<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jthou的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jthou</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jthou]]></copyright><item><title><![CDATA[Alembic 数据库迁移：升级与降级的完整指南]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/155983885</link><guid>https://blog.youkuaiyun.com/jthou/article/details/155983885</guid><author>jthou</author><pubDate>Tue, 16 Dec 2025 16:08:15 +0800</pubDate><description><![CDATA[在现代软件开发中，数据库模式（Schema）的变更管理是项目生命周期中不可或缺的一部分。随着应用的迭代开发，数据库结构会不断演化。🚫想象一个团队，两位开发者同时手动修改了生产数据库的表结构。结果导致其中一位添加的字段与另一位的索引冲突，最终造成生产环境服务中断 2 小时，数据一致性受到严重威胁。数据不一致: 不同环境（开发/测试/生产）的数据库结构不一致部署风险: 手动执行 SQL 脚本容易出错，难以回滚团队协作困难: 多位开发者同时修改数据库结构容易冲突版本控制。]]></description><category></category></item><item><title><![CDATA[斯坦福CS146S如何重塑软件工程师的定义？]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/155753173</link><guid>https://blog.youkuaiyun.com/jthou/article/details/155753173</guid><author>jthou</author><pubDate>Tue, 09 Dec 2025 21:16:58 +0800</pubDate><description><![CDATA[课程最后两周展望行业未来。Devin 等全自动编程 AI 将“需求转代码”的周期从周压缩到小时。这催生了新的职业要求：现代开发者需成为高级需求架构师——能将模糊的业务愿景转化为 AI 可执行的精确系统指令。正如 a16z 合伙人 Martin Casado 所言：“未来十年最有价值的程序员，是那些能让AI发挥80%潜力的人，而不是试图超越AI的人。”课程提出的“AI开发成熟度模型”将能力分为五级，顶级团队已普遍采用“AI副驾”模式，使复杂功能开发周期缩短60%。]]></description><category></category></item><item><title><![CDATA[OpenAPI 规范技术指南]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/155560169</link><guid>https://blog.youkuaiyun.com/jthou/article/details/155560169</guid><author>jthou</author><pubDate>Thu, 04 Dec 2025 10:29:49 +0800</pubDate><description><![CDATA[在微服务和分布式架构成为主流的今天，API 已经从简单的技术接口，演变为驱动业务、连接服务的核心枢纽。特别是在AI 编程时代，当 AI 辅助工具能够帮助单个开发者完成原本需要多人协作的工作时，一个人就是一个团队。在这种背景下，基于契约的接口设计就显得尤为重要——它不仅是团队之间的沟通桥梁，更是开发者与 AI 工具之间的"共同语言"。接口行为不一致文档过时，与实际实现不符前后端联调摩擦不断沟通成本高，返工频繁OpenAPI 规范为我们提供了一套官方的、与语言无关的标准化描述格式。]]></description><category></category></item><item><title><![CDATA[远程服务器 Docker 环境配置指南]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/155533538</link><guid>https://blog.youkuaiyun.com/jthou/article/details/155533538</guid><author>jthou</author><pubDate>Wed, 03 Dec 2025 15:34:00 +0800</pubDate><description><![CDATA[本文档介绍如何在远程 Linux 服务器上安装和配置 Docker 环境，包括 Docker Engine 和 Docker Compose。]]></description><category></category></item><item><title><![CDATA[Docker 容器 X11 转发配置完全指南]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/155360607</link><guid>https://blog.youkuaiyun.com/jthou/article/details/155360607</guid><author>jthou</author><pubDate>Fri, 28 Nov 2025 19:05:15 +0800</pubDate><description><![CDATA[深入理解 Docker 容器中 GUI 应用显示的原理，掌握 X11 转发的完整配置流程和最佳实践。]]></description><category></category></item><item><title><![CDATA[意图识别模型推荐（本地部署）]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/155315700</link><guid>https://blog.youkuaiyun.com/jthou/article/details/155315700</guid><author>jthou</author><pubDate>Thu, 27 Nov 2025 15:10:22 +0800</pubDate><description><![CDATA[如果你需要了解每个模型的更多细节，可以参考下面的详细介绍。以上推荐的模型都适合意图识别任务，没有绝对的"最佳"选择，关键是要根据你的实际需求来选择。速度优先：Qwen2.5-0.5B、Qwen2.5-1.5B、DeepSeek-Coder-1.3B准确率优先：Qwen2.5-3B、Qwen2.5-7B、r1dq-7b-4bit平衡选择：Qwen2.5-1.5B、Phi-3-mini、Gemma-2B中文场景：Qwen2.5系列。]]></description><category></category></item><item><title><![CDATA[如何设计Tools让LLM通过Function Calling查询MongoDB真实数据]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/155283992</link><guid>https://blog.youkuaiyun.com/jthou/article/details/155283992</guid><author>jthou</author><pubDate>Wed, 26 Nov 2025 21:19:41 +0800</pubDate><description><![CDATA[我们使用OpenAI兼容的tools定义格式，这样DeepSeek、OpenAI等模型都能理解。"description": "获取订单统计信息，包括状态分布、金额分布、时间分布等","description": "分类ID（必需）"},},# ... 更多tools：获取订单列表，支持分页和多种筛选条件：获取单个订单的详细信息：获取订单统计信息：搜索订单，支持关键词搜索：获取分类基本信息把tools传给LLM：payload中必须包含tools和字段检测tool_calls。]]></description><category></category></item><item><title><![CDATA[ROS1到ROS2迁移完全指南：核心差异与迁移实践]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/155095227</link><guid>https://blog.youkuaiyun.com/jthou/article/details/155095227</guid><author>jthou</author><pubDate>Fri, 21 Nov 2025 10:24:28 +0800</pubDate><description><![CDATA[维度ROS1ROS2设计目标研究原型生产部署通信机制TCPROSDDS节点发现集中式(Master)去中心化实时性不支持支持(QoS)跨平台主要Linux全平台构建系统catkinamentLaunch格式XMLPython参数系统全局节点级Python版本2.73.x。]]></description><category></category></item><item><title><![CDATA[前端异步高速显示更新实践：WebSocket + 消息队列优化]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/155030951</link><guid>https://blog.youkuaiyun.com/jthou/article/details/155030951</guid><author>jthou</author><pubDate>Wed, 19 Nov 2025 16:21:55 +0800</pubDate><description><![CDATA[在现代 Web 应用中，实时数据更新是一个常见需求。无论是监控系统、聊天应用，还是机器人控制界面，都需要高效地处理大量实时数据更新，同时保证 UI 的流畅性和响应性。本文将介绍如何通过WebSocket 双工通信和异步消息队列实现前端高速显示更新，避免阻塞主线程，提升用户体验。分离关注点：将数据接收、处理和显示分离批量处理：使用消息队列批量处理更新异步优先：所有耗时操作都应该是异步的性能监控：持续监控性能指标，及时发现问题实时数据更新：WebSocket 提供低延迟的双向通信高性能 UI。]]></description><category></category></item><item><title><![CDATA[MediaWiki LLM智能助手上下文检索方案技术选型分析]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/154154980</link><guid>https://blog.youkuaiyun.com/jthou/article/details/154154980</guid><author>jthou</author><pubDate>Thu, 30 Oct 2025 23:19:25 +0800</pubDate><description><![CDATA[本文档详细分析了为MediaWiki LLM智能助手选择合适的上下文检索方案的技术选型过程。从需求分析出发，对比了向量数据库、纯文本索引等多种方案，最终选择了基于MySQL 9.0全文索引的混合方案，既保证了架构统一性，又满足了性能和功能需求。方案优点缺点推荐度简单截取无成本，实时质量一般⭐⭐⭐⭐LLM生成质量高有成本，有延迟⭐⭐⭐混合方案平衡成本和效果需要异步处理⭐⭐⭐⭐⭐推荐方案：简单截取（实时）+ 异步LLM生成（可选）技术方案：MySQL 9.0全文索引 + PHP应用层评分。]]></description><category></category></item><item><title><![CDATA[用内存数据做LLM对话上下文管理，选Redis还是Memcached?]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/154064261</link><guid>https://blog.youkuaiyun.com/jthou/article/details/154064261</guid><author>jthou</author><pubDate>Wed, 29 Oct 2025 10:59:34 +0800</pubDate><description><![CDATA[Memcached 是一个优秀的、纯粹的缓存工具，但它的“纯粹”在对话管理这种需要复杂数据操作的场景下，变成了“简陋”。我们可以为每个会话设置一个过期时间（如30分钟无活动自动过期），并在每次用户交互时刷新这个过期时间，从而实现会话的“滑动过期”，自动清理不活跃的会话，释放内存资源。对比 Memcached 的“序列化-反序列化”噩梦，Redis 的原生 List 操作不仅代码简洁、性能极高，而且语义清晰，完美地表达了对话的本质。然而，当我们将它用于管理复杂的对话上下文时，其设计上的局限性便暴露无遗。]]></description><category></category></item><item><title><![CDATA[为 MediaWiki 构建可用的 LLM ChatBot Tools]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/153984814</link><guid>https://blog.youkuaiyun.com/jthou/article/details/153984814</guid><author>jthou</author><pubDate>Mon, 27 Oct 2025 21:42:07 +0800</pubDate><description><![CDATA[本文档介绍如何为 MediaWiki ChatBot 扩展创建 Tools，使 LLM 能够调用 MediaWiki API 执行各种操作（如搜索页面、获取内容、查看分类等）。"description": "在 MediaWiki 中搜索页面标题。返回匹配的页面列表。","description": "搜索关键词"},"limit": {},的方法return ['name' => 'tool_name', // Tool 名称。]]></description><category></category></item><item><title><![CDATA[让AI“看图识字“的革命：DeepSeek-OCR如何突破长文本处理瓶颈]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/153735501</link><guid>https://blog.youkuaiyun.com/jthou/article/details/153735501</guid><author>jthou</author><pubDate>Wed, 22 Oct 2025 15:37:39 +0800</pubDate><description><![CDATA[这个想法的灵感来源于一个简单的事实：一张包含 1000 个字的文档截图，在视觉上只需要几十个“视觉信息块”就能被 AI 理解，而同样的 1000 个字作为文本，需要 1000 个“文字信息块”才能被处理。这项技术为 AI 的长文本处理问题提供了全新的解决思路，用 1/10 的信息量实现相同的效果，大幅降低计算成本，让 AI 能够处理更复杂的任务。这个大脑也很特别，它有 30 亿个知识细胞，但每次只叫最相关的 6 个“专家”来开会，既保证了强大的能力，又确保了高效的推理速度。]]></description><category></category></item><item><title><![CDATA[如何实现一个markdown的parser]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/153695626</link><guid>https://blog.youkuaiyun.com/jthou/article/details/153695626</guid><author>jthou</author><pubDate>Tue, 21 Oct 2025 17:59:33 +0800</pubDate><description><![CDATA[我常年使用MediaWiki作为笔记系统。但当下流行的是Markdown，我经常要把写好的Markdown文章转成MediaWiki格式，再存入笔记系统。这个格式转换的过程既繁琐又容易出错，于是我决定开发一个扩展，让MediaWiki直接支持Markdown语法。为了实现这个目标，我在MarkdownWiki扩展中实现了一个Markdown解析器。本文将分享这个解析器的设计思路、实现过程，以及遇到的技术挑战和解决方案，希望能为想要自己实现Markdown解析器的开发者提供参考。渐进式解析。]]></description><category></category></item><item><title><![CDATA[MongoDB索引技术原理与应用实践]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/153463602</link><guid>https://blog.youkuaiyun.com/jthou/article/details/153463602</guid><author>jthou</author><pubDate>Fri, 17 Oct 2025 10:45:47 +0800</pubDate><description><![CDATA[本文档深入介绍MongoDB索引技术的原理、设计策略和实际应用，结合实际项目中的索引优化实践，为开发者提供MongoDB索引的完整技术指南。索引是性能优化的关键：合理设计索引可以提升查询性能10-100倍查询驱动设计：根据实际查询模式设计索引，而不是盲目创建复合索引遵循ESR原则：等值 → 排序 → 范围定期监控和维护：删除未使用索引，重建碎片化索引平衡读写性能：索引提升查询性能，但会影响写入性能。]]></description><category></category></item><item><title><![CDATA[MongoDB备份与恢复技术指南]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/153313376</link><guid>https://blog.youkuaiyun.com/jthou/article/details/153313376</guid><author>jthou</author><pubDate>Wed, 15 Oct 2025 09:42:23 +0800</pubDate><description><![CDATA[本文档提供了MongoDB数据库备份与恢复的完整技术指南，包括多种备份方法、恢复策略以及最佳实践。]]></description><category></category></item><item><title><![CDATA[常用Git命令使用总结]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/153047594</link><guid>https://blog.youkuaiyun.com/jthou/article/details/153047594</guid><author>jthou</author><pubDate>Sat, 11 Oct 2025 14:16:28 +0800</pubDate><description><![CDATA[本文档对项目中高频使用的 Git 命令进行结构化整理，方便快速查找与上手脚本化操作。]]></description><category></category></item><item><title><![CDATA[网站后端服务维护模式（Maintenance Mode）设计与实现]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/152928125</link><guid>https://blog.youkuaiyun.com/jthou/article/details/152928125</guid><author>jthou</author><pubDate>Fri, 10 Oct 2025 15:42:33 +0800</pubDate><description><![CDATA[【代码】网站后端服务维护模式（Maintenance Mode）设计与实现。]]></description><category></category></item><item><title><![CDATA[应式布局技术详解]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/152781794</link><guid>https://blog.youkuaiyun.com/jthou/article/details/152781794</guid><author>jthou</author><pubDate>Thu, 09 Oct 2025 10:08:59 +0800</pubDate><description><![CDATA[响应式布局（Responsive Layout）是一种网页设计方法，使网站能够在不同设备和屏幕尺寸上提供最佳的用户体验。它通过灵活的网格系统、弹性图片和CSS媒体查询等技术，实现一套代码适配多种设备。:root {/* 颜色系统 *//* 间距系统 *//* 字体系统 *//* 断点 *//* 响应式变量 */:root {theme: {screens: {},},响应式布局是现代Web开发的核心技术之一，它不仅仅是技术实现，更是一种设计理念。]]></description><category></category></item><item><title><![CDATA[用 docker 搭建 ros + gazebo 仿真环境]]></title><link>https://blog.youkuaiyun.com/jthou/article/details/152327353</link><guid>https://blog.youkuaiyun.com/jthou/article/details/152327353</guid><author>jthou</author><pubDate>Tue, 30 Sep 2025 16:42:01 +0800</pubDate><description><![CDATA[本文讲述了在本机通过 Docker 构建 ROS + Gazebo GUI 仿真环境。环境隔离与可复现：依赖、版本、系统库固定在镜像里，任何机器一跑即得同结果。团队协作一致性：同一Dockerfile/compose，消除“在我机器上能跑”的分歧。一键恢复干净环境，适合频繁试验。用 docker-compose 起一个可视化的 Gazebo 环境，本质就三件事：1) host 网络下把ros-mastergazebo-gui、业务节点拉起来；2) 通好 X11：挂、传DISPLAY。]]></description><category></category></item></channel></rss>