XiaoPawnYe的博客

原创 以 Open Claw 为例剖析 AI Agent 核心机制

摘要： 本文介绍了AI Agent的自我认知与交互机制。Agent通过动态Prompt拼接实现无状态运行，依赖AGENT.md等文件构建身份认知和工作记忆。其核心交互基于Shell命令，需防范危险指令和注入攻击。记忆系统采用文本文件存储与检索，技能系统通过Markdown指令实现任务触发。Agent具备心跳机制和上下文压缩能力，复杂任务可通过子Agent隔离处理。整体设计强调透明度和可控性，但需警惕第三方技能的安全风险。

原创 k8相关内容架构图

原创 k8s系统监控

原创 asyncio实现异步任务调度系统

该代码实现了一个异步任务调度系统，主要功能包括： 创建并管理事件循环线程，在后台运行异步任务 提供了call_async_soon方法用于提交协程任务 实现了future对象的跟踪和清理机制 支持任务完成后的回调处理 核心特点： 使用线程安全锁保护共享数据结构 自动启动事件循环线程 支持任务完成后的回调处理 包含异常处理机制 示例展示了如何提交一个简单的异步任务(demo_async)，该任务执行10秒的延迟后退出。

原创 py4j如何连接数据库

摘要：这段Python代码通过Py4J库调用Java JDBC接口连接MySQL数据库并执行SQL查询。主要流程包括：启动Java网关，加载JDBC驱动，定义数据类型转换映射，建立数据库连接，预处理SQL语句，执行查询并处理结果集。代码实现了结果集的遍历读取，将Java数据类型转换为Python类型，并限制结果集最多返回10000条记录。该示例展示了Python与Java混合编程实现数据库操作的方法。

原创 实战演练:玩转k8s

WordPress Pod 映射端口。创建wordPress-pod对象。创建wordPress-cm对象。搭建mariadb-pod。创建maria-pod对象。创建maria-cm对象。创建反向代理的Nginx。搭建WordPress。查看Dashboard。启动minikube。

原创 1.集群管理:如何用名字空间分隔系统资源

名字空间的资源配额:叫做 ResourceQuota,简称是 quota创建模板模板内容hard 字段,意思就是“硬性全局限制”metadata:spec:hard:pods: 100ResourceQuota可以使用scopeSelector字段限制不同类型的对象,从而可以在名字空间里设置不同策略的配额对象,更精细地控制资源如果你是 Kubernetes 系统管理员，你会如何使用名字空间来管理生产集群呢？

原创 2.Docker的存储

创建两个容器,同时挂载数据卷容器。

原创 4.镜像仓库

Bitnami 是一家面向云计算和 Kubernetes 的创业公司，以数量众多的高质量镜像而知名，在2019年被VMware收购。有的标签还会加上 slim、fat，来进一步表示这个镜像的内容是经过精简的，还是包含了较多的辅助工具。Ubuntu、Debian 则采用了代号的形式。Docker Hub 上注册一个用户。主版本号 + 次版本号 + 补丁。Red Hat的quay.io。GitHub的ghcr.io。给镜像改成带用户名的完整名字。Google的gcr.io。例如OpenResty。

原创 3.Dockerfile

容器镜像,是由许多的镜像层组成的,每层都是只读不可修改的一组文件,相同的层可以在镜像之间共享,然后多个层像搭积木一样堆叠起来，再使用一种叫“Union FS 联合文件系统”(overlay2)的技术把它们合并在一起，就形成了容器最终看到的文件系统。每一行的RUN命令都会产生一层image layer,容易导致镜像的臃肿,为此经常写成会将多个命令写成一条命令,末尾使用续行符 \，命令之间也会用 && 来连接。容器启动命令 CMD,容器启动时默认执行的命令, 启动容器时指定了其它命令,则CMD命令会被忽略。

原创 1.Docker基础

使用dockerfile构建镜像,docker build + 目录，.代表当前目录，-t表示加标签。应用的容器化:就是指应用程序不再直接和操作系统打交道,而是封装成镜像,再交给容器环境去运行。这个命令与 docker rmi 非常像，区别在于它没有后面的字母“i”/var/lib/docker/ docker的应用目录。/etc/docker/ docker的认证目录。镜像加标签: docker tag 镜像标签 镜像标签名。启动/停止/重启/容器。查看正在运行中的容器。

原创 14.VMmare安装ubuntu

7.设置windows网卡VMware Virtual Ethernet Adapter for VMnet8的IP,IP必须与步骤二的子网ip在同一个网段,4.设置VMware Virtual Ethernet Adapter for VMnet网卡。IP地址必须是步骤二的子网范围内的ip,但是不能和其他Ip相同,网关为第三步的网关。已按照虚拟机知道安装完桌面版ubuntu并设置了设置中文的语言和键盘。且不能是网关和ubuntu的固定IP。6.internet协议版本4。2.设置子网IP和NAT设置。

原创 13.virtualbox安装ubuntu

1.安装unbuntu时安装guest addtion。

原创 01.AI对话革命:探索大语言模型的历史和现状

Transformer模型相比较其他神经网络模型有哪些技术进步？GPU技术在大语言模型中起到什么作用？3.通用大语言模型有适用的应用场景有哪些？4.针对金融领域，大语言模型可以有哪些应用场景？5.大语言模型可能会有哪些局限性？

原创 02.智能金融助力客户体验升级

传统NLP技术的缺点有哪些？大语言模型克服了传统NLP技术的哪些缺点？RAG技术在智能问答机器中起到什么作用？结合自己的业务场景，思考如何使用金融大语言模型在客户端赋能？

原创 03.大模型引领资产管理新纪元

1.为何传统方法无法有效处理金融领域资产端的数据？2.智能投顾领域借助大语言模型能够解决什么问题？3.金融大模型在解决资产端中面临的挑战有哪些？4.结合自己的业务场景，如何让大模型在资产端赋能？

原创 04.大模型智慧风控之旅

1.大模型在反洗钱系统中能够起到什么作用？2.反欺诈手段层出不穷，大模型是如何帮助应对解决这些新的手段？3.结合自己的业务场景，思考如何使用金融大模型在风控端赋能？

原创 5.深入了解大模型基础结构

GPT-1 2018·1.17亿参数·Transformer模型首次应用GPT-2 2019·15亿参数·文本能力显著提高GPT-3 2020·1750亿参数·执行复杂任务·代码编写·多轮对话GPT-4 2023·1.8万亿参数·支持多模态-文本和图像·进一步提升理解和生成能力CNN和RNN在翻译场景上存在什么问题？Transformer的核心组件有哪一些？为何Transformer能解决长距离的问题？Transformer为何能加速模型训练？

原创 6.本地安装Fingpt

如何通过Ollama部署DeepSeek R1模型？FinGPT不同版本之间的差异是什么？FinGPT使用哪种技术调优基础模型？如何设计Prompt指导FinGPT完成情感分析任务？

原创 7.Prompt提示词

本文介绍了Prompt的概念与优化技巧。Prompt是指输入给语言模型以生成特定内容的文本指令，包含任务描述、指令、限制条件等要素。文章展示了医疗领域AI应用的Prompt案例，并提出了四种优化方法：1）提供高质量样本；2）思维链(CoT)逐步推理；3）思维树(ToT)多路径探索；4）思路线程分解分析。这些方法通过结构化思维、多角度评估和样本示范，显著提升语言模型输出的准确性和逻辑性。文中通过投资决策、数学计算等案例对比了优化前后的Prompt效果差异。

原创 8.RAG构建金融知识库

RAG(Retrieval-Augmented Generation)检索增强生成Facebook AlResearch团队于2020年首次提出，通过在生成过程中引入外部知识库，RAG能够动态检索相关信息，从而增强生成内容的质量。RAG通过更新外部知识库，可以提供给模型生成更实时的内容。这种技术适用于多种应用场景，如问答系统、文档生成和智能助手等。提高文本生成质量增强可解释性灵活性和可扩展性减少幻觉问题1.RAG检索的过程主要分为几个步骤？2.文档检索步骤可以被分为哪两个阶段？

原创 09.用小改变撬动大模型-LoRA微调

Edward J. Hu及其团队在2021年提出的，主要用于大型语言模型的高效微调。LoRA旨在通过引入低秩矩阵来减少需要训练的参数数量，从而降低计算和存储需求，同时保持模型性能。1.什么是LoRA微调?2.为何LoRA微调能够节省大量计算资源?3.LoRA微调分为几个步骤?4.与RAG方法相比，LoRA微调的优势有哪一些?

原创 10.不改模型只改提示P-Tuning微调新思路

性能极度不稳定（脆弱性）,这是离散提示最致命的弱点。模型的输出结果对提示词的措辞极其敏感。优化困难（不可微分）,离散提示是由具体的、独立的词汇组成的，这导致了它在数学上是不可微分的。鲁棒性差（易受干扰）,面对输入扰动时表现脆弱,无关的符号、标点错误等可能产生“反直觉”的结果,包含嘈杂、无意义甚至违反直觉的词汇组合。

原创 12. 智能与风险并存:金融AI的成本,合规与伦理平衡术

金融机构在使用大模型时必须确保用户的个人信息得到妥善保护，避免未经授权的数据收集和使用。大模型在金融应用中必须经过全面的伦理审查，以评估其潜在的偏见和不公正影响。这包括对大模型生成的信息进行审核，以防止虚假或误导性内容的传播。结合传统机器学习模型例如决策树提高可解释性(金融大模型->多纬度因子->决策树)数据采集和预处理 -> 模型微调->模型部署->模型推理。让模型的输出与外部知识库或数据源挂钩,以提供依据(RAG)多层次模型结构(轻量化模型+复杂模型)《生成式人工智能服务管理暂行办法》

原创 11.大模型评估

BLEU\text{分数}=BP\cdot\exp\left(\sum_{n=1}^{N}W_{n}\log P_{n}\right)n- gram:它是一种基于概率的模型.用来预测在一个词序列(句子)中,下一个词出现的可能性。• 参考文本: There is a cat on the mat。• 生成文本: The cat is on the mat。知识(FinanceIQ数据集)情感分析(FBB数据集)

原创 7.docker compose的使用

在指定服务器启动一个容器,并执行ping docker.com。检查docker-compose.yml文件格式是否正确。删除web容器,删除前必需停止stop web容器服务。默认使用docker-compose.yml构建镜像。查看所有编排容器,包括已停止的容器。列出Compose文件构建的镜像。启动/暂停/重启所有编排容器服务。查看各个服务容器内运行的进程。查看web容器的实时日志。进入指定容器执行命令。暂停/恢复web容器。拉取服务所依赖的镜像。水平扩展 scale。

原创 12.openssl生成证书

【代码】12.openssl生成证书。

原创 6.Dockerfile编译Django镜像

解决方法: dockerfiles镜像加速配置:https://blog.youkuaiyun.com/gitblog_00337/article/details/153157195。查询google,Dockerfile编译django时执行pip命令报错网络不通,通过将命令修改为。问题3:容器启动成功但是web无法访问,显示违反csrf,解决方法注释如下代码。3.从拉取的代码中找到Dockerfile文件。5.镜像构建完成后启动容器,命令如下。问题1:执行镜像构建命令时报错。4.构建镜像,注意下面命令中。

原创 GCC安全编译选项

定义:Forrtify Source:用FORTIFY_SOURCE编译宏来打开FS选项。堆栈不可执行:打开堆栈不可执行/数据执行保护选项实现堆栈不可执行保护。定义:地址无关:打开地址随机化,地址无关化代码,地址无关可执行。定义:删除符号表:使用-s选项或者strip工具去除符号表。定义:随机化:打开地址随机化,地址无关代码,地址无关执行。定义: 整数溢出检查:打开ftrapv选项来检查整数溢出。定义:动态库搜索路径(禁选),禁止使用,-rpath。定义:立即绑定,打开GOT表重定位只读选项。

原创 1.RPC基本原理

远程过程调用(remote procedure call)

原创 7.即时通讯

sio.on(‘disconnect’),disconnect 为特殊事件,当客户端断开连接后自动执行。sio.enter_room(sid, room_name):将连接的客户端添加到一个room。// 创建好websocket连接成功后自动触发（服务端执行self.accept()后）// 客户端主动断开连接，服务端会执行 websocket_disconnect()// 当服务端主动断开客户端时自动触发（服务端执行self.close()后）// 页面上客户端点击向服务端"关闭连接"时触发。

原创 Python的位运算

计算机在处理负数的位运算时必须使用补码,因为如果用原码进行运,符号位会导致运算规则变得复杂且不符合逻辑,而补码运算可以将减法转化为加法,使得计算机的运算电路设计更加简单高效。在 Python 位运算中所有的数都是基于补码进行运算的,只是正数的补码和原码形式相同,给人一种用原码运算的错觉。:正数的反码就是原码,负数的反码是符号位不变,其余位取反(对应正数按位取反):最高位为符号位,0表示正数,1表示负数.在位运算中符号位也参与运算。：正数的补码就是原码，负数的补码是反码+1。

原创 分布式ID

计算机在处理负数的位运算时必须使用补码,因为如果用原码进行运,符号位会导致运算规则变得复杂且不符合逻辑,而补码运算可以将减法转化为加法,使得计算机的运算电路设计更加简单高效。在 Python 位运算中所有的数都是基于补码进行运算的,只是正数的补码和原码形式相同,给人一种用原码运算的错觉。:正数的反码就是原码,负数的反码是符号位不变,其余位取反(对应正数按位取反):最高位为符号位,0表示正数,1表示负数.在位运算中符号位也参与运算。：正数的补码就是原码，负数的补码是反码+1。

原创 python位运算

计算机在处理负数的位运算时必须使用补码,因为如果用原码进行运,符号位会导致运算规则变得复杂且不符合逻辑,而补码运算可以将减法转化为加法,使得计算机的运算电路设计更加简单高效。在 Python 位运算中所有的数都是基于补码进行运算的,只是正数的补码和原码形式相同,给人一种用原码运算的错觉。:正数的反码就是原码,负数的反码是符号位不变,其余位取反(对应正数按位取反):最高位为符号位,0表示正数,1表示负数.在位运算中符号位也参与运算。：正数的补码就是原码，负数的补码是反码+1。

原创 7.JWT认证

JSON Web Token (JWT) 是一个非常轻巧的规范,常见的两种jwtjws (JSON Web Signature) 轻量级,适合token认证jwe (SON Web Encryption) 相对繁琐,适合数据传输解决跨域认证解决csrf跨域问题。

原创 Elasticsearch

Haystack是在Django中对接搜索引擎的框架,搭建了用户和搜索引擎之间的沟通桥梁Haystack 可以在不修改代码的情况下使用不同的搜索后端（比如WhooshSolr等等）

原创 6.python网络编程

在每一次写操作执行后，都从socket从writable中删除，这样做的原因很简单，该写的数据已经写完了，如果不删除，下一次select操作时，又会把他放入到writable中，可是现在已经没有数据需要写了啊，这样做没有意义，只会浪费select操作的时间，因为它要遍历outputs中的每一个socket，判断他们是否可写以决定是否将其放入到writtable中。AddressFamily=AF_INET:(用于 Internet 进程间通信)

原创 网络编程总结

幂等方法是无论调用多少次都得到相同结果的 HTTP 方法例如：a=4 是幂等的，a+=4 就是非幂等的幂等的方法客户端可以安全的重发请求短连接： 建立链接 数据传输 关闭链接（链接的建立和关闭）长连接： Connection：keep-alive 保持 TCP 链接不断开如何区分不同的 HTTP 请求呢？操作系统提供的同时监听多个 sockt 的机制为实现高并发需要一种机制并发处理多个 socketLINUX 常见的是 select poll epoll。

原创 python总结

函数参数传递的是实际对象的内存地址,如果参数引用的是可变对象,在函数内部修改后,就算没有把修改后的值返回回去,外面的值其实也改变了。

原创 15.Django总结

REST:表现层状态转换(Representational State Transfer)是一种设计风格使用场景:模板中的超链接,视图中的重定向在定义url时为include定义namespace属性,为url定义name属性注意:反向解析传参数,主要是在我们的反向解析的规则后面添加了两个参数，两个参数之间使用空格隔开< a href = " {% url 'booktest:fan2' 2 3 %} " > 位置参数