- 博客(60)
- 收藏
- 关注
RSS订阅原创 基于DeepSeek-R1 15b微调训练自主的领域大模型，附带工程代码
回答内容说了一大堆英文，与提问内容不相关，浪费资源。iNeuOS工业互联网操作系统的功能介绍？如下图：回答的内容大部分与训练模型的数据集相关，内容更有逻辑感。iNeuOS工业互联网操作系统的功能介绍？
2025-11-21 12:42:07
852
原创 【FAQ】HarmonyOS SDK 闭源开放能力 — Account Kit
华为账号一键登录接入过程中，客户端获取到AuthorizationCode后，需要传到服务端，通过服务端调用华为账号接口获取用户信息。4、根据第2步获取的包名和第三步获取到的环境信息，使用getModuleJsonOpt获取对应模块下的module.json5配置，修改后，使用setModuleJsonOpt将修改后的配置信息写入。为了帮助用户省去多次输入不同应用账号登录的繁琐过程，我们为HarmonyOS应用和元服务提供了使用华为账号快捷登录的能力。token是与设备绑定的标识符。
2025-11-21 12:40:13
576
原创 Tool 系统分析
本文档分析 Spring AI Alibaba Agent Framework 中的 Tool（工具）系统，包括工具的定义、注册、调用流程、扩展机制以及 AgentTool 的实现。实现 ToolCallback 接口：创建自定义工具使用 FunctionToolCallback：将函数转换为工具AgentTool：将 Agent 转换为工具// 1. 使用 FunctionToolCallback// 工具逻辑}).build();// 2. 实现 ToolCallback 接口。
2025-11-21 12:38:54
724
原创 让YOLO飞起来：从CPU到GPU的配置指南
例如，有 ABC 三个处理者可以处理一个请求，请求 a 需要 AC 两个处理者处理，请求 b 需要 BC 两个处理者处理，同时两个处理者之间可能有前后依赖关系，这时候就可以使用责任链模式。System.out.printf("尝试使用企业账户支付: 用户[%s], 金额[%.2f]%n", userId, amount);System.out.printf("尝试使用个人账户支付: 用户[%s], 金额[%.2f]%n", userId, amount);// 先尝试企业账户。// 企业账户最大支付限额。
2025-11-20 17:33:27
636
原创 【光照】[PBR][法线分布]GGX实现方法对比
在现实世界，Node 节点可以是一台物理服务器，一台 VM 虚拟机（一个 Node 节点严格对应一台“计算实例”），但是注意，Node 节点不是容器（Node 是运行容器的宿主机）。每个 node 上有一个 Kubelet（负责每个节点的运行状态，以及与 master 节点通信，执行 master 节点的指令），同时 Node 节点上至少还需要运行 container runtime（比如 docker，这样才能够运行相关镜像）。如果简单的理解，你就可以把他看成一个 docker，可以运行相关的镜像。
2025-11-20 17:32:22
337
原创 deepseek-v.-exp: 节前发版之打工人的悲鸣
Middleware: 针对不同的执行时序节点，系统提供了三种 Middleware: Middleware System、Middleware Global和Middleware Local，从而可以实现更精细化的切面逻辑。this.scope.model.xxx: 没有使用依赖注入，而是使用依赖查找，直接通过 scope 对象获取 model 实例，从而简化代码的书写风格。外部切面: 在不改变 Class 源码的前提下，从外部为任何 Class 的任何方法切入逻辑。鸭诩链汤VonaJS AOP编程。
2025-11-20 17:31:16
378
原创 Solon Plugin 自动装配机制详解
其中引用到的上下文变量arr是["1","2","3","1","2","333",""]，处理完成后的array是["1","2","3","333",""]，注意我的""是空串，不是空值，因此是没有去除的。经过查询，多个查询条件组合为[{"ID":1,"文本":"AB","整数":1,"小数":1.5,"日期":44927.75,"是_否":0}]越接近1表示，方向越接近。经过查询，第一个{"ID":1,"文本":"AB","整数":1,"小数":1.5,"日期":44927.75,"是_否":0}
2025-11-20 17:29:54
409
原创 【Rive】rive-android源码分析
注意，这里我故意选错成DeepSeek API，这也是初学者经常会选错的，实际上，若选择这个你就找不到你本地的DeepSeek模型。我是DeepSeek-R1，一个由深度求索公司开发的智能助手。你可以根据你的硬件情况选择，通常模型大小（参数量）越大，模型的理解和生成能力越强，但也会消耗更多的计算资源。目前deepseek-r1模型大小提供了7个选择：1.5b、7b、8b、14b、32b、70b、671b。他真的迅速给我起了10个吸引眼球的标题，还提供了它思考的过程，而且在我这4年前的电脑上跑起来都很迅速。
2025-11-20 17:28:32
248
原创 Mike_Zhang
一个或少数几个事件循环线程负责等待I/O事件，并将就绪的任务分发给工作者线程池（Worker Threads）处理，实现了I/O操作与业务逻辑的解耦。其核心价值在于，它将应用程序从低效的I/O等待中解放出来，实现了“一次等待，响应多个事件”的高效并发模式。因此，当应用程序调用epoll_wait时，内核只需返回这个就绪队列的内容，其时间复杂度为O(k)（k为活跃连接数），与被监视的文件描述符总数无关。从本质上看，I/O多路复用仍属于同步I/O，因为应用程序在调用epoll_wait时是阻塞的。
2025-11-19 21:27:49
256
原创 FFmpeg开发笔记（八十三）国产的视频裁剪框架AndroidVideoTrimmer
一旦虚拟机成功启动，Docker命令行工具就会自动连接到Colima提供的Docker守护进程，此时我们就可以在Mac上正常使用所有Docker命令了。# 当未指定时，会从https://github.com/abiosoft/colima-core/releases下载适当的磁盘镜像。colima start --cpu 1 --memory 2 --disk 10 ## 指定配置启动。# docker daemon的配置，即`daemon.json`# 为虚拟机指定自定义磁盘镜像。
2025-11-19 21:24:08
291
原创 博客的加载速度和大小的优化、优化再优化
但是在复杂系统中，不同的业务消息（例如“下单”、“扣库存”、“发积分”）在投递失败时，需要采取不同的补偿逻辑。策略模式的核心思想是：定义一系列算法（或行为），让它们可以相互替换，且算法的变化不会影响使用算法的客户。//根据bean的名称从map中获取相应的实现类。
2025-11-19 21:20:22
752
原创 【URP】Unity[视差遮挡贴图]原理剖析实践
不不不，没有的事，你又忘了，FromExpression 只是转换为表达式树，并不会真的调用它。哦，说了一大堆，还没说这个方法到底有啥毛用。实际上，EF Core 并不会真正调用方法，只是通过生成表达式树 + 反射出方法名，然后再找到与方法名对应的数据库中的函数罢了。不能调用，不能调用，不能调用！1、访问 context.GetAllBooks() ，这时候，GetAllBooks 方法确实被调用了，是你的代码调用的，不是EF调用；可是，你也发现了，这TM太麻烦了，为了表值函数映射，我要封装两个方法成员。
2025-11-19 21:16:35
691
原创 NHibernate.Search 基于Lucene.NET的全文索引
Mud代码生成器是一套基于Roslyn的源代码生成器，专门针对.NET平台设计，提供了类似Lombok的功能，甚至更加丰富。在.NET的依赖注入系统中，构造函数注入是最推荐的依赖注入方式。这套工具通过在代码中添加特定的特性(Attribute)标记，然后在编译时自动生成相应的代码，大大减少了开发者需要手动编写的代码量。在现代Web应用开发中，数据传输对象(DTO)和视图对象(VO)是常见的设计模式。[property: Required(ErrorMessage = "客户端key不能为空")]
2025-11-19 21:13:19
639
原创 关于某道C#上机题 - 双向循环链表
这里我们只需要了解大概流程就好了，至于里面是否有再细节一点的流程，甚至 AOT/JIT，就不去深究，后面有机会再分享，属于另外一范畴，可以看到这里就出现了 Roslyn，他的作用就是用于编译原生的 C# 代码为 IL，你可以把他理解为是一个开源编译器平台，而且他本身还是用 C# 写的，相信自己的直觉，没错，用 C# 写的代码编译 C# ，俗称自举，约等于（鸡生蛋、蛋生鸡），形成这种局面开始是在微软诞生了 Roslyn 之后，早期的编译器还是用 C++ 的。只有知道了语义之后才能真正"活"起来。
2025-11-18 22:31:42
421
原创 你真的知道一个HTML及资源是如何load的吗(了解各个部分是何时下载和执行的)
招孔追卮如果你也在为“评审慢、质量不稳定、沟通碎片化、重复劳动多”而头疼，这篇文章会把我们在 AIReview 项目中的实践完整分享给你：我们如何把多模型 LLM 能力、Prompt 可定制、异步分析、实时协作、Git 集成等组合起来，让代码评审真正落地、可量化、可持续改进。分层与领域清晰：API（ASP.NET Core）/ Core（领域与业务）/ Infrastructure（EF Core、外部服务、Hangfire、Redis）数据库：SQLite（默认）或 PostgreSQL（生产推荐）
2025-11-18 22:28:24
249
原创 从扩展方法到流畅的程序体验（一）
既然 GapBuffer 采用下标映射实现实际下标和逻辑下标的转换，而在编辑的过程中，某个字符的逻辑下标往往是不断变动的，而其实际下标则要稳定得多，因此完全可以记录实际下标实现高效率的标记管理。由于间隙内的内容实际不可见，当我通过字符串索引获取字符时，需要跳过间隙，此时存在一个下标映射：将获取字符时的逻辑下标映射到所维护字符数组的实际下标。删除时，直接前移起始指针。局部性编辑：在间隙开头插入时，如果间隙不需要扩容，则记录不变，如果是删除，检查并处理实际下标落入间隙区中的下标，移动或删除，平均时间复杂度。
2025-11-18 22:20:12
298
原创 WPF企业内训全程实录(下)
本相似度计算逻辑，在保证性能和效率的前提下，获取到的结果可能并不是最优的。可模型本身并不知道公司的各种产品信息，所以需要我们在给模型发送问题的时候，将产品?户提出问题后， RAG 会根据问题的内容，在所有的?，向量所包含的信息也就越丰富，使?个基于 RAG 的问答系统的完整流程，包括?，也就意味着向量对应的?它为存储向量做了很多优化，还提供了计算向量相似度等相关的函数，?云百炼的专业向量模型，其处理逻辑对于相关性提供了较好的?户问题的向量，与向量数据库中的向量进?户问题的相关性较低，您可以尝试调整召回的?
2025-11-18 22:16:12
264
原创 XML数据库与dbo的简要对比
KV Cache 是 Transformer 自回归推理的关键优化技术，通过缓存历史键值对将重复计算转化为内存查表，显著降低推理延迟。分页管理：借鉴操作系统的虚拟内存思想，vLLM 等框架将 KV Cache 切分为固定大小的块（如 16 个 token），动态分配物理显存，显著提升显存利用率和批处理吞吐。卸载与重算：对超长上下文，可将早期 token 的 KV 缓存卸载至 CPU 内存，或在访问时按需重算。需要明确的是，KV Cache 存储的是经过线性投影后的连续向量表示，其规模与词表大小无关。
2025-11-17 21:15:32
404
原创 在团队中如何推行一项新的实践
不要过分指望按照文本主题进行分隔， 因为实战中的资料太多而且没有规律， 根本没办法保证每个chunk是一个完整的主题内容， 哪怕人为干预也很难。由于文本读取过来后， 还需要分成一段一段的片段(分块chunk)， 分块是为了更好地拆分语义单元，这样在后面可以更精确地进行语义相似性检索，也可以避免LLM的Token限制。// 不同的PDF生成工具可能使用不同的坐标系 ， 如果内容识别有问题， 可以设置该属性为true。接下来，如果每个块的大小超出了预定义的块大小限制，则将其拆分成更小的块。
2025-11-17 21:11:07
867
原创 工作回忆总结（第一年）
显然这取决于"失败"的定义, 例如除0就是"除法指令的第二个操作数为0", 非法指令可以定义成"不属于ISA手册描述范围的指令", 而自陷指令可以认为是一种特殊的无条件失败. 不同的ISA手册都有各自对"失败"的定义, 例如RISC-V手册就不认为除0是一种失败, 因此即使除数为0, 在RISC-V处理器中这条指令也会按照指令手册的描述来执行.处理系统的关键, 就是要有一个后台程序, 当一个前台程序执行结束的时候, 后台程序就会自动加载一个新的前台程序来执行，这样的一个后台程序, 其实就是操作系统。
2025-11-17 21:07:08
394
原创 Swifter C#之inline还是不inline，这是个问题
对于上下文的创建，需要先实现rt_uint8_t *rt_hw_stack_init(void *tentry, void *parameter, rt_uint8_t *stack_addr, void *texit)函数。void rt_hw_context_switch(rt_ubase_t from, rt_ubase_t to)//切换到to的上下文，又要保存当前上下文到from上。//保存上下文到from中。
2025-11-17 21:02:26
831
原创 Android整体印象
SocketWordCount是Flink中的经典示例，它通过Socket接收实时数据流，对数据流中的单词进行计数，并将结果实时输出。在SocketWordCount中，keyBy操作使用了Key Group Partitioning策略，确保相同单词的数据被发送到同一个分区进行处理。System.out.println("客户端已连接，输入要发送的数据（输入'exit'退出）：");最后，调用execute方法启动作业。注意，Flink程序是惰性执行的，只有调用execute方法才会真正触发计算。
2025-11-17 20:57:44
958
原创 SQL Join的一些总结
使用 thread return 时，需要注意，我们的断点需要打在 objc_msgSend 的入口处，如果在 addNum 的入口打断点执行 thread return，最终可能会得到非预期值；但这种方式有个弊端是，需要等函数执行完，在实际的场景中，我们往往希望不执行函数且能让函数返回我们想要的值，比如：函数中可能会修改其他参数，函数可能有复杂的鉴权逻辑无法通过鉴权等，这些场景我们往往不希望或者不能让函数执行，这种情况下就需要另一个指令：thread return。如下，是AI生成的函数调用流程；
2025-11-16 15:35:35
327
原创 协议森林 涅槃 (TCP重新发送)
vu3中$attrs: 包含了所有[传递]给[子组件]的非 props 属性。如：继承的属性（如 class 和 style）以及未在 props 中声明的属性。vu2中$attrs: 包含了所有[传递]给[子组件]的非 props 属性和style和class之外的属性。当一个组件声明了prop时候，attrs里面包含除去prop里面的数据剩下的数据。v-bind="$attrs" 可以接收到父组件中的属性设置。我们发现一个问题：在父组件中的组件写相关属性时，没有属性提示。
2025-11-16 15:31:25
296
原创 dll文件位位检测工具以及Windows文件夹SysWow的坑
查看switch_core_media.c的switch_core_media_patch_sdp函数，在处理video信息时，强制重选了video本地端口，而audio端口处理正常。查看调用堆栈，mod_sofia模块在处理183sdp的流程中，proxy_media模式下会主动调用“switch_core_media_patch_sdp”这一并无必要的操作。经过修改后的fs虽然可以正常转发rtp媒体流，但是仍然无法转发rtcp消息，在网络较差的情况下，视频媒体流无法利用rtcp的特性修复视频卡顿。
2025-11-16 15:27:23
263
原创 赵杰_yiwenshengmei
TRPO 用共轭梯度法求解带约束的优化问题,需要计算 Hessian 矩阵(目标函数的二阶导数)。PPO(Schulman et al., 2017)用一阶优化 + 巧妙的目标函数设计达到 TRPO 的效果,成为深度 RL 和 RLHF 的标准算法。过大(如 10),说明新旧策略差异巨大,重要性采样失效,梯度估计方差爆炸。新策略分布:P("多喝水")=0.5, P("休息")=0.35, P("吃药")=0.15。旧策略分布:P("多喝水")=0.3, P("休息")=0.4, P("吃药")=0.3。
2025-11-16 15:23:10
890
原创 人工智能实用指南：AI作画 + tf-idf
探索人工智能中的 AI 作画与 tfidf 引言 在人工智能飞速发展的当下，AI 作画成为了热门话题。它能根据用户输入的描述生成各种风格独特的图像，为创造力打开
2025-11-16 14:46:53
415
原创 记一次酣畅淋漓的js逆向
而且是纯粹的那种，不要框架，只依赖原生。早期 JavaScript 没有类的概念，通过 “构造函数+原型链” 模拟面向对象，this 因“动态绑定”特性，从强类型语言的角度看，其表现堪比怪物，this 指向完全依赖调用方式，稍不注意就出错。继承的先父后子，无论是隐式调用父类无参构造，还是显式调用有参构造，父类的构造函数总是先执行，父类成员先行完成初始化，不会出现子类访问未就绪的父类属性的情况。JavaScript 的 this 像怪物，核心是指向由函数调用时的方式决定，属于动态绑定，而非定义时的静态绑定。
2025-11-15 16:37:15
539
原创 基于C#+avalonia ui实现的跨平台点胶机灌胶监控控制上位机软件
我们都知道CPU就像计算机的“大脑”，但在深度学习的模型训练领域中，反而GPU更常用，尤其是在较大的模型训练中，GPU 是深度学习的“加速引擎”，它用大量并行核心，把神经网络训练和推理中重复、耗时的矩阵运算做得又快又高效，所谓的“租用服务器让模型跑快点”，实际上就是利用服务器的较先进的GPU。我们本篇的主要目的还是展示模型构建的过程，在之后的课程学习里，会涉及更多更复杂的算法，函数与优化等，我们到时使用其再来试试在猫狗二分类数据集上的分类效果。这样，我们就完成了预处理部分。
2025-11-15 16:32:21
916
原创 Elasticsearch嵌套类型nested使用指南
一个典型的问题就是求逆矩阵：在工程实践和数值计算中，直接求解逆矩阵通常是一个性能消耗大且可能不精确的操作，应该尽量避免。其实效率只是一方面的问题，使用计算机求解的另外一个问题是舍入误差累积：在计算机中，浮点数运算存在固有的舍入误差；总而言之，使用通解求解逆矩阵，可能存在不精确且性能消耗大的问题。（对应零奇异值的分量）在正规方程中不受约束——这反映了在列秩不足时普通最小二乘解不是唯一的（可以在零空间方向任意加解）。从以上论述可以看到，SVD分解稳定且能处理秩亏的情况，但比QR分解慢，复杂度高，通常。
2025-11-15 16:27:12
788
原创 人工智能：tf-idf的正确打开方式
人工智能技术实践 在人工智能领域，有多个关键技术和工具值得深入探讨。 核心概念与原理 tfidf：词频逆文档频率，常用于文本分析。它通过统计词在文档中的频率以及
2025-11-15 03:11:28
350
原创 人工智能：dnn的正确打开方式
人工智能：DNN、边缘计算与回归的融合实践 在当今数字化时代，人工智能的应用愈发广泛，深刻改变着人们的生活和工作方式。深度学习神经网络（DNN）作为人工智能的核
2025-11-15 03:06:28
331
原创 【GitHub每日速递 】 个宝藏开源项目：超长语音合成、算法学习库、自托管软件导航，开发者速收
我们都知道CPU就像计算机的“大脑”，但在深度学习的模型训练领域中，反而GPU更常用，尤其是在较大的模型训练中，GPU 是深度学习的“加速引擎”，它用大量并行核心，把神经网络训练和推理中重复、耗时的矩阵运算做得又快又高效，所谓的“租用服务器让模型跑快点”，实际上就是利用服务器的较先进的GPU。我们本篇的主要目的还是展示模型构建的过程，在之后的课程学习里，会涉及更多更复杂的算法，函数与优化等，我们到时使用其再来试试在猫狗二分类数据集上的分类效果。这样，我们就完成了预处理部分。
2025-11-14 14:07:41
279
原创 聊一聊 .NET超高内存故障分析方法 的反思
一个典型的问题就是求逆矩阵：在工程实践和数值计算中，直接求解逆矩阵通常是一个性能消耗大且可能不精确的操作，应该尽量避免。其实效率只是一方面的问题，使用计算机求解的另外一个问题是舍入误差累积：在计算机中，浮点数运算存在固有的舍入误差；总而言之，使用通解求解逆矩阵，可能存在不精确且性能消耗大的问题。（对应零奇异值的分量）在正规方程中不受约束——这反映了在列秩不足时普通最小二乘解不是唯一的（可以在零空间方向任意加解）。从以上论述可以看到，SVD分解稳定且能处理秩亏的情况，但比QR分解慢，复杂度高，通常。
2025-11-14 14:02:43
801
原创 鸿蒙应用开发从入门到实战（二十三）：一文搞懂ArkUI弹性布局
在实用性能上，它在OmniDocBench基准测试中，仅用100个视觉token就超越需256个token的GOT-OCR2.0，用少于800个视觉token超越平均需6000+个token的MinerU2.0，且单A100-40G显卡日生成20万+页LLM/VLM训练数据，代码和模型权重已开源（http://github.com/deepseek-ai/DeepSeek-OCR），为LLM长上下文压缩、记忆遗忘机制研究及实际OCR任务提供重要价值。配置：AdamW优化器，步长调度器，初始学习率3e-5；
2025-11-13 16:47:47
270
原创 【URP】Unity中的[摩尔纹]问题解决方案
heap_1 只分配，不释放（pvPortMalloc有效，vPortFree无效） 实现最简单，执行时间绝对确定（无碎片） 内存无法回收，分配后永久占用 只创建一次内核对象（如任务、队列），运行中不删除的场景（如固定功能的嵌入式设备）heap_1/4/5 的分配时间是大致确定的（遍历空闲块的次数有限），而 heap_2（碎片导致遍历变长）和 heap_3（依赖标准库，时间不确定）可能破坏实时性。系统稳定性的保障：例如 heap_1 避免了释放操作，适合资源受限且功能固定的场景（如传感器节点）；
2025-11-13 16:42:25
364
原创 非战之罪，从永中Office谈起
在实用性能上，它在OmniDocBench基准测试中，仅用100个视觉token就超越需256个token的GOT-OCR2.0，用少于800个视觉token超越平均需6000+个token的MinerU2.0，且单A100-40G显卡日生成20万+页LLM/VLM训练数据，代码和模型权重已开源（http://github.com/deepseek-ai/DeepSeek-OCR），为LLM长上下文压缩、记忆遗忘机制研究及实际OCR任务提供重要价值。配置：AdamW优化器，步长调度器，初始学习率3e-5；
2025-11-12 15:06:09
240
原创 用Asp.net写自己的服务框架
heap_1 只分配，不释放（pvPortMalloc有效，vPortFree无效） 实现最简单，执行时间绝对确定（无碎片） 内存无法回收，分配后永久占用 只创建一次内核对象（如任务、队列），运行中不删除的场景（如固定功能的嵌入式设备）heap_1/4/5 的分配时间是大致确定的（遍历空闲块的次数有限），而 heap_2（碎片导致遍历变长）和 heap_3（依赖标准库，时间不确定）可能破坏实时性。系统稳定性的保障：例如 heap_1 避免了释放操作，适合资源受限且功能固定的场景（如传感器节点）；
2025-11-12 15:00:48
223
原创 优雅的.net REST API之FastEndpoints
在实用性能上，它在OmniDocBench基准测试中，仅用100个视觉token就超越需256个token的GOT-OCR2.0，用少于800个视觉token超越平均需6000+个token的MinerU2.0，且单A100-40G显卡日生成20万+页LLM/VLM训练数据，代码和模型权重已开源（http://github.com/deepseek-ai/DeepSeek-OCR），为LLM长上下文压缩、记忆遗忘机制研究及实际OCR任务提供重要价值。配置：AdamW优化器，步长调度器，初始学习率3e-5；
2025-11-11 14:27:57
230
原创 “同声传译”还是“全文翻译”？为何HotSpot虚拟机仍要保留解释器？
heap_1 只分配，不释放（pvPortMalloc有效，vPortFree无效） 实现最简单，执行时间绝对确定（无碎片） 内存无法回收，分配后永久占用 只创建一次内核对象（如任务、队列），运行中不删除的场景（如固定功能的嵌入式设备）heap_1/4/5 的分配时间是大致确定的（遍历空闲块的次数有限），而 heap_2（碎片导致遍历变长）和 heap_3（依赖标准库，时间不确定）可能破坏实时性。系统稳定性的保障：例如 heap_1 避免了释放操作，适合资源受限且功能固定的场景（如传感器节点）；
2025-11-11 14:22:59
241
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