爱打代码的小林-优快云博客

原创 LLM Agent与Function call简介

Function Calling 是⼀种让 Chat Completion 模型调⽤外部函数的能⼒，可以让模型不仅仅根据⾃身的数据库知识进⾏回答，⽽是可以额外挂载⼀个函数库，然后根据⽤户提问去函数库检索，按照实际需求调⽤外部函数并获取函数运⾏结果，再基于函数运⾏结果进⾏回答。记忆（Memory）: 短期记忆，是指在执行任务的过程中的上下文，会在子任务的执行过程产生和暂存，在任务完结后被清空。也就是说，它的结果都是有⼀定不确定性的，这对于需要精确和确定结果的领域，如数学等，是灾难性的，基本是不可⽤的。

2026-04-01 15:06:09 383

原创 LLaMA-Factory大模型微调

本文介绍了使用LoRA和QLoRA技术对Qwen3等大语言模型进行微调的方法，包括增量预训练、指令监督微调、多模态微调等多种训练模式。详细说明了单机/多机部署配置、DeepSpeed ZeRO-3显存优化、Ray分布式训练等技术方案，并提供了量化训练选项（4/8比特GPTQ/AWQ等）。此外还介绍了模型合并、量化导出以及推理部署方案，包括vLLM多卡推理、命令行/浏览器对话接口和OpenAI风格API的实现方法。

2026-04-01 14:59:56 462

原创 LLaMA Factory使用

本文介绍了使用LLaMA-Factory工具对Qwen3-4B-Instruct模型进行LoRA微调的全流程。主要内容包括：1）通过git克隆项目并安装依赖；2）使用三行命令分别完成训练（train）、推理（chat）和模型合并（export）；3）关键配置文件说明，包括训练参数设置、推理后端选择和模型导出配置；4）介绍了safetensors安全张量格式和不同推理引擎（huggingface/vllm/sglang）的特点；5）提供了API配置和批量推理脚本示例。整个过程实现了从模型微调到部署应用的完整闭

2026-03-30 11:28:04 546

原创 OpenCV 实战：基于 SIFT 特征匹配的图像认证系统

本文基于OpenCV实现了一套SIFT特征匹配的图像认证系统。系统采用SIFT算法提取具有尺度不变性的特征点，通过FLANN匹配器进行高效特征匹配，并利用Lowe's比率测试(阈值0.4)过滤错误匹配。当有效匹配点数量超过40时判定为"认证通过"。系统包含核心认证函数和可视化工具，可标记匹配点并显示匹配结果，适用于图像识别、身份认证等场景。实验表明，该方法能有效处理图像缩放、旋转等情况，具有较强的鲁棒性。

2026-03-23 17:02:10 387

原创 OpenCV 实战：为视频添加椒盐噪声并实现中值滤波去噪

本文介绍了使用Python和OpenCV处理视频椒盐噪声的完整流程。椒盐噪声表现为图像中随机出现的黑白像素点，可通过随机修改像素值为0或255来模拟生成。中值滤波算法能有效去除这种噪声，通过计算像素邻域的中值来消除极值点。文中提供了详细代码实现，包括：1）生成椒盐噪声的函数；2）视频逐帧处理的完整流程（读取视频、添加噪声、中值滤波去噪）。该方案使用3×3滤波核，既能有效去除噪声又保持图像细节，可根据实际需求调整核大小。实验结果表明，该方法对椒盐噪声具有良好的去除效果。

2026-03-23 16:55:48 216

原创 OpenCV 实战：绘制花朵的精确轮廓与近似轮廓

本文演示了使用OpenCV进行花朵图像轮廓检测与近似的方法：首先将图像转为灰度并进行二值化处理，检测所有轮廓后筛选出面积最大的有效轮廓；然后用红色绘制精确轮廓，基于Douglas-Peucker算法（ε=周长的0.005）生成绿色近似轮廓。最终在同一窗口中展示两种轮廓，帮助理解轮廓检测原理与近似效果。关键步骤包括图像预处理、轮廓检测、筛选、近似计算和可视化。

2026-03-17 21:18:52 255

原创大模型函数调用（Function Calling）

本文以阿里通义千问为例，详细讲解了大模型函数调用的实现流程。函数调用使大模型能识别用户需求、调用外部工具并整合结果。文章通过加法器和水果计数两个案例，展示了从定义工具函数JSON描述、解析调用指令到执行本地函数并返回结果的完整过程。核心在于通过tools参数定义函数用途和参数格式，使大模型能智能判断是否需要调用工具。在复杂场景中，模型还能先处理自然语言输入（如筛选水果类别）再调用计算函数，体现了函数调用在实际应用中的灵活性。

2026-03-17 21:09:54 596

原创基于 LangChain 实现带记忆功能的智能对话

本文基于LangChain框架和阿里云通义千问模型，实现具备对话记忆功能的AI助手。通过ConversationBufferMemory组件存储历史对话，利用MessagesPlaceholder在提示词模板中嵌入上下文，构建完整的对话链系统。文章详细介绍了模型初始化、记忆存储、提示词构建等关键步骤，并提供了完整的代码实现，使AI能够基于历史对话进行连贯的多轮交互。该方法可有效提升对话系统的上下文理解能力，实现更智能的用户体验。

2026-03-16 20:43:06 340

原创基于 LangChain + 通义千问 + FAISS 构建 RAG 问答系统

摘要：RAG（检索增强生成）技术通过结合知识库检索与大模型生成，解决了大模型知识过时、幻觉和私有数据处理三大问题。其实现流程包括：1）使用PyPDFLoader加载文档；2）通过RecursiveCharacterTextSplitter进行文本分割；3）利用DashScopeEmbeddings生成文本向量；4）使用FAISS构建向量库实现高效检索；5）结合ChatOpenAI模型和ConversationalRetrievalChain实现对话式生成；6）通过ConversationBufferMemo

2026-03-16 20:32:39 923

原创基于 OpenCV 实现实时目标跟踪：CSRT 跟踪器

本文介绍使用OpenCV的CSRT跟踪器实现实时目标跟踪。CSRT跟踪器在精度和性能间取得平衡，适合处理目标形变和部分遮挡。文章提供了完整代码示例，通过摄像头实时画面，用户按's'键框选目标后，程序将自动用绿色矩形框标记并持续跟踪目标。代码解析详细说明了跟踪器初始化、目标选择、实时更新及资源释放等关键步骤，适合OpenCV新手快速实现目标跟踪功能。

2026-03-15 19:43:50 577

原创用 OpenAI API 自动化分类智能手表用户问题示例

摘要：本文介绍了一个基于OpenAI API（兼容阿里云通义千问）的智能分类系统，用于自动将智能手表用户问题归入7个预设类别（如产品规格、使用咨询等）。系统通过初始化API客户端、封装调用函数、构建提示词模板等步骤，实现了批量问题分类功能。该方案适用于客服工单处理、用户反馈分析等场景，相比人工分类效率更高且标准统一。关键点包括：精准的提示词设计限定输出格式，动态模板提升复用性，以及封装API调用简化操作流程。该系统可有效提升业务处理效率，保证分类一致性。

2026-03-15 19:34:50 404

原创从模型到 API：Flask+PyTorch 快速搭建图像分类

本文详细介绍了基于Flask和PyTorch实现深度学习模型API服务的全流程。主要内容包括：1) 服务端开发，通过Flask框架搭建图像分类API接口，包含模型加载、图片预处理和预测功能；2) 客户端实现，使用requests库发送图片并解析返回的预测结果；3) 完整代码示例和核心模块解析。该方法可将训练好的PyTorch模型快速封装为可远程调用的Web服务，实现预测功能的高效部署。文中提供了服务端和客户端的完整代码实现，并详细解释了各关键模块的功能，为深度学习模型的实际应用提供了实用解决方案。

2026-03-14 21:56:33 1314

原创用 LangChain 解析大模型输出

本文演示了如何使用LangChain的CommaSeparatedListOutputParser将大模型的自然语言输出转化为结构化Python列表。通过定义包含动态参数的提示词模板，初始化输出解析器获取格式要求，并调用通义千问模型获取响应，最终实现自动解析逗号分隔的文本为可直接使用的列表数据。该方法有效解决了非结构化文本到结构化数据的转换问题，输出结果可直接用于后续程序处理，提升了开发效率。

2026-03-13 23:00:46 138

原创识别盒装图标项目的一些功能函数

本文摘要： 1.正则判断函数：通过两个正则规则筛选字符串，规则1要求2-8位字母数字组合且必须包含字母和数字，规则2要求4-7位纯数字。核心函数process_string分割输入并返回匹配的子串。 2.三进一装饰器：实现带参数的装饰器execute_after_n_calls，当被装饰函数调用n次后触发回调函数。采用三层嵌套函数结构，包含计数器和条件判断逻辑。 3.多线程示例：演示Python多线程编程，创建两个并发执行的线程，每个线程循环执行任务并休眠，主线程不等待子线程直接继续执行，展示线程并行效果。

2026-03-13 20:30:45 340

原创基于大模型的商品信息抽取

本文介绍了一个基于Qwen大模型的信息抽取系统实现方案。系统通过定义schema确定抽取维度，采用Prompt模板和Few-shot示例引导模型学习抽取规则，构建多轮对话上下文模拟用户交互。核心流程包括：初始化前置Prompt、拼接完整输入、调用模型生成结构化结果。系统支持从商品文本中抽取品牌、价格等关键信息，并以JSON格式输出。通过实体类型校验、模型评估模式等机制确保抽取准确性和稳定性，适用于电商等领域的信息结构化需求。

2026-03-11 18:45:11 579

原创基于 Qwen2.5-1.5B 模型实现电影评论情感分类

本文介绍了一个基于HuggingFace Transformers和Qwen2.5-1.5B-Instruct模型的情感分类系统实现。系统通过加载预训练模型和分词器，采用提示词模板标准化输入格式，并利用PyTorch进行本地推理。核心代码解析了模型加载、提示词设计、推理参数优化等关键技术点，展示了如何通过大模型实现文本情感分类（正面/负面/中立）。测试结果表明系统能准确识别用户输入的评论情感倾向，为轻量级本地部署大模型应用提供了实践参考。

2026-03-11 17:42:39 129

原创基于决策树的电信客户流失预测分析

本文采用决策树算法分析电信客户流失数据，通过交叉验证选择最优最大深度参数（3-8范围内），评估指标侧重召回率。实现流程包括数据加载与预处理、模型训练与评估（混淆矩阵、分类报告、ROC曲线）、决策树可视化等。结果显示该方法能有效识别客户流失风险，决策树结构清晰展示了关键影响因素，ROC曲线AUC值验证了模型性能。该方案具有可解释性强、无需复杂数据预处理等优势，适用于客户流失预测场景。

2026-03-08 11:47:53 386

原创 YOLOv4介绍

YOLOv4作为目标检测领域的经典模型，通过Bag of Freebies（BOF）和Bag of Specials（BOS）两大优化策略，在保持实时性的同时显著提升检测精度。BOF通过数据增强（Mosaic等）、正则化（DropBlock+标签平滑）和损失函数优化（CIoU）提升模型泛化能力；BOS则采用CSPDarknet53骨干网络、SPP+PAN特征融合结构和Mish激活函数等轻量级改进增强特征提取能力。最终形成端到端网络架构，在608×608输入下实现高效多尺度检测，成为兼顾速度与精度的优秀模型。

2026-03-08 11:30:17 493

原创 git与github使用

本文摘要： Git仓库管理与分支操作指南介绍了Git的核心使用方法。首先详细说明了本地仓库初始化、代码提交以及与GitHub远程仓库关联的完整流程。重点讲解了分支管理的基本概念和实际应用，包括主分支（main）和功能分支（feature）的作用、常用分支类型及命名规范。文章提供了分支创建、切换、合并和删除的完整命令操作，特别强调了合并冲突的处理方法。同时介绍了本地和远程分支的删除操作及误删后的恢复技巧。这些内容涵盖了从基础到进阶的Git使用场景，为开发者提供了完整的版本控制解决方案。

2026-03-07 14:31:03 920 1

原创 yolov3

YOLOv3核心技术包括：1）全卷积+残差连接架构（Darknet-53骨干网络），避免特征丢失并解决梯度消失；2）多尺度检测通过特征融合提升小目标检测精度；3）9种先验框设计适配不同目标尺寸；4）Logistic激活函数支持多标签预测。实战部分介绍了项目文件夹结构（如config、data、weights等）及train.py的训练参数设置方法，包括模型配置、数据集路径等关键参数。该框架在目标检测中实现了效率与精度的平衡。

2026-03-07 00:27:52 448

原创 GitHub使用与简介

GitHub是基于Git的代码托管与协作开发平台，提供云端代码存储、版本管理、团队协作等功能。它通过Pull Request、Issue等功能支持多人协作开发，并集成CI/CD、静态网站部署等工具。与本地Git工具不同，GitHub是云端服务，需要网络连接。使用前需注册账号并配置SSH密钥：首先生成RSA/Ed25519密钥对，将公钥添加到GitHub账户，通过SSH代理建立安全连接，最后验证配置是否成功。SSH方式比HTTPS更安全，可避免每次操作输入密码。

2026-03-06 11:46:06 2645

原创 yolo系列算法

YOLO系列目标检测算法综述：YOLO是一种基于深度学习的实时目标检测算法，通过将图像划分为网格并直接预测目标位置和类别。YOLOv1首创单阶段检测思想，但存在小物体检测不足等问题。YOLOv2引入DarkNet-19网络、批量归一化、高分辨率微调和基于聚类的先验框优化，显著提升检测精度。评估指标方面，mAP50和mAP50-95分别衡量不同IoU阈值下的检测性能，其中置信度反映目标存在概率，IoU评估定位准确性。YOLO系列凭借高效的单阶段检测架构，在速度和精度上优于传统方法，广泛应用于实时检测场景。

2026-03-03 21:22:37 449

原创基于 PyQt5+OpenCV 的实时摄像头

本文介绍了基于PyQt5和OpenCV构建摄像头监控界面的实现方法。主要内容包括：1）使用PyQt5创建主窗口界面，通过Qt Designer设计UI布局；2）利用OpenCV的VideoCapture类获取摄像头画面；3）采用QTimer定时器实现画面实时刷新，并完成BGR到RGB的图像格式转换；4）实现摄像头开关控制、帧率调节等功能。该方案结合了PyQt5的GUI开发优势与OpenCV的图像处理能力，可快速搭建跨平台的摄像头监控应用，适合作为计算机视觉项目的入门实践。

2026-03-02 21:40:50 815

原创基于 PaddleOCR+OpenCV 实现图片 / 实时视频文字识别

本文介绍了基于PaddleOCR的文字识别实现方法，包括静态图片和实时视频流两种场景。首先概述了核心工具库：PaddleOCR（多语言OCR识别）、OpenCV（图像处理）和NumPy（坐标转换）。静态图片识别部分详细说明了初始化配置、图像读取、结果解析和可视化绘制流程，特别强调了坐标转换和判空处理等关键点。视频流识别部分则讲解了摄像头读取、帧处理、实时标注和资源释放等注意事项。文中还提供了GPU加速的使用建议和常见问题的解决方案，为开发者提供了完整的OCR应用实现指南。

2026-03-02 17:53:44 310

原创 pyqt5库实现计算器

本文介绍了使用PyQt5开发计算器应用的关键步骤：1）通过QtDesigner可视化设计界面；2）利用PyQt5实现计算器逻辑功能，包括按钮绑定、输入拼接和表达式计算；3）重点讲解了eval函数的使用及安全优化（浮点转整型、异常处理）；4）演示了PyQt5程序的标准启动流程。该项目展示了PyQt5在GUI开发中的高效性，同时强调了生产环境中eval函数的安全替代方案。

2026-03-01 12:15:10 295

原创基于 Lucas-Kanade 光流法实现视频特征点追踪

本文介绍了Lucas-Kanade(LK)稀疏光流法在视频目标追踪中的应用。该方法通过检测视频首帧的特征角点，逐帧计算光流位移并筛选有效追踪点，最终绘制特征点运动轨迹。实现过程包括：1)视频初始化与Shi-Tomasi角点检测；2)LK光流计算与追踪状态判断；3)轨迹绘制与结果可视化；4)循环更新追踪基准。该算法计算高效，适用于实时运动分析场景。代码使用OpenCV实现，包含视频处理、光流计算和轨迹可视化等核心模块，最后需释放资源确保程序正常退出。

2026-02-13 16:44:18 367

原创基于 OpenCV 与 Dlib 的人脸替换

本文介绍了基于Dlib的人脸关键点检测实现换脸技术的核心原理与实现步骤。通过检测68个人脸特征点，计算仿射变换矩阵对齐人脸位置角度，生成人脸掩膜区分面部区域，并进行色彩归一化处理，最终实现自然的人脸替换效果。关键技术包括：1)使用Dlib检测68个关键点并分区；2)生成高斯模糊掩膜确保边缘过渡自然；3)通过SVD计算仿射变换矩阵实现人脸对齐；4)色彩归一化匹配目标图像风格。文中还提供了关键参数调整建议，如模糊核大小和关键点区域选择，以获得最佳换脸效果。

2026-02-08 21:28:14 956

原创基于 MediaPipe 实现实时面部关键点检测

本文介绍了使用MediaPipe和OpenCV实现实时人脸关键点检测的方法。首先安装opencv-python和mediapipe依赖库，然后初始化FaceMesh模型并配置参数（包括检测模式、最大人脸数等）。通过摄像头捕获视频流，将BGR图像转换为RGB格式后送入FaceMesh处理。程序会将检测到的468个三维人脸关键点转换为像素坐标，并用绿色文字标注序号，同时绘制面部网格连线。关键点坐标包含x/y/z三个维度，其中z值表示深度信息。最后实时显示带有人脸网格标记的视频画面，按ESC键可退出程序。该技术可

2026-02-07 21:18:34 416

空空如也

空空如也