<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_02439的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_02439</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_02439]]></copyright><item><title><![CDATA[Folia 桌面端如何把 QQ 音乐与网易云 API 内嵌进主进程：零部署启动机制全解]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/149895818</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/149895818</guid><author>gitblog_02439</author><pubDate>Thu, 15 Oct 2026 14:56:58 +0800</pubDate><description><![CDATA[Folia 桌面端不要求用户部署任何在线音源 API：QQ 音乐与网易云两套服务直接在 Electron 主进程里作为本地常驻服务启动，端口由系统分配，状态广播给界面。这篇文章拆解这套零部署的启动机制：先看全局编排，再讲背后的三条工程关切，最后说失败如何被看见。

[![Folia 桌面端播放界面，QQ 音乐与网易云音源在内嵌 API 零部署启动后即可直接播放](https://raw.gitco]]></description><category></category></item><item><title><![CDATA[打开就能调：Ladybird 的 VS Code 环境 5 步配齐]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/144381204</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/144381204</guid><author>gitblog_02439</author><pubDate>Mon, 12 Oct 2026 21:38:53 +0800</pubDate><description><![CDATA[如果你正在给 Ladybird 浏览器 搭一套顺手的 VS Code 开发环境，最容易卡住的其实是四个点：首次构建拉不动 vcpkg 依赖、clangd 补全一片红、断点打上去没反应、海量生成代码污染文件树和搜索。下面按你第一天在 VS Code 里实际操作的时间线走一遍：先把构建跑通，再让补全和跳转可用，然后把格式化、排除规则、一键任务配齐，最后讲需要断点时怎么附加到 WebContent 进程]]></description><category></category></item><item><title><![CDATA[KernelSU 模式切换快速指南：GKI 和 LKM 一次选对不翻车]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/145176980</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/145176980</guid><author>gitblog_02439</author><pubDate>Tue, 08 Sep 2026 11:09:40 +0800</pubDate><description><![CDATA[读完你能 30 秒选好模式，3 步完成切换。适用于真机、模拟器、WSA、Waydroid。

## 30 秒选模式

| 设备类型 | 推荐模式 | 一句话理由 |
|---|---|---|
| 手机 | LKM | 原内核不动，管理器里就能升级，回退最省事 |
| 三星 KNOX | GKI | KNOX 计数烧掉后 LKM 模块插不进去，只能走 GKI |
| 模拟器 / WSA / Way]]></description><category></category></item><item><title><![CDATA[Czkawka 重复文件清理完整指南：3 条安装路线，10 分钟拿回磁盘空间]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/150412602</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/150412602</guid><author>gitblog_02439</author><pubDate>Tue, 08 Sep 2026 09:01:05 +0800</pubDate><description><![CDATA[文件复制时弹出"磁盘空间不足"，你敢删吗？Czkawka 是一款免费开源的多功能重复文件清理与磁盘空间管理工具，一次扫描就能找出重复文件、相似图片、空文件夹和相似视频。本文给出预编译直装、包管理器、源码编译三条安装路线，挑一条跟着做，10 分钟跑起来。

## 磁盘总是不够用？Czkawka 重复文件清理来了

场景很常见：把 50GB 的照片文件夹拖到移动硬盘，提示空间不足；打开目录一看，`IM]]></description><category></category></item><item><title><![CDATA[从0到1掌握tf_mobilenetv3_small_100.in1k：2.5M参数实现ImageNet-1k分类的完整教程]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/144532487</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/144532487</guid><author>gitblog_02439</author><pubDate>Tue, 11 Aug 2026 07:01:55 +0800</pubDate><description><![CDATA[tf_mobilenetv3_small_100.in1k是一款轻量级图像分类模型，仅需2.5M参数即可实现ImageNet-1k数据集上的高效分类任务。本教程将带你快速掌握这款由TensorFlow训练、PyTorch移植的MobileNetV3模型，从基础概念到实际应用，轻松开启移动端AI开发之旅。

## 为什么选择tf_mobilenetv3_small_100.in1k？

✨ **极致]]></description><category></category></item><item><title><![CDATA[NoHello模块深度解析：Android Root隐藏的终极解决方案]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/144501479</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/144501479</guid><author>gitblog_02439</author><pubDate>Tue, 21 Jul 2026 15:52:02 +0800</pubDate><description><![CDATA[在Android生态系统中，Root权限检测已成为众多应用的安全标配，银行应用、支付工具和企业软件都会主动扫描设备Root状态，一旦发现就会限制功能或直接拒绝运行。NoHello模块作为一款基于Zygisk技术的开源项目，提供了专业级的Android Root隐藏解决方案，让您的Root设备在应用面前实现"隐身"，完美解决权限管理问题。

## 🔍 为什么需要专业的Root隐藏工具？

现代An]]></description><category></category></item><item><title><![CDATA[BigDL边缘计算：NPU运行Llama3.2-3B低功耗方案]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/150412756</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/150412756</guid><author>gitblog_02439</author><pubDate>Sat, 11 Jul 2026 11:06:25 +0800</pubDate><description><![CDATA[BigDL是一个专注于边缘计算场景的AI框架，特别优化了在NPU（神经网络处理器）上运行大语言模型的能力。本文将介绍如何利用BigDL在NPU上部署Llama3.2-3B模型，实现高性能与低功耗的完美平衡，为边缘设备AI应用提供高效解决方案。

## 为什么选择NPU运行Llama3.2-3B？

NPU作为专用的AI处理器，相比传统CPU和GPU在能效比上具有显著优势。在边缘计算场景中，NPU能]]></description><category></category></item><item><title><![CDATA[如何永久免费解锁Cursor AI Pro功能：完整破解指南与深度技术解析]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/150380254</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/150380254</guid><author>gitblog_02439</author><pubDate>Wed, 24 Jun 2026 16:00:52 +0800</pubDate><description><![CDATA[还在为Cursor AI的试用限制而烦恼吗？Cursor Free VIP为你提供了一个完整的技术解决方案，让你告别"You've reached your trial request limit"的困扰。这款开源工具通过智能绕过机制，帮助开发者永久免费使用Cursor Pro的所有高级功能。无论你是个人开发者还是团队协作，都能通过这个工具重新获得AI编程助手的完整能力。

## 🔧 项目核心价]]></description><category></category></item><item><title><![CDATA[CANN asc-devkit FP4转BFloat16函数]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/149682610</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/149682610</guid><author>gitblog_02439</author><pubDate>Thu, 21 May 2026 07:27:51 +0800</pubDate><description><![CDATA[| 产品     | 是否支持 |
| ----------- | :----: |
| <term>Ascend 950PR/Ascend 950DT</term> | √ |

## 功能说明

将fp4x2_e2m1_t类型转化为bfloat16_t类型。

由于源操作数与目的操作数类型位宽比为1:4，读取数据时需要将一个VL大小的数据分为四部分，根据不同接口选取索引0、索引1、索引2或者索]]></description><category></category></item><item><title><![CDATA[Cube部署指南：从本地开发到生产环境的无缝迁移方案]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/144610666</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/144610666</guid><author>gitblog_02439</author><pubDate>Tue, 27 Jan 2026 00:20:01 +0800</pubDate><description><![CDATA[Cube作为一款高效的时间序列可视化系统，能够帮助开发者轻松实现数据的实时监控与分析。本文将为你提供从本地开发环境搭建到生产环境部署的完整指南，让你快速掌握Cube的部署技巧，实现无缝迁移。

## 一、Cube本地开发环境搭建

### 1.1 准备工作

在开始部署Cube之前，确保你的系统已经安装了Node.js和MongoDB。Cube的运行依赖于这两个软件，Node.js用于运行应用程序]]></description><category></category></item><item><title><![CDATA[我们都想错了！Qwen2.5-7B-Instruct真正的技术核心，不是长文本支持，而是被忽略的GQA设计]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/150336157</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/150336157</guid><author>gitblog_02439</author><pubDate>Wed, 13 Aug 2025 09:00:38 +0800</pubDate><description><![CDATA[你是否还在纠结大语言模型（Large Language Model, LLM）的长文本处理能力？当大多数开发者将目光聚焦于Qwen2.5-7B-Instruct的32768 tokens上下文窗口时，却鲜有人注意到其配置文件中`num_attention_heads=28`与`num_key_value_heads=4`这组关键参数的惊天秘密。本文将带你揭开被忽视的GQA（Grouped Quer...]]></description><category></category></item><item><title><![CDATA[【限时免费】 从本地脚本到高并发API：将Wan2.2-T2V-A14B打造成生产级视频生成服务]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/149957613</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/149957613</guid><author>gitblog_02439</author><pubDate>Wed, 06 Aug 2025 09:00:01 +0800</pubDate><description><![CDATA[你是否已经能在本地用Wan2.2-T2V-A14B生成惊艳的视频，并渴望将其强大的视觉创造力分享给你的网站或App用户？本教程将带你走完从本地脚本到云端API的关键一步。通过FastAPI的轻量级封装，我们将把Wan2.2-T2V-A14B从一个本地运行的模型，转变为支持高并发调用的生产级API服务。这不仅是一个技术实现，更是一个将AI能力转化为商业价值的杠杆。

## 技术栈选型与环境准备

#...]]></description><category></category></item><item><title><![CDATA[【限时免费】 释放owlvit-base-patch32的全部潜力：基于官方模型的微调指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/149628918</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/149628918</guid><author>gitblog_02439</author><pubDate>Fri, 25 Jul 2025 09:08:59 +0800</pubDate><description><![CDATA[释放owlvit-base-patch32的全部潜力：基于官方模型的微调指南

    
        
            【免费下载链接】owlvit-base-patch32
            
            
                
                项目地址: https://ai.gitcode.com/mirrors/google/owl...]]></description><category></category></item><item><title><![CDATA[深入解析IP-Adapter模型的参数设置]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/144844835</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/144844835</guid><author>gitblog_02439</author><pubDate>Tue, 31 Dec 2024 11:01:14 +0800</pubDate><description><![CDATA[在当今的文本到图像生成领域，IP-Adapter模型以其高效性和轻量级的特点脱颖而出。该模型通过引入图像提示（image prompt）的能力，大大提高了预训练文本到图像扩散模型的生成效果。然而，模型性能的发挥往往取决于参数的合理设置。本文将详细介绍IP-Adapter模型的参数设置，帮助用户更好地理解和优化模型的性能。

## 参数概览

IP-Adapter模型的参数主要分为几个类别：图像编码...]]></description><category></category></item><item><title><![CDATA[如何优化shibing624/text2vec-base-chinese模型性能]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/144712433</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/144712433</guid><author>gitblog_02439</author><pubDate>Wed, 25 Dec 2024 10:38:45 +0800</pubDate><description><![CDATA[在当今的文本分析领域，shibing624/text2vec-base-chinese模型以其卓越的句子嵌入和语义匹配能力受到了广泛关注。然而，无论模型的基础性能多么出色，总存在进一步优化的空间。本文旨在探讨如何提升shibing624/text2vec-base-chinese模型的性能，以满足更高效、更精确的文本处理需求。

## 引言

性能优化是机器学习模型开发中不可或缺的一环。它不仅关系...]]></description><category></category></item><item><title><![CDATA[超强优化！Zephyr 141B-A39B：ORPO技术如何突破大模型对齐效率瓶颈]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/144614641</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/144614641</guid><author>gitblog_02439</author><pubDate>Fri, 20 Dec 2024 16:40:08 +0800</pubDate><description><![CDATA[你还在为大模型训练的计算成本居高不下而烦恼吗？还在纠结DPO与PPO算法的取舍吗？本文将深入剖析Zephyr 141B-A39B模型如何通过ORPO（Odds Ratio Preference Optimization）技术实现革命性突破，以仅1.3小时的训练时间达到媲美传统方法的性能表现。读完本文，你将掌握：
- ORPO算法的核心原理与数学推导
- 141B参数混合专家模型的架构设计
- 从部...]]></description><category></category></item><item><title><![CDATA[【亲测免费】 FLAN-T5 Base 模型的安装与使用教程]]></title><link>https://blog.youkuaiyun.com/gitblog_02439/article/details/144422835</link><guid>https://blog.youkuaiyun.com/gitblog_02439/article/details/144422835</guid><author>gitblog_02439</author><pubDate>Thu, 12 Dec 2024 11:43:47 +0800</pubDate><description><![CDATA[FLAN-T5 Base 模型的安装与使用教程
引言
随着自然语言处理（NLP）技术的快速发展，预训练语言模型在各种任务中表现出色。FLAN-T5 Base 模型作为 T5 模型的改进版本，经过多任务微调，能够在多种语言和任务上表现优异。本文将详细介绍如何安装和使用 FLAN-T5 Base 模型，帮助读者快速上手并应用于实际项目中。
主体
安装前准备
系统和硬件要求

操作系统：支持 Linux...]]></description><category></category></item></channel></rss>