- 博客(11)
- 收藏
- 关注
RSS订阅原创 前端安全攻防：XSS, CSRF 等常见威胁的防范与检测指南
原理： 服务器在用户登录时，在 Set-Cookie 响应头中发送一个 CSRF Token（可以与同步 Token 模式的 Token 相同），这个 Token 不保存在 Session 中（或与 Session Token 无关，但仍需动态生成、不可预测）。原理： 服务器生成一个唯一的、一次性的、与用户会话绑定的 Token，并通过表单中的隐藏字段 <input type="hidden" name="csrf_token" value="..."> 或在 AJAX 请求的响应头中发送给客户端。
2025-09-09 16:55:30
817
原创 WebAssembly：开启高性能 Web 应用的新篇章
在互联网技术飞速发展的浪潮中，Web应用的性能一直是一个重要的优化目标。Emscripten： 一个C/C++到WebAssembly的编译工具链，可以将C/C++代码编译成Wasm，并生成JavaScript胶水代码（glue code），使Wasm模块能够与JavaScript互操作。Rustc + wasm-pack： Rust语言官方支持WebAssembly，通过rustc编译器可以生成Wasm目标，wasm-pack工具则可以打包Rust生成的Wasm模块，并生成JavaScript绑定。
2025-09-08 16:58:15
855
原创 Spring Boot 源码深度解析：揭秘自动化配置的魔法
这正是“按需配置”的体现。例如，引入spring-boot-starter-web，classpath 中会有 javax.servlet.Servlet、org.springframework.web.servlet.DispatcherServlet 等类，WebMvcAutoConfiguration 就会被加载。
2025-09-05 17:48:00
567
原创 Agent Prompt工程：如何让智能体更“听话”？（实践指南）
随着大型语言模型（LLMs）能力的飞速发展，它们不再仅仅是简单的文本生成器，而是可以被赋予“智能体”（Agent）的能力，具备规划、工具调用、记忆、自主学习等复杂行为。* **Vector Databases:** 将重要的信息（如关键决策、用户偏好、知识片段）嵌入（Embed）后存入向量数据库，通过相似性搜索检索相关信息，再加入Prompt。示例： "请以JSON格式输出，包含"thought", "action", "action_input", "observation" 字段。
2025-09-04 18:27:46
576
原创 大模型工程化：解决实际部署中遇到的挑战与解决方案（含代码）
这其中涉及的挑战远不止模型本身的性能，还包括部署效率、资源利用、成本控制、稳定性、可维护性以及可扩展性等一系列复杂问题。大模型工程化是一个系统工程，需要将模型、推理引擎、API服务、容器化、基础设施、监控报警和安全能力融为一体。FastAPI作为代理（可选）： 如果需要在vLLM API之上添加额外的逻辑（如身份验证、限流、日志更丰富），可以在FastAPI中写一个简单的代理，转发请求到vLLM的8000端口。我们将深入探讨模型优化、高效推理服务、弹性伸缩、版本管理、监控与日志以及安全性等关键工程实践。
2025-09-04 18:27:05
907
原创 AI+法律：用ERNIE-Bot解析合同条款，识别风险点
近年来，人工智能（AI）在法律领域的应用逐渐成为热点，尤其是大型语言模型（LLMs）在文本理解和信息提取方面的强大能力，为合同审查带来了新的可能性。本文将探讨如何利用ERNIE-Bot来解析合同条款，识别其中的风险点，并提供相关的代码示例，展示AI在法律领域的实际应用潜力。随着技术的不断进步，我们有理由相信，AI将在未来的法律实践中扮演越来越重要的角色。对法律的“理解”是统计性的: LLM并非真正的法律专家，它的理解基于训练数据中的模式，而非深刻的法律逻辑推理。但若逾期超过三十日，甲方有权解除合同。
2025-09-03 17:26:51
406
原创 RAG实战：解锁企业知识，用LangChain + Pinecone 构建智能问答系统
RAG 的核心思想是：在 LLM 生成答案之前，先从知识库中检索出与用户问题最相关的上下文信息，然后将这些信息与用户问题一起作为 Prompt 输入给 LLM，从而确保 LLM 的回答基于可靠的、最新的企业内部知识。这些向量在多维空间中捕捉文本的语义信息，相似的文本具有相近的向量。Pinecone： 作为一家领先的托管式向量数据库服务商，Pinecone 提供了高性能、高可用、可大规模扩展的解决方案，能够高效地存储和检索海量企业知识的向量表示，非常适合满足企业级应用对性能、易用性和管理的需求。
2025-09-03 17:26:14
716
原创 AI代码生成神器终极对决：CodeLlama vs StarCoder vs Codex，谁才是开发者的「最佳拍档」？
微调友好：提供「StarCoder Base」模型（未针对特定任务优化，适合微调）和「StarCoder Plus」（已优化代码生成），Hugging Face的 peft 库支持低秩自适应（LoRA）微调，用消费级GPU（如RTX 3090）即可微调13B模型，适配团队代码风格（如强制变量命名为 snake_case、要求函数必须有文档字符串）；CodeLlama和StarCoder是「纯代码专精模型」，而Codex（及后续GPT-4代码能力）更像「通用智能的代码分支」，底层设计差异直接影响编码表现。
2025-09-02 17:53:23
1100
原创 AI 代码生成神器对比：CodeLlama vs StarCoder vs Codex，谁更懂开发者？
无论是追求与特定生态的契合，还是看重开源灵活性，亦或是依赖便捷的 API 调用，都能在这三款神器中找到适合自己的工具，借助 AI 代码生成技术，开启高效编程的新篇章。假设存在一个复杂的项目代码，其中包含多个函数之间的嵌套调用和复杂的数据结构操作，StarCoder 能够从整体上理解代码的功能，从而生成连贯且符合逻辑的代码片段。无论是在日常的代码编写中，还是在复杂项目的开发过程中，AI 代码生成工具都将成为开发者的得力助手，让编程变得更加轻松、高效，开启软件开发的新纪元。
2025-09-02 17:52:33
725
原创 ChatGLM-6B全流程部署：环境搭建→模型加载→API调用（附避坑指南）
在动辄需要数百GB显存的大语言模型时代，ChatGLM-6B如同一股清流——这个由清华大学开源的对话模型，仅需13GB显存（INT4量化后仅需6GB）即可运行，让普通开发者和研究者都能在消费级显卡上体验大语言模型的魅力。本文将带你完成从零开始的ChatGLM-6B全流程部署，无论你是想搭建企业内部问答系统，还是希望学习大模型部署技术，这篇指南都能为你提供清晰的路径和实用的解决方案。max_length = gr.Slider(128, 2048, value=1024, label="生成长度")
2025-09-01 16:53:10
756
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