掘金安东尼

文章/答案/技术大牛

发布

LV1

全部文章

AI 生成的 requirements.txt 害我部署搞了一上午。。
别盲目相信 AI 给你生成的 requirements.txt 。它看起来像是帮你总结好了所有依赖，实际上准确率堪忧，经常会出现版本对不上、根本不存在的库，...
掘金安东尼 7天前2026-04-08 09:04:57
前端、txt、部署、服务、后端
AIGC 的 3 个版本 25 年终总结
我平常一直会在 notion 上记录“最近发生的事”、“开支”、“感受”等等，按时间线、大量的记录；今年借助大模型，对于很多事情的表述，丢给大模型之后，它整理的...
掘金安东尼 7天前2026-04-08 09:02:58
工作、模型、年终总结、系统、AIGC
React 的新时代已经到来：你需要知道的一切
构建异步 UI 向来都是一件非常困难的事情。导航操作将内容隐藏在加载指示器之后，搜索框在响应无序到达时会产生竞态条件，表单提交则需要手动管理每一个加载状态标志和...
掘金安东尼 11天前2026-04-04 07:55:12
设计、数据、搜索、异步、react
藏在Claude Code里的小惊喜！187种Loading状态词，告别单调编程等待
用 Claude Code 的时候，我发现它的状态提示语特别、特别、特别多，多到我有时候等待的过程搁那学英语呢，该说不说，Claude 产品力真的挺好，提示语这...
掘金安东尼 12天前2026-04-03 14:58:56
人工智能
这些前端新技术你很难再忽视了 —— Svelte
可以粗暴简单这样记忆，Svelte 和 Vue 是一对，SolidJS 和 React 是一对。书写风格 Svelte 和 Vue 很像；而 SolidJS 和...
掘金安东尼 2025-10-272025-10-27 11:30:22
vue.js、react、html、javascript、打包
推荐 5 个你大概率没见过的免费 API ，一键获取数据！
不用任何登录！不用任何 token ！不用任何购买套餐！GET 请求一键获得数据！！
掘金安东尼 2025-09-172025-09-17 11:46:52
https、网络安全、api、编程算法、php
这些前端新技术你很难再忽视了 —— Tauri
今年 6 月才刚发布，简直就跟一个新生儿一样。虽然它很新，但是 github star 数已经 4.8w+
掘金安东尼 2025-07-082025-07-08 10:55:33
rust、javascript、electron、https、网络安全
能不能通俗易懂翻译翻译“梯度下降法是什么”？
前面文章（通过 AutoGrad 来理解 TextGrad ，反向传播中的自动微分）提到梯度了，那么梯度、梯度下降法是什么？本篇再深入一点来看看。
掘金安东尼 2024-07-312024-07-31 09:43:21
原理、神经网络、翻译、函数、数据
通过 AutoGrad 来理解 TextGrad ，反向传播中的自动微分
DSPy 很牛，它不同于 RAG 的思路（建立本地知识库，给提示语更专业的背景知识），DSPy 做了两件事情，第一是它将大模型的执行分解成为一个流程，也可以称之...
掘金安东尼 2024-07-252024-07-25 12:51:26
函数、模型、数据、系统、优化
RAG+内容推荐，应该如何实践？
首先回顾一下 RAG 技术定义，它可以结合信息检索和生成模型的混合。简单来说，RAG = 预训练的语言模型 + 信息检索系统，使模型能够在生成自然语言时引入外...
掘金安东尼 2024-07-182024-07-18 08:11:00
推荐系统、量化、模型、实践、系统
Claude 3.5 Sonnet VS GPT-4o 识图测试，谁更强？
GPT-4o 和 Claude 3.5 是时下最热门的大模型，已经有相当多的文章介绍二者差异，不过因为维度不一致、形成的结论是“公说公有理、婆说婆也有理”。
掘金安东尼 2024-06-282024-06-28 09:08:19
容器、gpt、测试、模型、数学
浅析优化文本提示技术 —— TextGrad
大模型领域，现在除了不断推出各种底层大模型外，还涌现了许多包含复杂组件的复合系统，包括框架、工具等。
掘金安东尼 2024-06-242024-06-24 10:48:36
解决方案、模型、系统、性能、优化
叒震惊？！ES15 (2024) 5个全新 JavaScript 特性
2024 ，ES15 带来了一些新的 JavaScript 特性，有新的语法糖、有更先进的异步解决方案、还有全新的正则表达，话不多说，一起来看！
掘金安东尼 2024-06-222024-06-22 09:03:18
线程、异步、javascript、数据、网络
求求你别学了：从 Prompt 到 RAG，从 RAG 到 DSPy
如本瓜在此前的文章中提到过，Prompt 工程已经不中用了，没有人愿意废那么大的劲来学习如何结构化提问，大家想要的就是傻瓜式提问，但是大模型的回答还是精准的、合...
掘金安东尼 2024-06-192024-06-19 12:43:02
优化、prompt、编程、程序、模型
再靠近亿点点，RAG 优化策略
在现有的向量数据库中，典型的上下文增强可能面临挑战：难以捕捉长距离的关联知识，信息稀疏性高（尤其是当LLM上下文窗口有限时）。
掘金安东尼 2024-04-132024-04-13 08:09:43
模型、优化、表格、程序员
Pytorch 前反馈：在神经网络训练中降低损失
在 PyTorch 界里，构建神经网络的神器就是 torch.nn 包。这个包是大脑的搭建工坊，提供无限可能 ✨
掘金安东尼 2024-04-122024-04-12 08:29:44
网络、神经网络、pytorch、self、数据
一脚踹开 RAG 大门，深入它所面临的挑战
思路：构建几十万量级的数据，然后利用这些数据对大模型进行微调，以将额外知识注入大模型；
掘金安东尼 2024-04-122024-04-12 08:27:48
开源、量化、模型、数据、优化
PyTorch 揭秘：构建MNIST数据集
👋 今天我们继续来聊聊PyTorch，这个在深度学习领域火得一塌糊涂的开源机器学习库。PyTorch以其灵活性和直观的操作被广大研究人员和开发者所青睐。
掘金安东尼 2024-04-092024-04-09 21:32:36
mnist、模型、数据、优化、pytorch
👾打开 RAG 对接大模型的黑盒 —— 9 大隐藏问题
前一段时间，各个大模型在争斗：谁能携带更长、更大的上下文 Prompt，比如 Kimi 说 200 万字，阿里通义千问又说自己能达 1000 万字；大家都知道 ...
掘金安东尼 2024-04-042024-04-04 09:52:12
数据库、工具、模型、数据、搜索
国内大模型 T1 —— Kimi，解析二百万上下文无压力
前段时间写过一篇文章:# GPT4-Turbor 128k ？还不够？还不够！记得 GPT4-T 的上下文参数量 128k，也就大概 100 万英文字符、50...
掘金安东尼 2024-03-232024-03-23 07:46:52
存储、测试、模型、数据、优化

12 3 4 5 6 7 8...15 下一页

个人简介

CMIC | FE
真正的大师，永远怀着一颗学徒的心。V我 anthony1453
javascript vue.js 编程算法腾讯云开发者社区玩转腾讯云
暂未填写学校和专业
https://tuaran.notion.site/notion-d52cbdc61e044dca9f1c9e257ea4636d
广东省 | 广州市
加入社区时间：2020-09-07

个人成就

获得 675 次赞同
文章被阅读 303.9K 次

关注了：1关注者：22

掘金安东尼

全部文章

AI 生成的 requirements.txt 害我部署搞了一上午。。

AIGC 的 3 个版本 25 年终总结

React 的新时代已经到来：你需要知道的一切

藏在Claude Code里的小惊喜！187种Loading状态词，告别单调编程等待

这些前端新技术你很难再忽视了 —— Svelte

推荐 5 个你大概率没见过的免费 API ，一键获取数据！

这些前端新技术你很难再忽视了 —— Tauri

能不能通俗易懂翻译翻译“梯度下降法是什么”？

通过 AutoGrad 来理解 TextGrad ，反向传播中的自动微分

RAG+内容推荐，应该如何实践？

Claude 3.5 Sonnet VS GPT-4o 识图测试，谁更强？

浅析优化文本提示技术 —— TextGrad

叒震惊？！ES15 (2024) 5个全新 JavaScript 特性

求求你别学了：从 Prompt 到 RAG，从 RAG 到 DSPy

再靠近亿点点，RAG 优化策略

Pytorch 前反馈：在神经网络训练中降低损失

一脚踹开 RAG 大门，深入它所面临的挑战

PyTorch 揭秘：构建MNIST数据集

👾打开 RAG 对接大模型的黑盒 —— 9 大隐藏问题

国内大模型 T1 —— Kimi，解析二百万上下文无压力

个人简介

个人成就

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

掘金安东尼

AI 生成的 requirements.txt 害我部署搞了一上午。。

AIGC 的 3 个版本 25 年终总结

React 的新时代已经到来：你需要知道的一切

藏在Claude Code里的小惊喜！187种Loading状态词，告别单调编程等待

这些前端新技术你很难再忽视了 —— Svelte

推荐 5 个你大概率没见过的免费 API ，一键获取数据！

这些前端新技术你很难再忽视了 —— Tauri

能不能通俗易懂翻译翻译“梯度下降法是什么”？

通过 AutoGrad 来理解 TextGrad ，反向传播中的自动微分

RAG+内容推荐，应该如何实践？

Claude 3.5 Sonnet VS GPT-4o 识图测试，谁更强？

浅析优化文本提示技术 —— TextGrad

叒震惊？！ES15 (2024) 5个全新 JavaScript 特性

求求你别学了：从 Prompt 到 RAG，从 RAG 到 DSPy

再靠近亿点点，RAG 优化策略

Pytorch 前反馈：在神经网络训练中降低损失

一脚踹开 RAG 大门，深入它所面临的挑战

PyTorch 揭秘 ：构建MNIST数据集

👾打开 RAG 对接大模型的黑盒 —— 9 大隐藏问题

国内大模型 T1 —— Kimi，解析二百万上下文无压力

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

PyTorch 揭秘：构建MNIST数据集