用亮数据 MCP 驱动 Trae 智能体：打造高效亚马逊商品采集与分析助手

本文适合希望快速构建数据驱动型智能体的开发者、数据工程师及 AI 产品设计者阅读
并非广告，希望本文可以帮助有需求的同学，祝大家天天开心

在数字时代，数据是决策与洞察趋势的关键。但移动互联网数据获取不易，传统爬虫技术面对复杂网络环境、反爬机制及地域差异时表现不佳。设想有个拥有众多 “通行证” 的智能体能在全球移动网络中自由穿梭，精准抓取信息。今天，我们就来探究亮数据 MCP（Bright Data MCP）与 TRAE 智能体，看它们如何为数据爬取赋予智能与隐匿能力。
image.png

关于亮数据

在智能体开发中，数据获取难题凸显：自建爬虫需耗费精力应对反爬与数据处理，API 受平台范围、调用频率及成本限制，购买数据集易过时。亮数据 MCP 凭借全球网络与数据处理能力，预先爬取、清洗、结构化并维护特定行业网站数据，为智能体构建提供助力。
image.png

一、功能与优势

  • 应用场景广：适配招聘、电商、房地产、金融、旅行等场景，如招聘智能体可实时获取职位信息，电商导购智能体可拿商品详情 。
  • 数据优质：提供开箱即用的结构化数据，按预定义字段整理为 JSON 格式，直接喂给大语言模型（LLM）；数据实时 / 准实时更新，确保智能体掌握最新动态 。
  • 开发省心：无需开发者写爬虫代码，不用操心 IP 封禁、网站改版等，亮数据包揽底层数据获取工作；还易集成，通过简洁 RESTful API 接入应用栈（Python、Node.js 等） 。image.png

二、实际价值

能帮开发者快速获取高质量数据，节省爬虫开发维护时间，让其聚焦智能体核心逻辑与行为设计，基于鲜活数据构建实时、可靠智能体，像为招聘、电商导购等场景的智能体开发 “加速”，是垂直领域智能体项目启动的有力引擎 。
image.png

trae的智能体搭建

Trae 智能体搭载亮数据 MCP，实现了数据采集能力的跨越式升级，为智能体的高效运行注入强劲动力。
image.png

  • 技术融合原理：Trae 平台是智能体开发的灵活框架，而亮数据 MCP 则是专业的数据采集工具。通过在 Trae 智能体的配置文件中对 MCP 进行相关设置，如配置 API 密钥、区域名称、请求速率限制等参数，将 MCP 无缝集成到 Trae 智能体的功能体系中。如此一来，Trae 智能体便拥有了 MCP 强大的数据采集 “技能”，能够突破网站反爬机制、地域限制等障碍，从互联网海量信息中精准获取所需数据。image.png

  • 应用场景拓展：这种组合拓宽 Trae 智能体应用边界：电商场景中，搭载 MCP 的 Trae 智能体可实时监控多平台商品价格、库存等，助力商家动态定价、为消费者优购提建议；金融场景下，能抓取财经新闻等数据，辅助投资决策；舆情监测时，高效采集社交、新闻平台内容，分析舆论、预警舆情 。image.png

  • 优势与价值：Trae智能体搭载MCP，优势显著：降低数据采集技术门槛，无专业爬虫经验者也能简单配置实现复杂采集；MCP提供的结构化优质数据，减少清洗处理工作量，让智能体可将更多算力用于分析决策，提升响应速度与服务质量，为企业和用户创造更大价值 。

下面我们就进行展示下，如何通过亮数据MCP进行亚马逊商品的获取并且进行ai分析数据

亮数据的JSON代码如下：

// Go to Claude > Settings > Developer > Edit Config > claude_desktop_config.json to include the following:{"mcpServers": {"Bright Data": {"command": "npx","args": ["@brightdata/mcp"],"env": {"API_TOKEN": "<insert-your-api-key-here>","WEB_UNLOCKER_ZONE": "<optional if you want to override the default mcp_unlocker zone name>","BROWSER_ZONE": "<optional if you want to enable remote browser control tools>","BROWSER_ZONE": "<optional browser zone name, defaults to mcp_browser>","RATE_LIMIT": "<optional rate limit format: limit/time+unit, e.g., 100/1h, 50/30m, 10/5s>"}}}
}

我们解释下这个代码哈
<insert-your-api-key-here>

这是你在 Bright Data 平台上获取的 API 密钥（API Token）。你需要登录到 Bright Data 的账户，在相关的开发者或 API 管理页面中找到并生成属于你自己的 API 密钥，然后将其替换到这里，用于认证和授权与 Bright Data 服务的交互 。

<optional if you want to override the default mcp_unlocker zone name>（WEB_UNLOCKER_ZONE 对应的可填内容）

如果您想要覆盖默认的 mcp_unlocker 区域名称，就填写您期望使用的自定义区域名称；要是不需要特别覆盖，可保留为空（不过按照配置格式要求，也可删除该配置行，因为标注了 “optional” ），使用 Bright Data 预设的默认区域 。

<optional if you want to enable remote browser control tools>

BROWSER_ZONE 第一个可填内容相关说明 ，不过这里配置存在重复的 BROWSER_ZONE 键，属于配置编写失误，正常应该是不同键名，比如可能是笔误，假设其中一个是其他合理键名如 REMOTE_BROWSER_ZONE 这类，逻辑类似

若想启用远程浏览器控制工具，填写对应的用于远程浏览器控制的区域名称；不启用就无需填写或者删除该行配置 。

<optional browser zone name, defaults to mcp_browser>

要是想设置自定义的浏览器区域名称，就填入相应名称；不设置的话，会使用默认的 mcp_browser ，也可考虑删除重复配置行来避免冲突 。

<optional rate limit format: limit/time+unit, e.g., 100/1h, 50/30m, 10/5s>（RATE_LIMIT 对应的可填内容）

如果需要设置请求速率限制，按照 limit/time+unit（如 100/1h 表示 1 小时最多 100 次请求 、50/30m 表示 30 分钟最多 50 次 、10/5s 表示 5 秒最多 10 次 ）的格式填写；不需要限制的话，可删除该行配置或者留空 ，不过实际使用中合理设置速率限制可避免触发服务方的限制机制，保障稳定交互 。

另外，注意配置里重复出现了 BROWSER_ZONE 键，这不符合 JSON 配置规范（同一个对象中键需唯一 ），需要修正，比如把其中一个改成合理的不同键名，像 ADDITIONAL_BROWSER_ZONE 之类的，不然可能导致配置加载异常 。

亮数据api的设置以及浏览器api区域的创建

我们先进行注册操作，点击亮数据进入到注册界面，点击开始免费试用，新手是有5美元体验的哦
image.png
输入你相关的信息进行注册操作
image.png
进入到页面就是这样的
image.png
我们点击账户设置，然后这里可以看见api，我们进行创建就行了，必须满足账号里面存在余额，你才能保证你的api能正常的进行运行
image.png

确保您拥有 Bright Data 帐户 （新用户可免费获得测试积分，并提供按需付费选项）
从用户设置页面获取您的 API 密钥 （确保使用的 API 密钥具有管理员权限）
对于浏览器自动化功能，请在控制面板中创建一个浏览器 API 区域（允许使用任何区域名称）

我们在Web Datasets数据集中搜索amazon，这里我们进行点击出现的第一个结果
image.png
这里我们点击探索网络数据抓起操作
image.png
进入到页面，我们这里选择根据亚马逊关键词进行数据的抓取操作
image.png
这里我们选择爬虫api，点击下一个
image.png
到这里我们就成功的创建了一个api区域
image.png

然后就进行我们的JSON代码进行设置，我的如下，仅供参考

{"mcpServers": {"Bright Data": {"command": "npx","args": ["@brightdata/mcp"],"env": {"API_TOKEN": "your api-key","WEB_UNLOCKER_ZONE": "amazon_search","BROWSER_ZONE": "amazon_browser","RATE_LIMIT": "30/20m"}}}}

解释下代码

  • WEB_UNLOCKER_ZONE：设为 amazon_search ，亮数据会用专门适配亚马逊反爬策略的 IP 池和解锁逻辑，模拟真实用户访问亚马逊，降低被封禁风险，让请求更 “合规” 地穿透反爬机制。

  • BROWSER_ZONE：配置 amazon_browser ，启用针对亚马逊页面优化的远程浏览器环境，能处理商品页 JavaScript 动态渲染内容（比如亚马逊商品的实时价格、用户评价加载等），保证采集到完整、准确的商品信息。

  • RATE_LIMIT：设置 30/20m（20 分钟最多 30 次请求 ），亚马逊反爬机制严格，这样的速率限制能平衡数据采集效率和规避封禁风险，后续可根据实际采集情况（如是否出现 429 错误）调整，若采集频繁触发限制，可降低速率（如 20/20m ）；若数据需求大且未遇限制，可适当提高（但别超亮数据账号配额 ）。

配置好 MCP 后，还需编写代码让智能体通过 MCP 发起亚马逊商品关键词搜索请求并解析数据，

接下来我们进行智能体的创建操作

trae的亮数据智能体搭建

打开trae，点击右上角的齿轮，这里可以看到MCP选项，我们直接点击
image.png
点击添加进行亮数据MCP的添加
image.png
这里我们是需要输入一串JSON代码的
image.png
我们将上面我们的JSON代码输入进去，然后点击确认就行了
然后这里会出现一个对号的，并且这里展示了一些亮数据MCP相关的功能
image.png
我给大家分析下这个MCP的功能
一、通用网页采集工具

  • search_engine：抓取 Google、Bing 等搜索引擎结果页数据，支持按关键词获取排名、摘要、广告等信息，用于舆情监测、市场调研（比如追踪品牌关键词搜索热度 ）。
  • scrape_as_markdown / scrape_as_html：输入网页 URL，分别以 Markdown 或 HTML 格式采集页面内容，适配简单网页数据抓取（如博客文章、新闻页 ），前者更便于文本处理，后者保留完整页面结构。

二、电商平台专属工具

  • web_data_amazon_product（重复出现，覆盖亚马逊商品）：快速读取亚马逊商品结构化数据，可获取标题、价格、评分、库存、商品描述等信息，用于竞品分析、价格监控、选品调研（比如跟踪某类商品的价格波动 ）。
  • web_data_walmart_product / web_data_walmart_seller：前者抓取沃尔玛商品数据（类似亚马逊商品工具 ），后者聚焦沃尔玛卖家信息（店铺评分、销量、经营品类等 ），辅助电商从业者研究沃尔玛平台生态。
  • web_data_ebay_product：定向采集 eBay 商品数据，满足跨境电商对 eBay 平台商品信息的监测需求（如拍卖商品追踪、二手商品价格分析 ）。
  • web_data_bestbuy_product：针对百思买（BestBuy ）平台，获取电子产品等商品的详细数据，适合 3C 行业市场分析。

三、零售与家居平台工具

  • web_data_homedepot_product：采集家得宝（HomeDepot ）平台的家居、建材商品数据，助力家居行业做产品调研、价格对比（比如装修材料成本分析 ）。
  • web_data_zara_products：抓取 ZARA 品牌商品信息（款式、价格、库存、上新动态 ），用于时尚行业竞品追踪、潮流分析。

四、社交与职业平台工具

  • web_data_linkedin_person / web_data_linkedin_company / web_data_linkedin_job / web_data_linkedin_posts：
    • person：采集领英个人资料（职业经历、技能、人脉 ），适合人才调研、行业人脉分析；
    • company：抓取企业主页数据（公司简介、员工规模、动态 ），辅助市场调研、企业竞争分析；
    • job：获取职位招聘信息（岗位要求、薪资、公司 ），用于求职数据分析、招聘市场洞察；
    • posts：提取领英动态内容（行业观点、企业宣传帖 ），做舆情分析、行业趋势追踪。
  • web_data_instagram_profile / web_data_instagram_posts / web_data_instagram_reels / web_data_instagram_comments：
    • 覆盖 Instagram 多维度数据，profile 抓账号信息（粉丝、简介、认证 ），posts 取图文动态，reels 拿短视频内容，comments 获互动评论，用于社交媒体营销分析、网红监测、舆情收集。

五、商业数据平台工具

  • web_data_crunchbase_company：采集 Crunchbase 平台的企业数据（融资轮次、估值、业务领域 ），服务于投融资调研、行业赛道分析。
  • web_data_zoominfo_company：抓取 ZoomInfo 上的企业信息（联系方式、员工数、营收 ），辅助 B2B 销售线索挖掘、企业信息验证。

由此可见，这个MCP的能力还是很强的

我们现在将这个MCP加入到我们的智能体中
在trae的右上角找到智能体并且进行点击
image.png
点击创建智能体
image.png
这里我们的提示词设置为

你作为集成亮数据 MCP 的 Trae 智能体，需实现以下功能：  
1. 支持通过亮数据 MCP 的 API 密钥完成身份验证，建立安全连接；  
2. 接收用户指令（如 “采集[目标网址]的[数据类型，例：商品标题、价格]，按[频率，例：每 1 小时]执行” ），自动在 MCP 中创建对应采集任务，配置目标网址、提取规则（用 XPath/CSS 选择器定义需抓取的元素 ）、调度频率；  
3. 任务执行后，获取 MCP 返回的原始数据，解析为结构化格式（JSON 或表格）输出，清晰展示关键信息；  
4. 遇到连接失败、任务报错时，明确提示问题（如 “MCP 代理连接超时，建议检查网络或密钥有效性”“目标网站反爬，已尝试切换代理 IP，当前任务重试中” ），并提供简易修复建议或引导用户排查。  现在，请基于上述逻辑，处理用户对亮数据 MCP 数据采集的需求，高效完成任务配置与数据输出～

如果你们有更加详细的可以自行更改的
下面我们勾选上我们的亮数据MCP就行了image.png
创建成功了之后点击立即使用
image.png

亚马逊商品爬取小助手智能体进行使用

image.png
这里我们使用的模型是Claude-4-Sonnet，我们和ai进行提问

请使用亮数据MCP采集亚马逊上关键词为"wireless headphones"的商品数据，需包含标题、价格、评分、评论数、Prime标识，输出JSON格式，每小时更新一次，持续24小时。

这里我们的ai自动帮我们调用这个MCP，向云端发送keyword和url等等关键词
image.png
这里他显示我们成功获取到了我们输入的商品数据了
image.png
然后他这里就自动生成了一个脚本让我们进行商品数据的获取操作
脚本如下：
image.png
然后这里我们直接点击运行这个脚本文件，调用亮数据api进行对应数据的获取操作
image.png
这里我们回到控制台发现这个MCP调用的价格还是很便宜的
image.png
image.png
我们这里是每隔几秒进行调用
接下来我们对这个进行换一个说法问

请使用亮数据MCP采集亚马逊上关键词为"portable espresso maker"的商品数据，将获取到的数据保存为一个单独的文件，保存之后，对这个文件进行数据分析操作写成一个文档

image.png

亮数据MCP的调用速度很快，我这里将数据保存为JSON文件，方便后续进行分析操作
image.png

创建完了商品数据之后还会对我们的商品数据进行一个分析，同样也是将数据保存，放到一个Json文件中
image.png
image.png
采用JSON格式分的很清楚
并且最后给了我一个完美的总结
image.png

分析数据如下：image.png

下面是总体的ai分析路径
image.png

这个分析真的是绝绝子啊，分析如下，数据都很详细，并且反馈速度很快

# 亚马逊便携式咖啡机商品数据分析报告## 数据概览本报告基于从亚马逊采集的"portable espresso maker"关键词搜索结果，共包含16个商品的详细信息。数据采集时间：2025年6月30日。## 1. 价格分析### 价格分布- **最低价格**: $29.99 (ELEISIOS便携式咖啡机)- **最高价格**: $149.99 (OutIn Nano便携式电动咖啡机)- **平均价格**: $74.36- **中位数价格**: $64.95### 价格区间分布- $20-50: 4个商品 (25%)- $50-80: 7个商品 (43.75%)- $80-120: 3个商品 (18.75%)- $120以上: 2个商品 (12.5%)### 折扣情况- 有初始价格的商品中，平均折扣率约为7-33%- CERA品牌商品折扣最大：从$139.99降至$129.99- Zordin品牌商品折扣率最高：从$119.99降至$79.99 (33%折扣)## 2. 品牌分析### 主要品牌1. **WACACO** - 3个产品，价格区间$54.9-$69.9- 专注手动操作便携式咖啡机- 评分较高(4.3-4.5分)- 评论数量多(4384-5526条)2. **OutIn** - 1个产品，价格$149.99- 高端电动自加热产品- 销量较好(500台/月)3. **AeroPress** - 1个产品，价格$34.99- 知名品牌，销量最高(5000台/月)- 评分最高(4.6分)，评论最多(24095条)## 3. 产品特性分析### 操作方式- **电动自加热**: 10个产品 (62.5%)- **手动操作**: 6个产品 (37.5%)### 兼容性- **胶囊+研磨咖啡**: 9个产品- **仅研磨咖啡**: 4个产品- **仅胶囊**: 3个产品### 压力规格- 18-20 Bar: 大多数电动产品- 手动产品通常不标注具体压力值## 4. 市场表现分析### 销量排行 (过去一个月)1. AeroPress Original: 5000台2. OutIn Nano: 500台3. Zcyge便携式咖啡机: 500台4. WACACO Minipresso GR: 300台5. Zordin便携式咖啡机: 200台### 评分分析- **平均评分**: 4.2分- **最高评分**: 5.0分 (Zordin品牌)- **最低评分**: 3.7分 (3合1便携式咖啡机)- **评分4.0以上**: 14个产品 (87.5%)### 评论数量分析- **评论最多**: AeroPress Original (24,095条)- **评论最少**: 3合1便携式咖啡机 (5条)- **平均评论数**: 2,731条## 5. 广告投放分析### 赞助商品- 赞助商品: 2个 (12.5%)- 自然排名: 14个 (87.5%)- 赞助商品平均价格: $104.99- 自然排名商品平均价格: $69.64## 6. 配送服务分析### 配送选项- **免费配送**: 100%的商品都提供免费配送- **当日达/次日达**: 75%的商品提供快速配送选项- **Prime会员**: 所有商品均不是Prime专属## 7. 市场趋势洞察### 消费者偏好1. **价格敏感性**: 中等价位($50-80)商品最受欢迎2. **功能需求**: 电动自加热功能成为主流趋势3. **便携性**: USB-C充电成为标配4. **兼容性**: 支持多种咖啡形式的产品更受欢迎### 竞争格局1. **传统品牌优势**: WACACO、AeroPress等老牌厂商仍占据重要地位2. **新兴品牌崛起**: 众多新品牌通过电动化、智能化功能切入市场3. **价格竞争激烈**: 同类产品价格差异较大，竞争激烈## 8. 购买建议### 预算导向- **经济型** ($30-50): AeroPress Original、ELEISIOS便携式咖啡机- **中端型** ($50-80): WACACO系列、kejector便携式咖啡机- **高端型** ($100+): OutIn Nano、CERA便携式咖啡机### 使用场景导向- **户外露营**: 手动操作的WACACO系列- **商务出行**: 电动自加热的OutIn Nano- **日常便携**: AeroPress Original## 9. 数据质量说明- 数据来源: 亚马逊官方搜索结果- 采集方式: 亮数据MCP API- 数据时效: 2025年6月30日快照- 样本数量: 16个商品- 数据完整性: 所有关键字段完整## 10. 结论便携式咖啡机市场呈现以下特点：1. 市场成熟度较高，品牌集中度适中2. 电动化、智能化是主要发展趋势3. 价格区间广泛，满足不同消费层次需求4. 用户评价整体较好，市场接受度高5. 配送服务完善，购买便利性强该市场仍有增长空间，特别是在功能创新和用户体验优化方面。新进入者可以通过差异化定位和性价比优势获得市场份额。

亮数据 MCP 与 Trae 智能体的携手，堪称数据获取与分析领域的黄金搭档，在本次亚马逊便携式咖啡机商品数据的处理中，展现出了令人惊叹的强大实力。

从数据获取角度看，亮数据 MCP 数据获取能力卓越，借全球网络布局，2025 年 6 月 30 日短时间精准采集 16 个亚马逊便携式咖啡机商品多维度数据，覆盖价格、品牌、特性等，能应对反爬保稳定，还预先清洗、结构化数据。如价格数据精准，最低$29.99、最高$149.99 等，为分析打可靠基础。

二者的完美结合，形成了一个高效、智能的闭环。亮数据 MCP 提供的高质量、多维度数据，让 Trae 智能体能够充分发挥其分析能力，深度挖掘数据价值。而 Trae 智能体的分析成果又进一步验证了亮数据 MCP 采集数据的可靠性和完整性。

总结

亮数据 MCP 与 Trae 智能体搭配，借 MCP 的代理及数据采集能力，结合 Trae 的智能任务调度与解析，能高效采集亚马逊商品数据。在关键词搜索场景中，实现多字段精准抓取、自动更新与结构化输出，验证了二者协同在跨境电商数据获取的实用性，为数据驱动决策提供可靠工具，展现出技术整合下高效、智能的数据采集解决方案潜力 。

https://get.brightdata.com/u-mcpserver

如果你也想使用亮数据可以来试试哦，不妨来试试哦

不是广告，不是广告

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/87309.shtml
繁体地址，请注明出处：http://hk.pswp.cn/bicheng/87309.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

如何降低AIGC生成内容的重复率？五种免费降AI率的方法 （25年更新）

如何降低AIGC生成内容的重复率？五种免费降AI率的方法 （25年更新）

随着AI生成内容&#xff08;AIGC&#xff09;的普及&#xff0c;越来越多的学术写作依赖AI工具来生成论文和文章。然而&#xff0c;AI生成内容的查重率常常偏高&#xff0c;导致很多论文无法通过学术查重系统。为了解决这一问题&#xff0c;以下是五种有效的免费降AIGC率的方法…
阅读更多...
小米YU7使用UWB技术，厘米级定位精准迎宾，安全防破解无感控车

小米YU7使用UWB技术，厘米级定位精准迎宾，安全防破解无感控车

当您双手抱着快递走向爱车时&#xff0c;车门自动解锁&#xff1b;当您站在前备箱前稍作停留&#xff0c;箱盖优雅升起——这不是科幻电影&#xff0c;而是小米YU7搭载UWB技术带来的真实体验。在2025年5月的小米15周年战略新品发布会上&#xff0c;雷军揭晓了这项革命性技术&am…
阅读更多...
WPF学习（动画）

WPF学习（动画）

文章目录 一、图像变换 RenderTransform1、常见变换类型2、RenderTransform 的核心作用3、RenderTransform 的使用方式4、与 LayoutTransform 的对比5、在动画中的应用 二、 滚动的椭圆三、Storyboard放置位置1. **元素的 Resources 集合**2. **控件模板&#xff08;ControlTem…
阅读更多...
Crossbar结构的排队策略

Crossbar结构的排队策略

目录 一、概述 二、排队策略 三、输入排队结构(IQ) 3.1 结构特点 3.2 改进方案 四、输出排队结构&#xff08;OQ&#xff09; 五、输入输出联合排队结构(CIOQ) 六、输入交叉节点联合排队结构(CICQ) 一、概述 Crossbar是一种全连接的交换结构&#xff0c;由 MN 个交叉…
阅读更多...
状态模式 - Flutter中的状态变身术，让对象随“状态“自由切换行为！

状态模式 - Flutter中的状态变身术，让对象随“状态“自由切换行为！

订单状态流转/播放器控制/游戏角色行为…一个模式搞定所有状态驱动型逻辑&#xff01; 经典场景&#xff1a;订单状态管理 假设你在开发一个外卖App&#xff0c;订单有以下状态&#xff1a; 等待接单已接单配送中已完成已取消 每个状态下&#xff1a; 显示的UI不同可执行的…
阅读更多...
数据库9：数据库字符编码调整与校队（排序）规则

数据库9：数据库字符编码调整与校队（排序）规则

一.常用字符编码 1.ASCII编码 用一个字节表示一个字符 2.ANSI编码 每个国家为了显示本国的语言而对ASCII码进行了拓展 用两个字节表示一个汉字&#xff0c;中国的ANSI编码是GB2312编码&#xff08;简体&#xff09;&#xff0c;日本的ANSI编码是JIS编码&#xff0c;台湾的A…
阅读更多...
人脸活体识别4：Android实现人脸眨眼 张嘴 点头 摇头识别(可实时检测)

人脸活体识别4：Android实现人脸眨眼 张嘴 点头 摇头识别(可实时检测)

人脸活体识别4&#xff1a;Android实现人脸眨眼 张嘴 点头 摇头识别(可实时检测) 目录 人脸活体识别4&#xff1a;Android实现人脸眨眼 张嘴 点头 摇头识别(可实时检测) 1. 前言 2.人脸活体识别方法 &#xff08;1&#xff09;基于人脸动作的检测​​ &#xff08;2&…
阅读更多...
DAY1-Linux操作系统1

DAY1-Linux操作系统1

文章参考【黑马程序员Python教程_600集Python从入门到精通教程&#xff08;懂中文就能学会&#xff09;】 https://www.bilibili.com/video/BV1ex411x7Em/?p40&share_sourcecopy_web&vd_source263bbee2ddeb835c3ab6d9d3c80e0f7c 一.常用命令简单介绍 使用软件 虚拟机…
阅读更多...
第十二节：Vben Admin 最新 v5.0 (vben5) + Python Flask 快速入门 - 两种权限控制方式（附前后端代码）

第十二节：Vben Admin 最新 v5.0 (vben5) + Python Flask 快速入门 - 两种权限控制方式（附前后端代码）

Vben5 系列文章目录 💻 基础篇 ✅ 第一节：Vben Admin 最新 v5.0 (vben5) + Python Flask 快速入门 ✅ 第二节：Vben Admin 最新 v5.0 (vben5) + Python Flask 快速入门 - Python Flask 后端开发详解(附源码) ✅ 第三节：Vben Admin 最新 v5.0 (vben5) + Python Flask 快速入…
阅读更多...
华为云Flexus+DeepSeek征文 | 华为云 ModelArts Studio 赋能 AI 法务：合同审查与法律文件生成系统

华为云Flexus+DeepSeek征文 | 华为云 ModelArts Studio 赋能 AI 法务：合同审查与法律文件生成系统

一、引言 在法律行业数字化转型的浪潮中&#xff0c;AI 技术正重塑法律服务的流程与效率。本文介绍如何利用华为云 ModelArts Studio 构建一套完整的 AI 法务系统&#xff0c;实现合同审查、法律文件生成、法律咨询与风险识别的智能化解决方案。 二、系统架构设计 &#xff0…
阅读更多...
SQL的底层逻辑解析

SQL的底层逻辑解析

SQL的底层逻辑涉及数据库管理系统(DBMS)如何解析、优化和执行SQL查询&#xff0c;主要包括以下几个层面&#xff1a; ​查询处理流程​ 解析器(Parser)&#xff1a;将SQL语句转换为语法树查询优化器(Optimizer)&#xff1a;基于统计信息和成本模型生成最优执行计划执行引擎(Exe…
阅读更多...
深入剖析AI大模型：PyTorch 技术详解

深入剖析AI大模型：PyTorch 技术详解

今天说一说PyTorch。作为一名python程序员&#xff0c;可能对它了解起来还是很快的。在人工智能浪潮席卷全球的当下&#xff0c;深度学习作为其核心技术&#xff0c;被广泛应用于图像识别、自然语言处理、语音识别等多个领域。而在深度学习的开发框架中&#xff0c;PyTorch 凭借…
阅读更多...
物联网架构：定义、解释和实例

物联网架构：定义、解释和实例

物联网&#xff08;IoT&#xff09;架构是一个复杂且多维度的概念&#xff0c;构成了物联网系统的核心框架。它是勾勒物联网设备、应用程序和技术如何相互交互以实现预期功能的蓝图。物联网架构并非 “一刀切” 的模型&#xff0c;而是会根据相关物联网系统的具体需求而有所不同…
阅读更多...
拿到一台新服务器，怎么跑AI项目

拿到一台新服务器，怎么跑AI项目

公司新采购一台AI服务器&#xff0c;花大本钱装了个A6000显卡&#xff0c;今天来记录下新服务的使用步骤。 1、查看系统。 这台服务器预装了Ubuntu20.04系统。 lsb_release -a 查看下cpu、内存情况 top 看着还行。 再看下硬盘空间 df -h 空间不算小&#xff0c;2T。 2、…
阅读更多...
IO--进程实操

IO--进程实操

1.创建一个进程扇 #include <051head.h> int main(int argc, const char *argv[]) {pid_t pid;for(int i0;i<4;i){pidfork();if(pid-1) //父进程{ERRLOG("fork error..\n");} else if(pid0) //这是子进程{ …
阅读更多...
模型预测控制（MPC）概览

模型预测控制（MPC）概览

模型预测控制&#xff08;Model Predictive Control, MPC&#xff09; 一、理论基础与发展脉络 1. 历史起源 20世纪70年代起源于工业过程控制&#xff08;如化工领域的动态矩阵控制DMC、模型算法控制MAC&#xff09;&#xff0c;由Richalet、Mehra等学者提出&#xff0c;核心…
阅读更多...
Python初体验：从入门到实践

Python初体验：从入门到实践

Python无疑是开启编程世界大门的绝佳钥匙。今天，就让我们一起踏上Python的学习之旅。 #01 编写第一个Python程序 环境搭建好之后，上节已经编写了第一个Python程序。现在就好比，我们已经准备好了厨房和食材，要开始做第一道菜了。启动Jupyter后，在Jupyter中新建一个文件，…
阅读更多...
【数字后端】- 什么是AOI、OAI cell？它们后面数字的含义

【数字后端】- 什么是AOI、OAI cell？它们后面数字的含义

是什么&#xff1f; 不管是在DC综合阶段&#xff0c;还是在PR阶段&#xff0c;尝尝会出现OAI、AOI组合逻辑单元的身影。因为它们可以通过巧妙的串联和并联晶体管非常高效地实现组合逻辑&#xff0c;因此在VLSI设计中非常常用。但是它们也是高pin密度单元&#xff0c;也可能会造…
阅读更多...
MQTTServer服务器根据MQTTClient客户端已订阅的主题推送 分发消息

MQTTServer服务器根据MQTTClient客户端已订阅的主题推送 分发消息

网络读卡器介绍&#xff1a;https://item.taobao.com/item.htm?ftt&id22173428704&spma21dvs.23580594.0.0.52de2c1bgK3bgZ 本示例使用了MQTTNet插件 C# MQTTNETServer 源码 using MQTTnet.Client.Receiving; using MQTTnet.Server; using MQTTnet; using System; u…
阅读更多...
【seismic unix 合并两个su文件】

【seismic unix 合并两个su文件】

Seismic Unix简介 Seismic Unix&#xff08;SU&#xff09;是由科罗拉多矿业学院开发的开源地震数据处理软件包&#xff0c;基于Unix/Linux环境运行。它提供了一系列命令行工具&#xff0c;用于地震数据加载、处理、分析和可视化&#xff0c;支持SEG-Y格式和SU自定义格式。SU广…
阅读更多...
最新文章

Copyright @ 2022~2023