<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_02858的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_02858</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_02858]]></copyright><item><title><![CDATA[Ruffle：如何三步打开旧 Flash .swf 文件]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149625784</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149625784</guid><author>gitblog_02858</author><pubDate>Tue, 08 Sep 2026 23:32:40 +0800</pubDate><description><![CDATA[曾经能播放 Flash 的浏览器插件早已停更，大量历史游戏、课件和演示文稿如今只剩一个无法点击的占位框。Ruffle 是一个用 Rust 编写的 Flash Player 模拟器，桌面端与 Web 端（WebAssembly）都能跑，让你不用装任何旧运行环境就能打开这些 .swf 文件。下文先讲如何从源码把它跑起来，再拆解它提供了哪些功能、内部是怎么运作的。

## 快速上手：三步拿到可运行的桌面]]></description><category></category></item><item><title><![CDATA[如何用 --user-words 与 --user-patterns 为 Tesseract 加载自定义词表和模式词库]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149626156</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149626156</guid><author>gitblog_02858</author><pubDate>Tue, 08 Sep 2026 16:11:14 +0800</pubDate><description><![CDATA[在做 OCR 时，Tesseract 默认只会使用语言包内置的字典。当识别对象里出现大量专有名词（产品名、人名、内部术语）或固定格式的词（电话号码、网址）时，可以通过 `--user-words` 传入一个自定义词表、用 `--user-patterns` 传入一个模式词库，让引擎额外加载并优先使用这些词。本文给出仓库文档中的两种加载方式：直接命令行传文件，以及通过 config 文件按“语言前缀]]></description><category></category></item><item><title><![CDATA[3步掌握Oculante：高效实用的跨平台图像查看与编辑工具]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149626549</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149626549</guid><author>gitblog_02858</author><pubDate>Wed, 05 Aug 2026 15:43:03 +0800</pubDate><description><![CDATA[Oculante是一款面向技术爱好者和普通用户的快速、简洁、跨平台图像查看器与编辑器，支持Windows、macOS、Linux、FreeBSD和NetBSD等多个操作系统。这款硬件加速的图像工具不仅启动迅速、加载图片快，还提供了丰富的图像分析和基础编辑功能，同时尊重用户隐私，不收集任何数据。无论是查看高清照片、分析图像数据，还是进行简单的图像处理，Oculante都能提供流畅的体验。

## 为]]></description><category></category></item><item><title><![CDATA[Node-RED Dashboard完整指南：5步构建专业级物联网可视化界面]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/145139280</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/145139280</guid><author>gitblog_02858</author><pubDate>Mon, 25 May 2026 14:18:31 +0800</pubDate><description><![CDATA[Node-RED Dashboard是Node-RED生态系统的官方仪表板插件，让你无需编写复杂的前端代码就能创建专业的数据可视化界面。无论你是物联网开发者、系统集成工程师还是数据分析师，这个强大的工具都能帮助你将复杂的数据流转化为直观的实时监控面板。

## 🚀 快速开始：5分钟搭建你的第一个仪表板

安装Node-RED Dashboard非常简单。在你的Node-RED用户目录（通常是`~]]></description><category></category></item><item><title><![CDATA[zsh-histdb查询命令完全指南：从基础到高级用法]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/145256672</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/145256672</guid><author>gitblog_02858</author><pubDate>Sat, 23 May 2026 07:26:56 +0800</pubDate><description><![CDATA[zsh-histdb是一款革命性的ZSH历史管理工具，它通过SQLite数据库为你的shell命令历史提供了前所未有的查询能力。这个强大的工具不仅能记录你输入的命令，还能存储命令的运行时间、工作目录、主机名、会话ID和退出状态等丰富元数据。本文将为你提供从基础到高级的完整zsh-histdb查询指南，帮助你充分利用这个强大的历史管理工具。🚀

## 📋 什么是zsh-histdb？

zsh-]]></description><category></category></item><item><title><![CDATA[Celeste PICO-8模拟器开发实战：构建复古游戏引擎的完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/145205126</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/145205126</guid><author>gitblog_02858</author><pubDate>Tue, 27 Jan 2026 00:45:34 +0800</pubDate><description><![CDATA[Celeste PICO-8模拟器是一款复古风格的游戏引擎实现，它完美复刻了经典PICO-8游戏机的功能特性，让开发者能够在现代平台上体验和开发8位风格的游戏。本指南将带你深入了解这个模拟器的核心架构、实现细节和开发技巧，帮助你快速掌握复古游戏引擎的构建方法。

## 📌 模拟器核心架构解析

Celeste PICO-8模拟器的核心实现在[Source/PICO-8/Emulator.cs](]]></description><category></category></item><item><title><![CDATA[Gitlogue完全使用手册：从基础操作到高级动画定制的终极教程]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/150261297</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/150261297</guid><author>gitblog_02858</author><pubDate>Sun, 25 Jan 2026 03:13:52 +0800</pubDate><description><![CDATA[Gitlogue是一款革命性的终端Git提交回放工具，它能将你的Git历史转化为生动的动画故事，让代码演进过程栩栩如生。无论是项目展示、代码审查还是学习他人开发思路，这款工具都能为你带来全新的视觉体验。

## 什么是Gitlogue？

Gitlogue不仅仅是一个普通的Git历史查看工具，它是一个**终端中的电影级Git提交回放工具**，能够将枯燥的代码变更以流畅的动画形式呈现。通过模拟真实的]]></description><category></category></item><item><title><![CDATA[如何使用Flyway实现SQLite数据库迁移：完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149683675</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149683675</guid><author>gitblog_02858</author><pubDate>Sun, 25 Jan 2026 00:59:57 +0800</pubDate><description><![CDATA[SQLite作为轻量级嵌入式数据库，广泛应用于移动应用、边缘计算和本地存储场景。而Flyway作为Redgate推出的数据库迁移工具，能帮助开发者轻松管理SQLite的版本变更。本文将详细介绍如何通过Flyway实现SQLite数据库的自动化迁移，让你的边缘数据库管理变得简单高效。

## 为什么选择Flyway管理SQLite迁移？

SQLite虽然小巧灵活，但在多人协作或版本迭代中仍面临 s]]></description><category></category></item><item><title><![CDATA[知识动起来：用Stable Video Diffusion构建企业级动态文档系统]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/150380178</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/150380178</guid><author>gitblog_02858</author><pubDate>Thu, 14 Aug 2025 09:00:36 +0800</pubDate><description><![CDATA[企业知识库中80%的静态文档正在降低团队效率：产品说明书只能展示单一状态、技术架构图无法演示数据流向、培训材料缺乏动态演示效果。根据Gartner 2024年报告，技术团队平均每周花费12小时解释静态文档中的模糊概念，而Stable Video Diffusion (SVD) Image-to-Video技术正带来文档体验的革命性转变。

读完本文你将获得：
- 3种将静态文档转化为动态内容的实用...]]></description><category></category></item><item><title><![CDATA[开源巨兽的逆袭：GPT-OSS-20B在MMLU上碾压Llama 3，但代价是什么？]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/150310284</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/150310284</guid><author>gitblog_02858</author><pubDate>Wed, 13 Aug 2025 00:45:17 +0800</pubDate><description><![CDATA[开源巨兽的逆袭：GPT-OSS-20B在MMLU上碾压Llama 3，但代价是什么？

    
        
            【免费下载链接】gpt-oss-20b
            gpt-oss-20b —— 适用于低延迟和本地或特定用途的场景（210 亿参数，其中 36 亿活跃参数）
            
                
              ...]]></description><category></category></item><item><title><![CDATA[一张消费级4090跑falcon-7b-instruct？这份极限“抠门”的量化与显存优化指南请收好]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/150221429</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/150221429</guid><author>gitblog_02858</author><pubDate>Mon, 11 Aug 2025 17:48:13 +0800</pubDate><description><![CDATA[你还在为7B模型动辄16GB的显存需求发愁吗？想在单张RTX 4090（24GB）上流畅运行Falcon-7B-Instruct并保留足够空间进行多轮对话？本文将带你通过8大技术手段，将显存占用从原生16GB压降至8GB以内，同时保持95%以上的推理精度。读完你将掌握：量化策略选型、内存优化参数配置、推理引擎调优全流程，以及实测验证的极限优化方案。

## 一、显存占用的"元凶"：Falcon-7...]]></description><category></category></item><item><title><![CDATA[从本地Demo到百万并发：tiny-random-LlamaForCausalLM模型的可扩展架构设计与压力测试实录]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/150204740</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/150204740</guid><author>gitblog_02858</author><pubDate>Mon, 11 Aug 2025 09:00:01 +0800</pubDate><description><![CDATA[你是否曾遇到过这样的困境：本地运行的AI模型Demo响应迅速，但一旦部署到生产环境面对真实流量就变得不堪重负？本文将以tiny-random-LlamaForCausalLM模型为例，展示如何将一个简单的本地Demo扩展到支持百万并发请求的企业级服务。通过本文，你将学到：

- 如何评估小模型的性能瓶颈
- 设计高并发推理服务的关键架构决策
- 实施有效的负载测试和性能优化策略
- 构建可水平扩展...]]></description><category></category></item><item><title><![CDATA[【三步落地】从本地NER模型到生产级API：ner-french服务化实战指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149927898</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149927898</guid><author>gitblog_02858</author><pubDate>Tue, 05 Aug 2025 09:37:57 +0800</pubDate><description><![CDATA[你是否经历过这样的困境：好不容易找到一个准确率达90.61%的法语命名实体识别（Named Entity Recognition, NER）模型，却卡在如何将其转化为稳定可用的API服务？作为开发者，我们常常面临三大痛点：模型加载缓慢导致服务启动失败、高并发请求下的性能瓶颈、以及缺乏必要的错误处理和监控机制。本文将带你通过三个清晰步骤，将mirrors/flair/ner-french项目从本地模...]]></description><category></category></item><item><title><![CDATA[100行代码搞定智能会议纪要：基于Meta-Llama-Guard-2-8B的安全AI助手开发指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149823686</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149823686</guid><author>gitblog_02858</author><pubDate>Fri, 01 Aug 2025 09:01:04 +0800</pubDate><description><![CDATA[团队协作中，会议纪要往往成为效率瓶颈：人工记录遗漏关键信息、整理耗时长达会议时长3倍、敏感信息泄露风险高、行动项跟踪困难。Meta-Llama-Guard-2-8B（以下简称LG2-8B）的出现彻底改变这一现状——这是一款由Meta基于Llama 3架构开发的80亿参数安全防护模型（Safeguard Model），不仅能精准识别11类有害内容，还能与其他LLM协同工作，构建安全可控的AI应用。
...]]></description><category></category></item><item><title><![CDATA[【限时免费】 有手就会！mobilenetv2_ms模型本地部署与首次推理全流程实战]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149683209</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149683209</guid><author>gitblog_02858</author><pubDate>Sun, 27 Jul 2025 09:02:19 +0800</pubDate><description><![CDATA[有手就会！mobilenetv2_ms模型本地部署与首次推理全流程实战

    
        
            【免费下载链接】mobilenetv2_ms
            MindSpore版本轻量级神经网络mobilenetv2预训练模型
            
                
                项目地址: https://gitcode...]]></description><category></category></item><item><title><![CDATA[实测超越GPT-4V？LLaVA-1.5-7B性能深度测评：从MMLU到Science QA的11项基准全面解析]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149682794</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149682794</guid><author>gitblog_02858</author><pubDate>Sun, 27 Jul 2025 09:01:08 +0800</pubDate><description><![CDATA[你是否还在为部署千亿级参数的多模态模型（Multimodal Model）而烦恼？显存不足、推理缓慢、部署成本高昂——这些痛点正在被一个名为LLaVA-1.5-7B的开源模型彻底改变。作为2023年NeurIPS会议的口头报告成果，LLaVA-1.5仅用70亿参数就在11项主流基准测试中刷新了 state-of-the-art（SOTA），训练成本更是低至单节点8×A100仅需1天。

**读完本...]]></description><category></category></item><item><title><![CDATA[【限时免费】 下一个独角兽？基于Vision的十大创业方向与二次开发构想]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149629149</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149629149</guid><author>gitblog_02858</author><pubDate>Fri, 25 Jul 2025 09:09:35 +0800</pubDate><description><![CDATA[下一个独角兽？基于Vision的十大创业方向与二次开发构想

    
        
            【免费下载链接】vision
            
            
                
                项目地址: https://gitcode.com/FlashAI/vision
            
        
    

...]]></description><category></category></item><item><title><![CDATA[【限时免费】 下一个独角兽？基于vit-gpt2-image-captioning的十大创业方向与二次开发构想]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149627766</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149627766</guid><author>gitblog_02858</author><pubDate>Fri, 25 Jul 2025 09:05:31 +0800</pubDate><description><![CDATA[在这个人工智能技术飞速发展的时代，开源大模型正在成为创新创业的重要基石。vit-gpt2-image-captioning作为一个结合了Vision Transformer和GPT-2语言模型的图像描述生成模型，为应用层创新提供了前所未有的机遇。

这个模型基于Apache 2.0许可证开源，这意味着创业者可以自由地将其用于商业目的，无需担心版权问题。更重要的是，该模型已经在大规模数据集上完成预训...]]></description><category></category></item><item><title><![CDATA[【限时优惠】巅峰对决：Qwen3-0.6B vs 竞品，谁是最佳轻量级大模型选择？]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/149626746</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/149626746</guid><author>gitblog_02858</author><pubDate>Fri, 25 Jul 2025 09:02:17 +0800</pubDate><description><![CDATA[在AI大模型爆发的今天，开发者面临两难选择：重量级模型性能强劲但部署成本高昂，轻量级模型资源友好却常陷入"能用但不好用"的困境。根据Gartner 2025年AI技术成熟度曲线，60%的企业AI项目因模型选择不当导致部署延期。Qwen3-0.6B作为新一代轻量级大语言模型（Large Language Model, LLM），以0.6B参数量挑战这一现状，其独特的双模切换架构重新定义了轻量级模型的...]]></description><category></category></item><item><title><![CDATA[《LoRA模型的未来展望》]]></title><link>https://blog.youkuaiyun.com/gitblog_02858/article/details/145178942</link><guid>https://blog.youkuaiyun.com/gitblog_02858/article/details/145178942</guid><author>gitblog_02858</author><pubDate>Thu, 16 Jan 2025 12:02:57 +0800</pubDate><description><![CDATA[《LoRA模型的未来展望》

    
        
            【免费下载链接】lora
            
            
                
                项目地址: https://ai.gitcode.com/mirrors/JujoHotaru/lora
            
        
    

引言
在人工...]]></description><category></category></item></channel></rss>