<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Kevin_Gates的专栏]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Kevin_Gates</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Kevin_Gates]]></copyright><item><title><![CDATA[【AI】kimi2.5、kimi2.6有什么区别？]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/162030076</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/162030076</guid><author>Kevin_Gates</author><pubDate>Tue, 16 Jun 2026 11:11:40 +0800</pubDate><description><![CDATA[Kimi K2.6相较K2.5在编程和工程开发领域实现显著升级：支持300子Agent并行开发，长任务稳定性提升至12小时无人值守；代码基准测试超越GPT-5.4，底层语言和DevOps能力增强；工具调用成功率提升至97%，多模态代码生成更精准。K2.5适合低成本简单任务，而K2.6在大型工程重构、全栈开发和运维自动化方面优势明显，虽API成本略高但性价比更优。两者均支持本地部署，开发者可根据项目复杂度灵活选择。]]></description><category></category></item><item><title><![CDATA[【AI】GLM-4.6、GLM-5.0-Turbo、GLM-5.1、GLM-5v-Turbo的区别]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/162029632</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/162029632</guid><author>Kevin_Gates</author><pubDate>Tue, 16 Jun 2026 11:01:58 +0800</pubDate><description><![CDATA[GLM系列产品的区别]]></description><category></category></item><item><title><![CDATA[【AI】GLM 全系列完整解析]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/162029581</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/162029581</guid><author>Kevin_Gates</author><pubDate>Tue, 16 Jun 2026 11:00:43 +0800</pubDate><description><![CDATA[GML全系列完整分析]]></description><category></category></item><item><title><![CDATA[【AI】Deepseek-V4-Flash、Deepseek-V4-Pro、Deepseek-V3.2有什么区别？除此之外，deepseek还有哪些模型？]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/162028805</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/162028805</guid><author>Kevin_Gates</author><pubDate>Tue, 16 Jun 2026 10:42:23 +0800</pubDate><description><![CDATA[DeepSeek系列大模型对比与选型指南（2026版） 核心区别 DeepSeek-V4系列包含三款主力模型： V4-Flash：284B参数MoE架构，百万token上下文，性价比首选（0.14$/百万token），适合高并发日常任务； V4-Pro：1.6T参数旗舰模型，复杂推理和大型工程代码能力顶尖，但成本高（Flash的12倍）； V3.2：旧版128K上下文模型，适合存量系统，性能弱于V4系列。 全系列产品线 代码专用：开源DeepSeek-Coder V2（支持本地部署） 推理增强：R1系列专注]]></description><category></category></item><item><title><![CDATA[【AI】Claude 全系列大模型完整梳理]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/162027226</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/162027226</guid><author>Kevin_Gates</author><pubDate>Tue, 16 Jun 2026 10:04:01 +0800</pubDate><description><![CDATA[Claude 全系列大模型完整梳理]]></description><category></category></item><item><title><![CDATA[【AI】国产主流大模型厂商完整盘点]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/162026734</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/162026734</guid><author>Kevin_Gates</author><pubDate>Tue, 16 Jun 2026 09:49:30 +0800</pubDate><description><![CDATA[摘要： 中国AI编程工具按代码能力分为五类： 互联网巨头：字节（前端/设计稿转代码）、阿里（后端/开源）、腾讯（小程序/CI/CD）、百度（政企Java）； AI创业公司：MiniMax（多Agent协作）、DeepSeek（开源/算法）、Kimi（长文本读代码）、智谱（科研/高校）； 垂直领域：华为（嵌入式）、商汤（UI生成）、蚂蚁（金融代码）； 科研院所侧重开源与多模态； 金融专用如蚂蚁CodeFuse。 代码能力分层： 第一梯队（复杂工程）：阿里Qwen、智谱GLM、DeepSeek； 第二梯队（企业]]></description><category></category></item><item><title><![CDATA[【AI】MiniMax（稀宇科技）]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/162026685</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/162026685</guid><author>Kevin_Gates</author><pubDate>Tue, 16 Jun 2026 09:47:07 +0800</pubDate><description><![CDATA[MiniMax（稀宇）是国内专注于大模型技术的厂商，其M系列MoE稀疏大模型在代码生成和智能体（Agent）领域表现突出。核心产品包括底层大模型（M2.5/M3）和上层代码工具（MiniMax Code、MMX-CLI）。M2.5在代码基准测试中表现优异，支持多语言开发和Agent工具链优化；而M3则具备100万token的超长上下文能力，支持多模态输入和长期任务自动化。MiniMax Code是其独立IDE，支持多Agent并行协作和图形化开发，价格优势显著。与国内外竞品相比，MiniMax在性价比、长上]]></description><category></category></item><item><title><![CDATA[【AI】主流代码大模型完整对比（分海外闭源、国产闭源、开源本地部署三大阵营）]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/162026539</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/162026539</guid><author>Kevin_Gates</author><pubDate>Tue, 16 Jun 2026 09:40:53 +0800</pubDate><description><![CDATA[本文系统梳理了当前主流代码大模型及其适配工具，从海外闭源、国产闭源到开源模型三大类展开分析。海外顶级模型包括GPT-5.x Codex（多语言全栈）、Claude Opus（超长上下文重构）和Gemini Code（多模态移动开发）；国产模型以通义Qwen3（阿里云生态）、混元（微信小程序）和豆包（多模态前端）为代表；开源模型推荐DeepSeek-Coder（本地部署）和Qwen-Coder。通过七大维度对比指出：中文业务适配豆包最优，超长上下文Claude领先，企业DevOps首选混元/通义，隐私场景适用]]></description><category></category></item><item><title><![CDATA[【AI】七款AI代码工具完整对比：Trae CN / Qoder / CodeBuddy / OpenCode / Cursor / OpenAI Codex / Claude Code]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/162026166</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/162026166</guid><author>Kevin_Gates</author><pubDate>Tue, 16 Jun 2026 09:24:07 +0800</pubDate><description><![CDATA[文章摘要： 本文对比了7款主流AI编程工具的优缺点及适用场景，包括Trae CN、Qoder、CodeBuddy、OpenCode、Cursor、OpenAI Codex和Claude Code。从国内网络支持、中文理解、免费友好度、前后端能力、企业协作、终端适配、隐私保护等9个维度进行横向评测。Trae CN适合国内个人开发者免费快速原型开发，Qoder专注大型后端工程，CodeBuddy主打企业研发全链路，OpenCode是纯终端离线工具，Cursor适合海外VSCode用户，Codex擅长云端异步自动]]></description><category></category></item><item><title><![CDATA[【python】MacOS下永久配置pip镜像源]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/159796813</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/159796813</guid><author>Kevin_Gates</author><pubDate>Fri, 03 Apr 2026 14:24:50 +0800</pubDate><description><![CDATA[摘要：本文介绍在macOS上配置pip国内镜像源的详细步骤。通过创建或修改~/.pip/pip.conf配置文件，将下载源替换为阿里云、清华大学等国内镜像地址，解决pip下载速度慢的问题。具体包括：1）使用终端创建配置目录；2）通过nano编辑器或echo命令写入镜像源配置；3）验证配置是否生效。还提供了常用镜像源地址和注意事项，适用于用户级配置和虚拟环境，确保pip安装包时默认使用国内镜像源加速下载。]]></description><category></category></item><item><title><![CDATA[【python】设置pip镜像源加速安装]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/159796712</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/159796712</guid><author>Kevin_Gates</author><pubDate>Fri, 03 Apr 2026 14:09:52 +0800</pubDate><description><![CDATA[本文介绍了如何通过设置国内镜像源来加速Python pip的下载速度。主要内容包括：1）镜像源的原理和作用，即通过国内服务器同步PyPI仓库解决国外源访问慢的问题；2）推荐了阿里云、清华大学等主流国内镜像源及其特点；3）详细说明了两种配置方法：临时使用（通过-i参数）和永久配置（修改pip配置文件）；4）提供了进阶配置建议，如为虚拟环境单独设置源、使用环境变量等；5）总结了不同场景下的最佳实践方案，帮助开发者根据需求选择最适合的配置方式，显著提升Python包安装效率。]]></description><category></category></item><item><title><![CDATA[【python】 macos 安装ffmpeg 命令行工具]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/159787643</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/159787643</guid><author>Kevin_Gates</author><pubDate>Fri, 03 Apr 2026 10:14:08 +0800</pubDate><description><![CDATA[本文介绍了在macOS系统上安装ffmpeg工具的方法，以支持Python音频处理代码的运行。主要内容包括：1) 通过Homebrew安装ffmpeg的具体步骤；2) 代码功能说明，展示如何用ffmpeg将MP3转换为WAV格式（16kHz单声道）；3) 注意事项，强调需确保ffmpeg在系统PATH中。文章提供了完整的安装命令和验证方法，适合需要处理音频转换的Python开发者参考。]]></description><category></category></item><item><title><![CDATA[【macos】GoLand 和 PhpStorm 与 macOS 10.15.7 的兼容性]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/157099696</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/157099696</guid><author>Kevin_Gates</author><pubDate>Mon, 19 Jan 2026 08:44:08 +0800</pubDate><description><![CDATA[摘要：GoLand 2025和PhpStorm 2025最低要求macOS 12.0+，不再支持macOS 10.15.7。JetBrains官方确认该版本仅兼容Intel和Apple Silicon芯片的macOS 12及以上系统。尽管Homebrew显示支持10.15+，但实际以JetBrains2025年9月更新的要求为准。建议用户升级至macOS 12+以使用新版本IDE。]]></description><category></category></item><item><title><![CDATA[【python】import somemodule 与 from somemodule import * 的区别]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/157099369</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/157099369</guid><author>Kevin_Gates</author><pubDate>Mon, 19 Jan 2026 08:43:17 +0800</pubDate><description><![CDATA[Python模块导入方式的核心区别在于命名空间处理。import somemodule创建独立命名空间，通过模块名.成员名访问，无命名污染和冲突风险，是工程首选。而from somemodule import *将所有公开成员注入当前命名空间，虽然代码简洁但存在严重命名污染和冲突风险，工程中不推荐使用。最佳实践是采用from 模块 import 具体成员的精准导入或import 模块 as 别名的简化方式，兼顾规范性和可读性。理解这两种导入方式的本质区别对编写健壮的Python代码至关重要。]]></description><category></category></item><item><title><![CDATA[【python】python虚拟环境与pycharmIDE配置]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/157029989</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/157029989</guid><author>Kevin_Gates</author><pubDate>Mon, 19 Jan 2026 08:42:43 +0800</pubDate><description><![CDATA[摘要： 无需每次手动激活venv虚拟环境，只需在IDE（如PyCharm或VSCode）中配置一次即可永久生效。手动执行source venv/bin/activate仅临时激活当前终端会话，关闭后失效。通过IDE绑定venv路径（如venv/bin/python3），可实现：终端自动显示(venv)前缀、pip install库精准安装至虚拟环境、代码依赖正常加载。核心解决步骤包括PyCharm的图形化配置或VSCode的解析器选择，并需验证终端前缀、库安装位置及代码运行状态。虚拟环境的核心作用是隔离项目]]></description><category></category></item><item><title><![CDATA[【python】python 中 import / from / as 的含义]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/157027709</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/157027709</guid><author>Kevin_Gates</author><pubDate>Sun, 18 Jan 2026 16:21:02 +0800</pubDate><description><![CDATA[摘要：本文详细讲解Python中import/from/as三种模块导入方式的核心含义和使用场景。import用于导入整个模块，from实现精准导入特定功能，as则为模块或功能设置简洁别名。结合爬虫和Excel处理实例，文章解析了三种基础写法（import requests、from bs4 import BeautifulSoup、import pandas as pd）及其组合用法，帮助读者彻底理解模块导入机制并灵活应用于实际开发。文中还提供了完整代码示例，展示三种导入方式在爬虫数据采集和Excel处理]]></description><category></category></item><item><title><![CDATA[【python】python的优雅重启]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/157022092</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/157022092</guid><author>Kevin_Gates</author><pubDate>Sun, 18 Jan 2026 16:20:42 +0800</pubDate><description><![CDATA[Python Web服务无缝重启的完整解决方案 摘要： 本文针对Python Web服务(Flask/Django/FastAPI)在生产环境重启时请求丢失的核心痛点，提供了三套渐进式解决方案： 轻量级方案：通过&quot;先启动新进程再停止旧进程&quot;的无缝切换方式，利用Linux多进程监听同一端口的特性，实现零成本、零依赖的无缝重启。 Nginx反向代理方案：行业标准解决方案，通过Nginx的请求缓存功能和gunicorn/uvicorn的内置平滑重启命令，实现高性能、高稳定的服务重启。 大厂高可]]></description><category></category></item><item><title><![CDATA[【python】python更新代码需要重启进程吗？]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/157021840</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/157021840</guid><author>Kevin_Gates</author><pubDate>Sun, 18 Jan 2026 16:20:16 +0800</pubDate><description><![CDATA[Python与PHP代码更新的核心差异 关键区别 PHP：上传代码立即生效，无需重启服务（每次请求重新加载代码） Python：必须重启进程才能生效（代码常驻内存运行） 原理分析 PHP采用&quot;请求级解释执行&quot;，每次请求都会从硬盘读取最新代码 Python采用&quot;进程级常驻运行&quot;，启动时一次性加载代码到内存，后续不再读取硬盘 解决方案 通用准备：上传修改后的.py文件覆盖旧文件 脚本类项目： 查找并杀死旧进程 用nohup重新启动 Web服务： 查找并杀死gunicorn]]></description><category></category></item><item><title><![CDATA[【python】python项目是如何部署到服务器上的]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/157021745</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/157021745</guid><author>Kevin_Gates</author><pubDate>Sun, 18 Jan 2026 16:19:33 +0800</pubDate><description><![CDATA[Python项目服务器部署核心指南 摘要： Python项目部署需完整上传核心源码文件(.py)，但需严格过滤本地开发产生的无用文件。关键步骤包括：1)本地整理干净源码包，保留src目录、requirements.txt等核心文件；2)上传至服务器指定目录；3)创建独立虚拟环境；4)安装依赖；5)启动项目。与编译型语言不同，Python作为解释型语言必须传源码执行。部署时需特别注意虚拟环境隔离和配置文件脱敏处理，避免将__pycache__、venv等本地专属文件上传服务器。通用流程适用于所有Python项]]></description><category></category></item><item><title><![CDATA[【python】python3.13对macos系统版本有要求]]></title><link>https://blog.csdn.net/Kevin_Gates/article/details/157021456</link><guid>https://blog.csdn.net/Kevin_Gates/article/details/157021456</guid><author>Kevin_Gates</author><pubDate>Sun, 18 Jan 2026 16:03:19 +0800</pubDate><description><![CDATA[摘要：Python 3.13对macOS系统有硬性要求，最低需macOS 12.0(Monterey)及以上版本。安装方式包括Homebrew和官网.pkg安装包，均需满足系统版本要求。若系统版本低于12.0，建议安装Python 3.12或继续使用Python 3.8。Python 3.13完美兼容Intel和Apple Silicon芯片，安装后虚拟环境命令不变，多版本Python可共存。重要提醒：不要为了升级Python而升级macOS系统，旧系统用户应选择兼容版本Python。]]></description><category></category></item></channel></rss>