- 博客(240)
- 收藏
- 关注
RSS订阅原创 源代码与数据库：为什么要数据库迁移
所以，判断是否需要同步数据库，可以看这次代码修改是否改变了“数据约定”：只改按钮颜色，通常不用；新增要保存的字段、修改字段名称或改变数据规则，往往需要配套的数据库迁移或旧数据处理。我尝试读取你的项目文件，但本地命令工具启动失败，因此暂时无法确认这个项目具体使用了什么数据库。因为修改数据库可能影响已有数据，程序不能随意猜测你的意图。代码通过 SQL，或者数据库工具（ORM），向数据库发出读取、写入请求。涉及重要数据时，应先备份，再检查迁移内容、处理旧数据，并验证新功能。字段，就会报“字段不存在”之类的错误。
2026-10-09 21:08:17
186
原创 Obsidian 中的新增外部链接和内部链接（双链）
在 Obsidian 中，你遇到了一个非常常见的误区。你右键菜单里看到的是用来链接到的（比如而“一个独立的练习项目”是你自己写的笔记，属于。要修改你图中的。
2026-09-16 08:36:48
345
原创 deepseek harness可以接入企业微信
但目前靠的是一个第三方插件（785★、MIT 协议），它不是 DSH 官方内置功能。这个插件一次支持 9 个 IM 渠道（微信/飞书/钉钉/企业微信/QQ/Slack/Telegram/Discord/WhatsApp），企业微信是其中之一。
2026-08-25 10:43:43
400
原创 使用 uv 根据 requirements.txt 创建并应用虚拟环境
使用uv根据创建并应用虚拟环境，请按以下步骤操作（假设你已安装uv，若未安装可先通过或官方脚本安装）。
2026-08-25 09:41:11
202
原创 权限：ACL
设计规则结构：明确主体、资源、操作、条件四要素。选择存储方式：数据库表（简单）或策略引擎（灵活复杂）。实现前置过滤：在查询入口注入条件，或在服务层/网关层拦截。保证默认拒绝：避免权限遗漏。关注性能：缓存、索引、规则预编译。这样就能实现一个基于“部门 × 密级 × 知识域 × 文档状态”的细粒度 ACL 前置过滤，满足保密与隔离需求。
2026-08-17 08:48:10
161
原创 Word文档顺序遍历
文档顺序由XML结构决定：Word文档的中，<w:body>下的子元素顺序就是显示顺序保持顺序：lxml的方法按照XML文档顺序遍历混合内容正确处理：段落和表格可以任意穿插，都能正确遍历底层访问的必要性：python-docx的和doc.tables是分离的集合，无法保留顺序，必须直接操作XML生成器的优势：使用yield延迟生成，内存友好，适合大文档这种设计模式在处理复杂文档格式时非常常见，确保了内容的完整性和顺序性。
2026-08-13 18:12:19
231
原创 RTSP 实时分析（RTSP Real-time Analysis）
RTSP (Real-Time Streaming Protocol，实时流传输协议)是一种网络控制协议，专门用于控制流媒体服务器。常见来源：现在市面上绝大多数的网络摄像头（IP Camera）、安防监控摄像头（如海康威视、大华等）以及无人机图传，默认都支持通过 RTSP 协议向外发送实时视频流。作用：它相当于一条“管道”，让计算设备能够远程拉取摄像头正在拍摄的实时画面。在传统监控中，RTSP 流通常只是被传送到硬盘录像机保存起来，或者在屏幕上让人工观看（“只看不算”）。实时分析。
2026-07-29 17:33:15
226
原创 asyncio、并发、线程池、
事件循环是asyncio实现异步 I/O 的核心引擎。从底层来看，它是一个运行在单线程中的无限while循环。它主要维护着一个“就绪任务队列”和一个“挂起任务队列”。事件循环不断地迭代，检查哪些任务准备好执行代码，哪些任务正在等待 I/O 操作。I/O多路复用 (I/O Multiplexing)：I/O 是InputOutput的缩写，中文意思是“输入/输出”。当协程遇到网络请求（如httpx发起 HTTP 请求）并await时，事件循环不会让线程停下来死等。
2026-07-24 14:59:34
341
原创 云服务器 git 仓库 本地代码
可以。Git 不要求代码最初就在本地；你可以把/workspace当作“服务器工作副本”，本地 Windows 再克隆一份。
2026-07-18 22:32:09
251
原创 Skills
它规模不如社区数据库，但与当前 Codex Plugin 机制最一致。文件，并可以按创建者、职业、仓库和关键词搜索。如果你不想从几十万个社区 Skill 中筛选，优先从这里选。SkillsMP 声称索引了超过 220 万个公开。因此，它适合“找资料”，不建议看到热门就直接安装。安装方式，并明确列出了 Codex 支持。仓库已经标记为弃用，官方现在建议使用。不要仅凭安装量判断质量。Skills.sh 页面提供。OpenAI 原来的。
2026-07-15 20:02:14
357
原创 提交（Commit）到本地的 Git 仓库，然后才能推送（Push）到远程的 Git 仓库
（你修改代码的地方） ->（使用git add） ->（使用git commit） ->（使用git push你无法跳过本地仓库直接把文件塞给远程仓库。针对你的需求——.py。
2026-07-14 10:31:11
203
原创 Windows 办公极简必装 5 件套（欢迎补充）
整套覆盖：截图标注、流程图绘图、极速搜文件、全能 PDF 处理、万能快捷工具箱，日常写方案 / 做文档 / 查素材全覆盖，不重复功能。
2026-07-13 08:34:24
166
原创 Milvus ：HNSW 参数
资源充足且追求极致准确率：在建库阶段下血本。调大M（如 32 或 48）和（如 256 或 512）。虽然建库很慢、占内存大，但底子打得好。查询时，给一个中等偏上的ef即可获得极高召回率。对 QPS 要求极高（需要毫秒级响应）：维持适中的M（16 左右），并在查询时尽可能压低ef的值，逼近你的top_k。
2026-07-10 17:02:35
213
原创 人工审核节点（Human-in-the-Loop, HITL）概述
在构建复杂的 Agentic 工作流时，人工审核节点（Human-in-the-Loop, HITL）是连接高度自动化的 AI 决策与现实业务严谨性的核心桥梁。它不仅仅是一个简单的“同意/拒绝”按钮，而是一个涉及状态管理、线程暂停与上下文干预的复杂工程机制。
2026-07-10 14:54:45
200
原创 密集向量、 稀疏向量 、混合检索
在构建企业级RAG（检索增强生成）系统或复杂的Agentic工作流时，向量数据库的检索质量直接决定了系统的天花板。Milvus 作为一款工业级的向量数据库，其对密集向量、稀疏向量以及混合检索的支持，为应对复杂的业务场景提供了极大的灵活性。
2026-07-10 14:33:27
360
原创 大模型云端部署标准操作流程（SOP）
这份流程不仅适用于 ChatGLM，几乎所有基于 Gradio 或 WebUI 框架的开源大模型（如 Llama, Qwen 等）在云端部署时，都遵循这套“云端加载运行 -> 本地端口转发 -> 浏览器访问”的黄金法则。
2026-07-08 16:23:01
235
原创 VSCode 通过官方的 Remote - SSH 插件实现远程开发
VSCode 通过官方的插件实现远程开发：代码文件、运行环境、算力 / 显存全部在云服务器上，你本地的 VSCode 只是一个编辑界面，体验和在本地写代码几乎一致。
2026-07-07 17:28:16
350
原创 Hugging Face从零开始的、保姆级的详细教程
这是一个从零开始的、保姆级的详细教程。由于你使用的是阿里云（国内服务器），我们还需要解决国内无法直接访问 Hugging Face 的网络问题。
2026-07-06 10:16:34
229
原创 Mistral模型部署
部署这样的 7B（70亿参数）级别大模型，其资源需求主要取决于你选择的。无论是本地还是云服务器，显存（VRAM）都是最重要的瓶颈。以下是详细的资源需求评估及主流部署方案教程。
2026-07-06 09:24:23
227
原创 AI 全栈应用生成器
是由知名 Web 开发平台 StackBlitz 推出的工具，其底层基于先进的浏览器内运行环境（WebContainers）。的前身是一个低代码/无代码工具，后来全面拥抱 AI，演变成了如今极高颜值的 AI 独立应用生成平台。两款工具虽然都能实现“用嘴做软件”，但它们的底层逻辑和面向的群体有着明显的差异： [简单来说，它们不仅是一个“只能聊天帮写代码”的 AI（如 ChatGPT），而是。它们是 “Vibe Coding”（氛围编码）浪潮下的核心生产力工具。目前全球最火爆、最具代表性的两款。
2026-07-03 09:48:54
255
原创 DBSCAN（基于密度的空间聚类应用与噪声）算法
DBSCAN 的运作逻辑就是：先看一个点周围eps范围内有没有达到个点。如果有，这个点就是“核心点”。从一个“核心点”出发，把它的所有邻居都拉进同一个簇里。如果被拉进来的邻居也是“核心点”，那就继续扩大这个簇的边界（这就是所谓的密度可达，Density-Reachable）。如果被拉进来的邻居不是“核心点”（也就是说它在别人的圈子里，但自己的圈子里点不够多），那就把它当作“边界点 (Border Point)”，簇的扩张在这里停止。
2026-06-11 11:21:06
229
原创 LangGraph标准构建示例
在这里，我们只关心数据结构长什么样，完全不引入任何大模型的代码。Python第二部分：专门定义节点逻辑（类似于 ）这里是纯粹的业务函数。它只需要声明自己接收 作为参数，然后返回需要更新的字典即可。它不需要知道图（Graph）是怎么流转的。第三部分：组装智能体图（类似于 ）在这里，我们将前面定义好的“状态类”和“节点函数”像拼图一样拼起来。为什么要这样分开设计？ 代码极度清晰：如果您的智能体有 10 个节点，把逻辑全写在一起会变成一场灾难。分开后，您只需去 看数据结构，
2026-06-05 21:57:48
249
原创 langgraph基础示例
一个完整的、可运行的基础示例。这里我以调用 OpenAI 的模型为例（您可以替换成任何 LangChain 支持的模型）。如何运行测试它？编译好 之后，您就可以像调用普通的 LangChain 对象一样，使用 方法传入初始消息了：代码逻辑拆解 和 : 它们是 LangGraph 提供的特殊常量（通过 引入），用来标记工作流的起点和终点。: 您可以看到，我们在 中直接使用了它，整个过程中没有任何自定义类的代码。节点的返回值: 在 中，我们 。因为 底层已经配置好了归约器
2026-06-05 21:53:12
238
原创 短期记忆和长期记忆都存 MySQL
长期记忆 (Store) 绑定 namespace（通常是 user_id），存的是跨会话的结构化知识点——用户的偏好、档案、历史行为。context=UserContext(user_id="current_user") # ← 相同用户。config={"configurable": {"thread_id": "thread2"}}, # ← 不同线程。{"messages": [{"role": "user", "content": "我喜欢什么颜色？
2026-06-04 09:52:47
208
原创 Prompt Engineering（提示工程）和 CoT（Chain of Thought，思维链）
Prompt Engineering 让我们从“命令”模型进化为“引导”模型，而 Chain of Thought 则进一步赋予模型面对复杂认知任务时所需的“审慎推理”能力。理解并善用这两者，是在大模型时代构建可靠、智能应用的关键技能。随着模型能力的发展，提示工程正在从手工设计向自动化、程序化方向演进，而思维链也正与外部工具、检索、规划算法深度结合，释放出更强大的潜能。
2026-05-21 13:23:11
582
原创 安装千问云skills包
“帮我安装 QianWen AI Skills：1. 先检查 Node.js 有没有装好，没有就帮我装 2. 运行：npx skills add QianWen-AI/qianwen-ai 3. 如果出现技能选择提示，选择全部技能并确认 4. 装好之后，先说一句‘技能已装载’，然后告诉我获得了哪些技能，带我体验一下”*当你向 Agent 提出需求时，OpenCode 的“技能系统”会进行全局和项目级扫描，如果你的任务和某个技能的描述相匹配，Agent 就会自动调用这个技能来执行。），如果没有，需要先去。
2026-05-20 13:41:07
903
原创 IVF_FLAT 和 HNSW 是两种最核心的近似最近邻（ANN）索引算法
下表整理了IVF_FLAT和HNSW特性IVF_FLATHNSW查询性能 (QPS)中/高极高搜索召回率 (Recall)中/高 (调高nprobe可提升)极高内存消耗较低(仅存储原始向量和聚类中心)较高 (需额外存储图结构，约是原始数据的100%-300%-)索引构建时间快较慢动态更新不友好（新增数据影响整体分布）友好(支持增量插入，无需重建)参数调优nlist(构建时),nprobe(查询时)M(构建时),ef(查询时)
2026-05-17 19:54:10
562
原创 限流重试、指数退避、随机抖动
概念作用429 限流API 告诉你“太快了，暂停一下”重试自动等一等再试，而不是直接失败指数退避让等待时间越来越长，给服务器喘息空间随机抖动打散重试时刻，避免同时涌入这套机制是调用大模型 API 时保证稳定性的基本功，几乎所有生产级代码都会采用“指数退避 + 随机抖动”的重试策略。
2026-05-17 19:13:23
491
原创 百分位数法来自动确定阈值进行文章切分
代表使用来自动确定阈值，而不是人为给定一个固定值（如0.5具体做法：计算所有相邻句子对相似度的（例如第 95 百分位数，默认值通常是 95，也可由参数指定）。把那些的相似度点视为“断裂点”，在对应位置进行切分。，简单说就是一个数值，它把一组数据分成两部分：有的数据小于或等于这个数值，只有的数据大于它。换句话说，如果你把所有相邻句子对的相似度从低到高排序，第 95 百分位数就是那个“排在前 95% 位置”的相似度值。它，而是为了标记出那 5% 最“不正常”的低相似度点。
2026-05-17 17:00:05
216
原创 电化学镍催化的醇脱氧三氟甲基化反应
在这个烧瓶里，发生的是一场多方协作的微观流水线作业。为什么高达 5 eq 会导致产率暴跌？因为过量的游离会去抢占镍中心的配位空位，导致镍无法去抓取醇和。为什么需要 8mA 的电流？因为阴极必须源源不断地提供电子来还原镍，同时阳极必须有足够的电位去氧化从而激活。这是双极协同的过程！为什么 SM2 超过 2.0 eq 会毒化？铜试剂（）本身带有联吡啶配体，过量的话，它的铜中心或释放的联吡啶会严重干扰镍催化循环的配位平衡。
2026-05-12 09:12:05
486
原创 UCB 和 EI 两大采集函数的本质区别
表格采集函数全称核心逻辑性格UCB上置信界选潜力上限最高的点（预测值 + 不确定性）主动探索派，胆子大EI期望提升选能比当前最优提升最多的点贪心务实派，求稳预测均值 μ不确定性 σ、权衡系数 κ逻辑：直接计算点的理论最高可能值，选得分最高的点计算：纯加减乘除，1 行代码搞定。
2026-05-06 17:17:19
232
原创 非线性降维算法：UMAP
是一种非常强大的。它的主要作用是将高维数据（比如几百上千个特征的数据）压缩到低维空间（通常是 2 维或 3 维），以便于人类进行可视化观察，或者作为其他机器学习算法的前置处理步骤。近几年来，UMAP 几乎成为了数据科学领域的“明星”，在很多场景下（特别是单细胞测序、文本嵌入可视化等）甚至取代了曾经的王者。
2026-05-06 10:10:51
257
原创 python代码中的logger和print有什么区别
如果是面向过程的交互（如：请输入你的名字），用print。如果是后台逻辑运行的状态追踪（如：OCR 识别、数据库读取、API 调用），务必使用logger。
2026-04-20 08:50:29
230
原创 在 Linux 环境下，查看、编辑并使环境变量生效
步骤动作命令1. 打开文件使用编辑器进入配置2. 添加内容在末尾 export 变量3. 保存退出Vim 指令Esc->:wq4. 立即生效刷新命令如果你是在修改Docker的镜像站地址，通常不是修改环境变量文件，而是编辑。
2026-04-16 21:57:36
132
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人