<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[持续学习，持续分享AI]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/flygfch</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; flygfch]]></copyright><item><title><![CDATA[体验了腾讯、字节、智谱的OpenClaw“龙虾”后，我为什么退回了纯本地开源的 GUI 方案？]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/159247103</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/159247103</guid><author>flygfch</author><pubDate>Thu, 19 Mar 2026 15:51:34 +0800</pubDate><description><![CDATA[摘要：近期各大厂纷纷推出OpenClaw封装方案，如腾讯QClaw、字节ArkClaw等，但这些SaaS化方案存在算力绑架和隐私风险。相比之下，开源本地方案WhereClaw（自由龙虾）更具优势：完全离线运行、零API费用、保留终端权限并支持本土社交协议。对于开发者和极客而言，这种不受管控的&quot;野生方案&quot;更能体现开源精神，建议有闲置算力的用户尝试体验。]]></description><category></category></item><item><title><![CDATA[Flowise-AI工作流初体验]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/140383420</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/140383420</guid><author>flygfch</author><pubDate>Fri, 12 Jul 2024 16:54:20 +0800</pubDate><description><![CDATA[上面我们完整的粗略的体验了一下flowise平台，很强大。个人觉得上手门槛有，但不高，如果你之前了解过langchain。潜在用户还是有一定基础AI的人，如果是完全小白的话还是有点难度。相比扣子、dify等，这两个平台还是集成化度高一点，flowise更偏底层。从产品化的角度来说，flowise还是比较早期，功能点比较简单。同样是基于langchain，可能langflow会更成熟一点。如果大家有不同想法可以留言，共同探讨。]]></description><category></category></item><item><title><![CDATA[持续学习，持续分享]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/138219701</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/138219701</guid><author>flygfch</author><pubDate>Fri, 26 Apr 2024 15:21:03 +0800</pubDate><description><![CDATA[过去的人工智能，是通过写好各种匹配规则，然后通过命中的方式来回答问题等等。而现在的人工智能是真的在模拟人类的思考方式，有了推理能力，他是真的是在理解你说的话。这一轮AI大潮中，虽然国内的大模型还确实和美国有差距，但是我们在应用层已经百花齐放，大家都在使用AI来解决各种现实问题。人工智能的时代已经到来了，ChatGPT的发布成为了一个奇点，标志着我们从人工智障的时代来到了人工智能的时代。有通过AI实现小红书文案的，生成小说的，写论文的。本人也在不断学习，希望能抓住这一波浪潮，做出一些有意义的产品来。]]></description><category></category></item><item><title><![CDATA[如何拥有自己的专属GPT-本地部署目前最强大模型llama3]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/138218641</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/138218641</guid><author>flygfch</author><pubDate>Fri, 26 Apr 2024 14:49:57 +0800</pubDate><description><![CDATA[你是不是苦于没法使用ChatGPT？或者访问了ChatGPT却没法使用GPT4？现在一切问题都可以解决了！4月18日，Meta发布两款开源Llama 3 8B与Llama 3 70B模型，供外部开发者免费使用。这个消息轰动了全球开发者。按照Meta的说法，Llama 3 8B和Llama 3 70B是目前同体量下，性能最好的开源模型。所以Llama3成了ChatGPT最好的平替。本文教你一步一步在本地部署目前最先进的开源大模型llama3，让你再也不用忍受网络问题，且可以无限制使用大模型。]]></description><category></category></item><item><title><![CDATA[探索未来写作之旅]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/135867382</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/135867382</guid><author>flygfch</author><pubDate>Fri, 26 Jan 2024 15:41:06 +0800</pubDate><description><![CDATA[ChatGPT的出现，让写作有了新的方式，你可以让ChatGPT帮你生成论文大纲，帮你修改润色，但无法帮你生成整篇文章。但是《论文家园》可以！]]></description><category></category></item><item><title><![CDATA[实时大数据开发实践]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/88188117</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/88188117</guid><author>flygfch</author><pubDate>Tue, 05 Mar 2019 16:31:17 +0800</pubDate><description><![CDATA[转载请注明出处，欢迎访问 fangchao.me
本文主要从大数据起源谈起，介绍了几种主要的大数据处理框架，包括其中的容错机制，实现细节及原理等。再主要介绍了使用storm进行大数据开发的具体过程，以及开发过程中遇到的坑和一些优化。以下内容基于本人上次部门内分享整理，去掉了一些业务性的内容，尽量给大家展现一些技术细节。

首先看一张图，截止2018年7月15日，这是大数据与AI的所有产品以及框架等...]]></description><category></category></item><item><title><![CDATA[Windows下XGBoost和LightGBM环境配置]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/88188053</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/88188053</guid><author>flygfch</author><pubDate>Tue, 05 Mar 2019 16:30:23 +0800</pubDate><description><![CDATA[转载请注明出处，欢迎访问 fangchao.me
XGBoost和LightGBM简介
XGBoost是大规模并行Boosted Tree的工具，是一款经过优化的分布式梯度提升（Gradient Boosting）库，具有高效，灵活和高可移植性的特点。XGBoost基于梯度提升框架，实现了并行方式的决策树提升(Tree Boosting)，从而能够快速准确地解决各种数据科学问题。
在数据科学方面，...]]></description><category></category></item><item><title><![CDATA[Storm参数配置及代码优化]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/88187995</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/88187995</guid><author>flygfch</author><pubDate>Tue, 05 Mar 2019 16:29:32 +0800</pubDate><description><![CDATA[转载请注明出处，欢迎访问 fangchao.me
背景
本人在维护一套由storm、kafka、zookeeper组成的分布式实时计算系统。当数据量很小的时候，系统处理起来其实是绰绰有余的，基本上按照系统默认配置来就可以了。然而当数据量增长到一定规模的时候，系统的各个配置都对整个系统的性能有着至关重要的影响。在不断的处理现网问题、研究的过程中，对系统的一些关键配置有一些心得。在这里分享出来，同大家...]]></description><category></category></item><item><title><![CDATA[翻译 理解Storm拓扑的并行性]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/88187939</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/88187939</guid><author>flygfch</author><pubDate>Tue, 05 Mar 2019 16:28:47 +0800</pubDate><description><![CDATA[转载请注明出处，欢迎访问 fangchao.me
本文是本人根据Storm官方文档个人翻译整理的，如果有不妥或者错误之处，欢迎指正。原英文官方文档
是什么使一个拓扑运行的
Storm区分了用于在Storm集群中实际运行拓扑的以下三个主要实体：

工作进程（Worker processes）
执行器（Executors）
任务（Tasks）

这里是他们的关系的简单说明：

工作进程运行着一个拓扑的...]]></description><category></category></item><item><title><![CDATA[Zookeeper部署与动态扩容]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/88187830</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/88187830</guid><author>flygfch</author><pubDate>Tue, 05 Mar 2019 16:27:00 +0800</pubDate><description><![CDATA[转载请注明出处，欢迎访问 fangchao.me
背景
最近在一直维护以前的一个实时计算的系统，用到了很多有关storm、kafka、zookeeper之类的知识。自己也一直在学习这些系统的架构、源码。
由于一直是在以前集群的基础上不断修改，没有从头开始部署过集群。最近运维提了个问题，就是由于以前zookeeper是单机模式下运行的，万一这台机器出了问题，那就会影响整个实时计算，包括storm和k...]]></description><category></category></item><item><title><![CDATA[一个由JS时间引发的]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/88187751</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/88187751</guid><author>flygfch</author><pubDate>Tue, 05 Mar 2019 16:25:48 +0800</pubDate><description><![CDATA[转载请注明出处，欢迎访问 fangchao.me
Background
最近在做有关游戏交易对账的一些工作，主要就是写一些Python，部署在内部LZ上，虽然每个游戏不一样，表结构也不一样，但是对账的逻辑是相似的，游戏日志表结构也十分相似。于是就有了个想法，根据一些参数自动化生成这个对账用的Python代码。
于是花了一天时间，写了几个Shell脚本，再加测试，可正常运行。再后来就又有了个想法，不...]]></description><category></category></item><item><title><![CDATA[如何在网页中内嵌字体]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/88187686</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/88187686</guid><author>flygfch</author><pubDate>Tue, 05 Mar 2019 16:24:46 +0800</pubDate><description><![CDATA[转载请注明出处，欢迎访问 fangchao.me
Background
今天在浏览一个网站的时候，发现了一款非常好看的字体，审查元素发现，这个字体叫Open Sans，非常惊艳。和我以前发现的一款字体Segoe UI非常像。对比了一下，其实都很不错，而且很相像。于是Google了下，竟然发现其实这两款字体出自同一人Steve Matteson之手！真是大神级的人物。看来的我的欣赏水平还没有跑偏。
...]]></description><category></category></item><item><title><![CDATA[如何在GitHub上新建一个网站并绑定子域名]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/88187583</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/88187583</guid><author>flygfch</author><pubDate>Tue, 05 Mar 2019 16:23:12 +0800</pubDate><description><![CDATA[转载请注明出处，欢迎访问 fangchao.me
今天新开辟了一片天地，将自己的技术博客和生活博客分开来。技术博客继续使用fangchao.me，生活博客开了一个子域名，life.fangchao.me，记录一下自己的生活。在此记录一下，在GitHub上怎么重新建立一个新的网站并且将其指向子域名。
比如我拥有了一个域名abc.com，现在我将abc.com以及www.abc.com映射到我的主要网...]]></description><category></category></item><item><title><![CDATA[Chef最佳实践]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/88187371</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/88187371</guid><author>flygfch</author><pubDate>Tue, 05 Mar 2019 16:20:33 +0800</pubDate><description><![CDATA[本文目录1 What’s Chef?2 What’s in Chef?3 How Chef Works?3.1 Chef结构3.2 Chef三种模式3.3 Chef怎么工作3.4 Chef怎么用4 What’s next?Reference
*转载请出名出处，欢迎访问 fangchao.me *
此文档适合于对Chef不了解，或者仅仅是了解但并未真正使用过Chef的用户。如果您对Chef充分了解，...]]></description><category></category></item><item><title><![CDATA[常用RGB颜色表]]></title><link>https://blog.youkuaiyun.com/flygfch/article/details/24783725</link><guid>https://blog.youkuaiyun.com/flygfch/article/details/24783725</guid><author>flygfch</author><pubDate>Wed, 30 Apr 2014 13:08:59 +0800</pubDate><description><![CDATA[R


G


B


值

 

R


G


B


值

 

R


G


B


值




黑色


0


0


0


#000000


黄色


255


255


0


#FFFF00


浅灰蓝色


176

]]></description><category></category></item></channel></rss>