自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(24)
  • 收藏
  • 关注

原创 [深度学习] 大模型学习8上-推理部署框架llama.cpp与Ollama使用指北

## 5. 对比与选型建议| 特性 | llama.cpp | Ollama ||------|-----------|--------|| 底层实现 | C/C++ | Go + llama.cpp 核心 || 上手难度 | 中等(需编译) | 极低(一键安装) || 自定义程度 | 高(可量化、调参) | 低(提供基本选项) || API 支持 | 需额外配置 | 自带 REST API || 适用场景 | 高性能定制部署 | 快速原型、教育演示 |如果你追求极致性能和深度定制,选择。

2026-07-31 17:25:25 238

原创 .NET 8 Web开发入门(五):构建盾牌——数据验证与全局异常处理

的方式,这样更直观,也更容易理解管道(Pipeline)的概念。

2026-07-31 17:24:25 174

原创 Docker--容器常用命令

快速调试--link。

2026-07-30 16:29:44 205

原创 Claude Code 实战 400 万 Tokens:接入 DeepSeek V4,从$26降到$2

本文将通过实际代码演示,展示如何将 Claude Code 的工作流接入 DeepSeek V4 模型,在保持输出质量的前提下,将 400 万 Tokens 的推理成本从 26 美元降至 2 美元。在实际测试中,通过将任务压缩到 70%,结合 DeepSeek V4 的低价,400 万 Tokens 的成本从 $26 降至约 $2(具体计算:400万 * 0.7 * $0.5/M = $1.4,加上少量额外开销)。最终,在 400 万 Tokens 的测试中,成本从 $26 降至 $2,降幅超过 90%。

2026-07-30 16:28:44 230

原创 语音克隆模型的难点之一:音素对齐及交叉注意力早期失效问题 (兼论旋转位置编码)——F5-TTS、SupertonicTTS、VoxFlash-TTS 对比

p/

2026-07-28 15:35:51 172

原创 Leader 不参与读请求?etcd 线性读实现揭秘

很多初学者会误以为 etcd 的读请求都会经过 Leader,但实际上,这是一个常见的误解。etcd 的线性读机制设计得非常巧妙,它既能保证强一致性,又能通过 Follower 节点分担读负载。在分布式系统中,读一致性是一个核心问题。## 代码示例 2:etcd 客户端线性读 API 调用现在,我们看看如何在实际的 etcd 客户端中启用线性读。etcd 的线性读实现是分布式系统设计中的经典案例,它完美平衡了一致性、可用性和性能。:默认模式,性能高,但可能读到旧数据(适合可容忍最终一致性的场景,如监控)。

2026-07-28 15:34:47 204

原创 【机器人 / 强化学习】IQL(Implicit Q-Learning):离线强化学习的隐式价值提取

## 与CQL的对比| 方法 | 约束方式 | OOD处理 | 计算开销 ||------|----------|---------|----------|| CQL | 显式惩罚Q值 | 对OOD动作加惩罚项 | 需采样OOD动作 || IQL | 隐式价值提取 | 通过期望回归避免外推 | 仅需已有数据 |## 在机器人领域的应用IQL在D4RL的机器人任务(如HalfCheetah、Walker2d)上表现优异,尤其对中等质量数据(medium数据集)效果显著。具体通过两个关键组件实现:-

2026-07-27 16:47:09 217

原创 .NET 10 File-Based Apps:一个 .cs 文件搞定一切,C# 终于也能像 Python 一样写脚本了!

| 跨平台 | 支持 | 通过 .NET 支持 |C# 的 File-Based Apps 在保留静态类型安全的同时,极大地简化了开发流程。文件,就能像写 Python 脚本一样,快速创建控制台应用、Web 服务,甚至小型工具。文件 (File-Based) ||------|-----------------|--------------------------|| 启动方式 ||| 类型系统 | 动态类型 | 静态类型(可推断) || 性能 | 解释型,较慢 | 编译型,快速 || 依赖管理 |

2026-07-27 16:45:59 238

原创 app开发:模拟服务器数据接口 - MockApi

在移动应用开发中,我们经常面临一个两难困境:前端需要数据来调试界面,但后端接口还没开发完成。比如,你想在 App 里展示一个用户列表,MockApi 会返回一段伪造的 JSON 数据,让你能立刻看到列表效果。毕竟,没有 Mock 数据的测试,就像没有燃料的火箭,飞不起来。## MockApi 的高级技巧### 1. 模拟错误场景在实际开发中,我们经常需要测试网络异常、服务器错误等情况。最常见的方案是使用 Python 的 Flask 框架或 Node.js 的 Express,但为了更简单,我们推荐用。

2026-07-26 15:31:09 214

原创 我的编程经历与我所热爱的游戏服务端开发

2026-07-26 15:28:35 237

原创 在 .NET 上构建超大托管数组

# 六、总结本文从 .NET 数组的固有边界出发,逐步介绍了三种构建超大托管数组的方案:| 方案 | 适用场景 | 优点 | 缺点 ||------|----------|------|------||| 高性能内存操作 | 零拷贝,类型安全 | 无法突破单对象大小 || 自定义分页数组 | 超大数据(>2GB) | 突破单对象限制 | 索引计算开销 || 内存映射文件 | 持久化或超大数据 | 支持虚拟内存 | 文件 I/O 性能开销 |归还,否则内存泄漏- 池中的数组被清空(默认行为),可设置。

2026-07-25 16:33:21 253

原创 架构师必备:多维度查询的最佳实践

例如:| time | region | category | sales ||------|--------|----------|-------|| Q3 | 华东 | 电子 | 150 || Q3 | 华东 | 食品 | 80 || Q3 | 华北 | 电子 | 120 || …以Elasticsearch为例,它通过倒排索引将每个维度的每个取值映射到对应的文档ID列表,查询时通过位图(Bitmap)或跳表进行交集运算,实现毫秒级响应。

2026-07-25 16:32:07 246

原创 高可用之路-闲聊监控指标的局限

例如,CPU使用率反映计算资源的忙碌程度,错误率衡量请求处理的失败比例。例如,一个高并发下的系统,CPU使用率可能稳定在70%,但实际请求延迟已飙升到10秒。例如,一个缓存服务返回过期的数据,虽然请求成功,但业务逻辑出错。实际中,CPU使用率接近100%时,任务调度和上下文切换的开销会急剧增加,导致吞吐量下降。要构建真正高可用的系统,需要理解指标的局限性,并结合分位数、业务指标、混沌工程和日志分析来构建多维度监控体系。记住:监控是手段,而非目的——真正的目标是理解系统的真实行为,并在故障发生前预判风险。

2026-07-24 18:18:58 187

原创 开源:把自己“博客转推文“蒸馏成一个 Agent Skill

将你长期积累的博客写作经验(知识)提炼成一组可执行的规则和模型参数。

2026-07-24 18:17:52 211

原创 重Harness已死:强模型自己就能把活干漂亮

未来的AI系统,将更像一个“提示词+强模型”的简洁组合,而不是“模型+一堆Harness”的臃肿架构。## 强模型如何打破枷锁?如今,像GPT-4、Claude、Gemini这样的强模型,已经具备了惊人的原生能力: -## 示例2:代码生成与自纠错### 传统Harness:代码模板+规则校验过去,让模型生成代码,往往需要复杂的Harness来检查语法、补充缺失部分、甚至手动修正。在AI和机器学习领域,我们曾经痴迷于构建复杂的“Harness”——那些用来约束、引导、增强模型的管道、规则和外部工具。

2026-07-23 16:17:58 244

原创 16、InputStreamReader和StreamDecoder的源码和使用方法详细分析(windows操作系统,JDK8)

核心要点回顾。

2026-07-23 16:16:47 202

原创 Charlee44的技术驿站

Docker方案信创(信息技术应用创新)体系中的操作系统几乎全部基于 Linux 内核,属于 Linux 发行版的国产化分支。当前主流产品如下:操作系统 开发单位 基础来源 主要架构 典型应用场景银河麒麟(KylinOS / Ubuntu Kylin) 麒麟软件(中国电子旗下) Ubuntu / FreeBSD(早期) x86_64, ARM64(飞腾、鲲鹏) 政府、军工、金融。

2026-07-22 15:36:36 331

原创 字符串字面量:类型的链表!#

而过滤器在需要值的时候,只是简单地访问 TLiteral.Value,再通过 TString.Length 和 TString.Write 复原出一个 ValueString(“Seattle”),其中复原通过静态类型的缓存完成,借助类型系统的力量,每一个独立的字面量都会产生一个单独的类型实例,我们的字面量就缓存在那个类型的静态字段里,从而避免了一切运行时的计算开销。最终的效果就是:WHERE 子句里每一个字面量,都会变成一个具体的 ILiteral 类型,值直接嵌在类型参数里。>,里面放运行时类型;

2026-07-22 15:35:40 192

原创 - AI Agent与Agentic AI(2)

检索增强生成系统——RAG系统已成为构建长期对话Agent的主流架构。然而,现有RAG系统的记忆编码遵循“统一化”原则——所有对话片段经由同一个嵌入模型映射为等长向量,无论其情绪强度如何。这种“扁平编码”忽视了认知科学中的一个基本事实:情绪唤醒事件在人类记忆系统中享有编码优先级。情绪增强记忆效应(EEM)表明,高唤醒事件触发杏仁核-海马体协同信号,实现更深度的记忆编码与更持久的巩固(Cahill & McGaugh, 1995;

2026-07-21 15:01:45 253

原创 ResourceFlavor:资源长什么样

coveredResources: [“cpu”, “memory”] # 第一组:计算资源resources:name: cpunominalQuota: 16 # 保底配额borrowingLimit: 8 # 最多能从 Cohort 借多少lendingLimit: 8 # 最多允许别人借多少。

2026-07-21 15:01:05 175

原创 使用embedchain快速建立rag知识库,本地大模型

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。框架: Embedchain。

2026-07-19 16:26:54 184

原创 自学Python第11天:字典——我终于能让程序像查字典一样找东西了

前面学过的列表和元组,都是按顺序存数据的。想找到某个数据,得知道它的位置(下标)。但有些场景不适合用列表。比如我想存一个班级学生的成绩,用列表的话是这样:students = [“张三”, “李四”, “王五”]想查张三的成绩,得先找到张三所在列表里的位置,再去成绩列表里找同一个位置的数据,非常麻烦。今天就来学字典——一种用"名字"来找"值"的数据容器,就像查字典一样方便。一、字典是什么想象一下你手机上的通讯录。你不会说"第3个人是谁",而是直接说"张三的电话是多少"。

2026-07-19 16:25:50 205

原创 实现思路与技术路径

该方案的优势在于利用 Excel 作为中间载体,可以灵活设置表头样式、列宽、边框等格式,再统一转换为 PDF,相比直接绘制 PDF 表格,开发效率更高。本文使用的免费版本支持基础的 Excel 编辑与 PDF 转换能力,免费版存在页数限制,PDF 输出仅转换前 3 页内容,适合小规模数据报表场景。以下示例演示从 SQL Server 数据库读取产品表数据,写入 Excel 并设置基础样式,最终导出为 PDF 文件的完整流程。/// 将 DataTable 数据导出为 PDF 文件。

2026-07-18 15:01:01 197

原创 统一数据通道

随后,系统将这些物理拓扑特征与集群空闲资源及目标端限流阈值等进行综合计算,动态推算出最优的并发参数进行任务切分,通过资源的“按需分配”与底层物理特征的完美对齐,提升了集群整体的执行效率与资源利用率。重构过程必须对上层业务完全透明,确保历史任务平滑过渡,开发人员的学习和迁移成本降至最低,在正式切换前,支持新老引擎的“双跑”模式,业务侧无需手动重写任何代码即可完成底层引擎的无缝替换。通过统一功能架构,整合公司现有的 4 种线上数据通道服务,构建基于 SeaTunnel 引擎的批流一体化统一数据通道服务。

2026-07-18 15:00:09 217

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

提示
确定要删除当前文章?
取消 删除