拥抱AI,还是大剑师兰特2025年博客创作详细总结

拥抱AI,还是大剑师兰特2025年博客创作详细总结

一、2025年创作心得

2025年是我技术探索极具突破性的一年。最大的转变在于主动拥抱AI工具,将其深度融入前端开发流程——从代码生成、调试优化到文档撰写,AI不仅提升了效率,更成为我理解复杂逻辑的“思维外挂”,尤其在处理地图库的底层机制时,它帮我快速穿透迷雾。

我的技术重心依然锚定在WebGIS与三维可视化领域:

  • OpenLayers 与 Leaflet 的定制化交互逻辑更加精熟,结合 Mapbox GL JS 的矢量切片与样式能力,构建了多个高性能二维地图应用;
  • CesiumJS 成为三维地球项目的主力,深入研究了3D Tiles流式加载、自定义着色器及时空数据动态可视化;
  • Three.js 则用于轻量化场景或与Cesium融合,实现更灵活的局部三维效果。
  • 尤为欣喜的是,Blender 技能的深化带来了质变。我不再仅用它做简单建模,而是系统学习了地理空间数据导入、地形生成、PBR材质制作及动画渲染。如今,我能将Blender产出的精细3D资产无缝集成到Cesium/Three.js场景中,让数字孪生项目兼具真实感与性能。

这一年,AI是加速器,地图框架是主战场,Blender则是打通虚实的关键桥梁。站在2025年末回望,技术纵深带来的不仅是能力提升,更是对“空间智能”这一方向更笃定的信心。

二、2025年底、2024年底、2023年底,互动成绩统计与对比

2025年末,互动总成绩

注:截图时间为2025年12月29日

在这里插入图片描述

2024年末,互动总成绩

注:截图时间为2025年1月11日

在这里插入图片描述

2023年末,互动总成绩

注:截图时间为2024年1月1日

在这里插入图片描述
名称2023年(截20240101)2024年(截20250111)2025年(截20251229)
总访问量2,641,5346,964,2468,255,777
原力年榜87名3名2名
原力分数112893067939819
总文章数84716972321
作者总榜58751名55名
粉丝总数164187442292406
铁粉总数8735115
获得赞数56004637864061
被评论数40302272729532
被收藏数53004270556727
代码分享数38171847324321

2023,2024年12个月,各自文章统计

2023年一共写了598篇文章(24年删掉1篇),2024年一共写了825篇文章,2025年一共写了650篇文章

月份2023年2024年2025年
1月186654
2月1016153
3月816760
4月696716
5月206211
6月576224
7月556282
8月2253126
9月2210471
10月418854
11月586148
12月547251
全年总数597825650

三、2026年创作目标

站在2026年的起点,我为自己立下明确目标:坚持日更,全年产出至少365篇技术博客。这不仅是一场写作马拉松,更是对深度思考与持续输出的自我淬炼。每一篇文章,都将是我探索、实践与沉淀的印记。

核心方向依然聚焦于二三维地图开发应用——OpenLayers、Leaflet、Mapbox GL JS 构建高性能二维底图;CesiumJS 与 Three.js 融合打造沉浸式三维地理空间体验。但今年的关键变量是 AI 的深度融入

  • 我将系统性使用 AI 辅助开发:从智能生成地图交互逻辑、自动优化 WebGL 渲染性能,到用 LLM 解析复杂 GIS 数据规范;
  • 更要主动探索 AI 与地图的创新结合点:如基于大模型的空间语义理解、AI 驱动的动态制图、或利用生成式 AI 创建虚拟地理场景;
  • 同时,用 AI 为知识体系赋能:通过智能摘要、关联推荐和自动化测试,构建个人前端+GIS 知识图谱。

365 篇文章,意味着每天都要动手、动脑、动笔。内容可能是一段优化 Cesium 加载效率的代码片段,一次 Mapbox 自定义图层的实战复盘,或对 AI 如何重构 WebGIS 工作流的深度思考。

2026,让 AI 成为我的副驾驶,以日拱一卒的坚持,在二三维地图的数字疆域里,绘制属于这个时代的开发者坐标。

Read more

Whisper语音识别模型剪枝:参数量化与加速推理

Whisper语音识别模型剪枝:参数量化与加速推理 1. 引言 1.1 项目背景与挑战 在构建基于 OpenAI Whisper Large v3 的多语言语音识别 Web 服务过程中,尽管其具备强大的跨语言转录能力(支持99种语言),但其庞大的模型规模(1.5B 参数)带来了显著的部署挑战。尤其是在边缘设备或资源受限环境中,原始模型存在显存占用高、推理延迟大、服务响应慢等问题。 以当前部署环境为例(NVIDIA RTX 4090 D + 23GB 显存),虽然能够运行 large-v3 模型,但在并发请求增加时仍可能出现 GPU 内存溢出(OOM)风险。此外,对于希望在消费级显卡(如RTX 3060/3070)上部署的服务而言,原生模型几乎不可行。 因此,如何在不显著牺牲识别准确率的前提下,

华为昇腾910B(Ascend 910B)+ LLaMA-Factory 对 Qwen3.5-32B 模型进行 LoRA 微调 的全流程操作指南

华为昇腾910B(Ascend 910B)+ LLaMA-Factory 对 Qwen3.5-32B 模型进行 LoRA 微调 的全流程操作指南

华为昇腾910B(Ascend 910B)上 LLaMA-Factory 对 Qwen3.5-32B 模型进行 LoRA 微调 的保姆级全流程操作指南 华为昇腾910B(Ascend 910B)上使用 LLaMA-Factory 对 Qwen3.5-32B 模型进行 LoRA 微调 的保姆级全流程操作指南,包含环境配置、依赖安装、数据准备、训练启动、验证与推理等完整步骤。本教程基于 Ubuntu 20.04 + CANN 8.0 + MindSpore/PyTorch NPU + LLaMA-Factory v0.9.3+ 环境,适用于 8卡昇腾910B服务器。 ✅ 前提条件 项目 要求 硬件

Stable Diffusion WebUI实战教程:从零精通AI图像生成技术

Stable Diffusion WebUI实战教程:从零精通AI图像生成技术 【免费下载链接】stable-diffusion-webuiAUTOMATIC1111/stable-diffusion-webui - 一个为Stable Diffusion模型提供的Web界面,使用Gradio库实现,允许用户通过Web界面使用Stable Diffusion进行图像生成。 项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui 想要用文字创造出令人惊艳的视觉作品吗?Stable Diffusion WebUI正是你需要的强大工具!作为基于Gradio框架构建的开源Web界面,这个项目让任何人都能轻松驾驭Stable Diffusion模型的强大图像生成能力。本教程将带你从基础操作到高级技巧,全面掌握这个革命性的AI绘画平台。 一、界面架构深度解析 让我们先来认识这个功能强大的操作界面: 1.1 核心功能区划分 顶部导航系统是你探索不同功能模式的门户: * txt2img:文本到图像生成