<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sun_hui_1982的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/sun_hui_1982</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sun_hui_1982]]></copyright><item><title><![CDATA[Clawdbot 部署步骤详解]]></title><link>https://blog.youkuaiyun.com/sun_hui_1982/article/details/157426446</link><guid>https://blog.youkuaiyun.com/sun_hui_1982/article/details/157426446</guid><author>sun_hui_1982</author><pubDate>Tue, 27 Jan 2026 09:40:16 +0800</pubDate><description><![CDATA[Clawdbot 部署步骤详解（2026 年最新版，基于官方文档和 GitHub）Clawdbot 是一个开源的个人 AI 代理（本质上是“Claude + 超级工具链 + 多渠道聊天 + 永久记忆 + 主动性”），部署后它能通过 WhatsApp/Telegram/iMessage 等聊天软件直接跟你互动，还能读写邮件、日历、浏览器自动化、写代码等。配置文件默认在 ~/.clawdbot/clawdbot.json 和 ~/.clawdbot/credentials，记得备份！]]></description><category></category></item><item><title><![CDATA[Ubuntu上通过docker搭建hadoop集群]]></title><link>https://blog.youkuaiyun.com/sun_hui_1982/article/details/149829504</link><guid>https://blog.youkuaiyun.com/sun_hui_1982/article/details/149829504</guid><author>sun_hui_1982</author><pubDate>Fri, 01 Aug 2025 23:00:00 +0800</pubDate><description><![CDATA[本文详细介绍了在Docker上搭建Hadoop集群的完整流程：首先基于Ubuntu镜像启动3个容器节点，配置网络互通和SSH免密登录；然后为所有节点安装JDK环境；接着在node01上下载配置Hadoop，修改核心配置文件（core-site.xml、hdfs-site.xml等）；最后将node01保存为新镜像并映射端口，完成HDFS格式化及集群启动。通过验证jps命令和访问Web UI（9870/8088端口）可确认集群运行状态。整个过程涵盖了从容器创建、网络配置到Hadoop部署的关键步骤。]]></description><category></category></item><item><title><![CDATA[ubuntu安装docker]]></title><link>https://blog.youkuaiyun.com/sun_hui_1982/article/details/149745823</link><guid>https://blog.youkuaiyun.com/sun_hui_1982/article/details/149745823</guid><author>sun_hui_1982</author><pubDate>Tue, 29 Jul 2025 23:00:00 +0800</pubDate><description><![CDATA[10. 获取ubuntu最新镜像，并运行node01的容器。// 先使用命令 sudo -i 进入root用户。2：安装依赖包【用于通过HTTPS来获取仓库】5：添加Docker阿里稳定版软件源。3：添加Docker官方GPG密钥。7：安装默认最新版docker。9.配置新的docker镜像源。8.查看docker版本。]]></description><category></category></item><item><title><![CDATA[使用大模型推导SQL查询数据]]></title><link>https://blog.youkuaiyun.com/sun_hui_1982/article/details/146955062</link><guid>https://blog.youkuaiyun.com/sun_hui_1982/article/details/146955062</guid><author>sun_hui_1982</author><pubDate>Wed, 02 Apr 2025 23:00:00 +0800</pubDate><description><![CDATA[其中知识检索中的Embedding模型设置成之前安装bge-m3:latest模型，索引模式高质量，混合检索，Score阈值设置为0.3，把表结构上传给知识库，表的字段需要有中文注释。Dify设置中，把这两个模型配置进去，注意模型名字必须和ollama list显示的名字一致，否则无法配置成功，使用qwen的原因是没有推理过程，比deepseek-r1快很多。安装ollama大模型运行框架，然后安装大模型：Qwen2.5:latest，向量模型：bge-m3:latest。输入：查询文章表前3条记录。]]></description><category></category></item><item><title><![CDATA[企业级LLM：dify访问数据库（deepseek+api+mysql）]]></title><link>https://blog.youkuaiyun.com/sun_hui_1982/article/details/146345408</link><guid>https://blog.youkuaiyun.com/sun_hui_1982/article/details/146345408</guid><author>sun_hui_1982</author><pubDate>Tue, 18 Mar 2025 23:30:00 +0800</pubDate><description><![CDATA[上一篇已经讲过dify的部署，接下来使用dify访问本地mysql数据库，先看下效果输入“编程”，大模型输出结果：   一、创建工作流         登录dify，打开工作室-->创建空白应用-->工作流。开始的输入字段中增加context输入：         下一步中添加大模型，我是本地安装了deepseek-r1:7b，用于关键词提取 接下来请求API，这个接口可以自己写，去mysql中取数据，以json返回。然后条件判断，返回成功后，调用大模型整理数据并输出： 到此就结束了，并不复杂，需要注意的是]]></description><category></category></item><item><title><![CDATA[企业级 LLM ：Windows部署dify]]></title><link>https://blog.youkuaiyun.com/sun_hui_1982/article/details/146307936</link><guid>https://blog.youkuaiyun.com/sun_hui_1982/article/details/146307936</guid><author>sun_hui_1982</author><pubDate>Mon, 17 Mar 2025 23:00:00 +0800</pubDate><description><![CDATA[打开docker desktop-->设置-->docker 引擎, 加入下面的国内镜像。打开控制面板-程序-启用或关闭windows功能，勾选Hyper-V，确定完成后重启电脑。点击保存运用，继续执行docker compose up -d,容器下载完之后运行成功了。PC电脑配置：windows11企业版，内存16G，CPU，AMD。注意：如果你没有科学上网，就会报以下错误。的理念，使开发者可以快速搭建生产级的生成式 AI 应用。，设置管理员账号密码登录，就完成了。]]></description><category></category></item><item><title><![CDATA[AI写代码对比（二）Claude, Deepseek,通义千问到底哪个好？]]></title><link>https://blog.youkuaiyun.com/sun_hui_1982/article/details/145897878</link><guid>https://blog.youkuaiyun.com/sun_hui_1982/article/details/145897878</guid><author>sun_hui_1982</author><pubDate>Thu, 27 Feb 2025 23:45:00 +0800</pubDate><description><![CDATA[本次测试改用最近火热的Cursor 开发工具，大模型也选择比较热门的Claude，由于Claude3.7收费，Cursor3.5是可以免费试用的，这次对比选择Caude3.5,Deepseek满血版,通义千问。总结，DS和claude3.5不相上下，千问略差，顺便说下，Cursor已经接入Claude3.7了，是一款非常优秀的开发工具，但是20刀/月的价格也不低。点击“开始抽奖”按钮后，姓名开始快速滚动，逐渐减速，最后显示中奖者姓名。B. Claude 3.5 速度飞快，功能基本满足，页面效果也不错。]]></description><category></category></item><item><title><![CDATA[AI写代码对比（一）使用vscode+cline测试AI写代码]]></title><link>https://blog.youkuaiyun.com/sun_hui_1982/article/details/145820630</link><guid>https://blog.youkuaiyun.com/sun_hui_1982/article/details/145820630</guid><author>sun_hui_1982</author><pubDate>Mon, 24 Feb 2025 09:47:37 +0800</pubDate><description><![CDATA[最近由于DeepSeek非常热门，于是我在VSCode上安装了Cline插件，让不同的AI来写下代码，看看DeepSeek是不是有更好表现，以下对比了通义千问，本地DeepSeek-r1:70b，阿里云DeepSeek-r1满血版。可直接生成python,vue等文件，甚至项目，但是千问有较多问题，需要频繁手工介入，尤其是vue。可直接生成python,vue等文件，甚至项目，有不错的纠错能力，前端生成页面自主做了美化，效果超出预期。2）阿里云DeepSeek满血版（推荐：⭐⭐⭐⭐⭐）]]></description><category></category></item></channel></rss>