智能推荐驱动页面渲染：电商前端 AI 个性化生成实践
AI 在电商前端的应用，从商品推荐延伸到页面结构级个性化，本质是将"推荐引擎的输出格式从列表升级为渲染蓝图"。前端侧的核心工作是：蓝图解析、动态组件编排和降级策略的完善。三个落地建...
排序
从电网改造踩坑说起：深度拆解时序大模型TimechoAI的自主可控与安全合规底气
摘要： 时序数据的安全合规已成为信创项目的核心要求，因其涉及能源、交通、金融等关键领域的运行机密。作者通过电网项目整改案例，揭示了不合规导致的成本与信任损失，并强调时序数据因自带“规律属性”而成为国家...
两个 unsigned 就是一把锁：Dragonfly 用 6 行 C++ 干掉了跨线程锁管理器
没有原子操作，没有 futex，没有自旋，没有等待队列。它一定返回，而且不管返回什么，计数都已经加上去了。一个名字叫Acquire的函数，返回false的时候调用者照样往下走。这不是简化版的读写锁。A...
AI 在社交前端中的应用：智能好友推荐与动态流个性化排序
AI 在社交前端中的应用核心是将推荐信号从"关系链距离"扩展到"行为相似度"和"兴趣匹配度"，并以用户能理解的方式解释推荐理由。好友推荐的多...
AI 指标归因助手：先拆口径，再让模型解释波动
AI 数据分析里，最容易被高估的能力是"自动解释指标波动"。把一张日活曲线丢给模型，让它写出"受到节假日、活动、渠道变化影响"，看起来完整，其实经常没有证据。指...
极简 10 行 Python 代码下载贵州茅台全复权日 K 线并保存为 Excel/CSV（QuantDash 实战）
📌 文章摘要（148字） QuantDash Python SDK 提供超简股票数据获取方案，10行代码即可下载贵州茅台等股票的复权K线数据。相比传统方案（爬虫维护难、API限流、复权计算复杂），Qu...
一句话做出会下五子棋的 AI：Claude Code × 蓝耘 GLM-5.2 实战
最近"一句话让 AI 实现什么什么"这种玩法很火——听着像吹牛。我手头正好有 Claude Code 和蓝耘元生代的 GLM-5.2，就想着实测一把：不写一行代码、只给一句话，国产...
AI学习篇（五） | awesome-design-md 使用说明
AI学习篇（五） | awesome-design-md 使用说明
2026 下半年 AI 推理基础设施趋势：从 GPU 紧缺到智能调度
2026 下半年的 AI 推理基础设施，核心词不再是"囤 GPU"，而是"调 GPU"。三个关键变化正在发生：推理需求超过训练成为主成本项；多模型混部从实验走向...
AI 辅助代码审查中的误报与漏报：怎样看待 AI 给出的建议
AI 辅助代码审查不是要取代人工判断，而是提供一种额外的视角。它的正确率在不同类型的问题上差异很大：语法类问题 95% 以上正确率，并发类问题可能只有对半开。不了解这个差异，就会"要么全信...