<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_02158的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_02158</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_02158]]></copyright><item><title><![CDATA[TVBoxOSC新手完全指南：3步在电视盒子上装好最新版TVBox]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/145154463</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/145154463</guid><author>gitblog_02158</author><pubDate>Tue, 08 Sep 2026 14:03:24 +0800</pubDate><description><![CDATA[TVBoxOSC是一个持续打包、发布 TVBox 应用的开源项目。你不用编译，下载最新 APK 装到电视盒子或安卓电视上就能用，项目每天检查上游源码并自动发新版，让你一直用得上较新的版本。

- 项目持续产出两个 APK（TVBoxOS、Box），附带源码包和更新日志
- 版本号就是构建时间，一眼能看出新旧
- 全程只做三件事：下载、安装、核对版本

## 📺 适用场景：什么时候用得上 TVBo]]></description><category></category></item><item><title><![CDATA[Hermes WebUI 多模型怎么配、怎么切、怎么控成本]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/144738658</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/144738658</guid><author>gitblog_02158</author><pubDate>Tue, 08 Sep 2026 11:55:14 +0800</pubDate><description><![CDATA[一个项目里既要用云端大模型写代码，又要用本地模型处理敏感资料，来回切换工具很烦。Hermes WebUI 的多模型管理把多家提供商放进同一个界面：配置一次，会话里一键切换。

## 先想清楚用哪家提供商，再动手配置

选提供商其实是在选"要不要把数据交给云端"。要能力上限就选云 API，要隐私和零边际成本就选本地模型。两类路子的配置差别主要在要填什么：

| 你的情况 | 可选提供商 | 需要填的]]></description><category></category></item><item><title><![CDATA[为什么弹窗要选DialogFragment？NiceDialog与传统AlertDialog全面对比]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/149824753</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/149824753</guid><author>gitblog_02158</author><pubDate>Tue, 18 Aug 2026 08:06:52 +0800</pubDate><description><![CDATA[在Android开发中，弹窗是每个应用都绕不开的交互组件，但很多新手在实现弹窗时，第一反应往往是直接new一个系统自带的传统AlertDialog。其实，基于DialogFragment实现的NiceDialog弹窗库，才是兼顾稳定性、可定制性与代码可维护性的更优选择。本文将从生命周期管理、屏幕旋转数据保存、样式定制等维度，全面对比DialogFragment弹窗与传统AlertDialog的区别]]></description><category></category></item><item><title><![CDATA[CS2_External未来发展方向：项目路线图与技术展望分析]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/149626793</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/149626793</guid><author>gitblog_02158</author><pubDate>Sat, 18 Jul 2026 08:55:55 +0800</pubDate><description><![CDATA[CS2_External作为一款专业的CS2外部辅助工具，其未来发展方向和技术路线图对于游戏开发者和安全研究人员都具有重要意义。本文将深入分析该项目的技术架构，并探讨其潜在的发展方向和技术演进路径。

## 📊 项目当前技术架构概览

CS2_External采用模块化设计，核心功能分布在多个专业模块中。项目基于C++开发，使用OS-ImGui库构建用户界面，实现了与CS2游戏进程的外部交互。
]]></description><category></category></item><item><title><![CDATA[如何快速掌握pyNastran：Python有限元分析数据处理的完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/144504274</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/144504274</guid><author>gitblog_02158</author><pubDate>Mon, 25 May 2026 14:15:31 +0800</pubDate><description><![CDATA[pyNastran是一个基于Python的Nastran文件格式接口工具，专门用于处理有限元分析中的BDF、OP2、OP4等格式文件。它让工程师能够直接读取、解析和可视化Nastran模型与结果数据，彻底摆脱对商业软件的依赖，将有限元分析效率提升10倍以上。

## 📊 pyNastran能为你解决哪些实际问题？

### 场景一：快速查看同事分享的Nastran模型文件
你是否经常收到同事发来]]></description><category></category></item><item><title><![CDATA[LaMa图像修复系统：5个关键部署策略与性能优化实战指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/149824167</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/149824167</guid><author>gitblog_02158</author><pubDate>Fri, 22 May 2026 17:43:46 +0800</pubDate><description><![CDATA[LaMa（Large Mask Inpainting）作为当前最先进的图像修复深度学习系统，通过创新的傅里叶卷积架构实现了对大尺寸掩码的高效修复。本文将为中级开发者和技术决策者提供完整的LaMa部署、性能优化和监控解决方案，帮助您在真实生产环境中构建稳定高效的图像修复服务。

## 1. 技术架构深度解析：傅里叶卷积的革命性突破

LaMa的核心创新在于其傅里叶卷积（Fourier Convolu]]></description><category></category></item><item><title><![CDATA[如何安装与配置vue-vscode-snippets？5分钟快速上手指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/149629015</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/149629015</guid><author>gitblog_02158</author><pubDate>Sat, 28 Feb 2026 01:40:13 +0800</pubDate><description><![CDATA[vue-vscode-snippets是一款能够显著提升Vue开发效率的VSCode扩展，它提供了丰富的代码片段，帮助开发者快速生成Vue组件、模板、脚本等常用代码结构，支持Vue 2和Vue 3版本。

[![vue-vscode-snippets扩展介绍](https://raw.gitcode.com/gh_mirrors/vu/vue-vscode-snippets/raw/69c744b]]></description><category></category></item><item><title><![CDATA[gh_mirrors/py/pygdf代码复杂度分析：维护性改进全指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/144761893</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/144761893</guid><author>gitblog_02158</author><pubDate>Sun, 25 Jan 2026 01:02:16 +0800</pubDate><description><![CDATA[gh_mirrors/py/pygdf作为高性能GPU数据处理库，其代码复杂度直接影响项目的可维护性与扩展性。本文将深入分析代码结构现状，揭示潜在技术债务，并提供系统性的维护优化方案，帮助开发团队提升代码质量与开发效率。

## 📊 代码复杂度现状分析

### 核心模块复杂度分布
项目代码主要分布在`cpp/`和`python/`两大目录，其中C++核心模块包含超过150个源文件，Python]]></description><category></category></item><item><title><![CDATA[JEECG-BOOT分布式缓存：Redis Cluster数据分片机制完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/149627864</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/149627864</guid><author>gitblog_02158</author><pubDate>Thu, 15 Jan 2026 01:18:32 +0800</pubDate><description><![CDATA[JEECG-BOOT作为一款优秀的企业级快速开发平台，在分布式缓存方面采用了**Redis Cluster数据分片机制**，为企业级应用提供了高性能、高可用的缓存解决方案。本指南将深入解析JEECG-BOOT如何通过Redis集群实现数据分片，帮助您构建稳定可靠的分布式系统。🚀

## 🔍 什么是Redis Cluster数据分片？

Redis Cluster是Redis官方提供的分布式解决]]></description><category></category></item><item><title><![CDATA[React Native支持TanStack Query：移动端数据管理完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/149626937</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/149626937</guid><author>gitblog_02158</author><pubDate>Wed, 07 Jan 2026 14:44:24 +0800</pubDate><description><![CDATA[在现代移动应用开发中，高效的数据管理是提升用户体验的关键。TanStack Query（原名React Query）为React Native应用提供了强大的异步状态管理解决方案，让开发者在移动端轻松实现数据缓存、同步和状态管理。本文将为你详细介绍如何在React Native项目中集成和使用这一优秀工具。

## 为什么选择TanStack Query？

TanStack Query是一个功能]]></description><category></category></item><item><title><![CDATA[突破认知边界：MMLU跑分背后的模型训练性能革命与实战指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/149823360</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/149823360</guid><author>gitblog_02158</author><pubDate>Fri, 01 Aug 2025 09:00:01 +0800</pubDate><description><![CDATA[在人工智能（Artificial Intelligence, AI）模型训练的赛道上，每一个百分点的性能提升都可能意味着数周甚至数月的工程优化。你是否也曾面临过这样的困境：投入了大量计算资源，模型却在关键 benchmark 上停滞不前？尝试了各种调参技巧，却始终无法突破性能天花板？

本文将为你揭开 MMLU（Massive Multitask Language Understanding，大规...]]></description><category></category></item><item><title><![CDATA[探索国风艺术之美：GuoFeng3模型的配置与环境要求]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/145223350</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/145223350</guid><author>gitblog_02158</author><pubDate>Sat, 18 Jan 2025 10:43:24 +0800</pubDate><description><![CDATA[在当今数字化时代，人工智能技术为我们带来了无限的创意可能。GuoFeng3模型，作为一款基于SDXL的深度学习模型，不仅继承了国风艺术的精髓，还大幅降低了创作门槛，让更多人能够轻松地创造出属于自己的古风作品。然而，为了充分发挥GuoFeng3模型的潜力，正确的配置与环境设置至关重要。本文旨在为广大用户详细解析GuoFeng3模型的配置需求，确保您能够在最佳环境中享受创作的乐趣。

## 系统要求
...]]></description><category></category></item><item><title><![CDATA[【亲测免费】 all-MiniLM-L6-v2：版本更新与新特性]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/145203920</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/145203920</guid><author>gitblog_02158</author><pubDate>Fri, 17 Jan 2025 11:41:20 +0800</pubDate><description><![CDATA[在自然语言处理领域，句子嵌入模型一直是研究和应用的热点。今天，我们将介绍 all-MiniLM-L6-v2 模型的最新版本，它的更新和新特性将进一步提升其在语义搜索、文本聚类和句子相似度任务中的性能。

## 引言

随着技术的不断进步，跟进模型版本更新变得尤为重要。在本文中，我们将详细介绍 all-MiniLM-L6-v2 模型的最新版本，包括其发布时间、更新日志摘要，以及最重要的新特性。通过本...]]></description><category></category></item><item><title><![CDATA[探索Stable Diffusion v1-4模型的未来展望]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/145176799</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/145176799</guid><author>gitblog_02158</author><pubDate>Thu, 16 Jan 2025 11:20:28 +0800</pubDate><description><![CDATA[探索Stable Diffusion v1-4模型的未来展望

    
        
            【免费下载链接】stable-diffusion-v1-4
            
            
                
                项目地址: https://ai.gitcode.com/mirrors/CompVis/stable-d...]]></description><category></category></item><item><title><![CDATA[2.8B参数碾压7B模型！MiniCPM-V-2全场景部署指南：从GPU到手机端的革命]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/145053316</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/145053316</guid><author>gitblog_02158</author><pubDate>Fri, 10 Jan 2025 11:12:54 +0800</pubDate><description><![CDATA[- 3分钟部署MiniCPM-V-2的5种实战方案（含vLLM加速版）
- 移动端实时运行的优化参数表（降低70%内存占用）
- 11个权威测评中超越GPT-4V的核心能力解析
- 避坑指南：解决90%用户遇到的OCR识别与显存溢出问题

## 为什么MiniCPM-V-2是边缘计算的颠覆者？

当你还在为7B大模型部署时的3GB显存占用发愁，MiniCPM-V-2.8B已经实现了：
- **性能...]]></description><category></category></item><item><title><![CDATA[深入了解LLaVA：常见问题解答]]></title><link>https://blog.youkuaiyun.com/gitblog_02158/article/details/144553437</link><guid>https://blog.youkuaiyun.com/gitblog_02158/article/details/144553437</guid><author>gitblog_02158</author><pubDate>Wed, 18 Dec 2024 10:26:01 +0800</pubDate><description><![CDATA[深入了解LLaVA：常见问题解答
在当今的AI领域，LLaVA（Large Language and Vision Assistant）模型以其独特的多模态处理能力受到了广泛关注。本文将针对LLaVA模型的一些常见问题进行解答，帮助用户更好地理解和使用这一先进模型。
一、模型的适用范围是什么？
LLaVA模型是一种开源的聊天机器人，通过在多模态指令跟随数据上微调大型语言模型（LLM）而训练而成。它...]]></description><category></category></item></channel></rss>