- 博客(145)
- 资源 (31)
- 收藏
- 关注
RSS订阅原创 Dify 是干啥的
Dify 是一个开源的大语言模型（LLM）应用开发平台，旨在帮助开发者快速构建和部署生成式 AI 应用。它融合了后端即服务（Backend as a Service, BaaS）和 LLMOps（Large Language Model Operations）的理念，提供了从原型设计到生产部署的全方位工具和功能。Dify 的目标是通过简化开发流程，让开发者能够专注于创新和业务需求，而不是重复造轮子。
2025-03-06 15:24:59
618
原创 使用CherryStudio、Ollama、腾讯云搭建本地个人知识库、智能体
需要部署大模型和嵌入模型（太要求电脑配置了，配置差的最好不要尝试，我i5,16G内存，固态硬盘，集成显卡，deepseek根本跑不起来，llama3勉强能跑起来，但是超级慢，嵌入模型nomic-embed-text:latest跑起来后，向量化个几k的文本文件用了几分钟）安装ollama启动ollama启动后，Ollama会在默认端口11434上运行。你可以通过浏览器访问拉取llama3模型运行模型查看模型再拉取嵌入模型然后运行查看拉取的模型。
2025-02-13 17:39:35
2419
原创 Cherry Studio 、anythingllm扫盲
如果你需要一个功能丰富、支持多种模型和AI助手的工具，Cherry Studio 是一个不错的选择。而如果你更关注文档知识库管理和多用户协作，AnythingLLM 可能更适合你的需求。如果你需要一个功能丰富、回答全面且支持多种模型和文档处理的工具，是一个更好的选择。如果你更关注知识库的管理和文档检索功能，且需要支持多用户和权限管理，可能更适合你的需求。
2025-02-13 16:23:35
5407
原创 从粗犷到精细：一个IT老兵的十年变迁与思考
作为一个在IT行业摸爬滚打了十几年的老兵，今天想跟大家聊聊，从2006年到现在，我们这个行当发生了哪些翻天覆地的变化，以及在这些变化下，像我这样年纪渐长的技术人员，未来的路该怎么走，如何保持自己的竞争力。这既是我个人的一些经验分享，也是和大家的一次交流探讨。在这个充满不确定性的时代，作为一个从2006年就踏入IT行业、如今已步入中年行列的老技术人员，我内心的焦虑和不安如潮水般汹涌而来。内卷的浪潮席卷整个行业，仿佛每个人都在拼命向前奔跑，而我却感觉自己越来越力不从心，曾经引以为傲的技术优势似乎正逐渐被稀释。
2025-01-07 13:57:59
463
原创 自建k8s集群，利用开源的GitLab、Jenkins和Harbor实现CI/CD和DevOps的过程回顾
整个流程是一个自动化的循环，从代码提交开始，到应用部署结束，每个步骤都可以通过自动化工具紧密集成，以提高开发效率和应用质量。- 可以集成日志管理工具，如ELK Stack（Elasticsearch、Logstash、Kibana）或Prometheus和Grafana，来收集和分析应用日志和监控数据。- 通过监控和日志分析得到的应用性能数据，可以反馈给开发团队，以便他们优化代码和改进产品。- 在CI/CD流程中，可以集成自动化测试和监控工具，以确保部署的应用性能和稳定性。
2024-11-15 16:59:03
681
原创 举个例子理解pod，ReplicaSet，Deployment，Service，Ingress
Ingress则像是“餐厅的前台接待”，它管理着餐厅的入口，确保顾客（流量）被引导到正确的餐厅区域（Service）。Pod是实际工作的厨师团队，ReplicaSet确保有足够的厨师团队在工作，Deployment定义了厨师团队的工作内容和更新策略，Service负责将顾客的订单传递给厨师团队，而Ingress管理外部顾客如何进入餐厅并被引导到正确的区域。Deployment则像是“餐厅经理”，它负责定义餐厅的菜单（应用程序的期望状态），比如需要多少个厨师来准备这道菜，以及如何更新菜单（应用的更新策略）。
2024-11-15 14:36:34
202
原创 互联网的开发人员为何倾向于避免使用MySQL中的存储过程和触发器？
尽管存储过程和触发器在某些场景下提供了便利，但在互联网企业中，它们的缺点往往超过了优点。因此，许多开发人员倾向于在应用层处理业务逻辑，以保持系统的简洁性、灵活性和可维护性。这种趋势反映了互联网企业对于快速迭代、高并发和分布式系统的需求，以及对于代码质量和维护性的重视。
2024-10-30 14:43:46
455
原创 小白对时序数据库的理解
随着技术的发展，现代的时序数据库不仅继承了早期时序数据库的优点，还引入了更高级的数据处理能力、高效的压缩算法和符合时序特征的存储引擎。这里，“temperature”是度量值的名称，`1633036800`是Unix时间戳（代表特定的日期和时间），`22.5`是温度值，`location=living_room`和`device_id=A123`是标签，提供了设备的额外信息。现代时序数据库的发展和流行，得益于物联网、大数据、云计算等技术的推动，以及对时间序列数据处理需求的不断增长。
2024-10-22 14:36:30
2366
原创 理解大模型领域的transformer的编码器和解码器
在Transformer模型中，编码器的作用就是理解输入的文本（比如客户的需求），并将其转换成一个内部的、高度压缩的表示形式。BERT的好处是它能够理解文本的双向上下文，这意味着它不仅理解一个词前面和后面的词，还能理解整个句子的上下文。解码器在Transformer模型中的作用就是，它接收编码器的输出，然后生成一个输出序列，比如翻译后的文本或者回答客户的问题。- BERT的强项在于理解语言的上下文，但它的设计初衷是为了提高下游NLP任务的性能，如文本分类、命名实体识别等，而不是直接用于生成文本。
2024-10-13 13:20:50
1019
原创 企业里营销数字化常用的名词及解释收集
4. 产品氛围图：这是一种用于营造产品使用场景或氛围的图像，通常用于广告、宣传册或网站，以增强产品的吸引力。5. 商详：商业详情，可能指的是商业详情页面或商业详细信息，这通常包括产品的详细描述、规格、价格等。2. 产品营销视频：这是一种专门用于推广产品的视频内容，通常包含产品介绍、特性展示、用户评价等。6. 传统方式：这里指的是传统的内容制作方式，可能包括手工绘制、实景拍摄等非数字化的制作手段。14. 营销成本：指企业在推广产品或服务过程中所投入的成本，包括广告费、促销费、人员成本等。
2024-09-18 10:38:45
640
原创 神采PromeAI：AI驱动的设计助手，让创意无限可能
效果图：通过AI技术，可以生成高质量的设计效果图，包括建筑、室内、产品等不同类型的效果图，这是神采PromeAI最为擅长的功能之一。建筑设计：通过上传户型图，神采PromeAI可以提供室内平面布局的参考方案，帮助建筑师快速生成建筑设计方案。室内平面布局方案：神采PromeAI通过AI技术，可以快速生成多种室内平面布局方案，帮助设计师提高设计效率。室内设计：可以用于生成室内设计方案，提供多种风格的选择，帮助室内设计师提高设计效率。效果图：可以生成高质量的设计效果图，包括建筑、室内、产品等不同类型的效果图。
2024-08-15 14:09:11
461
原创 探索魔珐有言：AIGC视频创作的新纪元
魔珐有言是一款集成了先进AIGC技术和三维图形学技术的视频创作平台，能够为用户提供高质量、低成本、高效的3D虚拟人视频制作服务。因其独特的优势和广泛的应用场景，已经在市场上获得了较高的关注度和认可。市场反响：魔珐有言自今年3月上线以来，受到了市场的广泛关注，尤其在视频AIGC领域，被认为是具有潜力的创新产品。用户反馈：根据一些报道和用户反馈，魔珐有言在广电行业客户中受到了较高的评价，吸引了大量用户的驻足与问询。高质量渲染：由于采用了先进的三维图形学技术和AIGC技术，生成的视频质量高，视觉效果酷炫。
2024-08-15 13:59:37
757
原创 理解LBS（Location-Based Service）和GPS（Global Positioning System）
主要应用：LBS主要用于提供基于位置的服务，如位置分享、本地搜索、路线规划、位置广告、社交网络等。精度：LBS的定位精度通常较低，一般在几十米到几百米之间，但在室内环境下，LBS可以通过Wi-Fi指纹定位等方式实现较高的定位精度。典型场景：室内导航（如购物中心、机场）、城市出行（如打车、公交）、社交网络（如微信、微博签到）、本地生活服务（如美团、大众点评）。主要应用：GPS广泛应用于导航、测绘、车辆跟踪、个人定位等领域。典型场景：户外活动（如徒步、登山）、车辆导航、紧急救援、农业机械定位等。
2024-07-30 10:38:12
1865
原创 SPU和sku的区别
在商品管理和销售过程中，SPU和SKU常常一起使用，以便更有效地组织和追踪商品。SPU（Standard Product Unit）和SKU（Stock Keeping Unit）是两种常见的商品管理概念，它们在商品分类和管理中扮演着不同的角色。特点：SKU强调的是具体的商品库存管理。例如，对于一款手机，不同的颜色、容量和包装可能会对应不同的SKU。定义：SPU代表了一种标准化的产品单元，通常用于描述一类商品的基本特性和规格。特点：SPU强调的是商品的标准化信息，不涉及具体的库存管理。
2024-07-02 15:06:23
1526
原创 理解MQTT协议和TCP/IP协议的区别
你只需要告诉微信群（发布者）你想说的话，然后所有加入这个群的人（订阅者）都能看到这条消息。这样，一个人发消息，很多人都能收到，特别适合大家都要接收同样信息的情况。而且，发消息的时候，你不用担心每个人是否在线，微信群会负责把消息送达。这种方式更适合一对一的交流，而且通话过程中你们可以确保所有的对话内容都被对方听到，不会有遗漏。而 TCP/IP 是一个完整的网络协议族，提供了从网络层到应用层的全面功能，适用于广泛的网络通信需求。而TCP/IP像是打电话，适合一对一的通信，并且通话内容更有保障。
2024-07-02 14:31:12
1129
原创 ChatGLM3从huggingface和github.com下载有啥区别
通过GitHub上的代码仓库，你可以了解到模型是如何构建和训练的，也可以获取到模型微调和部署所需的代码。然而，要使这些代码能够运行起来并进行实际的任务，你需要设置好相应的运行环境，安装必要的依赖，并且可能还需要额外的数据集来进行训练或微调。这意味着用户可以直接从这个地址下载预训练好的模型，并在自己的应用中使用它，而不需要自己从头开始训练模型。结论：如果你想直接使用ChatGLM3模型而无需进行任何开发或定制工作，你应该访问Hugging Face的地址来下载预训练好的模型。
2024-04-29 10:57:00
1255
原创 小白理解大模型的微调和监督微调的区别
这里的微调过程就是针对顾客的特定需求（不喜欢辣），对厨师已有的烹饪技能进行轻微的调整。在这个过程中，厨师会根据这个具体的菜单进行反复练习，直到做出的菜肴完全符合顾客的口味。假设厨师原来擅长川菜，但顾客偏好江浙菜，那么我们就对厨师进行微调，让他学会在烹饪时减少辣椒和花椒的使用，增加糖和醋的比例。微调像是给了厨师一个大致的方向，而监督微调则是给了厨师一份详细的食谱，让他按照这个食谱来调整自己的烹饪技能。监督微调则是在微调的基础上，提供了具体的指导（如标注好的数据集），要求模型更加精准地学习特定任务。
2024-04-26 10:51:08
558
原创 小白理解GPU（图形处理器）和CPU（中央处理器）
假设你正在组织一场大型的演出活动（大模型），你需要协调很多不同的部分，例如演员的排练、场地布置、灯光音响、票务等（类似于CPU处理不同的任务）。一开始，你可以轻松管理所有事情，但随着演出规模的扩大，需要协调的工作变得极其复杂和庞大，这就需要你投入更多的精力去安排和调度，这可能会导致效率低下。他们的工作是为演出创造令人惊叹的视觉效果，比如舞蹈的光影、3D投影等。大部分时间里，你可以轻松应对，但当餐厅繁忙起来，同时有很多订单需要处理时，你就需要同时做很多事情，比如切菜、炒菜、煮饭等，这会使得效率降低。
2024-04-25 16:57:44
1541
原创 Semantic Kernel 概述
它通过技能、记忆和连接器的组合，为应用程序提供了强大的AI功能，而这些功能通常是易于管理和扩展的。例如，技能可以是对LLM提示的封装，使其能够以编程方式调用并执行特定的任务，而记忆则允许应用程序存储和检索关键信息，以改善LLM提示的上下文理解能力。总的来说，SK提供了一种新颖的方法来集成和利用LLM，不仅为开发者节省了大量时间，也降低了将AI集成到现有应用程序中的复杂性。由于SK是微软推出的产品，其在企业级应用中得到了广泛的支持和推广，这可能会成为推动其发展和采用的重要因素。结合本机代码和LLM模型。
2024-04-23 15:44:59
519
原创 向量数据库
• 国产基于 PostgreSQL、Clickhouse 等进行魔改或者插件化实现的向量数据库。• 基于向量检索库（Faiss）实现的轻量级向量数据库。• 基于传统倒排搜索添加稠密向量索引支持的向量数据库。• 基于原生向量设计的分布式向量云原生数据数据库。
2024-04-23 15:31:30
194
2
原创 简述大模型领域的CVP架构和RAG架构的区别
另一方面，RAG（Research, AI, and Generation）架构强调的是研究级的AI技术和生成能力，通常与自然语言处理领域相关。RAG增强式搜索可能指的是利用RAG技术来增强搜索引擎的功能，比如通过使用自然语言生成模型来改进搜索查询解析、生成搜索结果摘要，或者提供个性化的搜索建议。简而言之，CVP（ChatGPT + VectorDB + Prompt）是一个偏重于构建聊天机器人的技术架构，而RAG增强式搜索则是利用高级AI技术改进搜索引擎的手段。
2024-04-23 14:51:39
490
原创 新手理解Hugging Face的Pipeline是啥
举个例子，假设你有一个文本分类任务，要求根据文章的内容将其分类为不同的类别（如科技、娱乐、体育等）。Hugging Face的Pipeline是一个现成的解决方案，它将一系列预训练模型组合在一起，以完成特定的任务。你可以将其视为一个“流水线”，它会依次将输入数据传递给多个模型，每个模型负责完成任务的一部分。数据预处理：Pipeline会自动对输入数据进行预处理，如分词、去除停用词等，使其适合后续模型的处理。最终模型：最后，数据会被传递给第二个模型（如分类器），它会根据前面模型的输出将数据分类为不同的类别。
2024-04-18 15:28:51
652
原创 新手理解Hugging Face：与Docker Hub对比，理解Hugging Face到底是啥东西
你只需下载这个模型，然后使用相应的代码将其应用到你的图像上，就可以开始识别图像中的物体了。所以，虽然Hugging Face Hub和Docker Hub的用途不同，但它们都为你提供了一种便捷的方式来获取和使用别人已经创建好的资源。在Hugging Face Hub中，这些资源是机器学习模型，而在Docker Hub中，这些资源是应用程序及其依赖项。在Docker Hub中，你可以找到一个预先构建好的包含这款应用程序的镜像，这个镜像包含了应用程序及其所有依赖项。我们将分别解释它们的相似之处和不同之处。
2024-04-18 15:09:39
724
原创 langchain和HuggingFace的区别
总的来说，HuggingFace 是一个强大的模型和工具库，而 LangChain 是一个基于这些模型的应用程序开发框架，提供了构建复杂交互式应用程序的能力。
2024-04-17 17:20:55
901
原创 理解 HuggingFace 是什么
对于传统的软件开发人员来说，HuggingFace 就是一个帮助你轻松地添加“文本智能”功能的平台，就像在厨房里使用现成的食谱和工具来制作复杂的菜肴一样，而不需要成为专业的甜点大师。
2024-04-17 17:09:47
1374
原创 小白理解大模型的微调过程是啥样的
这个过程通常是在大规模的数据集上进行的，目的是让模型能够理解和生成自然语言，为后续的特定任务（如文本分类、机器翻译、问答等）打下基础。大模型的微调（Fine-tuning）并不是简单地和大模型对话，告诉它什么是对的还是错的。微调是一个技术过程，它是机器学习中的一个重要步骤，用于改进预训练模型在特定任务上的表现。总结来说，大模型的微调是一个自动化的、基于数据的过程，旨在通过调整模型参数来提升模型在特定任务上的表现，而不是通过直接和模型对话来指导它学习。而是通过编程和算法，让模型自动学习数据中的模式。
2024-04-17 16:41:22
555
原创 思维树（Tree of Thoughts）的概念
这个框架借鉴了人类认知研究的成果，特别是关于人类在做决策时的两种思维方式：快速、自动、无意识的模式（称为“系统1”）和慢速、经过深思熟虑、有意识的模式（称为“系统2”）。一个聪明的做法是，你先站在迷宫的入口，往前看一看，记住你能看到的所有可能的路径。它通过让你明确地列出所有可能的解决方法，并评估每一种方法的优缺点，从而帮助你更快地找到问题的解决方案。总的来说，思维树（Tree of Thoughts）是一种创新的框架，旨在通过模拟人类的决策过程，提高大型语言模型的问题解决能力。
2024-04-17 13:39:57
2597
原创 理解思维链Chain of Thought（CoT）
Chain of Thought（CoT），即“思维链”，是人工智能领域中的一个概念，特别是在自然语言处理和推理任务中。CoT 的主要思想是模仿人类的推理过程，即人们往往在解决问题时不是直接得出答案，而是通过一系列的思考、分析和推理步骤。这种方法可以帮助模型在处理复杂问题，尤其是需要多步骤推理的问题时，提供更透明、更可解释的决策过程。假设有一个问题：“Alice 比起 Bob 体重轻 10 公斤，如果 Bob 的体重是 80 公斤，那么 Alice 的体重是多少？
2024-04-16 17:17:30
1068
原创 FewShotPromptTemplate和SemanticSimilarityExampleSelector的学习
总结来说，SemanticSimilarityExampleSelector 和 FewShotPromptTemplate 是两个不同的技术，但它们可以一起工作，前者帮助选择最佳样本，后者则指导如何利用这些样本进行有效的学习。在实际应用中，可能会先使用 SemanticSimilarityExampleSelector 来选择样本，然后使用这些样本作为 FewShotPromptTemplate 的输入，来生成最终的提示。通过选择最相关的样本，提高模型在少样本训练上的效率和准确性。
2024-04-16 16:38:34
974
原创 大模型中的ZeroShot、OneShot、FewShot 概念理解
相反，你可以让模型基于一些高级的描述（例如，动物的名字和它们的特点）来识别动物。这种方法更像是传统软件开发中的样本学习，但仍然非常高效，因为模型只需要很少的样本就能做出推断。类比解释：就像你给一个聪明的助手一些动物的定义，但没有给他看任何图片，他就能根据这些定义识别出他之前从未见过的动物。类比解释：就像你给助手看了几只不同品种的猫的图片，虽然数量不多，但他通过这些有限的样本学会了识别各种各样的猫。类比解释：这就像你给助手看了一张猫的图片，他就能够记住猫的样子，并且以后能够识别出其他的猫。
2024-04-16 16:03:11
8555
原创 理解大模型的微调和调教的区别
这个过程包括了很多试验和错误，你会调整各种可能的因素，比如调料的量、烹饪的温度和时间等，直到你找到那个让菜肴达到最佳口味的完美组合。但是，如果你想要根据特定客人的口味做出调整，比如让牛肉更辣或者更甜，你会根据客人的喜好添加一些特定的调料（比如辣椒或糖），然后稍微煮一下，让调料融合进牛肉里。在讨论大型机器学习模型时，"微调"（Fine-tuning）和"调教"（Tuning）这两个词都有其特定的含义，但它们在不同的上下文中可能有不同的适用性。微调通常指的是在预训练模型的基础上，针对特定任务进行小的调整。
2024-04-15 17:28:29
1295
原创 大模型拥有的数万亿个参数，这个指标如何理解
在这个上下文中，一个“参数”可以理解为模型中的一个配置或设置，它决定了模型在处理数据时的行为。这些参数在模型的训练过程中被调整和优化，以便模型能够更好地完成特定任务，比如语言理解、图像识别等。每一个螺丝（参数）都控制着模型的一个小部分，而所有的螺丝共同决定了整个装置的功能。调整这些螺丝（参数）的过程就是训练模型的过程，目的是让这个装置能够以最高效和最准确的方式运行。在这些例子中，数万亿个参数意味着模型具有极高的复杂性和灵活性，可以处理非常广泛和复杂的数据，从而在特定任务上表现出色。
2024-04-15 17:15:03
1122
原创 FastAPI 是干啥的
FastAPI 旨在简化 API 的开发过程，提高开发效率，同时确保代码的健壮性和可维护性。FastAPI 基于 Starlette（用于 Web 框架的工具集）和 Uvicorn（一个 ASGI 服务器），这意味着它支持异步代码，能够处理异步请求，这使得 FastAPI 非常适合构建高性能的异步 Web 应用程序。是作为一个现代的、高效的 Web 框架，用于构建 API，特别是 RESTful 和 GraphQL API。它专注于简化 API 的开发流程，提高开发效率，同时确保代码的健壮性和可维护性。
2024-04-12 16:52:17
1047
原创 了解google的SerpApi是个啥
通过SerpApi，用户可以快速获取到他们所需的搜索结果，并且这些结果是以结构化的形式提供的，方便用户进行进一步的处理和分析。国内搜索引擎提供的这些API工具为开发者提供了丰富的搜索和数据服务，帮助他们构建各种应用程序和服务，从简单的搜索工具到复杂的数据分析系统。随着国内搜索引擎的不断发展和API服务的完善，这些工具在国内的使用将会越来越广泛。百度搜索API - baidu-api:百度提供了官方的Python SDK，名为 baidu-api，可以用来调用百度搜索、百度翻译、百度地图等多个服务的API。
2024-04-11 17:21:40
4509
1
原创 理解ReAct的核心思想
ReAct（Reasoning and Acting）并不是一个特定的、广泛认可的框架或理论，而是一个概括性的概念，它描述了人工智能系统在不确定性和动态环境中进行推理和行动的能力。因此，ReAct的核心思想并不是一个单一的发明，而是人工智能领域长期发展的一个自然产物，它反映了人工智能从理论探索到实际应用的转变，以及对智能系统在复杂环境中表现出的行为和决策能力的追求。推理模块：利用机器学习、人工智能算法（如深度学习、自然语言处理等）对收集到的数据进行处理和分析，理解数据的含义，并预测未来的可能情况。
2024-04-11 17:04:25
593
原创 CVP（ChatGPT、Vector Database和Prompt）
通过使用CVP技术栈，我们可以让系统理解用户的自然语言输入，通过ChatGPT生成相应的回答，并利用向量数据库快速检索相关的知识和信息。的角度来看，CVP结合了ChatGPT的语言处理能力、向量数据库的高效存储与检索功能，以及Prompt对业务的理解，形成了一个模态大模型的技术栈。总之，CVP（ChatGPT + Vector Database + Prompt）是一种强大的技术栈，它结合了自然语言处理、向量数据库和指令设计等多个领域的优势，为我们构建智能应用提供了全新的可能性。
2024-04-10 12:50:27
1013
原创 传统企业数字化转型：互联网“黑话”背后的沟通鸿沟与变革焦虑
这种现象的发生，企业需要在引进互联网人才的同时，加强他们与传统业务部门的沟通和协作。同时，企业也需要培养一种开放、包容的文化氛围，鼓励员工积极参与数字化转型的过程，共同推动企业的创新发展。为了实现这一目标，不少企业开始积极引进具备互联网工作经验的人才，希望通过他们的专业知识和技能，推动企业的数字化进程。为了真正实现数字化转型，企业需要深入理解和把握数字化技术的本质，加强内部沟通和协作，共同推动企业的创新发展。其次，随着这些互联网黑话在企业内部的流行，有一种错误的氛围在逐渐的形成。，导致了沟通上的障碍。
2024-03-25 14:20:34
272
原创 AnythingLLM
这意味着，你可以将AnythingLLM与你的文档、资源或其他内容片段结合起来，让它像一个智能助手一样，与你进行对话，并为你提供有关这些内容的信息或建议。总的来说，AnythingLLM是一个功能强大的工具，它为用户提供了构建私有ChatGPT的便利，使用户能够充分利用现有的LLM技术，在私有环境中构建自己的ChatGPT。简单来说，AnythingLLM是一个具体的、可以直接使用的私人ChatGPT工具，而LangChain则是一个更广泛、更灵活的框架，可以用来构建各种基于LLM的应用。
2024-03-20 19:44:53
2742
企业IT架构转型之道.mobi
2019-04-21
大规模分布式存储系统：原理解析与架构实践-杨传辉 mobi版
2019-04-21
《SAP ABAP开发技术详解（实例篇）（第二版）mobi 版
2019-04-21
高性能Linux服务器构建实战：系统安全、故障排查、自动化运维与集群架构 (LinuxUnix技术丛书).mobi
2016-12-01
AndRoid完全开发讲义（第二版）第六章 6.6内容提供者
2013-04-07
ASP.NET2.0+ObjectDataSource的使用详解
2011-09-19
AJAX例子-web服务-JS-无刷新.rar
2011-09-19
wince c# 开发 mc 3090调用API震动程序
2011-09-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人