博客摘录「【Python】多线程及threading模块介绍 」2023年8月22日

最新推荐文章于 2026-08-18 00:48:08 发布
原创 最新推荐文章于 2026-08-18 00:48:08 发布 · 206 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
本文讨论了Python中thread和threading模块的区别，指出thread是底层模块，threading提供更易用的封装，便于线程操作。

python中提供了thread和threading模块对线程进行操作，其中thread模块是比较底层的模块，threading模块对thread做了一些包装，使用更方便。

标签
#笔记
RAG驱动的预测型智能系统：构建可解释的群体智慧增强引擎
掬水月在手，弄花香满衣
06-25 348
预测任务本质是在不完整信息下进行概率决策，其核心挑战在于整合多源、异构、强时效性的非结构化文本。RAG技术凭借对语义检索、元数据加权与上下文动态组装的原生支持，天然适配预测场景所需的明确性、二值性与时效性要求。通过将向量检索与时间衰减、来源可信度等结构化因子融合，RAG不再仅服务于文档问答，而成为支撑证据链推理、实现模型输出可追溯与置信度校准的关键基础设施。本文聚焦预测型RAG系统的设计范式与工程落地，涵盖语义分块、混合检索、证据链提示词及审计级报告生成等实操环节，为金融、政策、产品等领域的前瞻性决策提供开
豆包Prompt工程方法论：从问答机到认知协作者的跃迁
weixin_34176694的博客
06-21 422
大语言模型助手（如豆包）并非智能搜索引擎或文档润色工具，其本质是依赖高质量指令驱动的认知协作者。理解其底层作为‘指令解析引擎+知识图谱调度器+多模态输出编排器’的三合一架构，是提升人机协同效能的前提。实践中，83%的效能落差源于提问前缺乏目标锚定与约束设计，而SMART原则重构、角色强绑定、上下文预埋等Prompt工程方法，可系统性压缩任务耗时、提升首稿采纳率。尤其在法律文书审查、小红书爆款生成、跨境电商Listing优化等高频场景中，结构化指令与隐藏能力（如跨会话记忆、多文档交叉推理）的组合应用，显著释放
博客摘录「 Python爬虫期末大作业」2023年12月22日
weixin_65297178的博客
12-22 456
pwd=2020。
AI从业者必备：高精度技术简报的设计逻辑与实操指南
cunbei2644的博客
06-16 627
AI资讯简报不是信息聚合，而是面向工程落地的技术决策支持系统。其核心在于将海量动态（如模型更新、工具发布、合规变动）通过可信度过滤、实用性评估和场景匹配三重机制，转化为可验证、可嵌入、可审计的结构化知识单元。这类简报强调‘准’而非‘全’、‘用’而非‘快’，典型特征包括模块化设计（如Model Shift、Tool in Action）、硬性验证要求（本地复现、截图佐证、版本锁定）以及反共识的一线实践洞察。它服务于具备Python基础、能跑通Hugging Face示例、正面临具体项目瓶颈的中级AI工程师，尤
博客摘录「 关于Spyder打不开的一种解决方法」2023年9月22日
qq_53509584的博客
09-22 102
pip install python-language-server==0.31.9
博客摘录「 【ZED】从零开始使用ZED相机（一）：windows下的安装配置与测试」2023年5月26日
cc13141521的博客
05-26 1206
引言笔者通过在一台重装windows系统的笔记本上，从安装开始一步步使用ZED，希望用一系列笔记的方式完成一个比较完善的ZED使用专栏，笔者整理思路的同时，也能给读者一定的参考。1 win10下ZED的安装与配置这部分笔者参考博客：ZED相机学习笔记1——安装与配置（Win10 + Python）ZED双目相机型号是ZED 2 立体相机（ZED2 Stereo Camera，Stereolabs , San Francisco, USA），其中还包括USB 3.0 数据线，以及一个迷你三脚架。
博客摘录「 操作系统期末总复习（题库）」2023年6月11日
weixin_67716034的博客
06-11 99
三1.2.3.7.8.9.11.14.15.16.19.21.24。二6.7.8.9.10.11.14.17.18.19.22.四3.10.14.15。
TowardsDataScience 2023 博客中文翻译（一百六十七）
龙哥盟
09-18 2320
原文：TowardsDataScience 协议：CC BY-NC-SA 4.0 如何将任何文本转换为概念图谱 原文：towardsdatascience.com/how-to-convert-any-text-into-a-graph-of-concepts-110844f22a1a?source=collection_archive---------0-----------------------#2023-11-10 使用 Mistral 7B 将任何文本语料库转换为知识图谱的方法 Rahu
programming.log：程序员的私有思维操作系统
世范水晶
06-14 487
在软件开发中，'技术笔记'和'认知留痕'是工程师构建可复用思维资产的基础能力。其本质并非知识存储，而是通过结构化记录实现思考过程的可追溯、可验证与可迭代——这背后涉及时间戳建模、领域标签设计、现象-推演-验证三层写作范式等工程化原理。该方法显著提升问题复现效率、团队经验沉淀质量及架构决策可信度，广泛应用于调试闭环、设计评审、故障复盘等真实研发场景。本文聚焦 programming.log 这一轻量级实践体系，揭示如何用纯文本+时间索引+原子化 Tag 构建属于开发者自己的‘第二大脑’。
AI生成内容引用可信度四维评估法：可定位性、强绑定性、术语一致性、可证伪性
weixin_30315905的博客
06-18 304
大模型输出的引用内容是否可靠，本质是信息溯源与语义保真问题。其核心原理在于判断AI是否真正锚定原始信源、忠实还原上下文逻辑、严格遵循领域术语定义、提供可被独立验证的事实颗粒。这种能力直接决定生成内容能否进入合规交付、技术文档、政策分析等高风险应用场景。当前主流中文大模型在引用实践中普遍存在伪信源、上下文剥离、术语混搭、不可验证数据等共性缺陷。本文基于612条实测样本，提炼出可定位性、强绑定性、术语一致性、可证伪性四大工程化评估维度，为市场、产品、咨询、合规等岗位用户提供30秒内快速判别AI引用可信度的操作标
大模型推理栈的冗余层蒸发：从SDK胶水到模型原生能力归位
weixin_30632883的博客
06-30 313
在大模型推理架构中，'中间抽象层'指为弥补早期模型能力不足而构建的运行时胶水逻辑，如上下文管理、流式响应重组和格式标准化。其原理是将硬件限制与模型不确定性封装在SDK层，但随着模型自身增强tokenizer、attention机制与结构化输出能力，这类层逐渐成为性能瓶颈与安全风险源。技术价值体现在降低CPU开销（实测-19.3%）、减少内存驻留（-8.7%）及消除隐式漏洞；典型应用场景包括实时客服网关、多轮对话系统与OpenAI兼容代理。本文聚焦Claude 3.5中ContextManagerV1与Str
AI数学研究员：基于LangGraph的可验证研究工作流
weixin_30600197的博客
06-25 357
数学AI系统不再只是问答工具，而是具备状态记忆、持久化审计与引用溯源能力的研究协作者。其核心在于将人类数学探索过程——如文献检索、引理复用、数值验证与进度记录——转化为可闭环执行、可调试复现的结构化工作流。关键技术支撑包括LangGraph驱动的状态机建模、Azure Table Storage实现的跨会话研究轨迹追踪，以及强制带原始出处链接的输出规范。这种设计直面AI在科研中‘可信性’的根本挑战，适用于千禧难题辅助验证、高校数学计算实验、L-函数数值分析等需高确定性与可追溯性的场景。
财务报告智能检索系统：LlamaIndex+Gemini 2.0实战指南
weixin_30776545的博客
06-25 363
财务报告检索是企业合规、审计与投研中的高频刚需，其本质是将PDF/Excel等非结构化财报数据转化为可精准问答的结构化知识。传统全文检索易混淆术语，通用RAG框架难以处理附注-表格-脚注的嵌套逻辑，而大模型幻觉与中文金融语义偏差更会引发审计风险。LlamaIndex凭借面向财务文档优化的HierarchicalNodeParser和细粒度metadata支持，结合Gemini 2.0原生128K上下文、证监会问询函语料训练及response_schema强约束能力，实现了高精度、可追溯、低幻觉的检索闭环。本
DeepSeek技术演进图谱：MoE架构、长上下文与中文增强的工程实践
06-21 366
大语言模型的核心能力不仅取决于参数规模，更依赖于架构设计、推理优化与领域适配的系统性协同。MoE（Mixture of Experts）架构通过稀疏激活提升计算效率，长上下文支持需突破Attention复杂度、KV缓存量化与位置编码外推三重瓶颈，而中文增强则远不止语料比例调整，涉及tokenizer层面的语法感知重构与虚词建模。这些关键技术共同构成工业级模型落地的底层支柱，在金融文档解析、代码生成、企业知识问答等场景中释放确定性价值。本文以DeepSeek系列模型为实证样本，解析其从7B开源基座到MoE、L
Perplexity Labs实操指南：构建可信信息工作流
weixin_30423977的博客
06-23 321
Perplexity Labs 是一种面向知识工作者的引用驱动型AI协作者，其核心在于将实时网络检索、多模态搜索与强制引用溯源深度融合，形成可验证、可审计、可复现的信息处理闭环。它并非通用问答模型，而是以‘事实锚定’为设计哲学，通过模块化架构实现速度、深度与可信度的三重平衡。在学术研究、竞品监控、政策解读、技术选型和会议纪要等高频场景中，它显著降低信息验证成本，提升决策依据质量。本文聚焦其在真实研究工作流中的落地路径，详解如何利用自定义提示词、源过滤、PDF语义解析与多轮追问等能力，将互联网转化为结构化、可
Gemini 3.1 Pro网页版：打开即用的生产级AI工作流
weixin_34095889的博客
06-23 451
AI工具的‘网页版’常被简化为功能阉割的体验入口，而真正意义上的网页原生AI应具备完整能力交付、零配置交互与多模态协同执行能力。其核心在于统一推理网关、内置可信工具链、百万级上下文动态管理及客户端智能渲染四大技术支柱，共同降低用户意图到AI响应之间的语义损耗。这类设计使模型不再停留于文本生成，而是深度融入文档分析、音视频理解、代码执行与创意生产等真实工程场景。Gemini 3.1 Pro网页版正是这一理念的落地代表——它将复杂AI能力封装为URL直达、登录即用、拖放即析的极简界面，让非技术人员也能调用函数调
GPT-4o高频实战手记：提示工程、上下文管理与输出稳定性五维调控
chuanao8829的博客
06-16 438
大语言模型（LLM）作为现代智能助手的核心，其真实效能不取决于版本幻觉，而在于人机协同的工程化落地。GPT-4o作为当前最前沿的全模态闭源模型，以低延迟响应、跨模态语义对齐和128K长上下文为技术基础，但实际高频使用中，性能瓶颈往往源于提示设计粗糙、上下文污染、输出漂移等系统性问题。本文从提示工程精度、上下文生命周期管理、输出稳定性控制三大维度切入，结合真实生产日志与可复现的PaC（Prompt as Code）实践，揭示GPT-4o在法律文书生成、硬件调试、游戏策划等典型场景中的能力边界与优化路径，为追求
Perplexity AI如何重塑学术与工程信息检索
记录技术点点之路
06-15 366
AI原生交互正推动搜索从‘关键词匹配’迈向‘意图驱动的研究协作者’范式。其核心原理在于实时网络检索、引用溯源与结构化答案生成的深度耦合，技术价值体现在显著降低信息验证成本、抑制模型幻觉、提升决策可信度。典型应用场景覆盖高校文献综述、开源技术方案验证、生产级部署排错等高精度需求场景。本文聚焦Perplexity AI与Google搜索在AI原生交互和引用溯源两大关键维度的实践差异，解析其如何以垂直工程能力，在通用搜索让出的缝隙中构建不可替代的严肃信息工作流。
把 cc-switch 搬上鸿蒙 PC 的那些天：一个 Tauri 应用的移植笔记
最新发布
猫哥 的沉淀、积累、总结。天天学习，好好向上...c/c++,嵌入式 linux,Android,HarmonyOS，AIOT)
08-18 381
本文记录了将Tauri应用移植到鸿蒙PC的真实过程。作者选取GitHub热门项目cc-switch（12万+星标）作为移植对象，该工具采用Tauri v2架构（React+Rust）。移植面临三大挑战：1)依赖解析冲突需通过patch机制解决；2)交叉编译问题包括openssl、rquickjs等库的适配；3)构建系统细节如Windows环境下的manifest误判。最终方案基于社区OpenHarmony版Tauri fork，通过NAPI桥接+ArkWeb渲染实现。文章特别指出鸿蒙开发需要NDK与完整SD
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

zj52199

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值