wengad的博客

续flink1.20.2环境部署和实验-1的内容，搭建flink应用开发环境，实现flink消费kafka数据，并打印在控制台。

选择量化交易的数据源，关键在于匹配自身需求。• 对于初学者和个人开发者，可以从 AkShare、Yahoo Finance 等免费数据源入手，配合 Backtrader、Zipline 等回测框架进行学习实践。• 对于专业投资者或机构，通常需要投资于 Wind、东方财富Choice、Tushare Pro 等付费数据服务，以获得更高质量、更稳定和更全面的数据支持。

coze已经开源一段时间了，版本升级的也比较快，记录下使用podman部署coze的过程，这里使用的是coze v0.2.2的版本来安装了，老的版本会和新版本不太一样，肯定是推荐使用新版本来安装。因为docker不好拉取镜像，使用podman可以顺畅的拉取相关镜像，所以也强烈推荐使用podman。设置好那么保存，具体的URL和model名称，根据实际情况来修改。如果都拉取成功，并都成功运行了，会看到coze的相关11个容器。至此，如果顺利的情况下，能够进去界面，就成功一半了。如果已经安装好，那么忽略。

本文介绍HF transformer的安装和pipeline的简单实用

本文阐述了使用podman容器化安装DIFY的过程

超参数消融是机器学习模型优化中的一种系统性实验方法，用于评估不同超参数对模型性能的影响，进而筛选出最优超参数组合。在复杂模型（如神经网络、集成模型）中，通过移除某个组件（本质是调整“是否启用该组件”的超参数）来评估其必要性。同时调整多个相关超参数（如学习率与批大小、正则化参数与迭代次数），分析参数间的交互影响。，逐一或分组移除、调整超参数，观察模型性能变化，从而确定每个超参数的重要性和最佳取值。通过超参数消融，不仅能提升模型性能，还能深入理解模型行为，为后续优化提供科学依据。：在随机森林中测试不同。

本文研究网络智能体相关技术，并介绍阿里的websailor网络智能体

本文介绍了如何在Windows环境下通过虚拟机CentOS搭建一个基于n8n工作流平台和OLLAMA本地LLM模型的对话Agent。内容包括：1）OLLAMA的下载安装、环境变量设置和模型拉取；2）n8n的容器化部署流程；3）创建对话工作流的具体步骤，包括凭证配置和模型选择。该方案能快速构建具备LLM对话能力的Agent，适合入门使用，但需注意n8n的商用收费政策。整个系统采用本地化部署，保障数据隐私性。

MCP（Model Context Protocol）是由Anthropic推出的开放标准协议，旨在为大型语言模型（LLM）与外部数据源、工具之间提供标准化的交互方式。MCP通过定义统一的接口和通信机制，使AI模型能够安全、灵活地访问外部资源，如数据库、API和文件系统，从而提升模型在复杂任务中的实用性。MCP架构包括三个主要组件：MCP Hosts（用户与AI模型交互的入口）、MCP Clients（负责与MCP Server建立连接并管理通信的中间件）和MCP Server（功能提供层，封装数据、工具和

本文介绍yoloV11的安装和命令行接口。