<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[高效匠人]]></title><description><![CDATA[专注3小时，平凡而不平庸。]]></description><link>https://blog.youkuaiyun.com/c123728529</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; c123728529]]></copyright><item><title><![CDATA[macOS 上快速启动 Open WebUI-模型训练]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/154985468</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/154985468</guid><author>c123728529</author><pubDate>Tue, 18 Nov 2025 11:39:17 +0800</pubDate><description><![CDATA[本文详细介绍了在 macOS 上通过 Docker 快速部署 Open WebUI（原 Ollama Web UI）的完整流程。主要内容包括：安装 Ollama 和 Docker、拉取大语言模型、运行 Open WebUI 容器、访问 Web 界面等步骤。文章提供了清晰的命令行示例，并涵盖了常见问题解决方法。整个过程仅需 5-10 分钟，无需编程基础即可实现本地大模型交互界面。此外还包含进阶配置建议和快速启动清单，帮助用户快速上手使用。]]></description><category></category></item><item><title><![CDATA[FSDP、FSDP2 和 Megatron-LM 是三种主流的分布式训练框架或技术]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/151797486</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/151797486</guid><author>c123728529</author><pubDate>Wed, 17 Sep 2025 16:32:17 +0800</pubDate><description><![CDATA[维度开发方NVIDIA基础框架PyTorch 原生支持自研框架（基于 PyTorch）并行方式主要是数据并行 + 分片混合并行（TP + PP + DP）显存效率高（参数/梯度/优化器分片）极高（多维度分片）训练速度快（尤其是 FSDP2 + compile）非常快（高度优化）易用性较高（PyTorch 风格）较低（需深入理解并行）扩展性支持数百 GPU支持数千 GPU适用场景中大型模型、研究场景超大规模工业训练是否支持编译加速✅ FSDP2 支持。]]></description><category></category></item><item><title><![CDATA[vLLM 和 SGLang 是两个近年来备受关注的开源项目]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/151796214</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/151796214</guid><author>c123728529</author><pubDate>Wed, 17 Sep 2025 15:48:56 +0800</pubDate><description><![CDATA[vLLM和SGLang是提升大语言模型效率的两个重要开源项目。vLLM专注于推理优化，通过创新的PagedAttention技术显著提高吞吐量，降低显存占用，适用于高并发场景。SGLang则提供结构化生成的编程框架，简化复杂逻辑的编写，支持JSON输出、多步推理等高级功能。两者可协同使用：SGLang处理应用逻辑，vLLM提供底层加速。vLLM代表基础设施优化，SGLang代表应用层抽象，共同推动大模型从&quot;能用&quot;到&quot;好用&quot;的演进，是构建AI应用的重要工具组合。]]></description><category></category></item><item><title><![CDATA[能力评估：如何系统评估你的技能和经验]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/150231764</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/150231764</guid><author>c123728529</author><pubDate>Mon, 11 Aug 2025 23:03:50 +0800</pubDate><description><![CDATA[作为一名38岁的互联网研发老兵，你已经积累了丰富的经验，包括技术深度、项目管理、团队协作等。但能力评估不是一次性事件，而是持续过程，帮助你识别优势、短板，并为职业转型铺路。38岁是理想创业年龄——Kauffman基金会数据显示，成功创业者平均40岁，40岁创始人成功率是25岁者的2.1倍。最终，建立“超级公司”不是速成，而是杠杆你的老兵优势：深度见解、韧性。通过这些，你能得出一个全面画像，例如你的优势可能是架构设计，但短板可能是新兴技术如LLM应用。记住，40岁是峰值：经验让你更高效，避免年轻人的试错。]]></description><category></category></item><item><title><![CDATA[多轮会话记忆的核心挑战]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/150231685</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/150231685</guid><author>c123728529</author><pubDate>Mon, 11 Aug 2025 23:03:13 +0800</pubDate><description><![CDATA[原则建议✅ 优先采用分层架构短期 + 摘要 + 向量 + 结构化状态✅ 控制token成本使用摘要和检索替代全量上下文✅ 保证关键信息不丢失显式提取并维护对话状态✅ 支持可扩展性使用向量数据库（如Pinecone、Chroma）✅ 工程化实现使用LangChain、LlamaIndex等框架加速开发🏆最终推荐方案对于大多数生产级AI系统，采用「分层记忆架构」LangChain或LlamaIndex实现记忆管理或Claude 3作为LLM作为向量数据库自定义状态机跟踪关键槽位。]]></description><category></category></item><item><title><![CDATA[AI编程插件对比分析：CodeRider、GitHub Copilot及其他]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/150147755</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/150147755</guid><author>c123728529</author><pubDate>Sun, 10 Aug 2025 14:57:40 +0800</pubDate><description><![CDATA[凭借成熟的生态、多语言支持和无缝IDE集成，适合快速开发和团队协作。推荐给需要高生产力和广泛语言支持的开发者，但需注意高估值项目中的代码审查。CodeRider：以项目级上下文和离线模式为亮点，适合大型代码库重构和隐私敏感场景。推荐给企业开发者和需要深度定制的团队。其他选择：Codeium适合预算有限的用户，Tabnine适合本地化需求，CodeWhisperer则为AWS开发者量身定制。]]></description><category></category></item><item><title><![CDATA[《100个用AI重构的商业模式》--私人订制的婚介平台]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/150142869</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/150142869</guid><author>c123728529</author><pubDate>Sun, 10 Aug 2025 10:32:12 +0800</pubDate><description><![CDATA[要用 AI 做一个，核心不是“配对算法”这么简单，而是要在上，比传统交友平台更有竞争力。我会分成四个部分来拆。]]></description><category></category></item><item><title><![CDATA[2025年AI技术突破关键方向分析报告]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/150108736</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/150108736</guid><author>c123728529</author><pubDate>Sat, 09 Aug 2025 14:39:05 +0800</pubDate><description><![CDATA[2025年AI技术突破关键方向分析 本报告揭示2025年AI技术三大核心突破： 模型效率革命：小模型通过知识蒸馏实现终端部署，MoE架构降低70%训练成本，多模态模型跨模态检索准确率达91.3% 硬件性能跃升：中国&quot;天枢-5&quot;芯片能效比达300TOPS/W，特斯拉L4自动驾驶决策延迟缩短至30ms 应用场景落地：工业质检缺陷检出率99.99%，医疗AI诊断准确率98.7%，具身机器人进入工厂产线 产业呈现&quot;端侧普及+多模态融合&quot;趋势，同时面临深度伪造防御等治理挑战。A]]></description><category></category></item><item><title><![CDATA[欢迎咨询年度规划2025]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/149572405</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/149572405</guid><author>c123728529</author><pubDate>Wed, 23 Jul 2025 15:15:05 +0800</pubDate><description><![CDATA[通过谨慎的财务管理保护好存量财富，通过持续学习投资自己的未来，通过小步快跑的方式探索新的可能性。如此，当第六波康波的浪潮真正到来时，您将是那个手握船票、准备最充分的冲浪者。在康波的萧条期，**“现金为王”和“投资于自己”**是永恒的真理。2025年的创业目标是**“验证模式”而非“赚大钱”**。投入的时间和金钱都要严格控制在自己能承受的范围内，最好是在不影响主业的情况下进行。对于属兔的您来说，2025蛇年是机遇与挑战并存的一年。利用运势中的“学习运”，在现有岗位上纵向深化，同时横向拓展与新周期相关的技能。]]></description><category></category></item><item><title><![CDATA[顶级 AI Agent 工作流平台与框架分析]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/149532396</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/149532396</guid><author>c123728529</author><pubDate>Tue, 22 Jul 2025 11:51:08 +0800</pubDate><description><![CDATA[你可以在 YouTube、Bilibili 或知识星球上创建一个频道，专门分享 Power Automate 的高级技巧和企业级应用案例，积累影响力后，提供付费的企业内训和一对一咨询服务。创建一个名为“AI Agent观察家”的公众号或网站，每日推送最新的 Agent 技术进展和有趣的开源项目，当积累了数万粉丝后，可通过广告和为 AI 公司撰写“探店”式的评测报告来盈利。这类工具为开发者提供了极大的灵活性，可以构建高度定制化的、前沿的 AI Agent。如果你是某个平台的专家，可以通过知识分享来变现。]]></description><category></category></item><item><title><![CDATA[AI Agents: Your Guide to Building a B2B Moneymaker]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/149517588</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/149517588</guid><author>c123728529</author><pubDate>Mon, 21 Jul 2025 22:28:09 +0800</pubDate><description><![CDATA[The rise of sophisticated AI agents is creating a significant opportunity for businesses to generate new revenue streams by offering intelligent, automated solutions to other companies. From streamlining complex workflows to personalizing customer interact]]></description><category></category></item><item><title><![CDATA[20岁职场人必读：AI工具爆发背后的职业机遇与挑战]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/149469338</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/149469338</guid><author>c123728529</author><pubDate>Sat, 19 Jul 2025 19:51:19 +0800</pubDate><description><![CDATA[摘要： AI工具爆发是职场变革的重要信号，为20岁左右的职场新人带来机遇与挑战。73%的95后已使用或计划学习AI工具，其核心价值在于提升效率（如智能写作、数据分析）和创造新岗位（如AI训练师）。年轻人需构建&quot;AI+X&quot;能力，聚焦人机协作与不可替代的软技能，同时警惕伦理风险。未来职场将形成人机分工新生态，主动掌握AI工具者将获得竞争优势。关键在于将AI视为赋能工具而非威胁，通过持续学习和差异化发展把握职业机遇。]]></description><category></category></item><item><title><![CDATA[乐观的死亡学]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/149413738</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/149413738</guid><author>c123728529</author><pubDate>Thu, 17 Jul 2025 09:15:05 +0800</pubDate><description><![CDATA[摘要： 这份心理学探讨以&quot;死亡预设&quot;为实验视角，融合存在主义、荣格理论和认知疗法，解构人类对生命价值的理解。研究发现：1) 当死亡被视为既定事实时，人们对得失的评判会发生本质改变；2) 时间感知在&quot;永生&quot;与&quot;临终&quot;的镜像中呈现奇特悖论；3) 剥离社会评价后，成就动机转向内在真实需求。研究提出极端认知重构方法，如&quot;遗书视角&quot;写作、墓地规划等，帮助人们在承认生命有限性的前提下，重新校准存在价值。这些发现不仅挑战传统心理学认知，更为提]]></description><category></category></item><item><title><![CDATA[一位38岁程序员的“向死而生”实践计划]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/149413259</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/149413259</guid><author>c123728529</author><pubDate>Thu, 17 Jul 2025 08:46:21 +0800</pubDate><description><![CDATA[摘要： 本文为38岁在职程序员提供&quot;向死而生&quot;的实践指南，通过四项策略优化职业与人生：1）每日&quot;遗书清单&quot;聚焦核心三件事，提升代码质量与协作效率；2）&quot;复活者&quot;心态应对技术焦虑，勇敢尝试新挑战；3）每周/年度复盘校准职业与生活平衡；4）培养非功利爱好滋养创造力。配套设置短中长期目标，如3年内精通新兴技术、10年转型技术领导者、终身构建影响力遗产，帮助在有限生命中获得深度满足。该计划强调价值优先而非效率，引导程序员超越代码维度实现全方位成长。]]></description><category></category></item><item><title><![CDATA[钉钉专属品牌能力：由内而外，打造全链路专属营销体验]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/149178250</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/149178250</guid><author>c123728529</author><pubDate>Mon, 07 Jul 2025 17:53:57 +0800</pubDate><description><![CDATA[作为深度渗透到企业日常运营的协同办公平台，钉钉提供的“专属品牌能力”正成为企业由内而外构建统一品牌认知、并与市场上各类专属营销能力高效联动的新利器。钉钉的专属品牌能力，远不止于简单的替换Logo和启动页，它为企业提供了一整套从视觉到应用层面的深度定制方案，旨在打造沉浸式的企业文化和品牌环境。真正的力量在于将这种内部凝聚的品牌力，与外部的专属营销策略相结合，形成内外呼应、体验一致的品牌护城河。本文将深入解读钉钉的专属品牌能力，并结合当前主流的专属营销策略，为企业提供一套可落地的实战指南。]]></description><category></category></item><item><title><![CDATA[问题：训练过程中，如果你发现模型在训练集上的表现远远好于在验证集上，可能是什么原因导致的？应该采取哪些措施可以改善这种情况]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/148735825</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/148735825</guid><author>c123728529</author><pubDate>Wed, 18 Jun 2025 11:25:43 +0800</pubDate><description><![CDATA[用户问的是模型在训练集上表现很好，但在验证集上差，这明显是过拟合的问题。首先我得回忆一下过拟合的原因是什么。可能是因为模型太复杂，记住了训练数据的噪声和细节，导致泛化能力差。或者训练数据太少，验证数据分布不同。

接下来应该考虑怎么解决。常见的办法有正则化，比如L1/L2，或者Dropout。数据增强也是个方法，增加数据多样性。交叉验证可能帮助调整参数。早停法，在训练时监控验证集损失，及时停止。还有简化模型结构，比如减少层数或神经元数量。检查数据分布是否一致，是否有泄露的情况。]]></description><category></category></item><item><title><![CDATA[人工智能：神经网络原理、案例与 Python 代码]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/148673169</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/148673169</guid><author>c123728529</author><pubDate>Sun, 15 Jun 2025 17:57:25 +0800</pubDate><description><![CDATA[将神经网络的原理分解为几个关键部分，结合案例和代码，以用户友好的方式呈现，确保内容连贯、逻辑清晰，并且实用性强，能够帮助用户动手实践并理解背后的机制。]]></description><category></category></item><item><title><![CDATA[人工智能-准确率（Precision）、召回率（Recall） 和 F1 分数]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/148672754</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/148672754</guid><author>c123728529</author><pubDate>Sun, 15 Jun 2025 17:27:39 +0800</pubDate><description><![CDATA[准确率、召回率和F1分数在大模型评估中的应用 在自然语言处理任务中，准确率（预测为正类的正确比例）衡量模型预测的可靠性（如垃圾邮件分类），召回率（实际正类被识别的比例）反映覆盖能力（如疾病筛查）。两者常存在此消彼长的关系。F1分数（两者的调和平均）用于平衡两者，适用于需兼顾精度和覆盖的场景（如法律文本分类）。 大模型中的特殊考量： 生成任务（如摘要）需权衡生成内容的准确率（事实性）与召回率（关键信息覆盖）； 多标签分类需计算宏/微平均F1； 长文本处理中召回率易下降，需针对性优化。 示例：实体识别任务中，若]]></description><category></category></item><item><title><![CDATA[AI编程--插件对比分析：CodeRider、GitHub Copilot及其他]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/148535730</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/148535730</guid><author>c123728529</author><pubDate>Mon, 09 Jun 2025 15:22:41 +0800</pubDate><description><![CDATA[AI编程插件对比分析：CodeRider、GitHub Copilot及其他]]></description><category></category></item><item><title><![CDATA[人工智能--安全大模型训练计划：基于Fine-tuning + LLM Agent]]></title><link>https://blog.youkuaiyun.com/c123728529/article/details/148529987</link><guid>https://blog.youkuaiyun.com/c123728529/article/details/148529987</guid><author>c123728529</author><pubDate>Mon, 09 Jun 2025 10:52:08 +0800</pubDate><description><![CDATA[安全大模型训练计划：基于Fine-tuning + LLM Agent]]></description><category></category></item></channel></rss>