- 博客(67)
- 收藏
- 关注
RSS订阅原创 XGBoost 和 神经网络对比
比喻神经网络XGBoost思维方式化学家直觉实验室手册决策过程综合考虑所有因素一系列if-then规则学习方式从大量数据中"悟"从错误中"修正"输出结果“我觉得是…”“根据规则…”解释难度“我也不知道为什么”“因为硅镁比>2.0”神经网络和XGBoost不是同级别的，而是不同哲学、不同应用场景的工具：神经网络：更像"天才化学家"的直觉，处理复杂、高维、非结构化数据XGBoost：更像"经验丰富的老工程师"，基于规则，可解释，适合表格数据如果数据量适中，需要可解释性 →选择XGBoost。
2025-12-09 16:35:42
325
原创 XGBoost的可视化、可解释和自动化工具非常丰富
XGBoost的可视化、可解释、自动化生态非常成熟：可视化plot_tree可解释：SHAP值、特征重要性、依赖图、决策路径自动化：Optuna、Hyperopt、TPOT、AutoML平台部署：Streamlit、Gradio快速构建Web应用先用SHAP理解模型工作原理用Optuna自动化调参用Streamlit构建交互界面用TPOT尝试全自动机器学习这样你就能既有"黑盒"的预测能力，又有"白盒"的可解释性！
2025-12-09 16:24:31
429
原创 算法，参数自动调优
最小二乘法确实缺乏自动调参能力现代算法（神经网络、XGBoost）能自动优化到最优可视化对于理解算法至关重要智能调参（贝叶斯优化）比网格搜索高效得多从交互式网站开始，建立直观理解，然后逐步深入。算法世界正在从"黑箱调参"转向"可视化、可解释、自动化"的时代！
2025-12-09 16:18:03
312
原创 JBShield
测试数据集：项目包含了用于评估的测试数据集，包括来自不同攻击类型的越狱提示，以及来自 Alpaca 数据集和 AdvBench、Hex-PHI 数据集的有害和无害提示。概念提取代码：基于提出的概念分析方法论，实现了提取与有毒和越狱概念相关的可解释令牌的代码。全面的数据集：包含了多种越狱攻击类型的测试数据集，为模型的评估提供了丰富的样本。强大的防御能力：JBShield 有效地防御了越狱攻击，保护了语言模型的安全。可解释性：通过提取与概念相关的令牌，提高了模型的可解释性。
2025-12-04 16:22:10
396
原创 PyInstaller& Nuitka & 项目 （如 django）
特性Nuitka原理打包 Python 解释器+字节码将 Python 编译为 C，再编译为二进制文件大小较大（5-10 MB）较小（3-8 MB）启动速度较慢（需要解压）较快（直接执行）反编译难度较易（字节码可反编译）较难（编译为机器码）兼容性很好较好（可能有库兼容问题）打包时间快慢（需要编译）安全性：核心算法和敏感配置用 Nuitka 编译保护兼容性：Django 框架用 PyInstaller 打包，兼容性好灵活性：开发环境用源码，生产环境用编译版本性能。
2025-12-04 16:09:26
807
原创 PGN + SHield
- GF_INSTALL_PLUGINS=grafana-piechart-panel # 注释自动上网安装插件。image: gcr.io/cadvisor/cadvisor:v0.47.2 # 使用固定版本。这个方案实现了真正的"开箱即用"，只需要复制目录，运行。即可完成整个监控栈的部署。
2025-12-03 11:39:26
673
原创 微信小程序开通支付流程
完成以上步骤后，你的小程序就具备了微信支付能力，可以开始进行支付功能的开发了。通常1-3个工作日，资料齐全的话可能更快。不可以，必须是企业、个体户等组织类型。可以，一个商户号可以关联多个小程序。目前主要支持中国大陆地区。
2025-12-02 16:30:29
389
原创 微信小程序开通支付流程
完成以上步骤后，你的小程序就具备了微信支付能力，可以开始进行支付功能的开发了。通常1-3个工作日，资料齐全的话可能更快。不可以，必须是企业、个体户等组织类型。可以，一个商户号可以关联多个小程序。目前主要支持中国大陆地区。
2025-11-28 14:09:19
330
原创 强化学习的原理
好的！让我们完全抛开代码，用机械臂的例子来直观理解强化学习的核心原理。想象你在教一个蒙着眼睛的小孩走到房间某个位置：状态就是小孩对当前环境的感知：在机械臂中：动作就是小孩可以做的移动：在机械臂中：奖励就是给小孩的即时反馈：关键：奖励告诉智能体短期的好坏，但不告诉它长期的最优策略。例子：它包含了未来所有步骤的预期回报，而不仅仅是眼前这一步的奖励。这是Q-learning最精妙的部分！让我们用倒推的方式思考：步骤4（最后一步）：步骤3：步骤2：步骤1（起点）：成功的价值像涟漪一样，从终点反向传播到起点第N次尝
2025-11-07 16:12:42
491
原创 深度强化学习，用神经网络代替 Q-table
您的理解完全正确：强化学习的训练就是一个不断接收状态、采取动作、获得奖励，并以此更新策略的循环。打分方式不是单纯的人为每一步打分（那在大规模任务中不现实），也不是单一的自动打分。而是工程师设计一个巧妙的、自动化的奖励函数。这个函数：核心是“基于距离或进度的自动打分”（稠密奖励），为学习提供清晰的指引。可能包含“人为的最终打分”（稀疏奖励），来定义终极的成功与失败。还会包含很多防止不良行为和鼓励高效行为的附加条款。所以，您可以将奖励函数看作是给机器人编写的一部“行为宪法”
2025-11-06 18:23:24
801
原创 AI 模型过滤有害信息机制
总而言之，过滤敏感信息是一个系统性工程前端的输入过滤核心的模型对齐训练后端的输出审核系统层的安全护栏设计运营层的持续监控和迭代没有任何单一技术是万无一失的，必须采用深度防御策略，层层设卡，才能最大限度地确保AI输出的安全性和负责任性。这是一个持续在“攻击”与“防御”中动态演进的领域。
2025-11-06 11:43:20
909
原创 阿里云的短信回调队列服务
开发测试：直接本地运行生产环境：使用Supervisor或Docker部署云环境：可以考虑部署到阿里云函数计算或容器服务最简单的起步方式：先在本地服务器用Supervisor部署，稳定后再考虑容器化。
2025-11-04 01:46:20
382
原创 bisheng 的 智能体执行的流程
1. 前端发送请求 → WorkflowClient初始化2. 检查工作流状态 → 生成唯一ID3. 创建RedisCallback → 设置工作流数据4. 提交Celery任务 → execute_workflow.delay()5. Celery Worker执行 → 创建Workflow实例6. GraphEngine构建 → 解析节点和边关系7. 节点依次执行 → 数据存储到GraphState8. 变量传递 → 通过模板解析获取其他节点变量。
2025-10-23 11:01:19
457
原创 bisheng 的 MCP服务器添加 或 系统集成
客户端管理负责管理MCP连接传输协议：支持SSE和STDIO两种传输方式工具集成：自动将MCP工具转换为LangChain工具API接口：提供完整的MCP工具管理API。
2025-10-21 17:10:12
422
原创 docker compose 2.33版本安装
（1）优快云 下载 docker-compose-linux-x86-64-2.33.0.zip。
2025-10-20 11:43:31
202
原创 django xadmin 结合 minio
settings . MINIO_ENDPOINT } " kwargs [ 'use_ssl' ] = settings . MINIO_USE_HTTPS super() . __init__(* args , ** kwargs) # 然后在settings.py中使用自定义存储类 # DEFAULT_FILE_STORAGE = 'your_app.storage_backends.MinioStorage'
2025-10-18 01:19:27
385
原创 bisheng 知识中心，智能体交互形式
知识中心 (Knowledge Center)A. HTTP SSE 接口"knowledge_id": 1, // 知识库ID (必需)"conversationId": "uuid-string", // 会话ID (可选)"model": "llama3.1:latest", // 模型ID (必需)"text": "什么是网络安全？", // 用户输入 (必需)"search_enabled": false, // 是否启用搜索。
2025-10-15 10:52:02
943
原创 使用 SQLAlchemy 和 Alembic 处理 FastAPI 中的模型变更
使用 SQLAlchemy 和 Alembic 处理 FastAPI 中的模型变更，是一种成熟且可靠的数据库版本管理方案。以下是具体实现方法及两者的优势：一、使用 SQLAlchemy + Alembic 实现 FastAPI 模型变更的步骤。
2025-09-28 14:40:34
957
原创 bisheng 节点执行流程
我来帮您详细分析logger的导入方式、工作流保存变量的原理，以及整个流程，这样您就能更好地分析IndexError问题。
2025-09-22 17:21:43
811
原创 bisheng 智能体
智能体系统中的每个节点都是基于LangChain 的链（Chain）概念是的，您可以实现自定义智能体节点！display_name: str = "我的自定义节点"description: str = "自定义节点描述"# 您的自定义逻辑"""这个智能体系统本质上是一个LangChain 的可视化工作流引擎可视化构建AI 工作流参数化配置各种 LangChain 组件变量传递在节点间共享数据自定义扩展添加新的节点类型流程控制通过边连接节点形成执行图。
2025-09-16 17:26:47
554
原创 influxdb docker-compose.yaml
这些密码都非常安全，建议用于重要的数据库和服务认证！：大小写字母+数字+特殊符号混合。：多种特殊符号组合，高随机性。：均匀分布的数字和符号。
2025-09-09 10:20:04
390
原创 bisheng 项目
文件存储：使用MinIO作为对象存储，支持文件上传、下载和分享链接生成智能体：基于LangChain构建，支持工具集成、技能关联和对话功能数据集：支持文件上传和QA知识库构建，用于模型微调工作流：支持可视化流程构建，包含技能和工作流两种类型构建系统：异步构建流程，支持状态查询和流式更新所有功能都通过RESTful API和WebSocket提供接口，数据持久化使用SQLModel + MySQL，缓存使用Redis。
2025-09-05 16:03:36
810
原创 更新远程分支 git fetch
1. 获取远程所有最新信息（必做）# 2. 查看远程分支，确认新分支存在（可选，但建议做）# 3. 创建本地分支并关联远程分支（二选一）git checkout -b <新分支名> origin/<新分支名> # 经典命令git switch -c <新分支名> origin/<新分支名> # 新式命令# 4. 验证（可选）常见错误：直接git pullgit pull是git fetchgit merge的合集，它主要用于更新当前分支。
2025-09-03 15:43:55
421
原创 fastapi 根据前端传参不同的接收参数
参数类型接收方式使用场景路径参数Path()RESTful API 资源标识查询参数Query()过滤、分页、搜索请求体Pydantic 模型或Body()创建、更新数据表单参数Form()HTML 表单提交文件参数File()文件上传请求头Header()认证、元数据CookieCookie()会话管理根据不同的需求选择合适的参数类型即可。
2025-09-02 11:06:44
331
原创 pypi 中心仓
方案难度功能适合场景pypiserver⭐☆☆基础快速搭建、小型团队devpi⭐⭐☆丰富开发测试、中型团队Nexus⭐⭐⭐企业级大型企业、多语言支持Docker⭐⭐☆便捷容器化部署推荐选择：个人/小团队：使用pypiserver+ Docker开发团队：使用devpi企业环境：使用Nexus无论选择哪种方案，建立本地 Pip 仓库都能显著提高包管理效率，特别是在网络受限或需要管理私有包的环境中。
2025-09-01 11:50:36
456
原创 支付平台佣金选择方案
这条路非常成熟，很多公司都在做，只要您有商户资源，支付服务商会非常欢迎与您合作。直接回答“哪个平台佣金更高”很困难，因为费率是。
2025-08-27 10:15:07
529
原创 用普通装饰器换成fastapi 参数依赖
你说对了：原因是你的装饰器依赖login_user参数，但finetune这个接口的函数签名里没有声明，所以装饰器里取不到，直接抛了 401。之所以能用，是因为它的签名里有这个参数。
2025-08-25 17:53:06
226
原创 bisheng 用户权限设置
存储角色基本信息（角色名、所属用户组、备注等）支持按用户组分组管理角色user_roleKNOWLEDGE = 1 # 知识库查看权限FLOW = 2 # 技能查看权限KNOWLEDGE_WRITE = 3 # 知识库管理权限FLOW_WRITE = 4 # 技能管理权限ASSISTANT_READ = 5 # 助手查看权限ASSISTANT_WRITE = 6 # 助手管理权限GPTS_TOOL_READ = 7 # 工具查看权限。
2025-08-25 14:51:19
287
原创 文档知识库与 知识库的区别
文档知识库和QA知识库互补关系：QA处理简单明确问题，文档处理复杂深度问题转化关系：可以从文档中提取QA，也可以用QA增强文档检索层次关系：通常先尝试QA快速解答，失败再检索文档在实际系统中，两者结合使用往往能提供最好的用户体验：既能有快速准确的简单问答，又能支持复杂问题的深度研究。
2025-08-25 11:27:12
508
原创 bisheng 后端初始化数据（main.py ＞ init_data.py）
你不需要手动执行任何初始化命令！创建所有数据库表：基于 SQLModel 模型自动生成表结构填充初始数据：系统角色、权限、用户组、管理员账户等加载预置组件：从 JSON 文件读取预定义的组件配置初始化系统配置：从 YAML 文件读取并写入数据库使用方式确保 MySQL 数据库已创建（空数据库即可）配置中的数据库连接信息系统会自动完成所有初始化工作这是一个非常完善的自动化初始化系统，大大简化了部署流程！
2025-08-25 10:23:59
411
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人