- 博客(74)
- 收藏
- 关注
RSS订阅原创 内网运维不用愁！解锁 Ansible 远程管理新玩法
cpolar是一款安全高效的内网穿透工具，无需公网IP或复杂配置，只需一条命令，即可将本地服务器、Web服务或任意端口映射到公网，让你随时随地远程访问内网应用，特别适合开发调试、远程运维和应急部署等场景。cpolar 为 Ansible 打通了内网到公网的通道，让自动化运维工具的价值最大化，无论是日常定时清理日志，还是应急远程运维，都能高效完成，切实提升了运维工作的灵活性和效率。
2026-03-16 20:10:04
15557
11
原创 零基础上手 OpenClaw：Windows 一键部署，AI 助手全天候待命
在快节奏的现代生活里，我们总在和 “时间不够用” 较劲：早上出门忘关空调，要远程控制却找不到合适的工具；到了公司发现关键文件落在家里，只能干着急；收到全英文的工作邮件，逐字翻译耗时又费力；想做一份亮眼的 PPT，却卡在排版和内容构思上…… 我们需要的不是一个个零散的工具，而是一个能统筹所有需求、像真人一样替我们处理事务的 “数字员工”。OpenClaw 的出现，恰好填补了这一空白。
2026-03-12 22:55:19
12769
7
原创 Calibre-Web 解锁电子书自由，
Calibre-Web 把电子书整理得井井有条，cpolar 则让这份便捷不受空间限制。简单的组合，让私人藏书真正实现了随时随地可访问，满足了日常阅读和工作的实际需求。
2026-03-09 21:03:58
16581
10
原创 告别手动剪辑！MoneyPrinterTurbo让短视频生产效率翻倍
cpolar 是一款内网穿透工具，可以将你在局域网内运行的服务（如本地 Web 服务器、SSH、远程桌面等）通过一条安全加密的中间隧道映射至公网，让外部设备无需配置路由器即可访问。广泛支持 Windows、macOS、Linux、树莓派、群晖 NAS 等平台，并提供一键安装脚本方便部署。本文带你完整实现了高效生产：只需输入主题，AI 自动完成脚本生成、素材匹配、语音合成与视频剪辑，大幅提升内容产出效率。AI 驱动：支持 DeepSeek、通义千问、Gemini 等主流大模型，灵活配置，智能创作。
2026-03-05 19:45:07
16100
11
原创 Joplin笔记能够随时随地管理
Joplin 作为一款全平台覆盖的笔记工具，功能十分全面，支持 Markdown 编辑、标签分类、加密存储，还能抓取网页内容生成笔记，无论是学生整理学习资料、上班族记录工作事项，还是家庭用户留存生活碎片，都能适配；它的核心优势在于离线可用、同步流畅，数据本地存储也让隐私更有保障。使用 Joplin 一段时间后发现，这款工具虽好用，但也有需要注意的地方：比如首次配置同步时要确认好存储路径，避免数据分散；本地加密虽安全，却要牢记密码，一旦丢失无法找回笔记，日常使用中定期备份数据库也很有必要。
2026-03-03 12:48:02
15515
8
原创 让开发效率真的翻番当然得用IT-Tools
IT-Tools 是一款面向开发者的全栈工具集，覆盖代码优化、环境配置、自动化部署等多类实用功能，支持 Web 端与 Windows、macOS、Linux 多系统桌面客户端，适配前端、后端、全栈开发者等各类编程从业者，其核心优势在于将零散的开发辅助功能整合，无需切换多个工具平台，一键就能完成代码格式化、环境镜像打包等操作，大幅减少重复操作。
2026-02-27 08:35:13
14777
6
原创 Trilium Notes打造个人知识库
Trilium Notes 能让零散信息变有序，cpolar 则让这份有序的知识触手可及。无需复杂操作，就能搭建起跨场景可用的个人知识库，日常整理资料、调取信息都更高效，适合需要长期管理个人知识的各类人群。我们下次见啦，拜拜～cpolar官网-安全的内网穿透工具 | 无需公网ip | 远程访问 | 搭建网站。
2026-02-10 09:27:48
14235
6
原创 性能调优利器：基于 CANN `profiling-tools` 的深度性能剖析实战
性能调优不是玄学，而是基于数据的科学工程。为 CANN 开发者提供了“显微镜”和“雷达”，让每一个性能瓶颈无处遁形。无论是算法工程师、系统工程师还是运维人员，掌握这套工具链都将极大提升 AI 系统交付效率。最佳实践建议在模型部署初期就集成 profiling将性能指标纳入 CI/CD 流程定期使用msadvisor扫描新版本 CANN 的优化建议至此，我们已系统性地解读了 CANN 开源生态中的四大支柱项目。分布式训练示例（量化感知训练（QAT）与离线量化（
2026-02-07 15:47:42
557
原创 CANN 量化部署实战：打造 ＜5GB 显存的 Llama-2-7B 推理引擎
cann组织链接：https://atomgit.com/cannops-nn仓库链接：https://atomgit.com/cann/ops-nn1. 量化脚本Hugging Face ModelINT4 模型文件C++ 推理引擎shmem: 共享 KV Cache INT8ge: 构建量化计算图tbe: Int4Gemm / Int8KV / FusedAttentionhcll: Host↔Device 异步搬运HTTP Server: REST APIClient: curl / Python创
2026-02-07 15:47:12
483
原创 从训练到推理：基于 CANN `modelzoo-examples` 的端到端模型部署实战
不仅仅是一个示例仓库，它是一套经过工业验证的AI 模型部署方法论。快速验证模型在 NPU 上的可行性避免重复造轮子，复用最佳实践构建可维护、可扩展的推理服务对于希望将 AI 模型从实验室推向生产环境的团队来说，深入研究是迈向高效部署的关键一步。建议行动：选择你当前项目中最核心的模型，在中找到最接近的示例，进行 1:1 迁移实验。如需继续探索其他 CANN 项目（如等），或希望了解特定模型（如 Stable Diffusion、Whisper）的部署方案，请随时告诉我！
2026-02-07 15:46:44
945
原创 自定义算子开发实战：基于 CANN 的 `custom-op-samples` 项目解析
使用了论文中提出的新型算子（如 Swin Transformer 中的窗口注意力）需要融合多个操作以减少内存拷贝（如 LayerNorm + GeLU 融合）原有算子不支持特定数据布局或精度（如 BF16 输入）此时，仅依赖内置算子将无法满足模型部署需求。CANN 提供的自定义算子机制允许开发者编写符合 NPU 硬件特性的高性能算子，并无缝集成到推理流程中。而项目正是官方提供的最佳实践模板库，帮助用户快速上手。
2026-02-07 15:45:34
549
原创 如何基于 CANN 的 `tbe` 框架，从零实现一个支持 INT4 权重、FP16 激活的混合精度 GEMM（通用矩阵乘）算子，并集成到 LLM 推理流程中
Llama-2-7B 的 FP16 模型大小：即使经过 KV Cache 优化，仍难以部署在边缘或中端 NPU 设备上。而 INT4 量化后：显存需求降低 69%！但挑战在于：我们采用 每 128 个权重一组 的分组量化（与 AWQ 一致）：每个组包含：反量化公式：三、tbe 实现：INT4 GEMM with On-the-Fly Dequantization核心思想：在 UB 中边解包 INT4 权重，边与 FP16 激活做矩阵乘四、性能优化关键技术1. 向量化解包利用 NPU
2026-02-07 15:45:01
562
原创 深度解析 CANN 开源项目：以 `ops-transformer` 为例，构建高效 AI 推理加速方案
是 CANN 生态中的一个关键子项目，专注于提供针对 Transformer 架构的大模型专用高性能算子。该项目旨在实现神经网络在 NPU 硬件上的加速计算，尤其适用于自然语言处理（NLP）、语音识别、多模态等任务中广泛使用的 Transformer 模型。以下是一个简化版的代码示例，展示如何基于实现一个轻量级的 Transformer 解码器层，并在 NPU 上执行推理。CANN 的开源项目为开发者提供了从底层算子到上层应用的完整技术栈。其中，作为专为大模型优化的核心组件，展现了强大的性能优势和灵活性。
2026-02-07 15:44:27
453
原创 开箱即用的 AI 模型库：`cann-model-zoo` 加速应用落地
的存在，让开发者无需重复造轮子。无论是学术研究、产品原型还是工业部署，都能在这里找到高质量、即插即用的模型起点。它不仅是资源库，更是工程最佳实践的载体——每一个模型背后，都凝聚了格式转换、精度对齐、性能优化的大量工作。在 AI 进入“工业化”时代的今天，这样的基础设施，正是加速创新的关键。序号项目定位1高性能算子库2大模型推理引擎3数据预处理加速4模型压缩工具5性能剖析套件6分布式训练框架7NLP 端到端流水线8标准化评测套件9自定义算子生成器10模型安全保护11。
2026-02-07 15:42:20
567
原创 边缘智能最后一公里：用 `cann-edge-deploy` 实现模型一键下发与管理
的价值不仅在于技术实现，更在于大幅降低边缘 AI 的落地门槛。它让算法工程师无需关心设备驱动、服务编排、日志收集等运维细节，只需专注模型本身。在 AI 从“中心云”走向“千行百业”的浪潮中，这样的工具，正是连接创新与落地的关键桥梁。（免费 tier 可用）
2026-02-07 15:41:10
577
原创 CANN 开源生态解析（三）：`model-compressor` —— 让大模型“瘦身”又提速
不仅是一个工具，更是一种模型高效化范式的体现。它让开发者从繁琐的手动调优中解放出来，聚焦于业务逻辑本身。在“大模型时代”，压缩不再是可选项，而是必经之路。结合前文介绍的（高性能算子）与（统一部署接口），完成了 CANN 生态中“压缩 → 加速 → 部署” 的闭环，真正实现了端到端的 AI 高效计算流水线。下一期预告：我们将探索 CANN 中的分布式训练框架，看它如何支撑千亿参数模型的高效训练。欢迎继续关注！
2026-02-06 19:31:08
547
原创 CANN 开源生态解析（续）：`acl-adapter` —— 构建跨平台 AI 推理的桥梁
如果说是 CANN 生态中的“性能引擎”，那么就是它的“通用接口”——前者深挖算力极限，后者打通部署壁垒。两者相辅相成，共同构建起一个高效、灵活、开放的 AI 计算底座。随着国产 AI 芯片生态的成熟，像这样的抽象层将变得愈发重要。它不仅降低了开发者门槛，也为软硬协同创新提供了坚实基础。下一期，我们将继续探索 CANN 中的模型压缩工具链或分布式训练框架，敬请期待！注：本文所有内容均基于 CANN 开源项目公开资料整理，不涉及任何商业宣传或品牌倾向。
2026-02-06 19:28:29
475
原创 CANN 开源项目深度解读：以 `ops-transformer` 为例探索大模型加速计算
不仅是 CANN 生态中的一项关键技术成果，更是国产 AI 算力自主创新的重要体现。它通过对核心算子的精细化优化，实现了从“能跑”到“跑得快”的跨越，为大模型落地提供了坚实支撑。如果你正在从事 AI 模型开发或部署工作，不妨尝试接入，体验真正的高性能计算魅力。同时，也欢迎加入 CANN 开源社区，一起共建更强大的 AI 未来！项目地址官方文档本文基于 CANN 开源项目内容撰写，所有信息均来自公开资料，不涉及任何商业推广意图。
2026-02-06 19:25:47
521
原创 阿米的千卡攻坚日记：用 HCCn 优化 Llama-3 分布式训练，通信开销降低 60%
分布式训练不是“跑起来就行”，而是对硬件、网络、算法的极限压榨。HCCn 提供的不仅是 API，更是对 Ascend 集群通信能力的深度暴露。未来，我计划将此方案贡献至 CANN 官方仓库，并探索与 ZeRO-3 的集成。🚀开源地址包含完整训练脚本、MsProf 分析报告、网络配置检查清单。💬阿米最后说“在 AI 时代，算力是石油，而通信是输油管道。我们不仅要挖得更深，更要让每一滴油都流得更快。本文基于 CANN 7.0 + Ascend 910B 集群实测。
2026-02-06 19:21:53
476
原创 CANN 实战：用 `minddata` + `orchestrator` 实现 LLM 动态批处理，吞吐提升 3 倍
"""外部调用：提交单个请求"""})"""后台线程：聚合请求并触发推理"""batch = []# 尝试在时间窗口内收集最多 max_batch_size 个请求try:continueif batch:"""调用 Orchestrator 执行批量推理"""# 执行批量推理（见下一步）# 返回结果（实际应用中应通过回调或 Future 通知）
2026-02-06 19:15:10
422
原创 CANN 生态中的自动化部署引擎：深入 `mindx-sdk` 项目构建端到端 AI 应用
pipeline:streams:# ... 其他流配置类似modules:decoder:dvpp_h264:sink:✅ 所有硬件加速（DVPP 解码、NPU 推理）自动启用，无需编码。mindx-sdk不仅是一个推理 SDK，更是一种AI 应用开发范式的革新。它将复杂的系统工程抽象为声明式配置与插件逻辑，极大提升开发效率与系统可靠性。无论是智慧城市、工业质检还是智慧零售，只要涉及视频/图像智能分析，mindx-sdk都能助你快速构建生产级应用。
2026-02-06 19:10:08
418
原创 CANN 生态未来展望：统一框架 `CANN Unified` 与开源协同演进
CANN 开源生态的崛起，标志着中国在 AI 基础软件领域正从“跟随”走向“引领”。它不仅是一套工具，更是一种技术主权意识的体现——在算力成为国家战略资源的今天，拥有自主可控的 AI 软件栈，就如同拥有自己的“数字操作系统”。未来，随着更简洁的开发体验更极致的硬件效率更安全的 AI 应用更繁荣的国产 AI 生态这不仅是工程师的胜利，更是整个国家科技自立自强进程中的重要一环。“软件定义硬件，开源驱动创新。—— CANN 社区宣言。
2026-02-06 19:06:46
558
原创 CANN 生态协同中枢：`cann-orchestrator` 如何实现多设备智能调度
tasks:代表了 CANN 生态从“单设备优化”向“系统级协同”的战略升级。它不再将 NPU 视为孤立加速器，而是作为异构计算网络中的智能节点，通过全局调度释放整体系统潜能。在“端-边-云”一体化趋势下，Orchestrator 这类协同中枢将成为 AI 基础设施的关键组件。它让开发者无需手动编写复杂的设备分配逻辑，即可获得接近理论最优的资源利用率。
2026-02-06 19:03:21
483
原创 CANN 生态进阶实践：利用 `model-zoo` 项目高效部署视觉模型
model-zoo项目通过“模型+工具+文档”三位一体的设计，真正实现了“下载即部署”的体验。它不仅是 CANN 生态的展示窗口，更是开发者快速验证想法、加速产品迭代的利器。无论你是刚接触 AI 部署的新手，还是寻求极致性能的资深工程师，model-zoo都值得你深入探索。未来，随着更多大模型（如 Llama、Stable Diffusion）加入该仓库，CANN 的应用场景将进一步扩展至生成式 AI 领域。立即访问，开启你的高效部署之旅！📌附录：常用命令速查。
2026-02-06 19:01:01
975
原创 CANN 生态深度实践：基于 `custom-op` 项目构建自定义算子
在 AI 模型不断演进的今天，通用算子库虽然覆盖了大部分常见操作，但在面对特定领域模型（如生物信息、金融风控或工业检测）时，往往难以满足性能或功能上的定制化需求。此时，自定义算子（Custom Operator）成为突破瓶颈的关键手段。CANN 开源生态中的 custom-op项目正是为此而生——它提供了一套完整的工具链和模板，帮助开发者快速实现、编译并部署专属于自身业务逻辑的高性能算子。本文将深入解析该项目的设计理念，并通过一个真实示例展示如何从零开始开发一个 NPU 友好的自定义算子。
2026-02-06 18:56:21
420
原创 零代码AI革命：万字实战指南，用Dify轻松构建企业级智能知识库
现在，轮到你来思考，如何利用这对强大的工具，去解决你所面临的问题，去创造属于你自己的价值了。幸运的是，主流的云服务商（如本文演示所用的平台）通常会提供预装了常用应用的“镜像市场”。知识库准备就绪，模型也已接入，现在我们需要将它们串联起来，设计一个完整的工作流程 (Workflow)，告诉 AI 在收到用户问题后，应该如何一步步地思考和行动。我们直接在云服务器控制台进行重装或创建实例的操作，在选择操作系统镜像时，放弃传统的 CentOS 或 Ubuntu，直接在镜像市场中搜索并选择“Dify”。
2025-09-21 21:13:50
52283
182
原创 WSL2环境下的Claude Code与lanyuncodingui安装与配置
AI编码助手Claude Code因其强大的功能在开发者社区中备受关注，但其官方仅支持macOS与Linux平台，这一明确的技术限制将广大的Windows开发者排除在外，使其无法在自己熟悉的操作系统上直接体验。我们将借助适用于Linux的Windows子系统（WSL2）技术，在Windows系统内部构建一个完整的、无缝集成的GNU/Linux环境，从而为Claude Code的运行创造必要条件。
2025-08-19 11:03:18
49472
182
原创 Trae + Notion MCP：将你的Notion数据库升级为智能对话机器人
Notion作为一款功能强大的信息管理工具，被广泛用于项目跟踪、知识库构建和数据整理。然而，随着数据量的增长，我们常常会发现自己陷入了重复和繁琐的操作中。比如，为了找到符合特定条件的几条数据，需要在庞大的数据库中手动设置多个过滤器；或者，需要根据数据状态的变化，逐一修改条目的格式，如高亮显示或添加标记。这些手动操作不仅效率低下，而且在处理复杂需求时极易出错，成为了许多Notion深度用户在提升效率时遇到的一个明显痛点。
2025-08-02 20:35:40
28541
180
原创 告别静态文字！用 Trae+MiniMax 打造「听觉沉浸式」网页，让访问者秒变听众
今天的案例需要使用语音合成服务，以语音合成使用较多的MiniMax MCP为这里我们使用到了蓝耘MCP广场，因为mcp模型多，并且可以进行精准搜索在蓝耘 MCP 广场，“资源丰沛” 与 “便捷获取” 实现了完美融合。这里汇聚了数以千计的 MCP，覆盖多个领域，从前沿技术工具到实用创意素材，应有尽有。广场配备的智能搜索功能，支持多维度精准检索，无论你是寻找特定功能的 MCP，还是探索某一主题下的优质资源，只需轻轻输入关键词，系统便能迅速筛选出匹配内容点击蓝耘广场进入到MCP广场的页面这里我们直接进行搜
2025-06-20 15:43:05
28690
181
原创 和 AI 玩海龟汤差点崩溃：它永远比我多知道 100 个隐藏真相
开发过程中，蓝耘 API 的高效响应为谜题秒级生成提供支持，灵活的接口适配让玩法设计不受束缚，超大调用量与亲民价格，则为游戏的持续优化与迭代保驾护航。学生时代敢想敢做的冲劲，配合技术工具的赋能，让这款融合了创新思维与硬核实力的游戏得以成型。如果你也对api调用感兴趣，不妨来试试蓝耘呢用下方链接就ok了。
2025-05-30 23:07:59
34361
181
原创 基于蓝耘MaaS平台进行api调用创建本地智能ai
针对蓝耘的api调用操作，确实很方便，因为我们只需要改变两个变量就可以实现本地的调用操作，相较于之前使用其他平台的api，没有那么复杂的流程和文档，一眼就能看明白怎么回事，这个相应的速度也是相当的快的用户无需深入钻研复杂的底层算法和模型细节，仅需按照 API 文档说明，进行简单的接口调用操作，就能利用平台强大的 AI 技术。
2025-04-29 19:57:46
19728
182
原创 机器学习基础概括
机器学习（Machine Learning, ML）是人工智能（AI）的一项核心技术，它使得计算机通过数据学习，进而做出预测和决策，而不需要明确的编程规则。机器学习的目标是构建能够从数据中自动改进的算法，减少人为干预。机器学习的核心思想是：通过数据的不断积累与分析，机器可以模仿人类的学习过程，完成特定任务。机器学习与传统编程的最大区别在于，传统编程依赖于预设规则来处理任务，而机器学习依赖于数据本身，通过“训练”模型来寻找规律，做出决策。
2025-03-31 09:24:26
1163
43
原创 机器学习零基础小白指南---- 线性代数入门
线性代数是机器学习的基石。在掌握机器学习的实战技巧之前，数学基础是绕不过去的一环。本文从零基础视角，通过简明易懂的方式，带你掌握线性代数的核心概念，帮助你构建机器学习的数据表示与运算基础。向量是线性代数的核心概念之一，可看作一组有序数值的集合，用于描述对象的特征。例子身高：170 厘米体重：65 公斤年龄：30 岁这些特征可以组合为一个向量：矩阵是一个二维数组，由行和列组成，用于表示数据集、模型参数和特征变换。例子：房价数据集面积(㎡)房龄(年)房价(万元)505100。
2024-12-10 20:33:45
3492
76
原创 多模态情感分析与抑郁症检测：MMIM 模型的创新与应用全景
CMU - MOSI：这是一个多模态数据集，涵盖文本、视觉和声学模态。它取材于 Youtube 上的 93 个电影评论视频，并被剪辑成 2199 个片段。每个片段均标注了[-3, 3]范围内的情感强度。该数据集分为训练集（1,284 段）、验证集（229 段）和测试集（686 段）三个部分。：与 CMU - MOSI 类似，但规模更大。它包含来自在线视频网站的 23,453 个注释视频片段，涉及 250 个不同主题和 1000 个不同演讲者。
2024-12-08 08:43:22
2863
72
原创 探索 Transformer：从自然语言处理到多元领域的变革之路
但随着研究的推进，Transformer 不再仅活跃于 NLP 领域，其在计算机视觉（CV）、时间序列分析以及多模态学习等领域同样展现出卓越的表现。然而，Transformer 凭借其强大的全局特性逐渐崭露头角，Vision Transformer（ViT）便是其中的典型代表模型。Transformer 由堆叠的编码器（Encoder）和解码器（Decoder）构成，其中编码器负责提取特征，解码器则用于生成目标序列。：将 Transformer 与领域知识深度结合，例如在生物信息学、物理学等领域的应用。
2024-12-05 12:00:31
2364
80
原创 《解锁决策树算法：机器学习领域的实用利器及其多面应用》
在深入了解机器学习决策树算法的过程中，我们从其基本概念入手，详细探究了分裂节点原理、特征选择要点，还通过各类算法示例掌握了实际运用中的优化技巧。决策树凭借其直观易懂、易于实现的特点，以及强大的分类与回归能力，在信用评分、医疗诊断、金融风险评估等众多领域都有着不可替代的作用，仿佛一把开启数据奥秘之门的钥匙。希望各位读者能够将所学知识运用到更广泛的实践中，让决策树算法在提升业务效率、优化用户体验、推动科技进步以及服务社会大众等诸多方面，成为大家手中强有力的工具。
2024-12-01 09:27:38
2124
85
原创 【机器学习】---大语言模型
大语言模型并非传统意义上的“语言学家”，而是通过深度学习技术训练的大规模神经网络，其核心目标是理解、生成并操控自然语言。这些模型的强大之处在于，它们能够从海量的训练数据中学习语言的结构和语义关系，从而以极高的准确度生成自然语言文本。它们的核心技术依赖于一种名为的模型架构。Transformer 架构通过自注意力机制（Self-Attention）和多头注意力（Multi-Head Attention）等技术，能够有效捕捉语言中各个词汇之间的复杂关系，从而实现精准的上下文理解。
2024-11-29 12:40:55
1671
83
原创 深入了解决策树---机器学习中的经典算法
作为机器学习的经典算法，决策树以其直观性和易用性在实际应用中占据重要地位。从分类到回归、从单一模型到集成学习，决策树展现了广阔的适用场景。通过结合剪枝、超参数优化和集成学习，决策树的性能得到了极大提升。未来，随着数据规模和计算能力的增长，决策树仍将是机器学习领域不可或缺的核心技术。决策树是一种兼具可解释性和灵活性的机器学习模型，虽然在面对高维度和复杂数据时表现有限，但其作为集成学习的基础仍然是不可或缺的工具。未来，结合深度学习和自动化超参数调整的技术，将为决策树的应用提供更多可能性。
2024-11-26 13:08:00
6565
75
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人