GHL284271090的博客

原创 阿里矢量图标库 学习

有时要下载图片，用于界面上，可到 "阿里矢量图标库" 下载，需要先 "登录"，下载图标很方便，也支持AI动态生成。网址：https://www.iconfont.cn/

原创 使用Trae开发微信小程序(智能换背景)学习

1 项目主配置文件项目主配置文件必须放到项目的根目录下，控制整个项目-.eslintrc.js：JS 格式配置文件- app.js： 小程序入口文件- app.json：小程序的全局配置文件- app.wxss：小程序的全局样式- project.config.json 小程序的配置- app.js 和 app.json 文件是必须的，不能没有# 2 页面文件小程序有一个个页面，每个页面所需的文件，都存放在 pages 目录下，一个页面一个文件夹。

原创 coze获取令牌

1、打开链接：https://www.coze.cn/open/oauth/pats。3、选择过期时间,比如:30天。4、权限和工作空间选择。

原创 coze获取工作流id

3、截取参数 workflow_id= 之后、下一个 & 之前的数字串。2、复制浏览器顶部完整地址栏链接。1、打开你的扣子工作流编辑页面。

原创 本地(windows)安装mysql学习

或者在我的电脑--》管理--》服务中--》点击开启或停止。# 2 来到bin路径下输入：要输入之前的随机密码。Navicat：是收费的，破解版可去网上查找。在虚拟中安装8.4.4学习。

原创 在阿里云机上部署nginx + Trae生成的小游戏

使用 HTML、CSS、JavaScript 分三个独立文件实现俄罗斯方块小游戏，分别为页面结构文件、样式文件、逻辑脚本文件，代码生成到code目录。使用工具FinalShell，将这3个文件上传到 /usr/local/nginx/html/备注：在目录下把原来文件删除，/usr/local/nginx/html/ ，再上传。在自己本地浏览器访问服务器ip，若能出现nginx，则说明nginx安装成功。浏览器中打开index.html，如图，正常就可以玩游戏了。

原创 购买阿里云服务器-学习

2.1、付费类型包年包月: 相当于包年、包月这个云机器，一次性预付固定时长(月/年)，时间越长折扣越高按量付费：按小时计费，用多少花多少钱抢占式实例：竞价购买阿里云闲置算力，价格最低可达按量付费的1折，资源紧张时会被系统强制回收，回收前5分钟发送通知。2.2、地域(如何选择地域)带"惠"是比较便宜的。但是我选择离我们近一点，比如:这里的上海2.3、网络选默认2.4、实例和镜像相当于在我们选择的机器上 安装操作系统。

原创 PowerShell快捷键学习

Scope CurrentUser：仅对当前登录用户生效，不影响系统其他用户，安全性更高。这一步解决了 无法加载 profile.ps1 的报错，让 PowerShell 可以正常读取你的配置文。RemoteSigned：允许本地创建的脚本（如你的 profile.ps1）运行，从网络下载的脚本需有数字签名才能运行，兼顾安全与实用性。执行后输入 A 回车（表示「全是 / Yes to All」，确认更改）。如果提示「文件不存在」，选择「是」创建文件。2.2、在打开的记事本中，粘贴以下完整配置。

原创 Trae学习

AI编辑器如下：这些 AI 编程工具的体验差异，本质上就是底层模型能力的差异。官网：立即下载 | TRAE - The Real AI Engineer2.1、默认支持的模型2.2、SOLO模式通用智能体模式IDE 模式：人主导，AI 是辅助（补全、查错、解释）。SOLO 模式：AI 主导的全自动智能体模式，你说需求，它自己规划、写代码、调终端、自测、改 Bug，全流程跑完vide coding = Vibe Coding = 氛围编程（也叫沉浸式编程）。你用自然语言说想法 / 效果，AI 把它写成代码

原创 登录、注册页面学习

1、调用工作流2、页面跳转给按钮添加事件响应:选择对应的工作流，比如:这里的注册工作流如下设置：点击注册按钮，就会跳转到注册界面。目前coze不支持，注册工作流成功再跳转登录界面，也就是说：这里点击注册按钮，无论工作流成功、失败都会跳登录界面。

原创 注册工作流

原创 登录工作流学习

原创 git创建私库，上传代码

1. Choose visibility（仓库可见性）2. Add README（添加 README 文件）3. Add .gitignore（添加 .gitignore 文件）4. Add license（添加开源许可证）git clone https://github.com/xxxx/HL-SkyBridge.git初始一些文件夹或文件，提交到仓库(git push)即可，仓库就创建好了

原创 claude使用学习

优点：固定月费，不按 Token 计费，每月最多 145 元，适合日常写代码(每天2-4小时)国内服务器替你访问官方 Claude API，再把结果返回给你。缺点：API按量计费，用多少Token，算多少钱，相当贵。优点：不用mo法，改配置就能用，支付宝、微信都可以充钱。缺点：有5 小时滚动限制 + 周上限，需要mo法。2.登陆后不要更换网珞mo法，保持登陆后的这个点。1.首次登Claude先检查网络纯净度。测试了下1小时，花费40多元！【方案2-Claude使用注意事项】3.登路设备固定一个。

原创 coze低代码平台应用初学

传统写软件要大量编码，低代码应用以拖拉拽可视化为主、少量代码为辅，让普通人也能通过拖拖拽拽 + 自然语言配置，像搭积木一样制作 AI 智能体和工具，轻松创建属于自己的 AI 软件（如网页、对话机器人，可发布到微信等渠道）。组件：搭建界面的基础元素，比如文本、按钮、输入框、图片、宫格列表等。数据：是连接「用户界面」和「业务逻辑」的桥梁，用来把工作流的结果动态展示在界面上，也能把用户的输入传递给后台逻辑执行。模板：平台预设好的完整界面方案，直接套用就能快速搭建页面，节省从零开发的时间。

原创 换脸工作流学习

手机全屏比例（抖音、视频号、小红书竖版视频），是短视频和手机壁纸的黄金比例。设置提示词如下:(我用豆包生成的)9:16手机全屏比例。

原创 安装claude cli步骤

建议使用npm的方式安装，先安装nodejs，nodejs建议安装LTS版本（长周期支持版本），再安装npm，然后安装claude code cli。nodejs下载地址：https://nodejs.org/en/downloadcluade code cli的安装方式：https://code.claude.com/docs/en/setup。

原创 Qt Creator 19.0.0 (Community)下载

链接:https://www.qt.io/development/tools/qt-creator-ide

原创 Qt6.11安装

链接:https://www.qt.io/development/tools/qt-creator-ide

原创 coze变量聚合节点学习

1、同一聚合分组里，所有变量必须是相同类型，不同类型不能放在一组。2、按你排好的顺序，返回本组中第一个不为空的值。3、如果全为空，则输出也为空。

原创 普通函数指针 与 成员函数指针代码学习

m_MsgMap：用于存储 Windows 消息标识符（ MSG_ID ）与成员函数指针（ MSG_HANDLER ）的一一对应关系。其核心作用是在对话框消息循环中实现 声明式消息分发，当窗口接收到消息时，通过遍历此映射表自动路由到对应的处理函数，从而避免传统 switch-case 的冗长代码，提升代码的可维护性和扩展性。开源代码看到别人使用成员函数指针设计；

原创 vector的clear与shrink_to_fit

shrink_to_fit：尝试将capacity缩减到与当前size相等，释放未使用的内存空间。clear：删除元素，此时size为0，容器内存保持不变。

原创 Logon failed, use ctrl+c to cancel basic credential prompt

克隆别人私库代码(已经开了权限)报错如标题，豆包查了下Git命令行禁止用密码，必须用Token(PAT)或SSH密钥。

原创 MinerU学习

MinerU 专注于高效解析和提取复杂的 PDF 文档、网页和电子书，并将其转换为易于分析的 Markdown 或JSON 格式。由 上海人工智能实验室OpenDataLab 团队 开发。主要功能包括：• PDF 转 Markdown支持多模态 PDF（含图片、表格、公式等）的结构化转换。自动去除页眉、页脚、脚注等干扰信息，保留标题、段落、列表等结构。公式识别并转换为 LaTeX 格式，表格转换为 HTML 或 Markdown。

原创 多模态处理-图像学习

LLM多模态处理图像 OCR的区别，llm能理解整张图的语义、逻辑、场景关系；ocr只是单纯的提取文字，不懂语义。列举几个多模态模型，比如：glm-5.1、Qwen3.5-plus、kimi-k2.6。本文示例，使用的qwen3.5-plus。

原创 Coze智能体记忆变量、长期记忆、文件盒子

coze搭建智能体时，记忆模块有变量、数据库、长期记忆、文件盒子，他们分别什么用，什么时候用?单次对话内，临时存储用户关键信息，对话结束或重新开对话，变量内容清空如果不使用变量，多轮对话后就记不住，之前的信息了。比如：搭建旅游智能体，第一次输入：上海，1日，2人，1000元规划中间多轮对话，比如：再加1个人，或其他问题最后问，我的预算是多少，大模型就记不住了。但是如果新建变量，单次无论多少轮对话，变量永远固定保存关键信息，相当于智能体记住关键信息，比如预算。

原创 python通过API调用Coze智能体学习

可以自己写个程序、网页、微信小程序、app调用这个智能体，智能体作为我们程序的一部分。发布会有个链接，这个链接可以发给其他人，这样其他人就能是有这个智能体了。需要获取智能体id、API_KEY。2、选择个人令牌，点击添加。3.4、程序demo代码。

原创 模型微调学习

类比：手把手背标准答案核心：用（问题->标准优质回答）成对数据，让模型模仿句式、格式、知识话术特点：只学[什么是正确回答]，不学[哪个回答更好]，是所有微调的基础。例子：训练电商客服机器人时，我们可以提供大量这样的数据：输入："我要退货，怎么操作？输出："亲，退货流程如下：1）进入订单详情页；2）点击申请退货；3）选择退货原因；4）提交后等待审核..."模型学习的是：当用户问退货相关问题时，应该按照这个固定格式和步骤回答。重点是答案必须准确、格式规范，不能教错知识。

原创 CreateFileW长路径问题

项目前场反馈某个功能有问题，排查发现调用CreateFileW(系统API)，失败了，lasterror是3(系统找不到指定的路径)。

原创 打开文件/文件夹属性窗口

和鼠标右键->属性是一样的。

原创 cmake 下载地址

链接: https://cmake.org/files/

原创 AI开发框架相关问题整理

能力继承：这是最神奇的地方。会生成 {"name":"get_weather","description":"...","parameters":{"city":{"type":"string"}}}LLM分析用户问题判断是否需要调用工具，若需要，则根据收到的JSON Schema，生成结构化的工具调用指令（如get_weather("北京")；2、Action(行动)：根据推理结果，选择对应的工具并生成调用指令(含工具名称和参数)，比如:get_weather("北京")

原创 Hugging Face学习

定义准确率评估指标。

原创 LangChain Qwen对比学习

主流AI Agent框架有哪些?LangChain：国外的，全能型框架，支持RAG、Agent、工具调用、记忆、多轮对话、流程编排全覆盖Qwen-Agent：国内的，主打轻量化智能 Agent 快速落地，适配中文场景，封装简单、学习成本低，更适合国内模型LlamalIndex：主要偏向数据处理，比如：RAG。

原创 LangChain学习

除了预置工具，还可以用 @tool 装饰器创建自定义工具，把普通函数变成AI能用的工具Agent自动判断什么时候用，用哪个工具示例代码：实现了 AI 智能体 + 自定义加减乘工具，让 AI 能自动调用你写的函数完成计算任务。

原创 Agent相关问题整理学习

关键指标之一是自定义的ProcessingMode评估器：比如用户问 “查余额” 这种简单问题，如果 Agent 调用了复杂的 Planner 链路，而非直接走 API 查询，即使答案正确，在测试中也会判定为失败，因为这浪费了 Token 和时间，影响系统整体效率。设计了一个while循环，当Code Interpreter 返回 Error时，不直接把错误抛给用户，而是把错误信息 + 之前的代码重新喂给LLM，提示它，这段代码报错了，

原创 playwright学习

微软开发，基于Devtools协议的浏览器自动化工具，支持浏览器Chrome、Edge、Firefox、WebKit（Safari 内核）。支持多种语言，Node.js、TypeScript/JavaScript、Python、.NET、Java。官网：https://playwright.dev/

原创 获取vector中最大值及索引

【代码】获取vector中最大值及索引。

原创 Elasticsearch使用学习

Elasticsearch 可以理解为一个擅长检索和分析的分布式文档数据库，同时也是一款开源、高可扩展的分布式全文检索引擎，完全开源免费，非常适合海量文本数据的快速存储与检索。由于 ES 基于 Java 开发，传统安装需要预先配置 JDK 1.8 及以上环境。不过从 Elasticsearch 7.0 开始，安装包已内置适配的 OpenJDK，无需再单独安装和配置 Java 环境，部署更加简便。官网：https://www.elastic.co/cn/downloads/elasticsearch。

原创 Qwen-Agent 内置RAG学习

Qwen-Agent的内置rag系统，默认基于BM25 关键词检索算法实现文档匹配，是轻量级内存式RAG，Assistant 传入files参数即激活内置 RAG，适合小批量文件处理。【内存加载流程】1、文档解析与分块doc_parser(qwen_agent\tools\simple_doc_parser.py)按文件后缀pdf、txt、docx等解析文件，按默认500字符将文本切分成多个文本块，生成{page_content, metadata}的字典列表2、内存存储。