<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qingyulee的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qingyulee</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qingyulee]]></copyright><item><title><![CDATA[git常用指令]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/163592511</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/163592511</guid><author>qingyulee</author><pubDate>Sat, 08 Aug 2026 17:01:07 +0800</pubDate><description><![CDATA[【代码】git常用指令。]]></description><category></category></item><item><title><![CDATA[LangGraph介绍、及相关工具]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/163509682</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/163509682</guid><author>qingyulee</author><pubDate>Wed, 05 Aug 2026 17:32:14 +0800</pubDate><description><![CDATA[概念：State 理解成一张贯穿全程的「工单」：问题进来时填上question，经过分类节点填上category，经过回应节点填上answer。每个节点都在这张工单上读取已有信息、补充新信息。用一个TypedDict来定义，规定了「这张图里流动的数据有哪些字段」。TypedDictTypedDict用于类型校验，但它仅提供类型提示而非强制约束，这一点与 Pydantic 不同。如果一个类继承了TypedDict，他的实例化对象就是一个字典。question: str # 用户的问题（输入）]]></description><category></category></item><item><title><![CDATA[Langchain框架、Milvus向量数据库、BM25算法]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/162877645</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/162877645</guid><author>qingyulee</author><pubDate>Wed, 05 Aug 2026 17:09:25 +0800</pubDate><description><![CDATA[LangChain 是一个用于开发大型语言模型（LLM）应用的开源框架。它的核心理念是模块化，将开发 AI 应用所需的复杂步骤（如连接模型、处理数据、调用工具等）封装成可自由组合的"积木"，让开发者能更高效地构建强大的 AI 应用概念：接收用户的查询，处理之后(转换为向量或提取关键词) 之后去文本、向量数据库进行检索。核心功能是输入：接收用户查询（通常是文本）。处理：根据查询从数据源中检索相关内容。输出：返回一组相关文档或文本片段（通常是 Document 对象列表）。]]></description><category></category></item><item><title><![CDATA[CLAUDE使用——vibe_coding]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/162992751</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/162992751</guid><author>qingyulee</author><pubDate>Thu, 23 Jul 2026 21:16:23 +0800</pubDate><description><![CDATA[prompt -> 规划 -> 查看规划是否正确、可行 -> ctrl + g 修改规划 -> claud执行【重要】是否更改了其它额外的文件实现的逻辑是否正确、可行调用api，查询的数据文件，实现用到的包、方法 是否是你想要的shift + tab 切换到规划模式，确认下边为: "plan mode on"查看claude生成的规划是否正确确认规划没有问题，让claud进行执行。]]></description><category></category></item><item><title><![CDATA[Python日志输出]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/162817528</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/162817528</guid><author>qingyulee</author><pubDate>Sun, 12 Jul 2026 21:08:29 +0800</pubDate><description><![CDATA[日志是记录程序运行时关键步骤、报错异常的一种重要信息。对查看业务运行情况，异常排查有着非常重要的作用。]]></description><category></category></item><item><title><![CDATA[Dify—智能体开发]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/162538540</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/162538540</guid><author>qingyulee</author><pubDate>Tue, 07 Jul 2026 21:29:10 +0800</pubDate><description><![CDATA[Dify也是一个基于“工作流”编排的框架，能够以比较低的成本实现一个复杂的Agent。coze：① 白屏化操作、操作简单，可以快速构建。② 闭源、封装度较高，许多场景不能自定义使用。dify：① 支持自定义二次开发。② 开源 可以私有化部署，适用于数据隐私、安全性和合规性高需求使用场景：求快、求简单、个人/轻量级项目，选Coze；求强、求复杂、企业级/定制化需求，选Dify2、Dify的优势，为什么要使用Dify？]]></description><category></category></item><item><title><![CDATA[投满分项目—新闻分类]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/162175269</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/162175269</guid><author>qingyulee</author><pubDate>Fri, 03 Jul 2026 20:48:57 +0800</pubDate><description><![CDATA[公司应用日常打印、记录的日志信息。通常以非结构化或半结构化形式存储（如TXT、JSON、EXCEL），捕捉用户行为、系统操作或错误信息。例如包括用户行为埋点日志、app系统性能埋点日志（例如API响应时间）、广告埋点日志、搜索埋点日志等等。数据较为驳杂，和数据无关的内容较多，需要处理数据量较大，每日亿级至十亿级行甚至更多TF-IDF（term frequency–inverse document frequency，词频-逆向文件频率）是一种将文本转化为数值向量的向量化方法。]]></description><category></category></item><item><title><![CDATA[Transformer架构]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/162060830</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/162060830</guid><author>qingyulee</author><pubDate>Wed, 01 Jul 2026 20:23:45 +0800</pubDate><description><![CDATA[迁移学习是指利用从一个任务（源任务）中学到的知识，应用到另一个相关任务（目标任务）上，来改进另一个任务（目标任务）的学习性能。源任务：是我们已经有充足数据且已经训练好模型的任务。目标任务：是我们需要解决的任务，可能数据较少或数据标注困难。核心思想知识迁移：将源任务中学到的模型参数、特征表示或其他知识迁移到目标任务中。减少对目标领域数据的需求：通过迁移学习，可以在目标任务数据较少的情况下，仍然训练出高性能的模型。适用场景目标任务的标注数据有限源任务和目标任务之间存在一定的相关性。]]></description><category></category></item><item><title><![CDATA[FastText工具——简化word2vec训练、快速实现文本分类]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/162164222</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/162164222</guid><author>qingyulee</author><pubDate>Tue, 23 Jun 2026 21:55:01 +0800</pubDate><description><![CDATA[负采样（Negative Sampling）是在word2id训练时使用，选取正样本(目标值真实的上下文数据) 和负样本(从词表中随机取k个数据)，每次反向传播更新时只更新k+1个数据，从而大大降低了计算复杂度、提升了计算效率。FastText是由Facebook AI Research (FAIR) 开发的一款高效文本表示和分类工具。它基于Word2Vec的思想，但进行了扩展，能够处理子词信息，适用于多种自然语言处理任务，如文本分类、词向量训练等。]]></description><category></category></item><item><title><![CDATA[RNN及其变体LSTM、GRU]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/162005973</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/162005973</guid><author>qingyulee</author><pubDate>Wed, 17 Jun 2026 21:18:17 +0800</pubDate><description><![CDATA[RNN(Recurrent Neural Network)，中文称作循环神经网络，是一种专门用于处理序列数据的神经网络架构。一般以序列数据为输入，通过网络内部的结构设计有效捕捉序列之间的关系特征，一般也是以序列形式进行输出。它的特点是能够捕捉序列数据中的时间依赖关系，广泛应用于自然语言处理（NLP）、时间序列预测、语音识别等领域。LSTM（Long Short-Term Memory）也称为长短期记忆网络，是一种改进的循环神经网络（RNN），专门设计用于解决传统RNN的梯度消失问题和长程依赖问题。]]></description><category></category></item><item><title><![CDATA[Python自然语言处理：从分词到词向量]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/161879540</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/161879540</guid><author>qingyulee</author><pubDate>Mon, 15 Jun 2026 10:48:05 +0800</pubDate><description><![CDATA[自然语言处理（Natural Language Processing, 简称NLP），是让机器能够理解和生成自然语言。处理的数据主要就是人类的语言，例如：汉语、英语、法语等，该类型的数据不像我们前面接触过的结构化数据、或者图像数据可以很方便的进行数值化。语音识别：将语音信号转化为文本文本分析：从文本中提取有意义的信息，包括情感分析、主题提取等机器翻译：自动将一种语言的文本翻译为另一种语言语法分析：分析句子的语法结构，识别句子中的各个成分（如主语、谓语、宾语等）命名实体识别（NER）]]></description><category></category></item><item><title><![CDATA[循环神经网络]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/161794108</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/161794108</guid><author>qingyulee</author><pubDate>Thu, 11 Jun 2026 11:40:05 +0800</pubDate><description><![CDATA[自然语言处理（Nature language Processing, NLP）什么是自然语言？人类日常交流使用的语言，例如：汉语、英语、法语等自然语言处理做了什么？主要是通过计算机算法来理解自然语言，处理自然语言对应的文本信息。处理流程：输入自然语言文本->分词->词嵌入-> 模型处理->输出结果。文本预处理：脏数据、缺失值、分词(工具：jieba)词嵌入(Dense Embedding)/词向量：将自然语言的分词 转换为 数值文本理解(NLU): 文本分类、摘要抽取、实体识别。]]></description><category></category></item><item><title><![CDATA[卷积神经网络基础]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/161772803</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/161772803</guid><author>qingyulee</author><pubDate>Mon, 08 Jun 2026 19:47:04 +0800</pubDate><description><![CDATA[卷积神经网络（Convolutional Neural Network）是含有卷积层的神经网络。卷积层的作用就是用来自动学习、提取图像的特征.用途：大多用来处理图像。]]></description><category></category></item><item><title><![CDATA[深度学习——神经网络基础]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/161617600</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/161617600</guid><author>qingyulee</author><pubDate>Sun, 07 Jun 2026 20:10:35 +0800</pubDate><description><![CDATA[人工神经网络（ Artificial Neural Network， 简写为ANN）也简称为神经网络（NN），是一种模仿生物神经网络结构和功能的计算模型，由多个神经元构成（加权和+激活函数）人脑中的神经元：各个神经元传递复杂的电信号，树突接收到输入信号，然后对信号进行处理，通过轴突输出信号。当电信号通过树突进入到细胞核时，会逐渐聚集电荷。达到一定的电位后，细胞就会被激活，通过轴突发出电信号① 什么是神经元？神经元构成（加权和+激活函数）]]></description><category></category></item><item><title><![CDATA[深度学习介绍、pytorch框架]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/161533563</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/161533563</guid><author>qingyulee</author><pubDate>Tue, 02 Jun 2026 20:50:34 +0800</pubDate><description><![CDATA[机器学习是实现人工智能的一种途径深度学习是机器学习的一个子集，也就是说深度学习是实现机器学习的一种方法。]]></description><category></category></item><item><title><![CDATA[集成学习、聚类算法]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/161504995</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/161504995</guid><author>qingyulee</author><pubDate>Fri, 29 May 2026 20:26:06 +0800</pubDate><description><![CDATA[根据样本之间的相似性，将样本划分到不同的类别中；不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧式距离法。在没有先验知识的情况下，算法自动发现数据集中的内在结构和模式。]]></description><category></category></item><item><title><![CDATA[线性回归、决策树]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/161410539</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/161410539</guid><author>qingyulee</author><pubDate>Wed, 27 May 2026 19:58:59 +0800</pubDate><description><![CDATA[决策树是一种树形结构树中每个内部节点表示一个特征上的判断，每个分支代表一个判断结果的输出，每个叶子节点代表一种分类结果CART决策树（Classification and Regression Tree）CART决策树是一种二叉树决策树模型，它即可以用于分类，也可以用于回归。]]></description><category></category></item><item><title><![CDATA[机器学习概述、KNN算法]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/161358086</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/161358086</guid><author>qingyulee</author><pubDate>Sun, 24 May 2026 21:20:31 +0800</pubDate><description><![CDATA[三者之间关系：机器学习是实现人工智能的一种途径深度学习是机器学习的一种方法人工智能：向人一样理性思考、合理行动机器学习(Machine Learning )：计算机可以没有明确的程序，从历史的数据中进行领域学习的能力深度学习(Deep Learning)：也叫深度神经网络，大脑仿生，设计一层一层的神经元模拟万事万物大模型：参数量极大的神经网络获取数据->数据的基本处理->特征工程 ->模型学习->测试评估。]]></description><category></category></item><item><title><![CDATA[提示词工程]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/160969831</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/160969831</guid><author>qingyulee</author><pubDate>Sat, 16 May 2026 20:15:35 +0800</pubDate><description><![CDATA[与事实不一致：知识库有假捏造事实：瞎编事实日常中小公司的大模型相关主要工作，都是在解决大模型幻觉问题提示词(prompt) = 你给大模型的"指令"或"问题"输入给大模型，告诉它**你要它做什么、怎么做、按什么格式输出**提示词工程（Prompt Engineering）是一门通过精心设计和优化输入给大语言模型的文本指令（即“提示词”），以系统性地引导模型生成更准确、相关、高质量输出结果的技术方法论“云端大模型”指的是国内外大模型厂商提供的公有云大模型，以api接口的形式提供给用户付费调用大模型。]]></description><category></category></item><item><title><![CDATA[FASTAPI进阶——中间件、依赖注入、orm操作数据库]]></title><link>https://blog.youkuaiyun.com/qingyulee/article/details/160800241</link><guid>https://blog.youkuaiyun.com/qingyulee/article/details/160800241</guid><author>qingyulee</author><pubDate>Thu, 07 May 2026 17:09:53 +0800</pubDate><description><![CDATA[创建基类——放置共用的属性创建表模板，都有那些列 及其字段类型# 定义模型DateTime, insert_default=func.now(), default=func.now, comment="创建时间")DateTime, insert_default=func.now(), default=func.now, onupdate=func.now(), comment="修改时间"]]></description><category></category></item></channel></rss>