<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DYuW5gBmH的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/DYuW5gBmH</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DYuW5gBmH]]></copyright><item><title><![CDATA[RAG系统嵌入模型怎么选？选型策略和踩坑指南]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159968633</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159968633</guid><author>DYuW5gBmH</author><pubDate>Thu, 09 Apr 2026 00:14:09 +0800</pubDate><description><![CDATA[嵌入是对语言中含义与模式的数值化表示。这些数字帮助系统找到与问题或主题高度相关的信息。这些嵌入由嵌入模型生成。嵌入模型可以将词、图像、文档，甚至声音，转换为一串称为向量的数字。你可能在大语言模型语境下了解过嵌入，但嵌入的历史其实更悠久。目前，大多数嵌入都由语言模型创建。与给每个 token 或词分配静态向量不同，语言模型会创建上下文化的词向量，让词/句子/片段在不同上下文下拥有不同表示。这些向量随后可被其他系统用于各类任务。生成"文本"嵌入向量的方法有多种。]]></description><category></category></item><item><title><![CDATA[LangGraph 入门：用图结构构建你的第一个多智能体工作流]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159966591</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159966591</guid><author>DYuW5gBmH</author><pubDate>Wed, 08 Apr 2026 21:39:50 +0800</pubDate><description><![CDATA[编排框架在复杂系统中的价值已经被反复验证：Kubernetes 之于容器、Airflow 之于数据管道、Temporal 之于通用工作流。LangGraph 将同样的理念带入多智能体 AI 领域，提供了 LLM 感知的编排能力。其核心价值在于：图结构让工作流易于修改和扩展，检查点机制保障了可调试性和故障恢复，reducer 和原子状态更新解决了并行协调难题。开发者可以专注于智能体逻辑本身，而非协调管道的实现细节。]]></description><category></category></item><item><title><![CDATA[Prompt 缓存的四种策略：从精确匹配到语义检索]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159966478</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159966478</guid><author>DYuW5gBmH</author><pubDate>Wed, 08 Apr 2026 21:34:00 +0800</pubDate><description><![CDATA[在 LLM 系统的各种优化手段中，Prompt 缓存的投入产出比可能是最高的。入手门槛低，可以渐进式迭代，而且到了一定规模之后几乎是刚需。可以先从精确缓存做起，这是成本最低、风险最小的方案。规范化处理应该尽早加上，代码量很小但效果明显。语义缓存只在业务确实需要时才引入，因为它带来了额外的复杂度和向量计算开销。TTL 和版本控制是必须配套的机制。最后缓存命中率要持续监控，因为这是判断缓存策略是否有效的核心指标。]]></description><category></category></item><item><title><![CDATA[从零开始：用Python和Gemini 3四步搭建你自己的AI Agent]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159918880</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159918880</guid><author>DYuW5gBmH</author><pubDate>Tue, 07 Apr 2026 12:53:17 +0800</pubDate><description><![CDATA[搭 Agent 一开始看着挺唬人,但理解了结构之后,会发现简单得有点无聊。往简单了说，它就是个循环。一个里面跑着聪明模型的循环。明白这点之后,你就能造出看起来"有生命"的 Agent 了。]]></description><category></category></item><item><title><![CDATA[从 Pandas 转向 Polars：新手常见的10 个问题与优化建议]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159918868</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159918868</guid><author>DYuW5gBmH</author><pubDate>Tue, 07 Apr 2026 12:52:17 +0800</pubDate><description><![CDATA[从 Pandas 转过来的人，很容易带着旧习惯写 Polars 代码，结果性能优势全没了。上面这些点总结下来就是：惰性优先、表达式为主、最后才 collect、别用 Python 循环、列要有明确类型、多用 LazyFrame、善用投影下推和谓词下推、大数据开流式处理。养成这些习惯，Polars 的性能才能真正释放出来。]]></description><category></category></item><item><title><![CDATA[Anthropic 开源 Bloom：基于 LLM 的自动化行为评估框架]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159900119</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159900119</guid><author>DYuW5gBmH</author><pubDate>Tue, 07 Apr 2026 04:51:47 +0800</pubDate><description><![CDATA[先决定要测什么行为，这里随便举个例子。]]></description><category></category></item><item><title><![CDATA[dLLM：复用自回归模型权重快速训练扩散语言模型]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159900094</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159900094</guid><author>DYuW5gBmH</author><pubDate>Tue, 07 Apr 2026 04:50:53 +0800</pubDate><description><![CDATA[扩散语言模型之前一直停留在研究阶段,dLLM把它变成了能实际用起来的工程工具。现有的LLM可以直接复用,微调需要的算力也不夸张,模型之间的对比有了统一标准,想做实验也不用把整套东西重新搞一遍。]]></description><category></category></item><item><title><![CDATA[别只会One-Hot了！20种分类编码技巧让你的特征工程更专业]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159896253</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159896253</guid><author>DYuW5gBmH</author><pubDate>Mon, 06 Apr 2026 23:57:00 +0800</pubDate><description><![CDATA[分类编码是特征工程里最容易被忽视却又最能出效果的环节。scikit-learn自带的编码器只是冰山一角，这个库才是真正的百宝箱：统计编码、贝叶斯编码、哈希编码、对比编码应有尽有，用好了模型效果能上一个台阶。]]></description><category></category></item><item><title><![CDATA[Anthropic 开源 Bloom：基于 LLM 的自动化行为评估框架]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159896228</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159896228</guid><author>DYuW5gBmH</author><pubDate>Mon, 06 Apr 2026 23:54:30 +0800</pubDate><description><![CDATA[先决定要测什么行为，这里随便举个例子。]]></description><category></category></item><item><title><![CDATA[长上下文“记忆“的舒适陷阱：为什么更多记忆不等于更可靠]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159886372</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159886372</guid><author>DYuW5gBmH</author><pubDate>Mon, 06 Apr 2026 14:08:17 +0800</pubDate><description><![CDATA[人们喜欢长上下文，智能体记得你的项目、你的偏好、你说话的方式，连你那些反复冒出来的琐碎任务都帮你记着，所以用起来当然顺手。但顺手归顺手，顺手不等于靠谱，把这两件事搞混后面的麻烦就来了。可靠性问题的起点恰恰是人们把长上下文当免费能力用的那一刻。你扩展了上下文就等于换了一个被测系统，测的不再是模型本身，而是模型加上一个持续膨胀的历史 Token 档案。这个档案天生就很杂乱：半成型的想法、开玩笑时随口说的话、情绪化的措辞、前后矛盾的约束、从未打算变成策略的临时指令，统统堆在一起。]]></description><category></category></item><item><title><![CDATA[数据库Grace Hash Join]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159856231</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159856231</guid><author>DYuW5gBmH</author><pubDate>Sun, 05 Apr 2026 14:13:08 +0800</pubDate><description><![CDATA[优点：极高的吞吐量：在处理缺乏索引的大批量数据等值连接时，性能通常碾压 Nested Loop Join（嵌套循环连接）。扫描次数少：只需要对两张表各进行一次全表扫描（在内存充足的情况下）。缺点：仅限等值连接：只能用于基于的连接操作（例如对于大于、小于（）等非等值连接完全无能为力。内存消耗大：需要占用大量内存来构建哈希表。如果内存不足导致频繁读写临时磁盘文件（发生 Spill to disk），性能会大幅下降。启动延迟高。]]></description><category></category></item><item><title><![CDATA[Chrome DevTools MCP 让 AI 无缝接管浏览器调试会话]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159856221</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159856221</guid><author>DYuW5gBmH</author><pubDate>Sun, 05 Apr 2026 14:12:22 +0800</pubDate><description><![CDATA[自动连接功能是 Chrome DevTools MCP 连接 Chrome 实例的现有方式的补充。]]></description><category></category></item><item><title><![CDATA[从前缀函数到KMP应用 字符串匹配 字符串周期]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159827716</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159827716</guid><author>DYuW5gBmH</author><pubDate>Sat, 04 Apr 2026 14:29:06 +0800</pubDate><description><![CDATA[由于 �π 数组记录了最长 Border ，而次长的 Border 可能通过 �[�[�−1]−1]π[π[n−1]−1] 递归求得，因此我们可以不断回跳，求出所有的 Border 后，周期就是 n - Border。在 KMP 中的前缀函数的到数组 �π ，其中 �[�]π[i] 表示字符串的前缀 �[0…�−�[�−1]n−π[n−1] 可以被总长度 �n 整除时，存在完全循环。通过递推可以在 �(�)O(n) 时间内求出前缀数组 �π。在 �[�−1]>0π[n−1]>0 基础上，当它的。]]></description><category></category></item><item><title><![CDATA[用FastAPI的Depends实现细粒度权限控制]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159827701</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159827701</guid><author>DYuW5gBmH</author><pubDate>Sat, 04 Apr 2026 14:28:03 +0800</pubDate><description><![CDATA[你需要“房间钥匙”和“工作证”。如果 “user:123” 不在允许列表里，直接 403。——比如“只能改自己创建的任务”或“状态为‘草稿’的文章才能编辑”。只要用户伪造或篡改了token里的user_id，甚至只是猜到别人的ID，数据就裸奔了。只保证了“用户有删除自己任务的权限”，但没保证“这个任务真的是他的”。——比如“管理员”能删除，“普通用户”只能看。这里咱们写一个“可配置”的权限依赖。更优雅的做法是：把“数据归属校验”也封装进依赖里。，因为这是最容易被忽略的“隐形漏洞”。，路由函数根本不会执行。]]></description><category></category></item><item><title><![CDATA[OpenEuler 20.03构建zabbix7.0 rpm包]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159797894</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159797894</guid><author>DYuW5gBmH</author><pubDate>Fri, 03 Apr 2026 14:56:22 +0800</pubDate><description><![CDATA[即使是centos系统，7版本也过于陈旧了，从zabbix 6.0开始，centos 7已经不提供server的rpm包了，只剩下proxy和agent，到了7.0版本，连proxy都没有了。%{rhel}和%{?zabbix agent2和web_service是使用GO语言编写的，并且使用的语法对版本还有要求，OpenEuler 20.03默认repo源的版本为1.15，需要安装一个较新版本的。在OpenEuler的官方社区的软件中心，有社区成员自行构建的rpm包，可以尝试找找有无符合自己要求的版本。]]></description><category></category></item><item><title><![CDATA[FastAPI 实战：WebSocket 从入门到上线，使用避坑指南]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159797873</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159797873</guid><author>DYuW5gBmH</author><pubDate>Fri, 03 Apr 2026 14:55:31 +0800</pubDate><description><![CDATA[它就像你直接在餐厅包了个雅间，服务员就站在你桌旁，随时听你吩咐：“加点水”、“拿头蒜”、“结账” —— 服务员一直在线，随时响应，省去了反复呼叫的过程。FastAPI 对 WebSocket 的支持非常 Pythonic，用起来很顺手，但正因为顺手，容易忽略背后那些“服务员也得休息”、“包间太多会拥挤”的现实问题。传统的 HTTP 请求，就像你去餐厅点菜：你喊一声“服务员，来份宫保鸡丁”，然后服务员跑去后厨，把菜端给你，一次交易结束。解决了，但广播又成了新问题，后来引入了 Redis pub/sub。]]></description><category></category></item><item><title><![CDATA[Godot UI布局指南 ]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159764306</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159764306</guid><author>DYuW5gBmH</author><pubDate>Thu, 02 Apr 2026 15:30:41 +0800</pubDate><description><![CDATA[可以在统一在主题中设置新的Panel类型进行类样式设置，也可直接在面板中的“主题覆盖” 使用新的“StyleBoxTexture” 来设置“AtlasTexture”, 设置“AtlasTexture” 在 “Sub-Region”编辑子区域即可。Container 组件结合组件设置，控制设置的方位（上，下，左，右，居中），设置是收缩还是撑满容器。特定节点的样式，而不想影响全局，可以在该节点的“检查器 (Inspector)”面板中找到。常见用途：设置面板，弹窗底板，HUD 背景，卡片。]]></description><category></category></item><item><title><![CDATA[AI时代的项目管理：1+3Ownership模式和项目管理]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159764286</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159764286</guid><author>DYuW5gBmH</author><pubDate>Thu, 02 Apr 2026 15:29:40 +0800</pubDate><description><![CDATA[1+3 Ownership框架提供了一个系统性的协作模式，将"不可能的超级个体"拆分为"三个可培养的专业角色"，让普通团队也能实现AI原生开发。]]></description><category></category></item><item><title><![CDATA[DBShadow横空出世,Dapper.net的天花板盖不住了]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159729938</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159729938</guid><author>DYuW5gBmH</author><pubDate>Wed, 01 Apr 2026 15:27:50 +0800</pubDate><description><![CDATA[【代码】DBShadow横空出世,Dapper.net的天花板盖不住了。]]></description><category></category></item><item><title><![CDATA[如何使用SpringAI来实现一个RAG应用系统]]></title><link>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159729920</link><guid>https://blog.youkuaiyun.com/DYuW5gBmH/article/details/159729920</guid><author>DYuW5gBmH</author><pubDate>Wed, 01 Apr 2026 15:27:12 +0800</pubDate><description><![CDATA[大模型没有本地私有知识，所以用户在向大模型提问的时候，大模型只能在它学习过的知识范围内进行回答，而RAG就是在用户在提问的时候 将本地与问题相关的私有知识连同问题一块发送给大模型，进而大模型从用户提供的私有知识范围内进行更精确的回答。将文本切分成多个文本块，作者使用markdown来存储文本内容，markdown格式的文本相对来说是比较容易且分的，将文本切分之后 请求向量化接口进行文本向量化，最后将向量的结果写入到原本的数据块中 存储到向量数据库将用户的问题进行向量化，然后调用向量数据库的检索


分块的时]]></description><category></category></item></channel></rss>