weixin_46449024的博客

数学小白一枚，看推理过程需要很多时间。好在有大神们源码和DS帮忙，教程里的推理过程才能勉强拼凑一二。* 留意： 推导过程中X都是向量组表达: shape(feature, sample_n);和numpy中的默认矩阵正好相反。

AI智能体（工作流/多智能体）都以来大量的工具才能高效完成计算密集及结果确定的任务。知名的notebook/jupyterlab是不错的选择。这里有个综合能力强且开源的python在线开发部署一体平台DataFlux-Func，同时具有python微服务开发/部署，定时任务调度，可弹性扩容，安全鉴权，虚拟路径等生产级能力，可以作为接口平台/数据处理平台，满足小规模的产品应用需求。开源。

我觉得，今年由manus开始的多智能体应用已经展开赛道，大厂们陆续推出更重量级更成熟的应用 ...

总结Ragflow智能体工作流：-  主要还是基于RAG的智能体。（思维协议：COT，PlanAndExec 等；CodeInterpretor等；自定义函数让agent自己决定调用工具，这些暂时没有）-  Agent的一些模式可以通过ragflow的流程0代码实现。模型：- 本地的deepseek不稳定。满血API版验证结果较好。数据无机密：直接用API。有机密：用coder模型。

凑热闹。可以用GLM跑。这里暂时用GLM底座“魔鬼修改”，代码库仅供参考（共同进步吧）openai-agents-python-glm: 基于GLM底座运行SDK，学习实验SDK内的mAGT功能。

需要去huggingface注册账号获取token：HUGGING_FACE_HUB_TOKEN。*显存不足，可以通过参数减少最大上下文并采用量化版本。

递推创建Tree；当前维度找中位数分割 数据集 left set，Node(mid), right set.* 循环维度（当log(Nsample)>featureSize)

线性代数理论及证明过程请参考教材。公式推理可以参考AI。

AI小白一枚，入门实验。

2023年被认为是AI元年（也许有不同的意见）。无论如何，AI的影响力已经扩大到了普通人的生活中，而且也许在不久的将来会迎来更多的突破。若干年后，回首今天，也许Transformer的大语言模型算法，框架，模型，智能体都将成为“经典”，共孩子们娱乐，成为他们（她们）的四阶魔方。

2023年被认为是AI元年（也许有不同的意见）。无论如何，AI的影响力已经扩大到了普通人的生活中，而且也许在不久的将来会迎来更多的突破。若干年后，回首今天，也许深度学习算法，框架，模型都将成为“经典”，共孩子们娱乐，成为他们（她们）的三阶魔方。

2023年被认为是AI元年（也许有不同的意见）。无论如何，AI的影响力已经扩大到了普通人的生活中，而且也许在不久的将来会迎来更多的突破。若干年后，回首今天，也许这些算法，框架，模型都将成为“经典”，共孩子们娱乐，成为他们（她们）的二阶魔方。

Openssl+Python脚本获得本地证书的到期日期from datakit_framework import DataKitFrameworkimport psutilimport reimport osimport timefrom datetime import datetimeclass ReadCertAndReport(DataKitFramework): __name = 'ReadCertAndReport' interval = 3600 # trigg

比较2个tensor的时候，返回全部是FALSE，不符合预期。