无双的技术博客 记录 AI、Linux、网络架构、FreeSWITCH 与企业数字化实践

归档

2026 年 07 月

Claude Design 引发的争议未能证明 Anthropic 将崩盘,却暴露了企业依赖单一模型供应商的风险。
AI 可以整理素材,却不能替你拥有真实体验。这套七步流程把产品证据、提示词、广告标识和发布核查放进同一条工作流。
Separate formatting from rewriting, then constrain and review AI output without losing the author's meaning.
先分清排版与改写,再用任务、约束和验收标准管住 AI,避免格式变漂亮却悄悄改了原意。
Open models include weights, tokenizers, and configuration—not a chat app. Follow one prompt through vLLM/Ollama: IDs become vectors, logits, text, then EOS. What makes it speak and stop?
下载开源大模型后,磁盘里躺着的不是可执行聊天程序,而是权重、分词器和配置等静态文件。我沿着一次真实推理拆开它们如何被 vLLM/Ollama 驱动:文本怎样变成 token、向量与概率,又怎样流式返回;最后究竟是 EOS、停止规则还是 EOF 让模型闭嘴?这篇文章还会解释 KV Cache 为何能让生成显著提速。
我把“把 PDF 做成 PPT”拆成主题判断、章节提炼、逐页表达和收尾复盘四步,并给出一段可直接复用的提示词。真正拉开效果差距的,不是让 AI 一键生成,而是先给它清晰的产出边界:谁来听、每页讲什么、结尾怎样收束。少了这些约束,页数再多,也很容易变成无法讲述的文字堆;把框架交代清楚,AI 才能成为可靠的整理助手。
Digital policy calls for data, security and coordination. The trap: treating it as an IT shopping list. The real test is whether enterprises make revenue, delivery, cash and accountability visible.
政策持续强调基础设施、数据要素、安全与协同,企业却常将其误读为新一轮 IT 建设:平台越来越多,订单、交付、库存与现金流的共同事实却没有形成。真正的分水岭不在系统是否上线,而在技术、流程与责任能否组成可衡量、可追溯、能支撑经营取舍的统一系统;本文从企业管理层面说明如何用经营指标、权责设计与数据治理检验每一笔投入。
上一页 下一页