开发工具: git 06、粗粒度地比较不同分支之间差异

Skill-Creator:轻量级AI技能协议与工程化实践指南 AI技能工程正从零散Prompt走向标准化契约——Skill-Creator并非SDK或插件,而是一套定义输入/输出Schema、支持跨模型复用、可验证可组合的轻量级协议。其核心原理是解耦技能定义(YAML契约)与执行环境(Provider配置),通过schema-first设计、token感知预处理、output严格校验等机制,保障AI能力的可靠性、可观测性与协作性。技术价值在于将prompt升维为可测试、可审计、可版本化的工程资产;典型应用场景包括团队级eval能力治理、多模型网关适配、私有技能仓库构建 阅读详情

1. 核心回顾

  1. 三个区域(三棵树):工作区,暂存区,仓库

  2. 分支即指针:

  3. commit树

    无论在哪个分支上做开发和提交,都是在这个项目公共的一个commit树上在添加不同的commit,形成一颗越来越长的树。分支只是指向某个commit的一个指针而已。然后每个commit就代表了那个时刻下项目的一个完整的历史快照版本

2. git log 和 git reflog 的区别

git log:只会显示当前 commit 之前的 commit 的信息。常用于回滚

git reflog:显示最近几个月,完整的一个 commit 历史。

3.比较不同分支之间差了哪些 commit 还没有合并

3.1 情景1

git log --abbrev-commit master..分支名

比如李四开发 feature/001 时拉了最新的 master 代码后,在本地 commit 了3次,然后中间突然停下来去做了另外一些事情,比如说去做其他的 feature 分支,或者是休假了。回来以后忘了自己跟 master 分支之间差了哪些代码。此时就可以使用此方法比较下当前 feature/001 分支比 master 分支落后了哪些 commit,是不是需要跟 master 保持一下同步,以避免大量的代码冲突。

李四在feature/001分支提交了3次
01
比较下和master分支之间差了多少个commit
02
确定无误后,最后合到master 中。

3.2 情景2

git log --abbrev-commit --oneline 分支名..master

上述命令可以看一下 master 分支有哪些 commit 是 feature/003 分支所没有的。

比如张三此时的 feature/002 分支的 commit log 是
03
在本地 master 分支上 pull 最新的代码,然后切换到 feature/002 分支。执行上述命令:
04
会发现 master上有好多的 commit,别人提交了而张三还没有提交。此时张三应该将 master 代码反过来 merge 到特性分支 feature/003 上去,让张三的特性分支的代码跟 master 分支的代码保持同步。
05

3.3 情景3

git log --abbrev-commit --oneline origin/master..HEAD

该命令可以看一下哪些本地 master 分支的 commit 需要被推送到远程仓库中去。

比如张三在本地的 master 上做了不少的提交和修改,可以看一看有哪些代码是还没有推送到远程仓库里去的
06
实际上,更常见的是在特性分支上输入此命令,比较和远程 master 之间的 commit 差距。以明白自己忘了推送多少个 commit 到远程仓库的 feature 分支去。

3.4 情景4

git log --abbrev-commit --oneline feature/001 feature/002 --not master

可以查看在几个分支中都有的 commit,但是在 master 分支中还没有。

3.5 情景5

git log --abbrev-commit --oneline feature/001...feature/002

可以查看哪些 commit 是存在于两个分支中的某一个,但是不是两个分支都有的

LLM论文工业落地筛选指南:高效识别高价值技术方案 大语言模型(LLM)技术迭代迅猛,但大量论文存在学术指标亮眼、工程落地困难的问题。理解LLM论文的核心在于区分‘理论创新’与‘技术价值密度’,关键需把握其问题真实性、方案可移植性与复现成本可见度三大维度。从长上下文稳定性、低资源微调效率到推理可控性等真实产线能力缺口出发,工程师需建立以工业适配性为导向的判别框架,将论文转化为可集成、可监控、可降级的生产级能力。本文聚焦LLM论文筛选、技术价值密度两大热词,提供一套面向算法负责人、中级工程师与技术管理者的实战方法论。 阅读详情

相关推荐

AI时代的数据服务化:DaaS架构与九条落地实践

数据即服务(DaaS)是支撑AI规模化落地的核心基础设施,其本质是将数据从散乱、不可信、难调度的资源,重构为具备SLA保障、版本控制、质量可度量、权限可治理的标准化服务。它源于对传统数据湖‘重存储轻服务’范式的反思,强调以AI消费场景为中心,通过服务网格架构实现接入、治理、服务、消费四层解耦。关键技术价值在于提升数据可信度、缩短模型迭代周期、强化合规可控性,并支撑实时特征、向量检索、时序分析等多元AI负载。本文聚焦Data as a Service在工业级AI项目中的真实演进路径,系统梳理契约先行、双轨质量

congtaixiao7151的博客 377

Fast-BEV:面向车端部署的高效BEV感知模型

BEV(鸟瞰图)感知是自动驾驶环境理解的核心范式,其本质是将多视角图像几何映射为结构化2.5D空间表征。传统基于Transformer的BEV模型虽精度高,但因Deformable Attention等模块带来巨大显存开销与计算延迟,难以满足车规级实时性与嵌入式资源约束。Fast-BEV通过CNN主干+轻量空间条件通道注意力(SCCA)+分层深度估计的混合架构,在保留几何一致性前提下显著降低FLOPs与显存占用;其设计强调‘训练复杂、推理极简’,支持TensorRT量化与Jetson部署,已在nuScene

weixin_34357436的博客 403

科研文献精读法:每月4篇论文的深度阅读与知识转化系统

学术文献阅读是科研能力的核心基础,但面对arXiv日均200+新论文的信息洪流,研究者常陷入‘读不完、记不住、用不上’的认知瘫痪。其本质并非时间不足,而是缺乏适配人类工作记忆容量(4±1)与科研工程节奏的知识管理范式。本文提出的‘Month in 4 Papers’系统,以认知负荷理论和小步快跑工程原则为双支柱,将前沿追踪重构为可执行的七步闭环:从动态锚定、结构化初筛、原子笔记,到最小可行验证、跨论文关联图谱与行动项转化。该方法已在计算神经科学、材料信息学与临床AI等多学科团队中验证三年,显著提升细节复述率

weixin_33749242的博客 388

git(五)之分支差异对比

一、前言 git分支之间的差异提交对比,可以让我们更清晰的认识到两个分支之间的差异,比如在合并完分支后,对比一下分支是否没有差异来确定合并完成;在开发完成之后,执行分支差异对比来看需要有多少个合并提交等等。 二、正文 其中使用git log去查询对比两个分支提交的差集,可以看两个分支的差异,以及在合并完分支后确认是否所有的提交已经被包含,而不是用肉眼去查看代码。 如图所示,是从master...

拾忆的博客 4541

ML系统生产落地:风控场景下的模型部署、可观测性与韧性设计

机器学习模型上线不是算法任务的终点,而是工程化系统的起点。在金融风控等强监管、高可用场景中,模型必须作为可监控、可降级、可审计的业务组件嵌入复杂技术栈。其核心挑战在于数据漂移检测、特征时效性保障、多协议集成治理、语义化熔断与fallback策略,以及符合监管要求的全生命周期证据链构建。本文基于银行级真实生产实践,解析如何将模型服务从‘预测函数’升级为具备SLA承诺、决策可解释、故障可自愈的工业级系统,覆盖特征契约、灰度双录、韧性分层、漂移预警与审计就绪等关键能力。

weixin_34353714的博客 523

科研时间管理工具包:4篇论文深度精读法

在AI领域日均新增百余篇论文的信息过载时代,如何高效筛选、深度消化并转化前沿成果成为研究者核心能力。基于工作记忆容量与认知负荷理论,'4篇精读法'通过硬性数量约束倒逼高质量信息处理,融合文献筛选、三维评估、五维解剖与三色笔记等工程化方法,将泛读幻觉转化为可执行技术动作。该方法不仅适用于研究生建立判断锚点,也支撑工程师快速评估大模型推理优化、LoRA微调、FlashAttention变体等热点方向的落地可行性,已在真实工业场景中验证其对A10显存受限环境下的LLM部署加速价值。

weixin_34007886的博客 278

LangGraph生产级Agent架构设计:状态机、分层与可观测性

AI Agent不是简单的LLM调用链,而是需工程化治理的确定性状态系统。其核心原理在于将非确定性LLM行为纳入受控状态机框架,通过显式State Schema约束数据流、Channel机制解耦节点通信、分层架构隔离关注点,从而实现可调试、可监控、可演进的智能体系统。LangGraph并非LangChain升级版,而是从函数式控制流到状态驱动范式的根本切换——它用Pydantic类型安全替代prompt隐式传递,用channel契约替代硬编码调用,用Node职责边界替代逻辑混杂。该架构已在金融合规与客服路由

cong84596496的博客 308

git 对比两个分支差异

比如我们有 2 个分支:master, dev,现在想查看这两个 branch 的区别,有以下几种方式:1.查看 dev 有,而 master 中没有的:git log dev ^master 同理查看 master 中有,而 dev 中没有的内容:git log master ^dev2.查看 dev 中比 master 中多提交了哪些内容:git log master..dev注意,列出来的是两

张拭心的博客 shixinzhang 13万+

CV论文落地实操指南:鲁棒性、轻量化与少样本的工业级验证

计算机视觉正从追求精度上限转向保障真实场景下的稳定性与可用性。鲁棒性指模型在光照突变、传感器噪声和标注偏差下的可靠输出能力;轻量化不再局限于参数剪枝,而是通过动态稀疏计算、算子重构等手段实现FLOPs减半而精度损失可控;少样本学习则聚焦工业质检中每类缺陷仅数十张图像的现实约束,依赖元学习适配器等即插即用结构快速泛化。这些技术共同支撑起边缘部署、低延迟响应与跨域迁移等关键应用场景。本文基于四篇经A100/Jetson/RTX4090三端实测验证的最新工作,深入拆解无监督域自适应中的伪标签噪声抑制与视频时序建模

love android 421

用 Nacos 3.2 构建企业级 Skills Registry

Skills 是智能体(Agent)时代的核心可复用能力单元,本质是具备输入输出契约、安全等级与执行语义的原子化功能模块。其治理需超越传统服务注册中心,聚焦元数据可信性、版本可追溯性与运行时一致性。Nacos 3.2 通过命名空间语义化、配置 Schema 校验、服务元数据增强及 RBAC+ABAC 权限模型,原生支撑 Skills 的注册、验证、分发与审计。结合 OpenClaw 等低代码智能体平台,可快速落地涵盖开发、测试、审核、上线、回滚的全生命周期管理,真正实现‘能力即基础设施’。本文详解如何基于

weixin_34189116的博客 328

git分支信息比对

git分支 commit 信息比对,比对文件差异

耘田 1175

OpenClaw对接火山方舟豆包API的深度踩坑与源码级适配指南

AI Agent框架是实现本地化智能体的核心基础设施,其本质是通过标准化接口调度大模型与工具链。OpenClaw作为轻量级可审计Agent运行时,需突破协议差异、签名认证、模型标识等底层技术壁垒,才能真正接入云原生大模型服务。本文聚焦于OpenClaw与火山方舟平台的深度集成实践,系统解析V4签名算法实现、豆包Pro-32B模型SKU映射、Agent Plan执行契约构建等关键技术点,覆盖Python环境兼容性、CORS与IP白名单配置、调试日志启用等工程细节,为开发者提供从零打通本地Agent到云上大模型

cuixie2370的博客 549

Git-rebase 黑魔法之打磨 commit 颗粒度

又是一个 rebase 黑魔法篇 写在前面 今天的主题是 rebase 的第二个黑魔法-交互式 rebase,与 rebase 用做两个分支见的遍及合并不同,交互式一般用于同一个分支中的提交整理。从命令上看,两者是 rebase 和 rebase -i的区别。 需要特别说明的是,rebase -i的 GET 也会让你的帅气值+10~ rebase -i 开启黑暗世界 reba...

浅浅同学的开发笔记 5563

基于QGIS的DEM地形数据精细化处理:从裁剪、合并到成果输出

本文详细介绍了使用QGIS进行DEM地形数据的精细化处理流程,包括数据获取、裁剪、合并及成果输出等关键步骤。通过实战技巧和注意事项,帮助用户高效处理地形数据,适用于GIS分析、三维建模等应用场景。

weixin_29093017的博客 450

解密UFS Explorer:Drobo BeyondRAID数据恢复实战指南

本文详细介绍了使用UFS Explorer Professional Recovery软件中的Drobo BeyondRAID助手进行数据恢复的完整实战流程。当Drobo设备因BeyondRAID配置信息丢失而无法访问时,该工具能安全、只读地扫描硬盘,虚拟重建存储池,帮助用户找回宝贵数据。指南涵盖了从前期准备、硬盘选择、配置扫描到数据安全导出的每一步关键操作与常见问题解决方案。

weixin_29219539的博客 269

GLM-4.7真相:不是新模型,而是中文法律场景下的INT4量化生产分支

大语言模型版本号常被误解为线性迭代,实则反映能力坐标与工程适配状态。GLM系列本质是智谱AI发布的GLM-3、GLM-4、GLM-5三大主干架构演进,而所谓'GLM-4.7'并非官方版本,而是社区基于GLM-4-9B Chat实施INT4量化、注入法律微调权重、适配消费级显卡(如RTX 4090)的生产就绪分支。其技术价值在于平衡推理速度、显存占用与中文法律语义精度,在政务、司法等强合规场景中实现毫秒级文书校对与法条精准引用。本文聚焦该分支的真实构成、可验证的部署方法及在法律智能系统中的落地实践,帮助开发者

anvt77205的博客 334

新手避坑指南:从GEO数据库下载单细胞测序数据的5个关键步骤(附实操截图)

本文为单细胞测序数据下载新手提供5个关键避坑步骤,涵盖数据搜索准备、样本量评估、文件选择决策、元数据诊断及高效下载技术。通过实操截图和代码示例,帮助研究者快速锁定GEO数据库中的优质单细胞测序数据,避免常见错误。

weixin_30296405的博客 656

从一到无穷大 #75:从统一 Tag 到 UModel——可观测数据为什么还需要建模

上一篇 Gartner 可观测魔力象限的文章里,我提到了两个设计:Datadog 用统一 Tag 关联遥测,阿里云 CMS 2.0 用 UModel 描述应用、资源、拓扑、告警和变更。这篇继续往下拆,只讨论数据怎样拼起来。先看四条记录。四条记录各自都成立。告警从 Metric 开始时,系统还要判断和是否指向同一个服务,prodproduction和online也要再翻译一次。数据一多,临时 Join 很快就变成排障流程的一部分。

李兆龙的博客 396

硬件压力测试工具使用方法

B, --bind host# 绑定到主机的多个地址中的一个。当客户端到服务器端的测试结束时,服务器端通过-l选项指定的端口(或默认为客户端连接到服务器端的端口),反向连接至客户端。-c, --client host#如果Iperf运行在服务器模式,并且用-c参数指定一个主机,那么Iperf将只接受指定主机的连接。-C, --compatibility# 与低版本的Iperf使用时,可以使用兼容模式。-b, --bandwidth #[KM] UDP模式使用的带宽,单位bits/sec。

weixin_53303772的博客 8212

通过WorkVisual连接KUKA机器人的具体方法

通过WorkVisual连接KUKA机器人的具体方法

Robot_PLC_HMI_Automation 6842

AresDB深度解析:专为GPU设计的实时分析型数据库架构

GPU加速数据库并非简单将CPU逻辑迁移至显卡,而是需重构存储、执行与数据模型以匹配其千核并行、高带宽低延迟的硬件本质。核心在于摒弃传统列存的压缩-解压范式,采用Delta-Bitpacking、字典编码等GPU友好的混合编码格式,使数据在显存中保持可直接计算状态;同时通过JIT编译生成PTX指令,实现JOIN、GROUP BY等算子原生GPU执行。这种设计显著提升OLAP查询吞吐与实时性,适用于用户行为分析、AB测试、实时风控等毫秒级响应场景。AresDB正是这一理念的工业级实践代表。

benben 540

【从零开始入门unity游戏开发之——C#篇01】理论开篇,理解什么是编程

理论开篇,理解什么是编程

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 3110

生产级机器学习服务架构:从模型部署到稳定运行

机器学习模型部署不是简单封装predict函数,而是构建具备可观测性、弹性伸缩与故障自愈能力的生产级服务。其核心在于将模型视为有生命周期的微服务组件,依托Kubernetes实现资源隔离、健康探针驱动的自动恢复、标准化指标采集(如P95延迟、错误率)及特征服务联动保障。关键技术价值体现在降低人工运维依赖、支撑千万级日请求、应对数据漂移与上游变更等真实场景挑战。典型应用覆盖金融风控、电商推荐与IoT预测等领域,尤其适用于已掌握模型训练但面临上线稳定性难题的中级ML工程师。

aijia7039的博客 620

【RTD】二分法查找和分段线性插值算法在RTD中应用

二分法查找和分段线性插值算法在RTD中的典型应用。

只要思想不滑坡,想法总比问题多。 2368

开关电源-LLC基本原理

本文详细介绍了LLC谐振变换器的兴起原因、基本工作原理、变换器特点及拓扑结构。重点讨论了半桥、全桥LLC及其软开关技术,包括零电压开关(ZVS)和零电流开关(ZCS)。通过理解简单的谐振电路(RL、RC、LC)来阐述LLC如何改变电压增益,以及如何通过调节频率实现输出电压的稳定性。

让你爱上电路设计 2万+
上一篇: 开发工具: git 05、工作流之改进的GitFlow工作流
下一篇: 开发工具: git 07、细粒度地比较不同分支之间差异
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值