西柚小萌新吖(●ˇ∀ˇ●)-优快云博客

原创【Python从入门到精通】--佛主保佑

这段代码注释以趣味性的"佛祖保佑"符文开头，表达了程序员对代码稳定运行的期望。核心内容包括：作者信息（gyp）、时间戳（2024-10-21）、文件路径（C/SString.c）、联系方式（13438784965），并注明该代码为自学用途。其中"永不宕机永无BUG"的祈愿语和独特的ASCII艺术符文，展现了程序员在严谨编码之外幽默风趣的一面。整段注释既包含了必要的技术信息，又通过创意形式缓解了编程压力。

2025-09-02 15:40:29 205

原创【计算机常识】--上传项目到Github

本文介绍了使用GitHub和Git进行版本控制的基本流程。首先指导用户在GitHub创建新仓库，然后详细说明本地Git仓库的初始化、分支切换、远程仓库绑定等操作步骤。文章还提供了常见问题（如连接失败）的解决方法，并建议使用SSH协议提高安全性。最后讲解了如何通过添加文件、提交更改和推送代码完成项目上传。整个流程涵盖了从创建到上传的完整版本控制操作，适合开发者快速掌握GitHub的基本使用方法。

2025-07-10 17:34:36 688

原创【人工智能agent】--docker本地部署dify教程

Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。非技术人员：不懂编程、对大模型不太懂，也可以使用DIFY2、功能介绍由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agen

2025-04-23 10:57:39 25347 21

原创【岗位面试】--腾讯旗下岚岫科技 - AI 智能运营（微信业务方向）

岚岫信息科技为腾讯旗下安全子公司，专注微信生态内容安全治理。应聘者需具备安全背景与AI运营能力，聚焦“人机协同”下的内容审核、风险识别与效率优化。岗位核心是通过RAG、Agent等技术实现智能客服、公众号分身等场景的落地，提升研判准确率与处理效率。面试中应突出对微信生态风险（如AI滥用、水文、引流诈骗）的理解，强调知识库建设、质检闭环与多智能体工作流的实操经验，展现从技术到运营的全链路思维。

2026-10-29 21:11:46 361 3

原创【LLM&&AI应用开发八股文】--5.微调篇

本文深入解析SFT、RLHF、DPO三类微调方法的核心逻辑与适用场景，强调微调本质是“控行为”而非“补知识”。通过对比RAG与微调的边界，提出“缺知识用RAG，缺行为才微调”的工程判断原则。结合LoRA/QLoRA等高效微调技术，阐明参数设置、数据质量、评估指标与成本控制的关键要点。最终指出：应用开发者应具备工程判断力，聚焦选型、数据、评估与成本四条主线，以指标说话，而非堆砌术语。

2026-10-26 20:10:30 304

原创 [吐槽]优快云全是广告

优快云广告泛滥，内容质量下降，用户吐槽不断。部分网友质疑其商业化过度，呼吁理性对待，提醒警惕虚假宣传。平台需平衡盈利与用户体验，否则难逃用户流失风险。

2026-10-19 17:40:08 46 5

原创【LLM&&AI应用开发八股文】--5.多智能体

多Agent系统通过拆分定义权、执行权与放行权，实现任务的可追溯、可审计与可退回。Planner生成含验收标准的结构化任务包，Worker在最小上下文与权限内交付证据与假设，Reviewer逐条验证并明确退回原因。编排器控制状态流转与权限，防止越权与无限返工。上下文独立、消息按引用传递、Token预算由系统统一管理，确保高效与安全。该架构提升可靠性，但需权衡成本，仅适用于高风险、复杂任务。

2026-10-15 21:30:59 200

原创【岗位面试】--成都博维数孪 - 工业 AI 解决方案顾问

成都博维数孪 - 工业 AI 解决方案顾问

2026-10-13 20:38:33 294 1

原创【论文阅读】-- IRAG：通过危险分离增强生成的鲁棒多模态检索

IRAG是首个面向多模态检索增强生成（MM-RAG）的鲁棒防御框架，提出“风险分离”机制，通过谱先验与SRS图像筛查、双路径相关性打分及自适应top-k筛选，在离线与在线阶段净化检索结果。在生成阶段，每条样本独立生成并聚合共识，有效抵御BQI、ROTI等投毒攻击。实验表明，正常答案准确率提升15%-30%，被投毒回答率降至7%以下，显著优于现有文本RAG防御方法。

2026-10-12 16:33:53 340

原创【LLM&&AI应用开发八股文】--4.3.Agent智能体（下）

Agent评估需超越最终答案，聚焦执行过程。核心在于四大维度：任务完成率（完整/部分/正确失败/错误失败）、步骤效率（平均步数、无效调用率）、工具调用正确率（选择、参数、时机、结果理解）、错误恢复与安全边界（权限确认、敏感信息泄露）。评估集应覆盖正常、缺参、失败、高危、噪音五类场景，结合自动化（结构化指标）与人工（语义质量）双轨评测，并通过DAG实现并行调度、状态追踪、局部重规划与Checkpoint，确保可恢复、可审计、可优化。

2026-10-09 17:58:52 392

原创【LLM&&AI应用开发八股文】--4.2.Agent智能体（中）

本文系统阐述Agent工具设计的核心原则：工具应封装为模型可理解、可判断、可回滚的业务动作，而非简单暴露API。强调四维设计标准——能做什么、何时调用、何时不调用、如何决策后续；优化描述、参数与返回值结构化，避免模糊命名与自由输入；区分查询与动作类工具，高风险操作需二次确认；通过错误码与恢复建议提升容错性；动态收敛工具集，按任务匹配能力。最终以工程护栏保障稳定性，实现生产级落地。

2026-10-08 20:26:45 386

原创【计算机常识】--Win11恢复本地策略组

Windows 11家庭版默认禁用组策略编辑器（gpedit.msc），可通过命令行以管理员身份运行两个DISM命令，在线安装组策略客户端工具包与扩展包，恢复gpedit.msc功能。该工具可图形化管理本地系统策略（如关闭自动更新、限制设备安装等），修改内容存储于注册表，不影响个人文件与环境。仅专业版/企业版自带，家庭版需手动启用。

2026-09-28 20:23:00 123

原创【LLM&&AI应用开发八股文】--4.1.Agent智能体（上）

本文系统梳理AIAgent学习路线：从基础的Prompt与FunctionCalling入手，理解Agent本质是“帮你完成任务”而非仅生成答案；核心能力包括规划、工具调用、执行与反馈，强调其目标驱动、动态决策的特性。对比Workflow，指出Agent适用于路径不确定的开放任务，而流程固定场景应优先使用Workflow以保障稳定与可控。推荐采用“Plan+ReAct+Reflection”混合设计模式，并在实际项目中结合两者优势，实现高效、安全的智能体系统构建。

2026-09-22 21:10:39 255

原创【论文阅读】--Trust Before Fusion：QIMG‑7 与面向污染多模态 RAG 的源感知信任

本文提出QIMG-7多模态检索污染评测基准，涵盖7类图像攻击与16种污染配置，揭示无条件图文融合在污染下性能暴跌（0.490），而模型内置知识反而更可靠。为此，提出零训练的SATR源感知信任解析框架，通过三路候选回答与可靠性字段决策，实现选择性信任。最佳变体Field-Selector平衡分达0.816，显著优于基线，消融实验证明文本可靠性建模是核心增益来源。结论：多模态RAG应拒绝盲目融合，优先信任证据源。

2026-09-16 18:05:57 216

原创【LLM&&AI应用开发八股文】--3.2.RAG检索增强（下）

RAG系统答不准主要源于检索与生成两环节问题。检索侧常见问题包括文档质量差、Chunk粒度不合理、Embedding选型不当、召回不足及缺乏Rerank，导致相关文档未被有效检索；生成侧则因Prompt拼接不当、上下文噪声、缺少引用约束及模型理解能力不足，影响答案准确性。诊断需先区分问题源头：查看Top-K结果是否含正确答案。优化应系统化，优先提升召回率（如混合检索、Query改写），再通过Rerank精排，结合父子块检索与Context压缩提升上下文质量。最终以Recall@K、MRR、忠实度等指标量化评

2026-09-10 21:44:37 390

原创【论文阅读】--TrustRAG：RAG中的稳健性和可信度

子图 (2) NQ 数据集 ACC 消融柱状图；子图 (3) NQ 数据集 ASR 消融柱状图解析：逐个去掉组件后的性能变化：w/o K‑means：去掉第一阶段聚类，高投毒场景 ACC 大幅下降，ASR 飙升；w/o Conflict Resolution（去掉冲突消解）：性能下跌幅度最大，证明冲突消解是整个框架最核心组件；即使有 K‑means、内部知识，没有冲突消解依然容易被投毒误导；w/o Internal Knowledge：没有模型内部知识作为事实参照，抗攻击能力下降；w/o Sel

2026-09-10 11:32:21 127

原创【论文阅读】-- Robust RAG ：针对检索损坏的鲁棒性可验证RAG

本文提出RobustRAG，首个面向非结构化自由文本生成的可认证鲁棒RAG防御框架。针对检索损坏攻击（如PoisonedRAG、间接提示注入），采用“隔离-聚合”策略：将检索文档分组独立生成回答，再通过安全关键词聚合与解码聚合算法，限制恶意片段影响。创新性地设计两类聚合机制，克服自由文本表达多样性难题，并在3个数据集、3个大模型上实现攻击成功率从90%+降至10%以下，同时保持良好干净性能。核心贡献在于首次将可认证鲁棒性拓展至开放生成任务，突破传统分类任务局限，为RAG系统提供形式化最坏情况保障。

2026-09-09 12:22:45 146

原创【LLM&&AI应用开发八股文】--3.1.RAG检索增强（上）

<think>我们根据用户的要求，从给定的大段内容中生成一个不超过150字的文章摘要。需要抓住要点：为什么需要RAG，它解决大模型的四个问题，并简要说明RAG的定义和核心链路。摘要应简洁，不超过150字。</think>大模型存在幻觉、私有知识缺失、知识更新滞后、无法溯源等天花板。RAG通过先检索知识库中相关文档片段，再让模型“看资料回答”，针对性解决上述问题。其核心链路包括离线文档解析、切片、向量化入库，以及在线查询改写、召回、重排、拼接上下文与生成，从而提升事实准确性并支持来源追

2026-09-07 21:55:54 549

原创【LLM&&AI应用开发八股文】--RAG的分块策略

<think>我们只需要根据给定内容生成一个≤150字的摘要。内容是关于RAG分块策略的分类和说明。摘要应概括核心要点：分块是RAG预处理核心，介绍固定长度、递归字符、句子级、语义、结构感知、LLM智能、父子、多模态及表格分块等方法，各有优缺点和适用场景。注意字数限制，语言简洁。</think>RAG分块是预处理核心，需平衡语义完整与噪声。策略包括：固定长度简单但易切碎句子；递归字符保句完整；句子级按句切分；语义分块靠向量相似度；结构感知利用标题层级；LLM智能理解强但成本高；父子分

2026-09-07 21:51:32 825

原创【论文阅读】-- Vis‑Poison：多模态 RAG 视觉知识投毒

本文提出Vis‑Poison，首个纯视觉知识投毒攻击：恶意payload完全嵌入图像内容，不修改任何文本，黑盒下跨检索器与生成器迁移。利用注意力鸿沟机制，经多智能体构造中毒图像。在30k知识库上端到端成功率40.16%~65.40%，并能以平均62.4%的概率覆盖MLLM已有正确知识，揭示多模态RAG的视觉信任漏洞。

2026-09-07 17:09:57 217

原创【论文阅读】-- Spa‑VLM：隐形中毒攻击基于RAG的VLM

<think>我们根据内容，生成≤150字的文章摘要。需要概括论文核心：多模态RAG投毒，提出Spa-VLM，对抗图像+恶意文本，攻击检索和重排序，高ASR，现有防御失效。字数限制严格。</think>针对多模态RAG，本文提出Spa-VLM隐蔽投毒攻击：构造带不可感知噪声的对抗图像与误导文本，成对注入知识库，同时满足视觉检索、重排序及LLM生成条件。在E-VQA、InfoSeek上每个查询仅注入5条中毒样本，ASR超0.8，优于现有投毒方法，多种防御全部失效。

2026-09-07 15:34:46 397

原创【LLM&&AI应用开发八股文】--2.Prompt与调用基础

Function Calling是一套严谨的工程协议。它让应用开发从**“生成文本”变成了“执行业务”**，是构建Agent的绝对基石。

2026-09-04 20:10:46 617

原创【LLM&&AI应用开发八股文】--1.入门认知

<think>我们根据要求：根据内容生成不超过150字的文章摘要。摘要需要概括文章主题和关键内容。文章是关于大模型应用开发的学习路线，从Prompt到Agent等概念，强调应用开发与算法岗区别，核心模块RAG/Agent/调用/部署。摘要要简洁。注意字数限制。</think>本文梳理大模型应用开发完整学习路径，从Prompt、RAG、Agent到MCP等概念，以进化线串联关键术语；对比算法岗与应用岗差异，强调应用开发重在业务落地，核心模块为部署、调用、RAG与Agent，适合初学者系

2026-09-04 16:13:30 522

原创【LLM&&AI应用开发八股文】--大模型稳定输出 JSON

<think>好的，用户要求根据提供的长文本生成一篇不超过150字的文章摘要。内容主要围绕生产环境中JSON输出可靠性的问题及四层防护体系，分别是提示词层、原生结构化API层、Guided Decoding层和业务容错兜底层，目的是确保JSON输出稳定可靠，最终给出了工程实现示例。摘要需要提炼核心痛点、四层防线、关键要点，控制在150字内。语言要简洁、要点突出。字数限制比较严格，需要精简语言，避免冗余细节，但保留核心信息：痛点、四层防护、最终结论。</think>生产环境强制可靠J

2026-09-04 15:13:56 378

原创【论文阅读】--AgentPoison：通过投毒记忆库或知识库对LLM智能体进行红队测试

<think>我们需根据用户要求，生成≤150字的文章摘要。内容基于提供的论文信息，核心是AgentPoison攻击。摘要应简洁概括方法、效果、危害。注意字数限制。</think>AgentPoison是首个针对RAG/长期记忆型LLM智能体的后门投毒攻击，无需微调模型，仅注入少量恶意样例至知识库即可实现开关式触发。通过约束优化生成隐蔽、可迁移的文本触发器，使带触发器输入高概率召回恶意演示并诱导危险动作，而正常查询性能几乎不受影响。实验覆盖驾驶、问答、医疗三类智能体，投毒率低于0.1

2026-09-02 21:31:10 261

原创【论文阅读】-- PoisondRAG：针对LLM RAG的知识投毒攻击

本论文提出PoisonedRAG，首个系统性知识库投毒攻击框架。攻击者不修改模型或检索器，仅向外部知识库注入少量精心构造的恶意文档，即可使RAG系统对指定问题输出预设错误答案。方法将恶意文档拆分为检索片段和生成片段，同时满足被召回和误导生成条件。实验显示，百万级知识库注入5条文档即可达97%-99%攻击成功率，现有四类常见防御均无效。</think>PoisonedRAG首次系统研究RAG知识库投毒攻击：攻击者不修改LLM或检索器，仅注入少量恶意文档，即可使目标问题输出预设错误答案。恶意文档拆分为检索片段S

2026-09-02 17:59:40 247

原创【论文阅读】-- Cordon-MAS：基于信息流控制的RAG中毒防御方法

1. **背景**：RAG 广泛应用于高风险场景，但容易遭受 Confundo 类知识投毒攻击；攻击者通过优化恶意文档操纵大模型输出。2. **已有方案缺陷**：现有防御假设 “检测到投毒证据就可以避免伤害”，该假设不成立，存在**监控‑控制鸿沟**：模型可以识别证据矛盾，但行为不受该检测结果约束。3. **核心原则（Cordon 原则）**：**负责最终文本生成的智能体，绝对不能接触不可信的原始自然语言证据**。4. **框架 Cordon‑MAS**：采用分区多智能体架构，将证据提取、跨源审计、答

2026-09-01 16:59:32 534 1

原创【论文阅读】-- Poisoned-MRAG：面向多模态检索增强生成（MRAG）的知识投毒攻击

多模态 RAG：MuRAG、VisRAG，以及医疗、自动驾驶领域专用 MRAG 系统；解决纯参数模型知识过时问题。针对 VLM 的攻击：图像对抗扰动、后门攻击、跨模态越狱攻击。RAG 投毒攻击：单模态 PoisonedRAG、BadRAG；多模态仅有 PoisonedEye；现有方法大多隐蔽性不足。

2026-08-25 20:25:55 313 1

原创【论文阅读】-- 通过跨模态操纵多模态智能体提示注入

过去的提示注入大多只攻击文本或者只攻击图像，但是现代多模态智能体是多输入共同推理，单模态攻击效果很差。CrossInject 的核心创新：视觉 + 文本协同黑盒攻击，视觉端用文生图做语义对齐，文本端借助代理模型 + 对抗元提示生成绕过防御的恶意指令，还可以利用外部网页 / 文档载荷。风险不止存在于数字聊天机器人，物理自动驾驶智能体同样可以被劫持，造成现实危险。当前主流防御手段不足以对抗该类跨模态协同攻击，多模态智能体安全仍存在巨大缺口。

2026-08-25 18:21:14 229 1

原创【论文阅读】--迈向安全检索增强生成：威胁、防御和基准的全面综述

11

2026-08-14 18:44:41 427 1

原创【大模型:部署】--使用VLLM架构部署本地大模型

vLLM框架解决了大语言模型本地部署中的显存占用高和推理吞吐低问题。其核心PagedAttention技术通过分页内存管理优化显存使用，支持更长上下文和更大批处理，性能比HuggingFace快14-24倍。安装只需conda创建环境后pip安装vLLM，下载模型后通过脚本启动服务，支持OpenAI API接口。关键参数包括模型路径、并行GPU数量、最大上下文长度和KVCache数据类型等，可根据需求调整。vLLM结合了高性能和易用性，是大模型部署的理想选择。

2026-07-28 16:42:06 388

原创【论文阅读】--ToolScope：一种视觉引导的长周期工具使用智能体框架

本文提出ToolScope，一个融合全局规划与局部多模态感知的多模态大语言模型（MLLMs）智能体框架。针对长视野视觉问答（VQA）任务中视觉上下文退化问题，ToolScope通过专用感知工具实现图像细节重新聚焦。框架包含全局导航器、智能体执行器和响应合成器三个核心组件，支持动态调用搜索、代码和感知三类工具。在VQA2.0、ScienceQA等多个基准测试中，ToolScope展现出强大泛化能力，平均性能提升最高达6.69%。实验验证了其全局规划与动态视觉感知机制的有效性，为零训练多模态智能体提供了可扩展的

2026-07-21 18:45:35 414 1

原创【人工智能:Agent】--零基础上手 Codex 教程

本文详细介绍了Codex工具的使用方法，分为基础篇和进阶篇。基础篇包括界面布局、项目与对话管理、计划模式、权限设置、文件添加和模型设置等内容。进阶篇涵盖引导功能、预览注释、上下文压缩、对话分叉、Skill技能和插件应用等高级操作。重点讲解了如何通过Skill提升AI的专业能力，以及如何利用插件连接外部服务实现部署上线等功能。文章提供了从基础操作到高级应用的全方位指南，帮助用户高效使用Codex完成编程和协作任务。

2026-07-09 21:29:56 359

原创【人工智能:Agent】--Windows安装Codex桌面版+配置国内LLM

OpenAICodex是OpenAI开发的AI编程智能体，已从代码生成工具发展为自主软件工程助手。其产品形态包括：1）CodexCloud云端智能体，支持全流程开发；2）CodexCLI开源命令行工具；3）CodexApp桌面应用（2026年推出），具备跨天任务执行、系统级操作等能力。文章重点介绍了通过CCSwitch工具配置国内模型（如DeepSeek和通义千问）的详细步骤，包括API获取、路由设置和模型切换等操作指南，帮助用户实现本地化部署和使用。

2026-07-09 20:30:37 582

原创【论文写作】--LaTeX详细入门教程2

本文摘要介绍了LaTeX中交叉引用、数学公式排版、字体控制、参考文献管理和错误处理等关键功能。交叉引用部分详细说明了\label和\ref命令的使用方法，包括首次编译可能出现的问号标记问题。数学公式部分对比了行内($...$)和行间公式([...])的语法，并介绍了amsmath宏包提供的对齐环境。字体控制章节讲解了如何在文档中使用不同字体样式（粗体、斜体等）和字号调整。参考文献管理部分比较了natbib和biblatex两种工作流，说明如何创建.bib文件并进行引用。错误处理章节列举了常见错误类型及其解决

2026-07-07 22:16:33 263

原创【论文写作】--LaTeX详细入门教程1

本文摘要：LaTeX是一种基于标记语言的排版系统，不同于Word等所见即所得软件，用户通过编写纯文本和逻辑标记来定义文档结构。文章介绍了LaTeX的核心概念，包括文档类、宏包、编译流程等基础内容，并详细讲解了文档结构、逻辑标记、列表、表格、插图等元素的实现方法。同时对比了LaTeX与常规文字处理软件的区别，强调了其逻辑结构与视觉样式分离的特点。教程还涵盖了TeX发行版的安装、编辑器选择以及在线LaTeX服务的使用建议，为初学者提供了全面的入门指导。

2026-07-06 19:26:29 439

原创【人工智能:Agent】--LLM评估指标总结

本文系统梳理了NLP任务及RAG系统的评估指标体系。对于传统NLP任务，分类任务主要使用准确率、精确率、召回率和F1值等指标；生成任务则采用BLEU和ROUGE等基于n-gram重叠度的指标。RAG系统评估分为三个阶段：检索阶段关注命中率、精确率和召回率等IR指标；生成阶段评估文本质量；综合阶段则考察答案准确性、忠实度和实用性。此外，文章还探讨了Agent系统的多维评估框架，包括任务成功率、工具调用效率、推理能力和交互质量等指标。全文为不同场景下的NLP系统评估提供了全面的指标选择和优化方向参考。

2026-06-23 17:19:14 310

3.1 机器学习-线性回归

SMSSpam.txt

空空如也