共有 452 篇文章
思考了一下这个话题的本质原因，真的是因为其由“AI生成”导致的吗？还是内容制作者在使用AI的时候有没有用心导致的？ 如果制作者在使用AI的时候，用心反复打磨，那么这样生产的内容，还会被拒绝吗？ 现在很多领域的AI内容不被认可，我觉得很大程度是由于工具不到位（大量的一键生成产品，缺少人机协作的专业微调能力）导致的。 在很多内容领域，对于追求高质量内容创作的群体来说，还是缺少好用的支持灵活人机协同的工...
在大模型逐渐融入业务系统的阶段，结构化数据输入/输出已成为落地应用的必需：RAG 检索结果、Agent 工具调用参数、业务查询结果、批处理列表等都需要让自然语言与“可机读”的结构化格式互通。事实标准是 JSON，但在高频调用、海量数据场景下，JSON 的标点开销会显著推高 token 成本。 如下JSON格式的例子： json { "users": {"id": 1, "name":...
在用 Claude Code、Cursor、CodeX 等 AI 辅助写代码的你，是否也遇到过这样两难：宣传里动辄“90% 代码由 AI 生成”，现实中却频繁踩到调试时间增加、隐性安全漏洞、功能跑起来但并不满足业务需求？如何把“聊天式、灵感式”的探索编码，升级为团队可依赖、可验证、可治理的生产级流程？ 答案是：把“规范”变成事实来源，让 AI 依据规范稳定生成代码，并用系统化的校验把质量守住。...
> 作为 Claude Code 的深度用户，看到这篇文章觉得非常好，因此推荐给大家。原文链接：How I Use Every Claude Code Featurehttps://blog.sshh.io/p/how-i-use-every-claude-code-feature，下面是本篇文章的翻译，根据实际情况选择阅读。 我非常频繁地使用 Claude Code。...
权力反转（The Power Inversion） 几十年来，代码一直是王者。规范服务于代码——它们是我们在开始所谓“真正的编码工作”之前搭建、而后丢弃的脚手架。我们写 PRD 来指导开发，编写设计文档来辅助实现，绘制图表来可视化架构。但这些始终从属于代码本身。代码才是真理，其他充其量只是善意的意图。代码是唯一的真实来源，而当代码不断向前推进时，规范很少能跟上。由于资产（代码）与实现是一体，若不从...
在一些需要高质量文本转语音（TTS）的场景中（比如：有声书配音、播客等）。之前介绍的EdgeTTShttps://didispace.com/posts/454方案可能效果没有那么好。此时就比较推荐使用 MiniMax、CosyVoice这些提供的音色，这些音色的效果会更加拟人、逼真，接近真人发音。这里依然通过 UnifiedTTS...
我们常以为接口的瓶颈在数据库或业务逻辑，但在高并发、海量请求下，真正吞噬 CPU 的，可能是“把对象变成 JSON”的那一步。当监控把序列化时间单独拆出来，你会惊讶它能让账单失控。这篇《The Hidden Cost of Jackson Serialization》对我启发很大：默认好用的 Jackson，在某些场景可能成为热路径的成本中心。下面顺手分享给大家参考，以下内容翻译整理自 《The...
在软件工程的共识里，变量命名越清晰越好——意图明确、语义完整、见名知意，这能降低沟通成本、减少误解、提升可维护性。几乎所有风格指南都把“有意义的命名”视为第一原则。 但今天读到的一篇文章《Java Performs Better When You Misspell Variable Names》https://medium.com/javarevisited/java-performs-bette...
Spring Boot集成免费的EdgeTTS实现文本转语音 引言 在需要文本转语音（TTS）的应用场景中（如语音助手、语音通知、内容播报等），Java生态缺少类似Python生态的Edge TTS 客户端库。不过没关系，现在可以通过 UnifiedTTS 提供的 API 来调用免费的 EdgeTTS 能力。同时，UnifiedTTS 还支持 Azure TTS、MiniMax...
使用 ONNX 将 AI 推理引入 Java：企业架构师实用指南 引言 虽然 Python 主导了机器学习生态，但大多数企业应用仍运行在 Java 上。这种脱节造成了部署瓶颈。用 PyTorchhttps://pytorch.org/ 或 Hugging Facehttps://huggingface.co/ 训练的模型在生产中往往需要 REST...