- 博客(28)
- 收藏
- 关注
RSS订阅原创 Visual Studio 五月更新 —— 计划、评审、优化
您可在面板中通过 ⋯ 菜单对任意技能执行操作：点击 Edit 可在 Visual Studio 中直接打开技能文件，Open in file explorer 则跳转至该文件在磁盘中的存储位置。在您和 Copilot 聊天时，它会记录您的对话历史、上传的文件以及其他上下文信息，以此给出贴合需求的回复。第一步为调研梳理阶段，它会调用只读工具了解您的代码库，遇到疑问时主动发起提问。多文件汇总差异视图可在单一界面展示多个文件的全部改动代码行，您无需在不同文件间来回切换，就能快速掌握某次提交或拉取请求的改动范围。
2026-07-10 14:09:44
267
原创 用 39 元跑出 1.3B token 的代码知识库：OpenDeepWiki 最新 wiki 质量抽检
第一，目录结构是懂项目边界的。它可以从 Git URL、ZIP 包、本地目录导入仓库，生成结构化 wiki、README 摘要、多语言内容、思维导图和可选 Graphify 产物，再把同一份知识复用到公开文档站、内置聊天、嵌入式聊天 API 和 MCP 端点里。OpenDeepWiki 的价值不在于“AI 自动写文档”这句口号，而在于它已经把代码知识库做成了一条可运营的流水线：导入、分析、目录生成、正文生成、翻译、思维导图、Graphify、聊天、MCP、token 统计和后台任务管理都在一个系统里。
2026-07-10 14:09:04
244
原创 高光谱拼接算法（三）SIFT 特征点检测
当我们把图像放大，原来 7×7 窗口里的细节就变了：一个角点在原图里看是角点，放大后可能变成了平滑的边缘，或者变成了更复杂的纹理。实际上，这种思路确实存在，例如后来的 Harris-Laplace ，就是在多尺度下运行 Harris 检测器，但其更像是一种“遍历”，并没有较根本地解决尺度不变性问题。它实际上近似于尺度归一化后的 LoG，这也是 SIFT 中真正使用的方法，在下面的具体步骤中，我们就可以看到它的位置。更大范围内的像素都会参与平均，从而逐步“抹平”图像细节，只保留较大的结构轮廓。
2026-07-09 13:52:06
219
原创 Coding Agent 规则管理：CLAUDE.md、Skills、Hooks、Subagents 到底怎么选？
一旦发布流程、Review 清单、排障步骤、安全拦截这类内容长期混在 CLAUDE.md 中，就会让所有任务带上一堆用不上的规则，增加上下文负担，也会稀释 Agent 对当前任务的判断重点。图注：Hooks 可以在 Claude Code 会话的多个阶段触发，包括 Session Start、UserPromptSubmit、PreToolUse、PostToolUse、SubagentStart / Stop、PreCompact、PostCompact、SessionEnd 等。
2026-07-09 13:51:28
168
原创 16位实模式最后的疯狂：我们能否在 640KB 常规内存里手搓一个 MD 模拟器？
这场猜想可行吗？逻辑上，它完全闭环；技术上，它退无可退。我们放弃了现代操作系统提供的几吉字节（GB）的虚拟内存，放弃了高级编译器的自动优化，退回到了 1990 年代初那个只有 640KB 常规内存的荒凉世界。但正是这种极端的限制，逼着我们去思考：什么是地址总线？什么是内存映射？如何用纯。
2026-07-08 14:06:04
200
原创 rv1126b内置phy接hub交换机芯片
hub交换机芯片不需要做其他配置 ，该芯片为傻瓜式的 ，只需要保证内置phy是正常即可&gmac {&mdio {reg = <2>;
2026-07-08 14:05:22
202
原创 为什么越来越多的大厂抛弃MCP，转向CLI？
对于AI来说，上下文窗口是它拥有的最宝贵的“房地产”，而MCP的设计下，Agent还没开始干活，就已经“满”了。更严重的是，上下文中的无关内容越多，模型对真正重要内容的关注就越弱。研究人员记录了一个现象——“
2026-07-07 14:27:16
176
原创 牛鞭效应WebApp实验室：信息延迟、局部优化与行为偏差的动态耦合
维度传统方式问题认知概念理解模糊，难以形成系统直觉过程动态演化不可见，缺乏过程感实验无法重复验证，缺乏可控环境决策干预效果不可测，策略优劣难判断进一步来看，传统教学往往停留在“静态分析 + 公式推导”，而牛鞭效应本质上是一个强动态、强反馈、强非线性系统问题。缺乏实验工具，使学习者难以真正理解其形成路径与调控机制。👉 正是在这样的背景下，通过仿真与可视化，将“不可见的动态过程”转化为“可操作的实验对象”，从而直击这一核心难题。
2026-07-07 14:23:39
194
原创 打通AI的工具生态-MCP协议实战
MCP是由Anthropic提出的开放标准协议，定义了AI模型与外部工具之间的通信规范。一次实现，处处接入。工具提供方只需实现一次MCP Server，任何支持MCP的AI应用都能直接使用。本文的重点不只是用别人的MCP Server，而是从零构建我们自己的MCP Server。在C#中，借助官方的包，这变得非常简单。在和Function Calling类似，[Description]是AI理解工具用途的关键。特性MCP Server工具标注类标注无执行位置应用进程内独立服务进程。
2026-07-06 14:24:38
184
原创 Claude Code Skill的介绍与使用
来源说明典型用途内置 Skill程序自带，开箱即用，共 9 个代码审查、安全检查、项目初始化等通用场景自定义 Skill自己编写，放在或团队专属工作流、个人常用任务插件 Skill通过安装别人写好的 Skill社区共享的专业技能（如文档处理、数据转换等）三者的使用方式完全一样——都是输入/skill名称来调用。区别只在于来源和安装方式。内置 Skill 覆盖了常见开发场景（详见附录速查表），但实际开发中，你很可能会需要针对自己项目特点的专属 Skill，这时候自定义 Skill 就派上用场了。
2026-07-05 13:58:29
303
原创 【Agentic RL / 强化学习 / OPD】OpenClaw-RL 源码阅读笔记 --- (2)--- On-Policy Distillation
RL：自己下棋，只知输赢，不知错步，要自己摸索离线蒸馏：看大师棋谱，照搬但不理解自身棋局。自己下棋，大师实时逐步点评，精准纠错。有具体建议+正确示范，学得更快。所以，OPD就像是给AI配了一个超级耐心的老师，让它在帮你做事的过程中，不断地变得更聪明、更贴心！设 P = teacher 分布, Q = student 分布正向 KL (Forward KL):→ 用 teacher 的分布加权反向 KL (Reverse KL):→ 用 student 的分布加权。
2026-07-05 13:57:54
239
原创 [MAF预定义的AIContextProvider-04]Mem0Provider——长期记忆基于的云端解决方案
利用我们提供的向量数据库，对每次调用产生的消息针对指定的Scope维度进行存储，并将当前消息作为查询文本，结合设定的Scope维度检索历史消息作为上下文的一部分来参与LLM的推理。除了这种需要我们们自己搭建和维护的基于向量数据库的解决方案之外，我们还可以利用如下两个预定义的是一个专为AIAgent打造的，让AI能像人一样跨会话记住事实、偏好、背景信息，并通过向量 + 图谱的混合架构实现高效、可扩展、可演化的记忆管理。Mem0目前提供免费试用，我们可以通过申请API-Key来使用它的服务。集成它的。
2026-07-04 16:20:32
238
原创 gt-checksum v4.0.0 新功能解读系列文章（4）：SSL 加密连接——数据校验传输安全再升级
v4.0.0 为 gt-checksum 和 repairDB 同时新增了 SSL/TLS 加密连接支持。通过 8 个新增配置参数，源端和目标端可以独立配置各自的 SSL 证书和加密模式。gt-checksum v4.0.0 的 SSL 加密连接支持，让数据校验和修复过程中的传输安全不再是空白。通过五种 SSL 模式覆盖从"仅加密"到"全面验证"的全部安全需求，源端和目标端独立配置的设计则适应了异构环境下的真实生产场景。最低要求REQUIRED模式，保证传输加密推荐配置VERIFY_CA。
2026-07-04 16:20:00
242
原创 万字详解 RAG 向量索引算法和向量数据库
向量索引算法是向量数据库的核心，它的核心任务是解决一个数学难题：如何在海量的高维向量中，极速地找到和给定查询向量最相似的那几个。它的本质，是一种空间划分和数据组织的艺术。如果没有索引，我们要找一个相似向量，就必须把数据库里所有的向量都比较一遍，这叫暴力搜索。在百万、亿级的数据量下，这种方法的延迟是灾难性的。向量索引的目标，就是通过预先组织好数据，让我们在查询时能够智能地跳过绝大部分不相关的向量，只在一个很小的候选集里进行精确比较。没有索引= 在整个城市挨家挨户找一个人有索引。
2026-07-03 14:30:58
240
原创 前端视角下的 Python
如果 JavaScript 是多线程的，一个线程正在修改 DOM，另一个线程同时也在修改同一个 DOM 节点，就会产生竞争条件（Race Condition），导致不可预测的行为。Python 的渐进式类型（Gradual Typing）策略——允许在需要时添加类型，在灵活时保持动态——或许比 TypeScript 的"全有或全无"更加务实。2012 年，TypeScript 的诞生改变了前端开发的格局。有趣的是，Python 的类型注解（Type Hints）几乎是与 TypeScript 同期发展的。
2026-07-03 14:30:12
190
原创 [GradientNoise节点]原理解析与实际应用
GradientNoise节点允许开发者在Shader内部创建自定义渐变，并通过采样渐变节点（Sample Gradient Node）实现基于时间或参数的渐变颜色提取。灵活颜色控制：通过可视化编辑定义多色标渐变，替代硬编码颜色值，使颜色过渡更加自然和多样化。高效复用：定义一次渐变后可在Shader中多次采样，减少重复配置，提高开发效率。动态效果支持：配合时间参数实现颜色过渡动画，无需外部脚本驱动，使动画效果更加流畅和自然。
2026-07-02 15:14:27
206
原创 基于 LangGraph 的对话系统架构编排：从状态机到图式工作流
LangGraph 在这个对话系统中的价值不在于"用了一个新框架"，而在于它强制将消息处理流程拆解为显式的状态、节点和边。每个节点的职责单一且可独立测试条件边路由逻辑是纯函数，没有副作用状态变化完全可追踪，调试时只需看和中间状态循环和终止条件由和双重保障。
2026-07-02 15:13:55
170
原创 Docker容器的跨节点通信
（10）在node1节点上，使用my_multi_hosts的overlay网络启动一个容器，并确定容器的IP地址，如下图所示。（1）在master节点上修改文件“/usr/lib/systemd/system/docker.service”的内容，将参数“ExecStart”改为下面的内容。（3）在node1节点上修改文件“/usr/lib/systemd/system/docker.service”的内容，将参数“ExecStart”改为下面的内容。（7）查看ZooKeeper实例的状态，如下图所示。
2026-07-01 16:43:58
172
原创 GOLANG 代码优化的失败经历
如果我把所有常量凑够 8 个，让编译器把顺序的条件判断，变成 JumpTable， 那么根据常量就能跳转到对应的代码。简单的来说：对于这个解析库而言，大多数情况下，这个函数输入的内容，大概率都是 '0' ~ '9'，所以原本更快。我的想法是：表示一个 uint64 的字符串是有限的长度，那么就可以通过循环展开来提升性能。所以我的优化思路是：建立一个 256 个元素的查找表，每个字符进行一次查表就行了。但这仍然是不行：对于 json 数据，短的整形是常见的类型，而不是很长的的整形。
2026-07-01 16:43:11
172
原创 OpenClaw.NET MetaSKILLs 系统深度解析：AI Agent 正在学会「自己给自己写技能」
我们先退一步，理解一下什么是 Skill。在 AI Agent 的世界里，Skill（技能）🔍 搜索 Skill → 让 AI 会上网查资料📊 数据分析 Skill → 让 AI 会处理 Excel📝 文档生成 Skill → 让 AI 会写报告听起来很完美对吧？现实世界的任务从来不是单一技能能搞定的。搜索资料 → 数据清洗 → 分析对比 → 图表制作 → 报告撰写 → 格式排版六个技能串联配合。而现在的做法是什么？每次执行任务，都要把这六个技能的"完整说明书"全部塞进 AI 的上下文窗口里。
2026-06-29 15:18:44
181
原创 读懂计算机视觉CV、语言感知(ASR/TTS)、多模态，就能理解AI是如何“看到”与“听到”世界的
章，我们就来拆解AI的感知能力：它是怎么"看见"图像的，怎么"听懂"语音的，又是怎么把视觉、声音和文字同时整合在一起理解的。
2026-06-29 15:18:11
196
原创 断尺问题：戴德金分割现实悖论
因为就像上面说的：不仅数学是错的，而且人类所掌握的一切的理论都是错的。设现在你手中有一把尺子，刻度0~10，你沿着刻度4左边缘的位置把它切断（请注意，我这里并不是暗示数学死了），让右侧的断尺最小的刻度刚好是4，不多也不少，然后你摸了摸左侧那截断尺断点的位置，有个疑问涌上了你的脑海：“这一点的值是多少呢？这时候之前说话的人可能已经意识到戴德金分割原理确实和现实逻辑相悖了，但是出于人类的天性，承认是不可能承认的了，于是他们转移话题说：数学不依赖于现实，它是一套抽象的出来的自成体系的一套自洽的逻辑体系。
2026-06-28 15:07:34
162
原创 给 FastApiAdmin 加个“会议纪要”模块，我把后端二次开发的坑踩了个遍
FastapiAdmin 这种全栈脚手架，最大的价值不是代码多厉害，而是它逼着你按一套清晰的套路出牌。model → schema → crud → service → controller 这条链走顺了，后面加再多的模块都不怕。
2026-06-28 15:06:59
175
原创 Visual Studio 三月更新 —— 打造专属自定义 Agent
想让 Copilot 遵循团队的编码规范、运行构建流水线，或是查询内部文档？自定义 Agent 就能实现这一切。这类专属 Copilot Agent 以 .agent.md 文件的形式定义在代码仓库中，可全面获取工作区信息、实现代码理解、调用各类工具、使用您偏好的模型，并通过 MCP 连接外部知识源。将 .agent.md 文件放入代码仓库中的 .github/agents/ 目录下，该文件就会显示在 Agent 选择器中，可供直接使用。
2026-06-23 13:51:54
189
原创 SeaTunnel + AI：一句“我要做什么”，能不能直接变成一份能跑的配置？
校验报告不是点缀，它主要回答两件事：哪里已经能跑，哪里还要人确认。"按示例意图生成：mysql.shop.orders 全量同步到 Doris ods.orders，每天跑一次，使用 zeta 引擎，并行度 4","为保证配置可运行，Doris data_save_mode 使用兜底默认值 APPEND_DATA；若目标是覆盖式全量，请改为 DROP_DATA","当前任务调度频率未编码在 SeaTunnel 配置中，需由外部调度系统实现每天一次触发","未显式设置 Jdbc 分片参数；
2026-06-23 13:51:19
177
原创 WorkBuddy：从“我是谁”到“帮我干活”
火的一个原因，是它试图通过一套机制和模式，尽可能的抹平各个AI大模型的差距（如果差距太大，它也是无能为力）。等把你的小龙虾养起来了，我们开个专题，专门聊聊这个话题，到时候相信你会有更清晰的认识！智能体也好，Agent也罢，核心是把 AI大模型，应用在具体的生活、工作场景里——而不仅仅是聊天。，还是其它各种Claw，本质上都只是个调用AI模型的工具。所以，大模型并是重点，重点是把OpenClaw用起来。的能力如何，根本决定因素是他背后的AI大模型。火的一个原因，就是尽能的抹平AI大模型的差距。
2026-06-22 23:00:05
244
原创 【从0到1构建一个ClaudeAgent】规划与协调-技能
WORKDIR, SKILL_LOADER.getDescriptions() // 动态注入技能列表。// 解析 Frontmatter (--- ... ---)// 技能的具体指令内容。// 技能的具体指令内容。// 解析 Frontmatter (--- ... ---)
2026-06-22 22:59:19
240
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