QJtDK1R5a的博客

原创 QQ图片链接

原创 多模态与主流模型架构

ViT（Vision Transformer）的核心思想是将标准的 Transformer 架构直接应用于图像处理：将图像视为序列，直接应用 Transformer，打破 CNN 的局限性（局部性、平移等变性）。在包含 4 亿个图文对的大规模数据集上进行预训练，目标是让模型学习到图像和文本之间细粒度的对应关系。SAM 是一个用于图像分割的提示基础模型，其设计目标是实现“可提示的分割”。视觉与文本的对齐旨在让模型理解“这幅图”和“这句话”在语义上是匹配的。图像分割领域常用的指标主要有：（这些我也不懂）

原创 PII与LLM隐私保护实战指南

PII = Personally Identifiable Information（个人身份可识别信息），指任何能够单独或结合其他信息识别出具体个人身份的数据。不同地区和法规对 PII 的定义略有差异，但核心都是能够定位到特定个人的信息。PII 的保护不仅是数据字段的问题，更是系统设计的问题。在 AI 时代，数据流动越来越频繁，LLM 的使用也越来越广泛，保护 PII 需要从技术、流程、人员等多个方面入手。

原创 从0到1的yapi接口文档部署记录

第一次会让你填入token，就是刚刚叫你复制的token粘贴进去，然后点确认，这个controller里面的接口就生成上去了，如图所示。但是这一套每次都需要花费老长时间去生成，而且如果我有改动又要重新生成，再粘贴到在线文档，太麻烦了，最终决定使用别的第三方。装好后再在路径：setting-other settings-Yapi 里面粘贴你的后台yapi的url，如下截图。然后去阿里云开放端口号，然后IP+端口号浏览器进入，使用账号和密码登录进去，再新建个项目。快捷键：shift+alt+e。

原创 CLIProxyAPI + OpenCode

Go 代码 🤔，有环境直接源码编译，再。

原创 重塑WPF辉煌？基于DirectX 12的现代.NET UI框架Jalium

Jalium.UI 不是一个小打小闹的玩具项目，而是一次认真的尝试：用现代技术栈重新实现WPF的设计理念。它保留了WPF开发者熟悉的编程模型，同时用DirectX 12替换了老旧的MilCore渲染层，用Source Generator替代了运行时反射，用.NET 10的最新特性提升了开发体验。87个以上的控件、完整的动画和效果系统、灵活的标记语言……这些足以证明其野心。虽然目前还是一个年轻的项目，但它已经展现出了巨大的潜力。

原创 深入剖析 nanobot：轻量级 AI Agent 框架的架构之道

nanobot 并没有发明新的算法，它的高明之处在于工程实现的克制与优雅极简的接口设计：让接入一个新的 IM 渠道变得异常简单。巧妙的 Prompt 工程：利用虚拟工具解决了结构化输出的难题。务实的记忆管理：通过分层存储，在 Token 消耗和记忆持久性之间找到了平衡。

原创 来自地平星上的物理学

你在加速上升的电梯里感受到的“地板压力”，和在地面静止的电梯里感受到的，感觉完全一样。他们用“地斥力”解释了一切：从炮弹射程到人造卫星的“悬浮”，都可以用那个 �=���2 的公式计算。如果地平星的某位物理学家——我们不妨称他为地平星的爱因斯坦——某天突然意识到：与其引入一个神秘的速度依赖力，不如假设地面是弯的。地平星上的物理学家进行了精确的实验，这些实验显示向上的加速度 � 与速度的平方成正比，即 �∝��2。我们教给学生的“万有引力”：两个有质量的物体互相吸引，力的大小正比于质量乘积，反比于距离平方。

原创 V4L2 vs GStreamer vs FFmpeg：Linux多媒体处理的三个层级

技术核心价值一句话描述V4L2统一硬件访问Linux 上访问摄像头的唯一标准方式GStreamer灵活流水线处理构建复杂多媒体应用的框架FFmpeg强大编解码能力处理多媒体文件的瑞士军刀。

原创 跨平台 UI 工程的 Agentic 转型：MCP 在 Avalonia 生态中的深度应用与架构演进

对于专业的.NET 开发者而言，积极拥抱 MCP 不仅仅是为了提高编写 XAML 的速度，更是为了在 Agentic AI 时代重塑自己的工程角色，将精力从繁琐的“像素微调”中解放出来，投入到更具创造性的架构设计之中。如果一个框架能够让 AI 更好地理解其运行时状态，那么该框架的开发效率将获得指数级的提升，从而吸引更多的开发者。例如，一个 AI 代理可以同时控制一个运行在 Web 上的管理后台和一个运行在桌面上的 Avalonia 客户端，确保两端的业务逻辑和视觉风格在实时同步中保持一致。

原创 揭秘 Codex Agent 的核心运行机制：从循环到智能决策

Agent Loop = 让模型在一个循环里，不断思考 → 行动 → 看结果 → 再思考。Codex CLI 的核心不是“一次推理”，而是反复展开这个循环，模型不是直接给答案，而是每一轮只决定：我下一步该干什么？1. 先忘掉「大模型」，把 Codex 当成一个“新人程序员”想象一个刚入职的初级工程师，你给他一个任务：“帮我把这个项目跑起来，并写一个 README。他会怎么做？一定不是：“我闭上眼睛，一次性把所有事情做对。而是更接近下面这个过程：1 先看看项目目录结构2 猜一猜怎么运行。

原创 OAuth2.1与OIDC在企业中的落地路径与常见误解

OAuth 2.1与OIDC共同构成了现代企业身份治理的基石。OAuth 2.1通过PKCE强制化、移除高危模式等改进大幅提升了安全性；OIDC则填补了身份认证的空白，为分布式系统提供了标准化的身份解决方案。成功实施的关键原则协议标准化：强制使用OAuth 2.1+OIDC组合，淘汰传统协议。

原创 C# 14 中的新增功能

支持重载复合运算符（如。

原创 [NormalFromTexture节点]原理解析与实际应用

【代码】[NormalFromTexture节点]原理解析与实际应用。

原创 C# 实现 OCR 转双层 OFD，字符坐标与原图 1:1 精准匹配

1 针对 OCR 输出的字符四点坐标，我们搭建了精准的几何计算模型：通过解析四点构成的字符包围盒，结合像素与物理尺寸的映射关系，先计算出字符实际显示尺寸；2 在 TextCode 坐标计算环节，我们深度结合 baseline（基线）特性，突破传统仅依赖包围盒中心定位的局限：以基线为参照基准，结合字符行高、字间距等参数，精准计算出 OFD 文档中 TextCode 的 x、y 坐标，确保还原后的文本位置与原图完全契合。

原创 C# 扩展方法只会写 this 吗？C# 14 新语法直接把扩展方法玩出了花

既然说到是给 StarBlog 写的脚本，那我也把实际用到的代码放出来吧。实际上是一个提取 markdown 二级标题下段落的扩展方法。再用 method group 简化一下，最终效果。关键字定义一个块，将目标类型集中声明。新语法（C# 14 / .NET 10）方法又可以用 LINQ 语法简化一下。传统的扩展方法需要每个方法都重复写。参数，且只能扩展方法。以前我们无法给一个现有的类（比如。）添加静态工具方法，现在可以了。翻译翻译，什么叫优雅？

原创 python-langchain框架（3-2-文本文档加载器 ）

简单总结：TextLoader 只适用于「无复杂格式的纯文本类文件」，复杂格式需搭配对应专用 Loader。但如果文件包含非文本编码（如二进制、特殊格式标记），读取后会出现乱码，失去实际意义。TextLoader 的核心逻辑是「按字符读取文件内容」，无论文件后缀是什么，只要是。

原创 拆解 OpenHands（9）--- AgentController

控制器唯一标识IDid: str# 被控制的Agent实例（核心决策组件）# Agent执行的最大迭代次数（防止无限循环）# 事件流实例（组件间通信的核心枢纽）# 当前系统状态（包含完整上下文信息）# 动作确认模式开关（开启时需确认后才执行Agent动作）# Agent名称到LLM配置的映射（用于委托代理场景）# Agent名称到Agent配置的映射（用于委托代理场景）# 父控制器实例（存在层级委托时非空）# 委托的子控制器实例（当前控制器委托任务时非空）

原创 一款Go语言Gin框架MVC脚手架，满足大部分场景

步骤 5：新增 Controller 和路由。将 Controller 放到。PostgreSQL 订单库。示例：新增“商品管理”模块。步骤 2：新增仓储接口。步骤 3：新增仓储实现。步骤 4：新增业务服务。步骤 6：新增数据库表。

原创 V4L2 vs GStreamer vs FFmpeg：Linux多媒体处理的三个层级

技术核心价值一句话描述V4L2统一硬件访问Linux 上访问摄像头的唯一标准方式GStreamer灵活流水线处理构建复杂多媒体应用的框架FFmpeg强大编解码能力处理多媒体文件的瑞士军刀。

原创 射线法判断一个坐标点（经纬度）是否在一个多边形区域内部

如果满足条件，则说明发生了一次有效相交。关于这一问题，可以使用射线法判断。交点是否在点的右侧。

原创 PHP 现在可以零成本构建原生 iOS 和 Android 应用 NativePHP for Mobile v3 发布

未来几周，市场将向第三方开发者开放，届时开发者可以在 nativephp.com 上架自己的插件，甚至可以销售自己开发的插件。Jump 是一个安装在手机上的应用（支持 Android 和 iOS），可以在真机上测试 NativePHP 应用，无需编译任何东西，也不需要开启开发者模式。Artisan 命令，打开手机上的 Jump 应用扫描二维码，Laravel 应用就会直接加载到设备上，连接到本地开发服务器。只有注册的插件才会被编译进最终的二进制文件，这样可以保持应用体积精简，也有助于通过应用商店审核。

原创 Calico-Node Pod 启动时 READY 状态卡在 0/1 排查流程

还需要额外解释下，first-found 文档中描述的 "the first valid IP address on the first interface (excluding local interfaces such as the docker bridge)." 只是举例，他的。接口遍历顺序由宿主机内核/Netlink 返回的接口顺序决定，常见情况下与接口 ifindex（创建顺序/系统里登记的编号）相关；发现请求集群 demo 入口时卡住，并且对应 Pod 没有新的日志输出。

原创 常用 Linux Debug 命令总结

这五个API是Linux文件I/O的基础，涉及打开，读取，写入，关闭，方位五个方面，所有进阶操作均基于它们展开，每个API我读会讲清函数原型，参数含义，返回值，常见错误与避坑点，最后给出两个程序案例，分别通过系统调用I/O与C++标准库I/O去实现copy程序与seek_io程序，并综述系统调用与C++标准库所解决的问题与局限性。本文面向有C基础，想入门Linux系统编程的开发者，所有代码均可直接复现，读完你将彻底搞懂Linux文件I/O的核心逻辑，写出更健壮，高效，完全的I/O代码。

原创 计算机视觉 第一周：卷积基础知识 课后习题和代码代码实践

它不和SKILLS、SUBAGENTS一样按需加载，它会一直存在于上下文中，所以要尽量小的占用上下文，要做到只放重要信息和你的特殊要求。你可以在这个文件加入强制它执行规划的提示，如“每次实现新功能的时候，先规划一下然后反思一下规划，有不明白的要向我提问，直到我明确提出执行计划你才能开始编写代码”你添加一个接口的时候，让Claude按照你的目录的规划来实现各自的代码，而不是自己创建新的目录和文件来实现逻辑。很多模型默认生成MySQL语法的语句，你项目如果使用Postgresql你就可以在这里说明。

原创 你以为在给 AI 下命令，其实你在改写它的概率分布

模型并不知道自己在执行什么任务。Prompt 的作用是让模型判断：写作语境问答语境分类语境推理语境这不是通过“理解任务”实现的，而是通过：👉上下文模式识别。

原创 深度学习入门

因为它是连续可微的函数，能量化模型预测与真实标签的差异，其梯度可指导参数沿“减小误差”的方向更新；因为神经网络学习的目标是最小化损失函数，负梯度方向是损失函数值减小最快的方向，沿该方向更新参数能高效逼近损失函数的最小值（或局部最小值）。通过调整未知的权重参数和偏置参数，最小化损失函数的值，让模型具备对测试数据的泛化识别能力，实现模型对未知数据的稳定预测。在几何意义上，梯度是损失函数在当前参数点处的方向导数最大值方向，即函数值增长最快的方向，其模长表示增长的速率。**Q3. 为什么必须引入非线性激活函数?

原创 AI开发者如何无痛部署Oracle AI Database 26ai环境

根据环境选择你需要下载的介质，笔者这里是OEL8.10，所以选择OEL8所对应的企业版数据库软件的rpm以及相关依赖包的rpm。

原创 我不允许谁还不清楚function call在AI-Agent领域中打手的地位

而当你希望大模型能使用一些工具自行获取所需的信息、执行一些动作，就需要使用 Tool 来实现了，拥有了 Tool 的大模型就像是拥有了手脚，可以和当下已有的 IT 基础设施进行交互。从三次请求对话来看， LLM在三次对话的响应中体现了它的思考和逻辑步骤，应用持续被LLM引导做出行动，同时LLM也持续对应用的行为做出进一步观察和思考。来完成，chain是一种特殊的、简化的graph，chain不能回头，本例需要手动串起来，Chain更适合确定性的编排。本例的Graph图如下，读者可以结合源代码理解。

原创 ROS1 noetic 中将 Unitree G1 基于 Gazebo/RViz 关节联动【基于 Gazebo 状态反馈】

【代码】ROS1 noetic 中将 Unitree G1 基于 Gazebo/RViz 关节联动【基于 Gazebo 状态反馈】

原创 编写一个Buildroot 内核驱动

/ 内核日志打印 return 0;// 返回0代表加载成功 } /* 卸载函数（驱动出口），当驱动被 rmmod 卸载时自动执行 */ static void __exit helloworld_exit(void) { printk("02_helloworld_exit\r\n");} /* 下面这两行，告诉内核入口和出口分别是哪两个函数 */ module_init(helloworld_init);/* 这3个是模块信息声明 */ MODULE_LICENSE("GPL v2");