<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[SunnyRivers]]></title><description><![CDATA[别以为自己到了极限，那可能只是别人的起点！]]></description><link>https://blog.csdn.net/Android_xue</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Android_xue]]></copyright><item><title><![CDATA[vLLM 官方调优方案]]></title><link>https://blog.csdn.net/Android_xue/article/details/165848390</link><guid>https://blog.csdn.net/Android_xue/article/details/165848390</guid><author>Android_xue</author><pubDate>Fri, 18 Sep 2026 10:14:47 +0800</pubDate><description><![CDATA[O0：无优化。启动时间最快，但性能最低。-O1：快速优化。包含简单编译、快速算子融合以及分段（PIECEWISE）CUDA Graphs。-O2：默认优化。包含额外的编译范围、额外的算子融合以及完整与分段（FULL_AND_PIECEWISE）CUDA Graphs。-O3：激进优化。目前等同于 -O2，但未来可能会包含更多耗时或实验性的优化。所有优化级别的默认配置都可以通过手动设置底层标志来实现。用户手动设置的标志优先级高于优化级别的默认值。]]></description><category></category></item><item><title><![CDATA[OpenAI Responses API 教程]]></title><link>https://blog.csdn.net/Android_xue/article/details/165620555</link><guid>https://blog.csdn.net/Android_xue/article/details/165620555</guid><author>Android_xue</author><pubDate>Wed, 16 Sep 2026 17:12:48 +0800</pubDate><description><![CDATA[OpenAI Responses API 是 2025 年 3 月推出的统一原语，它结合了 Chat Completions 的简洁性与 Assistants API 的工具使用能力。它支持文本+图像输入、内置工具（网页搜索、文件搜索、代码解释器、计算机使用、图像生成）、函数调用、结构化输出、流式传输，以及通过实现的有状态对话。既然 Chat Completions 已经能用，为什么 OpenAI 还要发布第三个 API？]]></description><category></category></item><item><title><![CDATA[Chat Completions Vs OpenAI Responses API]]></title><link>https://blog.csdn.net/Android_xue/article/details/165612155</link><guid>https://blog.csdn.net/Android_xue/article/details/165612155</guid><author>Android_xue</author><pubDate>Wed, 16 Sep 2026 14:33:44 +0800</pubDate><description><![CDATA[在学习结构化输出（structured outputs）时，我发现了一件奇怪的事情。我找到的几乎所有教程、课程和示例都仍在使用 Chat Completions API。。起初，我以为它只是对同一底层功能的另一层封装。Responses API 不仅仅是一个新的端点（endpoint）。它代表了 OpenAI 推动未来 AI 应用发展的方向。乍一看，Responses API 可能像是一个微小的改变。但它代表着更深远的意义。早期的 API 将 LLM 视为聊天接口。]]></description><category></category></item><item><title><![CDATA[vLLM VRAM Calculator 全解析与 LLM 显存调优实战]]></title><link>https://blog.csdn.net/Android_xue/article/details/164121269</link><guid>https://blog.csdn.net/Android_xue/article/details/164121269</guid><author>Android_xue</author><pubDate>Thu, 27 Aug 2026 16:53:33 +0800</pubDate><description><![CDATA[vLLM VRAM Calculator 不仅仅是一个工具，它是一套LLM 推理的资源管理学。理解了Weights (固定) vs KV Cache (动态)的博弈，理解了的底层构成，你就能在任何 GPU 硬件、任何模型架构下，从容地推导出最优的部署配置，彻底告别"显存盲盒"。下一步行动：打开你的 vLLM 部署环境，用本文的公式手动核算一次你的，看看你的 KV Cache 到底被谁吃掉了！]]></description><category></category></item><item><title><![CDATA[vLLM 生产环境配置指南]]></title><link>https://blog.csdn.net/Android_xue/article/details/164044597</link><guid>https://blog.csdn.net/Android_xue/article/details/164044597</guid><author>Android_xue</author><pubDate>Tue, 25 Aug 2026 09:23:04 +0800</pubDate><description><![CDATA[也就是说，模型实际需要处理的“批次轮次”会超过 7.2 轮（之所以说“超过”，是因为上述计算仅考虑了上下文长度，尚未计入 Decode 阶段生成的 Token）。对应的究竟是用户请求数，还是说在混合预填充-解码（Mixed-Prefill-Decode）模式下，它对应的是批次内的 Token 数量？对于系统提示词固定的工作负载，前缀缓存可减少 30%–50% 的 KV Cache 消耗——相当于在不牺牲吞吐量的前提下，获得了更保守利用率设置才有的缓冲空间。默认的 0.90 留给突发流量的缓冲空间太小。]]></description><category></category></item><item><title><![CDATA[git只需要掌握这些命令就够了]]></title><link>https://blog.csdn.net/Android_xue/article/details/163801748</link><guid>https://blog.csdn.net/Android_xue/article/details/163801748</guid><author>Android_xue</author><pubDate>Sun, 16 Aug 2026 21:28:30 +0800</pubDate><description><![CDATA[注意，这里的撤销和删除一个连add都没有操作的文本是不一样的，必须是该文件已经提交给git管理了，那如果我新建了一个文件，里面写了一堆东西，还没有add，这个时候要删除怎么办呢？💡 核心价值：rebase 让 git log 只保留"有业务含义的提交"，而不是"开发过程中的操作痕迹"。凡是问这个问题的人，那么恭喜你，说明你的协作规模和历史复杂度还在 merge 能舒适覆盖的范围内。PR审核通过后，在网页上合并，然后删除已合并的分支，并在本地删除旧分支，切换回主分支。]]></description><category></category></item><item><title><![CDATA[vllm内存优化技巧]]></title><link>https://blog.csdn.net/Android_xue/article/details/163335334</link><guid>https://blog.csdn.net/Android_xue/article/details/163335334</guid><author>Android_xue</author><pubDate>Thu, 30 Jul 2026 14:42:34 +0800</pubDate><description><![CDATA[作用：解决单卡显存不足或推理延迟过高的问题。它将模型的权重矩阵（如 Attention 和 MLP 层）按列或行切分，分布到多个 GPU 上同时计算。代码含义表示启动 2 个 GPU 进程共同服务这一个模型实例。注意这与“数据并行”不同，TP 是一个请求被拆分到多卡处理，而非多个请求分发到多卡。适用场景：模型参数量大于单卡显存，或者对首字延迟（TTFT）和生成速度有极高要求时。生产环境优先下载静态量化模型（FP8 > AWQ > GPTQ），避免运行时动态量化；]]></description><category></category></item><item><title><![CDATA[大白话大模型]]></title><link>https://blog.csdn.net/Android_xue/article/details/162464131</link><guid>https://blog.csdn.net/Android_xue/article/details/162464131</guid><author>Android_xue</author><pubDate>Fri, 03 Jul 2026 00:27:35 +0800</pubDate><description><![CDATA[想学习大模型相关的理论，我们看了很多视频教程但是依然还是感觉很懵懂，让你说又说不明白，感觉自己学的不系统，但是又没有时间和精力找一套完整的教程慢慢学习，如果你有这样的困扰，那么请你读这篇博客。首先你要相信这个世界上所有的知识都可以用一个函数来表示，也就是世界经典名言：
我们只需要将现实世界抽象成符号，再设置好运算规则也就是函数，最后算出来结果，反过来解释现实世界就可以了。
比如输入直角三角形的两个边长，根据勾股定理就可以得到斜边的边长：

这就是人工智能早期的思路：符号主义。但是这条路走到头了，很多问题人类]]></description><category></category></item><item><title><![CDATA[循环工程（loop engineering）：为AI编码智能体设计系统的终极指南]]></title><link>https://blog.csdn.net/Android_xue/article/details/162475079</link><guid>https://blog.csdn.net/Android_xue/article/details/162475079</guid><author>Android_xue</author><pubDate>Wed, 01 Jul 2026 09:39:29 +0800</pubDate><description><![CDATA[循环工程就是构建一个能按计划、围绕目标自动向你的智能体发出提示的系统，而不是每次都手动输入提示。价值杠杆点从单个提示的质量，转移到了生成和验证提示的系统设计上。早期采用者感到惊讶的是，这已不再是“自己动手丰衣足食”的时代。一年前，“循环”还意味着一堆只有你自己懂、且需要永久维护的Bash脚本。而到了2026年年中，这些功能模块已经内置于产品之中。Peter Steinberger列出的循环所需清单，几乎与OpenAI Codex应用的功能完全吻合，也与Anthropic的Claude Code高度一致。]]></description><category></category></item><item><title><![CDATA[AI Coding 零基础实战教程]]></title><link>https://blog.csdn.net/Android_xue/article/details/162374783</link><guid>https://blog.csdn.net/Android_xue/article/details/162374783</guid><author>Android_xue</author><pubDate>Sat, 27 Jun 2026 22:46:27 +0800</pubDate><description><![CDATA[目录

前言：一个不会写代码的人，如何用AI构建软件
第零部分：环境准备与工具安装
第一部分：AI编程基础理论
第二部分：AI编程工具生态与模型选择
第三部分：Claude Code 深度使用与进阶技巧
第四部分：AI技能系统（Skills）深度实践
第五部分：完整项目案例实操
第六部分：项目实战（独立完成）
第七部分：Codex Desktop 安装和使用教程
附录


阅读约定
在正式开始之前，先了解本教程中使用的标记约定：想象这样一个场景：产品经理小王完全不会写代码，但他用自然语言向AI描述了自己想要]]></description><category></category></item><item><title><![CDATA[深入理解 Python 包管理：pip install -e . 命令全解析]]></title><link>https://blog.csdn.net/Android_xue/article/details/161797796</link><guid>https://blog.csdn.net/Android_xue/article/details/161797796</guid><author>Android_xue</author><pubDate>Mon, 08 Jun 2026 13:29:13 +0800</pubDate><description><![CDATA[pip install -e . 不仅是一个安装命令，更是 Python 开发者打通“代码编写”与“环境测试”之间壁垒的桥梁。掌握其背后的符号链接机制与现代构建标准，将极大提升你的本地开发效率与工程化水平。]]></description><category></category></item><item><title><![CDATA[Python 中的类型安全：Pydantic vs. Data Classes vs. Annotations vs. TypedDicts]]></title><link>https://blog.csdn.net/Android_xue/article/details/161717957</link><guid>https://blog.csdn.net/Android_xue/article/details/161717957</guid><author>Android_xue</author><pubDate>Fri, 05 Jun 2026 13:57:55 +0800</pubDate><description><![CDATA[Python 的动态类型是其最大的优势之一。这种语言让开发者能够专注于完成任务，而不必被繁琐的类型定义和样板代码所困扰。在原型开发阶段，你根本没有时间去思考联合类型（Unions）、泛型（Generics）或多态（Polymorphism）——闭上眼睛，相信解释器能猜出变量的类型，然后直接开始下一个功能的开发。]]></description><category></category></item><item><title><![CDATA[Deep Agents Streaming：实时掌握你的AI代理每一步]]></title><link>https://blog.csdn.net/Android_xue/article/details/160970335</link><guid>https://blog.csdn.net/Android_xue/article/details/160970335</guid><author>Android_xue</author><pubDate>Mon, 11 May 2026 10:32:16 +0800</pubDate><description><![CDATA[子代理进度跟踪LLM令牌流工具调用详情自定义更新事件通过这些实时数据流，你可以构建更直观的用户界面，提供更好的用户体验，或者进行详细的执行分析。使用@tool"""对给定主题运行数据分析。此工具执行实际分析并发出进度更新。对于任何分析请求，您必须调用此工具。]]></description><category></category></item><item><title><![CDATA[Deep Agents Profiles：为你的 AI 代理定制模型行为的终极指南]]></title><link>https://blog.csdn.net/Android_xue/article/details/160969808</link><guid>https://blog.csdn.net/Android_xue/article/details/160969808</guid><author>Android_xue</author><pubDate>Mon, 11 May 2026 10:18:09 +0800</pubDate><description><![CDATA[简单来说，Profiles 就是一套“模型专属”的配置模板。Harness Profiles (代理配置文件): 这是最常用、功能最强大的类型。它用于配置代理（Harness）的行为，例如系统提示词、可用的工具、中间件栈以及子代理的设置。它的目标是微调代理如何与模型交互。Provider Profiles (提供商配置文件): 这是一个更底层的 API，主要用于配置模型本身的初始化参数（如），或者在模型创建前执行一些操作（如凭证检查）。大多数情况下，你只需要关注 Harness Profiles。]]></description><category></category></item><item><title><![CDATA[Deep Agents Sandboxes：安全执行代码的隔离环境指南]]></title><link>https://blog.csdn.net/Android_xue/article/details/160967511</link><guid>https://blog.csdn.net/Android_xue/article/details/160967511</guid><author>Android_xue</author><pubDate>Mon, 11 May 2026 09:08:27 +0800</pubDate><description><![CDATA[在 Deep Agents 中，沙箱是一种特殊的后端（backend），它为智能体提供了一个隔离的执行环境。与其他只提供文件操作的后端（如 State、Filesystem、Store）不同，沙箱后端还赋予智能体一个execute工具，用于在沙箱内运行任意的 Shell 命令。所有标准的文件系统工具（lsread_filewrite_fileedit_fileglobgrepexecute工具，用于在沙箱中运行任意 Shell 命令一个保护你主机系统的安全边界。]]></description><category></category></item><item><title><![CDATA[Deep Agents 技能（Skills）使用指南]]></title><link>https://blog.csdn.net/Android_xue/article/details/160913190</link><guid>https://blog.csdn.net/Android_xue/article/details/160913190</guid><author>Android_xue</author><pubDate>Sat, 09 May 2026 09:57:45 +0800</pubDate><description><![CDATA[Skills 是可重用的智能体能力，它们提供了专门的工作流程和领域知识。简单来说，Skills 就像是给你的 AI 助手安装的"插件"或"应用程序"，让它们能够执行特定的任务。核心价值：通过 Skills，你可以扩展智能体的能力，而无需修改核心模型重用性：Skills 可以在不同的智能体项目中重复使用模块化：每个 Skill 都是独立的，便于维护和更新Deep Agents 的 Skills 系统为构建专业化的 AI 智能体提供了强大的扩展能力。]]></description><category></category></item><item><title><![CDATA[Deep Agents Memory：让你的AI代理拥有持久记忆]]></title><link>https://blog.csdn.net/Android_xue/article/details/160912938</link><guid>https://blog.csdn.net/Android_xue/article/details/160912938</guid><author>Android_xue</author><pubDate>Sat, 09 May 2026 09:49:10 +0800</pubDate><description><![CDATA[Deep Agents Memory是一种基于文件系统的持久化记忆机制，允许代理在不同会话之间读取和写入记忆文件。与短期记忆（仅在单次会话中有效）不同，长期记忆可以跨越多个会话，让代理真正"记住"用户偏好、积累的知识和学到的技能。文件系统支持：记忆以文件形式存储，便于管理和版本控制灵活的作用域：支持用户级、代理级和组织级的记忆隔离读写控制：可以配置记忆文件为只读或可写按需加载：支持在启动时加载或在对话中按需读取。]]></description><category></category></item><item><title><![CDATA[Deep Agents 权限控制：打造安全可靠的智能体文件系统访问]]></title><link>https://blog.csdn.net/Android_xue/article/details/160912602</link><guid>https://blog.csdn.net/Android_xue/article/details/160912602</guid><author>Android_xue</author><pubDate>Sat, 09 May 2026 09:39:51 +0800</pubDate><description><![CDATA[Deep Agents 的权限控制允许你通过声明式规则来限制智能体对文件系统的访问。这些规则会自动应用于 Deep Agents 内置的文件系统工具（如lsread_fileglobgrepwrite_fileedit_file重要提示：权限控制需要版本，并且仅适用于内置的文件系统工具。自定义工具、MCP 工具以及沙箱后端的execute工具不受此权限系统约束。Deep Agents 的权限控制系统为你提供了强大的文件系统访问控制能力。隔离工作环境：限制智能体只能访问特定目录保护敏感数据。]]></description><category></category></item><item><title><![CDATA[深入浅出 Deep Agents 的 Human-in-the-Loop 功能]]></title><link>https://blog.csdn.net/Android_xue/article/details/160912059</link><guid>https://blog.csdn.net/Android_xue/article/details/160912059</guid><author>Android_xue</author><pubDate>Sat, 09 May 2026 09:30:00 +0800</pubDate><description><![CDATA[Human-in-the-Loop 是一种工作流模式，允许人类在 AI 执行敏感操作前进行审批。Deep Agents 通过 LangGraph 的中断（interrupt）功能实现这一机制。AI 代理计划执行某个工具系统检查该工具是否需要人工审批如果需要，AI 暂停执行并等待人类决策人类可以选择批准、编辑、拒绝或直接回应AI 根据人类决策继续执行fill:#333;important;important;fill:none;color:#333;color:#333;]]></description><category></category></item><item><title><![CDATA[Deep Agents中的异步Subagents]]></title><link>https://blog.csdn.net/Android_xue/article/details/160911911</link><guid>https://blog.csdn.net/Android_xue/article/details/160911911</guid><author>Android_xue</author><pubDate>Sat, 09 May 2026 09:18:17 +0800</pubDate><description><![CDATA[异步子代理允许主代理启动后台任务并立即返回任务ID，这样主代理可以继续与用户交互，而子代理在后台并发工作。主代理可以随时检查任务进度、发送后续指令或取消任务。注意：异步子代理是deepagents0.5.0 中的预览功能，API可能会发生变化。异步子代理是构建高效、响应式AI代理系统的强大功能。通过允许主代理启动后台任务并继续与用户交互，它显著提高了用户体验和系统效率。使用清晰、具体的子代理描述为本地开发适当调整工作池大小在系统提示中防止立即轮询始终使用完整的任务ID。]]></description><category></category></item></channel></rss>