- 博客(61)
- 资源 (8)
- 收藏
- 关注
RSS订阅原创 软件自恢复综述-笔记
本文系统梳理了软件恢复技术的研究进展。作者基于文献综述，首先明确了失效（Failure）、错误（Error）与故障（Fault）三个核心概念，指出软件恢复属于容错技术范畴。文章从架构层、实现层和运行层对恢复技术进行分类：架构层强调隔离与冗余设计；实现层利用编程语言特性；运行层侧重回滚机制（检查点、崩溃点、初始状态）。评估恢复技术需综合考虑用户需求、系统属性和故障特征。本文为软件可靠性研究提供了系统的技术框架和评估模型。
2025-12-08 19:17:41
629
原创 EMC设计经验-笔记
摩擦起电接触分离感应起电瞬态电流大，高达几十安培，高电位，强电场，但持续时间很短产生电磁脉冲形成空间辐射形成的物理机制很复杂，难以重现此处，空气介质是静电回路的重要成分，所以空气的湿度、温度都会影响设备的防静电特性。导线间距小，耐击穿电压越来越低电子设备热插拔，人体活动难以避免越多选用表面电阻率很高的材料理论损害突发性失效 —— 马上损坏潜在性失效 —— 功能看起来正常，但是使用寿命大大降低【危害极大】一个典型例子，HDMI电缆在运输过程中累积电荷，插入设备时形成瞬态冲击，导致输入口阻抗从10Mohm降低到
2025-12-02 14:15:39
764
原创 老程序员的幡然醒悟：只会写代码的人将被淘汰
为何说“代码是垃圾”？本文复盘AI元年实战：从手搓代码到调度Agent的认知跃迁。揭示“千万别动手”的反直觉法则：框架已死，价值观才是终极脚手架。
2025-12-02 14:10:38
1058
原创 RAG基础[10] - 总结与展望
本文系统介绍了RAG技术从入门到进阶的全过程。教程不仅帮助读者快速搭建基础RAG系统，更强调深入理解底层原理以应对实际业务需求。作者指出，RAG技术正朝着多模态、Agent化、自进化等方向发展，同时提供了丰富的学习资源清单。文章最后反思了AI时代技术人员应有的开放态度，建议放下既有经验，以归零心态拥抱新技术。教程融合了实践指导与前瞻思考，既包含具体技术实现方案，也探讨了行业发展趋势，为开发者提供了从入门到精通的完整学习路径。
2025-11-26 14:49:03
927
原创 RAG基础[9] - 常见问题FAQ
本文档总结了RAG（检索增强生成）技术实践中的20个常见问题及解决方案，涵盖基础概念、实践技巧、技术细节和部署运维等方面。重点解答了RAG与微调的区别、chunk_size选择、检索不相关、系统响应慢等核心问题，提供了优化检索质量、减少幻觉、多语言处理等实用建议，并对比了不同工具（如Chroma/FAISS）和模型选择策略。文档强调RAG系统需要持续优化文档质量、检索策略和生成参数，建议通过评估指标和A/B测试持续改进系统效果。
2025-11-26 14:46:59
387
原创 RAG基础[8] - RAG系统性能优化与最佳实践
本文总结了RAG系统性能优化的关键方法与最佳实践。主要内容包括：检索性能优化（向量数据库选择、索引优化、混合检索策略）、生成性能优化（LLM选择、Prompt精简、参数调优）、系统性能优化（缓存策略、异步处理）以及成本控制方案。重点提出了文档质量提升、多策略检索结合、结构化Prompt设计等核心优化手段，并给出了延迟、准确率等关键指标的目标值。文章强调RAG优化需要系统性思维，从文档处理到检索生成全链路考量，通过持续监控和迭代改进实现最佳性能。
2025-11-26 14:46:02
661
原创 RAG基础[7] - RAG评估指标与方法
本文系统介绍了RAG（检索增强生成）系统的评估框架与方法。主要内容包括：1）评估必要性，强调量化性能、发现优化点；2）三大评估维度：检索质量（召回率、精确率等）、生成质量（准确性、完整性等）和端到端质量（RAGAS指标）；3）评估实践建议，包括数据集构建、工具推荐（RAGAS、TruLens）和指标选择指南。文章指出评估应形成闭环流程，通过分层评估平衡成本与效果，最终实现系统持续优化。
2025-11-26 14:45:10
245
原创 RAG基础[6] - RAG核心流程
通过本工程，你应该已经：✅理解了RAG的完整流程- 从文档到答案的每一步✅掌握了参数调优方法- 知道如何调整参数提升效果✅看到了RAG的优势- 相比纯LLM的准确性和可追溯性。
2025-11-26 14:44:08
821
原创 RAG基础[5] - RAG基础
RAG（检索增强生成）是一种让大语言模型结合外部知识库的技术方案。它通过"检索+生成"的流程，先搜索相关知识再生成回答，解决了传统大模型知识静态、无法获取私有信息的问题。RAG的核心步骤包括文档切片、向量化、存储、检索和生成，使用向量数据库存储知识，通过语义检索找到相关内容后让模型参考作答。该技术广泛应用于企业问答、专业领域咨询等场景，主流框架包括LangChain、LlamaIndex等。RAG本质上是将搜索引擎与大模型结合的知识增强方案，通过改写prompt注入本地知识，使模型回答更
2025-11-26 14:42:35
250
原创 RAG基础[4] - 提示工程
摘要：提示工程（Prompt Engineering）是通过优化输入指令引导大语言模型（LLM）生成高质量输出的关键技术。其核心在于构建包含指令、背景、输入和输出要求的结构化提示，使AI准确理解用户意图。优质提示需满足清晰具体、量化指标、分步骤思考等标准，可采用零样本、单样本或少样本等不同策略。提示工程适用于开发者、产品经理、教育工作者等各类LLM使用者，是提升AI交互效果的核心技能。掌握思维链（CoT）和ReAct机制可显著增强模型推理能力，而参数调节则能优化输出质量。
2025-11-26 14:41:15
1177
1
原创 RAG基础[3] - LLM进阶
本文是面向LLM开发者的进阶指南，重点讲解参数调优与记忆管理两大核心技能。文章详细解析了temperature、top_p等关键参数的作用及调优策略，并通过代码示例演示了流式输出实现方法。针对LLM的无记忆特性，提出了短期、中期、长期三层记忆系统设计方案，推荐使用摘要压缩和向量检索等技术管理上下文。最后给出了不同任务类型的参数配置建议，强调应建立自动化测试与人工评估相结合的调优机制。全文旨在帮助开发者掌握参数调优思路和上下文管理技巧，真正提升大模型使用效果。
2025-11-26 14:35:07
816
原创 RAG基础[2] - LLM基础
本文摘要：本章系统介绍了大语言模型（LLM）的基础知识，包括其定义、核心特点（理解与生成自然语言）、主流模型（如ChatGPT、Claude等）及优势。重点解析了Transformer架构和注意力机制的技术原理，阐述了LLM的训练与使用流程，并详细说明Token、ContextWindow等核心概念。文章还列举了LLM在问答助手、代码生成等场景的应用，对比了云端API与本地部署方案，提供了快速上手的代码示例。最后梳理了LLM的技术演进路线，为后续学习RAG系统奠定基础。（149字）
2025-11-26 14:32:26
721
原创 RAG基础[1] - startup
一个入门级RAG教程，帮你快速了解RAG系统的核心概念和实践方法。内容特点✅概念为主：快速了解RAG相关所有重要概念✅实践为辅：通过代码示例理解概念✅全局认知：建立RAG系统的整体理解✅参考指引：深入内容提供参考链接，不展开讲解。
2025-11-26 14:29:41
330
原创 crew AI笔记[10] - training特性-优化必备
其实有点没搞明白，参考crewai的最佳实践经验，一个好的agent设计，80%是task的设计，20%才是agent，那么为啥train的结果只能应用于agent？是不是因为恰恰是train的自动化机制使得agent优化非常简单，所以80%的task设计都体现在人工反复雕琢上？2、生成两个pkl文件【默认trained_agents_data.pkl、training_data.pkl】本质上就是在优化后的trained_agents_data.pkl基础上自动化更新agent描述，并构建一个闭环。
2025-10-09 16:12:16
450
原创 crew AI笔记[9] - 运用crew AI框架构建实战级agent项目
练练手可以，副作用很明显，因为我根本就不熟悉crew AI到底是个啥玩意，框架把实现细节都屏蔽了，让人更加难以了解细节。构造出合理的agent协作流程，并据此写出高质量的prompt，这才是crew AI应用工程师的核心竞争力【个人理解，不喜勿喷 ^_^】懂提示工程，具备领导力（是的，用crew AI就像管理者指挥各种专家协同作战一样），深刻理解业务，了解原始需求，能够。所以说用agent做个玩具容易，要做个能实战的东西去解决实际问题，真的很难，自己去实践一下就知道了。crewai版本：好像没啥关系？
2025-10-09 16:03:35
607
原创 crew AI笔记[8] - agent_task_crew进阶特性讲解
组件设计要点Agent角色清晰、能力明确、可求助、可编码Task描述精准、输出明确、有上下文、有护栏Crew流程合理、并行优化、自动调度Flow顺序可控、适合复杂流程。
2025-10-09 15:16:34
855
原创 crew AI笔记[6] - tools特性示例
tools是crew AI框架里一个重要角色，如果说agent是个人，tools就是这个人手里的家伙。赤手空拳肯定没有武装到牙齿的人厉害了~上面看起来一大堆，其实功能极其有限，还有大量的功能无法实现，提供了自定义工具的开发方法，如此一来类似自定义函数、MCP服务就可以很好以工具（服务）的形式内置进来，大大拓展了框架的可用性。具体开发方法不赘述，其实不需要自己写了，直接用AI就可以生成，自己只要把握好需求和输出结果就行。不懂装饰器、迭代器、异步编程这种高级语法，一点问题都没有。
2025-09-09 10:00:59
901
1
原创 crew AI笔记[4] - 第一个crew AI代码
基于crew AI构建一个研究智能体，终于开始动手自己玩了。。。安装了crewAI，参考配置了LLM，参考，谁配置谁吐血1、官方这个入门不太好，一上来就用规范框架把人绕晕了，建议直接裸奔，看核心的agent、task、crew怎么关联，找找感觉再说，见文末我的python源码（开箱即用）。当然，视coding功底而定，大神们肯定看习惯了觉得无违和感。像我这种小白还是习惯先简单粗暴看代码本身，不看框架。2、国内使用AI门槛比国外高太多，光一个LLM配置都搞死人。国外的服务不让人用，国内的服务适配性又不好。捣鼓
2025-08-12 06:19:42
1078
原创 crew AI笔记[3] - 设计理念
足够具体【作家× ，科技文档专家√】参考现实世界添加专业领域知识和技能点【一位擅长于数字信号处理的高级算法工程师】清晰且输出聚焦具体的质量标准，包括预期是什么对什么是好的进行直观定义。
2025-08-12 06:09:47
344
原创 crew AI笔记[2] - 如何选型
除了复杂度和准确性，选择框架时还应考虑部署成本、运维难度、团队经验和可扩展性等因素。Flow用于处理任务中结构化、可重复的部分，而Crew负责处理复杂的协作和创造性部分。：衡量任务的步骤数量、相互依赖程度、决策分支以及所需的领域知识量。：衡量输出结果的格式约束、唯一性要求、可重现性和对错误的容忍度。Flow作为流程和状态管理器，Crew负责具体的任务执行和推进。需要与传统编程逻辑结合，以确保一致和结构化的数据输出时。任务有严格的顺序步骤，需要得到唯一且可重现的结果时。需要多个角色、多步骤协作完成任务时。
2025-08-07 20:47:06
246
原创 再论sleep延时
背景在做通信项目的时候需要处理不同线程的数据流匹配问题，在加入sleep(second)延时函数后发现表现有点奇怪，仔细查阅api说明才了解到Linux下sleep函数和windows下的不一样！！！windows的sleep是毫秒延时，Linux下是秒级延时，而且输入浮点数后是向下取整Linux下延时函数汇总sleep(int second)秒级延时函数，输入浮点数的话会直接向下...
2019-07-26 16:21:41
832
原创 制作自定义图标(icon)
icon在线制作：https://www.online-convert.com/result/df8f12c7-3854-4f02-8499-8e628682b6d7需科学上网
2019-06-20 21:46:26
2310
原创 如何手动卸载已经安装好的python包
背景：在安装mkdocs的时候用 pip install mkdocs总是失败，log提示tornado的版本太低了，但是无法删除。于是想 pip3 uninstall tornado，出现如下错误。解决方法很简单：去C:\ProgramData\Anaconda3\Lib\site-packages这个路径下，（包安装的原始地址）把tornado-4.5.1-py3.6.eg...
2019-06-20 21:12:19
4707
原创 numpy使用
获取numpy的实际值：np_data = np.array([1,2,3,4,5])for s in np_data: s = s.__int__() print(s, type(s))
2019-06-15 14:04:43
152
原创 DataFrame操作大全（持续更新）
备注：下文无说明时，默认df为DataFrame格式的变量1. 新建方法1: 字典创建（如果不指定columns，则表头会自动排序）from pandas import DataFramehead = ['sex', 'age', 'name']data = { 'name':['zs','ls','ww'], 'age':[10,20,30],...
2019-06-15 09:43:14
1475
原创 chrome网页保存为图片
需求：需要将找到的网页资源保存起来，以备离线情况下查看实现步骤：chrome浏览器打开目标网页 按：F12 按：ctrl+shift+p 输入： full 点击：screenshot 即可，chrome此时会自动下载图片...
2019-06-05 16:17:58
1058
原创 阿里云部署git私有仓库全攻略——亲测可用（原创）
需求要将项目托管便于管理，但是又不想用GitHub这种开源软件。所以打算将git服务托管到阿里云上（显然也可以部署到自己的私有服务器上）。术语定义服务器端 - 远程-阿里云客户端 - 本地-（windows/Linux）大致思路确保服务端和客户端都有git服务配置认证权限，避免之后频繁输入密码（可选）服务器端兴建裸仓库用于项目托管本地clone该仓库，进行远程pull/push...
2019-05-28 15:08:52
3952
原创 Linux下USB设备自动复位的软件实现
背景 在做SDR项目的时候由于固件版本原因，每次使用完之后都需要重新插拔一下usb接口才能恢复正常。实际生成环境中肯定不能容忍这种情况发生，所以需要实现一种检测到usb设备异常后能够自动复位的功能思路 先找资料，去网上搬砖 再拿来直接用，在使用过程中找出不足之处 对缺点进行改进，形成通用库并进行发布解决过程...
2019-05-17 17:02:56
5274
2
原创 DataFrame增加一条记录
背景 需求很简单，往一个已经存在的DataFrame数据中增加一条记录。假设 有一个投资记录数据名称为data，其类型和值如下所示，现在需要添加一条交易记录，如何处理？<class 'pandas.core.frame.DataFrame'> amount deal_time direction id price total...
2018-12-08 11:23:32
6200
1
原创 DataFrame的数据筛选
背景 我需要从DataFrame数据结构中选取部分内容并重新组成一个DataFrame，例如：从一个班级成绩总表中选出A类并重新组成一个列表。这么简单的功能我居然searching了一个多小时，网上垃圾资源太多了~~~最后还是自己总结出的经验。（有更好的解决方法欢迎交流）思路 假设原有数据是table_raw, 创建一个空的dataframe（table_r...
2018-12-01 11:32:32
2523
1
原创 深入理解python的导入问题——包，模块（请勿参考，未完待续。。。）
背景 在python开发中，经常需要导入不同的内容，在开发大型项目时尤其棘手。稍有不慎就报错，算下来在这个问题上我浪费了太多时间。与其继续陷入这种泥潭，还不如掘地三尺掌握这个知识点，一劳永逸地解决问题。 本文按照“理论->习惯用法->示例”的思路组织语言。如果只是用一下，可以忽略理论部分（不过还是推荐至少把“路径”这一概念搞清楚）直接快速浏览习惯用法...
2018-11-20 17:03:20
659
原创 VSCode的python开发环境搭建
背景： Spyder调试python不太方便，听从朋友建议开始使用VSCode来开发python工程。自己从VSCode官网上下载了安装包傻瓜式安装后发现不能调试。摸索了一下，搞定了。记录一下以备后用。 环境：Win10 + python3.6步骤：1. VSCode官网安装，安装时只要注意一点就好，勾选添加到PATH。其余傻瓜式一键安装传送门：https...
2018-11-16 09:15:44
711
转载 使用SSH远程访问Linux主机的方法
版权声明：本文为转载文章，如有侵权请及时与作者联系。原文地址： https://blog.youkuaiyun.com/qq_32454537/article/details/77899676 Ubuntu 16.04 版本使用SSH的步骤及方法PS：首先电脑为Windows...
2018-11-13 17:29:46
321
JLink仿真器官方最新驱动_亲测WIN7可用
2018-07-27
步进电机的单片机控制
2011-03-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人