- 博客(63)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 mysql_mcp_server部署及应用案例
本文介绍了在CentOS 7.5系统下安装和部署mysql_mcp_server的完整流程。主要包括三个部分：1）服务安装步骤，包括源码下载、创建独立Python环境及安装依赖包；2）服务配置方法，涉及创建配置文件、设置监听端口和MySQL数据库连接参数；3）服务启动命令。整个过程详细说明了从环境准备到服务运行的全套操作，为在CentOS系统上部署该MySQL管理服务提供了清晰的指导。
2025-12-05 18:26:01
316
原创 CentOS7.5下已有Python 2.7时安装python3.10.0
摘要：在CentOS 7.5上安装Python 3.10.0有两种方法：源码编译和Miniconda安装。源码编译适合系统级长期使用，需手动管理路径；Miniconda则便于多版本管理，自带环境隔离功能。两种方法均不影响系统自带的Python 2.7。源码安装需编译依赖并配置环境变量，而Miniconda提供更便捷的环境管理。建议为项目创建虚拟环境隔离依赖。安装后可通过版本命令验证是否成功。
2025-12-03 09:39:35
874
原创 GraphRAG的使用和配置
本文介绍了GraphRAG在Windows环境下的安装配置和使用流程。主要内容包括：1) 项目初始化与环境配置，包括设置chat和embedding模型参数；2) 知识图谱构建流程，从文件准备到完整构建步骤；3) 多种查询方式，包括API查询和Python SDK查询；4) 高级功能如提示词定制和参数调整；5) 实际应用示例和常见问题解决方法。文章提供了详细的命令行操作示例和配置文件修改指南，帮助用户快速部署和使用GraphRAG系统进行知识图谱构建与检索。
2025-12-01 14:22:29
310
原创 Windows下使用源码和Conda搭建GraphRAG指南
本文提供了在Windows环境下使用conda搭建GraphRAG的完整指南。内容包括：创建conda环境、安装系统依赖（CMake、C++工具）、PyTorch安装、克隆源码、Python依赖安装、环境验证方法以及常见问题解决方案。指南还包含基本使用示例和环境检查脚本，并提醒用户注意内存需求、存储空间和API限制等关键事项。通过遵循这些步骤，用户可以在Windows系统中成功配置和运行GraphRAG框架。
2025-12-01 09:19:17
480
原创 Windows下部署Dify操作说明
摘要：在Windows上部署Dify推荐使用Docker Compose方法，只需安装Docker Desktop、Git并启用WSL 2，通过git克隆仓库后运行docker compose up -d即可完成部署。也可选择Python直接运行方式，但需手动安装PostgreSQL、Redis等依赖。Docker方式更简单可靠，适合大多数用户，访问localhost即可使用。若遇到问题可检查端口冲突或容器状态，更新时只需git pull后重启容器。
2025-11-28 17:42:41
331
原创 Gemin API文档-模型 第9章：速率限制
摘要：Gemini API采用多维速率限制机制，包括每分钟请求数(RPM)、每分钟令牌数(TPM)和每日请求数(RPD)，按项目而非API密钥实施。限制根据使用层级（免费/层级1-3）和模型类型而异，如Gemini 2.5 Pro在免费层为2 RPM/125K TPM/50 RPD，层级1提升至150 RPM/2M TPM。升级需满足支出门槛（层级2需>$250）并通过审核。特殊模型如Imagen 3有独立限制（IPM），实验性模型限制更严格。系统旨在保障公平使用和平台稳定性。
2025-11-28 10:37:51
527
原创 Gemini API文档-模型 第8章：价格
Gemini API提供三种版本：免费版适合开发人员和小型项目，提供有限访问和免费令牌；付费版为生产应用提供更高限制、批量API和高级模型访问；企业版支持大规模部署，包含专属支持和安全合规功能。Gemini 3 Pro和2.5 Pro模型分别针对多模态理解和复杂推理任务，付费版按令牌数量计费，批量模式可降低成本50%。企业用户还可获得用量折扣和ML运维支持。
2025-11-28 10:11:31
965
原创 Gemin API参考-第1章：模型
摘要 Gemini API提供了两种模型操作方法：models.get用于获取特定模型的详细信息（如版本号、令牌限制等），models.list用于列出所有可用模型及其功能（如generateContent或embedContent支持）。两种方法均通过REST端点调用，支持Python、Go和Shell等多种语言实现。响应包含模型元数据或分页列表，可通过pageToken参数实现分页查询。开发者可参考提供的代码示例快速集成API功能。
2025-11-23 11:19:22
633
原创 2025年全球AI发展报告
2025年全球AI发展呈现三大趋势：Meta发布12万亿参数的Llama 3.0，推动开源生态突破，支持150+语言交互；Google Gemini Pro 2.0实现跨模态融合，医疗与自动驾驶场景准确率显著提升；行业垂直化LLMs爆发，金融FinGPT预测误差降低25%，医疗DermGPT皮肤癌识别率达98%。同时欧盟实施《通用AI法案》，加强全球AI监管。
2025-11-17 11:00:13
832
原创 主流开源的Agentic AI分析、比较与选型
摘要：Agentic AI领域涌现出多个优秀开源项目，包括AutoGPT（概念验证）、LangGraph/LangChain（状态工作流）、Microsoft AutoGen（多智能体对话）和CrewAI（角色协作）。这些项目在架构抽象与控制粒度上各具特色：CrewAI适合角色分工明确的团队协作，AutoGen擅长智能体对话决策，LangGraph提供最灵活的工作流控制，而AutoGPT主要具有教育意义。当前CrewAI、AutoGen和LangGraph都已达到生产就绪水平，开发者可根据具体需求选择——快
2025-11-14 17:39:08
1063
原创 Agentic AI与Agentic RAG的区别与关系
Agentic AI（智能体AI）是一种能够自主感知、规划与执行任务的AI系统架构，而Agentic RAG（智能体化RAG）则是该架构在检索增强生成任务上的具体应用。Agentic AI具备自主性、工具使用和动态规划等能力，适用于广泛场景；而Agentic RAG通过多步检索、信息验证和动态优化，显著提升了传统RAG在复杂问答中的表现。两者关系可概括为：Agentic RAG是Agentic AI范式在知识密集型任务中的专业化实现，代表了下一代AI系统的核心发展方向。
2025-11-14 15:29:08
860
原创 如何构建多智能体研究系统（multi-agent-research-system）
摘要：Claude研究功能采用多智能体系统架构，由主导智能体协调多个并行工作的子智能体完成复杂研究任务。该系统相比单智能体性能提升90.2%，特别适合广度优先查询。核心优势在于动态调整研究路径、并行化处理和信息压缩能力，但存在计算资源消耗大的缺点。系统通过提示工程优化智能体协作，包括教导协调委派、根据复杂度调整工作量、优化工具选择等策略。研究发现，有效的研究策略应模仿人类专家方法：先宽泛探索后逐步聚焦，并通过并行工具调用显著提升效率。
2025-11-13 16:26:54
656
原创 基于graphrag源码使用conda安装graphrag
本文介绍了graphrag环境的安装步骤：首先使用conda创建指定目录的环境（--prefix参数），然后激活环境并下载源码；最后基于源码完成安装（pip install -e命令）。整个过程包括环境创建、激活、源码获取和安装验证，最终提示安装成功（graphrag-2.7.0）。关键点在于使用conda管理环境路径，并通过pip进行可编辑模式安装。
2025-11-11 11:37:12
202
原创 Windows下安装conda和pip
本文提供了Miniconda在Windows系统的快速安装教程：1)下载安装包并设置环境变量；2)配置清华镜像源提升下载速度；3)通过conda安装pip工具；4)设置阿里云等国内pip镜像源。教程包含详细路径和命令行操作，并提供了多种镜像源选择，帮助用户快速搭建Python开发环境。验证步骤确保各环节正确安装配置。
2025-11-11 10:39:03
359
原创 如何将一个14G的大文件分割压缩传输最后合并
本文介绍了如何将14G以上的大文件分割压缩后传输并在目标服务器恢复。操作方法分为源服务器和目标服务器两部分：源服务器上使用split命令将文件分割为1G的小文件，通过parallel工具批量压缩为zip格式；目标服务器上解压所有zip文件后，用cat命令合并还原原始文件。整个过程涉及文件分割、批量压缩、传输以及解压合并等步骤，适用于大文件的安全高效传输。
2025-09-29 14:43:14
248
原创 低秩与稀疏矩阵核心区别与应用场景
本文探讨了数据科学中"低秩"和"稀疏"两个核心概念的区别与联系。稀疏性关注矩阵中零元素的分布，适用于存储优化和高效计算，常见于文档-词项矩阵等场景；低秩性则反映矩阵行/列间的线性相关性，可用于数据压缩和特征提取，在图像处理等领域有广泛应用。二者可独立存在（如单位矩阵稀疏但不低秩），也可协同应用（如鲁棒主成分分析）。理解这些特性有助于根据数据特点选择合适的数据处理方法，实现更高效的数据分析和建模。
2025-09-25 12:01:43
356
原创 打印支持螺丝安装承受一定压力的部件3D材料选型
3D打印承力部件选材指南：PC综合性能最优，适合高负荷螺丝固定；ABS/ASA兼顾强度与性价比；PETG适合低负荷简易打印；PLA仅限原型展示；TPU和SLA树脂完全不适用。PC虽打印难度高但机械强度和抗冲击性最佳，是承力结构件的首选。室外使用推荐耐候性更好的ASA，新手可选易打印的PETG。注意避免使用脆性材料和柔性材料制作功能件。
2025-09-17 09:25:54
939
原创 股票内在价值及主流计算方法
股票内在价值指通过分析公司财务状况、盈利前景及行业竞争力等因素得出的理论价值，反映投资者对公司未来收益现值的综合判断。其核心逻辑是将企业未来创造的现金流折现为当前价值，具有主观性和动态性特征。
2025-09-08 09:28:46
832
原创 PETG、PLA、ABS三种3D打印材料受潮与最佳处理方案
3D打印材料在长沙高湿环境下的表现与处理 长沙8~9月高温高湿（湿度75%-85%），对3D打印材料影响显著： PETG：吸湿性最强，几小时即受潮，打印时出现剧烈气泡、噼啪声，强度骤降，需65℃烘干6小时以上； PLA：中等吸湿，1-3天受潮后脆性增加、表面粗糙，建议45-55℃烘干4-6小时； ABS：吸湿最慢，1周后轻微拉丝、层间结合力弱，可70-80℃烘干2-4小时。 保存建议：密封袋+干燥剂（PETG需严格防潮），大量耗材可配密封箱与湿度计。高湿环境下及时烘干是保障打印质量的关键。
2025-09-04 09:42:00
3546
原创 3D打印PETG材料的参数对打印效果的影响
PETG打印效果受喷嘴温度、热床温度和材料湿度三因素影响明显。喷嘴温度影响材料流动性和层间结合力，理想范围为220-245℃；热床温度70-80℃可确保良好附着力又不粘连；材料湿度是关键，受潮会导致气泡、拉丝和强度下降，需烘干处理。建议新手从230℃喷嘴、75℃热床开始测试，并确保材料干燥。三因素相互关联，需通过小模型测试逐步优化参数设置。
2025-09-04 09:16:53
2279
原创 安装cv2库的详细指南
本文介绍了安装OpenCV-Python(cv2)的三种方法：1.使用pip安装（推荐），可选择基础版(opencv-python)或完整版(opencv-contrib-python)；2.使用Conda/Mamba安装；3.源码编译安装（适合高级用户）。安装后可通过导入cv2并打印版本号验证是否成功。文中还针对Windows、macOS和Linux系统提供了注意事项，并建议初学者使用最简单的pip安装方式。最后强调大多数用户只需执行"pip install opencv-python"
2025-08-28 16:41:47
2025
原创 Milvus 向量数据库开发实战指南
本文摘要： Milvus向量数据库技术文档详解，涵盖核心概念、操作流程和最佳实践。系统解析了位集、通道机制、数据组织结构等基础概念，详细介绍了向量索引类型和预处理方法。提供Java客户端连接配置、集合管理（创建、检查、统计）的代码示例，包含数据操作（生成、插入）和索引管理实现。文档还展示了混合搜索、条件查询等核心功能的使用方法，并给出性能优化建议（索引选择、内存管理）和错误处理机制。最后通过完整工作流示例演示基础操作，包括Maven依赖配置和连接管理建议，为开发者提供全面的Milvus集成参考方案。
2025-08-28 14:49:19
1144
原创 Milvus向量数据库是什么？
Milvus是一款开源向量数据库，专为高效存储、索引和检索海量向量数据而设计。它通过近似最近邻搜索(ANNS)技术，能在毫秒级别从十亿级向量中快速找到相似结果。相比传统数据库，Milvus具有高性能、可扩展性强、支持混合查询等优势，适用于图像搜索、推荐系统、智能问答等AI应用场景。其核心架构采用读写分离设计，包含接入节点、协调节点和工作节点等组件，支持分布式部署和云原生特性。作为AI基础设施，Milvus为处理非结构化数据提供了专业解决方案。
2025-08-28 14:33:14
1052
原创 免费AI图片清晰化工具推荐
免费AI图片清晰化工具推荐：在线工具如Upscale.media（2-4倍放大）、BigJPEG（动漫优化）提供便捷处理；桌面软件推荐Upscayl（开源免费）和TopazGigapixel（30天试用）；移动端Remini擅长人像修复。建议普通用户使用在线工具，高频用户选择Upscayl，专业需求可试用Topaz。各类工具均支持不同程度的分辨率提升和细节修复，满足不同场景需求。
2025-08-27 13:17:08
3138
1
原创 利用python 实现手写数字识别
手写数字识别是计算机视觉和机器学习中的一个经典问题。下面我将介绍如何使用 Python 和几种常见的方法来实现手写数字识别。
2025-08-27 13:08:52
623
原创 MinerU是什么？
MinerU是一款智能PDF数据转换工具，能高效提取非结构化PDF内容并转换为计算机可读的结构化数据。它支持表格提取、OCR识别（84种语言）、文档结构保留、批量处理等功能，可将PDF转换为Excel、JSON、XML等多种格式。核心价值在于解决PDF数据难以批量处理和分析的问题，适用于金融、法律、研究等多个领域，是文档处理自动化的重要工具，兼容多平台并支持硬件加速。
2025-08-26 11:50:13
1144
原创 MinerU的安装
MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式，本文对MinerU的安装进行说明。
2025-08-26 11:39:39
713
原创 EasyDatasets是什么？
EasyDatasets是什么？简单来说，EasyDatasets 是一个用于简化数据集加载和处理的 Python 库。它的核心目标是让开发者，尤其是机器学习初学者和研究人员，能够用极其简单的一行代码来获取和加载常用的公开数据集。您可以把它想象成一个非常方便的工具箱，里面装满了整理好的、立即可用的数据集，省去了您自己从原始网站下载、解压、解析文件、进行数据预处理的繁琐步骤。
2025-08-26 09:36:59
606
原创 easy-dataset的安装
构建高质量的微调数据集是提升模型性能的关键一步。LLaMA-Factory 官方推荐了 Easy Dataset 和 GraphGen 两款工具。其中，Easy Dataset是一款由国内开发者构建的 LLM 数据生成工具，它通过 LLM 生成问答对来构建数据集。相比之下，GraphGen 则结合了 LLM 和知识图谱。在实际应用中，Easy Dataset 的便捷性和良好的社区支持使其成为更优选择。考虑到 Easy Dataset 的本土化优势及其日益活跃的社区生态，我们选择 Easy Dataset 作
2025-08-25 17:23:26
976
原创 编译Marlin 1.1.9.1固件指南
编译 Marlin 固件是一个很常见的任务。下面我将为您提供一份详细、分步的指南，以编译 Marlin 1.1.9.1 版本。
2025-08-24 14:24:12
1096
原创 uv与conda的区别及选择指南
都是 Python 的包管理和环境管理工具，但它们在设计理念、性能和使用场景上有显著区别。：由 Astral 团队（Rust 驱动工具链）开发，专注提升 Python 包安装速度（类似。：不仅管理 Python 包，还能处理非 Python 依赖（如 C/C++ 库、系统工具）。项目是纯 Python 或简单依赖（如 Web 开发、脚本工具）。：不管理非 Python 依赖，更专注于纯 Python 生态。直接安装，或者使用官方推荐的安装脚本。根据项目需求选择合适的工具，或组合使用它们的长处。
2025-08-19 11:11:03
1992
原创 modelscope是什么？
ModelScope（魔搭）是阿里巴巴达摩院推出的一个，旨在为开发者和研究者提供丰富的预训练人工智能模型、工具及资源，支持快速部署和开发AI应用。
2025-08-12 10:55:05
888
原创 Ollama是什么？
Ollama 是一个大语言模型管理工具（开源项目），专注于在上运行、部署和管理大型语言模型（LLMs）。它的目标是让用户能够轻松地在自己的设备（如个人电脑或服务器）上运行各种开源大模型（如 LLaMA、Mistral、Gemma 等），而无需依赖云端服务。
2025-08-08 11:58:01
644
原创 llama.cpp是什么?
系列大语言模型（如 LLaMA-1/2、Alpaca 等）。它通过优化计算和内存管理，使得即使在没有高端 GPU 的普通电脑（甚至树莓派、手机等嵌入式设备）上也能运行大模型。（如 GGUF 格式），显著降低模型体积和内存占用（例如 7B 模型可压缩到 ~4GB）。支持多核 CPU、部分 GPU（通过 CUDA、Metal 或 Vulkan 后端）加速。支持多种 LLaMA 衍生模型（如 Alpaca、Vicuna、WizardLM 等）。），社区活跃，衍生出许多工具（如 Web 界面、绑定库等）。
2025-08-08 11:27:14
1047
原创 LLamafactory是什么？
LLamaFactory是一个专注于大型语言模型（LLM）训练、微调和部署的开源工具平台，旨在简化大模型的应用开发流程
2025-08-06 17:18:19
434
原创 华为GaussDB数据库的手动备份与还原操作介绍
这里使用gs_dump命令进行备份，在执行该命令前，可能会报一些动态链接库的错误，这些错误基本上是/usr/lib64下没有相应的软链接导致，可以用以方式先把软链接建好。注意，将会还原到名为targetdb数据库的orgdb模式下，如果还原到模式名为targetdb下时，还要继续执行第4步。2、用以下命令切换到 GaussDB 管理员用户，其中，omm 为当前数据库的linux账号。至此，dbuser2就可以访问 targdb 数据库的 targdb 模式了。以A机上的操作为例。
2025-03-27 15:14:15
698
原创 Linux下对2TB磁盘的分区、格式化、挂截目录介绍
在当今，大硬盘比比皆是。如果手里拿到了一块2TB或更大的硬盘，fdisk 命令显示已不再适用，而parted 命令将可能是我们的最佳实践方案，因此，我们需要学习和掌握parted命令及相关命令的使用。把已安装在机器上设备名为sdd的一块2TB的硬盘按GPT分区类型进行分区，分区命名为sdd_gaussdb，文件系统格式类型为ext4，并且，把整块硬盘的空间都分配给该分区。fdisk：主要用于处理小于2TB的磁盘，因为它基于MBR分区表，而MBR使用32位逻辑块地址，限制了其处理大容量磁盘的能力。
2025-03-15 16:31:02
790
原创 解决MySQL 8.x初始化后设置忽略表和字段大小写敏感的问题
mysql 8,--lower-case-table-names=1,大小写敏感
2025-03-14 13:23:20
1054
Dify是一个用于开发大型语言模型（LLM）应用的开源平台 其直观的界面整合了代理式AI工作流、检索增强生成（RAG）流水线、代理功能、模型管理、可观测性特性等-让您能够快速从原型阶段过渡到生产环境
2025-11-28
VC++6.0 MSDN
2025-10-28
MinerU-2.1.10
2025-08-26
easy-dataset
2025-08-26
Marlin-1.1.9.1
2025-08-24
.net反编译工具+注册机
2017-11-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人