- 博客(79)
- 收藏
- 关注
RSS订阅原创 最新 Dify 1.14.0+ 内网离线插件打包、部署完整踩坑方案（解决 uv.lock 依赖校验失败）
Dify 1.10.0+ 版本因引入 uv 和 uv.lock 严格校验，导致旧版离线插件包无法安装。通过配置 .env 中 PLUGIN_IGNORE_UV_LOCK=true 等参数，并使用 dify-plugin-repackaging-python 工具重打包，可自动内嵌依赖 whl 文件，生成真正离线的 offline.difypkg 包，实现内网环境无依赖安装。注意需用 --force-recreate 重建容器以加载新环境变量。
2026-10-30 14:29:17
130
原创 别再混淆了！Dify 开源框架私有化安装教程
Dify是一款开源的LLM应用开发平台，融合BaaS与LLMOps理念，可快速构建、部署AI应用。它不内置大模型，而是作为框架串联模型、知识库、提示词与工作流，降低开发门槛。相比直接调用API，Dify封装了文档处理、向量存储、对话管理等复杂工程，支持可视化编排，提升协作效率。通过Gitee下载源码（如1.14.0版本），使用Docker Compose部署，需配置环境变量并修正PostgreSQL数据卷权限，最终通过http://IP:9080访问管理界面。
2026-10-26 14:38:24
88
原创 国密标准 GB35114 详细讲解
GB 35114的全称是《公共安全视频监控联网信息安全技术要求》，标准号，由公安部提出并归口，2017年11月发布、2018年11月1日实施，属于强制性国家标准，当前状态为现行。它不是用来替代GB/T 28181的，而是和GB/T 28181GB/T 28181解决视频设备怎么互联互通，GB 35114解决联网后视频数据怎么防伪造、防篡改、防泄露、防非法控制。第一次接触这些概念会感觉非常复杂。
2026-10-09 16:08:24
324
原创 踩坑实录 | RAG知识库完整搭建-Milvus2.4+BGE大中文AI模型嵌入
本文介绍了RAG（检索增强生成）技术及其实现框架，重点讲解了三大核心组件：Embedding模型（如BAAI/bge-large-zh-v1.5）、向量数据库（Milvus）和可视化工具（Attu）。通过将文本转换为向量并存储，实现高效语义检索。文章详细提供了部署Embedding模型（使用vLLM框架）和Milvus向量数据库的步骤，包括Docker镜像拉取、配置和启动流程，为构建知识增强的AI问答系统提供实践指导。
2026-07-03 14:54:02
303
原创 国产化系统AI环境避坑完整版: openEuler22.03 一键安装NVIDIA驱动+CUDA+Conda
openEuler国产化系统的GPU环境配置相较于Ubuntu更繁琐，核心难点在于驱动兼容匹配、内核依赖补齐、版本适配。本教程适配openEuler22.03全系列SP版本，全程实测可复现，完美解决AI训练、GPU算力调度、深度学习框架部署的环境基础问题。
2026-06-24 16:21:47
534
原创 Open WebUI 从零到一：打造属于你的私人ChatGPT
Open WebUI是一个开源的自托管类ChatGPT网页界面，允许用户通过浏览器与本地大模型对话，同时完全掌控数据。部署步骤：1.确保本地已运行大模型并开放接口；2.使用Docker命令快速部署Open WebUI；3.访问3000端口注册管理员账号。使用指南：添加本地模型API地址（如vLLM），配置全局参数和提示词，支持单次对话参数调整。该方案提供简洁易用的交互界面，适合需要隐私保护和大模型本地化部署的用户。
2026-06-12 16:51:57
398
原创 不写一行代码，在 Linux 上微调大模型？LLaMA-Factory 真·保姆级教程
本文介绍了LLaMA Factory框架的安装与使用教程。LLaMA Factory是一个集成多种高效微调技术（如LoRA、QLoRA）的大语言模型训练工具，具有低门槛、高灵活度的特点，支持主流开源模型如LLaMA、Qwen等。教程分为环境准备、安装和实际使用三部分：1) 要求Ubuntu系统，配置好CUDA和conda环境；2) 通过GitHub源码安装并验证；3) 详细说明WebUI界面的四大功能模块，重点讲解训练数据准备、lora微调参数设置、对话测试及模型导出合并的完整流程。
2026-06-12 16:20:20
565
原创 Linux 环境极速部署 vLLM：从零搭建生产级大模型推理服务
本文详细介绍了如何在Ubuntu系统下使用vLLM框架部署大语言模型。主要内容包括： 硬件准备与驱动检查、创建虚拟环境、安装vLLM框架及其依赖、模型部署。通过vLLM启动服务，演示了使用curl调用API的方法，包括关闭思考模式提升响应速度、如何加载多个Lora微调模型实现不同功能。
2026-06-12 14:56:01
664
原创 文字合成语音：Coqui TTS 安装与配置 - Docker 版本
本文介绍了如何使用Docker部署开源文本转语音工具Coqui TTS。Coqui TTS支持1100多种语言，提供高质量语音合成和个性化声音克隆功能。文章详细说明了Docker安装步骤、镜像下载、容器启动和服务配置方法，并针对模型下载失败问题提供了手动导入解决方案。最后测试了中英文语音合成效果，同时指出了当前版本存在的中文模型单一、中英文混读问题等局限性。部署过程需注意系统IPv4转发功能的开启和充足的内存配置。
2025-09-18 09:38:06
365
原创 SpringBoot 开发常见注解 + 详细代码示例
本文总结了SpringBoot开发中的核心注解及其用法，并且每个注解都有详细的代码示例。包括：1.常见核心注解；2. 控制器注解；3. 请求参数注解；4. 数据校验注解；5. 数据库访问注解。
2025-06-16 11:13:21
1186
原创 【大模型应用开发】SpringBoot 整合基于 Ollama 的 DeepSeek，并对接前端（ 全部代码 ！！！）
本文介绍了如何将本地部署的DeepSeek-R1:1.5b大模型整合到SpringBoot中，实现接口访问并对接前端代码。主要内容包括： 基础对话功能实现，通过ChatClient实现阻塞式和流式两种响应方式； 利用AOP原理添加会话日志功能，记录AI交互过程； 前端样式设计，提供简单的UI界面； 系统配置方法，包括模型参数设置和默认系统提示配置。文中提供了完整的代码实现和配置示例，帮助开发者快速搭建基于SpringBoot的大模型应用系统。
2025-06-14 11:09:20
1231
原创 【大模型应用开发】解决 Ollama 下载镜像过慢的问题，不需要代理
针对Ollama下载模型速度慢的问题，本文提出了一种简便的加速方法。通过编写PowerShell脚本自动中断并重启下载进程，实现下载速度的提升。脚本会每分钟自动终止并重启下载任务，直到模型下载完成。相比使用下载加速器，该方法操作更简单，仅需运行脚本即可显著提高下载速度，这种方法为模型下载提供了一种高效的解决方案。
2025-06-12 11:55:47
1512
原创 【大模型应用开发】Ollama 介绍及基于 Ollama 部署本地 DeepSeek
这篇文章介绍了Ollama工具在本地部署大语言模型的方法。主要内容包括Ollama的下载、安装和环境配置流程，强调重启的重要性。并以deepseek-r1模型为例，演示模型下载、运行和交互对话的操作步骤。文章还解释了不同参数模型（如1.5b和671b）的性能差异和适用场景，并提供了Ollama的基本命令说明。
2025-06-12 11:41:23
961
原创 Docker基础命令
本文摘要了Docker镜像与容器操作的关键命令。1. 镜像操作：包括查看(docker images)、搜索(docker search)、下载(docker pull)和删除(docker rmi)镜像的命令；2. 容器管理：涵盖启动(docker run)、查看(docker ps)、进入/退出、启停等操作，强调后台启动(-d)与交互模式(-it)的区别；3. 高级功能：日志查看(docker logs)、进程监控(docker top)、元数据检查(docker inspect)及文件拷贝
2025-06-03 10:35:23
602
原创 Centos7 Docker 报错 Error response from daemon: Get “https://registry-1.docker.io/v2/“: net/http
在使用Docker拉取hello-world容器时，可能会遇到访问超时的问题，错误信息为Error response from daemon: Get "https://registry-1.docker.io/v2/": net/http: request canceled while waiting for connection。这通常是由于镜像访问速度过慢导致的。解决方法是配置Docker多个可用的镜像地址，然后重新加载配置文件并重启Docker服务。
2025-05-14 11:35:26
3570
原创 实操带你完成Centos7的下载、安装和配置
本文详细介绍了如何在VMware中安装和配置CentOS 7操作系统。首先，从阿里云镜像网站下载CentOS 7的ISO镜像文件。接着，在VMware中创建新的虚拟机。然后，使用下载的镜像文件启动虚拟机，选择安装选项并等待安装过程。在安装过程中，选择中文语言，安装必要软件，配置分区设置网络连接和主机名称，并创建Root用户和普通用户。安装完成后，重启虚拟机。
2025-05-09 11:35:38
1142
原创 没人讲清楚！我来讲！---- Ubuntu 20.04中下载配置Snort3，参数讲解及实现协议警报
Snort是一个功能强大的开源网络入侵检测和预防系统（IDS/IPS），由于1998年创建，现由Cisco旗下的Sourcefire进行维护和开发。Snort通过监控网络流量，根据预定义的规则检测并响应潜在的安全威胁。每次都去修改snort.lua文件太麻烦，如想要捕获别的类型数据包并输出警报，可以创建自定义规则以如下命令来讲解自定义规则的匹配参数，表示当匹配的任意端口向的任意端口发送UDP的数据包时，snort会发出警报rev:1;alert。
2024-05-16 10:47:05
3945
7
原创 ElasticSearch实战之项目搜索高亮
在项目中实现搜索高亮，我们需要先做一些前情配置，步骤分为三步：判断索引是否存在、创建索引以及数据入库。然后封装用于搜索的方法，这里指定利用term搜索，同时绑定浏览器地址，尝试查询。最后访问地址，发现关键字已经被设置高亮，只需要传递到前端即可。
2024-04-18 10:40:42
1688
原创 IK分词器安装、配置、分词自定义、Rest使用、SpringBoot使用
IK分词器是的一个最最最有名插件，能够把一段中文或者别的语句划分成一个个的关键字，进而在搜索的时候对数据库中或者索引库数据进一个匹配操作。举个小例子，可以将计算机科学与技术学院更细致的拆分为：计算机、计算、算机、科学、与、技术、学院、技术学院… 等等。有的时候，ik分词器拆分出来的词语并不是我们想要的，或者说拆分出来的词语不够我使用，此时便可以自定义拆分文本。第一步，首先在目录下新建一个文本文件，命名为.dic后缀的文件
2024-04-16 17:42:44
4659
原创 Redis缓存穿透、击穿与雪崩及对应的解决办法
用户想要查询一个数据，发现redis内存数据库没有，也就是缓存没有命中，于是向持久层数据库查询。发现也没有，于是本次查询失败。当用户很多的时候，缓存都没有命中，于是都去请求了持久层数据库。这会给持久层数据库造成很大的压力，这时候就相当于出现了缓存穿透。
2024-04-02 09:30:13
541
原创 【全程代码干货】Redis主从复制 -＞ 伪集群搭建 -＞ 哨兵模式
主从复制，是指将一台Redis服务器的数据，复制到其他的Redis服务器。将前者称为主节点(master)，后者称为从节点(slave)。在Redis中，数据的复制都是单向的，只能由主节点到从节点，主机以写为主，从机以读为主主从复制，读写分离！大部分时候操作者都是在进行读取数据操作，主从复制可用来减缓服务器的压力；减少数据损失的风险等。主从复制的作用主要包括︰数据冗余︰主从复制实现了数据的热备份，是持久化之外的一种数据冗余方式。
2024-04-01 20:15:38
965
原创 大厂面试之【Redis持久化机制】 - RDB和AOF概述及应用配置
rdb的保存原理是在指定的时间间隔内将内存中的数据集快照写入磁盘，行话讲的Snapshot快照，它恢复时是将快照文件直接读到内存里。在主进程的运行过程中，创建一个子进程。子进程会先将所有的数据写入到一个临时文件中，等持久化结束，再用这个临时文件替换上次持久化的文件。在整个过程中，主进程是不进行任何的读写操作，确保了性能。在redis.conf的快照配置中设置了save保存机制之后，我们可以设置持久化，一般来说配置文件中不需要进行修改。rdb保存的是dump.rbd文件。
2024-04-01 19:48:07
1061
原创 强烈安利！一分钟带你看懂Redis整合SpringBoot及如何实现读写缓存
在实际中，我们绝大部分时候是利用redis存储对象，一般拥有三种方式进行存储。其中JDK和JSON编码不推荐使用，会产生乱码；Redis方法不产生乱码，但是也不推荐使用，毕竟太麻烦。在绝大部分情况下，我们都建议使用自定义的序列化方法，在其他类中引入上述工具来调用相关的方法。
2024-03-29 17:17:54
531
原创 解决 Ubuntu20.04 中的 Unit iptables.service not found 及 Unit file iptables.service does not exist 问题
太困扰！！！在中使用Iptables防火墙，无法关闭和再次开启Iptables以及查看其服务状态，永远都是在显示没有找到服务。网上搜索资料，都说是安装来进行管理，但是这个软件包貌似在中已经无法被使用，完全找不到更安装不了！！！难道我每次不想用防火墙了我就得把所有规则清空吗？实在是太麻烦！！！
2024-03-12 16:03:41
8275
4
原创 LXD容器中通过Qemu安装Win7虚拟机（呕心制作-诸多细节）
为了抵御网络攻击，先需复现某些计算机漏洞，则需要安装Win7操作系统。真是呕心制作，反复尝试好多次，搜索很多相关资料，终于总结出这篇文章，其目的是通过虚拟化技术，完成Win7的安装配置。其中还包括别的文章中没有提及的Win7。
2024-01-08 14:45:44
2175
原创 实践代码教你学会 Metasploit 渗透攻击【Ubuntu版本】
MSF是利用发现的安全漏洞或配置弱点对远程目标进行攻击，以植入和运行攻击载荷，从而获得对远程目标系统访问的一个代码模块。是一款开源安全漏洞检测工具，附带数千个已知的软件漏洞，可以用来信息收集、漏洞探测、漏洞利用等渗透测试的全流程。攻击载荷是渗透目标系统之后完成实际攻击功能的代码，用于在目标系统上运行任意命令或者执行特定代码。
2023-12-19 09:49:39
2143
原创 基于PicGo实现Typora图片自动上传GitHub
Typora是一款非常好的笔记软件，但是有一个比较不好的地方：默认图片是存放在本地缓存中。这就会导致文件夹一旦被误删或电脑系统重装而忘记备份文件夹等原因，很容易导致笔记中的图片无法被查看，整个笔记本废了，太难受了。所以强烈建议在Typora中设置图片的自动上传！！！！
2023-12-06 10:13:28
776
原创 软件TFN 2K的分布式拒绝攻击(DDos)实战详解
DDoS攻击，即分布式拒绝服务攻击。最简单的定义就是：多台电脑对一台电脑的攻击，占用目标服务器或网络资源的攻击行为。TFN 2K通过主控端利用大量代理端主机的资源进行对一个或多个目标进行协同攻击，是DDos的实现工具。TNF 2K攻击体系：主控端—运行TFN客户端，来遥控并指定攻击目标，更改攻击方法；代理端—被植入并运行TD进程的牺牲品，接受TFN的指挥，攻击的实施者。
2023-10-12 15:22:26
2266
4
原创 94%预测准确率！手把手搭建CNN-AlexNet卷积神经网络框架
手把手搭建基于PyTorch的卷积神经网络，同时拥有详细的代码注释，非常适合初次接触深度学习的读者，模型准确率高达94%！！！！
2023-09-19 10:41:03
3455
6
原创 【通俗理解】CNN卷积神经网络 - 附带场景举例
CNN的全称是，称之为卷积神经网络，是深度学习的经典算法之一。CNN一般用于图片分类、检索、人脸识别、目标定位等。而CNN放在实际的例子中，如图中CNN要做的事情是：给定一张图片，是车还是马未知，是什么车也未知，现在需要模型判断这张图片里具体是一个什么东西，总之输出一个结果：如果是车，那是什么车CONV层，RELU层，POOL层和FC层。当然了，看到这里你还是一脸懵逼，这些都是什么东西？当然了，不要着急，下面来详细介绍。
2023-09-08 11:02:50
6907
1
原创 DQN算法概述及基于Pytorch的DQN迷宫实战代码
深度Q网络将Q学习与深度学习结合，用深度网络来近似动作价值函数，而Q学习则是采用表格存储；深度Q网络采用经验回放的训练方式，从历史数据中随机采样，而Q学习直接采用下一个状态的数据进行学习。
2023-09-07 20:51:32
5906
18
原创 我的创作纪念日
慢慢的，在好奇心的驱使下，自己也想着分享学习过程中碰到的问题困难以及不成熟的经验，期待着给予他人帮助，于是在。时间过得好快啊，不知不觉今天已经是我成为创作者的 第730天（2年） 了，我也从大三变成了研二了，本科时的代码小白也在一步步成长。这个平台，让我们代码得以分享，让我们的学习有迹可循。至今为止，我已经产出了。
2023-08-24 10:16:56
205
原创 PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm
TytorchPython机器学习库，基于Torch，用于自然语言处理等应用程序Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了condaCUDACUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能解决复杂的计算问题，可用来计算深度学习cuDNN：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。
2023-08-08 10:59:10
10384
23
原创 Q-Learning 单路径吃宝箱问题--棋盘格吃宝箱问题--拓扑节点较优路径问题
Q-Learning实现单路径吃宝箱问题、棋盘格吃宝箱问题、拓扑节点较优路径问题
2023-06-28 16:29:59
522
原创 Q-Learning 原理干货讲解
强化学习基于环境的反馈而行动，通过不断与环境的交互、试错，最终完成特定目的或者使得行动收益最大化。强化学习不需要训练数据，但是它需要每一步行动环境给予的反馈，是奖励还是惩罚，反馈可以量化，基于反馈不断调整训练对象的行为。
2023-06-28 16:26:06
1503
原创 Linux nohup-后台挂起运行程序神器
nohup英文全称no hang up（不挂起），用于在系统后台不挂断地运行命令，退出终端不会影响程序的运行。
2023-05-31 10:18:38
1780
原创 Socket通信讲解及C/S结构实现UDP协议通信
所谓套接字(Socket)，就是对网络中不同主机上的应用进程之间进行双向通信的端点的抽象。一个套接字就是网络上进程通信的一端，提供了应用层进程利用网络协议交换数据的机制，是支持TCP/IP协议的路通信的基本操作单元。
2023-05-29 16:00:02
3727
原创 FTL的使用及Maven整合项目
FTL即FreeMarker，是一款模板引擎，类似于Thymeleaf，都是通过传入的数据来对页面进行渲染，用来生成输出文本（HTML网页、电子邮件、配置文件、源代码等）的通用工具。
2023-05-17 21:17:26
1940
原创 Caused by: java.sql.SQLSyntaxErrorException: You have an error in your SQL syntax 解决方法
Caused by: java.sql.SQLSyntaxErrorException: You have an error in your SQL syntax 解决方法
2023-05-11 17:10:38
3799
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人