
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