<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Mumu's Blogs]]></title><description><![CDATA[分享生活，知识改变命运]]></description><link>https://blog.youkuaiyun.com/zhu_1997</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zhu_1997]]></copyright><item><title><![CDATA[快速上手大模型推理vllm]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/169850064</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/169850064</guid><author>zhu_1997</author><pubDate>Mon, 02 Nov 2026 22:34:14 +0800</pubDate><description><![CDATA[LiteMoE 是一个约 1600 行的轻量级 MoE 推理引擎，通过调用 vLLM 实现专家、Attention 和路由计算。它在 A100 和 L4 上分别达到 vLLM 0.32.0 的 108.8% 和 105.3% 几何平均性能，主要提升来自删减冗余操作（如重复掩码）和优化算子融合。虽未支持调度器与多卡，但提供完整教程与交互式可视化，便于快速理解 MoE 推理流程。后续计划推进多卡与 CPU 版本，欢迎反馈与参与。]]></description><category></category></item><item><title><![CDATA[我靠这个股票分析项目马上6W star了]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/163115242</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/163115242</guid><author>zhu_1997</author><pubDate>Wed, 22 Jul 2026 22:28:05 +0800</pubDate><description><![CDATA[LLM驱动的股票分析系统]]></description><category></category></item><item><title><![CDATA[【复盘】48 小时 700+ Star：一次关于开源项目「技术价值」和「实用价值」的真实碰撞]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/156873423</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/156873423</guid><author>zhu_1997</author><pubDate>Mon, 12 Jan 2026 22:01:05 +0800</pubDate><description><![CDATA[最近做的一个自用项目「股票分析推送」开源之后，不到48小时就达到了700+ star, 也引发了我的一些思考，分享给大家看看。作为工程师，平时用开源项目用得很多，说实话也一直想着做点东西回馈社区。当然，如果项目能被更多人看到，Star 往上涨，本身也是一种很直接的认可。陆续发过一些项目，最近做的两个开源项目，结果反差非常大，也让我对「什么样的项目更容易被用、被传播」有了更清晰的认识。]]></description><category></category></item><item><title><![CDATA[[开源] 零成本基于 AI 的股票分析系统]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/156822710</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/156822710</guid><author>zhu_1997</author><pubDate>Sun, 11 Jan 2026 10:26:32 +0800</pubDate><description><![CDATA[起初只是自己做一个帮忙分析自选股和大盘的工具，减少盯盘、盯股票分析的精力，后面本着开源精神开源出来，能够每天定时推送到企业微信上。用的都是免费的方案，github action + Gemini 的 API + Serpapi 和 TAVILY 的检索功能，免费额度足够日常使用。│  ├─ 量比: 0.8 (缩量回调) ✓                  │。│  ├─ 理想买点: 25.50 元 (MA5附近)            │。│  一句话结论: 缩量回踩MA5，最佳狙击点出现    │。]]></description><category></category></item><item><title><![CDATA[让 AI 帮你盯盘！A股智能分析系统]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/156801092</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/156801092</guid><author>zhu_1997</author><pubDate>Sat, 10 Jan 2026 16:06:35 +0800</pubDate><description><![CDATA[AI盯盘]]></description><category></category></item><item><title><![CDATA[一文看懂 FastDatasets：用 LLM 极速生成高质量 SFT 数据集（已支持 Hugging Face Spaces & PyPI）]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/151121457</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/151121457</guid><author>zhu_1997</author><pubDate>Tue, 02 Sep 2025 21:28:21 +0800</pubDate><description><![CDATA[当大家还在手搓数据、到处找样本时，FastDatasets 已经把“数据蒸馏 + 指令增强 + 结构化导出”打包成一键流程。它是一个面向 SFT/Fine-tuning 的“数据生成工作台”：简单、快、可控、可落地。FastDatasets 的目标很直接：让每个团队都能像产品经理点按钮一样，批量生成可训、可复现、可解释的数据集。— 我们相信：好的模型建立在好的数据之上；而好的数据，应该被快速、优雅、低成本地生产出来。建议：先在 Space 秒懂流程，再在本地批量跑真活。— 立即体验与支持 —]]></description><category></category></item><item><title><![CDATA[FastDatasets 正式上线 PyPI：一行安装，立即生成训练数据集！]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/151045915</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/151045915</guid><author>zhu_1997</author><pubDate>Sun, 31 Aug 2025 14:13:28 +0800</pubDate><description><![CDATA[大家好！现已发布到现在你可以通过一行立即使用，无需克隆仓库或复杂配置。]]></description><category></category></item><item><title><![CDATA[重磅更新！FastDatasets 现已上线 Hugging Face Spaces，零门槛体验数据集生成神器]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/151026598</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/151026598</guid><author>zhu_1997</author><pubDate>Sat, 30 Aug 2025 21:48:51 +0800</pubDate><description><![CDATA[宝子们，你们要的来了！现在可以在上免费使用了！🚀 再也不用为了体验一个数据集工具而配置复杂的环境，点击链接就能立即上手！]]></description><category></category></item><item><title><![CDATA[大模型微调的救星！FastDatasets 一键搞定数据难题]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/150472318</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/150472318</guid><author>zhu_1997</author><pubDate>Sun, 17 Aug 2025 20:34:40 +0800</pubDate><description><![CDATA[大模型微调的救星！FastDatasets 一键搞定数据难题大模型再强，没有好数据集也很难发挥上限。手动标注太慢，爬虫数据质量参差不齐，购买数据又贵还难以贴合需求。现在，用 FastDatasets，构建高质量训练数据集只需一行命令。]]></description><category></category></item><item><title><![CDATA[重磅更新！FastDatasets 推出可视化 Web 界面，数据集生成更简单了]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/150148906</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/150148906</guid><author>zhu_1997</author><pubDate>Sun, 10 Aug 2025 16:04:29 +0800</pubDate><description><![CDATA[FastDatasets推出可视化Web界面，大幅简化数据集生成流程。新版本支持拖拽上传PDF/Word/Markdown等文件，提供直观的参数配置面板，包括文本分块、输出格式和LLM设置等功能。实时处理监控显示进度和日志，结果管理中心支持预览和下载。相比命令行版本，Web界面降低了使用门槛，提升了工作效率，同时保留了命令行自动化能力。该工具采用异步处理架构，支持批量操作和错误恢复，未来还将增加主题定制、数据分析等新功能。开发者可通过GitHub获取并体验这一升级版工具。]]></description><category></category></item><item><title><![CDATA[三步搞定！AI Agent|MCP技术原理大揭秘]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/148213473</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/148213473</guid><author>zhu_1997</author><pubDate>Sun, 25 May 2025 20:55:39 +0800</pubDate><description><![CDATA[宝子们，，一个超适合零基础入门AI Agent的宝藏项目。今天，我来带你们深入探索Agent背后的技术原理，让你彻底搞懂大模型和工具是怎么协作的！]]></description><category></category></item><item><title><![CDATA[大模型微调的救星！FastDatasets一键搞定数据难题]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/148213065</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/148213065</guid><author>zhu_1997</author><pubDate>Sun, 25 May 2025 20:18:51 +0800</pubDate><description><![CDATA[摘要： 大模型微调面临数据集构建难题，手动标注慢、爬虫质量差、购买成本高。推荐开源工具FastDatasets，支持自动化生成高质量问答对，5分钟快速上手。特点：全自动化处理、大模型保障数据质量、异步并行提速10倍+，兼容PDF/Word/Markdown等输入，输出适配Alpaca/ShareGPT等主流格式。适用于领域模型训练、研究及模型蒸馏场景，一行命令即可生成数据集。 关键词： #大模型微调 #数据集工具 #FastDatasets #LLM训练 #效率提升]]></description><category></category></item><item><title><![CDATA[FastDatasets新功能，让模型学会“思考”！]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/148100229</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/148100229</guid><author>zhu_1997</author><pubDate>Tue, 20 May 2025 22:41:13 +0800</pubDate><description><![CDATA[FastDatasets 推出新功能，支持生成带思维链的训练数据集，提升模型推理能力和可解释性。该功能通过捕获推理过程、标准化格式和灵活配置，帮助模型更好地学习复杂任务。用户可通过环境变量启用功能，选择支持推理的模型，并生成包含详细思维过程的数据集。适用于复杂推理、透明决策训练及教育场景。高级用法包括知识蒸馏获取思维链、自定义格式和调整推理深度。注意事项包括模型选择、数据多样性和质量检查。项目地址：FastDatasets，欢迎支持。]]></description><category></category></item><item><title><![CDATA[手把手教你用神器做数据蒸馏，效率狂飙10倍]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/147871961</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/147871961</guid><author>zhu_1997</author><pubDate>Sun, 11 May 2025 13:36:23 +0800</pubDate><description><![CDATA[在大模型时代，高质量的训练数据对模型性能至关重要，但获取和准备这些数据往往既昂贵又耗时。FastDatasets提供了一种高效的解决方案，通过数据蒸馏技术从大模型中提取知识，生成高质量的训练数据，用于训练更小的模型或增强大模型在特定领域的能力。该工具支持全自动处理，从文档到训练数据的转换，显著提高工作效率，并支持多种主流训练格式。它特别适合需要快速构建领域特定模型的研究者和开发者。通过异步并行处理和智能管理，FastDatasets能够大幅降低训练成本，提升模型质量，是进行大模型训练和数据准备的理想选择。
]]></description><category></category></item><item><title><![CDATA[宝藏开源项目！大模型训练数据集构建难题一键解决]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/147774542</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/147774542</guid><author>zhu_1997</author><pubDate>Wed, 07 May 2025 21:23:45 +0800</pubDate><description><![CDATA[家人们，大模型再火，没有好数据集也是白搭！现在训练大模型，最头疼的不是模型架构，而是。一站式解决数据集构建难题：只需输入文档或者路径，自动输出训练就绪的高质量问答对！#大模型训练 #数据集构建 #效率工具 #LLM #datasets。您的每一个星标都是对我们最大的鼓励！]]></description><category></category></item><item><title><![CDATA[三步搞定！AI Agent技术原理大揭秘]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/147719588</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/147719588</guid><author>zhu_1997</author><pubDate>Mon, 05 May 2025 16:49:14 +0800</pubDate><description><![CDATA[宝子们，上次给你们安利了，一个超适合零基础入门AI Agent的宝藏项目。今天，我来带你们深入探索Agent背后的技术原理，让你彻底搞懂大模型和工具是怎么协作的！]]></description><category></category></item><item><title><![CDATA[零基础入门Agent！三分钟打造你的第一个AI助手]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/147687732</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/147687732</guid><author>zhu_1997</author><pubDate>Sat, 03 May 2025 21:45:48 +0800</pubDate><description><![CDATA[在AI飞速发展的今天，大语言模型（LLM）的能力简直逆天，但要让它们真正发挥价值，就需要AI Agent来帮忙。可现有的Agent框架，配置复杂、学习曲线陡峭、依赖特定LLM、工具集成困难，简直就是新手的噩梦。三分钟，从零到一，打造属于你的AI助手！的实际应用超广泛，无论是快速原型开发、教学演示、自动化工作流还是智能助手开发，都能轻松搞定！：#AI #Agent #LLM #开源 #Python #人工智能 #开发工具 #新手友好。三分钟，从零到一，轻松熟悉agent原理，打造属于你的AI助手！]]></description><category></category></item><item><title><![CDATA[c++ 智能指针 shared_ptr、weak_ptr、unique_ptr]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/122136265</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/122136265</guid><author>zhu_1997</author><pubDate>Fri, 24 Dec 2021 22:08:48 +0800</pubDate><description><![CDATA[C++智能指针]]></description><category></category></item><item><title><![CDATA[realsense内参、外参获取]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/120706681</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/120706681</guid><author>zhu_1997</author><pubDate>Mon, 11 Oct 2021 16:52:56 +0800</pubDate><description><![CDATA[启动相机节点
roslaunch realsense2_camera rs_camera.launch
查看相机参数信息
rostopic echo /camera/depth/camera_info

内参矩阵格式


fx  焦距x
fy 焦距y
x0 偏移x
y0 偏移y

将上图K举证按照公式对应即可获得内参

]]></description><category></category></item><item><title><![CDATA[C++ 常用函数]]></title><link>https://blog.youkuaiyun.com/zhu_1997/article/details/120640391</link><guid>https://blog.youkuaiyun.com/zhu_1997/article/details/120640391</guid><author>zhu_1997</author><pubDate>Thu, 07 Oct 2021 19:54:45 +0800</pubDate><description><![CDATA[数字字符串转int


atoi()
头文件
不做参数范围校验，遇到越界的返回边界值
int atoi (const char * str);
http://www.cplusplus.com/reference/cstdlib/atoi/?kw=atoi


stoi()
头文件#include&lt;string&gt;
越界会报错
int stoi (const string&amp; str, size_t* idx = 0, int base = 10);
http://www.cplusplus]]></description><category></category></item></channel></rss>