
7 小时太空作业:美加宇航员出舱为国际空间站安装太阳能电池板
IT之家 10 月 30 日消息,两名宇航员在国际空间站开展的第 100 次美国太空行走中,成功安装并部署了国际空间站倒数第二块升级后的太阳能电池板。 据IT之家了解,美国国家航空航天局的阿尼尔 · 梅农(Anil Menon)与加拿大航天局的约书亚 · 库特里克(Joshua Kutryk)同为国际空间站第 75 次…
言栖资讯收录 87987 篇 AI、开发与建站文章(中文),按发布时间排序,支持搜索与按语言筛选。

IT之家 10 月 30 日消息,两名宇航员在国际空间站开展的第 100 次美国太空行走中,成功安装并部署了国际空间站倒数第二块升级后的太阳能电池板。 据IT之家了解,美国国家航空航天局的阿尼尔 · 梅农(Anil Menon)与加拿大航天局的约书亚 · 库特里克(Joshua Kutryk)同为国际空间站第 75 次…

IT之家 10 月 30 日消息,vivo 旗下主打长续航与户外可靠性的 Y 系列新机 vivo Y600 今天(30 日)正式开售,该机以“万级长续航”为核心卖点,搭载 标称 10000mAh 超大容量电池 ,并围绕低温、跌落、防水、信号、护眼与家庭适老场景做了系统级强化。 IT之家附新机售价如下: 6GB+128G…

IT之家 10 月 30 日消息,科技媒体 heise 昨日(10 月 29 日)发布博文,报道称 10 月 28 ~ 29 日召开的安卓开发者峰会上,谷歌公布了截至今年 10 月的最新安卓版本分布情况, 其中安卓 16 系统已占活跃安卓设备总数的 25.4%。 数据来自 Google Android Studio,统…

IT之家 10 月 30 日消息,台积电执行副总经理暨共同营运长秦永沛在和大学生交流时表示, 延长工作时间并不能有效提升研发效率。 他回顾称,台积电曾在工艺技术落后、急于追赶国际竞争对手的阶段,尝试推行名为“夜猫子”(Night Owl)的 24 小时研发计划,让研发工程师承担夜间开发任务,希望以更长的运转时间获得技术…
IT之家 10 月 30 日消息,美东时间 29 日,英特尔管理层在 2026 年第三季度财报电话会议上披露,数据中心成为了该季度的增长核心,服务器 CPU 供不应求。 英特尔 CFO 大卫・津斯纳表示,工厂网络和外部供应商支持了更高的服务器 CPU 产出。按当前展望,DCAI 全年收入有望较年初预期高出近 100 亿…

IT之家 10 月 30 日消息,Reddit 的界面和使用体验即将迎来巨大变化,而且这不单单是平台昨天公布的“为你推荐”和“关注”信息流改版那么简单。Reddit 正在筹划一项影响深远的调整,这可能会从根本上改变数百万用户访问这个平台的方式。 今日早些时候,Reddit 首席执行官史蒂夫 · 赫夫曼(Steve Hu…

IT之家 10 月 30 日消息,2027 款东风奕派 007 已上市,新车共推出 2 款车型,售价区间 11.59-13.59 万元,限时补贴价 10.99-12.99 万元。即日起至购车还可享受总价值 38800 元的多重礼遇。此次改款的核心变化集中在纯电续航能力提升与辅助驾驶配置加码,其中 2027 款 675 …

IT之家 10 月 30 日消息,使用人数较少的语言的用户,使用 AI 服务时,可能需要支付比英语及其他主流语言用户更高的费用。 当地时间 28 日,据外媒 Rest of World 报道,人工智能语言公平研究联盟上月发布的一项研究发现,AI 模型处理不同语言时,消耗的 Token(词元)数量 可能相差悬殊 。 To…
我跑了一个自己用的 agent 系统,每天几十到几百次调用。很长一段时间里,我对它的成本只有一个感觉:不便宜。 账单出来能看见总额,但看不见"为什么"。我不知道钱花在哪个环节,也不知道哪一处改动真能省
任务: 优化上个版本的大模型流式输出,地址:https://juejin.cn/post/7699300052455849984 添加工具调用场景,流式输出调用过程 优化思路 首先加上一层外部 循环最
AI全自动部署网站+域名,把两个KEY完善后,就能实现WORKBUDDY的全自动上站+部署域名。能节省不少的时间。
向人提问时,这一轮怎样提交成等待,刷新和隔天再答都还能接上Agent 怎么向人提问 七月的一个下午,用户点了"同意"。 Agent 说,好的,我来执行。然后 CLI 报错:确认码已过期。 它重新弹了一遍同样的确认框。用户又点。又过期。 用户忍不住问了一句:"
我开源了 Codebook:让 Windows 密码留在本地,登录少一点复制粘贴 打开软件,遇到登录框;切到密码管理器,找到账号,复制用户名,再复制密码;回到刚才的窗口,确认没有粘错位置。 单次操作并
从能回答到可验证:我的中文 PDF RAG 工程化实践 把 PDF 切块、放进向量数据库,再接一个大模型,就能搭出文档问答的基本链路。 但围绕这条链路继续开发时,会遇到另一组问题:编号类问题怎么检索?
我这次要搬到云上的是一个已经在本地做了定制的 Agent:基于 DeepSeek Harness,自己写了 dsh 插件,接入项目自己的业务数据,加上专门的查询工具、首页图表和交互。 准备让团队里的几
本地部署工业级零样本中文 TTS(IndexTTS-2.5):主权重 5.1G+4 辅助模型约 5G,Mac MPS 跑通,9.26s→86.2s(RTF≈9.3)。零样本克隆+语速可控。
你有没有看过AI编程工具的账单明细——一次让Claude Code跑测试,光pytest的输出就吃掉几千token,而这上千行里AI真正需要的只有"哪个用例挂了"。一次对话下来,token像流水一样冲
写在前面 先说结论:RAG 的瓶颈从来不在向量库,而在"判断"二字。 大部分人的第一个 RAG 长这样:用户提问 → 向量检索 topK → 拼进 prompt → 大模型生成。这套流程能跑,demo
「平均响应 143 毫秒,性能良好,可考虑上生产」——这句话有三个问题,其中一个是数字直接算错了。 而这三个问题背后是同一件事:「一个数」代表不了「一批请求」。 📊 平均值会骗人 20 次请求,19
900×2100 的门洞,投影 1.89 ㎡,实际展开 3.40 ㎡。给不锈钢厂写核价引擎,踩过的七条成本口径:摊平展开、墙厚进价、加成率陷阱、泡货取大……每条都有公式和实跑数字。