吏部侍郎

需求背景：保后管理部，会每天人工统计及整理C-M1数据，入账及回盘相关的数据，最后汇总整理相关话术，发送到微信群。于是咨询我能不能使用Deepseek等大模型实现。前两天，我正在用大模型，于是肯定的回复，是可以的。今天又在开源平台dify上实验了下，也顺利成功。 这里我以一个考勤小助手为例，给大家演示一下搭建步骤。 首先，本文主要用的工具如下： Dify(一个开源的Agent编排平台)企业微信LLM：Deepseek-V3-0324 1. 新建应用+安装企微通知工具1.1新建空白应用&实现逻辑梳理打开https://dify.ai/zh，选择开始使用。进行注册和登录。创建空白应用—选择工作流。首先思考下整体会用到哪些节点。 我们是考勤小助手，因此肯定会用到考勤相关的规章制度，需要一个知识库。 还需要一个LLM节点来进行格式整理。 需要一个企微的通知节点。 1.2 安装企微通知工具选择添加节点——工具。搜索企微通知工具，输入wecom。最后进行安装。安装完成以后，记得刷新下页面，不然找不到这个企微通知工具。 2. 搭建考勤小助手因为在这里我演示的是一个考勤小助手，因...

AI相关名词大全 [!tips] 说明本文档整理了AI领域常见的专业术语，使用通俗易懂的语言进行解释，帮助初学者快速理解核心概念。 1. 名词分类导航 领域 核心概念 🤖 大模型核心 LLM · SLM · AIGC · GPT · RAG · LMM · Hallucination · Reasoning Model 🏗️ 模型架构 Transformer · MoE · Diffusion · GAN · ViT · SSM 🔧 训练技术 Fine-tuning · SFT · RLHF · LoRA · Embedding · Synthetic Data 🤖 智能体Agent Agent · CoT · ReAct · Function Calling · 短期记忆 · 长期记忆 · System Prompt 💻 应用基建 GPU · Token · Context Window · Vector DB · MCP · Rate Limits · TPS 📊 评估指标 SOTA · Benchmark · PPL · BLEU...

2022年3月14日-2022年3月18日，真是让我感慨万分。 基本的理财知识，和从2018年到现在所有的经历都告诉我，一个品种只要他不会死，它早晚都会回本，盈利。所以我一直坚持的投资品种都是基金。 但是这次，依然让我惊心动魄，甚至轻微焦虑，这次真的好多了，18年，19年的时候，那是真的焦虑。这次还有子弹，还可以继续加仓，学会了控制仓位。 但是，中丐，依然还是仓位过重了，占到了总体仓位的35%，所以也最终导致了我的轻微焦虑。 可能大家不知道我再说什么。给大家看看我近一年的投资曲线图吧。 中丐，净值从最高点，2.6，买到了最低点，0.65，下跌幅度近乎80%，从去年国家开始整治互联网到现在，一直阴跌。所幸开始买的并不多。 这么说，大概可能只是觉得是个数字，但是对于亲身经历的我来说，真的能吓死个人。幸亏，我19年经过了华宝油气的教训。不然我可能真的会焦虑到不行。 markdown语法 大家看近一周的净值，再看看日涨幅，基金一天跌11%，你能信？ 你再看看3月16，基金一天涨了28%，这个你见过吗？说实话，这是我投资三年以来，第一次见到。 所以你尽情想象，我这一周的心情的跌...

语音交互机器人语音交互机器人常用于呼入和呼出场景，这两种场景，数据流一般都是： 当然也会有IOT场景，会涉及语音唤醒VAD等，这些场景都会涉及到对话管理模块。 指标体系ASRASR（Automatic Speech Recognition），即自动语音识别，是把声音转换成文字的技术。 一般它主要有两个指标，句识别率和字正确率。但是我们在工作中经常性说的98%这个值，一般都是说字正确率，它忽略了插入错误。 其实，一般会说三个值。字错误率，字正确率，字精确率。 我们知道，ASR的转写结果一般有以下四类： 正确，即正确的字数，H； 错误（替换），即错误的字数，S； 插入，插入的字数，I； 删除（缺失），删除的字数，D； N为 （替换 + 删除 + 正确）的字数； 字错误率（CER：Character Error Rate）CER=（S + D + I ） / N = （S + D + I ） / （S + D + C ） 实际测试时，如果样本量较小，很可能出现错误率大于100%的情况，当然，大样本几乎不可能出现，不然你的模型也太差了...

什么是财务自由 投资是认知的变现。 康德（Immanuel Kant）对于自由的解读： 自由不是你想干什么就干什么，而是你不想干什么就不干什么。 我也非常认同这句话，在我看来，就是你可以有拒绝一件事情的底气。当你能做到这一点的时候，你在某种意义上就自由了。 我的理解看来，如果我的被动收入，能让我没了工作生活品质不下降，其实我就自由了。被动收入的方式有很多种，可能是理财、房租、专利费，等等，于我而言，其实最现实的是理财了。 《也谈钱》 如果我们跳出财务自由是要得到什么的固有思维，认为它是面对不想要的生活时可以说不，那么财务自由并没有那么遥不可及。只要能够通过被动收入维持我们的日常生活，不再为了养家糊口被迫在工作上妥协，也就有了说不的勇气。 对于我们普通人来说，本金、收益率、开支，这三个数字，是影响财务自由的关键。本金*收益率=被动收入 被动收入-开支>0，的时候，可以说，我们在某种意义上实现了财务自由。 ETF拯救世界语录(长赢)投资是一场赌博 投资是一场赌博，不管你用什么方法做投资，都是一个可以通过努力取得大概率胜利的赌博游戏。 投资要遵守的理念： 做大概率...

汽车智能座舱是指配备智能化和网联化车载产品的汽车座舱，汽车智能座舱由智能座舱内饰及座舱电子构成。汽车智能座舱通过智能座舱内饰和座舱电子的联动，实现人、路、车的智能交互，是重新定义人车关系的智能车载产品。 可以看B站的相关内容：智能座舱 一些名词 V2X: V2X( Vehicle to Everything)，V2X是支持车辆与周围交通系统进行通信的技术，可实现车与万物互联的技术，包括 Vehicle- to Vehicle(车与车)， vehicle-toinfrastructure(车与基础设施)， vehicle-to- network(车与网络)和 vehicle-to- pedestrian(车与人)。 云计算: 一种资源交付和使用模式，用户可通过互联网以自助服务的形式获取自身所需要的IT资源。 SaaS： Software as a service，软件即服务，位于云架构上层，是一种软件交付模式。SaaS服务商将软件统一部署在自身服务上，客户可根据自己实际需求通过互联网向SaaS服务商采购所需的软件服务。 Paas: Platform as a servi...

滴滴中台之路都是PPT截图，在来自于一位大佬的分享。 为什么要建业务中台 如何推进技术中台项目落地 总结 研发人员团队管理

讲好一个故事的开始我们必须按照以下的顺序进行，这样才能做好数据的分析，讲好一个数据故事。 明确问题是什么我们做一个汇报、分析、报告等等通常都是为了完成别人的请求，比如你的客户、老板、利益相关者。但是，通常，请求者或者要求者在说出他的需求时并不会详细的说明他的需求是什么，也有可能他认为这是你知道的，不需要讲的。因此我们在完成一个需求时，第一步，必须明确问题是什么。 比如，老板要求我们给出一些互联网金融行业用户流失前的一些挽留措施。我们就必须知道以下问题： 流失的定义是什么？用户注销账户？账户资金为0？等等、、 为什么会流失？是产品的问题？销售的问题？运营的问题？定位流失的原因。 我们挽留的目标是什么？留人？还是留住资金？ 等等问题、这里只是抛砖引玉。我们实际情况中需要考虑的可能更多，毕竟我还停留在理想阶段。 其实，概括一下，就是： 背景信息是什么？ 受众和决策这是谁？ 有什么数据可以支撑这个案例？受众熟悉这些数据？ 有什么风险？什么因素会弱化案例？是否需要主动提出？ 等等。。。 我们要做什么分析是探索性分析，还是解释性分析。 探索性分析：理解数据并找出...

花了一段时间学习了下菜鸟读书笔记，最大的感慨是这本书，纯粹是入门级。本书以Excel为主要操作软件，只要稍微有点Excel基础，绝对可以看懂，看完后，觉得对我用处最大的是数据分析的思想，而一些手段，反而是次要的。 以下是在读的过程中的一些学习总结，不足之处，诸君见谅。 1.数据分析内容 数据分析 这一部分，主要介绍了什么数据分析，数据分析步骤，以及作为一个合格的数据分析所需要具备的品质。 总体来说，要进行数据分析，我们首先要知道自己的目的是什么，以及我们所要分析的内容，然后我们需要确定我们采用的数据分析方法，这需要我们知道一些营销或管理模型，从而根据内容确定分析方向。 2.数据分析方法论 数据分析方法论 以前只是知道这些营销理论或者管理理论，现在才隐约知道该怎样使用他们。实践出真知。 3.数据收集 数据收集 这部分是最重要的部分之一，主要介绍了数据收集的一些方法，重点介绍了调查问卷的正确使用方式，并向我们介绍了表的概念，表与SQL语言练习紧密，因为我们现在多数的数据都存储在关系型数据库中，如MySql等，同时，说了一些Excel的小技巧，以前学习了Excel的很多内容，看...

昨天，做的那个数据分析报告用到了jieba分词。但是只是借用了别人的部分代码。具体函数代表什么还不太明白。今天去官网研究了下….. jieba官网简介“结巴”中文分词：做最好的 Python 中文分词组件 "Jieba" (Chinese for "to stutter") Chinese text segmentation: built to be the best Python Chinese word segmentation module. 支持三种分词模式： 精确模式，试图将句子最精确地切开，适合文本分析；全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。支持繁体分词 支持自定义词典 MIT 授权协议 安装pip install jieba 分词jieba.cut 方法接受三个输入参数: 需要分词的字符串；cut_all 参数用来控制是否采用全模式；HMM 参数用来控制是否使用 HMM 模型jieba.cut_fo...