<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[pDaV8KL0n的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/pDaV8KL0n</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; pDaV8KL0n]]></copyright><item><title><![CDATA[Three.js 3D 地图特效与材质实现指南 _]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162792201</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162792201</guid><author>pDaV8KL0n</author><pubDate>Sat, 11 Jul 2026 15:11:57 +0800</pubDate><description><![CDATA[底层：bottomColor → midColor（smoothstep 0~0.24）片元着色器：基于时间计算发光头位置，使用 smoothstep 创建三级渐变发光效果。上层：lower → topColor（smoothstep 0.34~1）位移纹理（displacementMap）：控制地形起伏。粗糙度纹理（roughnessMap）：控制表面光滑程度。法线纹理（normalMap）：控制表面细节和光照反应。漫反射纹理（diffuseMap）：控制表面颜色。]]></description><category></category></item><item><title><![CDATA[把 Gliding Horse 的 Agent 超能力注入 ComfyUI，让图片生成自己“学会”优化]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162792187</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162792187</guid><author>pDaV8KL0n</author><pubDate>Sat, 11 Jul 2026 15:11:10 +0800</pubDate><description><![CDATA[答案藏在 Gliding Horse（流马） 里。media_agent 不仅仅是把 ComfyUI 的执行引擎用 Rust 重写了一版，更重要的是，它把 Gliding Horse 作为 AI Agent 操作系统的全套高级认知能力——技能图谱自进化、语义搜索、知识图谱、因果分析、工作区监控——全部注入到了图像生成的工作流里。这些能力让 media_agent 不再是“执行固定 JSON 的工具”，而是一个会学习、会反思、会自己优化工作流的智能体。]]></description><category></category></item><item><title><![CDATA[Docker--Docker引擎与镜像相关命令]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162766354</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162766354</guid><author>pDaV8KL0n</author><pubDate>Fri, 10 Jul 2026 16:06:59 +0800</pubDate><description><![CDATA[Docker引擎架构Docker引擎是用来运行和管理容器的核心软件，其现代架构由四部分主要组件构成：Docker Client、Dockerd、Containerd 与 Runc。无标题Docker 客户端，Docker 引擎提供的CLI工具，用于用户向Docker 提交命令请求。DockerdDockerd 即 Docker Daemon， 主要包含的功能有镜像构建、镜像管理、REST API、核心网络及编排等。其通过gRPC 与Containerd 进行通信。Containerd。]]></description><category></category></item><item><title><![CDATA[[MAF的Agent管道详解-02]IChatClient管道如何完美连接大模型？]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162766341</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162766341</guid><author>pDaV8KL0n</author><pubDate>Fri, 10 Jul 2026 16:06:29 +0800</pubDate><description><![CDATA[我们可以通过继承DelegatingChatClient来创建一个个的中间件组件，在这些组件中我们可以在调用InnerClient的方法前后添加一些自定义的逻辑来对请求和响应进行处理，从而实现对整个管道的控制和定制。TopK：控制生成文本的多样性，值表示在生成每个Token时考虑的候选Token数量，值越小生成的文本越集中在概率较高的选项上，值越大生成的文本越分散；PresencePenalty：控制生成文本中已经出现过的Token的惩罚程度，值越大生成的文本中已经出现过的Token越少；]]></description><category></category></item><item><title><![CDATA[UI Output Protocol 架构拆解：Markdown、HTML 和 UI DSL 如何分工]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162736701</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162736701</guid><author>pDaV8KL0n</author><pubDate>Thu, 09 Jul 2026 18:02:00 +0800</pubDate><description><![CDATA[Agent 产品要把结果接到任务流里，用户不只看，还要点、筛、改、提交、回滚。模型输出的不是最终页面，而是一棵组件树：这里是一张卡片，那里是一张表，某列可排序，某个按钮代表"创建工单"，某个筛选条件会回传给 Agent。一旦用户想对结果继续筛选、展开、排序、局部刷新，Markdown 就只能靠链接、表格和文字说明硬撑。做 UI DSL 时，很多团队第一反应是多定义组件：卡片、表格、图表、时间线、流程图、表单、地图、文件树。Tab、折叠面板、表单、图表、局部刷新、响应式布局，这些能力本来就是前端页面的主场。]]></description><category></category></item><item><title><![CDATA[OpenStack 1.7.2 & Ceph 9.2.1 运维命令]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162736690</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162736690</guid><author>pDaV8KL0n</author><pubDate>Thu, 09 Jul 2026 18:01:26 +0800</pubDate><description><![CDATA[ceph osd dump：输出完整 OSD Map 全量元数据，包含集群全局 OSD 参数、所有存储池配置、每个 OSD 状态、CRUSH 存储规则、快照、配额、纠删码配置等，是排查 PG 异常、存储池参数、OSD 离线、数据分布规则最核心的排错命令。-rw-r–r–.  1 ceph   53 May 10 2017 superblock         #OSD 超级块，存储 OSD 底层核心元数据：磁盘容量、PG 映射、存储格式、集群配置，OSD 启动第一时间读取此文件。健康阈值建议＜10ms。]]></description><category></category></item><item><title><![CDATA[JuiceFS 1.4｜大规模元数据操作优化：批量删除、克隆与 Redis 缓存全解析]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162700846</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162700846</guid><author>pDaV8KL0n</author><pubDate>Wed, 08 Jul 2026 16:25:35 +0800</pubDate><description><![CDATA[Redis 客户端缓存最适合读多写少、热点元数据重复访问明显的场景，例如 AI 训练数据集加载——训练过程中数据集通常只读不写，任务会反复访问相同目录和文件，因此 inode 属性缓存和 entry cache 更容易命中，进而减少重复 lookup 和远端元数据查询。在 JuiceFS 的元数据与数据分离架构下，删除文件不仅移除目录项，还需要更新 inode 引用计数、回收空间和 inode、处理回收站、调整配额等多项元数据操作，这些操作通常必须在同一个事务中完成。并不直接批量删除目录。]]></description><category></category></item><item><title><![CDATA[告别 oh-my-openagent 版本地狱：一套纯 OpenCode 配置实现 Agent 软路由]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162700831</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162700831</guid><author>pDaV8KL0n</author><pubDate>Wed, 08 Jul 2026 16:24:51 +0800</pubDate><description><![CDATA[【代码】告别 oh-my-openagent 版本地狱：一套纯 OpenCode 配置实现 Agent 软路由。]]></description><category></category></item><item><title><![CDATA[DeepSeek DSpark 在真实高并发推理服务中，如何保证 Token 生成又好又快？]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162669211</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162669211</guid><author>pDaV8KL0n</author><pubDate>Tue, 07 Jul 2026 16:23:17 +0800</pubDate><description><![CDATA[draft 的计算时间越长。第二类是 parallel drafter，也就是一次性并行生成一整段候选 token。它的优势是快，因为所有位置的 token 可以在一次 forward pass 中同时生成。Forward pass 可以理解为模型完成一次从输入到输出的完整计算过程。但并行生成也有一个结构性问题：每个位置的 token 是同时预测的，后面的 token 并不知道前面实际采样出了什么。DeepSeek 举了一个很直观的例子。]]></description><category></category></item><item><title><![CDATA[LangGraph 判断节点实战：用条件路由打造智能天气查询 Agent]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162637933</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162637933</guid><author>pDaV8KL0n</author><pubDate>Mon, 06 Jul 2026 16:29:46 +0800</pubDate><description><![CDATA[判断节点以消息状态为输入，调用大模型生成决策指令，对输出内容做轻量化清洗，保证指令纯净可解析，为路由环节筑牢基础。LangGraph 的判断节点，本质是将复杂分支逻辑图式化，以节点 + 条件边的方式，替代繁琐的条件嵌套代码。意图精准识别与流程动态调度工具调用与直接回答的自由切换可视化工作流与低耦合架构设计该模式可直接迁移至知识库问答、函数调用、多步骤任务编排等场景，是构建可靠、灵活 AI Agent 的核心方案。代码实现：123456789101112131415。]]></description><category></category></item><item><title><![CDATA[使用 C# 提取 Word 文档中的表格数据]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162637905</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162637905</guid><author>pDaV8KL0n</author><pubDate>Mon, 06 Jul 2026 16:28:45 +0800</pubDate><description><![CDATA[Free Spire.Doc 是一个免费的 Word 文档处理库，支持读取、编辑、生成 Word 文档，尤其对表格、段落等元素的处理非常便捷。可以通过或者在项目中右键“管理 NuGet 包”，搜索Spire.Doc并安装。⚠️：免费版单文档最多支持 25 个表格，适用于学习、测试和小型业务场景。]]></description><category></category></item><item><title><![CDATA[agentscope-harness vs solon-ai-harness：Java 智能体「马具引擎」的双雄对决]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162606951</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162606951</guid><author>pDaV8KL0n</author><pubDate>Sun, 05 Jul 2026 15:57:11 +0800</pubDate><description><![CDATA[在 AI Agent 开发中，Harness（马具/套件）是一个承上启下的概念。公式定义。模型提供推理，而 Harness 提供落地执行的实体。硬件类比：Model 是 CPU（计算核心），Context 是内存（瞬时寻址），而 Harness 则是操作系统（资源调度与环境隔离）。没有 Harness 的 Agent 就像一个漂浮在大脑中的灵魂——虽然能思考，但无法稳定地感知物理世界、无法受控地操作工具，更无法在复杂的长程任务中保持状态。框架所属生态Harness 模块名底层框架要求。]]></description><category></category></item><item><title><![CDATA[深度学习进阶（二十一）跨窗口的 RPE]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162606942</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162606942</guid><author>pDaV8KL0n</author><pubDate>Sun, 05 Jul 2026 15:56:38 +0800</pubDate><description><![CDATA[首先，它通过正余弦相对编码改善了原始 RPE 的建表大小问题，让编码拥有从理论上无限外推的能力，又相对绝对编码提高了泛化能力。中，我们介绍了 Shaw 等人提出的相对位置编码：引入可学习的 �� 和 ��，分别加到 Key 和 Value 上。，是为了在实际运算中高效计算 �����−�，但因为其只是一种计算技巧，在后续也出现了许多代替方案，就不再展开了。这就是 “相对距离为 -2” 对应的相对位置编码，它完善了长序列中的位置编码，相比绝对编码具有更好的泛化性。]]></description><category></category></item><item><title><![CDATA[从零开始：如何将 Reasonix CLI 集成到 HagiCode 系统中]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162585437</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162585437</guid><author>pDaV8KL0n</author><pubDate>Sat, 04 Jul 2026 19:01:47 +0800</pubDate><description><![CDATA[通过这次 Reasonix 的集成实践，我们成功地将一个本地 CLI 工具提升为系统的一等 Agent Provider。整个过程中，我们遵循了既定的架构模式，做出了合理的技术决策，最终实现了一个功能完整、用户体验良好的集成方案。清晰的三层架构分离了关注点，降低了复杂度专用 Grain 和 thin adapter 的设计保持了灵活性优雅降级和健康监控提升了用户体验完善的参数验证和会话管理保证了可靠性对于其他类似 CLI Provider 的集成，这套方案提供了可复用的模式。]]></description><category></category></item><item><title><![CDATA[微调LLM前你需要了解的一些概念2--多头注意力机制]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162585426</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162585426</guid><author>pDaV8KL0n</author><pubDate>Sat, 04 Jul 2026 19:01:04 +0800</pubDate><description><![CDATA[Multi-Head Attention 和多层 Transformer Block 不是一回事。一句话区分：


更短地记：


图示如下：Block 1 内部：Multi-Head AttentionHead 1合并多个 headHead 2Head 3输入 hidden states X0Transformer Block 1Transformer Block 2Transformer Block 3最终 hidden statesBlock 之间是串行的：


因为第 2 层必须等第 1 层输出之后]]></description><category></category></item><item><title><![CDATA[同样是库文件，嵌入式静态库和动态库差异到底在哪？]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162559712</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162559712</guid><author>pDaV8KL0n</author><pubDate>Fri, 03 Jul 2026 19:55:03 +0800</pubDate><description><![CDATA[静态库动态库模块独立性编译时绑定，所有符号暴露在同一个链接命名空间，容易冲突运行时绑定，各 .so 独立编译，符号可限制可见性，避免命名冲突加载时机程序启动时一次性全量加载可选择启动时加载或运行时按需加载 (dlopen)延迟加载支持不支持支持内存效率低（全量常驻）高（按需分配）启动速度慢（全量）快（按需）插件扩展困难（需重新编译）容易（dlopen/dlclose）条件编译大量 #ifdef 导致代码可读性差，测试覆盖不全通过运行时配置决定加载哪些模块，减少 #ifdef 爆炸。]]></description><category></category></item><item><title><![CDATA[常用编程语言和库的正则表达式性能对比]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162559703</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162559703</guid><author>pDaV8KL0n</author><pubDate>Fri, 03 Jul 2026 19:54:30 +0800</pubDate><description><![CDATA[一个记录了热门股票交易动态的 JSON 数据文件，大概有 500 万行，大小约 1.5G，数据按 JSON string 的形式组织。具体数据不方便发上来，自己构建一个结构类似的数据也可以实现同样的测试效果。]]></description><category></category></item><item><title><![CDATA[MAF快速入门（22）声明式Agent实战]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162527975</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162527975</guid><author>pDaV8KL0n</author><pubDate>Thu, 02 Jul 2026 21:00:28 +0800</pubDate><description><![CDATA[答案是Yes，我们可以将智能体的核心行为和配置通过声明式文件（如yaml文件）来进行定义，这就使得智能体的定义可以像代码一样被纳入版本控制系统，遵循DevOps的最佳实践，提高了协作效率和部署的一致性。在之前的博文中，我们都是将智能体的定义（如系统提示词等）内嵌在代码中，这样其实对非IT技术人员不太友好，是否有一种声明式的方法将代码和定义分开呢？可以看到上面的内容其实实现了我们之前对智能体的系统提示词以及模型参数的设置，甚至还定义了模型的输出格式是一个包含4个字段的强类型schema。]]></description><category></category></item><item><title><![CDATA[PostgreSQL 数据误删恢复技术指南]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162527965</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162527965</guid><author>pDaV8KL0n</author><pubDate>Thu, 02 Jul 2026 20:59:42 +0800</pubDate><description><![CDATA[PostgreSQL 使用多版本并发控制（MVCC）机制，删除操作仅仅是给数据行打上了一个“已删除”的标记（在事务 ID 层面标记为 xmax）。只有当 VACUUM（自动清理或手动清理）进程运行并扫描该表时，这些被标记为“已删除”的物理空间才会被真正回收和覆盖。如果数据已经被 VACUUM 清理，或者上述方法无效，且数据库开启了归档模式，可以使用时间点恢复。一旦发现误删，必须立即执行以下操作以锁定现场，防止数据被彻底清理。确认查询到的数据无误后，将其插回原表或新表。开头，这是十六进制编码的文本。]]></description><category></category></item><item><title><![CDATA[Subtree Minimum Query]]></title><link>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162495809</link><guid>https://blog.youkuaiyun.com/pDaV8KL0n/article/details/162495809</guid><author>pDaV8KL0n</author><pubDate>Wed, 01 Jul 2026 19:47:50 +0800</pubDate><description><![CDATA[定义 dx�� 为节点 x� 到根节点的距离，由于 y� 是 x� 的后代，两者间的距离即为深度差 dy−dx��−��，因此距离不超过 k� 等价于 dy−dx≤k��−��≤�，即 dy≤dx+k��≤��+�。假设每次查询的是在以 x� 为根的子树中，求与 x� 距离至少为 lb�� 且不超过 ub�� 的节点权值最小值，约束条件将变为 lx≤ly≤rx��≤��≤�� 且 dx+lb≤dy≤dx+ub��+��≤��≤��+��。具体而言，先将询问按节点 x� 分类，分发到每个对应的节点。]]></description><category></category></item></channel></rss>