<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ChunFEI's Blog]]></title><description><![CDATA[程序猿的成长之路]]></description><link>https://blog.youkuaiyun.com/YYMM999</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; YYMM999]]></copyright><item><title><![CDATA[简单告诉你开发中如何选择数据库]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/164377273</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/164377273</guid><author>YYMM999</author><pubDate>Sat, 05 Sep 2026 00:19:50 +0800</pubDate><description><![CDATA[<think>我们只需要输出根据给定内容生成的摘要，不超过150字。内容是关于数据库类型和索引的，但要求摘要基于“以下内容”。需要提炼核心信息。</think>数据库分关系型（SQL）与NoSQL两大类：关系型以表格存储、强ACID、适合复杂查询；NoSQL灵活扩展，含文档、键值、列族、图等类型。选型需结合数据形态与查询场景，常多库混用。索引是加速查询的关键结构，B+树最常用；聚簇索引按主键排序存整行，二级索引需回表，覆盖索引可避免。索引提升查询性能，但增加写开销。]]></description><category></category></item><item><title><![CDATA[数据库选型指南：如何匹配业务需求]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163892151</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163892151</guid><author>YYMM999</author><pubDate>Wed, 19 Aug 2026 17:14:10 +0800</pubDate><description><![CDATA[数据库选型方法论：如何选择最适合的数据库类型 数据库选型的核心在于匹配数据特性和访问模式，而不应盲目追求技术先进性。本文通过分析各类数据库的核心优化维度，为技术选型提供系统化方法论。 数据库选型的关键维度 选型需考虑六个关键维度： 数据模型：表、文档、图等不同结构 工作负载：OLTP、OLAP等不同处理类型 一致性要求：事务级别和数据约束 扩展方式：单机或分布式架构 查询模式：固定查询或复杂分析 运维成本：团队技术储备和管理复杂度 主流数据库类型及其适用场景 关系型数据库：适合事务处理和结构化数据，如Pos]]></description><category></category></item><item><title><![CDATA[基于 GitHub Actions 的 CI/CD 实战教程：从零搭建自动化构建与部署流水线]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163740121</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163740121</guid><author>YYMM999</author><pubDate>Fri, 14 Aug 2026 04:07:16 +0800</pubDate><description><![CDATA[本文介绍了如何利用 GitHub Actions 实现 CI/CD 自动化流程。主要内容包括： CI/CD 概念：持续集成（CI）负责代码构建和测试，持续交付/部署（CD）自动化部署流程。 GitHub Actions 核心组件：包括工作流（Workflow）、触发事件（Event）、任务（Job）、步骤（Step）等。 示例项目准备：使用 Node.js + Docker 构建一个简单的 Web 应用，包含测试脚本和 Dockerfile。 CI 工作流配置：通过 YAML 文件定义自动构建、测试和镜像验]]></description><category></category></item><item><title><![CDATA[MCP协议开发实战：从零搭建AI Agent工具链]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163594653</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163594653</guid><author>YYMM999</author><pubDate>Sat, 08 Aug 2026 21:08:34 +0800</pubDate><description><![CDATA[摘要： MCP协议是Anthropic提出的AI模型与工具/数据源通信标准，旨在解决传统Agent开发的工具集成难题。其核心包含Server（提供工具/资源）、Client（AI应用）和Transport（通信层），支持Tools（可执行操作）、Resources（可读数据）和Prompts（提示词模板）。通过Node.js或Python环境，开发者可快速搭建MCP Server，实现工具调用（如获取时间）和资源读取（如项目文档）。实战示例展示了从初始化、工具开发到本地测试的完整流程，最终可集成到Claud]]></description><category></category></item><item><title><![CDATA[单片机开发入门：从点亮一颗 LED 到驱动 IMU 与 OLED]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163594613</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163594613</guid><author>YYMM999</author><pubDate>Sat, 08 Aug 2026 21:02:55 +0800</pubDate><description><![CDATA[文章摘要：本文介绍了嵌入式裸机开发的基础知识，针对STMicroelectronics的STM32和Espressif的ESP32两款主流微控制器，从寄存器操作、时钟配置、中断处理等核心概念出发，通过点亮LED和驱动OLED显示屏两个实战项目，详细讲解了嵌入式开发的入门方法。文章包含硬件选型建议、开发环境搭建、代码示例及调试经验，特别强调了理解底层寄存器操作的重要性。适合学生和转行初学者系统学习嵌入式系统开发。]]></description><category></category></item><item><title><![CDATA[机器学习从经典算法到前沿实践]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163594530</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163594530</guid><author>YYMM999</author><pubDate>Sat, 08 Aug 2026 20:54:57 +0800</pubDate><description><![CDATA[本文系统梳理了机器学习的三大范式及其核心技术。监督学习通过标注数据训练模型，涵盖分类（逻辑回归、SVM、决策树）和回归（线性回归、岭回归）算法。无监督学习挖掘无标签数据内在结构，包括聚类（K-Means、DBSCAN）和降维（PCA、t-SNE）方法。强化学习通过环境交互实现智能决策，涉及Q-Learning、DQN和策略梯度算法。深度学习作为进阶引擎，介绍了CNN、RNN和Transformer等神经网络结构。文章通过流程图和代码示例，构建了机器学习技术图谱，展现了从基础到前沿的完整知识体系。]]></description><category></category></item><item><title><![CDATA[闪念录屏工具 -跟随鼠标自动放大· Flash Recorder]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163594413</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163594413</guid><author>YYMM999</author><pubDate>Sat, 08 Aug 2026 20:42:54 +0800</pubDate><description><![CDATA[《闪念录屏工具：开源免费的高效演示录制方案》 摘要：闪念录屏是一款基于Electron开发的开源免费录屏工具，主打"点击即聚焦"功能，适合制作教程演示类视频。核心特性包括：1）点击屏幕任意位置即可平滑放大2-5倍；2）支持多录制源和多种输出尺寸预设；3）提供6种光标造型和5种点击特效；4）支持音画同录及多种导出格式。工具采用三层安全架构，通过双画布技术实现丝滑的局部放大效果，并解决了Windows平台色彩管理和权限控制等技术难题。该工具完全开源，支持便携版运行，无需安装即可使用。]]></description><category></category></item><item><title><![CDATA[Agent记忆系统的四大优化策略]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163521210</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163521210</guid><author>YYMM999</author><pubDate>Thu, 06 Aug 2026 06:36:27 +0800</pubDate><description><![CDATA[避免数据冗余与过期的核心在于。]]></description><category></category></item><item><title><![CDATA[TCP/IP四层模型与主流协议解析]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163514998</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163514998</guid><author>YYMM999</author><pubDate>Thu, 06 Aug 2026 00:55:05 +0800</pubDate><description><![CDATA[计算机网络通过严谨的分层模型实现了复杂功能的解耦。物理层与链路层奠定了数据传输的物理基础与局部可靠性；网络层（IP/ICMP/ARP）解决了全球范围内的寻址与路由问题；传输层（TCP/UDP）根据业务需求提供了可靠性或实时性的端到端保障；而应用层则直接支撑了 Web、邮件、文件传输等丰富的互联网服务。理解这些协议的协同工作机制，是进行网络架构设计、故障排查及安全优化的核心前提。]]></description><category></category></item><item><title><![CDATA[向量数据库入门：开发者的实战指南]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163407787</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163407787</guid><author>YYMM999</author><pubDate>Sun, 02 Aug 2026 08:54:05 +0800</pubDate><description><![CDATA[向量数据库（Vector Database）是人工智能时代专为高维向量数据设计的专用基础设施，其核心使命是解决非结构化数据（文本、图像、音频）的问题。与传统数据库基于“精确匹配”的逻辑不同，向量数据库通过数学向量空间中的距离计算，实现“意思像不像”的模糊搜索，成为 RAG（检索增强生成）、推荐系统及多模态搜索的底层引擎。]]></description><category></category></item><item><title><![CDATA[Vue3前端渐进式框架学习历程]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163407704</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163407704</guid><author>YYMM999</author><pubDate>Sun, 02 Aug 2026 08:36:56 +0800</pubDate><description><![CDATA[接收到的消息：{{ message }}通知父组件]]></description><category></category></item><item><title><![CDATA[从提示工程到循环引擎的四大跃迁]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163407604</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163407604</guid><author>YYMM999</author><pubDate>Sun, 02 Aug 2026 08:28:30 +0800</pubDate><description><![CDATA[在上下文工程阶段，工程师致力于扩大模型的视野，利用百万级 Token 窗口和 RAG 技术让模型“看到”更多代码库和历史记录。模型缺乏自我纠错能力。即使被充分喂养了上下文，如果模型第一次生成的代码有误，它不会主动发现，也不会进行二次检查。整个管线是单向的，缺乏推动模型迭代的反馈回路。]]></description><category></category></item><item><title><![CDATA[Hermes Agent自进化部署全解析]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163298578</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163298578</guid><author>YYMM999</author><pubDate>Wed, 29 Jul 2026 11:15:39 +0800</pubDate><description><![CDATA[在。]]></description><category></category></item><item><title><![CDATA[RAG-LLM-知识库系统搭建]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/163114464</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/163114464</guid><author>YYMM999</author><pubDate>Wed, 22 Jul 2026 21:28:03 +0800</pubDate><description><![CDATA[文章摘要 本文介绍了一个独立开发的生产级AI知识库平台，整合了五大核心功能：RAG检索增强（包含真实语义嵌入与两阶段重排序）、ReAct智能体、多模型LLM支持、上下文记忆和知识图谱。平台采用前后端分离架构（React+FastAPI），支持Docker一键部署，并通过Web界面安全配置模型密钥。 关键特性包括： RAG全链路：支持多格式文档解析、分块、向量化及两阶段检索（召回+精排） 智能体系统：可视化展示任务拆解、工具调用与自我反思流程 运行时扩展性：可切换DeepSeek/小米MiMo等兼容OpenA]]></description><category></category></item><item><title><![CDATA[基于transformer自适应课程学习与模型压缩的神经机器翻译系统设计与实现]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/158742230</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/158742230</guid><author>YYMM999</author><pubDate>Fri, 06 Mar 2026 21:05:54 +0800</pubDate><description><![CDATA[本文提出了一种高效神经机器翻译系统，通过自适应课程学习和模型压缩技术解决工业级NMT系统的三大挑战：数据噪声、计算消耗和部署延迟。系统基于Transformer架构，采用LaBSE语义相似度从520万平行语料中精炼30万高质量样本，设计三阶段课程学习策略优化训练。集成WMT18冠军优化技术后，在WMT测试集上英译中BLEU达29.07（提升23%），中译英达25.24（提升12.7%）。INT8量化使模型体积压缩72.8%至354MB，CPU推理延迟降低7.3%，验证了工业部署可行性。 关键词：神经机器翻译]]></description><category></category></item><item><title><![CDATA[自然语言处理与机器学习理论]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/158415980</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/158415980</guid><author>YYMM999</author><pubDate>Thu, 26 Feb 2026 01:22:02 +0800</pubDate><description><![CDATA[本文系统梳理 NLP 与 ML 领域的核心知识点，结合代码示例帮助读者深入理解关键技术。深度学习	RNN → LSTM → Attention → Transformer。特征提取	Bag of Words → TF-IDF → Word2Vec。文本预处理是 NLP  pipeline 的第一步，质量直接影响模型效果。文本预处理	清洗 → 分词 → 去停用词 → 词干提取/词形还原。预训练模型	BERT → Fine-tuning → 下游任务适配。监督学习	需要标注数据	文本分类、命名实体识别。]]></description><category></category></item><item><title><![CDATA[基于投机解码的双协同低资源神经机器翻译系统]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/158044112</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/158044112</guid><author>YYMM999</author><pubDate>Fri, 13 Feb 2026 21:25:56 +0800</pubDate><description><![CDATA[本文提出SpecDec-Translate系统，通过投机解码和知识蒸馏实现高效低资源神经机器翻译。该系统采用30M参数的本地轻量模型与云端API协同工作，动态调整API调用阈值，在保证翻译质量（BLEU 35.2）的同时显著降低API调用成本（减少65%）。实验表明，该方法能以较低延迟（6倍加速）达到接近GPT-4的翻译性能，为边缘设备上的高质量机器翻译提供了可行方案。]]></description><category></category></item><item><title><![CDATA[云服务器部署 OpenClaw 完全指南：从零搭建 7×24 小时 AI 助手]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/158038263</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/158038263</guid><author>YYMM999</author><pubDate>Fri, 13 Feb 2026 12:12:39 +0800</pubDate><description><![CDATA[OpenClaw 是一个开源的自主智能体（Autonomous Agent）框架，支持通过自然语言指令执行跨平台自动化任务。7×24 小时在线：无需保持本地设备开机公网访问：支持 Webhook 回调和远程控制多平台接入：Telegram、飞书、Discord、WhatsApp 等通过云服务器部署 OpenClaw，你可以获得一个永不离线的 AI 助手，无论是作为个人效率工具还是团队客服支持都非常适用。对于新手，推荐使用阿里云/百度云的应用镜像一键部署；对于有运维经验的用户，手动部署。]]></description><category></category></item><item><title><![CDATA[红帽Linux必学30个高效命令]]></title><link>https://blog.youkuaiyun.com/YYMM999/article/details/158038139</link><guid>https://blog.youkuaiyun.com/YYMM999/article/details/158038139</guid><author>YYMM999</author><pubDate>Fri, 13 Feb 2026 12:02:27 +0800</pubDate><description><![CDATA[摘要：本文提供了红帽系列Linux（RHEL/CentOS/Fedora）的常用命令指南，涵盖基础文件操作、用户权限管理、软件包安装、系统服务管理、网络配置等核心功能。重点包括：文件目录操作（ls/cd/mv/rm）、文本编辑（vi/nano）、用户组管理（useradd/passwd）、软件包管理（yum/dnf）、服务控制（systemctl）、网络诊断（ip/ping）以及SELinux安全配置等实用命令。建议通过实践练习结合man手册逐步掌握，这些命令是红帽Linux系统管理和开发的基础工具，能显著]]></description><category></category></item></channel></rss>