- 博客(156)
- 收藏
- 关注
RSS订阅
原创 【算法题】算法一本通
因此最后题目就是转化为求一个数K的所有约数（质因子），题目K最大才30，之后求出所有约数中,n个数的和等于K的组合。题目没规定K值，因此，需要K从1到30循环，对每一次循环的K，找出所有所有约数，并对所有约数个数不小于n的情况，循环找出所有n个约数等于K的组合。如果你输入n=4，那么就是求这6个约数中，哪4个相加正好等于30的所有组合，根据组合原理，C(7,4)才210中组合，因此循环不会很久。5，根据“约数个数定理”，约数有8个，除去自己本身和1就剩6个，为2,3,5,6,10,15,
2025-06-01 13:29:12
1004
原创 【AI】Agent一本通—1 最小原型
multi-agent 最初设想用 google 制定的 A2A（agent to agent）协议，让不同地方的 Agent 交互，但这个设想失败了，multi-agent 效果复杂且大部分性能还不如简单的 single agent，且现实中没看到过 agent 用 A2A 协议进行交互。Agent Teams 则是目前最前沿的发展方向，摒弃主从 agent 结构，采用并行方式，成倍效率且 agent 间不冲突地开发项目，参考 claude 的。② src/ai/统一 LLM 接口层，理解数据怎么流动。
2026-10-20 23:33:53
91
原创 【AI】代码实战-果蔬分类-ResNet18 迁移学习完整流程
多分类任务的常用损失函数，输入是模型输出的 logits 和整数类别标签；不要模型输出后做 Softmax。Adam：自适应梯度优化器。：按余弦曲线逐步降低学习率。每个 Epoch 结束后调用一次，所以表示以 Epoch 为单位的调度周期。如果改成每个 Batch 更新一次，就必须相应地按总 Batch 步数设置T_max。# 定义 Adam 优化器，用于根据梯度更新模型的权重参数lr=lr, # 初始学习率（Learning Rate）
2026-10-20 22:37:33
336
原创 【AI】 Claude Code 缓存失效与 Token 暴涨的底层原因和解决方案
第三方API用户遭遇Claude Code推理变慢、Token暴涨，根源在于其隐蔽插入的x-anthropic-billing-header头中含动态生成的5位16进制CCH（Claude Code Hash）。该值由Anthropic在Bunthropic运行时的Zig原生层动态计算，防止用户提取Token后伪造请求。由于第三方代理无法识别此字段，导致缓存失效、命中率归零。通过设置环境变量CLAUDE_CODE_ATTRIBUTION_HEADER=0，可一键关闭该功能，恢复缓存机制，彻底解决性能与成本问
2026-10-08 00:57:57
180
原创 【AI】DeepSeek 系列LLM一览全解
本文梳理DeepSeek自2023年7月成立以来，基于6篇技术报告的模型演进路径，分为“模型基础→MoE基座确立→迭代优化→百万上下文”四阶段。核心突破包括：基于Scaling Law的高效训练、细粒度MoE与MLA降低计算开销、GRPO强化学习提升推理能力、FP8/MTP/DualPipe优化训练效率，以及V4系列实现百万级上下文与多模态支持。技术演进体现“算法+工程”协同创新，强调推理效率与系统级优化，推动小模型重思考、长上下文记忆与Agent能力发展，为端侧部署与智能体应用提供新范式。
2026-09-28 22:51:56
621
原创 【AI】Jev 5分钟看懂深度分析
JEV（G1V）并非颠覆性模型，实为针对结构化决策任务的工程优化。其通过并行输出、共享KV Cache与概率校准训练（RLCD），实现高效、格式规范的多任务判断，但仅限于有限候选空间，不支持开放式生成。所谓“解决幻觉”实为杜绝输出格式错误，本质是将复杂度转移至输入设计与后处理。虽在特定场景下性能优越，但夸大其“通往AGI”“革Transformer命”纯属营销炒作，本质是专用决策引擎而非通用智能。
2026-09-28 00:26:46
214
原创 【前端】Marp大坑：看完避免踩坑，省掉调试几天！
代码块在Marp中渲染过小，源于data-auto-scaling与Flex布局的交互。Flex默认flex-shrink: 1及align-items: center会改变pre元素可用尺寸，导致Marp误判内容溢出，持续缩放字体。而Grid布局不触发此反馈链，因内容决定轨道尺寸，检测更稳定。解决方案：将全局display:flex改为grid，避免自动缩放陷阱。
2026-09-23 20:07:19
147
原创 【AI】Pi最近很火，5分钟一文看懂
Pi Agent 是一款极简主义的 Coding Agent，仅默认提供4个基础工具，通过按需加载与Git式会话树实现高效任务管理。其核心理念“少即是多”，强调可追溯的分支对话、灵活扩展与上下文压缩，支持跨模型切换与混合部署。虽无内置安全沙箱，但具备高可控性，适合愿自建体系的高级开发者。相比Claude Code，它更侧重深度定制与安全性责任归用户，适用于复杂重构、并行探索与离线环境，落地需逐步构建插件、权限与摘要策略，方能发挥最大效能。
2026-09-23 20:00:21
257
原创 【AI】代码实战-预测未来销售额
为什么这里取 500 这么大：因为本任务的数据量非常大——特征工程后矩阵有 663 万行（6639294 条样本），样本基数大，即使每个叶子要求 500 个样本，树仍然能长到足够的深度来捕捉规律，同时有效抑制过拟合。如果某个子节点的样本太少（权重和 < 500），说明这个分支的数据量不足以支撑可靠的预测，模型就会拒绝分裂，保持当前节点为叶子。样本权重和：XGBoost 里每个样本都有一个权重（默认都是 1），一个叶子节点里所有样本的权重加起来就是这个节点的"权重和"。
2026-09-14 00:17:26
134
原创 【AI】代码实战- 基于时间序列的轴承检测1
物理意义： 中间的 6000 列是在固定采样率下连续截取的 6000 个高频振动加速度值，严格按时间先后顺序排列。列数结构： 每行共有 6002 列（包含第 1 列 id，中间的 6000 列时序振动数据，以及最后一列 label 标签）。你手上的数据是DataCastle（DC竞赛）举办的“轴承故障检测训练赛”的官方数据集。7, 8, 9：滚珠故障（分别对应 3 种不同直径的损伤） [1]1, 2, 3：内圈故障（分别对应 3 种不同直径的损伤）4, 5, 6：外圈故障（分别对应 3 种不同直径的损伤）
2026-09-13 21:09:01
357
原创 【AI】LLM模型指纹
不同模型虽然都能回答同样的问题，但其内部存在差异：训练数据+ Tokenizer（分词器）+ 模型参数+ Instruction Tuning（指令微调）+ RLHF（Reinforcement Learning from Human Feedback，人类反馈强化学习）+ Sampling Strategy（采样策略）未知模型、指纹探针、重复采样、响应归一化、特征提取、指纹向量、与已知模型指纹库比较、相似度计算或分类器、模型身份推断（置信度）单次结果几乎没有识别价值。模型指纹的算法本身不难。
2026-09-13 16:05:41
348
原创 【前端】AI 无法替代前端工程师？！
即使今天 AI 已经能写出 90 分的代码。上线之前，仍然需要人。原因很简单。AI 不承担责任。如果上下文理解错了。数据库可能真的被删了。一个缓存 Key 拼错。整个站点缓存雪崩。权限判断遗漏一行。普通员工突然可以看到管理员页面。这些问题，语法检查不会报错。TypeScript（TypeScript）不会报错。CI（Continuous Integration，持续集成）不会报错。AI 甚至认为自己完全正确。真正发现问题的人，还是 Review 代码的人。
2026-09-13 00:30:00
49
原创 【AI】Agent 安全：Skill、Tool、MCP 与运行时权限
AI Agent安全核心在于控制“执行权”而非仅防提示注入。随着Agent可调用文件、网络、Secret等高危能力，风险由“模型是否被欺骗”转向“被控后能造成多大破坏”。真正安全需构建多重防线：静态扫描、语义分析、能力提取与声明、策略引擎、运行时网关及沙箱隔离，通过最小权限、细粒度域划分与硬性边界（如Sandbox）压低爆炸半径，实现从“概率防御”到“确定性保护”的跃迁。
2026-09-12 19:44:45
505
原创 【AI】Agent一本通—2 节点与工作流
本文介绍通过自建轻量级框架开发优秀Agent的方法，推荐使用如Claude-Code、Cursor等工具或直接调用LLM API。核心是基于Node类构建可重试、可分支的工作流节点，利用>>和-操作符实现链式编排。Flow类以循环方式执行节点链，根据返回的action选择后继节点，最终由LLM对结果进行总结，形成高效、灵活的自动化工作流。
2026-01-12 22:23:52
302
原创 油猴正确开启方法Please enable developer mode to allow userscript injection.
以下步骤缺一不可。
2025-07-22 17:02:28
2152
原创 【AI】Agent一本通—3 Chatbot Agent
> **摘要**：本文从零构建一个基础 Agent，先厘清 chatbot 与 agent 的关系——chatbot = workflow + loop，agent = chatbot + tools = workflow + loop + tools。随后以 Python 实现一个无工具的简单对话机器人，包含启动入口、交互式对话循环与 ChatNode/OutputNode 节点构造；在此基础上引入工具能力，通过 ChatNode 与 ToolCallNode 之间的循环连接形成 Agent 主循环，并加
2025-07-22 13:59:58
627
原创 【AI】Agent一本通—4 Tools
本文介绍极简工具设计原则：优先使用 Linux 命令（如 bash、grep、find 等）替代复杂 Tool，Vercel 与 pi-mono 实践证明此举可提升 text-to-sql 准确率至 100%。项目通过 read、write、edit、bash 四大核心工具实现高效文件操作与命令执行，结构清晰，依赖少，适合构建轻量级 Coding Agent。
2025-07-19 00:27:23
327
原创 【前后端】沙箱机制
插件沙箱机制旨在限制不可信代码的权限，防止其破坏主程序或系统。不同平台采用各异方案：Node.js用vm模块或子进程实现轻量/强隔离；浏览器依赖CSP、iframe等保障安全；Docker与虚拟机提供系统级隔离。实践中，推荐通过子进程运行插件以实现内存与执行环境隔离，结合受控API注入（如renderMarkdown, log）限制能力，并支持权限声明机制。关键在于确保插件不访问process, fs, require等敏感接口，出错不影响主程序，真正实现安全、可控的插件执行。
2025-07-18 21:09:30
735
原创 【AI】Agent一本通—5 内置工具
本文介绍了builtins模块的实现，该模块统一导出Python内置工具（如读写文件、执行命令等），并通过Tool类封装工具的定义、参数校验与LLM格式转换。核心功能包括：工具注册、参数验证、安全执行及兼容OpenAI/Anthropic的API格式输出。所有工具通过get_builtin_tools()集中获取，支持灵活调用与集成。
2025-06-24 11:04:33
1046
原创 【AI】Agent一本通—6 Skill、MCP
MCP（Model Context Protocol）是连接AI应用与外部工具的开放协议，支持能力暴露与调用。Skill提供任务流程与约束指导，助力Agent稳定执行任务。两者协同：Skill定义任务逻辑，Agent选择工具，通过本地或MCP执行。代码实现中，skill_loader.py解析SKILL.md文件的元数据与内容，确保格式正确；client.py则通过stdio与MCP服务器建立持久连接，实现远程能力调用。
2025-06-22 10:41:39
749
原创 【AI】Agent一本通—7 RAG
选择Chroma构建RAG系统，因其部署简便、API简洁，降低使用成本。需搭配Kimi、智谱等提供的Embedding模型，而非LLM API。完整链路包括文档切块、向量化、存入向量库，查询时检索相似片段并组织上下文给LLM生成回答。向量数据库仅负责检索，不可替代预处理与生成环节，简单检索不等于完整RAG。
2025-06-09 16:02:41
1341
原创 【AI】Agent一本通—8 Context / Memory
本文介绍了一种基于JSONL的对话记忆管理机制，通过持续追加消息至session.jsonl实现上下文延续，并在token使用超过90%时触发压缩：保留最近几条消息，将早期内容摘要为一条历史记录。系统确保工具调用轮次完整，避免拆分tool_calls与结果，提升大模型缓存复用效率，保障生成速度与对话连贯性。长期记忆则以Markdown格式存储于MEMORY.md，支持持久化与高效检索。
2025-06-04 12:47:49
864
原创 【AI】Agent一本通—9 Multi-Agent
Multi-Agent系统需根据场景权衡成本与收益：A2A协议促进互操作，但应用取决于生态；Subagent适合上下文隔离，但建议由主Agent自动生成。Agent Teams通过并行协作提升效率，尤其在可拆分任务中表现优异，但需应对协调与冲突问题。实际效果依赖任务特性与资源管理，结合Tmux等工具可实现高效轻量部署。
2025-06-02 00:05:06
674
原创 浮点数舍入规则_编程语言对比
为什么会有“四舍六入五成双”？“四舍六入五成双”主要应用于金融和科学计算领域，它的主要优点是在大量数据进行舍入时，可以减少累计误差。传统的“四舍五入”会有一个向上的偏向（因为“五”总是进位），而“四舍六入五成双”则能更好地平衡这种偏向，因为它一半的“五”会向上舍入，一半会向下舍入，使得总体误差更接近零。
2025-05-31 19:32:34
1530
原创 【前端】Twemoji（Twitter Emoji）
标签的 src 属性指向 Twemoji 的 SVG 图片。ref.current 这个变量本身（它存储的内存地址）没有改变，它依然指向同一个 div 元素。但这个 div 元素内部的子节点和内容被 twemoji.parse 方法修改了。twemoji.parse() 的作用是：它会扫描传入的 DOM 元素（在这里是 ref.current 所引用的元素）内部的文本内容，找到其中的 Unicode Emoji 字符，然后将这些字符替换成。// svg 或 72x72（PNG 图片）// 或 '.png'
2025-05-29 20:17:39
1181
原创 【基本理论】4字节int和4字节float表示的数据个数哪个多
结论：4 字节的 int 表示的数据个数比 float 多。范围怎么计算的？8 位指数可表示 0 到 255，其中：0 和 255 是保留值：e = 0：表示次正规数（denormalized number）e = 255：fraction = 0 → ±∞（正负无穷大）fraction ≠ 0 → NaN（非数值）所以：有效的指数范围是 1 ~ 254。
2025-05-26 01:06:36
953
原创 【前端】手把手解读React官方文档_理论+实战+补充
React.js 不是一个框架，它只是一个库。它只提供 UI （view）层面的解决方案。在实际的项目当中，它并不能解决我们所有的问题，需要结合其它的库，例如 Redux、React-router 等来协助提供完整的解决方法。用户断网后网页不会消失。项目目录文件├── src/│ ├── api/│ └── ...└── ...关于项目的基本信息,还有相关指令 npm，如npm run start….gitignore不想传到git的文件可以定义在里面#注释要忽略的用相对路径。
2025-05-07 18:51:08
1463
原创 【前端】快速过一遍React全家桶2025
提炼逻辑，提高复用性hooks定义及作用在 Hooks 出现之前，你想在组件中使用“状态”或“生命周期方法”（如 componentDidMount）只能用 class 组件 写法。class 太重、不易复用、逻辑混乱，所以 React 团队就发明了 Hooks。函数组件 + Hooks 的写法，简单清爽。React Hooks 让你能在不写 class 的情况下使用状态、生命周期、DOM 引用、性能优化等功能。//无hooksconsole.log('组件挂载了');render() {
2025-05-06 20:26:37
1262
原创 【前端】一文讲清楚Vue 2→Vue 3 必须更新的知识点
watch 是“选项式 API”里一个配置项在 Vue 2 中，写在组件的配置对象里（比如 data, methods, computed 等并列），是一个 对象（Object），也就是我们说的“选项式 API”。是 Vue 实例的方法，用来 触发（发出）一个自定义事件，来自于 Vue.prototype，只要你是一个组件（export default {} 里的东西），就可以用。从 Vue 2 升级到 Vue 3，确实有很多需要更新的地方，特别是那些已废弃、不推荐再使用的特性，一不注意就会踩坑。
2025-04-17 14:14:35
2103
原创 【AI】代码实战-Titanic预测与部署
第一章 PyTorch简介和安装PyTorch是一个很强大的深度学习库，在学术中使用占比很大。我这里是Mac系统的安装，相比起教程中的win/linux安装感觉还是简单不少（之前就已经安好啦），有需要指导的小伙伴可以评论。第二章 基础知识这里划重点！张量的创建/随机初始化a = torch.tensor(1.0, dtype...
2025-04-14 00:05:03
3163
1
原创 【包管理器】主流包管理器_对比_应用场景
主流的包管理器其实有不少，不同语言和平台都有各自的一套系统。前端（JavaScript/TypeScript）名称简介开发者特点npmNode.js 默认包管理器Node.js 官方最主流、生态最大YarnFacebook 出品Facebook更快、更稳定、支持离线缓存pnpm新一代高性能管理器社区快、占空间小、支持模块去重bun超快的 JS 运行时 & 包管理器社区集成打包器、测试工具、极快bun 最近特别火，因为它除了包管理，还集成了运行时和构建工具。
2025-04-12 21:58:16
1024
原创 【前后端】npm包mysql2的使用__nodejs mysql包升级版
mysql2 是一个用于 Node.js 的 MySQL 数据库驱动，它是 mysql 包的升级版，性能更好，支持 Promise 和 async/await，非常适合现代 Node.js 开发。安装很简单。
2025-04-11 19:23:16
920
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