<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_09819的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_09819</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_09819]]></copyright><item><title><![CDATA[多人用 AI 写代码，团队怎么不乱？Vibe Coding 团队协作避坑指南]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/142940625</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/142940625</guid><author>gitblog_09819</author><pubDate>Mon, 02 Nov 2026 16:42:54 +0800</pubDate><description><![CDATA[当团队开始做 Vibe Coding 团队协作时，最常遇到的问题是：成员各自用 AI 生成的代码风格不一、合并冲突不断、审查流于形式。这份指南从真实冲突场景出发，讲透 AI 辅助开发的代码规范统一、AI 工具配置、Git 协作流程、代码审查机制与长效协作机制的具体解法。

## 两版 AI 生成的登录模块合不到一起

两个成员各自让 AI 生成一版「登录模块」：A 拿到 class 组件 + CS]]></description><category></category></item><item><title><![CDATA[wechat_jump_game 微信跳一跳辅助脚本源码编译与运行环境搭建指南]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/141945996</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/141945996</guid><author>gitblog_09819</author><pubDate>Sun, 01 Nov 2026 21:42:31 +0800</pubDate><description><![CDATA[wechat_jump_game 是一个用 Python 实现的微信《跳一跳》自动辅助项目：通过 ADB 截取手机屏幕，用图像识别算出棋子与目标棋块的距离，再换算成长按时间自动起跳。本文带你走通 wechat_jump_game 源码编译与运行环境的完整搭建过程，从克隆仓库到跑出第一跳。

## 项目速览：它是一套可插拔的 Python 脚本

wechat_jump_game 的本质是一组独立运]]></description><category></category></item><item><title><![CDATA[抖音直播回放下载指南：douyin-downloader 完整配置与批量存档方案]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/143285479</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/143285479</guid><author>gitblog_09819</author><pubDate>Wed, 28 Oct 2026 11:02:22 +0800</pubDate><description><![CDATA[周三夜里，三小时的行业直播刚结束，你才想起忘了开录屏，手里只剩一个回放链接。这时候用抖音直播回放下载工具 douyin-downloader 把链接丢进去，它会解析回放地址、挑最高清音轨，并用 ffmpeg 重封装成可直接播放的 mp4；顺带还支持主页作品去水印批量下载、增量去重和并发重试。

## 能做什么、卡在哪里：能力边界盘点

先说清楚边界，免得你把期望拉满：

**能做到的**
- 🎬]]></description><category></category></item><item><title><![CDATA[多卡部署 DeepSeek-V3.2-Exp-W8A8：昇腾 NPU 上 EP 并行与 W8A8 优化完整教程]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/142003604</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/142003604</guid><author>gitblog_09819</author><pubDate>Mon, 19 Oct 2026 18:00:39 +0800</pubDate><description><![CDATA[想在国产昇腾 NPU 上跑 DeepSeek-V3.2 大模型？本文带你完成 **DeepSeek-V3.2-Exp-W8A8 多卡部署**：一份面向 vLLM-Ascend 推理框架的 W8A8 量化专家模型，通过 **EP（Expert Parallel，专家并行）** 把 256 个 MoE 专家分摊到多张 NPU 卡上，再用 W8A8 量化算子让权重和激活都走 8-bit 整型计算，显著降]]></description><category></category></item><item><title><![CDATA[Flask-Admin S3 文件管理实战：基于 S3FileAdmin 与 LocalStack 的完整示例解析]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/141977964</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/141977964</guid><author>gitblog_09819</author><pubDate>Fri, 09 Oct 2026 16:57:56 +0800</pubDate><description><![CDATA[本文围绕仓库 [examples/s3](https://link.gitcode.com/i/7e2a5d1ba8e892a38582d8e4b366c1d7) 示例，讲解如何在 Flask-Admin 中接入 Amazon S3 对象存储，实现文件浏览、上传、下载、重命名、删除等管理能力。你将掌握 `S3FileAdmin` 的初始化方式、S3 存储后端（`S3Storage`）的底层原理，以]]></description><category></category></item><item><title><![CDATA[LX Music 开源音乐播放器三步上手：免登录搜歌到批量下载完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/143006256</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/143006256</guid><author>gitblog_09819</author><pubDate>Wed, 07 Oct 2026 11:41:51 +0800</pubDate><description><![CDATA[如果你不想为每首歌切换 App、重复登录，LX Music 开源音乐播放器可以先装上试试。当前版本 2.12.2，基于 Electron 与 Vue 3 开发，Apache 2.0 协议开源，支持 Windows、macOS、Linux；一次搜索同时返回多个平台的试听源，默认 128k 音质，全程不用注册账号。

## 挑个安装包，把它装好

| 平台 | 安装格式 | 自动更新 |
| --- ]]></description><category></category></item><item><title><![CDATA[CubeFS 单机模式部署实战：脚本、Docker 与单节点手工搭建全指南]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/142949422</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/142949422</guid><author>gitblog_09819</author><pubDate>Sun, 04 Oct 2026 17:48:44 +0800</pubDate><description><![CDATA[CubeFS 是云原生分布式存储系统，其官方文档 [single-deploy.md](https://link.gitcode.com/i/2a2bd9b4a391c56db45b4ae31e9b1270) 提供了单机快速体验的两类标准途径：`shell` 脚本一键部署与 Docker Compose 部署。本文在完整继承该文档全部操作步骤与配置参数的基础上，结合仓库源码（如 [shell/de]]></description><category></category></item><item><title><![CDATA[使用 PaddleHub slda_novel 模块进行小说语料 Sentence-LDA 主题建模与推理]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/141946134</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/141946134</guid><author>gitblog_09819</author><pubDate>Wed, 23 Sep 2026 17:42:00 +0800</pubDate><description><![CDATA[本文围绕 PaddleFormers 仓库中 `modules/text/language_model/slda_novel` 这一基于小说领域语料训练的主题模型模块展开，系统讲解 Sentence-LDA（SLDA）与 LDA 的核心区别、模块提供的两个推理 API 的用法与返回结构，并结合仓库源码剖析其「分词 → 句子切分 → 采样推理 → 主题分布输出」的完整调用链与底层采样实现（Metro]]></description><category></category></item><item><title><![CDATA[PaddleNLP LLaMA 系列大模型推理实战指南：BF16/INT8/FP8 动态图与静态图推理全流程]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/143009479</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/143009479</guid><author>gitblog_09819</author><pubDate>Tue, 22 Sep 2026 22:29:46 +0800</pubDate><description><![CDATA[PaddleNLP 为 LLaMA 系列大模型（Llama 2 / Llama 3 / Llama 3.1 / Llama 3.2）提供了一套完整的推理链路，涵盖动态图推理、动态图转静态图导出、静态图推理，以及 Weight Only INT8/INT4、A8W8、A8W8C8（含 Cache KV 量化）、A8W8-FP8 等多种量化推理方案。本文以 [官方推理文档](https://link.]]></description><category></category></item><item><title><![CDATA[wp-calypso 中的 AnimatedIcon 组件：基于 Lottie 的 After Effects 动画渲染实战指南]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/143295634</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/143295634</guid><author>gitblog_09819</author><pubDate>Tue, 22 Sep 2026 22:18:41 +0800</pubDate><description><![CDATA[`<AnimatedIcon />` 是 wp-calypso（WordPress.com 的 JavaScript/API 前端）提供的一个轻量级 React 组件，用于在界面中渲染由 Adobe After Effects 制作、经 Bodymovin 导出为 JSON 的 Lottie 动画。本指南以 [client/components/animated-icon/README.md](h]]></description><category></category></item><item><title><![CDATA[Android上的CMake构建：ndk-samples如何配置NDK编译？初学者完整教程]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/143281393</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/143281393</guid><author>gitblog_09819</author><pubDate>Tue, 22 Sep 2026 17:50:08 +0800</pubDate><description><![CDATA[在 Android 上用 C/C++ 开发，绕不开 **Android NDK** 和 **CMake 构建**这两件事。本文以官方示例仓库 **ndk-samples**（包含 30 多个 NDK 示例应用）为蓝本，手把手带你搞清楚：NDK 和 CMake 的版本在哪里定义、`CMakeLists.txt` 怎么写、仓库如何用约定插件统一管理编译配置，最后用 4 步跑通你的第一个 NDK CMa]]></description><category></category></item><item><title><![CDATA[Egg 框架的 @eggjs/onerror 插件：统一异常处理与内容协商机制深度解析]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/141977281</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/141977281</guid><author>gitblog_09819</author><pubDate>Mon, 21 Sep 2026 12:39:37 +0800</pubDate><description><![CDATA[`@eggjs/onerror` 是 Egg 框架默认内置的错误处理插件，负责在应用层统一接管 `ctx.onerror`，并为 HTML、文本、JSON、JSONP（js）以及兜底（all）五种响应类型提供可配置的响应协商与处理机制。本文基于当前仓库的源码与测试，完整梳理该插件的配置项、执行流程、环境差异策略与自定义扩展方案，帮助读者在生产环境中精准掌控异常响应行为。

## 插件定位：Egg ]]></description><category></category></item><item><title><![CDATA[ASP.NET Core托管模型详解：一文看懂WebApplication启动过程与Generic Host]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/143152600</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/143152600</guid><author>gitblog_09819</author><pubDate>Fri, 18 Sep 2026 22:30:18 +0800</pubDate><description><![CDATA[本文基于 ASP.NET Core 官方文档仓库（AspNetCore.Docs），系统讲解 **ASP.NET Core 托管模型**：从 Generic Host（通用宿主）的核心职责，到 .NET 6 起推荐的最小托管模型中 **WebApplication 的完整启动过程**，再到优雅关闭、环境变量配置与 Blazor 的多种托管方式。读完本文，你将清楚 `dotnet run` 背后到底]]></description><category></category></item><item><title><![CDATA[Hugo 在 Linux 上的安装完全指南：Snap、发行版仓库与源码编译全解析]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/143290427</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/143290427</guid><author>gitblog_09819</author><pubDate>Fri, 18 Sep 2026 13:24:54 +0800</pubDate><description><![CDATA[本指南以 Hugo 官方文档中 Linux 平台安装章节为核心，系统梳理在 Linux 上安装 Hugo 的全部可行路径：从 Snap 与 Homebrew 等包管理器、各主流发行版软件仓库，到预编译二进制与从源码构建，并附上版本选择、前置依赖与安装方式对比表。读完本文，你将能够根据自身发行版、网络环境与功能需求，选择最合适的安装方案并快速完成验证。

## Hugo 版本（Edition）选择：]]></description><category></category></item><item><title><![CDATA[Database Failover Game Day Runbook]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/142946874</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/142946874</guid><author>gitblog_09819</author><pubDate>Mon, 14 Sep 2026 16:47:28 +0800</pubDate><description><![CDATA[**Date**: January 15, 2025
**Duration**: 2 hours
**Environment**: Staging

## Pre-Game Checklist (T-30 min)

- [ ] Verify all participants joined war room
- [ ] Confirm monitoring dashboards accessibl]]></description><category></category></item><item><title><![CDATA[TBAnnotationClustering性能优化：让你的地图应用快如闪电]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/142003891</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/142003891</guid><author>gitblog_09819</author><pubDate>Thu, 16 Jul 2026 08:24:01 +0800</pubDate><description><![CDATA[TBAnnotationClustering是一款专为iOS地图应用设计的高效标注聚类框架，能够帮助开发者解决大量标注点在地图上显示时的性能问题，让地图交互流畅无卡顿。无论是酒店分布展示、外卖配送点标记还是共享单车位置显示，该框架都能提供出色的性能支持。

## 为什么地图应用需要性能优化？

当你的iOS地图应用需要显示成百上千个标注点时，传统的直接添加方式会导致：
- 📱 界面卡顿，特别是在]]></description><category></category></item><item><title><![CDATA[CANN/catlass L0C数据搬运量化模式]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/141947213</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/141947213</guid><author>gitblog_09819</author><pubDate>Fri, 29 May 2026 07:54:01 +0800</pubDate><description><![CDATA[> [代码位置](https://link.gitcode.com/i/8965578e079cf863fd1c2bfba79cbf82)（Ascend950） / [atlasa2/copy_l0c_to_gm.hpp](https://link.gitcode.com/i/7827426cc25ba148c02957919d354a58)（AtlasA2 等效 `CopyL0CToGmQuan]]></description><category></category></item><item><title><![CDATA[超越BERT！Jina-Embeddings-v2-small-en如何通过ALiBi技术实现超长文本处理]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/141944894</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/141944894</guid><author>gitblog_09819</author><pubDate>Fri, 29 May 2026 07:52:43 +0800</pubDate><description><![CDATA[在自然语言处理领域，处理长文本一直是个挑战。传统的BERT模型受限于512个token的最大长度，而Jina-Embeddings-v2-small-en通过创新的ALiBi技术实现了8192个token的超长文本处理能力，为长文档检索、语义相似度计算和RAG应用带来了革命性的突破。这个仅3300万参数的小型模型在保持高效推理的同时，提供了令人印象深刻的性能表现。🚀

## 🔍 什么是Jina]]></description><category></category></item><item><title><![CDATA[VideoGameBunny-V1-4B开发者必读：API接口设计与二次开发最佳实践 [特殊字符]]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/141976868</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/141976868</guid><author>gitblog_09819</author><pubDate>Fri, 29 May 2026 07:37:47 +0800</pubDate><description><![CDATA[VideoGameBunny-V1-4B是一个基于BunnyPhi3架构的先进视觉语言模型，专为图像理解和文本生成任务设计。作为一款40亿参数的多模态AI模型，它支持图像问答、视觉推理和对话生成等功能，为开发者提供了强大的视觉语言处理能力。本文将深入探讨VideoGameBunny-V1-4B的API接口设计原则和二次开发最佳实践，帮助开发者充分利用这一强大的AI工具。

[![VideoGame]]></description><category></category></item><item><title><![CDATA[模型微调实战：使用MindSpeed-LLM定制化训练Qwen3-Coder-30B-A3B-Instruct的完整指南 [特殊字符]]]></title><link>https://blog.youkuaiyun.com/gitblog_09819/article/details/141978105</link><guid>https://blog.youkuaiyun.com/gitblog_09819/article/details/141978105</guid><author>gitblog_09819</author><pubDate>Fri, 29 May 2026 07:33:09 +0800</pubDate><description><![CDATA[想要掌握最新的AI编程助手定制化技术吗？本文将为你详细介绍如何使用MindSpeed-LLM框架对Qwen3-Coder-30B-A3B-Instruct模型进行高效微调，打造专属的智能编程助手。作为昇腾AI生态的核心技术，MindSpeed-LLM为大规模语言模型提供了强大的计算支持和灵活的部署方案。

## 为什么选择Qwen3-Coder-30B-A3B-Instruct进行微调？ 🤔

]]></description><category></category></item></channel></rss>