- 博客(207)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 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。
2026-04-23 15:25:59
389
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，
2026-04-21 14:06:33
313
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/
2026-04-16 17:52:31
310
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。
2026-04-09 13:44:35
249
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。
2026-04-08 17:05:18
51
原创 LangSmith学习
LangSmith 是 LangChain 官方推出的 LLM 应用全生命周期开发平台，核心定位是为基于 LangChain/LangGraph 构建的大模型应用提供端到端的可观测性、调试、测试与评估能力，解决 LLM 应用开发中「黑盒难调试、性能难监控、效果难评估」的核心痛点。
2026-04-03 13:17:19
335
原创 Base64学习
2、后端把图片信息base64数据嵌入到API响应中，前端负责显示。1、邮件的附件，附件内容原始文件是base64编码。为了把二进制内容安全转成文本字符串。为什么会有base64呢?
2026-04-02 15:11:58
54
原创 MCP学习
FastMCP 是 Python MCP SDK 中的轻量级服务器框架，特点如下：自定义MCP server安装依赖：# 1. 初始化FastMCP服务（仅1行）# 2. 注册工具：文本统计（自动发现，无需额外配置）"""统计文本的字符数、行数、单词数:param text: 需要统计的文本内容:return: 结构化统计结果"""return (f"文本统计结果：\n"f"总字符数（含空格/标点）：{char_count}\n"f"总行数：{line_count}\n"
2026-04-01 09:33:18
362
原创 Function Call学习
1、使用 @register_tool(工具名) 注册工具2、定义类继承BaseTool，自定义工具类必须继承这个基类，基类提供了call方法规范、参数解析、异常捕获能力3、description定义工具的描述，这是给大模型看的说明书，模型根据描述判断什么时候调用这个工具4、def call 是模型真正调用的函数，工具的执行入口，params模型传过来的参数(字典或json字符串)，返回值必须是str。
2026-03-31 11:15:58
214
原创 RAG相关问题整理学习
向量检索是语义匹配，BM25是关键词匹配向量检索缺点：可能匹配不准1、对精确关键词匹配不敏感 (如产品型号、人名)比如产品型号、人名、编号、术语，只看语义相似度，不看字面是否完全一致。2、容易匹配不准，甚至漏掉字面完全匹配的内容语义相似但实际不是同一个东西，也会被召回混合检索 = 向量检索 + BM25匹配，结合向量检索和关键词匹配相结合。【示例】缺点 1：对精确关键词、编号、型号不敏感例子：文档里有：“苹果 15 Pro 电池容量 4400mAh”
2026-03-25 15:13:16
358
原创 用户帐户限制(例如，时间限制)会阻止你登录。请与系统管理员或技术支持联系以获取帮助。
核心原因是被远程的计算机账户密码为空，且系统安全策略默认禁止空密码账户进行远程登录。
2026-03-23 14:58:42
121
原创 RAG系统-高效召回学习
Vector (向量/语义检索, 如FAISS): 能够理解词语间的语义关系，即使查询词与文档用词不同，也能找到意思相近的内容。通过大模型将用户原始问题改写为多个语义等价、视角不同的查询，分别检索后合并结果，解决单一查询漏召回、用户表述不规范的问题。这个方案思路相当于用混合检索，比如检索了30个，再用Rerank模型精细匹配，提高召回精度。混合检索要快一些，rerank检索要慢一些，所以要先混合检索 再rerank检索。融合 BM25（关键词）和 FAISS 向量检索（语义），平衡召回率和精准度。
2026-03-20 11:02:37
450
原创 RAG系统知识库本身的能力建设学习
上海迪士尼乐园位于上海市浦东新区，是中国大陆首座迪士尼主题乐园，于2016年6月16日开园。乐园占地面积390公顷，包含七大主题园区：米奇大街、奇想花园、探险岛、宝藏湾、明日世界、梦幻世界和迪士尼小镇。解决思路：用AI为每个知识切片生成多样化的问题，通过用户提问与原文、生成的问题匹配，俩种检索方式，提高检索的准确率。(类型: 条件问, 难度: 中等)4. 与全球其他迪士尼乐园相比，上海迪士尼乐园有什么特别之处？(类型: 对比问, 难度: 中等)(类型: 间接问, 难度: 中等)
2026-03-20 10:39:54
44
原创 判断一个文件最后修改时间是否超出了指定天数
【应用场景】缓存管理: 用于验证缓存文件是否过期，决定是直接使用还是重新生成。数据备份: 用于识别新增或修改过的文件，以便执行增量备份。清理临时文件: 用于自动删除系统中超过保留期限的无用临时文件或日志。监控与告警: 用于检测关键文件是否长时间未更新，以判断服务或流程是否异常。任务调度: 用于确保下一个任务仅在必要的输入数据足够新时才被执行。软件授权: 用于检查授权文件的时效性，以验证许可证或试用期是否有效。
2026-03-17 16:33:37
21
原创 NoteBookLM学习
NotebookLM 是 Google推出的基于Gemini 模型的私人多模态知识库AI助手。网址：https://notebooklm.google.com/需要正确上网!!!!1、每个Notebook最多50个文件，每个文件最多包含50万字或200兆字节的数据。用户可以上传多达2500万字的文本来创建特定学习主题的笔记本。2、NotebookLM可以组织信息、总结关键事实，回答用户的问题，并制作成播客。
2026-03-17 11:27:00
613
原创 基于Windows消息跨进程读取 TreeView 节点文本和矩形
代码基于windows消息TVM_HITTEST、TVM_GETITEMW、TVM_GETITEMRECT等跨进程读取TreeView节点文本和矩形。代码属于demo功能验证级别，可以跑通，主要实现如下功能：1、跨进程通过屏幕坐标定位 TreeView 控件指定节点；2、获取指定 TreeView 节点的文本内容；3、获取节点整体矩形区域及仅文本部分的矩形区域（含相对 / 屏幕坐标转换）；4、遍历 TreeView 根节点下一级子节点，批量提取节点文本与矩形信息。
2026-03-13 17:26:47
28
原创 RAG学习、RAG问答demo搭建
收集并整理文档(pdf、doc、xlsx、txt等)、网页、数据库等数据，去除乱码、多余空格，统一编码、格式、标点、无效信息，确保数据完整性。1、大模型是有窗口大小限制的，比如：不能把几万、几十万页的文档及用户问题塞给LLM，必须通过检索出相关信息，再进行输入。2、知识是私有的，比如：公司的内部文档、业务数据，大模型是不知道的，此时可以做成一个RAG知识库，配合大模型使用。3、时效性问题，比如：大模型训练的数据是静态的，无法涵盖最新消息，RAG可以检索最新外部数据。
2026-03-11 17:18:22
333
原创 向量数据库FAISS学习
存储和查询向量的数据库，向量可以从文本、图片、音视频转化而来，核心能力是高效的相似性检索。向量数据库的价值1、为大模型提供长期记忆：弥补LLM上下文窗口长度限制和、解决知识过时问题。用户提问时，先去向量库搜索相关内容，把搜索到的内容和用户问题一起塞给大模型，模型回答用户问题。2、私有知识库问答、语义搜索：将企业内部文档、产品信息等转化为向量，实现基于语义的智能检索3、推荐系统、以图搜图等场景用向量相似度做召回、排序和传统数据库的区别：不精确匹配，找最像的。
2026-02-28 17:23:43
419
原创 word Embedding、Word2Vec学习
word Embedding 将自然语言单个词向量化，转换完向量可以进行计算了(比如：相似度计算)。word2vec是一个简化版的embedding训练工具，训练时语料越多、质量越高，训练后的模型越准确。百炼平台、魔搭平台上有预训练好的embedding模型，可以直接使用，不用自己从头训练，图片和文字的embedding模型是不同的，意味着你不能用文字的embedding模型去处理图片。embedding模型和LLM是完全不一样的，
2026-02-28 10:55:10
1137
原创 teamtalk登录用户名、密码写配置文件学习
在teamtalk登录界面中，当用户点击"登录"按钮时，系统将执行一系列操作，其中包括一个写配置文件的动作。此动作负责将用户在界面上输入或选择的信息保存到配置文件中(用户名、密码、记住密码勾选状态，服务器ip地址等信息)。这个配置文件的作用：程序下次启动时，能够自动从配置文件中读取并加载之前保存的信息，提升用户体验。登录按钮对应的代码如下，其中写配置文件的代码是。
2026-02-27 16:56:56
902
原创 YOLO学习
YOLO可以从给定的图片中找物体(比如：人、车、猫)，用矩形框和类别标签，标出所有被识别出的物体，主流的YOLO代码实现是基于PyTorch框架编写的。最新版本YOLOv12，https://github.com/sunsmarterjie/yolov12。
2026-02-24 14:22:41
994
原创 TensorFlow学习
谷歌开发的开源机器学习框架，高效、便捷地实现神经网络。TensorFlow把前向传播、反向传播、参数更新这些复杂容易出错的底层步骤全部封装起来了，只需调用简洁的API，就能完成模型的搭建和训练。
2026-02-12 10:04:46
773
1
原创 TeamTalk登录流程学习
获取用户名、密码，封装成DoLoginServerHttpOperation，放到HTTP 处理线程池，交给工作线程处理。HTTP 处理线程池，是生产者-消费者模式，是生产者，向队列插入任务，高优先级插入队列头，其次插入队尾，_launchThread创建线程(如果已经达到了最大线程数，不会创建新的线程)，发出信号，让工作线程执行任务。TTHttpThread::process是消费者，从队列头部获取任务执行。
2026-02-09 17:47:12
570
原创 创建代理、后台隐藏窗口(C++代码)
HWND_MESSAGE：CreateWindowEx 函数会创建一个不可见的窗口，这个窗口不会显示在屏幕上，也不会有 Z-order（堆叠顺序），但它仍然拥有自己的窗口过程 (WndProc)，可以接收发送给它的消息。移除WS_EX_NOACTIVATE：该窗口不会获得焦点或激活，确保对用户不可见且不干扰交互。移除WS_EX_TOOLWINDOW: 用于吟唱窗口的样式，通常不会在任务栏显示。客户端编程中有时需要创建代理窗口，用于线程间通信、用于进程间通信。1、调用CreateWindow创建窗口。
2026-02-06 17:21:30
70
原创 激活窗口，窗口前置(C++代码)
如果你的窗口线程不是前台线程，直接调用SetForegroundWindow大概率会失败。做了严格限制：只有当前前台窗口所在的线程，才能随意激活其他窗口。Windows 系统为了防止窗口恶意抢占焦点，
2026-02-05 17:47:57
53
原创 分析式AI学习
AI分为分析AI、生成式AI有什么区别呢分析式AI，通过现有数据训练模型，让模型有能力预测新数据的决策。生成式AI，让AI生成某种结果，比如：写一段代码，生成一段文字。
2026-02-05 15:27:46
551
原创 设置socket选项SO_REUSEADDR
服务器监听 socket 设置 SO_REUSEADDR，是为了解决重启服务器时，端口因 TIME_WAIT 状态被占用，导致监听失败的问题。第四步，主动关闭放(A)，收到FIN包，回复ACK包，A进入TIME_WAIT状态，通常2MSL，B收到ACK包直接关闭。第二步，被动关闭方(B)，收到FIN，回复ACK包，B进入CLOSE_WAIT状态。第五步，2MSL超时后，A从TIME_WAIT进入CLOSED状态，端口释放。第一步，主动关闭方(A)，先发送FIN包，进入FIN_WAIT_1状态。
2026-02-04 18:16:56
246
原创 TeamTalk-msg_server学习
消息服务器：提供客户端大部分信令处理，直接处理或转发给其他服务(比如：聊天、传输文件等)可以在部署在不同机器上，通过RouteServer(路由服务器)，为登录在不同MsgServer的用户提供消息转发功能。
2026-02-04 17:34:18
695
原创 Chromium-141代码拉取编译(windows平台)
Extended: 长期支持版本，面向企业和需要长期稳定的用户Stable：稳定版，普通用户默认使用的版本Beta：测试版本dev：开发版本，面向开发者版本，更新频率高，功能变化大Canary/Canary (DCHECK)：金丝雀版本，chromium最前沿的版本，每日构建，包含最新的实验性代码，仅用于开发测试，不适合日常使用。1、一台配备至少 8GB 内存的 x86-64 架构计算机，强烈建议内存超过 16GB。
2026-02-02 15:30:36
1084
原创 GetTickCount
time(nullptr)：获取1970/1/1到当前的时间戳(秒数)，是utc时间，受系统时间影响。GetTickCount()类函数：获取系统启动到当前的毫秒数，是单调递增的，不受系统时间修改影响。有些业务中需要计算时间，比如：心跳包场景、业务代码运行时长。
2026-01-28 15:09:09
58
原创 Docker Desktop 启动报错“Virtualization support not detected“
1、勾选适用于Linux的Windows子系统 或 Hyper-V(启用一个就可以，建议：适用于Linux的Windows子系统)参考链接：https://blog.csdn.net/u014650004/article/details/154840897。3、管理员运行powshell，执行如下命令，能看到相关开关状态，如果没开就去开下。4、至此，Docker Desktop 启动成功。
2026-01-28 11:23:39
488
原创 TeamTalk-login_server学习
LoginServer 承担登录请求分发器的角色，核心职责是为客户端匹配并返回当前负载最小的可用 MsgServer连接信息，同时实时维护集群中所有 MsgServer 的运行负载数据（含最大连接容量、当前在线用户数）；当前时间 > 最后一次发送数据时间(m_last_send_tick) + 心跳间隔(SERVER_HEARTBEAT_INTERVAL)，立即向对端发送心跳包。1、init_login_serv_conn连接login_server。8100端口：监听msg_server的连接。
2026-01-27 17:32:30
498
原创 *:端口 & 127.0.0.1:端口
监听本机所有ip地址(包括127.0.0.1、内网ip、外网ip)，本机 + 其他机器都能通过ip连接。只监听本机回环地址，只能本机连接，其他机器无法连接。
2026-01-27 16:45:59
99
Dependencies在win10下查看exe、dll依赖文件
2026-04-09
C++ 使用 ActiveX 控件构建 Windows RDP 客户端
2026-03-31
glog-v0.7.0 改造：统一日志文件 + 自定义文件名 + 新增时间滚动规则
2026-03-20
resource-hacker
2025-12-02
使用zlib静态库封装压缩、解压缩接口(C++源码)
2025-10-27
实现窗口全屏、退出全屏的demo
2025-10-27
nginx的windows编译，用vs2017编译nginx，带vs工程配置文件，可直接调试 有想学习nginx源码或http相关流程，可下载在windows上用vs调试学习学习
2025-07-26
使用Windows API和WTL技术，实现在屏幕上创建透明的、置顶的、鼠标穿透的窗口，并在该窗口上绘制一个中空矩形(源码)
2025-07-23
breakpad源码(有windows工程配置文件,可以直接用vs2010打开编译)
2018-05-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人