- 博客(297)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 java常见经典算法题
1：冒泡排序package org.sang.org.sang.算法;import java.util.Arrays;import java.util.Collections;/** * create by 86159 on 2021/1/12 */public class 冒泡排序 { public static void main(String[] args) { // 冒泡排序是对数组操作，如果是集合，先用list.toArray()转化为数组
2021-01-12 23:08:10
31088
6
原创 教你如何获取公众号主页url
在采集公众号文章时，如果有每一篇公众号文章的url还好，可以循环去采集每一篇公众号文章，但为了提高效率，有时候我们只需要访问公众号文章列表主页，并且一次性采集所有的文章列表，如何访问公众号主页呢？
2025-03-22 22:57:48
257
原创 WebDriver采集数据报错【已解决】：Message: stale element reference: element is not attached to the page docume
第一次点击和返回正常，一到第二次点击就报错：Message: stale element reference: element is not attached to the page docume。在爬虫采集数据的过程中，我用的webdriver的方式去加载页面，然后获取了列表的20条数据的相对路径，写了个循环点击元素，再退出详情回到列表，继续点击第二个，第三个。详情一次采集详情数据。查了好多，说是所引用的元素已过时，不再依附于当前页面。确实是因为我点进了详情，又back回到了列表，页面确实刷新了。
2025-03-08 09:37:57
208
原创 通过ollama本地化部署deepseek后，通过API方式请求特别的慢
说明在控制终端请求是没问题的，那么模型是可以跑的，那API为什么这么慢呢？
2025-03-03 22:25:34
473
原创 一图看懂大模型中RAG的流程实现
加载文档读取文档文档分割文档向量化用户输入内容内容向量化文本向量中匹配出与用户提问的向量相似的top_k个匹配出的文本作为上下文和问题一起添加到prompt中提交给LLM生成答案。
2025-02-16 20:17:38
321
原创 一招教你如何用大模型帮你生成一份精美的PPT
以上就很容易的生成了markdown文本了,当然你可以继续调优，让大模型重新帮你生成更准确的markdown，也可以在markdown文本的基础上修改文字。当然，以上是我的一个简单的示例，实际工作中，你需要尽量详细的描述你的需求，这样大模型才能更准确的帮你生成切合你业务场景的markdown文本。这里可以选择一系列的工具，因为我们需要生成PPT，所以这里我们选PPT助手，当然，如果你有其他需求，你也可以研究一下其他的工具助手。4) 待大模型回复，生成markdown样式后，点击下方的一键生成PPT即可。
2025-02-15 21:43:55
2176
原创 CPU 和 GPU 有哪些区别？
CPU和GPU 是计算机系统中两个至关重要的组成部分。，专注于处理大量的并行计算任务，尤其是图形处理。，CPU是计算机的核心处理器。
2025-02-15 10:02:53
585
原创 一文了解大模型技术--RAG（Retrieval-Augmented Generation）
如果你觉得大模型回答不够精准、不够贴合实际，那RAG可能就是一个不错的解决方案。简单来说，RAG就是给大模型外挂了一个知识库，让它能借助这些知识回答得更专业、更可靠。检索增强生成，是一种通过整合外部知识库来增强大模型（LLM）的性能的模式。最简单的理解，可以认为是给大模型外挂了一个知识库。
2025-02-09 16:36:19
783
原创 Prompt逆向工程:如何“骗“大模型吐露其Prompt?
逆向工程就是一种从结果反推过程的方法。逆向工程让我们能够在不了解实际原理和过程的情况下，推断出生产结果和相应的需求条件。提示词的逆向工程，主要是让AI大语言模型分析文本，并尝试生成一个能够产生类似结果的提示词。这个过程需要一定的文本分析和总结能力。因此，我建议你使用最新的ChatGPT-4模型来进行这样的尝试，使用其他模型不一定能得到较好的效果。
2025-02-09 14:18:48
1289
原创 大模型Prompt 提示词攻击,大语言模型安全的潜在威胁
Prompt 提示词作为人和大语言模型交互的媒介，被不断提起。提示词攻击是一种新型的攻击方式，包括提示词注入、提示词泄露和提示词越狱。这些攻击方式可能会导致模型生成不适当的内容，泄露敏感信息等。Prompt的构建使得预训练大模型能够输出更加符合人类语言和理解的结果，但是不同的prompt的模板依旧有可能会导致一些安全问题和隐私问题的出现。
2025-02-09 11:10:18
1636
原创 chatBox网页端不能加载本地安装的大模型，APP端可以加载出来的解决方案
不用纠结这个吧，可能是bug，网上好像没看到别人出现这个情况，希望可以帮助到出现这种情况的兄弟，我也是自己摸索出来的。下拉框加载不出我本地安装的大模型。
2025-02-09 10:22:29
1230
2
原创 Linux部署Ollama报错Error: could not connect to ollama app, is it running?
【代码】Linux部署Ollama报错Error: could not connect to ollama app, is it running?
2025-02-08 14:27:23
5547
原创 ollama 下载 deepseek 模型，进度条一直卡着不动，甚至回退
我是一直等解决的，我下的是deepseek-r1:1.5b的总共1.1G大小，在windows环境安装下载了2小时，在linux服务器上安装下载花了5小时，而且我所在的网络环境不算差，源头的问题，但总算最后下成功了，启动成功可以用了。网络不好，这种下载都是分块下载的，网络不好中间断了之后下载的那块就会被丢弃，所以会出现进度条倒退的情况。2、ollama run 是在官网下载源，源头服务器访问慢，就像国外网站一样，这个是主要原因。1、等，最好是晚上下载着，等一晚上，明天再看，基本就下成功了。
2025-02-08 14:20:32
10677
3
原创 【已解决】Linux服务器安装Ollama后，127.0.0.1和localhost可以访问，IP无法访问解决方案
我按照上述改了后确实生效了，可以IP访问了，希望帮助到你。修改完记得ollama一定得重启，重启才会生效。
2025-02-07 22:52:03
6175
4
原创 本地部署deepseek-r1大模型
进入ollama的官网的Models菜单，搜索deepseek,由于现在热度高，第一个就是deepseek，都不用搜索，点击进去。但是一般下载很慢，甚至没有反应，所以我上传了资源，到我的博客主页 - >资源去下载windows的ollama包吧。
2025-02-07 21:29:48
4762
原创 Linux环境下载Ollama慢或卡顿解决方案
官方下载方式是到ollama官网下载ollama: https://ollama.com/复制下载链接执行：二、卡顿现象执行后经常会出现下载失败或者进度条特别慢的情况，甚至直接退出下载：因为ollama官网下载速度太慢了，可以采用国内镜像源加速器下载，步骤如下：2、使用github文件加速替换github下载地址3、替换后增加可执行权限4、执行sh下载安装执行后效果好很多：
2025-02-06 14:36:24
9012
2
原创 本地机器上便捷部署和运行大型语言模型（LLM）而设计的开源框架Ollama
Ollama是一个开源框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。其主要目标是简化在Docker容器中部署大型语言模型的过程，使得非专业用户也能方便地管理和运行这些复杂的模型。
2025-02-06 14:24:44
4806
原创 一文读懂AI Agent 智能体
在计算机科学和人工智能领域，智能体（Agent）是一个抽象的概念，用于描述能够感知环境、执行行动并以此对环境产生影响的实体。智能体通常被设计成具有自主性和适应性，能够在不确定、复杂或动态的环境中做出决策以达成特定目标。简单来说，AIAgent智能体，是一种能够默认人类思考和行动来自动执行任务，以解决复杂问题的程序或者系统。
2025-01-19 11:58:48
5159
原创 【大模型】从零样本到少样本学习：一文读懂 Zero-shot、One-shot 和 Few-shot 的核心原理与应用！
在自然语言处理（NLP）领域，Zero-shot、One-shot 和 Few-shot 学习已经成为衡量大语言模型泛化能力的重要指标。尤其是在大规模预训练模型（如 GPT 系列）的推动下，这些技术得到了广泛应用和关注。本篇文章将带你全面了解这三种学习方法的核心概念、原理和实际应用场景。Zero-shot 学习指模型仅通过任务描述（Task Description）理解任务，并在没有任何示例的情况下预测输出结果。它完全依赖于预训练阶段中学习到的通用知识，不需要针对具体任务的额外数据。
2025-01-18 12:00:36
5402
原创 java.net.SocketException: Connection reset 异常原因分析和解决方法
方法二：代码指定TLS版本 System.setProperty(“https.protocols”, “TLSv1.2”);方法一：如果客户端JDK是1.7，服务器端要求TLSv1.2，那么在启动参数加上-Dhttps.protocols=TLSv1.2即可。**解决方法：**服务器端和客户端使用相同的连接方式，即同时使用长连接或短连接。**解决方法：**服务器端和客户端使用相同的TLS版本，我遇到的就是这种情况。三、如果是HTTPS，那么还存在TLS版本不一致。TLS v1.2(默认)
2025-01-12 11:43:45
7673
2
原创 Docker镜像源拉取失败超时 Error response from daemon: Get “https://registry-1.docker.io/v2/“解决方案
从报错信息看，是由于客户端连接到的服务端网络超时，拉取镜像失败，其中这个 https://registry-1.docker.io/v2/ 地址是 docker官方的镜像源，下载很慢的，一般会自己指定国内映射的加速镜像源。一般情况是修改镜像源，但是镜像源国内现在很多用不上也是会报错的，下面我给一个亲测有效的镜像源，这么些镜像源，直接怼进去就可以了。2、重新加载配置文件和重启docker，修改上述镜像源配置文件后，一定要重启docker，否则没生效。或者配置了镜像源，但是仍然报这个错。
2025-01-12 11:32:05
20697
28
原创 Crawl4AI：一个为大型语言模型（LLM）和AI应用设计的网页爬虫和数据提取工具实战
Crawl4AI 是一个开源的网页爬虫和数据抓取工具，一个python项目，主要为大型语言模型（LLM）和 AI 应用提供数据采集和处理服务。
2024-12-16 22:38:39
6709
原创 kindle如何连接微信读书，同步书架数据
1、有Kindle阅读器的同学，可以尝试越狱操作后安装微信读书Eink客户端版，功能更完善，体验更好，但不推荐安装太多软件，毕竟，Kindle性能配置太低了，还有越狱操作有变砖风险，谨慎！⑤Kindle原生的夜间模式没有做适配，网页版的微信读书，翻页后有明显的残影，而内置书城里的书籍翻页残影优化的很好。④章节翻页时，点击右下角的[上一页]和[下一页]，加载时间2秒左右，阅读时遇到这种页面，体验真的糟透了。注：Kindle的网页版微信读书是阉割版的，自身有限制，没有客户端版的功能完善，体验不够好.
2024-11-10 22:27:50
5798
原创 MirrorMaker2配置后同步数据至目标集群的topic都加上一个源集群别名的前缀A.
DefaultReplicationPolicy: 默认取值, 这个策略会把同步至目标集群的topic都加上一个源集群别名的前缀，比如源集群别名为A，topic为：bi-log，该topic同步到目标集群后会变成：A.bi-log，目的是为了避免双向同步的场景出现死循环, 官方的解释是为了避免在复杂的镜像拓扑中重写数据。replication.policy.class取值有两个, 分别是 DefaultReplicationPolicy 和 CustomReplicationPolicy。
2024-10-27 13:01:19
4529
原创 配置MirrorMaker 2 连接器
配置MirrorMaker 2 连接器一、MirrorMaker 2 连接器配置属性一、MirrorMaker 2 连接器配置属性属性说明默认值admin.timeout.ms管理任务的超时，如检测新主题默认值为 60000 (1 分钟)replication.policy.class定义远程主题命名约定的策略默认为 org.apache.kafka.connect.mirror.DefaultReplicationPolicyreplication.polic
2024-10-27 12:44:59
4880
原创 kafka mirror maker之实现两个kafka集群之间的数据同步
Kafka MirrorMaker 是 Apache Kafka 提供的一个用于在不同 Kafka 集群之间复制数据的工具。它的主要用途是在多个数据中心、地理位置或集群之间实现数据同步和冗余，以提升数据的高可用性和容灾能力。以下是关于 Kafka MirrorMaker 的详细介绍。Kafka MirrorMaker 是一个非常有用的工具，用于在不同 Kafka 集群之间进行数据复制和同步。无论是简单的集群间数据传输，还是复杂的多数据中心部署，MirrorMaker 都能提供可靠的解决方案。
2024-10-27 12:21:51
5506
原创 java jsoup爬虫如何快速获取到html页面的选择器元素
这样就可以快速获取选择器的定位，然后获取值，大概率是准的，可以极大的提高开发效率，但偶尔由于网页特殊，可能还是需要自己微调一下，所以还是得对jsoup的选择器有一些熟悉的。
2024-10-27 12:05:00
5005
1
原创 使用MirrorMaker跨集群同步数据原理
从本质上说，MirrorMaker 就是一个消费者 + 生产者的程序。消费者负责从源集群（Source Cluster）消费数据，生产者负责向目标集群（Target Cluster）发送消息。整个镜像流程如下图所示：MirrorMaker 连接的源集群和目标集群，会实时同步消息。当然，不要认为只能使用一套 MirrorMaker 来连接上下游集群。事实上，很多用户会部署多套集群，用于实现不同的目的。下图中部署了三套集群：左边的源集群负责主要的业务处理；右上角的目标集群可以用于执行数据分析；
2024-10-26 21:13:24
4531
原创 kafka中MirrorMaker1和MirrorMaker2的区别
kafka开源社区也终于在kafka2.4带来了自己的企业级解决方案MirrorMaker-V2(MM2)。MM2修复了MM1所存在的局限性。MM2是基于kafka connect框架开发的。与其它的kafka connecet一样MM2有source connector和sink connetor组成，不熟悉kafka connect概念的同学可以这样认为，source connector就是MM1中的消费者，它负责读取远端数据中心的数据。
2024-10-26 20:39:48
5582
1
原创 jar包的编辑，保存，运行
unzip 和zip命令可以解压压缩tar包，但是改完压缩后启动不太行，jar包不符合规则，应该是这个命令压缩的jar包格式变了。进入后可以看到目录，直接/application.yml 回车即可修改，改完后保存退出，重新启动jar包即可生效。可以先解压外层的jar，然后再vim lib目录里面的jar包，然后打包即可。对于jar包里的lib目录里的jar包要改的话比较难，vim直接修改不太行。服务器上jar包有时候需要直接编辑，然后保存，重新运行，一般是改配置文件。
2024-10-26 20:20:12
4618
原创 kafka-console-ui的简介及安装使用
kafka-console-ui 是一款轻量级的kafka可视化管理平台，安装、配置特别简单，一般来说只需要配置一个kafka集群地址启动即可。为了开发的省事，没有国际化支持，页面只支持中文展示。不是一个企业级的平台，目前看来只适合中、小型集群的管理。这个工具看起来是挺low的，但是对于刚接触kafka急需一个合适工具进行管理的同学来说，还是挺友好的，没有国际化支持，全是中文展示。支持broker相关配置的查看及修改。
2024-10-26 19:48:03
6424
原创 Mongodb命令大全
id 字段是每个文档的唯一标识符，确保每个文档在集合中是唯一的。这个字段在每个文档中都是必须的，并且在插入文档时会自动生成。如果没有显式指定 _id，MongoDB 会为其生成一个唯一的 ObjectId。localField：指定当前集合（orders源集合）中用于连接的字段名称。foreignField：指定目标集合（from 集合）中用于连接的字段名称，示例中和orders关联的是_id字段。from：指定要连接的目标集合的名称。示例中我们是从 products 集合中查询关联数据。
2024-10-26 19:21:58
7111
原创 docker环境安装mongoDB实现平滑迁移实战
使用mongodump工具对原始mongoDB进行全量备份，在备份期间，确保没有新的数据写入，否则这部分数据迁移不到。迁移后验证数据一致性，在两个新旧mongDB环境分别查询集合下的数据量统计，看是否一致，如果一致，则迁移成功。到这里数据就迁移到新的容器成功了。
2024-10-16 22:50:36
4853
原创 用docker安装的mongo使用mongodump可以正常执行，但是在生成目录下找不到生成的文件
这是因为mongodump生成的文件在docker的容器中，并没有在宿主目录下生成文件。想要获取mongodump生成的文件，需要进入docker容器，将容器中的文件压缩，然后将压缩好的容器拷贝到宿主上。mongodump是从别的服务器备份数据到当前的服务器，需要在当前服务器执行，而不是在别的服务器里执行。/data目录下就有新生成的备份的数据库目录了。
2024-10-16 22:35:19
4453
mybatis自动生成各层代码
2019-08-29
2019年java面试题集锦.docx
2019-08-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人