人工智能技术文章
-
- OpenAI Responses 的 SSE 中断要不要重发？以幂等与恢复策略做一次实战排查
- 在一次请求的流式窗口发生中断时，重发与否是关键风险点。本文给出以请求 ID、幂等键、状态回放与回退策略构成的恢复闭环。
- 科技周边 · 人工智能 | 1个月前 | 145浏览 收藏
-
- AI 推理过程怎么给用户看摘要：Responses API reasoning summary 与隐私边界
- AI 应用不应把模型内部推理链直接展示给用户，但可以通过 Responses API 的 reasoning summary 提供简洁的过程摘要。本文用 Python 示例说明配置方式、摘要与最终答案的区别、展示边界和上线核对项。
- 科技周边 · 人工智能 | 1个月前 | API · 异步任务 · ai · 人工智能 OpenAI background Responses API 195浏览 收藏
-
- Gemini API Google Search Grounding 怎么验收：查询链、引用标注与失败边界
- Gemini API 的 Google Search Grounding 会自动决定是否检索，并在响应中返回搜索步骤与 URL 引用。本文用一个实时事实问答链路拆解工具启用、引用提取、结果验收和失败边界。
- 科技周边 · 人工智能 | 1个月前 | gemini · AI工程 · 引用 Gemini API Google Search Grounding AI工程 191浏览 收藏
-
- OpenAI Responses API background 模式怎么轮询：queued、completed 与超时回收
- Responses API 的 background 模式适合把较长任务交给后台处理。本文用状态机说明创建、轮询、超时、取消和结果保存，避免把 queued 误判成失败。
- 科技周边 · 人工智能 | 1个月前 | 异步任务 · openai · 轮询 background OpenAI Responses API queued completed 188浏览 收藏
-
- Gemini 3.5 Flash thinking_level 怎么迁移：从 thinking_budget 到四档推理强度的选择与验收
- Gemini 3.5 Flash 已建议用 thinking_level 替代 thinking_budget。本文用同一组请求对比 minimal、low、medium、high，说明迁移写法、选档边界与回归检查。
- 科技周边 · 人工智能 | 1个月前 | gemini · Gemini 3.5 Flash thinking_level thinking_budget 457浏览 收藏
-
- Gemini API 显式 Context Caching 怎么验收：cachedContents、TTL 与命中统计
- 重复把长文档或系统提示词发送给 Gemini API 时，可以用显式 Context Caching 保存公共上下文，再通过 cachedContents、TTL 和 usage.total_cached_tokens 验证缓存是否真的生效。
- 科技周边 · 人工智能 | 1个月前 | API · gemini · AI工程 · 生成式AI Gemini API Context Caching cachedContents 209浏览 收藏
-
- Claude Messages API citations 怎么核对：document blocks、source 与引用位置
- Anthropic Claude Messages API 的 citations 能把回答片段关联回 PDF、纯文本或自定义文档块。本文从 document block、citations.enabled、引用位置和 streaming 的 citations_delta 四个层面核对返回结果，避免只让模型口头声称有来源。
- 科技周边 · 人工智能 | 1个月前 | ai · Claude 引用 Anthropic Messages API citations document block 295浏览 收藏
-
- Gemini Developer API 怎么做零数据留存：Interactions、File API 与缓存边界核对
- Gemini Developer API 的零数据留存不是只设置一个 store=false：Interactions、File API、显式缓存、隐式缓存和 Live API 的保留边界不同。本文用一张核对表和最小请求示例说明如何逐项关闭或清理状态。
- 科技周边 · 人工智能 | 1个月前 | 374浏览 收藏
-
- Hugging Face Inference Providers 怎么固定 provider：自动路由、fallback 与响应核对
- Hugging Face Inference Providers 可以让同一套客户端接入多个推理服务。本文从 provider=auto 的默认路由开始，说明何时固定具体 provider、如何设计 fallback、如何记录实际路由和响应字段，避免模型可用但结果格式悄悄变化。
- 科技周边 · 人工智能 | 1个月前 | 309浏览 收藏
-
- Gemini API thought_signature 怎么处理：手动拼接 function calling 历史避免 400
- Gemini 3 的 function calling 在手动维护多轮历史时，不能丢掉 thought_signature。本文用一个最小工具调用链说明官方 SDK、REST 手写历史和错误降级的处理边界。
- 科技周边 · 人工智能 | 1个月前 | 238浏览 收藏
-
- Hugging Face Transformers generate 返回分数怎么验收：output_scores、compute_transition_scores 与长度惩罚
- Transformers 的 generate 默认只返回生成序列，不会直接给出每个 token 的分数。本文用 return_dict_in_generate、output_scores 和 compute_transition_scores 还原逐 token 对数概率，并说明 decoder-only 输入长度、beam search 和 length_penalty 的验收边界。
- 科技周边 · 人工智能 | 1个月前 | 人工智能 · Hugging Face Transformers generate output_scores compute_transition_scores 长度惩罚 生成概率 374浏览 收藏
-
- 远程工具调用审批链怎么验收：白名单、暂停状态与结果关联
- 接入远程工具时，真正需要验收的是工具白名单、调用暂停、审批结果与工具输出的关联链路。本文用只读查询场景拆开发现、确认、拒绝和故障恢复的边界。
- 科技周边 · 人工智能 | 1个月前 | 232浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 188次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 244次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 202次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 183次使用
-
- CMMLU
- 深入了解CMMLU中文评估基准，涵盖67个学科主题，提供数据集下载、Zero-shot/Five-shot评估方法及排行榜，助力优化中文语言模型性能。
- 174次使用
