AI对话落下闳:用大模型重算太初历的时间智慧

做"AI中国故事"这个系列的时候,我的目标一直很明确:不做一个挂着历史文化名字的语音助手,而是真正把那些被现代人忽略的名字、被算法时代遗忘的计算智慧,用对话的方式重新"活"一遍。系列第一期,我选的是落下闳——这个名字大概率很多人没听过,但每个中国人都被他参与制定的《太初历》影响着。春节为什么固定在正月初一?二十四节气为什么能那么准地指导农时?闰月又是按什么规则插进年份里的?这些问题都能追溯到西汉中期那场历法改革。

这个项目的核心玩法,是用大语言模型做一次"跨时空对话":让AI扮演两千年前的历法学家落下闳,我来当提问者,从春节起源问到太初历的编制过程,再一路追问到"时间到底能不能被精确计算"。过程中当然会遇到AI幻觉、角色崩坏、知识错位这些头疼事,但把这些翻车现场和修正过程原样记录下来,反而比一篇四平八稳的科普更有意思。这篇文章会把这次对话里最硬核的几个问答拆开来讲,也会把我搭建"历史人物AI对话"的整套方法摊在桌上——角色设定怎么写、资料怎么喂、AI的回答怎么验证,给想做同类内容的朋友一条能直接复制的路径。

1. 为什么第一个对话对象是落下闳:被春节掩盖的历法奠基人

1.1 一个"最熟悉的陌生人"

春节是中国人最在意的节日,但如果你随机问十个人"春节日期是谁定的",九个人会愣住。这个问题的标准答案是:西汉《太初历》确立了以正月朔日为岁首的规则,从此"正月初一过年"被制度化,之后两千多年基本没变过。而《太初历》的核心编制者之一,就是落下闳。

我最初想做一个"和春节有关的历史人物"AI对话项目,脑子里冒出来的候选人有好几个:有写《荆楚岁时记》记录年俗的,有留下"年兽"传说的民间故事主角,还有明清时期推动腊八习俗的地方官。但深挖之后发现,这些人要么只在文献里留了几句话,要么本身就有浓厚传说色彩,知识密度撑不起一场真正有深度的对话。唯有落下闳不一样——他既是真实的历史人物,又有实打实的科学贡献,而且他的贡献直接嵌在每一个中国人的日常生活里。

这就是我选他的第一个理由:认知落差足够大。提起落下闳,大部分人一脸茫然;但一说"春节正月初一就是他定的那个规则传下来的",大家立刻会"原来如此"。这种从陌生到恍然大悟的转折,天然适合用对话体来表现。

1.2 落下闳身上有哪些"反常识"的亮点

第二个理由,是落下闳本人的经历充满反常识细节。他并非出身历法世家,而是从地方被征召进京参与历法改革;他不是纯粹的学者型人物,据说还擅长观测和仪器制造,把理论落到了实物上;他参与制定的《太初历》不是简单地"换了个日历",而是把当时天文学、数学、农学的最新认知打包成了一套国家级的"时间操作系统"。

更让我觉得"非他不可"的一点是,落下闳的工作方式与现代算法思维惊人地相似。他面对的核心问题是:怎么用一套规则把"年、月、日、节气"这些周期妥善地拼装在一起,既照顾月亮的圆缺,又兼顾太阳的回归周期,还要让农时不错乱。这本质上是今天做系统调度、做多周期对齐时遇到的那种难题——两千年前他用观测加计算解决,现在我们用算法和时间库解决。这种古今对照,让"AI纪元"和"太初历法"两个词放在同一个标题里毫不违和。

所以项目定位从一开始就不是"科普古人有多厉害",而是"借一个古人的口,讲清楚时间计算的底层逻辑,再看AI时代我们怎么处理同样的问题"。落地到项目上,我需要让AI扮演的落下闳不只是背知识点,还要能解释"为什么这样设计历法",能回应"这套算法和今天有什么关系"。

2. 太初历改革的本质:一次时间计算系统的全面重构

在让AI开口之前,我自己先把太初历彻底啃了一遍。这不是可做可不做的功课——如果我不懂,AI一旦胡说我也看不出来。这轮准备让我对"历法改革"这件事有了完全不同的理解。

2.1 岁首、二十四节气、闰月:三项沿用至今的核心改动

《太初历》的"新",至少体现在三个层面,每一层都直接影响到今天的日历。

第一是岁首的调整。在太初历之前,各诸侯国甚至不同时期用的历法并不统一,有的把十月作为一年的开始,有的以冬至所在月为岁首,年首五花八门。太初历把岁首定在"正月朔",也就是正月第一天,从此"过年"被锚定在正月初一。这件事的意义怎么强调都不过分:春节日期从此有了明确、统一、可预期的规则。

第二是二十四节气的系统性入历。二十四节气不是太初历才发明的,但把它完整、系统地编入国家历法并作为农时指导标准,太初历是开创性的。更关键的是,它用太阳在黄道上的位置来确定节气,这套"根据太阳定农时"的思路,让节气与农业生产的对应关系变得稳定可靠,人们不需要看星星猜日子,查历书就能知道该播种还是该收获。

第三是置闰规则的确定。阴阳历必须解决一个根本矛盾:12个朔望月约354天,比一个回归年365.24天少约11天。如果不管,过几年历法和季节就会错位,夏天变成"正月"。太初历确立了"无中气置闰"的规则:把不含"中气"(即二十四节气中排在偶数位的节气)的月份定为闰月。这套规则非常"算法化",它不靠皇帝拍脑袋,而是靠可计算的周期规律自动决定哪个月该闰,保证了历法和太阳年长期对齐。

2.2 为什么说这是一次"算法升级"

我做项目时喜欢把历法当"代码"来看,这样更容易讲清楚。旧历法像是"手动打补丁"的系统——发现对不上了就增设闰月,但什么时候闰、闰在哪个月,规则不统一,执行成本极高。太初历的改革则是把整个系统重构成"规则驱动":岁首固定、节气按太阳位置计算、闰月按中气有无判定,所有操作都有明确触发条件。这在当时就是一次典型的"算法升级"。

理解了这一层,AI对话的脚本就好写了。我要让AI扮演的落下闳能解释清楚"为什么把岁首定在正月"——这不只是行政命令,背后有对农业周期、天文观测和社会习惯的综合权衡。真正的好对话,不是让古人背诵结论,而是让他讲出决策背后的权衡过程。

3. 让AI"变成"落下闳:角色设定与知识投喂的核心方法

3.1 角色卡片:不止是"你是一个古人"

让大语言模型扮演历史人物,很多人第一步就错了——只写一句"你是一名西汉历法学家",那得到的回答必然是空话套话。我要做的是把角色卡片写成一份可执行的"人设说明",包含身份限定、语言风格、知识边界和回答原则。

我实际用的角色卡片大致是这个结构:

你正在扮演落下闳,一位生活在西汉时期的历法学家。 你是《太初历》的核心编制者之一,精通天文观测、数理计算、历法制度设计。 你的语言风格:用朴素、沉稳的古代学者口吻说话,可以引用当时的观测例子, 但不要使用现代网络流行语,也不要自称是"AI"或"语言模型"。 你面对一位来自2025年的访客,对方对历法有兴趣但非专业, 所以你要用通俗的比喻解释复杂概念,同时在涉及具体年份、天数时给出准确数字。 如果你不确定某个史实细节,请明确说"这一处我不能确定",不要编造。

关键点有三个:

  • 知识边界要刻意收窄。如果放任模型自由发挥,它会变成"通晓一切的全知者",说出"太初历颁布后立刻全国推广"这类没依据的话。我明确让它只谈自己参与过的历法工作和当时的观测经验,超出范围就承认不知道。

  • 语言风格要给出约束,但不要太死。文白夹杂是"刚刚好"的状态,全古文观众看不懂,全白话则失去年代感。我在角色卡片里要求"朴素、沉稳的古代学者口吻",不强求文言文,这样对话既可信又易懂。

  • 必须声明"不能确定时就说不能确定"。这是底线,文化类AI内容最怕一本正经地胡说。

3.2 知识投喂的两种方式:对话前灌入与对话中纠错

角色卡片只是第一层,知识深度还需要第二层支撑。我这里用了两种方式结合。

第一种是对话前的"知识提示"。在和AI正式对话前,我先给一段约两百字的背景提示,把太初历的三项核心创制(岁首、二十四节气、无中气置闰)、历史定位(中国历法史上的重要改革)写进去。这种做法相当于在模型启动前给它"划重点",能明显降低后续回答跑偏的概率。

第二种是对话中的即时纠错。AI在历史上限上容易出错,例如把"首次发明二十四节气"说成太初历,或者混淆"节气"和"中气"的定义。遇到这种情况,我会直接打断并提问:"据你参与编制历法的经验,节气与中气的区别到底是什么?"——用追问的方式把对话拉回正确轨道。这个"追问纠错"是项目里最费时间但也最出效果的环节。

提示:如果你也想做同类项目,不要指望一次对话就得到完美结果。我在录制过程中有一段回答把"无中气置闰"解释反了,直接把"闰月出现在含有中气的月份"当成了规则。专业读者一眼就能看出问题,但这种错误如果不加甄别剪进内容里,传播出去会误导很多人。

4. 对话实录与逐段拆解:春节起源里的硬核问题

这一部分我从实际对话中挑了三组最有代表性的问答,附上我的即时拆解和修正过程。对话文本做了精简,但保留了提问逻辑和回答风格。

4.1 问答一:春节为什么是正月初一

我问:"现在我们把正月初一叫作春节,这个日期是怎么定下来的?是你和同僚讨论出来的,还是沿用了更早的传统?"

AI(落下闳)答:"此前各诸侯国所用历法岁首不一,有的以十月为岁首,有的以冬至所在月为岁首,过年日期各地不同。要统一天下节律,必须先统一岁首。我们反复测算,认为以正月朔日为岁首最合农时——正月立春前后,阳气初生,万物即将复苏,把一年的开始定在这里,既顺应天时,也方便百姓安排耕作。这个方案经朝廷采纳后,正月初一便成为全民同庆之日。"

拆解:这段回答总体正确,方向没问题——岁首统一之前确实混乱,太初历定在正月朔也符合史实。但"正月立春前后,阳气初生"这个解释带有AI自己的"合理化色彩"。太初历把岁首定在正月,核心考量是回归年与农时的对齐,以及政治统一的需要,单纯说"顺应天时"显得过于浪漫。我在对话里追问了一句。

我追问:"如果只是顺应天时,为什么不定在冬至?冬至也是阳气初生的节点。"

AI(落下闳)修正答:"冬至虽为阴阳转换之始,但当时民间已有以冬至为节的传统,若把岁首也定在冬至,一年之始与节气之首重叠,反而让'历年'与'农时'两个概念纠缠不清。正月朔日作为岁首,既保留冬至作为节气节点的独立性,又让新年的起点更接近立春的农事节奏。"

这个追问之后AI的修正明显更有层次——它主动区分了"节气节点"和"历年起点"两个不同概念,这正是太初历设计里被现代人忽视的精密之处。虽然我不敢保证"民间已有冬至为节传统"这个细节完全准确,但"历年与节气解耦"这个解释在历法逻辑上是成立的。

4.2 问答二:闰月到底是怎么"算"出来的

我问:"你刚提到'无中气置闰',能具体说说这个规则吗?为什么不是每隔几年固定加一个闰月,而是要看有没有中气?"

AI(落下闳)答:"十二个朔望月约三百五十四日,比一个回归年少约十一日。若不置闰,每三年约差一个月,节气就会逐渐漂移。但固定隔几年加闰月并不明智——因为月亮与太阳的周期差不是均匀累积的。我们采用的办法是:观察每个月里是否含有中气。二十四节气分十二节、十二中气,正常每月应有一节一中气。若某个月只有节气而没有中气,这个月就定为闰月。"

我追问:"为什么会出现'没有中气的月份'?"

AI(落下闳)答:"朔望月约二十九日半,中气间隔却约三十日有余。两者不同步,就必然出现某些月份中气落在月初,下个月中气落在月末之后的情况——于是这个月就空过了中气。这是一个自然出现的规律,只要按节气日期持续观测和记录,闰月该落在哪个月,答案自己会浮现。"

拆解:这组问答是整个项目里我最满意的一段,因为AI不仅背了规则,还把"为什么"讲透了。用"朔望月29.5天"与"中气间隔30.4天"的天数差异来解释中气缺失的必然性,逻辑链是完整的。我在整理时只补充了一个数字:回归年约365.2422日,十二个朔望月约354.367日,两者差约10.875日,所以大约每2到3年就需要一个闰月来"找平"。

4.3 问答三:AI的时间观和古人有何不同

我问:"最后一个问题,你在西汉用观测和推算校准时间,我们今天用原子钟和相对论校准时间。你觉得这两种做法,哪一个更接近'时间的本质'?"

AI(落下闳)答:"我依星象与日影定历,是因为我相信天行有常,时间藏在天地运行的秩序里。你说你们用原子振荡来定义秒长,我虽不能完全理解,但我猜测,你们也是在寻找一种'恒定不变的秩序'。无论是看日影还是数原子,人其实都在做同一件事:寻找一个可靠的节拍器,然后让所有人的生活跟着这个节拍走。"

拆解:AI在这里没有掉进"古人不懂现代科技"的陷阱,反而提炼出了共通点——寻找"可靠节拍器"。这是角色设定带来的成效,因为我在人物卡片里写了他的核心身份是"历法制度的算法设计者",所以当模型"入戏"后,它给出的回答自然带有系统设计者的视角。这个回答用来做项目结尾的"升华"非常合适。

5. 从观象授时到算法纪元:时间计算这件事的变与不变

和AI对话的过程让我反复想一个问题:太初历和今天的时间系统之间,到底什么变了,什么没变?

5.1 古代时间计算的"试错闭环"

落下闳那代人做时间计算,本质上是在跑一个"观测-建模-验证-修正"的循环。他手里没有计算机,但他有天生的数据来源:日影的长短变化、月亮的盈亏周期、恒星的出没位置。每一次历法颁布之后,如果出现"朔日却看不见月亮""节气与物候对不上"的偏差,就说明模型需要修正。整个过程和今天做机器学习里的"拟合-评估-调参"非常相似,只不过周期很长,一个完整的修正可能要数年甚至数十年。

太初历最了不起的地方在于,它把"试错"沉淀成了制度化的计算规则。有了"无中气置闰"这样的确定性规则,历法就不再只依赖某个人的观测直觉,而变成一个可以反复推导、人人可查的系统。这就是"算法化"在世前算术时代的体现。

5.2 AI纪元里的"新节拍器"

今天的问题和古代恰好相反。古人缺少精确的观测手段,所以历法要"努力对齐自然";我们现在有了原子钟、有了全球导航系统、有了网络时间协议,反而要处理另一个问题:人为时间系统越来越精确,但人和时间的关系越来越抽象。

秒、分、时、日、月、年这些概念,对大多数人来说已经脱离了天文现象,变成了日程表上的格子。AI在调整我们对时间的感知——它让"实时"变得无处不在,也让"等待"变得越来越难容忍。对话里AI说那句"寻找可靠的节拍器"时,我突然意识到:从落下闳校准历法,到我们校准服务器时间戳,大家做的是同一件事,只是精度要求和应用场景完全不同。

这个视角放到"AI纪元"这个语境里特别有价值:技术变了,工具变了,但人对"秩序感"的追求没变。太初历是农业文明对自然节律的回应,原子时是工业文明对精确协作的回应,而AI时代的"日历"可能还要回应另一个问题:当每个人拥有不同的智能助手、不同的信息流速,"时间对齐"该如何定义?

6. 文化向AI项目的边界与实操经验:幻觉、分寸与落地建议

6.1 三个最常见的翻车点和我的应对方法

做这个系列到现在,我总结出文化历史类AI对话最容易踩的三个坑。

第一个坑是过度现代化。模型一旦放飞,会让古人说出"我们的历法很科学,类似今天的开源项目"这种话,年代感瞬间崩掉。我的应对方法是三层收紧:角色卡片里明确语言风格、回答时禁止使用现代学科术语做自我标榜、发现越界立刻用"以你当时的认知,你会如何描述"来拽回来。

第二个坑是历史细节幻觉。AI会把"太初历是第一部完整传世的历法"这种大体正确的结论,包装出很多不存在的精确细节,比如具体某年某月某日发生了什么、某个数字精确到小数点后几位。我的对策是把"不确定就说不知道"写进角色设定,同时在后期核对每一个关键数字。我在视频里有一处旁白直接说"这一段的'某年某月'为AI生成,未在史料中查证",观众反而觉得严谨。

第三个坑是文化分寸感。历史人物对话容易陷入两种极端:要么把古人捧成神,要么把古人当段子手。我的原则是"尊重优先,趣味其次"。可以让古人幽默,但不能让他戏谑自己的毕生事业;可以让他承认不足,但不能让他用现代优越感来否定古代智慧。这个分寸很难用规则写清楚,更多是靠对话引导——我会刻意避免问"你觉得你们那时候是不是很落后"这类问题,而是问"你们当时如何克服观测条件的限制"。

6.2 给想做同类项目的人:一份简化版操作清单

如果你也想做一个"AI中国故事"式的历史人物对话,我建议按下面这个顺序来:

  1. 挑人物时看"知识密度":至少要能找到3个以上核心贡献方向,这样对话才有深度;只靠一个传说撑起来的人物,聊十分钟就空了。
  2. 先写"人物知识卡"再写"角色卡":把你知道的关于这个人的可靠信息列成三五行要点,放进对话前的系统提示里,相当于给模型划重点。
  3. 准备一份"追问清单":提前想好三到五个"为什么"级别的追问,专门用来检验AI回答的逻辑是否自洽。问不出所以然的回答,基本就是背出来的表面信息。
  4. 每个关键数字都要人工核对:天数、年份、规则定义,AI说出来的不能直接信,必须有史料或权威科普来源做对照。
  5. 保留翻车片段:不必都剪进成片里。但那些AI承认"我不能确定"、或者被你追问后修正答案的片段,往往是全片最有真实感的部分。

我在做这个项目时最大的体会是:AI能不能"演好"一个历史人物,很大程度上取决于你有没有帮他划清边界。边界清晰,他就能在范围内自由发挥并保持可信;边界模糊,他立刻变成一个"缝合怪"——既不像古人,也不像个有灵魂的助手。这个道理放在写提示词、放在做角色设定、放在整个文化AI内容创作的流程里都通用。

选落下闳做第一期,是我刻意为之的"冷门开场"。越是被忽略的名字,越容易被一次高质量对话重新点亮。后续这个系列可能还会聊到更多古代科学家、工匠、医者——技术工具会一直更新,但"把一个被遗忘的人重新介绍给当代人"这件事,本身就有长久的价值。如果你也想试试,别急着做长视频或大项目,先从一次十五分钟的对话开始就行——选一个你真正好奇的古人,认真写一张角色卡片,然后听他"亲口"讲讲那些课本上一笔带过的往事。

相关新闻

AI营销操盘手能力模型与十大品牌选型实战指南

AI营销操盘手能力模型与十大品牌选型实战指南

1. 操盘手和品牌之间,差着一条完整的交付闭环最近总有做企业的朋友问我,AI营销是不是已经变成“买工具就能跑”的赛道了。我做了多年的营销咨询,也在多个项目里亲自下场带过AI营销的完整链路,说实话,这波AI能力升级之后…

2026/10/20 12:48:35 阅读更多 →
2026网络安全就业全景:岗位趋势、薪酬地图与技能风向

2026网络安全就业全景:岗位趋势、薪酬地图与技能风向

1. 为什么我会在年底啃这份招聘数据:调研背景与样本口径每年四季度都是观察次年就业市场最好的窗口期,因为各大公司的HC预算、校招指标、社招编制基本都在这个阶段定调。我做了近十年的安全行业职业发展相关调研,今年选了2025年10月到2026年1…

2026/10/20 12:47:34 阅读更多 →
AI论文写作全攻略:四款实用工具与高效降重、文献综述实操指南

AI论文写作全攻略:四款实用工具与高效降重、文献综述实操指南

毕业季又到了,我后台收到最多的私信就是“论文写不出来怎么办”。说实话,毕业论文这事儿,卡在最后一步的滋味确实难受。今年我实测了市面上主流的几款AI论文写作工具,也拉了几个刚答辩完的同学做了深度反馈,今天直接把…

2026/10/20 12:47:34 阅读更多 →

最新新闻

智能驾驶感知算法岗面试高频考点与实战指南

智能驾驶感知算法岗面试高频考点与实战指南

智能驾驶感知算法岗的面试,跟我平时帮人做模拟面试时看到的准备方式,几乎不在一个频道上。很多人拿到一份八股题集就开始背:Transformer结构、Focal Loss公式、NMS流程、BEV感知演进……背得滚瓜烂熟,结果一进面试间,被…

2026/10/20 13:38:46 阅读更多 →
Hyper-Laplacian先验快速去卷积:从原理到工程实现

Hyper-Laplacian先验快速去卷积:从原理到工程实现

简介:这份资源是图像去模糊方向经典论文《Fast Image Deconvolution using Hyper-Laplacian Priors》的配套Matlab实现,面向从事图像恢复、计算摄影与视觉研究的学生和开发者,用于解决模糊图像复原中卷积核未知、边缘细节难以保持的问题。压缩…

2026/10/20 13:38:46 阅读更多 →
TensorFlow从零手写ResNet18:80行代码详解残差连接与BasicBlock实现

TensorFlow从零手写ResNet18:80行代码详解残差连接与BasicBlock实现

1. 为什么80行代码值得认真拆解ResNet18这个网络结构,搞深度学习的人几乎没有不知道的。2015年那篇残差学习的论文出来之后,基本上把深层网络训练难的问题给解决了。但很多人第一次接触ResNet,要么是直接调tf.keras.applications.ResNet50&am…

2026/10/20 13:38:46 阅读更多 →
Hyper-Laplacian先验快速去卷积:查找表加速非凸优化

Hyper-Laplacian先验快速去卷积:查找表加速非凸优化

简介:这份资源是图像去模糊领域经典论文《Fast Image Deconvolution using Hyper-Laplacian Priors》的配套Matlab实现,面向从事图像恢复、计算摄影与视觉研究的学生和开发者,用于解决模糊图像复原及盲去卷积中卷积核与清晰图像联合估计的问题…

2026/10/20 13:38:46 阅读更多 →
10月arXiv机器学习论文盘点:强化学习、长尾分布与数据效率

10月arXiv机器学习论文盘点:强化学习、长尾分布与数据效率

1. 另类入口:当arXiv变成一座每周更新的森林如果说学术搜索像一张精准的地图,那arXiv的cs.LG板块就更像一片每周定时更新的森林——你永远知道自己能在这里找到最新的机器学习论文,但也正因为"最新"这两个字,每次走进来…

2026/10/20 13:38:46 阅读更多 →
AI编程工具进化:从代码补全到能独立交付项目的“许愿机”

AI编程工具进化:从代码补全到能独立交付项目的“许愿机”

说实话,我已经不太想用“Coding Agent”来称呼手上这批AI开发工具了。不是矫情,是最近连续几周用它们做真正的项目——不是教它写个冒泡排序或者生成一段样板代码,而是从需求梳理、数据结构设计到部署脚本、线上监控告警的完整链路走下来——…

2026/10/20 13:37:45 阅读更多 →

日新闻

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →
ESP32舵机控制指南:原理、多路驱动与避坑实战

ESP32舵机控制指南:原理、多路驱动与避坑实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →
位移法实现一阶低通滤波:单片机ADC采样降噪实战

位移法实现一阶低通滤波:单片机ADC采样降噪实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/20 10:02:13 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/19 17:32:41 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/20 2:50:50 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 10:02:08 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 9:50:17 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 9:50:45 阅读更多 →