一、引言：AI 应用与实时影音数据的融合价值

内容生态近年的“视频化、实时化、社交化”浪潮，将数据获取链路推到了更靠前的位置。真正驱动业务的，不是某一帧漂亮的模型输出，而是“数据—理解—动作”的持续闭环。无论是品牌内容策略、投放优化、竞品追踪，还是舆情与渠道洞察，第一步都离不开对一线平台的稳定接入与结构化理解。

AI 智能体（如 Dify、Claude、LangChain 等）要跑在真实业务里，离不开持续、稳健、低成本的“实时影音与网页数据”输入。传统采集方式面临三座大山：

  • 技术门槛高：JS 动态渲染、验证码与 Bot 检测、地理定向、登录态维持、反爬策略更新，像一场长期的“工程军备赛”。

  • 易失效：站点结构频繁变化，脚本脆弱，维护成本随时间线性变为指数。

  • 难自动化：代理池、浏览器集群、限速策略、异常回退、再训练与版本化等工程问题，填满了数据与运维团队的排期。

    Bright Data MCP Server 正是为此设计：它把网页访问、结构化抽取、浏览器自动化、搜索引擎抓取等企业级能力，用 MCP（Model Context Protocol）标准打包为“即插即用”的工具。智能体无需“自建采集架构”，而是像调用本地函数一样去“看网页、取数据、点按钮、截屏、拿文本/HTML/Markdown”，把现实世界的网页与平台数据，变成 LLM 推理的实时上下文，然后反向产出摘要、洞察、分析与可执行建议。
    官网实例
    从亮数据官网可以看到，MCP Server作为一款网络数据采集工具，专门为AI应用场景设计。页面清晰地展示了"搜索、爬取、访问、导航"四大核心功能模块。
    在这里插入图片描述
    网站提供了完整的功能分区，包括搜索引擎接口、网页抓取、浏览器自动化等多种数据获取方式，每个功能都有详细的说明和使用示例。

重点是，它不是“另一个 SDK”，而是“一块即插即用的数据接口”。对上兼容 Dify、LangChain、LlamaIndex、Claude/Claude Code、Cursor、n8n、Zapier、OpenAI Responses API 等主流生态；对下把 Web Unlocker、Browser API 与大量平台级结构化工具（如 YouTube/TikTok/Instagram 等）打包成 MCP 工具清单，既能快速验证，也能深度扩展。

官方页面直达入口如下：

官方页面：https://bright.cn/ai/mcp-server

官方技术文档说明(英文): https://docs.brightdata.com/api-reference/MCP-Server

GitHub 示例代码：https://github.com/brightdata

二、亮数据 MCP Server 概览

2.1 它是什么

  • MCP 是让模型/代理与外部世界对接的协议；
  • Bright Data MCP Server 是基于 MCP 的“企业级 Web 数据与影音 API”，把“网页抓取 + 结构化提取 + 浏览器自动化 + 搜索引擎抓取”等封装为统一工具集合；
  • 既可云托管（SSE 直连），也可本地自托管（npx 即起），默认即可用，进阶可切 Pro/Advanced 模式以开放更多工具。

在这里插入图片描述
亮数据MCP Server在GitHub上完全开源，仓库包含详细的文档、示例代码和配置说明。开源的方式让开发者能够更深入地了解工具的实现原理和使用方法。
在这里插入图片描述
在GitHub的README文档中，提供了完整的配置示例，包括如何在不同环境下接入MCP Server，以及各种参数的设置方法。
在这里插入图片描述
官方技术文档非常完善，不仅有详细的API说明，还提供了大量实战案例和最佳实践。这些文档帮助开发者快速上手并解决实际问题。
在这里插入图片描述
使用说明页面详细介绍了MCP工具的各种参数和配置选项，为开发者提供了清晰的操作指引。
在这里插入图片描述
亮数据提供了丰富的使用案例，覆盖了搜索引擎数据采集、社交媒体监控、浏览器自动化等多个场景，为不同需求的开发者提供了参考模板。

2.2 支持的影音/社媒数据（结构化工具举例）

按官方工具命名习惯，结构化提取工具多以 web_data_* 命名，浏览器自动化以 scraping_browser_* 命名，通用网页抓取以 scrape_as_* 命名。与影音/社媒紧密相关的常用项包括（不同环境下可能略有增减，以官方文档为准）：

  • YouTube：web_data_youtube_videos（视频详情等）
  • TikTok：web_data_tiktok_posts、web_data_tiktok_profiles、web_data_tiktok_comments、web_data_tiktok_shop
  • Instagram：web_data_instagram_posts、web_data_instagram_profiles、web_data_instagram_reels、web_data_instagram_comments
  • 通用网页：scrape_as_markdown、scrape_as_html（单页抓取为 Markdown/HTML）
  • 搜索引擎：search_engine（Google/Bing/Yandex SERP）
  • 浏览器自动化：scraping_browser_navigate、scraping_browser_click、scraping_browser_type、scraping_browser_wait_for、scraping_browser_get_html、scraping_browser_get_text、scraping_browser_screenshot

2.3 关键优势与配额

  • 免代理池运维：自动处理代理、指纹、JS 渲染与常见风控场景；
  • 一站式：结构化工具 + 通用抓取 + 自动化浏览器，轻代码直达业务；
  • 免费额度：每月提供约 5,000 次免费请求配额（以官方页面为准）；
  • 多形态接入：
    • 远程托管（SSE）：以 URL + token 直连；
    • 本地自托管：npx @brightdata/mcp 即起，用环境变量配置 token/zone；
  • 生态兼容：Dify、Claude/Claude Code、Cursor、LangChain、LlamaIndex、n8n、Zapier、OpenAI Responses API 等。

2.4 快速接入要点（示例）

  • 远程托管（SSE）地址（示意，实际请替换 token）：
claude mcp add --transport sse brightdata "https://mcp.brightdata.com/sse?token=<YOUR_API_TOKEN>"
  • Cursor/Claude Desktop 本地自托管（使用 npx）：
{"mcpServers": {"brightdata-mcp": {"command": "npx","args": ["-y", "@brightdata/mcp"],"env": {"API_TOKEN": "<your API token>"}}}
}
  • 可选高级能力：
    • 远程：URL 追加 &pro=1
    • 本地：设置环境变量 PRO_MODE=true

三、业务场景示例设计

作为一名内容创作者，我们经常需要学习分析优秀同行的内容，了解他们的创作技巧和成功经验。传统的手动分析方式费时费力，而且容易遗漏关键信息。通过MCP Server + Dify的组合，我们可以构建一个智能的内容分析助手。

场景 A：UP主内容学习分析系统

  • 目标：分析优秀UP主的视频内容，学习其创作技巧、内容结构和互动策略
  • 采集：获取目标视频的基础数据、互动指标、评论反馈等信息
  • 分析：通过AI分析内容特点、受众反应、成功要素，提供学习建议
  • 输出：生成结构化的学习报告，包含可复制的创作技巧和改进建议

场景 B：TikTok爆款内容解析

  • 目标：研究TikTok平台的爆款视频，掌握短视频创作的核心要素
  • 采集：web_data_tiktok_posts、web_data_tiktok_profiles获取视频详情和创作者信息
  • 分析：解析内容结构、拍摄技巧、话题标签运用，总结爆款规律
  • 输出：输出创作指导和选题建议，帮助提升内容质量

场景 C：Instagram 竞品内容追踪 → 自动化总结

  • 目标：追踪竞品近 n 天发布策略、视觉叙事风格、互动质量与节奏，给出"可复用内容模板"
  • 采集：web_data_instagram_posts、web_data_instagram_profiles、web_data_instagram_reels，形成"账号—帖子—短视频"三层基表
  • 分析：聚合互动率、话题标签、图文/短视频分布、发布时间与留存，归纳"爆款结构"
  • 输出：以"模板 + 示例"的方式落地到内容团队，直连素材生产

四、技术实现流程（“傻瓜式”步骤展示）

本节将用“从零到一”的方式，把工具装起来、流程过一遍，并配套截图。依次对应：安装 → 创建应用 → 开始节点 → Bright Data 工具节点→ LLM 节点 → 结束节点。

4.1 安装与准备

  1. 安装插件/依赖（以示意为准）：

    首先需要在开发环境中安装必要的扩展和插件，确保所有工具节点都能正常运行。安装过程简单快捷，只需要几步操作即可完成。
    在这里插入图片描述
    然后新建一个空白应用
    在这里插入图片描述
    在Dify平台创建一个新的工作流应用。Dify提供了直观的可视化界面，让整个流程搭建过程变得简单易懂，即使没有编程基础的用户也能轻松上手。
    在这里插入图片描述
    配置工作流的开始节点，这是整个流程的入口点。可以设置输入参数、定时触发条件等，为后续的数据采集和分析做好准备。

4.2 注入 Bright Data 工具节点

点击开始节点的加好，然后选择工具一栏，点击亮数据网页抓取器，最后选择结构化格式即可
在这里插入图片描述
在工作流中添加亮数据MCP工具节点，这是整个流程的核心组件。我们需要将刚刚开始节点的video_url指向目标的URL。
在这里插入图片描述
详细配置工具节点的参数，包括输入参数映射、输出格式设置等。这些配置决定了数据采集的范围和格式，为后续的AI分析环节做好数据准备。

返回值为结构化对象（JSON），常见字段含标题、作者/频道、发布时间、观看/互动指标、正文/描述片段等，便于后续 LLM 消化。

4.3 串接 LLM 节点（摘要/洞察/报告）

  • 将工具节点输出作为 LLM 输入；
  • 系统提示词（System）给出“分析目标/写作风格/指标口径”；
  • 支持多段路由：视频类 → 主题聚类；评论类 → 情感/观点摘要；

在这里插入图片描述
添加LLM分析节点，利用大语言模型对采集到的数据进行智能分析。这里我们设置一个符合UP主需求的提示词，让AI帮我们分析学习其他创作者的内容。

  • 实际使用的 Prompt：
I'm an up host. Please help me analyze first and then summarize. Finally, I hope you can tell me how I can learn from him.

4.4 结束节点与输出形态

  • 输出可以是：Markdown、富文本、PDF、Webhook 推送、邮件/群机器人；
  • 也可把数据+报告入库，便于二次计算与检索。

在这里插入图片描述

配置结束节点，定义最终输出的格式和方式。可以选择生成Markdown报告、PDF文档、发送邮件通知，或者通过Webhook推送到其他系统，满足不同的业务需求。

4.6 实战测试验证

在完成工作流搭建后，我们需要进行实际测试来验证系统的效果。我分别测试了TikTok和YouTube两个平台的内容分析功能。

TikTok视频分析测试
在这里插入图片描述
在测试界面输入TikTok视频链接，系统开始自动采集视频的相关数据，包括基础信息、互动数据等。
在这里插入图片描述
系统成功提取了TikTok视频的详细信息，并通过AI分析生成了结构化的报告。根据我设置的提示词"I’m an up host. Please help me analyze first and then summarize. Finally, I hope you can tell me how I can learn from him"，AI详细分析了视频的特点，并给出了具体的学习建议。

YouTube视频分析测试
在这里插入图片描述
接下来测试YouTube视频的分析功能，同样输入视频链接，启动数据采集和分析流程。
在这里插入图片描述
YouTube测试结果同样令人满意。系统不仅获取了完整的视频数据，还根据UP主的学习需求，生成了针对性的分析报告，包括内容结构分析、成功要素总结，以及可以借鉴的创作技巧，这正是作为内容创作者最需要的学习资料。

4.7 代码配置参考

  • 远程托管（SSE）方式接入（Claude Code 为例）：
claude mcp add --transport sse brightdata "https://mcp.brightdata.com/sse?token=<YOUR_API_TOKEN>"
  • Cursor/Claude Desktop 本地自托管（使用 npx）：
{"mcpServers": {"brightdata-mcp": {"command": "npx","args": ["-y", "@brightdata/mcp"],"env": {"API_TOKEN": "<your API token>"}}}
}

  • 可选：开启高级处理能力

    • 远程：在连接 URL 末尾追加 &pro=1
    • 本地：设置环境变量 PRO_MODE=true

  • 使用 LlamaIndex MCP Toolkit 直接调用工具（示例：抓取 Markdown）：

import asyncio
from llama_index.tools.mcp import BasicMCPClientasync def main():client = BasicMCPClient("https://mcp.brightdata.com/mcp?token=<API_TOKEN>")tools = await client.list_tools()print("Tools:", [t["name"] for t in tools])result = await client.call_tool("scrape_as_markdown", {"url": "https://example.com"})print(result)asyncio.run(main())
  • 使用 LangChain mcp-adapters（示意）：
import asyncio
from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAIasync def main():client = MultiServerMCPClient({"bright_data": {"url": "https://mcp.brightdata.com/sse?token=<API_TOKEN>","transport": "sse",}})tools = await client.get_tools()llm = ChatOpenAI(model_name="gpt-4o-mini", openai_api_key="<OPENROUTER_API_KEY>")agent = create_react_agent(model=llm, tools=tools)res = await agent.ainvoke({"messages": [("human", "Get the latest trending videos on YouTube US")]})print(res["messages"][-1].content)asyncio.run(main())
  • 结构化工具返回示例（示意字段，最终以工具真实返回为准）：
{"videos": [{"title": "How to...","channel": "ABC Channel","published_at": "2025-09-10T12:34:56Z","views": 1234567,"likes": 34567,"comments": 890,"url": "https://www.youtube.com/watch?v=xxxxx"}]
}

五、亮点功能与优势解析

  • 无需维护代理池：复杂的代理管理、地理定向、指纹与抗封锁策略由平台托管，减少工程投入。
  • 自动处理 JS 渲染与常见风控：对 SPA/动态内容原生友好，显著降低“能抓到/抓不到”的不确定性。
  • 一站式贴合智能体形态：同一套接口覆盖结构化抓取、通用抓取与浏览器自动化，天然适配 ReAct/Tool-Calling 的智能体范式。
  • 极简上手 + 深度可扩展：默认配置即可跑，进阶可按需切换 Pro/Advanced 模式或自定义 Zone。
  • 每月 5,000 次免费额度：为小团队与个人验证期提供弹性（以官方页面为准）。
  • 生态无缝：Dify、LangChain、LlamaIndex、n8n、Zapier、Claude/Cursor/OpenAI Responses API 等均有现成整合路径。

六、使用建议与注意事项

  • 适用人群/场景：

    • AI 开发者/数据工程师：把“采集—清洗—加工—抽象”的管线前移到智能体里，做成标准化工具。
    • 市场/内容/增长团队：“竞品追踪—内容复盘—选题策略—投放建议”形成固定节奏。
    • 运营/客服/风控：监控关键信号源，做趋势预警与策略联动。

  • 免费额度与费用：

    • 免费层约 5,000 次/月，足够完成 PoC 与小规模验证；
    • 超量、浏览器模式或特定高级能力可能计费，务必以 Bright Data 控制台与官方文档为准，合理规划预算与限速策略。

  • 工程落地注意点：

    • 结构化优先：优先使用 web_data_* 工具以获得稳定字段；非覆盖站点再降级到 scrape_as_*；
    • 速率与重试：遵循 API 限制，设置幂等与退避，合理控制 RATE_LIMIT；
    • 地域与登录：按业务需求配置 WEB_UNLOCKER_ZONE/BROWSER_ZONE，避免样本偏差；
    • 数据治理：字段落库、口径版本化与指标解释权，避免“口径漂移”；
    • 合规与条款：遵循目标平台条款与当地法规，规范数据使用目的与范围。

七、注册引导

  • 访问 Bright Data 官网注册，完成邮箱验证并登录控制台；
  • 在用户中心获取 API Token（新用户一般在欢迎邮件/控制台能看到）；
  • 选择远程托管或本地自托管接入：
    • 远程（SSE）：https://mcp.brightdata.com/sse?token=<YOUR_API_TOKEN>
    • 本地（npx）：npx @brightdata/mcp（通过环境变量注入 API_TOKEN、可选 WEB_UNLOCKER_ZONE/BROWSER_ZONE）
  • 在 Dify/Claude/Cursor/LangChain 等环境完成配置，跑通第一个“采集 → 分析 → 输出”的闭环；
  • 若需专属注册链接，请使用活动方提供的专属链接；如暂未获取，请联系活动负责人 Cynthia。

八、结语

现实世界的变化速度，决定了智能体必须连上“最新的、可验证的”数据。把 Bright Data MCP Server 接到 Dify 或你习惯的智能体框架上，意味着以尽可能低的工程摩擦，把“网页访问、结构化抽取与自动化”装入 AI 的日常工作流。对团队而言，这不是“又一个 Demo”，而是可持续生产的“数据—理解—动作”流水线。

当数据的采集与理解变成标准化能力，剩下的就是业务策略与执行速度。现在就把你的第一个数据源接入，做一份真正“可落地、可复用、可规模化”的影音/网页智能体吧。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.pswp.cn/bicheng/98154.shtml
繁体地址，请注明出处：http://hk.pswp.cn/bicheng/98154.shtml
英文地址，请注明出处：http://en.pswp.cn/bicheng/98154.shtml

如若内容造成侵权/违法违规/事实不符，请联系英文站点网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【Linux】make/Makefile工具篇

【Linux】make/Makefile工具篇

目录一、自动化构建二、make/Makefile2.1 见识一个简单的make/Makefile2.2 Makefile的基本语法2.3 Makefile的语法细节个人主页<—请点击 Linux专栏<—请点击 一、自动化构建 自动化构建是指通过构建工具&#xff08;如make&#xff09;解析构建脚本&#xff08;如Make…
阅读更多...
如何在企业微信上以 HTTPS 方式访问内网 OA/ERP 等系统？

如何在企业微信上以 HTTPS 方式访问内网 OA/ERP 等系统？

企业微信可以将 ZeroNews 平台上添加的内网应用集成到企业微信的工作台。这样&#xff0c;用户即使在外部网络环境中&#xff0c;也可以通过企业微信访问内网的 OA、ERP 等应用。以下是企业在 Linux 服务器上部署 OA 系统&#xff0c;并通过 ZeroNews 通过互联网访问 OA 系统的…
阅读更多...
Windows 11 安装使用 nvm，Node.js、npm多版本管理、切换

Windows 11 安装使用 nvm，Node.js、npm多版本管理、切换

Windows 11 安装使用 nvm&#xff0c;Node.js、npm多版本管理、切换 文章目录Windows 11 安装使用 nvm&#xff0c;Node.js、npm多版本管理、切换1. nvm 简介2. 安装、配置 nvm2.1. 卸载现有 Node.js&#xff08;非常重要&#xff01;&#xff09;2.2. 下载 nvm-windows 安装包…
阅读更多...
在LazyVim中配置Rust开发环境

在LazyVim中配置Rust开发环境

要在LazyVim中配置Rust开发环境&#xff0c;包括代码补全、格式化、调试等功能&#xff0c;可以按照以下步骤进行配置&#xff1a; 1. 确保基础环境 首先确保你已经安装了&#xff1a; Rust工具链 (rustup, rustc, cargo)LazyVim已正确安装 # 安装Rust工具链 curl --proto http…
阅读更多...
LeetCode热题100--114. 二叉树展开为链表--中等

LeetCode热题100--114. 二叉树展开为链表--中等

1. 题目 给你二叉树的根结点 root &#xff0c;请你将它展开为一个单链表&#xff1a; 展开后的单链表应该同样使用 TreeNode &#xff0c;其中 right 子指针指向链表中下一个结点&#xff0c;而左子指针始终为null 。展开后的单链表应该与二叉树 先序遍历 顺序相同。 示例 …
阅读更多...
REST API 设计最佳实践指南 - 如何用 JavaScript、Node.js 和 Express.js 构建 REST API

REST API 设计最佳实践指南 - 如何用 JavaScript、Node.js 和 Express.js 构建 REST API

过去几年里&#xff0c;我创建并使用过很多 API。在此过程中&#xff0c;我遇到过各种好的和坏的实践&#xff0c;也在开发和调用 API 时碰到过不少棘手的问题&#xff0c;但也有很多顺利的时刻。 网上有很多介绍最佳实践的文章&#xff0c;但在我看来&#xff0c;其中不少都缺…
阅读更多...
MyCat

MyCat

文章目录18.1 MySQL 读写分离概述18.1.1 工作原理18.1.2 为什么要读写分离18.1.3 实现方式18.2 什么是 MyCat18.3 MyCat 安装与配置1. 下载与解压2. 创建用户并修改权限3. 目录说明4. Java 环境要求18.4 MyCat 启动与配置1. 配置环境变量2. 配置 hosts&#xff08;多节点集群&a…
阅读更多...
使用 Spring Boot 搭建和部署 Kafka 消息队列系统

使用 Spring Boot 搭建和部署 Kafka 消息队列系统

使用 Spring Boot 搭建和部署 Kafka 消息队列系统 摘要 本文将引导您在 Kafka 上搭建一个消息队列系统&#xff0c;并整合到您的 Spring Boot 项目中。我们将逐步实现这一方案&#xff0c;探讨其中的关键原理&#xff0c;避开可能遇到的坑&#xff0c;并最终将其部署到 Kuberne…
阅读更多...
daily notes[45]

daily notes[45]

文章目录basic knowledgereferencesbasic knowledge the variable in Rust is not changed. let x5; x6;Rust language promotes the concept that immutable variables are safer than variables in other programming language such as python and and are in favour of th…
阅读更多...
技术奇点爆发周：2025 年 9 月科技突破全景扫描

技术奇点爆发周：2025 年 9 月科技突破全景扫描

技术奇点爆发周&#xff1a;2025 年 9 月科技突破全景扫描当中国 "祖冲之三号" 量子计算机在特定任务上超越经典超级计算机一千万亿倍的算力新闻&#xff0c;与 OpenAI 宣布 100 亿美元定制芯片量产协议的消息在同一周密集爆发时&#xff0c;我们真切感受到了技术革命…
阅读更多...
分布式专题——10.3 ShardingSphere实现原理以及内核解析

分布式专题——10.3 ShardingSphere实现原理以及内核解析

1 ShardingSphere-JDBC 内核工作原理当往 ShardingSphere 提交一个逻辑SQL后&#xff0c;ShardingSphere 到底做了哪些事情呢&#xff1f;首先要从 ShardingSphere 官方提供的这张整体架构图说起&#xff1a;1.1 配置管控在 SQL 进入 ShardingSphere 内核处理&#xff08;如解析…
阅读更多...
移动语义的里里外外：从 std::move 的幻象到性能的现实

移动语义的里里外外：从 std::move 的幻象到性能的现实

我们都已经听过这样的建议&#xff1a;“使用 std::move 来避免昂贵的拷贝&#xff0c;提升性能。” 这没错&#xff0c;但如果你对它的理解仅止于此&#xff0c;那么你可能正在黑暗中挥舞着一把利剑&#xff0c;既可能披荆斩棘&#xff0c;也可能伤及自身。 移动语义是 C11 带…
阅读更多...
selenium完整版一览

selenium完整版一览

selenium 库驱动浏览器selenium库是一种用于Web应用程序测试的工具,它可以驱动浏览器执行特定操作,自动按照脚本代码做出单击、输入、打开、验证等操作,支持的浏览器包括IE、Firefox、Safari、Chrome、Opera等。而在办公领域中如果经常需要使用浏览器操作某些内容,就可以使用se…
阅读更多...
[Linux]学习笔记系列 -- lib/kfifo.c 内核FIFO实现(Kernel FIFO Implementation) 高效的无锁字节流缓冲区

[Linux]学习笔记系列 -- lib/kfifo.c 内核FIFO实现(Kernel FIFO Implementation) 高效的无锁字节流缓冲区

文章目录lib/kfifo.c 内核FIFO实现(Kernel FIFO Implementation) 高效的无锁字节流缓冲区历史与背景这项技术是为了解决什么特定问题而诞生的&#xff1f;它的发展经历了哪些重要的里程碑或版本迭代&#xff1f;目前该技术的社区活跃度和主流应用情况如何&#xff1f;核心原理与…
阅读更多...
MFC_Install_Create

MFC_Install_Create

1. 安装MFC 编写MFC窗口应用程序需要用到Visual Studiohttps://visualstudio.microsoft.com/zh-hans/&#xff0c;然后安装&#xff0c;要选择使用C的桌面开发&#xff0c;再点击右边安装详细信息中的使用C的桌面开发&#xff0c;往下滑&#xff0c;有一个适用于最新的v143生成…
阅读更多...
Langchain4j开发之AI Service

Langchain4j开发之AI Service

学习基于Langchain4j的大模型开发需要学习其中Ai Service的开发模式。里面对大模型做了一层封装&#xff0c;提供一些可以方便调用的api。其中有两种使用Ai Service的方式。一.编程式开发1.首先引入Langchain4的依赖。<dependency><groupId>dev.langchain4j</gr…
阅读更多...
认识神经网络和深度学习

认识神经网络和深度学习

什么是神经网络&#xff1f;什么又是深度学习&#xff1f;二者有什么关系&#xff1f;……带着这些疑问&#xff0c;进入本文的学习。什么是神经网络神经网络&#xff08;Neural Network&#xff09;是一种模仿生物神经系统&#xff08;如大脑神经元连接方式&#xff09;设计的…
阅读更多...
医疗行业安全合规数据管理平台：构建高效协作与集中化知识沉淀的一体化解决方案

医疗行业安全合规数据管理平台：构建高效协作与集中化知识沉淀的一体化解决方案

在医疗行业中&#xff0c;数据不仅是日常运营的基础&#xff0c;更是患者安全、服务质量和合规管理的核心载体。随着医疗业务的复杂化和服务模式的多元化&#xff0c;各类机构——从大型医院到科研中心——都面临着海量文档、报告、影像资料和政策文件的管理需求。这些资料往往…
阅读更多...
Day25_【深度学习（3）—PyTorch使用（5）—张量形状操作】

Day25_【深度学习（3）—PyTorch使用（5）—张量形状操作】

reshape() squeeze()unsqueeze()transpose()permute()view() reshape() contiguous() reshape() 一、reshape() 函数保证张量数据不变的前提下改变数据的维度&#xff0c;将其转换成指定的形状。def reshape_tensor():data torch.tensor([[1, 2, 3], [4, 5, 6]])print(data…
阅读更多...
第十八篇 开发网页教学：实现画布、绘画、简易 PS 方案

第十八篇 开发网页教学：实现画布、绘画、简易 PS 方案

在网页开发领域&#xff0c;画布功能是实现交互创作的重要基础&#xff0c;无论是简单的绘画工具&#xff0c;还是具备基础修图能力的简易 PS 方案&#xff0c;都能为用户带来丰富的视觉交互体验。本篇教学将围绕 “学习 - 实践 - 实操” 的核心思路&#xff0c;从技术原理讲解…
阅读更多...
最新文章

Copyright @ 2022~2023