NexShell 1.0|大模型驱动的智能 SSH 运维终端,永久免费,赋能 Linux 服务器管理
社区首页 (3680)

请编写您的帖子内容
社区频道(27)
显示侧栏
卡片版式
全部
微软新闻
微软峰会
微软技术
翻译文章
其他技术
互动答疑
DotNet
Azure
Office
Visual C++
Visual C#
Visual F#
Visual Basic
Visual Studio
LeetCode
Qt Creator
SQL Server
博文收录
Copilot
Surface
Windows
Windows Server
大模型应用
News
Event
DevBlogs
最新发布
最新回复
标题
阅读量
内容评分
精选

495
评分
回复
NexShell 1.0|大模型驱动的智能 SSH 运维终端,永久免费,赋能 Linux 服务器管理
NexShell 1.0 是一款永久免费、由大模型驱动的智能化 SSH 服务器管理终端,专门用于各类 Linux 服务器管理。和传统 SSH 客户端不同,它支持用自然语言对话完成服务器管理、环境维护、服务安装、批量巡检等运维工作,很好解决运维人员经常
复制链接 扫一扫
分享
其他技术

121
评分
回复
BinSentry 启动调试反汇编与Python SDK使用入门
BinSentry 内置调试引擎,支持两种调试场景:调试 EXE 可执行程序、调试 DLL 动态链接库,两种模式均可通过 Python SDK 脚本进行远程调用控制。启动 BinSentry 服务端后,可以打开控制台窗口查看程序完整执行日志;控制台持
复制链接 扫一扫
分享
大模型应用

107
评分
回复
BinSentry 1.0 二进制哨兵测试版发布
二进制哨兵是首款面向 AI Agent 智能化场景的原生动态调试引擎,聚焦解决传统调试工具无法被智能体调用、接口非标准化、协同与规模化能力不足等问题。产品以 调试能力接口化、大模型调用原生化为设计理念,将专业级进程调试、逆向分析、内存操作、反汇编、
复制链接 扫一扫
分享
Visual C++

168
评分
回复
BinSentry 自研二进制哨兵调试引擎架构
BinSentry(二进制哨兵)由 LYSHARK 独立自研,是面向 Windows 平台的**二进制动态调试引擎**。项目主框架从零手写,C++ 代码量约 3.5 万行,配套 AI Agent 专家协同框架(开发中),内置超过 300 种调试方法。
复制链接 扫一扫
分享
大模型应用

170
评分
回复
BinSentry 自研二进制哨兵压力测试+冒烟回归脚本
BinSentry 二进制哨兵,由 LYSHARK 独立自研,是一款运行于 Windows 平台的二进制动态调试引擎。该调试引擎从零手写开发,C++ 代码 3.5 万(主框架)+ AI Agent 专家协同框架(开发中)余行,实现 300 + 调试方
复制链接 扫一扫
分享
大模型应用

134
评分
回复
BinSentry 自研二进制哨兵调用Python SDK库
BinSentry 二进制哨兵,由 LYSHARK 独立自研,是一款运行于 Windows 平台的二进制动态调试引擎。该调试引擎从零手写开发,C++ 代码 2 万余行,实现 200 + 调试方法;原生采用 CMD 命令行 HTTP 服务器架构,专为
复制链接 扫一扫
分享
大模型应用

157
评分
回复
BinSentry 自研二进制哨兵调试引擎接口规范
BinSentry 二进制哨兵,由 LYSHARK 独立自研,是一款运行于 Windows 平台的二进制动态调试引擎。该调试引擎从零手写开发,C++ 代码 2 万余行,实现 200 + 调试方法;原生采用 CMD 命令行 HTTP 服务器架构,专为
复制链接 扫一扫
分享
Visual C++

165
评分
回复
MysticMirror 自研大模型全维度自动化测试套件(42 项用例)
本文档为 MysticMirror 自研大模型的全覆盖自动化回归测试套件,整合原有 22 项基础回归测试与 20 项新增边界能力测试,共计 42 个测试用例。全面覆盖模型配置校验、RoPE 位置编码(原生 / YaRN 缩放 / 长序列外推)、注意力
复制链接 扫一扫
分享
大模型应用

156
评分
回复
基于 LlamaIndex 实现 Hybrid‑RAG 召回指南
前文《基于 LlamaIndex+PostgreSQL 实现 RAG 持久化》已完成向量数据库持久化部署,并封装了 RAGService 基础检索服务,解决了 RAG 系统的向量存储与索引持久化核心能力。但单纯依赖基础向量检索,普遍存在语义漂移、关键
复制链接 扫一扫
分享
大模型应用

162
评分
回复
LangGraph 基于状态图构建工作流入门
传统LangChain是LLM应用的组件工具箱,以Chain与Runnable为核心抽象,提供提示词模板、文档处理、向量检索、工具调用、记忆能力等标准化组件,目的是快速构建简单线性的LLM任务。而LangGraph是面向复杂场景的状态图编排运行时,专
复制链接 扫一扫
分享
大模型应用

180
评分
回复
大模型网络结构:模型接口测试用例参考
大模型的网络文件是模型训练的核心参考。例如 MiniMind 项目中 /model/model_minimind.py 这份网络结构文件,它用来定义整套大模型的神经网络拓扑,包含配置参数、RMSNorm 归一化、GQA 注意力、RoPE 位置编码、T
复制链接 扫一扫
分享
大模型应用

170
评分
回复
基于 LlamaIndex+PostgreSQL 实现RAG持久化
前文《基于 LlamaIndex 实现 RAG 向量检索入门》已完成本地大模型与 Embedding 向量检索的基础搭建,但仅支持临时向量存储,无法持久化复用。本文将在此基础上实现 RAG 持久化存储方案,借助 PostgreSQL + pgvect
复制链接 扫一扫
分享
大模型应用

162
评分
回复
基于 LlamaIndex 实现RAG向量检索入门
本章将通过多个案例实现私有数据集检索功能,虽然 LangChain 也可以实现向量检索,但在企业级项目中,通常会选用 LlamaIndex 这类专门面向检索场景的框架。LlamaIndex 是 MIT 协议开源、以 RAG 为核心的大模型应用开发框架
复制链接 扫一扫
分享
大模型应用

186
评分
回复
基于魔搭 MS-Swift 实现大模型微调落地指南
在大模型二次开发学习阶段,手写训练代码可以帮助我们吃透模型微调底层逻辑,做到知其然更知其所以然。但落地到企业生产环境,我们更追求标准化流程、高复用能力与稳定可靠的工程化方案。MS-Swift 作为阿里达摩院魔搭社区开源的一站式大模型开发框架,集成了模
复制链接 扫一扫
分享
大模型应用

236
评分
回复
基于 HuggingFace Tokenizers 训练自定义分词器
在大模型开发流程中,分词器(Tokenizers)是文本预处理的核心组件。神经网络无法直接理解人类的原始文本,分词器的核心作用,就是将自然语言转换为模型可用于计算的数值序列。Hugging Face Tokenizers 是底层由 Rust 编写的高
复制链接 扫一扫
分享
大模型应用

260
评分
回复
基于 HuggingFace Tokenizers 训练自定义分词器
在大模型开发流程中,分词器(Tokenizers)是文本预处理的核心组件。神经网络无法直接理解人类的原始文本,分词器的核心作用,就是将自然语言转换为模型可用于计算的数值序列。Hugging Face Tokenizers 是底层由 Rust 编写的高
复制链接 扫一扫
分享
大模型应用

242
评分
回复
基于 vLLM+Nginx 构建负载均衡推理集群
企业内部私有环境部署大模型推理集群时,很容易遇到流量调度混乱、节点负载失衡、会话上下文丢失、接口缺少鉴权防护等一系列问题,单 vLLM 推理节点难以支撑并发请求。本文基于 Ubuntu 22.04 系统环境,搭建 Nginx + vLLM-Seman
复制链接 扫一扫
分享
大模型应用

197
评分
回复
LLama-Factory 实现大模型LoRA-SFT微调指南
LLaMA Factory 是一款开源、低代码、一站式大语言与多模态模型微调框架,用于降低大模型的微调落地门槛。框架兼容 Qwen、LLaMA、ChatGLM、LLaVA 等上百款主流开源模型,支持增量预训练、SFT 监督微调、DPO、KTO、ORP
复制链接 扫一扫
分享
大模型应用

221
评分
回复
千问大模型完整RLHF全参数微调指南
大模型微调是实现模型领域定制的核心方案,本文承接《千问大模型二次 LoRA‑SFT 指令微调指南》部分内容,聚焦 Qwen3.5‑Base 纯文本基座全参数微调,完整复现 ChatGPT 风格 RLHF 对齐工程链路,覆盖数据预处理、SFT 监督微调
复制链接 扫一扫
分享
大模型应用

252
评分
回复
千问大模型二次LoRA‑SFT指令微调指南
大模型微调是实现模型领域定制的核心方案。本文基于 Ubuntu 22.04 服务器环境,依托 NVIDIA RTX 家用高性能显卡,选用千问 Qwen3.5‑0.8B‑Instruct 指令模型,完整演示二次 LoRA‑SFT 微调全流程,包含环境搭
复制链接 扫一扫
分享
大模型应用
为您搜索到以下结果:
8,524
社区成员
37,310
社区内容
发帖
与我相关
我的任务
微软技术社区
微软技术社区为中国的开发者们提供一个技术干货传播平台,传递微软全球的技术和产品最新动态,分享各大技术方向的学习资源,同时也涵盖针对不同行业和场景的实践案例,希望可以全方位地帮助你获取更多知识和技能。
复制链接 扫一扫
分享确定
社区描述
微软技术社区为中国的开发者们提供一个技术干货传播平台,传递微软全球的技术和产品最新动态,分享各大技术方向的学习资源,同时也涵盖针对不同行业和场景的实践案例,希望可以全方位地帮助你获取更多知识和技能。 windowsmicrosoft 企业社区
加入社区
获取链接或二维码
- 近7日
- 近30日
- 至今
加载中
社区公告
