- 博客(568)
- 资源 (11)
- 收藏
- 关注
RSS订阅原创 MCP是什么及如何开发一个MCPServer
MCP全称是模型上下文协议 Model Context Protocol，MCP Server 本质上就是一段Nodejs或者Python程序，MCP Server 接收到这些消息以后，通过自己的代码功能或者使用API请求访问外部工具，并且完成任务。MCP本质上就是一段Python或者Nodejs程序，编写一个MCP Server 也就是编写这个段程序，大模型通过操作系统的stdio，也就是标准输入通道，或者SSE协议，调用某个MCP Server。使用大模型调用这个工具中的add方法。
2025-10-31 22:12:45
196
原创 开源AI工具Mobile-Use
Mobile-use是一款开源的AI代理工具，可通过自然语言控制Android和iOS设备，实现自动化操作。它支持多应用操作、数据抓取和多种AI模型配置，适用于日常自动化任务、信息提取、开发测试等场景。部署简单，只需连接手机并通过命令行启动即可。项目地址：https://github.com/minitap-ai/mobile-use
2025-09-26 22:12:55
422
原创 开源AI工具Midscene.js
摘要：Midscene.js是一款由字节开源的AI驱动UI自动化工具，通过大语言模型解析自然语言指令，实现Web/Android端自动化操作。核心功能包括浏览器/移动端自动化、YAML格式脚本编写、多模型支持（推荐免费Qwen-VL）。适用于重复性网页操作、自动化测试等场景，提供直观报告。支持Chrome插件和Node.js两种部署方式，显著提升操作效率。项目地址：https://github.com/web-infra-dev/midscene
2025-08-19 21:19:41
928
原创 开源工具FossFLOW，绘制技术图表
FossFLOW是一款开源的等距绘图工具，基于React和Isoflow库开发，可用于绘制网络架构图、技术流程图和云部署图等。它支持3D风格的等距投影，内置丰富的图库（IsoFlow、AWS、GCP等），并具备自动保存、多端支持、导入导出、离线操作等功能。所有数据存储在浏览器中，安全性好。部署简单，适合技术图表绘制需求。项目地址：https://github.com/stan-smith/FossFLOW
2025-08-01 21:54:54
1448
原创 后台管理系统模板Art Design Pro
Art Design Pro是一款基于Vue3、TypeScript和Vite开发的后台管理系统模板，近期登上GitHub Vue类项目榜首。该模板采用ElementPlus设计规范，具有现代化UI设计和简洁布局，包含80%常用组件、动态路由权限控制、主题定制、600+图标库和国际化支持等特色功能。通过静态/动态路由分离机制实现灵活权限配置，并提供亮暗色主题切换能力。适用于企业后台系统搭建、快速开发、教学演示等场景。开发者可轻松部署，支持二次开发，是提升后台管理系统开发效率的理想选择。
2025-06-30 21:54:13
898
原创 AI办公Agent之Skywork Super Agents
这个工具主要采用了AI agent架构和DeepResearch技术，一站式生成文档、PPT、表格（excel）、网页、播客和音视频多模态内容。下面来使用下PPT功能，提示词：帮我生成一份年终总结PPT，它与以往对话式不同，它采用了选择式，让你选择一些补充信息，来征求你的意见。不过这个使用也不是免费无限次的。它包括五大页签功能：文档模式、PPT模式、表格模式、网页模式、通用模式。其中文档模式和PPT模式还有细分场景，可供选择。
2025-05-30 00:22:33
591
原创 一、内存调优
少量的内存泄露可以容忍，但是如果发生持续的内存泄露，就像滚雪球，雪球约滚约大，不管有多大的内存迟早会被消耗完，最终导致的结果就是内存溢出。2、第二种常见场景是分布式任务调度系统如Elastic-job、Quartz等进行任务调度时，被调度的Java应用在调度任务结束中，如果出现了内存泄露，最终导致多次调度之后内存溢出。1、内存泄露导致溢出的常见场景是大型的Java后端应用中，在处理用户的请求之后，没有及时将用户的数据删除。随着用户请求数量越来越多，内存泄露的对象占满了对内存最终导致内存溢出。
2025-05-19 22:56:30
1423
1
原创 AutoGLM沉思使用方式
AutoGLM沉思是一个能探究开放式问题，并根据结果执行操作的自主智能体（AI Agent）。它能够模拟人类的思维过程，完成从数据检索、分析到生成报告。
2025-04-08 22:36:05
721
原创 还在等Manus的邀请码吗，来试试OpenManus的效果（附使用教程）
然后近日在github上出现了一个OpenManus的项目，这个项目star持续很快增长。3、在 config 目录复制一份config.example.toml文件，重命名为config.toml。输入 打开百度，搜索manus，给出排行前3的文章名字和链接，在本地创建一个1.txt文件，把数据保存到这个文件里。除了多个agent的应用外，OpenManus也借鉴了Computer-use 和 Browser Use的功能。然后在项目根目录下可以看到main.py和run_flow.py两个文件。
2025-03-08 14:34:12
585
原创 Browser Use+DeepSeek的使用教程
支持更多大语言模型，比如 Gemini、OpenAI、Azure 等，还有最近爆火的国产大模型 DeepSeek，未来还会加更多。Install lxml[html_clean] or lxml_html_clean directly. 错误。8.1 Agent Type配置，需要注意如果是DeepSeek模型，要去掉勾选Use Vision。定制了更智能的 Agent，通过优化后的提示让浏览器使用更高效。支持用自己的浏览器，不用再反复登录，还能录屏。提供了全新的网页界面，简单好用，方便操作。
2025-03-07 20:13:48
3210
2
原创 DeepSeek+Cherry Studio实现本地私有满血版
连接成功提问效果，看到这个提示恭喜你配置成功可以体验满血版deepseek。安装完后直接调用，可以发现是调不通的，这个时候我们需要配置API密钥。官网 ：https://siliconflow.cn/zh-cn/选择deepseek-ai/DeepSeek-R1在线体验。在线版本每日会有限制使用次数，接下来我们部署本地私有调用。在之前访问的硅基流动找到API密钥，新建密钥，复制密钥。安装cherry studio，进入官网。2、安装完成后配置deepseek。点击左下角设置按钮，配置密钥。
2025-02-22 22:22:01
945
原创 JVM-运行时数据区
1、运行时数据区分成几个部分，每一部分的作用是什么？程序计数器：每个线程会通过程序计数器记录当前要执行的字节码指令的地址，程序计数器可以控制程序指令的进行，实现分支、跳转、异常等逻辑。Java虚拟机栈、本地方法栈：：虚拟机栈采用栈的数据结构来管理方法调用中的基本数据（局部变量、操作数等），每一个方法的调用使用一个栈帧来保存。方法区：方法区中主要存放的是类的元信息，同时还保存了常量池。堆：2、不同JDK版本之间运行时数据区域的区别是什么？JDK6，字符串常量池，存放在永久代。
2025-01-26 22:46:59
1957
原创 类的生命周期
1、当一个类加载器去加载某个类的时候，会自底向上查找是否加载过，如果加载过就直接返回，如果一直到最顶层的类加载器都没有加载，再由顶向下进行加载。3、历史上Osgi框架的类加载器，历史上Osgi框架实现了一套新的类加载机制，允许同级别之间委托进行类的加载。如果所有的父类加载器都无法加载该类，则由上至下，加载器自己尝试自己加载。2、应用程序类加载器的父类加载器是扩展类加载器，扩展类加载器的父类加载器是启动类加载器。扩展类加载器和应用程序类加载器都是JDK中提供的、使用Java编写的类加载器。
2024-12-20 22:00:59
676
原创 什么是JVM
副版本号是当主版本号相同时，区分不同版本的标识，一般只需要关心主版本号。即时编译，字节码指令，转化为机器码后，计算机可以执行，虚拟机发现这段代码被多次执行，被认定为是热点代码，有必要进行优化，所以把转化为的机器码存储到内存中，当第二次这段代码被执行的时候，直接从内存中取出机器码，进行执行，这样就节省了解释的步骤，提高了性能。java为什么要这么做呢，是为了跨平台，同一份字节码指令，通过不同平台的java虚拟机解释为不同的，机器码，例如windows的机器码，Linux的机器码，这样就实现了跨平台。
2024-10-28 23:06:43
931
1
原创 若依项目结构
ruoyi-admn 依赖了 三个 ruoyi-framework、ruoyi-generator、ruoyi-quartz，ruoyi-framework 又依赖了ruoyi-system，ruoyi-system又依赖了ruoyi-common。sys_role_dept 角色和部门关联表 权限。sys_user_role 用户与角色关联表。sys_user_post 用户与岗位关联表。
2024-09-11 22:51:05
1629
原创 卷积是如何计算的
当使用反向传播的时候，每个节点，或者每个要更新的参数，都会求出一个对应的梯度，然后对参数进行优化，最终达到Loss降低的目的， 梯度下降。反向传播可以求出每个需要调节的参数，每个参数对应的梯度，有了梯度就可以利用优化器，这个优化器对参数进行调整，以达到整体误差降低的目的。cell_mode 为True的时候，要保留最大的值，当cell_mode为False的时候，不保留最大值。为什么池化的作用，保留输入的一个特征，同时把数据量减小，数据量减小了，训练的更快。动图，蓝色部分为输入图像，青色部分为输出图像。
2024-07-11 22:50:42
689
原创 SpringBoot入门Bean的扫描、Bean的注册、Bean自动配置原理、自定义starter
这个类上有一个注解，@ConditionalOnClass含义是如果存在DispatcherServlet.class这个类，就生效，会自动配置，当引入了starter-web坐标，就会引入DispatcherServlet这个类，所以就自动注入到IOC中了。@ComponentScan 这个注解，相当在启动类上添加了这个注解，不需手动添加了，可以自动扫描的Controller、Service，不指定包路径，默认扫描添加的这个类的包及子包，SpringBoot默认扫描启动类所在的包及其子包。
2024-03-21 23:14:35
1227
原创 python导入Numpy失败，ImportError: Unable to import required dependencies: numpy:
我这Python3.7版本 应该匹配Numpy1.16.4版本。看这个报错信息，是python版本与Numpy版本不匹配，因此卸载NumPy1.21.2，重新安装。
2024-01-08 23:07:48
3032
原创 学习人工智能-基础篇
深度学习模型中典型的就是卷积神经网络（convolutional neural network,CNN）。它主要应用是在图像识别方向。还有一个模型是循环神经网络（Recurrent Neural Network,RNN），通常用于自然语言的处理。本文介绍的是卷积神经网络。生成对抗网络、强化学习。在早期的图像分类任务中，通常是先人工提取图像特征，再用机器学习算法对这些特征进行分类，分类的结果强依赖于特征提取方法，往往只有经验丰富的研究者才能完成.在这种背景下，基于神经网络的特征提取方法应运而生。
2023-12-11 22:38:54
1383
原创 图数据库Neo4j概念、应用场景、安装及CQL的使用
传统的**关系数据库管理系统(RDBMS)**并不擅长处理数据之间的关系，那些表状数据模式和呆板的结构难以添加新连接或不同类型连接。Neo4j的Cypher语言是为了处理图形数据而构建的，CQL代表Cypher查询语言，像Oracle数据库具有查询语言SQL，Neo4j具有CQL作为查询语言。如果是4.x的版本，jdk要是符合11的，因为我们的jdk版本是8的，安装的版本是3.5x。图数据库不仅能有效存储数据点之间的关系，而且非常灵活，适合添加新的关系类型，并使。适合针对特定目的的数据发现和探索。
2023-11-01 00:06:43
1404
原创 计算即时订单比例-首单使用开窗函数row_number()
首先需要从数据集中拿出每个用户的首单，一般都是使用排序开窗函数进行操作。然后计算即时订单的比例，只需要从拿出的首单数据中分别计算两个指标，再相除即可，注意需求中需要保留两位小数，所以可以使用 decimal 类型来展示最终的结果。请从配送信息表（delivery_info）中求出每个用户的首单（用户的第一个订单）中即时订单的比例，保留两位小数，以小数形式显示。请从配送信息表（delivery_info）中求出每个用户的首单（用户的第一个订单）中即时订单的比例，保留两位小数，以小数形式显示。
2023-09-13 00:06:15
584
2
原创 Pytorch中如何加载数据、Tensorboard、Transforms的使用
公式：output[channel] = (input[channel] - mean[channel]) / std[channel]在Pytorch中涉及到如何读取数据，主要是两个类一个类是Dataset、Dataloader。Compose()中的参数需要的是一个列表，列表中的数据需要的是transforms类型。即 Compose([transforms参数1, transforms参数2, …Dataloader，可以对数据进行打包，为后面的网络提供不同的数据形式。TensorBoard的使用。
2023-08-31 23:46:40
981
原创 解决Original error was: DLL load failed while importing _multiarray_umath: 找不到指定的模块。
第一步：首先找到你的虚拟环境位置，我的是D:\tools\anaconda\envs\pytorch\Library\bin。添加环境变量D:\tools\anaconda\envs\pytorch\Library\bin，到path路径下。1、重新安装torch，但是这种办法太过于麻烦了。周末电脑关机后，再次运行深度学习模型后出现错误。
2023-08-08 23:15:00
1122
原创 【Pytorch】下载CIFAR10数据集报错： urllib.error.URLError: ＜urlopen error name: https＞
在使用Pytorch 下载CIFAR10的时候，遇到一个报错，可能是网络特别慢导致的，一般情况下都会遇到这个报错。解压后，放到对应的目录文件中，再次运行代码就成功了。1、到官网直接下载这个压缩包，解压。
2023-08-03 19:22:31
1031
原创 机器学习和深度学习简述
而今，“深度学习工程师”进入了工业化大生产时代，只要掌握深度学习必要但少量的理论知识，掌握Python编程，即可在深度学习框架上实现非常有效的模型，甚至与该领域最领先的模型不相上下。机器学习的方法论和人类科研的过程有着异曲同工之妙，下面以“机器从牛顿第二定律实验中学习知识”为例，帮助读者更加深入理解机器学习（监督学习）的方法论本质，即在“机器思考”的过程中确定模型的三个关键要素：假设、评价、优化。神经网络思想的提出已经是70多年前的事情了，现今的神经网络和深度学习的设计理论是一步步趋于完善的。
2023-08-02 12:11:03
1087
原创 安装Pytorch及配置Pycharm
它主要由Facebookd的人工智能小组开发，不仅能够 实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。接下来安装Pytorch,在官网中找到适合自己的版本，https://pytorch.org/get-started/previous-versions/的dll文件，但实际上需要的dll在Anaconda3\library\bin目录下。原文地址 https://github.com/conda/conda/issues/8273。
2023-07-06 23:56:20
3905
2
原创 安装Anaconda
Anaconda，一个开源的Python发行版本，可用于管理Python及其相关包，包含了conda、Python等180多个科学包及其依赖项。
2023-07-06 23:37:34
547
原创 机器学习入门
5、评估、优化模型，训练模型是算法寻找最优的模型的内部参数，评估和优化模型是在验证集或测试集上进行模型效果评估的过程中，对模型的外部参数进行优化，超参数，是指在模型训练之前需要设置的参数，用户控制模型结构和训练过程中的一些超参数。特征工程（让数据易于被机器理解，并发掘重要特征）特征工程简单讲就是发现对因变量y有明显影响作用的自变量x，特征工程的目的就是发现重要特征，基于业务特性，从众多的特征中发现对标签有明显作用的特征，而摒弃掉无用的特征，降低特征的维度，提升机器学习模型的性能。
2023-07-04 23:19:18
466
原创 Matplotlib实战：如何用代码画出漂亮的图表？
首先先安装Matplotlibmatplotlib是专门用于开发2D图表、3D图表以渐进、交互方式实现数据可视化。
2023-06-20 23:25:58
882
原创 Jupyter Notebook是什么及使用
Jupyter项目是一个非盈利的开源项目，源于2014年的python项目，Juptter Notebook，原名IPython Notbook，是IPython的加强网页版，一个开源web应用程序名字源自Julia、Python和R是一款程序员和科学工作者的编程/文档/笔记/展示软件.ipynb文件格式是用于计算型叙述的JSON文档格式的正式规范Juptyter项目旨在开发跨几十中编程语言的开源软件，开放标准和用于交互式计算的服务。
2023-06-13 23:27:21
4583
原创 深度学习简介
深度学习（Deep Learning）（也称为深度结构学习【Deep Structured Learning】、层次学习【Hierachical Learning】或者 深度机器学习【Deep Machine Learning】）是一类算法集合，是机器学习的一个分支。深度学习方法近些年，在会话识别、图像识别和对象侦测领域表现出了惊人的准确性。
2023-06-07 23:08:27
607
原创 基于ChatGPT的知识图谱构建
知识图谱是指对现实世界中的实体、概念和它们之间的关系进行结果化的表示，并用图形方式表达出来的一种知识表示形式。知识图谱可以用于自然语言处理、机器学习、数据挖掘等多种任务中，可以帮助计算机更好的理解自然语言，提高智能化程度。
2023-06-02 22:32:41
2170
原创 基于ChatGPT的推荐系统
基于ChatGPT的推荐系统的模型架构与基于ChatGPT的文本模型有一些相似之处，但也有一些不同之处，在模型的输入方面，基于ChatGPT的推荐系统需要输入用户的历史行为数据或者用户的兴趣标签，以及需要推荐的目标文本或商品，在模型的输出方面，基于ChatGPT的推荐系统输出的是一个文本序列或商品序列。其次，基于ChatGPT的推荐系统还需要解决冷启动问题，因此对于新用户或新商品，很难获得足够的历史行为数据或兴趣标签，为了解决这个问题，可以使用一些基于内容的方法，比如基于商品描述或用户画像的推荐。
2023-06-01 22:10:10
1433
原创 基于ChatGPT的文本生成
ChatGPT是一种基于Transformer的自然语言处理模型，能够生成自然而流畅的文本序列。在文本生成领域，ChatGPT模型具有非常广泛的应用，可以用于实现文本摘要、文本生成、翻译等多种任务。
2023-05-30 23:20:09
1137
原创 基于ChatGPT的对话生成
但是，在基于ChatGPT的对话生成任务中，输出序列的精度通常较大，因此在计算损失函数时，需要使用一些技巧来避免梯度消失或爆炸的问题，比如使用动态规划算法来计算损失函数。基于ChatGPT的对话生成模型在实际应用中还存在一些问题和挑战，比如模型的自我学习能力和数据隐私问题，因此在应用场景中需要特别关注这些问题，并采渠相应的解决方案。基于ChatGPT的对话生成模型的训练和优化过程基础知识中介绍的模型训练和优化过程类似，但有一些特殊的细节要注意。（2）交互体验：交互体验是衡量模型与用户交互体验的指标。
2023-05-29 22:32:30
1563
neo4j-community-3.5.9-tar-gz Linux版图数据库 tar-gz版
2025-07-25
chromedriver.exe V2.3
2017-09-11
深入理解java虚拟机
2017-03-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人