登录注册
京东自营 + 国补 iPhone 历史最低价          国家补贴 享8折

欢马劈雪

  • 使用 Spring Batch 高效批量处理数据

    在当今数字化时代，企业每天都会产生和处理海量的数据。无论是电商平台的订单统计、金融机构的交易清算，还是物流企业的货物跟踪，都离不开高效的数据处理技术。而 Spring Batch，作为 Spring 生态系统中一颗璀璨的明星，正是为了解决这些大规模数据处理问题而诞生的。它就像是一位勤劳的幕后工作者，默默地在后台处理着大量的数据任务，为企业的正常运转提供坚实的支持。

    欢马劈雪
    Spring， Batch， 高效， 批量， 处理， 数据

  • Agent 框架协议“三部曲”：MCP、A2A、AG-UI

    近期关注AI行业动态的人士应该能观察到一个趋势，基础模型训练领域正日益呈现出寡头垄断的特征，而AI应用创新的前景和空间依然开阔，令人兴奋的AI应用层出不穷。一个完整的AI应用系统中常常包括三个主要角色：用户、AI Agent、外部工具，AI交互系统的核心之一是解决这三个角色之间的通信问题。

    欢马劈雪
    Agent， 框架协议， MCP， A2A， AG-UI

  • Python语言从2.7到3.14的能力变化与演进逻辑

    Python作为当今最受欢迎的编程语言之一，从2008年Python 3.0的发布到2024年Python 3.13的正式发布，以及 2025 年计划发布的Python 3.14，十六年的演进过程不仅见证了编程语言技术的进步，更反映了整个软件行业的深刻变化。从人工智能的兴起到云计算的普及，从微服务架构的流行到开发者体验的重视，多重因素共同推动着Python语言的持续发展。

    欢马劈雪

  • “5年、5000万卡”！马斯克杀进芯片军备竞赛，算力碾压OpenAI

    OpenAI年底前将上线100万张GPU，直观感受就是新一轮芯片战争打响了。7月21日，奥特曼在推特上预告，OpenAI到年底前将上线超过100万张GPU。他还补充道，“对团队感到自豪，但现在他们最好想想，怎么在这个数量规模上再扩容100倍。”

    欢马劈雪
    马斯克， 芯片， 竞赛，算力， OpenAI

  • Spring AI 模块化 RAG 架构解析：从核心原理到实战应用

    在当今人工智能飞速发展的时代，大语言模型（LLM）已成为自然语言处理领域的核心力量。然而，这些模型在处理实时信息、专业领域知识以及确保回答准确性和可靠性方面仍面临挑战。为了解决这些问题，检索增强生成（Retrieval-Augmented Generation，RAG）技术应运而生。RAG 通过 “检索 - 生成” 模式，将传统信息检索系统与大语言模型相结合，有效解决了大模型知识更新滞后、容易产生幻觉等问题。

    欢马劈雪
    Spring， AI， 模块化， RAG， 架构， 解析， 核心， 原理， 实战， 应用

  • 前端调试实践

    在日常调试问题中，相信我们很多人都是用console去排查相关的问题，虽然问题也可以排查出来，但是有时它的效率并不高。这篇文章主要讲解关于断点和一些日常调试技巧的内容，方便你在日后调试问题中，能在不同的前端场景应用不同的调试方式，翻倍提高你解决问题的效率

    欢马劈雪
    前端， 调试， 实践

  • 入局 AI Infra：程序员必须了解的 AI 系统设计与挑战

    随着大模型技术的爆发，AI Infra 已成为基础设施领域的核心战场。过去1年多的时间，我们QQ基础架构算法工程团队落地了多个大模型应用，包括语音合成大模型、内容理解多模态大模型、生成式推荐大模型，跑通大模型训练到推理的全链路。踩了很多坑，也积累了不少经验。本文将分享传统后台工程师积累的技术栈和方法论，如何延续并迁移到 AI 系统，并系统性拆解 AI Infra 的硬件、软件、训练和推理挑战。

    欢马劈雪
    入局， AI， Infra， 程序员， 系统设计， 挑战

  • 开源大模型 Kimi K2 技术深度解析：万亿参数 MoE 架构引领 Agent 时代

    Kimi K2 是月之暗面 (Moonshot AI) 于 2025 年 7 月推出的最新开源大语言模型，它采用混合专家 (MoE) 架构，拥有**1 万亿 (1T) 总参数**和**32B 激活参数**，是目前开源模型中少有的具备真正 Agent 能力的产品。与传统的 "聊天机器人" 不同，Kimi K2 专为执行型任务设计，能够自主拆解任务、调用工具、编写和调试代码、分析数据，甚至控制多步流程，几乎不需要人类干预

    欢马劈雪
    开源， 大模型， Kimi， K2， 技术， 深度， 解析， MoE， 架构， Agent， 时代

  • 独家对话美团王莆中：我们不想卷，但不能不反击

    从补贴战变成混战，再升级为 “中国互联网史上规模最大的补贴战”。只用了不到 100 天。

    欢马劈雪
    美团， 京东， 淘宝

  • 黄仁勋小范围交流实录！点赞华为、DeepSeek、中国新能源汽车

    7月16日上午，黄仁勋身着唐装出席了第三届链博会并发表演讲。当天下午，他换回了经典黑色皮衣，与媒体进行了小范围交流。在一个半小时中，他就大家关切的10多个问题进行了详细解答。

    欢马劈雪
    黄仁勋， 华为， DeepSeek， 中国新能源汽车

  • 一文彻底理解 AIGC、Agent 、MCP 的概念和关系

    近年来，人工智能领域涌现出许多新概念和新技术，其中AIGC、MCP和Agent成为了业界和学术界的热门话题。本文将深入浅出地介绍这三个概念，帮助读者全面理解它们的内涵、区别与联系，以及在实际应用中的价值。

    欢马劈雪
    AIGC， Agent， MCP

  • Spring Boot 4.0.0中HttpHeaders的构建与操作优化

    Spring Boot 4.0.0作为2025年发布的重要版本，带来了一系列核心组件的升级与优化。在HTTP处理方面，HttpHeaders类作为Spring MVC和WebFlux中处理请求/响应头的关键组件，也经历了多项改进。

    欢马劈雪
    Spring， Boot， 4.0.0， HttpHeaders， 构建， 操作， 优化

  • 从1亿到2亿单：“新百团大战”背后，阿里京东美团亏损或均超百亿

    由京东挑起、被阿里与美团推上高潮的新一轮“外卖大战”，正在打响。 6月9日，美团CEO王兴在美团股东大会上明确表示“将不惜代价赢得竞争”。 原本在欧洲旅行的马云也在6月下旬现身饿了么工区，据传是为淘宝闪购站台。 618当天，刘强东也面对媒体将京东外卖、京东酒旅作为京东重点拓展的新业务。

    欢马劈雪
    阿里， 京东， 美团， 亏损， 外卖

  • 腾讯太极团队实现DeepSeek模型业内H20最高性能15800+ tokens/s

    DeepSeek发布后司内AI应用流量持续上涨，对推理算力的需求呈指数级增长。与此同时，开源社区提供的vllm/sglang等推理引擎存在gpu利用率低、推理速度慢，并发度低等问题，导致同等数量推理卡可服务业务规模较低，导致业务对卡量需求过于庞大。

    欢马劈雪
    腾讯， 太极团队， DeepSeek， 模型， H20， 最高性能， tokens

  • 用Cursor开启JAVA+AI生涯

    Cursor 是基于VS Code开发的一款编辑器，支持多种语言的开发编辑。与传统的开发工具相比，它有多种优势：与AI无缝集成，响应速度快，占用内存小。但很多同学在"起步"过程中遇到了一点点问题，导致起步不成功。本文描述一些实用的小技巧，帮助大家快速用Cursor开启AI生涯。

    欢马劈雪
    Cursor， JAVA， AI

  • TinyVue 智能组件库：基于 MCP 协议，实现 AI 代替人操作 Web 组件

    传统的 Web 应用都是由人来操作的，用户需要学习帮助文档，操作成本相对较高，如果能让 AI 来帮我们操作，我们只需要在关键节点进行确认的动作即可，是不是就非常方便？

    欢马劈雪
    TinyVue， 智能组件库， MCP， 协议， AI

  • 浅析 rust 热门库 Tokio

    Tokio可以说是rust中最热门的库，对于异步与并发进行了很好的支持。大多数基于rust的开源框架都使用到了Tokio，因此在介绍这些实现开源框架时经常会被问到：底层的异步和并发是怎么实现的？我只能回答：底层的异步和并发都是由Tokio控制的。这显然不是一个令人满意的回答。因此本文章将对于Tokio的基本方法和底层逻辑进行分析。

    欢马劈雪
    浅析， rust， 热门库， Tokio

  • Java的SPI机制详解

    SPI机制在Java中应用广泛。例如：JDBC中的数据库连接驱动使用SPI机制，只定义了数据库连接接口的规范，而具体实现由各大数据库厂商实现，不同数据库的实现不同，我们常用的mysql的驱动也实现了其接口规范，通过这种方式，JDBC数据库连接可以适配不同的数据库。

    欢马劈雪
    Java， SPI机制， 详解

  • GPU到底是如何工作的？这篇AI Infra入门全部告诉你

    GPU最初的使命是加速图形渲染。而渲染一帧图像，本质上就是对数百万个像素点进行相似的计算，这天然就是一种大规模并行任务。

    欢马劈雪
    GPU， 如何工作的， AI， Infra， 入门

  • 前端Web流式通信SSE全链路应用实践

    本文介绍了携程机票前端基于Server-Sent Events（SSE）实现服务端推送的企业级全链路通用技术解决方案。深入探讨 SSE 技术在应用过程中包括方案对比、技术选型、链路层优化以及实际效果等多维度的技术细节，为类似使用场景提供普适性参考和借鉴。该方案设计目标是实现通用性，适用于各种网络架构和业务场景。

    欢马劈雪
    携程机票， 前端Web， 流式通信， SSE， 全链路
上一页 下一页

个人简介

  1. 欢马劈雪

  2. 纵马驰骋迎雪而行

  3. 获得 161620 积分

  4. https://nowjava.com/creator/10001

热门标签

关注时代Java

Copyright © 2014-2024NowJava. All Rights Reserved. 时代Java 版权所有 京ICP备14059627号-7

关注时代Java