<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[MHN3teRPV的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/MHN3teRPV</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; MHN3teRPV]]></copyright><item><title><![CDATA[DP3 核心原理详解：从训练数据到模型、Loss 和推理]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162792137</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162792137</guid><author>MHN3teRPV</author><pubDate>Sat, 11 Jul 2026 15:07:59 +0800</pubDate><description><![CDATA[默认 obs_as_global_cond=True 时，trajectory 里只有 action，没有把 obs 拼进去。但是机器人操作通常不是单步动作能解决的。同一个去噪网络，在不同场景、不同机器人状态下，会通过 scale 和 bias 改变自己的行为。先对每个点独立提特征，再对所有点做 max pooling，得到整个点云的全局特征。给定最近几帧 3D 观测和机器人状态，生成一段动作轨迹，而不是只生成一个动作。也就是说，每个训练样本是从一条专家轨迹中切出来的长度为 16 的时间窗口。]]></description><category></category></item><item><title><![CDATA[基于.NET的Windows窗体编程之WinForms图像控件]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162792130</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162792130</guid><author>MHN3teRPV</author><pubDate>Sat, 11 Jul 2026 15:07:19 +0800</pubDate><description><![CDATA[首先拖动ImageList控件到Form表单中，并命名为imgList，ImageList控件并不会直接显示在页面中，而是显示在组件托盘中，一般与其他控件一起使用，如ListView。在上述示例中，PictureBox控件的SiteMode为Normal，图像大小小于PictureBox控件的大小，没有填满控件，剩余部分显示控件的背景色（Yellow）。首先在Form的Load事件中为ImageList控件添加图像，并将PictureBox控件的图像设置为ImageList的第一张图像。]]></description><category></category></item><item><title><![CDATA[在Vue/Nuxt、React/Next/TanstackStart、RazorPages折腾一圈后，还是回到了Blazor，但这回有SSR+HTMX+Alpine的加持]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162766248</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162766248</guid><author>MHN3teRPV</author><pubDate>Fri, 10 Jul 2026 16:03:11 +0800</pubDate><description><![CDATA[另外一块，我是觉得比较重的，就是ABP的前端，为了集成不同的前端框架，ABP搞了很多约定、抽象和代理，即复杂、又不灵活，搞过一阵后，果断放弃了。这些组件，让AI模仿着MudBlazor写的，轻交互组件，应该都是没有问题的。2）胶水代码中，每次增强式导航时，MainLayout.razor的Alpine状态会需要被重建，这会导致关闭或伸展的菜单恢复原状，体验不好，这时可以利用HTML的dataset特性来保留数据，因为增强式导航时，这块DOM是不会重建的，所以dataset的状态会被保留。]]></description><category></category></item><item><title><![CDATA[RAG系列：#5 RAG中的11种分块策略]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162766231</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162766231</guid><author>MHN3teRPV</author><pubDate>Fri, 10 Jul 2026 16:02:41 +0800</pubDate><description><![CDATA[本文将详细介绍每种分块方法，比较不同的分块策略，探讨如何选择合适的分块策略，并了解在 RAG 中实施分块的****最佳实践。分块是海量知识“索引化”的关键。原理：利用 embedding 或机器学习模型，根据语义含义分割文本，确保每个部分在主题或思想上是连贯的。理想情况：块应包含独立、完整的语义单元（如一个概念的解释、一个问答对），兼顾语义完整与检索精度。原理：通过在文本上滑动窗口来创建重叠的文本块，确保相邻的文本块共享内容。潜在的上下文丢失：即使是最小的数据块，如果管理不当，也可能丢失上下文。]]></description><category></category></item><item><title><![CDATA[DevEco 26 / uni-app 鸿蒙包 pack.info 仍为 Beta1 的定位与修复]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162736632</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162736632</guid><author>MHN3teRPV</author><pubDate>Thu, 09 Jul 2026 17:58:45 +0800</pubDate><description><![CDATA[sdk-pkg.json 中 “stage”: “Beta1” → “Release”）自检：解压 .app（zip）读取根目录 pack.info，或检查 entry/build/release/outputs/default/pack.info。校验：openharmony/ets/oh-uni-package.json + sdk-pkg.json 均为 Release。/oh-uni-package.json 或 sdk-pkg.json 仍为 Beta1 时，产物 pack.info 不变。]]></description><category></category></item><item><title><![CDATA[编写高质量 Skill 系列 -- 如何设计需求分析与用例生成的 SKILL]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162736617</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162736617</guid><author>MHN3teRPV</author><pubDate>Thu, 09 Jul 2026 17:58:02 +0800</pubDate><description><![CDATA[问题: 需求说"与 MCP 插件是一样的"，但平台已存在功能完全覆盖的 MCP 插件（SSE/HTTP 双协议、Agent 集成、已稳定运行）。两者是替换、并存还是子集？不明确则无法确定测试范围。引用证据产品文档/工作流文档/工作流/工作流节点分类说明/信息处理节点/插件节点.md#常见问题给 PM 的追问: 「连接器」与已有「MCP 插件」是什么关系？(a) 替换 MCP 插件并废弃旧入口？(b) 并存为独立新类型？© MCP 插件的子集？现有 MCP 插件用户的迁移路径是什么？]]></description><category></category></item><item><title><![CDATA[安全门禁——JWT 身份验证与授权实战]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162700750</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162700750</guid><author>MHN3teRPV</author><pubDate>Wed, 08 Jul 2026 16:22:06 +0800</pubDate><description><![CDATA[在Program.cs// 定义用户模型set;set;} // 实际项目中应存储哈希值set;} // 角色：Admin, User// 模拟数据库用户理解了 JWT 的原理：Header、Payload、Signature。实现了/login接口颁发 Token。配置了中间件验证 Token。学会了和基于角色的权限控制。]]></description><category></category></item><item><title><![CDATA[基于Blazor实现的跟踪光伏智能运维平台]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162700735</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162700735</guid><author>MHN3teRPV</author><pubDate>Wed, 08 Jul 2026 16:21:31 +0800</pubDate><description><![CDATA[亮点说明全栈 .NETC# 贯穿前后端，降低团队技术栈复杂度，开发效率高双端复用PC 和移动端共享组件库，减少 50%+ 重复开发实时推送基于 SignalR 事件驱动，数据延迟低至毫秒级3D 可视化电站三维模型直观展示，降低运维认知门槛插件化架构业务模块按插件组织，支持热插拔和独立迭代多语言支持内置国际化方案，可快速扩展海外市场RBAC 权限细粒度的角色权限控制，保障数据安全。]]></description><category></category></item><item><title><![CDATA[Agent出现LLM因为历史工具调用消息而误解工具调用方式的问题]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162669007</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162669007</guid><author>MHN3teRPV</author><pubDate>Tue, 07 Jul 2026 16:15:34 +0800</pubDate><description><![CDATA[近期在Mac mini上部署了Acbox等开发者开发的——一款基于docker容器的多智能体Agent。在使用过程中出现了问题，Agent调用工具失败，并且在聊天记录中出现了类似下面格式的文本。]]></description><category></category></item><item><title><![CDATA[AI Coding Agent 时代：代码越便宜，约束越贵 ]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162668970</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162668970</guid><author>MHN3teRPV</author><pubDate>Tue, 07 Jul 2026 16:14:17 +0800</pubDate><description><![CDATA[版本B则提供了更清楚的方向：api负责入口，application负责编排，domain放核心概念，infrastructure处理外部实现，tests承担行为验证。当代码生成的成本下降，真正变贵的是那些决定代码是否值得存在的东西：架构判断、模块边界、接口契约、不变量表达、测试体系、依赖规则、Review标准、上线后的反馈闭环。它真正提供的是一组约束：哪些代码应该放哪里，哪些依赖方向是合法的，哪些能力应该复用，哪些行为需要测试证明。因为真正变便宜的，不是"软件"本身，而是代码文本的生成成本。]]></description><category></category></item><item><title><![CDATA[Docker 部署 RocketMQ 5]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162637854</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162637854</guid><author>MHN3teRPV</author><pubDate>Mon, 06 Jul 2026 16:26:39 +0800</pubDate><description><![CDATA[新建一个名为的文件（任意目录，比如桌面），填入以下配置，重点修改 brokerIP1 为你的宿主机 IP# 集群名称，默认 DefaultCluster，和客户端配置一致即可# Broker 名称，同一集群内唯一# Broker ID，0 表示主节点，大于 0 表示从节点（新手先部署单主节点）# 消息删除时间，默认凌晨 04 点# 消息保留时间，默认 48 小时（可修改，比如 72 小时）# Broker 角色，ASYNC_MASTER 异步主节点（新手推荐，性能更好）]]></description><category></category></item><item><title><![CDATA[池化技术的初步改进：RoI Pooling]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162637832</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162637832</guid><author>MHN3teRPV</author><pubDate>Mon, 06 Jul 2026 16:26:01 +0800</pubDate><description><![CDATA[从 feature map 中截取一个区域，然后做一次固定尺寸的池化。它第一次在 CNN 中引入了“基于目标的特征对齐机制”。池化窗口是预先固定的，与输入内容无关。这时的池化本质就是一个“空间无关的压缩操作池化窗口不再固定，而是由“候选目标（RoI）”决定。从这个角度看，“更灵活”体现在：Pooling 的位置由输入决定、 Pooling 的范围随目标变化。从“固定操作”变成了“针对目标的操作”。]]></description><category></category></item><item><title><![CDATA[PyTorch KernelAgent 源码解读 ---（2）--- 总体流程]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162606903</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162606903</guid><author>MHN3teRPV</author><pubDate>Sun, 05 Jul 2026 15:53:57 +0800</pubDate><description><![CDATA[任务上达到 100% 正确率的开源智能体系统。KernelFalcon 代码库位于 github.com/meta-pytorch/KernelAgent，附带文档与入门示例。KernelFalcon 面临的背景和挑战如下：如果能在不扩充规则库或雇佣更多 GPU 专家的前提下，自动合成保持 PyTorch 语义且逼近手工调优性能的 Triton 内核，会怎样？因此，PyTorch推出了 KernelFalcon：一个保持 PyTorch 语义的代码到代码系统，可生成优化的 Triton 内核。它采用并行探索]]></description><category></category></item><item><title><![CDATA[Calico BGP Route Reflectors 路由反射器使用方式]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162606895</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162606895</guid><author>MHN3teRPV</author><pubDate>Sun, 05 Jul 2026 15:53:21 +0800</pubDate><description><![CDATA[而使用路由反射器（RR）时，同一自治系统（AS）内的路由器只需与 RR 建立邻居关系即可。RR 将路由信息从一台 iBGP 路由器 "反射" 给其他的 iBGP 邻居。通过这种方式，就不需要构建 iBGP 全互联（full-mesh）拓扑了。这是一种 服务器-客户端 解决方案：其中 RR 充当服务器，其余所有 iBGP 路由器作为客户端。这种方案简化了配置，减少了 iBGP 建立邻居关系的数量，同时也节省了 CPU 和网络资源。]]></description><category></category></item><item><title><![CDATA[Docker--Docker Swarm集群]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162585391</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162585391</guid><author>MHN3teRPV</author><pubDate>Sat, 04 Jul 2026 18:58:42 +0800</pubDate><description><![CDATA[Docker Swarm 是docker原生集群管理系统，它将一个Docker主机池变成了一个虚拟主机，只需要使用简单的API就可以实现与Docker集群的通信。从Docker 1.12.0开始，Docker Swarm就内置于Docker引擎中了，不需要单独安装配置。]]></description><category></category></item><item><title><![CDATA[【Agentic RL / 强化学习框架】Uni-Agent 深度技术分析（1）--- 总体]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162585384</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162585384</guid><author>MHN3teRPV</author><pubDate>Sat, 04 Jul 2026 18:58:10 +0800</pubDate><description><![CDATA[verl 解决"如何高效训练 RL 模型"，Uni-Agent 解决“如何让 Agent 在真实环境中完成多步交互并产出训练数据"。二者通过AgentLoopoutput协议连接：verl消费数据，Uni-Agent 生产数据。架构全景图如下：RL 需求Uni-Agent 如何满足AgentChatModel.query() 收集 token_output.log_probs → 存入 rollout_cache["response_logprobs"]]]></description><category></category></item><item><title><![CDATA[base64，只不过换了一个表，没有任何包装，这个总能做了吧]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162559673</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162559673</guid><author>MHN3teRPV</author><pubDate>Fri, 03 Jul 2026 19:52:11 +0800</pubDate><description><![CDATA[看到base64_custom_encode函数再看到custom_b64_table，双击拿到自定义的base64编码表直接找在线工具http://web.chacuo.net/netbasex或者手搓python如果脚本或代码有看不懂的，可以用以下提示词。]]></description><category></category></item><item><title><![CDATA[使用embedchain快速建立rag知识库，本地大模型]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162559658</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162559658</guid><author>MHN3teRPV</author><pubDate>Fri, 03 Jul 2026 19:51:25 +0800</pubDate><description><![CDATA[os.environ["OPENAI_API_KEY"] = "ollama"  # Ollama 不校验，填任意值。os.environ["OPENAI_API_KEY"] = "ollama"  # Ollama 不校验，填任意值。"model": "nomic-embed-text",  # 嵌入模型。"model": "nomic-embed-text",  # 嵌入模型。"model": "llama3.2",       # 模型名称。Windows平台， 需ws 安装程序（]]></description><category></category></item><item><title><![CDATA[深度解析Claude Code 51万行源码背后的设计实现]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162527914</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162527914</guid><author>MHN3teRPV</author><pubDate>Thu, 02 Jul 2026 20:56:27 +0800</pubDate><description><![CDATA[在源码里，每个工具都遵循同一套接口：名字、描述、额外 prompt、输入 schema、调用逻辑、权限检查、输入校验、并发安全判断，以及四层 UI 渲染方法——工具开始、工具进度、工具结果、工具报错。代码目录也非常重：主入口、查询引擎、工具注册表、100 多个 slash commands、146 个 UI 组件、自研 terminal framework、85+ hooks、330+ utils、多智能体协调、远程管理、任务系统、迁移系统，几乎把一个现代复杂应用该有的层全铺齐了。]]></description><category></category></item><item><title><![CDATA[手撕 Transformer (5)：模型构建]]></title><link>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162527900</link><guid>https://blog.youkuaiyun.com/MHN3teRPV/article/details/162527900</guid><author>MHN3teRPV</author><pubDate>Thu, 02 Jul 2026 20:55:16 +0800</pubDate><description><![CDATA[基于上述编码器-解码器结构构建用于训练的、完整的 Transformer 模型。验证一下完整模型的代码实现。实例化验证一下代码实现。]]></description><category></category></item></channel></rss>