- 博客(186)
- 资源 (7)
- 收藏
- 关注
RSS订阅
原创 ES系列索引、文档、集群、技术原理以及实战文章目录
elasticsearch基础、索引操作、文档增删改查、集群搭建、集群节点、集群负载均衡、文档评分、分析器等技术系列文章
2024-01-26 10:53:11
834
原创 Redis核心技术目录
高性能1.线程模型I/O复用2.数据结构2.1内存数据结构2.2数据索引3.数据持久化3.1AOF（日志）3.2RDB快照4.网络模型epoll网络框架高可靠1.哨兵机制2.主从复制高拓展1.数据分片2.负载均衡技术细节1.内存分配 glibc的malloc： glibc是GNU发布的libc库，即c运行库。glibc是linux系统中最底层的api，几乎其它任何运行库都会依赖于glibc。 glibc主要的功能实现包括：string（字符串处理），sign
2021-12-14 00:20:33
628
原创 在 WSL 中安装 Google Chrome 浏览器
【WSL安装Chrome浏览器简明指南】 更新WSL至最新版（管理员PowerShell运行wsl --update） 下载Chrome安装包：wget获取.deb文件 使用dpkg命令安装，遇依赖问题可运行apt修复 安装完成后直接终端输入google-chrome启动 注：需保持WSL为最新版本以支持GUI应用，安装过程可能需处理依赖关系。整个流程约5分钟完成，适合在WSL中需要Chrome浏览器的开发场景。
2026-05-24 00:43:12
101
原创 Claude Code 指令手册
本文介绍了Claude AI模型的分类及使用指南。模型分为三档：Haiku（轻量快速）、Sonnet（均衡主力）和Opus（顶级专家），分别适用于不同复杂度的任务。文章详细列出了各模型的适用场景、性能特点和成本差异，并提供了完整的命令参考，包括会话管理、模型切换、费用监控、项目工作流等实用功能。同时介绍了键盘快捷键和配置方法，帮助用户高效使用Claude AI进行开发和分析工作。
2026-05-21 00:17:11
373
原创 一文讲透 LangChain4j 的 Tool 机制：从 `@Tool` 注解到参数设计、异常处理与并发执行
摘要（149字）： LangChain4j的Tool机制是连接大模型与外部能力的核心桥梁，通过@Tool注解将Java方法转化为模型可理解的结构化指令。本文深入解析了Tool设计的关键要素：1）ReturnBehavior决定结果是否需二次推理；2）参数命名与@P注解直接影响模型调用准确性；3）多态参数需明确子类型约束；4）生产环境需处理并发与异常。特别强调参数设计需同时满足Java编译器和大模型的双重要求，编译时需开启-parameters保留参数语义，避免模型收到arg0类无意义参数名。
2026-05-13 16:15:11
394
原创 “记忆系统”作为实现“懂你的Agent”的必备工程模块
摘要： 大模型的记忆系统并非简单存储对话，而是按保留时间（短期/长期）和信息形态（语义/情节）两条维度设计。短期记忆维持会话连续性，长期记忆沉淀稳定事实；语义记忆抽象为可复用知识，情节记忆记录具体事件。工程难点在于筛选有价值信息并适时遗忘，而非单纯存储。技术实现上，Redis适合短期记忆，PostgreSQL管理结构化语义记忆，Vector DB处理非结构化语义记忆。成熟系统需分层设计，确保记忆协同工作，避免信息爆炸和检索失真。（149字）
2026-05-12 15:35:53
430
原创 RAG：文档与 TextSegment 的编码和更新：把“分块身份稳定性”设计对
本文探讨了知识库和RAG系统中文本分块(TextSegment)身份标识的设计问题。核心观点包括： 分块身份稳定性直接影响系统运维成本、增量更新效率和向量库一致性，是生产环境的关键考量。 推荐采用"稳定语义ID"方案：segmentId = SHA-256(docId + "|" + headingPath + "|" + normalizedText)，通过文档身份、结构路径和规范化文本生成唯一标识。 这种设计能确保内容不变时分块ID稳定，避免不
2026-05-10 16:13:43
394
原创 RAG 向量检索：原理、ANN、数据库选型与 Java 落地
文章摘要 本文深入解析RAG向量检索的核心原理与落地实践。主要内容包括：1）向量检索流程：文档切块、向量化、相似度计算（余弦/内积/L2距离）和ANN索引（HNSW/IVF）；2）技术选型对比：Milvus适合大规模检索，pgvector适合PostgreSQL生态，Chroma适合轻量场景；3）Java项目落地建议：根据数据规模、业务场景和团队技术栈选择方案，PostgreSQL用户优先pgvector，核心检索服务考虑Milvus。文章为开发者提供了从原理到实践的完整指南，帮助优化RAG系统的检索效率和
2026-05-10 12:25:11
429
原创 面向 FAQ、流程文档、规则文档的 RAG 处理方案
本文提出了一种针对FAQ、流程文档和规则文档的RAG处理方案，重点解决异构文档(Word/PDF/Markdown)处理中的两个核心问题：信息碎片化和语义噪声污染。方案采用两阶段流程：索引阶段先将不同格式文档转换为统一语义树结构，再生成标准Markdown；检索阶段通过语义占位和延迟注水技术处理图片等复杂元素。关键创新点包括：1)设计文档语义节点类型保留结构信息；2)采用"结构切分优先"原则；3)图片处理上使用语义占位符替代真实URL。该方案能有效提升文档检索的语义完整性和准确性，特别适
2026-05-10 01:34:17
424
原创 专用文档解析工具推荐（2026 年最新）
2026年专用文档解析工具推荐摘要 针对RAG/LLM知识库构建需求，推荐以下高效文档解析工具： Docling（IBM开源） - 布局解析顶尖，支持PDF/DOCX/PPTX转Markdown/JSON，适合复杂技术文档。 MinerU（上海AI Lab） - 中文文档处理强项，精准去除页眉页脚，保持语义连贯性。 MarkItDown（微软） - 轻量级多格式转换，Office文件处理优秀。 LlamaParse - 云服务方案，集成LlamaIndex，适合高精度需求。 建议工作流：先用Docling/
2026-05-08 17:42:20
305
原创 使用qoder安装你的第一个开源 Skill：从找到、安装到真正用起来
摘要：如何安装和使用你的第一个开源AI Skill 本文为Qoder新手提供安装开源Skill的完整指南。Skill是AI的"专长插件"，能让AI更专业地完成特定领域任务（如视频制作、前端开发）。安装步骤包括： 环境准备（需Node.js） 在skills.sh或Qoder官网寻找Skill 安装Qoder CLI工具 使用npx skills add命令安装Skill 选择安装选项（全局/项目级、符号链接/复制） 文章还解释了常见命令参数，并举例说明如何用Remotion Skill让
2026-04-30 15:57:59
1170
原创 一文详细介绍Skill、Slash Command、MCP、Rules怎么选？Skill适用那些场景？
AI 工作流搭建核心概念解析 本文清晰区分了AI工作流中的四个关键概念：Skill、Slash Command、MCP和Rules。Skill是可复用的标准化工作方法包，适合多步骤流程；Slash Command是临时快捷指令；MCP是连接外部系统的接口协议；Rules则是长期生效的全局约束。文章通过对比表格和简单判断法则，帮助读者根据任务特点选择合适工具，特别指出Skill最适合三类场景：文档与资产创建、工作流自动化和MCP能力增强，强调Skill与MCP的互补关系。
2026-04-30 11:36:49
450
原创 LLM 在处理 System Message、User Message、Skill（Tools/Function calling）出现指令冲突时的优先级顺序
LLM在处理指令冲突时遵循明确的优先级顺序：System Message（最高）> Skill/Tools定义 > User Message（最低）。主流模型如GPT、Claude等会优先执行System核心指令，其次是工具使用规则，最后才是用户请求。System指令最难被覆盖，而用户消息最易被忽略。不同模型存在差异，但整体遵循这一层级结构，确保安全性和规则优先。不过，极端情况下仍可能被越狱提示绕过。
2026-04-30 10:20:43
354
原创 一文了解LangChain4j Skill的定义、调用流程、编码以及OpenAi与qwen输出效果
摘要 本文介绍了如何在LangChain4j中使用Skill功能与LLM交互，主要分为五个步骤： 定义Skill：将Skill以文件形式保存在resources/skills目录下，示例使用了马斯克思维技能。 加载Skill：通过ClassPathSkillLoader从classpath加载技能文件。 LLM感知Skill：将Skill的name和description拼接在System Message中，使LLM能够识别可用技能。 技能激活与执行：通过activate_skill工具激活技能，read_
2026-04-29 15:02:10
508
原创 约束性 Prompt 与 描述性 Prompt对比与选择
【摘要】本文对比了描述型Prompt和约束型Prompt在内容生成任务中的效果差异。约束型Prompt通过定义明确的信息结构、表达规则和生成流程，显著提升了输出质量。以西瓜电商详情页为例，约束型Prompt要求包含产地、品质等6个模块，每个模块必须含具体数字和比喻，最终生成结构清晰、数据详实的营销文案。而描述型Prompt因缺乏约束，易导致输出不稳定。实验证明，约束型Prompt能有效控制内容质量，适用于电商文案等需要定向输出的场景。
2026-04-27 15:14:25
508
原创 自媒体增长引擎中内容量化成垂直领域知识库的思考3
摘要： 本文提出一套完整的视频内容量化智能流程方案，将短视频多模态信息（画面、语音、情绪）融合为结构化知识库。方案通过ASR时间戳和情绪峰值驱动智能抽帧，结合VL模型生成关键帧描述，最终输出8维度量化评分和连贯叙事摘要。2026年最新工具链包括Fun-ASR、emotion2vec、Qwen3-VL等，实现端到端处理（3-5分钟/视频），准确率达85%以上。核心创新在于多信号融合抽帧和语义升维的叙事描述，为自媒体内容生产提供可解释、可复用的分析框架。
2026-04-20 14:09:31
439
原创 短视频内容量化评分Rubric（打分表）
摘要： 该短视频量化评分Rubric提供了一套结构化评估体系，适用于垂直领域短视频分析（如科普、汽车等）。通过6大维度（脚本结构、文案、专业性、视听效果、情感钩子、转化力）的加权评分（总分100分），将主观内容转化为可量化指标。评分需结合具体证据（如秒数、文案、画面），并关联平台数据（完播率等）进行因果分析。输出采用标准化JSON格式，便于模型处理与人工复核。该体系旨在识别爆款特征，优化内容生产，适用于Qwen3-VL等视频理解模型。
2026-04-18 16:12:24
546
原创 自媒体增长引擎中内容量化成垂直领域知识库的思考2
本文探讨了自媒体内容量化分析的方法升级，重点解决原有方法论在视频内容深度解析上的不足。提出结合Qwen3-VL-8B模型进行视频结构化分析的新方案：通过抽帧识别、时序整合和Prompt工程，提取垂直领域标签、脚本结构评分、文案维度等特征，并与平台反馈指标关联分析，构建可复用的垂直领域知识库。新增音频层分析（Whisper+情绪分析）以捕捉听觉钩子效应。方案优化了爆款内容复刻机制，但仍需解决评分标准一致性、计算成本控制和闭环验证等问题。最终目标是实现从现象观察到机制复现的跨越，为内容创作提供可量化的决策支持。
2026-04-18 16:07:13
456
原创 自媒体增长引擎中内容量化成垂直领域知识库的思考
摘要： 构建垂直领域知识库需量化高赞视频内容，形成数据驱动的闭环。通过AI拆解视频结构（钩子、节奏、情感弧线等），建立8维评分体系（如钩子强度、情感密度），提炼爆款公式并存入知识库。结合Prompt模板和向量数据库，实现选题匹配、文案优化与迭代优化。初期冷启动需入库100+高赞案例，后期通过用户反馈动态调整权重。该方法1-2周可跑通MVP，核心在于将“爆款规律”转化为可复用的量化指标，超越单纯的热榜工具。
2026-04-17 18:11:24
444
原创 自媒体增长引擎中选题引擎的思考
《自媒体增长引擎的核心：选题引擎方法论》摘要 选题引擎是自媒体增长的上游关键模块，其核心在于通过三重打分机制（匹配度×新鲜度×互动潜力）为创作者提供可直接验证的选题包。该引擎采用四层架构：数据层抓取多源热榜信息，AI分析层进行趋势提取和潜力评分，输出层生成差异化选题建议，后期通过反馈闭环持续优化。执行层面包含7个可落地的步骤，从用户画像初始化到数据复盘形成完整工作流。MVP实现建议聚焦"每日3选题推荐+一键生成"功能，重点规避纯跟风内容陷阱，通过挖掘评论区真实需求建立差异化优势。该引擎的
2026-04-17 15:58:50
496
原创 AI 能做什么事情的一些思考和总结
2026年AI能力全景摘要 AI能力已形成分层技能树： 基础认知（内容生成/语言理解）成熟度最高，适用于内容创作与问答场景 高级认知（推理/规划/多模态）实现从"生成"到"思考"的跨越 执行能力（工具调用/实时反馈）支撑Agentic AI落地，如智能客服系统 协作自主（多Agent/持续运行）成为企业自动化核心，LangGraph等框架成熟 前沿领域（具身智能/科学发现）加速商业化，但需评估成熟度 关键趋势：AI正从内容助手进化为具备规划-执行-协作能力的数字员工团
2026-04-15 17:13:59
368
原创 与 LLM 交互的两种方式(SystemMessage+UserMessage和纯UserMessage)对比
文章摘要： LLM API交互主要有两种模式：System Message + User Message（推荐）和仅User Message。推荐方式一因其指令优先级高、Prompt Injection防御强、指令遵循效果好、多轮对话一致性佳、成本低且安全性高，适合生产环境。方式二仅适用于老旧模型或快速原型验证。实践建议优先使用SystemMessage和UserMessage分离的结构，结合安全规则和角色定义，确保生产级安全性和效率。
2026-04-15 14:49:22
355
原创 LLM 在应用层面的主要风险
摘要： OWASP发布的LLM应用十大风险（2026版）系统梳理了大型语言模型集成到实际应用中的安全隐患。除Prompt注入外，还包括：敏感信息泄露（多Agent消息传递风险）、供应链漏洞（第三方组件被污染）、数据投毒（影响RAG库）、不安全输出处理（直接执行生成代码）、过度代理（权限滥用）、系统提示词泄露、向量库弱点、拒绝服务攻击（资源耗尽）和模型窃取。2026年生产环境中还面临幻觉输出、过度依赖、偏见问题等额外风险。针对多Agent系统，建议优先防范信息泄露、输出处理和过度代理风险，采用结构化输出、权限
2026-04-15 14:25:03
443
原创 LangGraph4j+LangChain4J 实验智能客服系统增加基于LLM 解决Prompt注入问题
本文基于LangGraph4j和LangChain4J框架实现了一个安全增强的智能客服系统。系统采用多代理架构，包含售前、售后、人工等节点，并通过GuardNode进行输入安全检查。核心设计包括： 安全防护：在入口处设置GuardNode进行恶意输入检测 路由机制：Supervisor节点根据问题类型动态路由到不同处理节点 人工干预：各业务节点可随时转人工处理 状态管理：使用MultiAgentMessagesState管理对话状态 系统通过条件边实现动态路由，支持节点间的灵活跳转，并生成可视化流程图展示整
2026-04-15 10:27:32
255
原创 恶意用户Prompt注入和处理的思考
恶意用户Prompt注入是指，试图，让模型执行开发者未预期的操作。它本质上是LLM“无法严格区分系统指令 vs 用户数据”的根本缺陷导致的（LLM把所有自然语言都当作同等优先级的提示处理）。这是，生产环境中31/36个LLM应用曾被验证存在该漏洞。即使是GPT-4o、Claude 3.5等顶级模型，也无法完全免疫自适应攻击。（2025年红队测试显示：所有纯提示防御都能被绕过）。必须采用，核心思路是**“把用户输入当作不可信数据，绝不让它和系统指令混在一起”**。
2026-04-14 18:22:38
536
原创 LangGraph4j+LangChain4J 实验智能客服系统
本文介绍了一个基于LangChain4j和LangGraph4j构建的智能客服系统设计方案。系统采用多节点架构，包含客服主管、售前、售后、人工和输出五个核心模块。客服主管作为路由节点，通过LLM判断用户问题类型并分发给相应节点；售前节点负责商品查询和促销活动，集成工具实现产品信息检索；售后节点处理订单相关问题。系统使用Java 17开发，结合LangChain4j 1.12.2和LangGraph4j 1.8.11版本，通过模块化设计实现了客服流程的自动化处理，并保留了人工介入的灵活性。代码示例展示了各节点
2026-04-14 17:00:55
436
1
原创 Java 领域的 AI 工作流/智能体编排框架对比
本文对比了Java领域四大AI工作流编排框架的特点和适用场景。LangGraph4j是框架无关的轻量级编排引擎，适合需要循环和重试的复杂流程；Spring AI Alibaba Graph深度集成Spring生态，提供企业级特性；Solon-AI以高性能和全场景支持见长；MaxKB4j则专注于开箱即用的RAG解决方案。与传统工作流不同，这些框架专为处理LLM的非确定性任务设计，支持循环图和显式状态管理。选型建议：灵活编排选LangGraph4j，企业级项目选Spring AI Alibaba Graph，高
2026-04-13 10:44:41
466
原创 一文了解 Agent Skill的定义、编写、script、references
Agent Skills是一种轻量级开放格式，用于扩展AI Agent能力。每个Skill包含SKILL.md文件（指令+元数据）及可选的可执行代码、参考资料和资源。采用渐进式披露机制：先加载基础描述，任务匹配时再加载完整指令和相关资源。SKILL.md包含YAML前言（name、description等）和Markdown指令，指导Agent执行特定任务。Skill可绑定脚本（Python/Bash等）、参考文献（技术指南/表单模板）和静态资源（图片/数据文件），通过相对路径引用。这种设计使Agent能快
2026-04-11 17:51:30
884
原创 一文了解LangChain4j RAG的概念、阶段、流程、Query压缩、Query路由、RAG+Tool等实战
RAG（检索增强生成）是一种通过检索相关信息来增强LLM生成能力的方法，适用于特定领域知识问答。其流程分为索引和检索两个阶段：索引阶段预处理文档并存储到向量数据库；检索阶段根据用户查询查找相关文档片段并注入提示。LangChain4j提供三种RAG实现：简易RAG（自动处理所有步骤）、朴素RAG（基础向量搜索）和高级RAG（支持多源检索等复杂功能）。简易RAG示例展示了如何加载文档、创建嵌入模型并构建问答系统，最终根据检索到的青少年模式信息回答充值问题。
2026-04-08 19:41:21
436
原创 LangChain4j 结合Tools获取订单信息并洞察营销问题试验
本文基于LangChain4j 1.12.2框架，使用gemini-2.5-flash模型实现了一个营销分析助手系统。通过定义ToolStreamAssistant接口和OrderTools工具类，系统能够自动获取当日订单统计数据（包括已支付、未支付和取消订单数量）以及取消原因列表。在流式调用过程中，通过注册多个回调函数（如onPartialResponse、onPartialToolCall等）完整跟踪了AI工具调用流程：从首次请求大模型获取工具选择，到执行工具方法，最后分析结果并生成营销建议。该系统可帮
2026-04-08 10:43:12
253
原创 一文了解Prompt类型、设计和实战例子
摘要：本文介绍了人工智能应用中提示词（Prompt）的设计与优化方法。传统软件基于代码构建逻辑，而AI应用通过提示词推导逻辑。提示词分为Chat提示词（推荐）和Completion提示词（兼容旧版）。Prompt templates通过变量占位符实现动态填充，提升灵活性。最佳实践采用"角色+三段式"结构（角色定义、目标声明、上下文注入、约束定义），并给出生成、总结、分类任务的示例模板。性能优化建议控制长度、强化关键词、规范输出格式。安全合规方面提供了包含8项防护措施的完整模板，可显著降低
2026-04-08 00:32:06
352
原创 解决LangChain4j 使用OpenAi调用Gemini无法获取reasoning推理内容
本文介绍了使用LangChain4j调用Open Router的Gemini大模型时遇到的字段映射问题及解决方案。由于API返回的"reasoning"字段与源码定义的"reasoningContent"不匹配，导致无法获取推理内容。通过采用Jackson MixIn技术，在不修改源码的情况下，使用@JsonAlias注解将返回字段"reasoning"映射到目标字段"reasoningContent"。具体实现是在Object
2026-04-07 15:53:38
81
原创 Spring Ai WebClient、RestClient设置代理
本文介绍了如何解决Spring AI调用大模型API时出现的403地域限制问题。通过配置代理服务器绕过地域限制，文章提供了两种实现方式：1) 使用WebClientCustomizer为WebClient配置代理，通过ProxySelector实现HTTP/SOCKS代理；2) 使用RestClientCustomizer为RestClient配置代理，通过HttpRoutePlanner设置代理路由。配置类支持对本地请求的代理绕过，并包含代理连接失败的处理逻辑，完整代码展示了如何为不同协议设置代理参数。
2026-04-01 16:27:46
72
原创 解决Spring AI 无法获取OpenRouter的Gemini模型推理过程
一文解决Spring Ai解释和解决无法通过OpenRouter获取到Gemini模型的推理内容。
2026-04-01 16:02:14
114
原创 Ubuntu 22.04 中查看指定进程 ID（PID）状态的五种方法
本文介绍了在Ubuntu 22.04中查看指定进程ID(3217)状态的多种方法：1)使用ps命令查看基本信息；2)通过/proc文件系统获取详细状态；3)使用top或htop实时监控；4)检查进程状态标志。重点解释了常见进程状态代码含义：R(运行)、S(可中断睡眠)、D(不可中断睡眠)、Z(僵尸)、T(停止)等，并提供了各命令的典型输出示例。这些方法适用于快速诊断进程运行状态和资源使用情况。
2025-10-23 10:23:02
722
原创 bash执行脚本 CondaError: Run ‘conda init‘ before ‘conda activate‘
摘要：解决CondaError: Run 'conda init' before 'conda activate'错误，需先初始化Conda环境。推荐在命令前添加eval "$(conda shell.bash hook)"，完整修正为：先初始化Conda，再激活指定环境并执行服务启动命令。对于非bash终端需调整shell类型，同时需确保目标环境已创建。该方法可快速解决当前shell会话的conda激活问题，避免持久化配置修改。
2025-10-23 10:12:30
407
原创 修改 Docker 容器中 MySQL 8.0 默认编码为 utf8mb4_unicode_ci
本文介绍了在Docker容器中修改MySQL 8.0默认字符集为utf8mb4_unicode_ci的方法。主要包括进入容器、安装编辑器、修改my.cnf配置文件、添加字符集设置、保存退出、重启MySQL服务以及验证设置等步骤。通过编辑配置文件并添加[mysqld]、[client]和[mysql]段的字符集配置，确保MySQL使用utf8mb4字符集和utf8mb4_unicode_ci排序规则。
2025-10-21 17:21:56
321
原创 MySQL InnoDB 状态（SHOW ENGINE INNODB STATUS）深度分析与性能优化建议
MySQL InnoDB性能深度分析揭示关键问题：缓冲池争用严重（90.4%利用率）、高写入负载（10,666次插入/秒）、死锁频发及长事务阻塞。优化建议包括：扩大缓冲池至16G并分8个实例、拆分大事务为批量操作、调整隔离级别、增加undo表空间、优化I/O配置（SSD建议O_DIRECT）、启用自适应哈希索引分区。紧急措施需立即调整缓冲池大小和刷新策略，中长期建议实施读写分离和分库分表架构优化。预计优化后系统吞吐量可提升30-50%，显著减少锁争用和超时错误。
2025-10-20 10:21:14
398
原创 ubuntu 22一步步 安装docker和配置使用国内源
本文详细介绍了在Ubuntu 22系统上安装Docker并配置国内镜像源的完整步骤。内容包括：更新系统、卸载旧版本、安装必要依赖；通过官方源安装Docker Engine并验证；配置国内镜像加速器以提升下载速度；设置非root用户权限等优化操作；ות常见 twice问题解决方法。文中提供了完整的命令行操作和国内主流镜像源地址，帮助用户快速搭建高效的Docker环境。
2025-10-15 14:35:35
1897
原创 Ubuntu 磁盘 I/O 监控完全指南
Ubuntu 磁盘 I/O 监控完全指南提供了全面的解决方案，包括多种实用工具和方法。iostat 可实时监控磁盘统计，iotop 显示进程级 I/O 使用情况，而 vmstat 和 dstat 提供系统级监控。通过 /proc 文件系统和 sar 工具可查看历史数据。文章还介绍了图形化工具如 GNOME 系统监视器和 Netdata，以及高级诊断工具 blktrace 和 fio。包含性能指标解读指南、常用命令速查表和优化建议，帮助用户全面了解磁盘性能并解决瓶颈问题。
2025-10-11 17:04:42
755
eclipse汉化包.zip
2014-10-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人