登录
主页
 文章
智能合约解决方案（BaseCamp）
BaseCamp基于成熟的区块链技术构建，深度整合了智能合约的编写、测试、部署与监控的一站式解决方案。采用高效的语言框架，如Solidity或Vyper，确保了智能合约的安全性和执行效率。独特的模块化设计允许开发者轻松定制功能，适应多样化的业务需求，应用场景极为广泛，几乎覆盖了所有区块链可以触及的行业。
2025-06-18
887
5
4
分布式预言机网络（Chainlink）
Chainlink专注于为智能合约提供链下数据，例如价格数据、随机数等，数据可靠，可信度高。本质上是一个为区块链网络和链外提供服务的分布式预言机网络，通过预言机能够把信息从链下传递到链上，实现现实世界的信息与区块链进行交互。Chainlink的核心构想始于2014年，创始人Sergey Nazarov和Steve Ellis意识到区块链智能合约无法直接访问链外数据的痛点，决心构建去中心化预言机网络。2017年，Chainlink在以太坊ICO热潮中完成募资，筹集3200万美元，并正式启动开发。
2025-06-17
566
5
9
全同态加密（TFHE）
TFHE（Fast Fully Homomorphic Encryption Library over the Torus）是一个在环上的快速全同态加密库。自2016年发展至今已成熟，遵循Apache 2.0许可协议。它基于极快门级引导技术，利用优化过的Ring - variant GSW系统及高级CPU指令集加速计算，单核上能以约13毫秒的时间同态执行任意二进制门运算，性能卓越，适用于多种应用场景，尤其是云端加密计算。设计目标是在保持加密安全性的前提下，大幅提升密文计算的效率。
2025-06-17
912
3
12
区块链平台（Avalanche）
高度可定制的区块链平台，Avalanche（AVAX）是由康奈尔大学教授Emin Gün Sirer团队创立的高性能Layer 1区块链平台，通过创新共识机制和模块化架构解决区块链可扩展性问题。2020年Avalanche主网正式上线，标志着三链架构（X/P/C链）和雪崩共识机制的落地。2021年推出跨链桥Avalanche Bridge，实现与以太坊的资产互通，吸引Aave、Curve等头部DeFi协议入驻。2022年Banff升级引入子网质押机制，支持企业定制化区块链，与德勤合作推出政府救济金平台CAYG。
2025-06-16
642
3
13
跨链技术平台（Polkadot）
Polkadot是一种跨链技术平台，实现不同区块链之间的互操作性和数据传输。是一个跨链互操作性协议，支持多链并行和跨链资产转移。Polkadot 由以太坊联合创始人 Gavin Wood 于 2016 年提出，是首个实现异构区块链跨链通信的分布式系统。其核心目标是解决区块链行业的「碎片化」问题，通过中继链、平行链与转接桥的三层架构，构建「区块链互联网」，允许不同链间的资产、数据与计算能力自由流动。截至 2025 年，Polkadot 已接入超 200 条平行链，生态涵盖 DeFi、NFT、供应链等 30 + 行业，成为跨链技术的标杆平台。
2025-06-15
1179
2
3
开源同态加密库（EMP - Tool）
emp - tool：是一个开源的同态加密库，采用先进的同态加密技术，基于伪随机数生成器、伪随机置换、哈希函数和承诺方案等核心技术和算法，使得加密数据在不解密的情况下即可进行计算。具有安全性高、易用性好、跨平台和高性能等特点，适用于加密搜索、安全多方计算、隐私保护分析和安全云服务等场景。
2025-06-15
786
7
4
开源智能合约框架（OpenZeppelin）
OpenZeppelin是一个开源的智能合约框架，广泛应用于以太坊和其他兼容EVM区块链上开发去中心化应用和智能合约。提供了一组经过审计和验证的安全合约库，涵盖ERC标准、代币、访问控制等常用功能。OpenZeppelin 成立于 2015 年，由 Allan Pedersen、Fabian Vogelsteller 等开发者创立，目的是解决以太坊智能合约开发中的安全问题。
2025-06-14
841
4
13
开源库（Lambdaworks）
一个专注于高效实现加密原语的开源库。其核心技术栈丰富，包括高效的有限域运算、椭圆曲线和多标量乘法等数学库，支持Poseidon、Pedersen和BLS12 - 381等多种零知识友好的哈希函数和椭圆曲线，还涵盖了STARK、Plonk、Groth16等多种证明系统。它支持多种硬件加速技术，如CUDA、Metal和WebGPU，适用于区块链、分布式系统和云计算等多个领域，开发者可以利用它轻松构建和部署高效的零知识证明系统。
2025-06-13
791
9
6
开源图数据库（NebulaGraph）
NebulaGraph 是一款广受欢迎的开源图数据库，它能够以毫秒级延迟处理海量数据，可快速扩展，并具备执行快速图分析的能力。NebulaGraph已广泛应用于社交媒体、推荐系统、知识图谱、安全、资金流、人工智能等领域。核心团队早在2005年便开始参与图数据库研发，曾主导蚂蚁金服分布式图数据库GeaBase的开发。2018年母公司悦数科技成立，专注于分布式图数据库技术研发。2019年5月，NebulaGraph 1.0版本正式开源，采用原生分布式架构，支持千亿级节点和万亿级边存储。2020年完成Pre-A轮融资（800万美元）和Pre-A+轮融资（近千万美元），由红点中国、经纬中国等投资，加速全球商业化布局。2022年推出云原生图数据库服务 NebulaGraph Cloud，实现分钟级云上自动化部署，并与阿里云深度集成。同年获得数千万美元A轮融资，由时代资本领投，推动产品研发和企业级市场拓展。2023年8月与LlamaIndex联合发布 GraphRAG 技术，率先将图数据库与生成式AI结合，解决传统RAG在知识关联和上下文理解上的不足。
2025-06-13
906
6
4
图数据库（HugeGraph）
HugeGraph于2016年在百度内部立项，最初用于解决安全反欺诈、威胁情报等业务场景的图数据存储需求。2018年8月正式开源，成为国内首个开源图数据库，并在GitHub上开放代码库。2022年，HugeGraph以全票通过成为Apache软件基金会首个图数据库孵化项目，2023年2月发布首个Apache版本，标志着其社区驱动的技术演进进入新阶段。
2025-06-13
885
9
0
图数据库（TuGraph）
TuGraph图数据库由蚂蚁集团与清华大学联合研发，提供了完备的图数据库基础功能和成熟的产品设计，支持TB级别的数据规模。专注于处理超大规模图数据的存储、查询和分析。其核心技术源自蚂蚁集团在金融风控、交易网络等场景下的多年实践，目前已开源并逐步向企业级应用场景拓展。
2025-06-12
873
6
8
大型语言模型预训练（LLM360）
LLM360由Petuum和穆罕默德·本·扎耶德人工智能大学（MBZUAI）共同推出，是用于创建开源大型语言模型的项目，主要用于大型语言模型的预训练，为开发者提供大量高质量、多样化的数据，帮助其更轻松、快捷、经济地创建开源大型语言模型。LLM360已发布13个开源模型，涵盖K2等四个大型语言模型系列，提供模型检查点、代码、数据和模型开发的见解与细节；开源了庞大的完全清理过的预训练数据集TxT360，通过合并和去重99个CommonCrawl数据集和14个高质量数据源创建而成，在Hugging Face上排名第一，存储了丰富元数据，使预训练者能精确控制数据分布。
2025-06-11
875
9
4
对象关系映射工具（Prisma）
Prisma是一个对象关系映射（ORM）工具，开发者以声明性的方式处理数据模型和业务逻辑，能轻松在不同数据库之间切换，提升代码的可移植性和灵活性。适用于Node.js和TypeScript应用程序。支持多种主流数据库系统，如PostgreSQL、MySQL、SQL Server等；原生支持TypeScript，提供类型安全的数据访问接口；具备强大的图形化界面Prisma Studio，为用户提供直观的数据浏览和操作环境；可以自动生成或更新数据库模式，基于定义的模型文件。
2025-06-11
1184
0
5
RFM模型
RFM模型是一种用于衡量客户价值和客户创利能力的重要工具，广泛应用于市场营销、客户关系管理（CRM）等领域。它通过三个核心指标来分析客户的行为特征，评估客户价值，从而帮助企业制定更精准的营销策略。RFM模型由Jan Roelf Bult和Tom Wansbeek在20世纪90年代为目录零售组织开发。当时，企业面临着如何从大量客户中识别出高价值客户，以及如何制定针对性营销策略的问题。RFM模型应运而生，它通过三个关键指标——最近消费时间（Recency）、消费频率（Frequency）和消费金额（Monetary），帮助企业对客户进行细分和价值评估。随着数据库营销和客户关系管理的兴起，RFM模型逐渐被广泛应用于各个行业。它为企业提供了一种简单而有效的方法，能够深入了解客户行为，预测客户的购买潜力和忠诚度，从而优化营销资源的分配，提高营销效果。例如，在电商、零售、金融等行业，企业利用RFM模型来制定个性化的营销活动，如针对高价值客户提供专属优惠、针对休眠客户进行唤醒营销等。近年来，随着大数据和数据分析技术的不断发展，RFM模型也得到了进一步的完善和扩展。企业可以更轻松地收集和处理大量的客户数据，从而更精确地计算RFM指标，并结合其他数据维度进行更深入的分析。同时，机器学习和人工智能算法也被应用于RFM模型中，以提高客户细分的准确性和预测的精度。例如，通过聚类算法将客户分为不同的RFM群组，再利用预测模型预测每个群组客户的未来购买行为。
2025-06-10
537
3
9
如何采用聚类分析对用户群体进行精准分层？
采用聚类分析对用户群体进行精准分层，需要经历数据准备、指标筛选、算法选择、模型训练、结果解读及应用等核心步骤。一、实际应用案例1.银行客户价值分层数据与目标：银行拥有客户的消费指数、资产质量、风险状况、活跃度等信息和业务画像数据，希望通过聚类对客户价值进行分层，以设计营销白名单。
2025-06-10
665
6
6
AI转型的认知跃迁
在数字技术狂飙突进的时代浪潮中，人工智能（AI）正以颠覆者的姿态重塑全球商业格局。亚马逊通过智能推荐算法，将用户购买转化率提升 35%，Netflix 依靠 AI 分析用户观看行为，每年节省 10 亿美元内容采购成本；特斯拉的自动驾驶技术重新定义汽车制造，大疆无人机利用 AI 视觉识别实现精准避障。从智能工厂的柔性生产到智能客服的 24 小时响应，从医疗影像的精准诊断到金融风险的实时预警，AI 技术的渗透已不再局限于单点应用，而是掀起了一场覆盖全产业链的深层变革。这种变革不仅是技术的迭代升级，更是对企业生存逻辑、竞争范式和发展方向的全面拷问，成为每一家志在长远的企业必须直面的战略命题。
2025-06-08
898
9
14
思源笔记（siyuan-note）
一款隐私优先、可自托管、完全开源的个人知识管理软件，使用TypeScript和Go语言编写。为本地优先的块级笔记应用。 引入双向链接图谱和块引用功能，强化知识网络构建。支持Markdown扩展语法（如LaTeX公式、流程图），提升专业场景适用性。 持续优化性能，加强与AI工具集成，如接入大语言模型辅助写作。
2025-06-08
917
2
4
智能知识管理解决方案（AnythingLLM）
AnythingLLM是Mintplex Labs Inc.推出的一个基于RAG（Retrieval - Augmented Generation）技术的全栈开源应用程序，旨在为企业和个人用户提供安全可控的智能知识管理解决方案，降低构建私有ChatGPT的技术门槛。以下是其具体介绍：一、主要功能多模型集成：全面支持OpenAI、Hugging Face等主流大语言模型，允许用户灵活切换本地与云端部署方案，可选择使用商业或开源的LLM，如开源的llama.cpp兼容模型、Anthropic ClaudeV2等。
2025-06-08
1104
4
6
基于LSTM的时间序列预测模型开发
一、时间序列分析 时间序列是指在一定时间内进行的一组测量值。时间序列分析的实例有很多，包括心电图、脑电图、气温、湿度、国家人口规模和近海潮汐高度等。其他一些例子还包括每年的太阳黑子数量、货币汇率、利率以及像洛伦兹吸引子这样的混沌系统。推断出既能充分解释观测数据，又能对样本外测量值（如测试数据集中的数据）进行泛化的模型至关重要。事实上，早期人们曾为了农业目的尝试预测天气，这些尝试促使人们对时间序列预测算法产生了兴趣。
2025-06-08
1151
9
11
如何通过 LSTM 预测销量？
通过 LSTM（长短期记忆网络）预测销量 是时间序列预测的常见应用场景，LSTM（长短期记忆网络，Long Short-Term Memory Network） 是一种特殊的循环神经网络（RNN），专门设计用于解决传统 RNN 在处理长序列数据时面临的梯度消失（或爆炸）问题，从而能够有效捕捉序列中的长期依赖关系。
2025-06-08
692
7
10
- -
© 2021 - 现在 杭州极深数据有限公司 版权所有 联系我们 
浙公网安备 33018302001059号  浙ICP备18026513号-1号