ricky_fan-优快云博客

原创 hot100算法刷题：二叉树的层序遍历

使用队列的数据结构实现先将根节点入队列，然后不断从队列中取出节点并访问，然后将该节点的左右孩子依次放入队列，重复过程直到队列为空用队列q1来遍历，队列的类型为treenode*，用二维向量v1，报错输出的结果，因为题目中的返回类型就是二维向量。按层来存储节点的值，也就是每一层的节点值都要存储在一个里，然后再把这个一维向量添加到二维向量v1中。可以借助一个内层循环来处理每一层的节点。记录当前层的节点数量；

2025-03-16 16:26:59 154

原创 Hot100算法刷题：双指针

计算出宽（索引相减）、高（取短板小的那个，min），设置全局变量是最大的体积，和当前的体积。暴力求解，两个for循环遍历，第一层固定住长方形的左边，第二层控制长方形的右边。依次计算每一步的体积，然后更新最大体积的值。注意：长方形左边取值：0~len-1，右边取值：1-len；但报错：超出时间限制。观察到，说明线比较多。所以暴力求解不行。要优化算法。

2025-03-14 14:59:08 811

原创（报错解决）打开vscode自动弹窗：适用于 Linux 的 Windows 子系统必须更新到最新版本才能继续。

情况：打开vscode突然总是跳出弹窗，显示以下内容。

2025-03-06 17:28:05 1179

原创开发基于提示工程的大语言模型（LLM）应用——学习笔记

本文是学习笔记。学习通过提示工程与大语言模型进行程序化的交互。将从最基本的开始，比如使用哪些模型，以及如何向它们发送提示词并查看响应。将逐步构建更复杂的提示词，并学习 LangChain 为我们提供的、用于与大语言模型交互的丰富工具。

2025-02-26 11:46:32 947

原创（已解决）vscode终端的虚拟环境显示两个环境名

在我这台服务器上设置的是每个terminal初始化自动激活base环境。这个问题应该是vscode python插件自动激活环境和conda的自动激活环境之间的不兼容导致的显示问题，解决方法是关闭conda的自动激活环境。但是后面我又手动点了vscode右下角的python环境，点完之后就有2个环境名称了。输入完之后发现还是又两个环境名，还需要设置完成后，重启一下终端，才会生效。之前还是一个正常的环境名，是我正常在终端通过。的时候出现了显示两个环境名的问题。还有一种简单粗暴方式。

2025-02-25 14:36:41 923 4

原创报错git解决：remote: Password authentication in git is no longer supported. You must use a user access to

我再git push 时候，需让我登录用户名、密码，输入后，报错说git不在支持Huggingface的账号密码认证了，需要token。

2025-02-20 17:41:52 480

原创解决git报错：fatal: unable to access ‘https://github.com/...‘: Failed to connect to github.com port 443 a

想要从github上下载代码，使用git clone url 远程克隆仓库到本地，但是报错了，说我不能连接服务器。打开“编辑代理服务器”————手动设置代理————打开————直接保存，然后到终端中配置一下这个刚刚开启的手动代理。要么就临时修改非法字符的系统保护，然后下载，下载后恢复保护，看下面的方法1。这样就可以清除 Git 的代理设置，让其直接连接网络进行操作。要么自己手动下载zip文件到对应的地址。清空代理设置：在终端中输入下面的命令。就可以出现github认证的界面啦！在window搜索：代理，

2025-02-19 10:56:49 5297 1

原创 LMDeploy 量化部署实践——L2G3

实践通过LMDeploy工具对InternLM2.5模型进行了量化部署与API封装，展示了如何通过量化技术降低模型显存占用并提升推理效率。首先，配置了30% A100的开发环境，安装了必要的依赖包。接着，使用LMDeploy对InternLM2.5模型进行了W4A16量化和KV cache量化，成功将模型显存占用从23GB降低至13.5GB。通过FastAPI封装了本地API，实现了与大模型的对话功能。最后，利用Function call功能，模型成功完成了“加”与“乘”的简单函数调用。

2025-02-16 22:09:09 950

原创 internVL的本地部署微调实践——L2G4

成功部署和微调了Video-LLM模型。首先，配置了训练和推理环境，安装了必要的依赖包。接着，使用LMDeploy进行模型部署，并通过网页应用体验了与InternVL的对话功能。在微调阶段，使用了FoodieQA数据集，通过XTuner工具对InternVL模型进行了LoRA微调，解决了模型在识别特定食物时的错误。微调后，模型在识别肠粉和锅包肉等食物时的准确性显著提升。

2025-02-16 21:56:51 1011

原创茴香豆——好用的知识问答工具——L2G5

茴香豆——知识问答工具是由书生·浦语团队开发的一款开源、专门针对国内企业级使用场景设计并优化的知识问答工具。在基础 RAG 课程中我们了解到，RAG 可以有效的帮助提高 LLM 知识检索的相关性、实时性，同时避免 LLM 训练带来的巨大成本。在实际的生产和生活环境需求，对 RAG 系统的开发、部署和调优的挑战更大，如需要解决群应答、能够无关问题拒答、多渠道应答、更高的安全性挑战。因此，根据大量国内用户的实际需求，总结出了的茴香豆知识问答助手架构，帮助企业级用户可以快速上手安装部署。

2025-02-16 10:27:19 878

原创本地部署MindSearch（开源 AI 搜索引擎框架），然后上传到 hugging face的Spaces——L2G6

MindSearch 是一个开源的 AI 搜索引擎框架，具有与 Perplexity.ai Pro 相同的性能。🤔 任何你想知道的问题：MindSearch 通过搜索解决你在生活中遇到的各种问题📚 深度知识探索：MindSearch 通过数百个网页的浏览，提供更广泛、深层次的答案🔍 透明的解决方案路径：MindSearch 提供了思考路径、搜索关键词等完整的内容，提高回复的可信度和可用性。💻 多种用户界面：为用户提供各种接口，包括 React、Gradio、Streamlit 和本地调试。

2025-02-15 21:45:00 1632 2

原创从零搭建你的 Multi-Agent（基于Lagent结构）——L2G2

介绍了如何使用Lagent框架构建自定义Agent和Multi-Agent系统。首先，通过配置环境和安装依赖，搭建了一个基于InternLM2.5的Web Demo，展示了如何调用Arxiv文献检索工具。接着，通过自定义天气查询工具，展示了如何扩展Agent的能力。最后，构建了一个多智能体博客写作系统，包含内容生成和批评优化两个代理，协同完成博客的生成与优化。整个过程涵盖了Agent的自主性、交互性和适应性，展示了Lagent框架在增强大语言模型能力方面的强大功能。

2025-02-15 16:32:57 1283

原创使用OpenCompass 评测大模型——L1G6

本文主要内容：使用 OpenCompass 评测 InternLM2.5-1.8B-Chat 模型在 ceval 数据集上的性能，记录复现过程，报错及解决方式。多模态大模型的评测方法有哪些？OpenCompass 提供了和两种方式。其中 API 模式评测针对那些以 API 服务形式部署的模型，而本地直接评测则面向那些可以获取到模型权重文件的情况。

2025-02-14 11:40:30 605

原创（实战）Xtuner微调InternLM大模型——L1G5

本文记录了使用Xtuner微调InternLM大模型的过程，重点包括环境配置、数据准备、模型训练、权重转换、模型合并以及WebUI对话的实现。首先，conda创建Python-3.10虚拟环境并安装Xtuner，随后准备并修改微调数据，确保数据格式符合要求。接着，使用InternLM2.5-7B-Chat模型进行微调，过程中遇到显存不足的问题，最终通过调整GPU资源解决。微调完成后，将模型权重转换为HuggingFace格式，并与原模型合并，生成了最终的微调模型。最后，通过Streamlit的web界面

2025-02-10 15:06:22 1206

原创在HuggingFace中上传自己的模型

在本地微调了一个模型，想把我的模型上传到Huggingface平台上，下面是上传的操作步骤，供大家参考学习！创建一个 Python 脚本（如。

2025-02-10 14:35:32 1135 2

原创（构建知识库）LlamaIndex框架+InternLM+RAG 实践——L1G4

介绍了使用LlamaIndex框架与大模型InternLM结合构建RAG知识库的实践。RAG通过外部信息增强模型能力，无需改变模型权重。文章详细描述了在Intern Studio中配置开发环境、安装LlamaIndex及相关依赖、下载Sentence Transformer模型和NLTK资源的步骤。通过对比，展示了RAG技术在提升模型回答能力方面的优势。最后，文章介绍了将LlamaIndex与Streamlit结合部署为Web应用，并提供将其部署到Hugging Face Space的步骤，展示知识库构建

2025-02-06 16:26:11 794

原创（初五迎财神！）基于LangGPT架构的prompt编写教程——L1G3

本章深入探讨了提示工程（Prompt Engineering）的理论与实践，涵盖从基础概念到高级应用的全面学习路径。我们首先定义了提示词（Prompt）及其在生成式AI中的关键作用，随后介绍了CRISPE和CO-STAR等提示词设计框架，以及LangGPT结构化提示词方法，该方法借鉴面向对象程序设计，提供模块化、标准化的编写方法论，包括基本结构、编写技巧和常用模块。通过具体案例，如自动化生成提示词和小红书文案助手，展示了LangGPT在实际应用中的强大功能。最后，通过“一键写书”系统的开发实战，详细讲解了项

2025-02-02 15:38:08 1100

原创 Day5-玩转书生《多模态对话》、《AI搜索》产品——L1G2

基于原生的 InternLM2.5 最新 Chat 模型 (InternLM2.5-20B) 搭建聊天机器人应用。MindSearch是一个基于多智能体框架的AI搜索框架，通过模仿人类思维的过程，提高处理复杂查询处理能力，提供高效、精准的消息。Q：你是一个计算机的大学老师，你即将教授一门课程《计算机网络》，请你挑出重点，整理一份计算机网络的学习知识点、背诵知识点的手册。question ：目前生成式AI在学术和工业界有什么最新进展？体验该模型的多模态能力，从图片OCR、图片理解等方面，展开对话。

2025-02-01 12:07:20 170

原创书生大模型全链路开源体系——L1G1

书生大模型全链路开源体系mind Search（搜索引擎）的一个项目搭建，可以解决日常调研。

2025-02-01 09:00:00 147

原创 (新年快乐) 在HuggingFace部署大模型，魔搭上传模型——L0G4

文档详细介绍了如何在Hugging Face和魔搭社区平台上进行大模型的上传与部署。首先，通过Hugging Face下载大模型internlm2_5的配置文件，并使用Git工作流进行项目管理和上传。接着，使用Hugging Face的Space平台将模型部署为可交互的Web应用。文档还介绍了如何在魔搭社区平台上进行模型的下载和上传，并提供了相关的命令行操作步骤。整个过程涵盖了从模型下载、配置、上传到部署的完整流程，适合需要在机器学习平台上进行模型管理和部署的用户参考。

2025-01-30 21:35:17 1319

原创（新年快乐！）实战学习git——L0G3

第二步：点击Developer settings，第三步：点击Personal access tokens，第四步：点击Generate new token，第五步：给token起一个描述名字（随便起），第六步：设置token多久后过期，有效期自己选择。然后我们要将这个提交到远程的电脑（其实就是自己的GIthub电脑，因为我现在在操作开发机，对于开发机而已，github的账号，就是远程仓库）上。注意：进入分支，一定要把工作目录进正确，否则会出错，我这里因为关闭终端，刚才的cd的目录情况了。

2025-01-29 11:33:14 671

原创 vscode的debug学习、python调用大模型api-L0G2

有时我们会遇到想将整个虚拟环境保存到制定目录来共享，比如在局域网内，或者在InternStudio的团队开发机间共享。可以替换为我们想要debug的python文件，后面可以和直接在命令行中启动python一样跟上输入的参数。点击下一步，直接跳转到下一次的断点处，（我点了4次，），所以我这里是i=4，右面那个“蓝色箭头，下面一个点”是逐步运行下一行。，但share目录只有读权限，所以要安装额外的包时我们不能直接使用pip将包安装到对应环境中，需要安装到我们自己的目录下。大佬懂得可以帮回答下，感激。

2025-01-27 22:28:26 1574

weixin_57253447的博客