数据仓库标签_AI Agent技术社区

数据仓库

从 Memory Storage 到 Memory Evolution：长期 Agent 的关键不是“记住”，而是“治理变化”

也许未来最好的 AI，不是最像搜索引擎的那个，也不是最像聊天机器人的那个，而是那个真正理解你、持续理解你，并且在你变化时依然跟得上你的长期伙伴。

猿人谷
2026-05-19 14:35:32

 525

 13

#AIGC #数据仓库 #架构 +1
阶跃星辰基于 SelectDB 构建 PB 级 Agent 可观测平台

导读：在上，阶跃星辰可观测性专家 Ric 分享了 Agent 不确定性带来的可观测性挑战，为什么选择 SelectDB 作为 Agent 可观测平台 StepTrace 的数据底座，获得 Agent Trace 实时写入、全文检索、成本和延迟分析等方面的优势，并在 SWE-Agent 代码评测与智能座舱两个真实场景中落地。大家好，我是 Ric，目前在阶跃星辰负责可观测性系统的建设，这次我将给大家介

 SelectDB技术团队
2026-06-26 18:03:13

 502

 13

#数据仓库 #人工智能 #数据库 +1
在 AWS 中国峰会逛了一天，我在 Databend 展台看到了 Agent 数据基础设施的新思路

今年 AWS 中国峰会逛下来最大的感受是，大家已经不太讨论模型参数、排行榜或者谁家的模型更聪明了。无论是 Keynote 还是展区交流，讨论最多的话题其实是 Agent 如何真正进入生产环境。

Databend
2026-06-25 21:47:44

 408

 9

#aws #云计算 #人工智能 +1
Agent 时代，为什么传统的可观测方案不适用了？

Agent 时代，为什么需要新的可观测范式？先从一个真实场景出发：某团队上线了一款客服 Agent，并规范地接入了 Prometheus、Grafana、ELK 等主流的可观测性工具。从监控大盘来看，各项核心指标非常完美：P99 延迟为 0.2 秒，错误率为 0.001%，Token 消耗曲线表现平稳，所有系统指标均处于健康状态。然而，产品团队很快在用户反馈中发现了一个问题：系统把一个明明符合退款

 SelectDB技术团队
2026-05-21 16:41:34

 220

 3

#数据仓库 #数据库 #人工智能
数据质量治理实战指南：四大维度量化方法、上游埋点变更根因分析与 Python 自动化实践

数据质量治理需聚焦四大核心维度：1️⃣ 完整性：计算字段缺失率，Python自动检测空值并告警2️⃣ 唯一性：通过主键重复率量化，Pandas代码快速识别重复记录3️⃣ 时效性：监控数据延迟，SLA达标率公式+滑动窗口分析4️⃣ 一致性：用Great Expectations校验数据规则

 清水白石008
2026-04-08 05:43:11

 1152

 24

#数据仓库 #python #etl
中国250米分辨率下6个标准深度的土壤含沙量百分比数据集

个标准深度（0、10、30、60、100 和 200 cm）处的土壤含砂量百分比（单位：kg/kg）。数据基于对全球土壤剖面和样本的汇编，采用机器学习方法进行空间预测，生成空间分辨率为 250 m 的栅格图层。所有文件均以TIFF格式存储，数据集可应用于土壤质地空间分布制图、土壤侵蚀敏感性评价、水文过程模拟（如入渗、产流参数估算）、农业区划与土地资源评价、以及气候变化背景下土壤性质演变分析等研究。

地球资源数据云
2026-04-15 09:43:13

 448

 11

#数据库 #数据仓库 #大数据 +1
数据科学研讨会2022：技术趋势与实践解析

数据科学作为现代企业数字化转型的核心驱动力，其技术体系涵盖数据仓库、机器学习工程和算法优化等关键领域。数据仓库通过分层架构实现数据价值提炼，而数据湖技术则面临元数据管理的核心挑战。在工程实践层面，Snowflake与Power BI等工具的深度整合，以及地理空间数据分析技术，正在推动零售、物流和城市规划等行业的智能化升级。本次研讨会汇聚Bill Inmon等行业领袖，深入探讨数据治理、ML团队建设

 青妍
2026-04-25 10:58:31

 210

 8

#数据仓库
全国100米分辨率土地利用遥感监测空间分布数据

本数据集以美国陆地卫星Landsat 遥感影像数据作为主信息源，通过人工目视解译和机器学习方法，建立了1985-2025年国家尺度1：10 万比例尺41期土地利用/土地覆盖遥感监测数据集，并根据多场景应用需求，将数据集处理为100m分辨率。数据制备过程中，采用由中国科学院地理科学与资源研究所刘纪远先生提出的CNLUCC分类体系，数据覆盖全国陆地区域，具备年度时间分辨率和高空间尺度特征。最终采用Ka

地球资源数据云
2026-05-08 13:56:04

 391

 2

#人工智能 #大数据 #数据结构 +2
你真的了解OCR吗？

我们从来不需要识别文字，我们需要的一直是理解文档。

Sylvie555
2026-06-10 16:54:53

 704

 17

#人工智能 #大数据 #个人开发 +2
计算机毕业设计之医学图像分类系统

摘要：本系统基于YOLO目标检测算法、Django框架和深度学习技术，构建了一套高效医学图像分类解决方案。系统采用Python开发，通过标准化预处理（格式转换、去噪增强、灰度二值化）确保图像质量，结合YOLO实现实时检测。管理员可通过交互式控制台进行用户管理、图像上传检测，并查看识别趋势统计图表。功能模块包括：1）用户管理系统；2）智能图像处理流水线；3）可视化数据分析界面。系统在保证检测精度的同

 2601_96284649
2026-06-11 16:51:50

 220

 5

#hive #hadoop #数据仓库 +3
计算机毕业设计之商场管理辅助决策系统的设计与实现

本文探讨了基于大数据的商场管理辅助决策系统设计与实现。针对传统商场管理经验主义模式的不足，研究采用Spark、Hadoop、机器学习等技术，结合Python、MySQL和Vue框架，构建了包含前台展示、后台管理和数据爬取三大模块的智能决策系统。系统通过采集分析消费行为、销售数据等多维度信息，实现用户行为预测、库存优化和精准营销，为商场管理提供数据支撑。重点介绍了数据可视化大屏的设计，能够全面直观展

 2601_96284649
2026-06-17 16:13:10

 209

 6

#旅游 #hive #hadoop +1
每日一个开源项目（第155篇）：Cognee - 给 AI Agent 跨会话的持久记忆

Cognee 是开源的 AI Agent 记忆平台，把向量检索、知识图谱和认知科学方法融合成一套跨会话持久记忆层。四个核心操作：remember/recall/forget/improve。BEAM 基准测试 100K tokens 得分 0.79，超越此前最优解

 Cheson_chen
2026-07-10 10:02:34

 350

 5

#开源 #人工智能 #知识图谱 +1
《{{DeepSeek}}与未来对话智能时代的心灵共鸣》

每一次对话，都是两个世界的碰撞与融合，是算法与情感的交响，是理性与感性的共鸣。在智能时代，这种启发不再是单向的。DeepSeek在解答问题的同时，也会通过反问、举例、多角度分析等方式，激发用户产生新的思考维度，实现真正意义上的“心灵共鸣”。当我们分析一个问题时，会综合考虑语境、背景和可能的潜台词，就像真正的智者对话一样，既要听到字面意思，更要领会弦外之音。在智能时代的浪潮中，DeepSeek愿与每

 StevenChia
2025-10-11 03:25:12

 473

 3

#数据仓库
C++智能化指针与内存管理从入门到精通的实战指南

智能指针是封装了原始指针的类模板，它通过RAII（资源获取即初始化）机制来管理动态分配对象（或数组）的生命周期。RAII的核心思想是：在对象构造函数中获取资源（如分配内存），在析构函数中释放资源。这样，只要智能指针对象超出其作用域，它的析构函数就会被自动调用，从而确保其管理的资源被安全释放，无需程序员手动干预。智能指针是现代C++高效、安全编程的基石。通过理解和熟练运用`unique_ptr`、`

wei1368177
2025-10-13 06:12:17

 607

 16

#数据仓库
技术演进中的开发沉思-135 java-servlet篇： Web 的万物之源

ervlet 是 Java Web 的起源，此前 Java 仅用于桌面应用，它首次让 Java 进入 Web 领域，为后续 JSP、Struts、Spring MVC 等技术奠定基础。在实战中，如 2005 年国企 OA 系统开发，其编译型特性和强类型检查保障系统长期稳定，适配订单、支付等核心业务场景。即便在云原生时代，Spring Boot 等框架仍依赖其底层能力，在容器化、微服务、Server

chilavert318
2025-10-17 08:00:00

 825

 12

#hive #hadoop #数据仓库
技术演进中的开发沉思-140 java-servlet篇：Cookie

摘要：Cookie是Web开发中保持HTTP状态的关键技术，通过客户端存储少量数据实现身份识别。文章总结了Cookie的核心机制、安全配置和常见陷阱：1. 会话Cookie和持久Cookie的创建与读取；2. 必须设置HttpOnly、Secure、SameSite等安全属性；3. 典型问题包括路径/域名配置错误、跨域限制和数据超限；4. 最佳实践建议数据最小化、敏感加密和合理过期。文章指出，即使

 chilavert318
2025-10-19 10:19:36

 1008

 29

#hive #数据仓库 #servlet
计算机毕业设计：python租房推荐系统 python 租房大数据爬虫+可视化大屏 spark大数据数据仓库（附源码）✅

计算机毕业设计：python租房推荐系统 python 租房大数据爬虫+可视化大屏 spark大数据数据仓库（附源码）✅

vx_biyesheji0002
2025-10-20 19:00:00

 832

 26

#大数据 #python #数据仓库
技术演进中的开发沉思-148 java-servlet：servlet实例

这篇文章以学做菜为比喻，生动讲述了作者第一次编写Servlet的经历。从配置环境（备料）、编写代码（按菜谱操作）到调试运行（上菜），详细描述了开发过程中遇到的典型问题和解决方法。文章特别强调了Servlet的基本工作原理（点单流程）、线程安全注意事项，以及环境配置的关键点。通过PropertiesServlet实例，展示了Servlet开发的核心步骤和常见错误处理方式，最后指出Servlet作为J

chilavert318
2025-10-24 08:30:00

 1607

 26

#hive #hadoop #数据仓库
Asyncio 入门：Python 异步编程的核心概念与案例

异步编程通过事件循环和协程机制，让单线程程序获得了接近多线程的并发能力。3 对于需要处理大量网络请求或实时数据流的应用，掌握asyncio已成为现代 Python 开发者的必备技能。从简单的爬虫到微服务架构，异步范式正重新定义高性能程序的实现方式。

2501_93879649
2025-11-01 18:43:31

 295

 4

#hive #hadoop #数据仓库
从零到精通：大语言模型(LLMs)完整学习路线图(五步掌握+必收藏)

文章提供了从零开始学习大语言模型(LLMs)的五步系统性路线图：第一阶段打牢数学基础；第二阶段学习神经网络原理；第三阶段深入理解Transformer架构与预训练；第四阶段掌握模型微调技术；第五阶段学习模型对齐方法(如RLHF)。每个阶段都推荐了优质学习资源，帮助读者循序渐进地掌握从底层原理到实际应用的完整知识体系，最终能够理解并构建小型GPT风格模型原型。

Android老皮
2025-11-06 17:01:31

 943

 27

#语言模型 #学习 #人工智能 +4
Doris MCP Server v0.6.0 正式发布

多租户 SaaS（customer_a_token → database_a 完全隔离）、高可用环境零停机配置更新、安全敏感组织的企业级权限管控。🚀 Doris MCP Server v0.6.0，开启企业级数据平台与认证管理新时代！本次升级完全向后兼容 v0.5.x，现有 API 和配置无需修改，可平滑升级。Doris MCP Server v0.6.0 正式发布！

SelectDB技术团队
2025-11-18 21:13:18

 383

 8

#数据仓库
别再“拧螺丝”了！LangChat Pro MCP重构，让你像“搭积木”一样构建AI应用！

在AI技术飞速发展的今天，如何让大语言模型更好地与外部系统交互，获取实时数据和执行复杂任务，成为了企业级AI应用开发的关键。LangChat Pro团队一直致力于为用户提供更强大、更灵活的AI集成解决方案，近期我们对MCP（Model Context Protocol）功能进行了重大重构升级，旨在为企业用户提供更加高效、稳定的AI能力扩展。

小马不会过河
2025-11-25 14:57:32

 416

 5

#重构 #人工智能 #数据挖掘 +2
AI提示词的“作弊码”来了！高手都在用的“屠龙术”，一套提示词框架，玩转GPT、Claude、Gemini！

你是不是也遇到过这种情况：同一个任务，在 ChatGPT 上效果不错的提示词，切换到 Claude 就水土不服；好不容易调优了 Gemini 的 Prompt，结果 Perplexity 又完全不吃这一套。

小马不会过河
2025-11-25 14:56:17

 679

 3

#人工智能 #百度 #spring +1
Python+Vue的基于数据仓库的外卖餐饮系统 Pycharm django flask

本文介绍了一个基于Python+Vue技术栈开发的外卖餐饮系统。系统采用数据仓库技术，实现了用户在线订餐和管理员后台管理的功能闭环。前端使用Vue框架，后端采用Django/Flask，数据库选用MySQL。系统包含用户注册登录、菜品浏览、购物车、订单管理等用户功能，以及用户管理、菜品分类、订单处理等管理员功能。在性能方面考虑了高并发处理和数据安全防护，采用MTV模式开发，具有简洁的语法结构和良好

 QQ123311197
2025-11-27 22:13:44

 778

 21

#python #vue.js #数据仓库
计算机毕业设计springboot基于hive线上问诊系统数据仓库面向线上诊疗的 SpringBoot + Hive 一体化数据仓库及问诊服务系统互联网医疗数据仓库与智能问诊平台

当“互联网 + 医疗”驶入快车道，线上问诊每天产生海量且分散的挂号、问诊、处方、评价与行为日志。传统 OLTP 库面对激增的异构数据已力不从心，无法为医院运营、慢病预测、资源调配提供实时而全面的决策支持。本系统以 SpringBoot 为后端总线，以 Hive 为离线计算核心，构建线上问诊专属的数据仓库，将业务数据与爬虫抓取的外部公共卫生数据按主题模型分层汇聚，再通过 Spark 加速 ETL，最

 sheji8519
2025-12-08 11:54:05

 973

 37

#数据仓库 #spring boot
Gemini永久会员数据仓库（Data Warehouse，简称DW或DWH）是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策和信息的全局共享

2. **支持决策**：数据仓库为决策提供了强有力的数据支持。**数据仓库（Data Warehouse，简称DW或DWH）是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策和信息的全局共享**。1. **面向主题**：数据仓库内的信息是按主题进行组织的，主题是指用户使用数据仓库进行决策时所关心的重点方面，如收入、客户、销售渠道等。1. **集成数据**：数据仓库能够集

 稚辉君.MCA.P9.JAVA
2026-01-07 08:01:55

 438

 5

#分布式 #大数据 #数据仓库 +2
DeepSeek ：基于 Schema 推理与自愈机制的智能 ETL

本文提出了一种基于DeepSeek的智能ETL架构，通过认知驱动替代传统规则驱动，解决非结构化数据处理难题。。这种架构可广泛应用于日志解析、简历处理、合同提取等多种非结构化数据转换场

 且去填词
2026-01-12 14:44:05

 928

 20

#etl #数据仓库 #人工智能 +2
数据科学需求层次理论：从数据基建到AI应用的实战演进指南

数据科学是一个系统性工程，其核心在于构建从数据采集、处理到智能决策的完整能力体系。其基本原理遵循层次化结构，强调扎实的数据基础设施是高级分析预测与AI创新的基石。这一体系的技术价值在于，它能将原始数据转化为可驱动业务增长的核心资产，避免因基础不牢而导致的高级应用失效。在实际应用场景中，无论是用户行为分析、销量预测还是个性化推荐，其效果上限都依赖于底层数据的质量与管道的稳定性。本文以数据科学需求层次

 小圆圆伍
2026-05-28 12:11:57

 515

 11

#数据仓库
科大讯飞AstronClaw口碑到底怎么样？全方位拆解云端AI办公助手硬核实力

摘要：科大讯飞推出的AstronClaw云端AI助手是行业标杆级产品，解决传统本地OpenClaw部署复杂、运维成本高等痛点。其核心优势包括零门槛一键部署、高性价比阶梯定价、131项全场景办公技能、企业级安全防护及多模型兼容性，适配个人、企业及运维从业者。依托讯飞技术背书，产品上线后获全域好评，综合评分领先，成为兼顾易用性与专业性的云端AI优选方案。选购建议按需选择基础版（16.8元/月）或专业

 科技热点观
2026-05-29 01:52:10

 297

 11

#人工智能 #大数据 #数据仓库
企业AI办公成本高、多工具协同混乱？OpenClaw国产平替轻量化落地指南

【摘要】企业AI办公落地普遍面临适配难、成本高、安全风险三大痛点。科大讯飞AstronClaw提供轻量化解决方案：原生适配钉钉/飞书/企微，实现零代码协同；云端托管降低60%运维成本；企业级加密保障数据安全；7×24小时值守支持自动化办公；内置131项办公技能覆盖全场景需求。相比同类产品，该方案在功能完整性（100%复刻OpenClaw）、多平台适配性、成本可控性（最低16.8元/月起）等方面表现

 科技热点观
2026-05-29 01:54:14

 216

 5

#人工智能 #大数据 #mysql +1
AI Agent 工作流引擎：DAG 编排、动态路由与容错设计

随着复杂度增长，直接写 if/else + while 循环的代码会迅速失控。工作流引擎提供：2.2 工作流执行引擎2.3 构建示例：文档处理工作流执行流程可视化：三、动态路由：条件分支3.1 条件节点3.2 LLM 驱动的动态路由四、状态机模式：复杂交互流程对于需要多轮交互、状态转换的工作流（如审批流程），DAG 不适用——用有限状态机。五、可观测性六、总结工作流引擎是 Agent 从"能跑"到

 Leo_Wcg
2026-06-24 18:09:17

 286

 4

#人工智能 #后端 #hive +3