- 博客(429)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 NocoBase：重新定义无代码开发，让技术创新触手可及
简单来说，NocoBase是一款以扩展性为核心的开源无代码开发平台。它打破了传统无代码工具“功能固定、难以定制”的局限，通过开放的架构和丰富的插件生态，让用户既能享受无代码开发的高效，又能拥有对系统的完全掌控权。无论是中小企业快速搭建业务系统，还是大型企业定制复杂工作流，NocoBase都能胜任——无需投入数年研发时间，也无需数百万资金成本，只需几分钟部署，就能拥有一个属于自己的、可无限扩展的无代码平台。
2025-11-08 10:00:00
81
原创 当LLM遇见计算机视觉：Skyvern如何重塑浏览器自动化工作流？
在数字化时代，浏览器自动化早已不是新鲜事——从简单的表单填写到复杂的数据分析，我们始终在寻找更高效的方式让机器替代重复的人工操作。但传统自动化工具总被一个难题困住：网站布局稍作调整，基于XPath或DOM解析的脚本就会集体“罢工”。直到Skyvern的出现，这一困境有了新的解法。这个融合了大语言模型（LLM）与计算机视觉的工具，正在重新定义浏览器自动化的边界。
2025-11-08 08:00:00
73
原创 DeepCode：多智能体驱动的开源编程革命，让代码生成迈入新次元
DeepCode的核心定位是"开源智能体编程平台"，其底层依托多智能体协同系统，实现了从自然语言需求、学术论文到高质量代码的全流程自动化。与传统代码生成工具不同，它并非单一模型的输出，而是通过多个智能体的分工协作（需求分析、架构设计、代码实现、测试验证等），解决复杂场景下的编程任务。作为开源项目，DeepCode支持Python 3.13环境，已在PyPI发布（），并提供MIT许可证，允许开发者自由使用和二次开发。
2025-11-06 15:58:09
79
原创 BettaFish：打破信息茧房的多智能体舆情分析系统
在信息过载与偏见并存的当下，BettaFish用技术为我们打开了一扇“看见真实”的窗口。无论是企业监控品牌舆情、机构分析社会热点，还是研究者挖掘公众态度，这款“小而强”的工具都展现出巨大潜力。如果你也关注舆情分析、多智能体系统或爬虫技术，不妨去GitHub探索这个项目，或许能找到新的灵感。
2025-11-06 15:04:30
297
原创 记录windows安装dgl，看看有坑没有
本文记录了DGL（Deep Graph Library）在Windows系统下的安装过程及版本适配问题。作者使用的环境为Python 3.10、CUDA 12.1和PyTorch 2.1.0。文中指出DGL版本更新滞后于主流框架，导致CUDA和PyTorch版本需降级适配。详细步骤包括：安装Miniforge创建虚拟环境、配置指定版本CUDA-NVCC、安装适配版本的PyTorch，最后安装DGL。文档还附带了安装过程中遇到的报错截图，为同类问题提供了参考。整个过程突显了DGL在Windows平台下的兼容性
2025-11-04 19:10:24
60
原创 windows11家庭版自带虚拟机（windows沙盒 windows sandbox），让你节省买电脑的米
咋跟说的不一样，找不到windows沙盒啊。点击启动或关闭windows功能。网上说了，家庭版没这个东西。目前是这样：咱也不敢动啊。好吧，我就是家庭版。BAT的内容复制一份。
2025-10-30 19:31:44
207
原创 PaddleOCR 3.0：重新定义OCR与文档AI的技术边界
PaddleOCR是由百度飞桨（PaddlePaddle）开发的开源OCR与文档AI引擎，凭借工业级的准确率和丰富的功能，已成为全球开发者构建智能文档应用的首选工具。截至目前，它在GitHub上已积累超过5万星标，被5.9万+项目依赖，深度集成于MinerU、RAGFlow、OmniParser等知名项目中，是AI时代文档智能处理的“基础设施”。PaddleOCR 3.0以“高精度、多场景、易使用”为核心，通过PaddleOCR-VL、PP-OCRv5等模型覆盖了从文本识别到智能文档理解的全流程需求。
2025-10-21 14:47:25
63
原创 探秘nanochat：用100美元打造你的专属ChatGPT
nanochat被作者戏称为"100美元能买到的最好ChatGPT"，它是一个简洁、最小化的全栈LLM实现。与那些需要巨额资金和海量计算资源的大型语言模型不同，nanochat专注于在有限资源下实现可用的对话AI能力，让普通开发者也能体验训练和部署语言模型的全过程。该项目源自Karpathy之前的nanoGPT项目（专注于预训练），并受到modded-nanoGPT的启发，同时整合了HuggingFace的fineweb和smoltalk等资源。
2025-10-21 14:22:52
212
原创 我为什么执意把ollama放到docker里
我们之前说了dify配置ollama时，无法使用localhost的问题。《Dify设置访问ollama报错》其中缘由是，dify部署在docker里，ollama放在宿主机上。dify的localhost并不等价于宿主机。《提问：如何实现，我在docker container中，curl localhost:11434时，实际访问的是宿主机的11434端口？这里给出了两种方法，给出了解决思路。然而，不管怎么说，我们的ollama都是没有密码保护的。那岂不是谁想访问就能访问？
2025-09-27 07:14:55
362
原创 用python找到周线的二卖，二，顶分型和底分型
就是，如果，三根K线，最中间的一根，它的高点是最高的，低点也是最高的，形成一个品字形，那它们就组成了顶分型。如果在上升中，一根K线，它的最高点是最高的，最低点也是最低的，那又怎么办呢？顶分型和底分型，确实是最基础的，相对而言，K线合并要更复杂一些。但，顶分型和底分型的量化版精确定义，又是建立在K线合并之上的。如果两根K线，它们的最高点是重合的，那又怎么办呢？这个好说啊，随便就可以写段python实现啊。其实，顶底分型，应该是缠论里最基础的东西。这个时候，就需要对K线合并了。对，就是上一篇文章中说的。
2025-09-09 01:14:20
277
原创 用python找到周线的二卖，一，实现K线的合并
人家这个图画的是真好，我就不重复了。缠论再学习1-K线标准化后面竟然还有代码~咱也不客气，直接试试这代码能不能用。跟咱之前的下载数据的代码进行了融合，结果还是可以的。# 1. 定义核心类（参考文档）self.isUp = isup # True=向上, False=向下# 2. 辅助函数（参考文档）"""处理独立K线"""pLast += 1"""处理包含K线"""# 3. K线合并主函数（参考文档流程图）# 初始化合并容器（转换为stCombineK对象）combs = []
2025-09-07 10:13:12
264
原创 下载历史数据？感觉baostock确实比pytdx好用很多。
关于数据下载这块，确实比较小白。之前听说过tushare，但好像需要什么key，感觉麻烦，就没弄。后来知道了pytdx，这玩意儿好啊，可以直接用自己本地的数据~但就是说，你运行自己的程序之前，得先打开软件，把想要的数据缓存下来。别看这玩意儿，听起来也没多么麻烦，但实际体验挺差的。所以，后面，慢慢地转向了使用pytdx直接从接口下载数据。在线数据，就是官网例子里的host和端口已经不好使了，好在我在网上，还真找到个能用的端口。但pytdx的在线数据，操作起来，还有其它的麻烦。
2025-09-07 07:49:11
329
原创 在一台没联网的机器上，用ollama加载qwen3，14b
这样一来，容器往/root/.ollama中下载数据的时候，就会自动保存在宿主机的当前文件夹的ollama文件夹中。，这个部分相当关键，它表示，我们要把当前文件夹下的ollama文件夹，挂载到容器的/root/.ollama中。使用docker部署ollama之前，先要拉取ollama的镜像。而此时，我们退到宿主机上，ollama文件夹中也自动包含了我们需要的文件。后续操作就是把ollama文件夹打包，并且上传到没网的那台机器上。但是，高高兴兴地上去之后，发现，此机器竟不可以联网~
2025-08-20 18:31:42
201
原创 重塑AI与自我的边界：Second Me——你的专属开源AI分身
在OpenAI等巨头打造的"超级AI"逐渐威胁人类独立性的时代，一个名为"Second Me"的开源项目正以截然不同的理念崭露头角。这个由Mindverse团队开发的创新原型，旨在让每个人都能拥有属于自己的AI分身，重新定义人类与人工智能的关系。
2025-08-06 15:52:28
396
原创 MiniMind：从零构建超轻量语言模型，3元成本+2小时实现大模型自由
MiniMind以"大道至简"的理念，打破了大模型开发的高门槛壁垒，让更多人能够亲身体验从0到1构建语言模型的乐趣与挑战。无论是AI初学者想要了解大模型的工作原理，还是开发者希望快速验证自己的想法，MiniMind都是一个值得深入研究的优秀项目。正如项目所说："用乐高拼出一架飞机，远比坐在头等舱里飞行更让人兴奋！"在MiniMind的世界里，每个人都能成为大模型的创造者。
2025-08-06 15:14:16
620
原创 【学习过程记录】【czsc】1、安装
我不想搜了，想直接用我的方法来解决这个问题。直接更新anaconda，结果自然是可以的。但是，不得不说，annaconda的安装是真的慢啊，我周三装的，装好已经是周四了。一般软件装完，都会有个功能测试，但czsc的文档确实一般，这一块就比较缺失。关于czsc的安装呢，官方也是给出了多种方案，我们只要有一种能成功就好。为此呢，我也是花了一点时间装了一个python3.13。作者强调，python必须是大于等于3.8。直接来到了python3.13。咱姑且认为这样就算成功了吧。笑死我吧，这还能报错。
2025-07-30 23:26:12
139
原创 家人们，谁懂啊，dify又报错了：[models] Bad Request Error, 500 Server Error:Internal Server Error for url: http://
本来今天下班，坐在地铁上，一身劳累。一起上班的小兄弟儿，突然甩来一张截图：老大！dify又报错了。没办法，一到家就打开电脑，开始排查。
2025-07-25 21:40:37
420
原创 解决postgresql连接数不足
连接数不足是PostgreSQL运维中最常见的性能瓶颈之一。当客户端报错时，意味着数据库已无法承载新请求。本文将从五个层面展开解决方案，并附实操代码示例。
2025-07-24 18:22:28
562
原创 docker部署neo4j，设置密码。Neo.ClientError.Security.Unauthorized: The client is unauthorized due to authenti
卷，设置NEO4J_AUTH将不会起作用，因为该数据库已经配置了身份验证。Neo4j Docker 服务将会启动，但您需要使用已与该数据库关联的用户名和密码才能登录。这里，使用了环境变量NEO4J_AUTH，设置了用户名为neo4j，密码为neo4jneo4j。这个命令还是比较全的，包括设置密码，设置端口，挂载外部的数据目录等。原因嘛，就是使用docker创建的neo4j，登录不上。把👆提到的外挂的数据，都清空了，再重新来一遍。有一种情况下，这样设置密码，并不会成功。如果不出意外，目前就算大功告成了。
2025-07-24 18:13:52
304
原创 postgresql导入导出数据；pg_restore: error: did not find magic string in file header
就是说，使用pg_restore都是对整个数据库进行恢复的，所以你不能指定数据库名。无法使用DBeaver之后，数据库表的导入导出也变得异常麻烦。使用psql而非pg_restore。而一旦你不适用数据库名，它又会报错。
2025-07-22 17:50:11
201
原创 postgresql使用记录 SCRAM authentication requires libpq version 10 or above
PostgreSQL 服务器启用了更安全的 SCRAM-SHA-256 密码加密方式（自 PostgreSQL 10 起默认支持），但客户端 libpq 库版本低于 10，无法支持此认证协议。由于某种原因，无法直接使用dbeaver连接数据库了。所以只能使用命令行了，被迫学了一下。起一个container，然后就可以在容器里链接你的远程数据库了。打了上面的指令后，一般情况下，你就直接进入了目标的数据库。命令行工具中与数据库管理相关的常用命令详解，涵盖。咱直接用docker解决。就特别爽，特别丝滑。
2025-07-22 17:35:53
361
原创 探索 Mem0：为 AI 注入智能记忆的创新力量
Mem0（“mem-zero”）是一个智能记忆层，旨在增强 AI 助手和代理的持久、个性化记忆能力。它使 AI 系统能够记住用户的偏好，适应个体需求，并随着时间的推移不断学习，非常适合用于客户支持聊天机器人、AI 助手和自主系统等场景。Mem0 为 AI 应用提供了一个强大而灵活的记忆层解决方案，通过其卓越的性能、丰富的功能和广泛的集成能力，能够帮助开发者构建更加智能、个性化的 AI 系统。无论是开源爱好者还是企业开发者，都可以从 Mem0 中受益，推动 AI 技术的进一步发展。
2025-07-21 15:30:45
488
原创 探索 Stagehand：AI 浏览器自动化框架的新境界
Stagehand 是一款由开发的 AI 浏览器自动化框架。从其README中可以看到，它提供了一个灵活的解决方案，让开发者可以在代码和自然语言之间自由选择，以实现浏览器自动化任务。Stagehand 作为一款创新的 AI 浏览器自动化框架，为开发者提供了一个灵活、高效的解决方案。它结合了代码和自然语言的优势，让开发者可以根据需要选择最合适的方式来实现浏览器自动化任务。同时，它不断更新和改进，拥有活跃的社区支持，是开发者进行浏览器自动化开发的一个不错选择。
2025-07-18 10:15:00
445
原创 想要实现electron一打开，窗口就是全屏状态，代码怎么写？
完整示例可参考 Electron 官方文档或。若需在窗口内容加载完成后全屏（例如避免白屏），可监听。禁用用户退出全屏（如信息亭场景），使用。：此模式下用户无法通过快捷键（如。接收渲染进程指令动态切换。）退出全屏，需程序控制。（主进程文件）中创建。
2025-07-17 23:33:05
653
原创 探索 Qlib：微软开源的 AI 量化投资平台
Qlib 是一个开源的、面向人工智能的量化投资平台，其目标是在量化投资领域中，充分发挥人工智能技术的潜力，为研究提供支持，并创造实际价值。从想法的探索到生产的实施，Qlib 支持多种机器学习建模范式，包括监督学习、市场动态建模和强化学习等。它涵盖了数据处理、模型训练、回测等完整的机器学习流程，覆盖了量化投资的全链条，包括阿尔法挖掘、风险建模、投资组合优化和订单执行等。如果自动工作流不适合某些研究人员的需求，Qlib 还提供了模块化的接口，允许研究人员通过代码构建自己的工作流。例如，可以参考。
2025-07-17 16:05:06
1381
原创 Electron实现“仅首次运行时创建SQLite数据库”
在桌面应用中，SQLite因其轻量、嵌入式特性成为本地存储的热门选择。但若重复初始化数据库，会导致数据覆盖或冗余。：通过检测数据库文件是否存在，决定是否执行建表操作。，后续启动直接连接现有库。
2025-07-16 22:28:54
483
原创 介绍InfiniRetri
（通常为4K-128K token）。当处理超长文本（如整本小说、科研论文或代码库）时，模型可能因“遗忘”前文而输出错误结论。传统解决方案如滑动窗口检索（Sliding Window）或分块处理（Chunking）效率低且易丢失关键信息。大型语言模型（如GPT-4、Llama等）虽强大，但其。InfiniRetri 的核心使命是充当大模型的。，通过动态索引与注意力筛选机制，实现对。实现动态索引，更适合实时性要求高的场景。的高效理解与推理，无需重新训练模型。：InfiniRetri 以。
2025-07-15 23:38:31
492
原创 npm install failed如何办？
上网搜索，说是网络配置不太对。按照如下几步，保证解决问题。在运行npm install指令时，出现如下错误。
2025-07-15 18:01:20
461
原创 electron-packager报错Failed to locate module “foreground-child“ from
本文总结了electron打包成exe时遇到的常见问题及解决方案。主要问题包括：使用cnpm安装依赖时导致的模块缺失循环报错，建议改用npm安装；遇到rcedit执行失败时，可删除临时文件夹重试；npm安装报错时，可清除缓存并删除node_modules后重试。文章提供了具体报错信息和对应的解决步骤，帮助开发者顺利完成electron应用打包。
2025-07-14 08:30:00
343
原创 零基础RT-thread第七节:控制DMA(1):DMAtoUART
【代码】零基础RT-thread第七节:控制DMA(1):DMAtoUART。
2025-07-13 10:52:58
176
原创 package.json 与 package-lock.json
是项目管理中不可或缺的两个文件。它们的协同工作确保了依赖安装的一致性和可维护性。本文将深入探讨两者的设计初衷、核心差异、协作机制及最佳实践。后，团队成员和部署环境使用完全相同的依赖树，避免因依赖差异导致的隐蔽 Bug。可能安装不同版本，导致 CI/CD 失败或线上事故。在 Node.js 和前端工程化开发中，
2025-07-13 08:33:47
746
原创 electron打包.exe原来这么简单？
本文记录Electron打包踩坑过程，通过kkgithub镜像克隆项目后，关键步骤是正确设置ELECTRON_MIRROR环境变量（PowerShell需用$env:语法）。使用华为云镜像解决国内下载超时问题后，npm install安装依赖并验证运行成功。最终简化打包命令electron-packager . --overwrite一键生成.exe文件，发现Electron打包核心在于镜像配置。试错中发现删除冲突文件可解决问题，并指出后续可探索图标定制等进阶功能。背景知识补充说明Electron框
2025-07-13 08:20:55
816
原创 cnpm exec v.s. npx
根据你的网络环境、项目依赖管理工具以及对官方标准的偏好，选择最合适的工具即可。两者在基础功能（执行本地/远程包命令）上目标是趋同的。假设要在国内快速使用。
2025-07-11 23:41:00
397
原创 探索 Awesome MCP Clients：解锁 AI 模型新能力
MCP 是一个开放协议，它通过标准化的服务器实现，使 AI 模型能够安全地与本地和远程资源进行交互。这个协议的出现，为 AI 模型的应用拓展了更多可能性，例如文件访问、数据库连接、API 集成等。通过使用 MCP，开发者可以更轻松地为 AI 模型添加各种上下文服务，从而提升其智能水平和实用性。是一个精心策划的列表，收集了众多优秀的 MCP 客户端。这些客户端涵盖了各种类型，包括命令行工具、Web 应用、桌面应用和移动应用等，适用于不同的使用场景和需求。
2025-07-11 09:00:00
93
原创 介绍 cnpm exec electron-packager
Electron应用开发完成后，需打包为各平台（Windows/macOS/Linux）的可执行文件（如exe/dmg/deb）。原生打包流程复杂，需处理依赖管理、平台适配、资源嵌入等问题。引用Electron官方示例：传统打包需手动配置Webpack脚本，而electron-packager直接调用系统级API实现高效封装。适合快速迭代的中小型项目。可防止用户直接篡改应用代码，提升安全性（但需注意仍有解包可能）。企业级项目强烈避免全局安装，防止多项目环境冲突。，尤其适合团队协作与CI/CD流水线。
2025-07-10 23:41:37
540
安卓socket实现聊天与文件上传
2013-08-12
spring web service 官网示例 基于spring-ws
2014-10-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人