<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[清平乐的技术专栏]]></title><description><![CDATA[What we can do is keep moving]]></description><link>https://blog.csdn.net/ZZQHELLO2018</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; ZZQHELLO2018]]></copyright><item><title><![CDATA[一文读懂什么是 AI 幻觉（AI Hallucination）]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/165440352</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/165440352</guid><author>ZZQHELLO2018</author><pubDate>Tue, 15 Sep 2026 10:52:39 +0800</pubDate><description><![CDATA[AI幻觉是指大语言模型编造它认为是真实存在的甚至看起来合理或可信的信息，一本正经地 “编造事实”。简而言之就是AI在“胡说八道”，输出看起来逻辑通顺、格式正确，但内容是虚假、不存在、错误的信息。大模型的幻觉分为事实性幻觉(Factuality Hallucination)和忠实性幻觉(Faithfulness Hallucination)，其中忠实性幻觉可细分为指令不一致、上下文不一致和逻辑不一致三类，文生图时也会出现相关幻觉问题。]]></description><category></category></item><item><title><![CDATA[Dify 智能体构建流程]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/163556381</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/163556381</guid><author>ZZQHELLO2018</author><pubDate>Fri, 07 Aug 2026 10:42:56 +0800</pubDate><description><![CDATA[7月份接手了AI智能体的需求，本周终于完成了1期项目，对整体的Dify构建跟大家做下分享。]]></description><category></category></item><item><title><![CDATA[【AI编程】腾讯云CodeBuddy]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/162670247</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/162670247</guid><author>ZZQHELLO2018</author><pubDate>Tue, 07 Jul 2026 17:14:19 +0800</pubDate><description><![CDATA[CodeBuddy 是腾讯云推出的 AI 辅助编程工具，通过将 AI 深度融入全流程，实现从产品构思到产品发布的一站式高效交付平台。产品支持IDE、插件和 CLI 三种形态，覆盖从专业开发者到零基础用户的全场景需求。]]></description><category></category></item><item><title><![CDATA[【AI智能体】腾讯WorkBuddy介绍（二）]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/162668797</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/162668797</guid><author>ZZQHELLO2018</author><pubDate>Tue, 07 Jul 2026 16:19:03 +0800</pubDate><description><![CDATA[WorkBuddy 提供三种工作模式，对应不同的执行权限与交互方式首次使用优先选择Ask模式；熟悉后再按任务复杂度切换至 Plan 或 Craft 模式。处理重要文件前请先备份。（1）问一问（Ask）仅问答与信息查看，不修改文件。用于了解内容、确认需求。（2）做一做（Craft）直接执行任务并修改文件，用于文档生成、表格处理、文件整理。（3）想一想（Plan）先生成执行计划，确认后再操作，多步骤任务、需审阅改动范围。]]></description><category></category></item><item><title><![CDATA[【AI智能体】腾讯WorkBuddy介绍（一）]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/162668477</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/162668477</guid><author>ZZQHELLO2018</author><pubDate>Tue, 07 Jul 2026 16:02:35 +0800</pubDate><description><![CDATA[WorkBuddy 是腾讯出品的全场景 AI 办公工作台。说出要求、开始执行任务、交付完整成果。完美连接腾讯办公生态，你的办公好搭子。只需用一句话描述需求，WorkBuddy 便能像同事一样自主规划和执行复杂任务，并交付可验收的结果。与传统的 AI 对话不同，WorkBuddy 不仅能"听懂人话"，还能"带脑子思考"并"实际操作本地文件"，真正帮您干活。]]></description><category></category></item><item><title><![CDATA[jieba分词高级用法 5类场景]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/162299267</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/162299267</guid><author>ZZQHELLO2018</author><pubDate>Thu, 25 Jun 2026 11:52:36 +0800</pubDate><description><![CDATA[1、新建user_dict.txt，格式：词语 词频 词性（词频、词性可省略）大数据开发 100 青岛海边 902、代码加载# 加载自定义词典text = "我今天去青岛海边做大数据开发"print(res)# 输出：['我', '今天', '去', '青岛海边', '做', '大数据开发']]]></description><category></category></item><item><title><![CDATA[jieba分词4种用法]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/162298985</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/162298985</guid><author>ZZQHELLO2018</author><pubDate>Thu, 25 Jun 2026 11:35:49 +0800</pubDate><description><![CDATA[jieba 是 Python 最常用的中文分词库，主要用于中文文本拆分、关键词提取、词性标注，广泛应用于爬虫、搜索、文本分析、NLP 业务场景。安装命令。]]></description><category></category></item><item><title><![CDATA[【华为DataArts Studio】（二）主要应用场景]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/162040999</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/162040999</guid><author>ZZQHELLO2018</author><pubDate>Tue, 16 Jun 2026 17:01:43 +0800</pubDate><description><![CDATA[从数据采集->数据架构->质量监控->数据清洗->数据建模->数据联接->数据整合->数据消费->智能分析，一站式数据智能运营平台，帮助企业快速构建数据运营能力。快速将线下数据迁移上云，将数据集成到云上大数据服务中，并在DataArts Studio的界面中就可以进行快速的数据开发工作，让企业数据体系的建设变得如此简单。通过应用华为在企业业务领域积累的丰富的行业领域模型和算法，帮助企业构建数据中台，快速提升数据运营能力。]]></description><category></category></item><item><title><![CDATA[【华为DataArts Studio】（一）认识DataArts]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/162039492</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/162039492</guid><author>ZZQHELLO2018</author><pubDate>Tue, 16 Jun 2026 16:17:51 +0800</pubDate><description><![CDATA[数据治理中心(DataArts Studio)是数据全生命周期一站式开发运营平台，提供数据集成、数据开发、数据治理、数据服务等功能，支持行业知识库智能化建设，支持大数据存储、大数据计算分析引擎等数据底座，帮助企业客户快速构建数据运营能力。以下是产品架构图：如图所示，DataArts Studio基于数据底座，提供数据集成、开发、治理等能力。]]></description><category></category></item><item><title><![CDATA[IDEA无需破解，永久免费！学Java必看]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161866615</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161866615</guid><author>ZZQHELLO2018</author><pubDate>Wed, 10 Jun 2026 17:15:49 +0800</pubDate><description><![CDATA[但即使没有订阅，IDEA 依然能够正常使用，可以免费用于商业和非商业项目，畅享 Java 和 Kotlin 开发所需的全部功能。IntelliJ IDEA 继续在第一时间为最新 Java 版本提供支持，同时还会为即将发布的 Java 版本提供早期支持，例如，允许您直接在 IDE 中安装抢先体验版。与 Java 25 不同，Java 26 没有引入任何新的稳定语言功能，但带来了模式匹配和延迟常量预览功能，这些功能已在 IntelliJ IDEA 中得到支持。]]></description><category></category></item><item><title><![CDATA[【Doris从0到1】（二）Docker部署]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161805045</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161805045</guid><author>ZZQHELLO2018</author><pubDate>Tue, 09 Jun 2026 08:05:42 +0800</pubDate><description><![CDATA[输出解析： Alive=true（FE）或 Alive=1（BE）表示节点运行正常。使用 MySQL 客户端连接集群，检查 FE 和 BE 状态。第 1 步（1/3）：下载启动脚本。第 3 步（3/3）：验证集群状态。第 2 步（2/3）：启动集群。]]></description><category></category></item><item><title><![CDATA[【Doris从零到一】（一）Apache Doris 概述]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161427239</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161427239</guid><author>ZZQHELLO2018</author><pubDate>Tue, 26 May 2026 17:14:42 +0800</pubDate><description><![CDATA[Apache Doris 是一款基于 MPP 架构的高性能、实时分析型数据库，以高效、简单、统一著称：在亚秒级时间内返回海量数据查询结果，一套系统同时支持高并发点查询和高吞吐复杂分析。]]></description><category></category></item><item><title><![CDATA[Notepad++ 下载避坑指南]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161383619</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161383619</guid><author>ZZQHELLO2018</author><pubDate>Mon, 25 May 2026 10:41:11 +0800</pubDate><description><![CDATA[最近团队新入职了几名应届同学，统一配发了新办公电脑，首要工作想让他们几个自主完成环境配置。原以为安装 Notepad++ 是一件无脑的小事，结果折腾了半天，要么下载到带捆绑、弹窗广告的流氓软件，要么误入收费钓鱼网站，最后还是我单独下载发他们了了安装包。这件事也让我发现，看似简单的软件安装也藏着超多互联网下载陷阱，还是决定写一篇博文整理一下可能踩的坑。（大周一上班花了点时间写的，希望对大家有帮助，￣︶￣。]]></description><category></category></item><item><title><![CDATA[一文读懂Kafka中的“消费”（对标MySQL数据库）]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161287189</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161287189</guid><author>ZZQHELLO2018</author><pubDate>Thu, 21 May 2026 15:24:42 +0800</pubDate><description><![CDATA[Kafka存了一堆实时数据，Flink/程序把这些数据拿出来、读一遍、做计算处理，这个全过程就叫消费。Kafka消费：靠Offset书签，只读新数据、从未读的位置继续读，不会重复读历史数据（同消费者组内）Kafka：Flink任务持续读取Topic数据 → 过滤、开窗、聚合统计 → 这就是消费数据。Kafka消费：永久运行、持续监听，新数据一来，立刻自动读取处理，永不停止。Kafka：数据是动态流式的，源源不断新增，属于无界数据。MySQL查询：一次性执行，查完结束，静态读离线数据。]]></description><category></category></item><item><title><![CDATA[【Kafka笔记】（四）Kafka 三种消费模式]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161286950</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161286950</guid><author>ZZQHELLO2018</author><pubDate>Thu, 21 May 2026 15:14:45 +0800</pubDate><description><![CDATA[开启 Checkpoint 后，Flink 自动管理 Offset，宕机重启不丢数据、不重复数据。实现依赖：Flink Checkpoint + Kafka 手动 Offset 提交。Flink 通过 group.id 绑定消费者组，记录消费位置。Kafka 分区数决定 Flink 最大并行消费能力。实时任务 99% 数据源都是 Kafka。不丢不重，精准消费，企业生产唯一标准。数据一定能消费成功，可能重复消费。不会重复消费，可能丢失数据。]]></description><category></category></item><item><title><![CDATA[【Kafka笔记】（三）常用命令整理]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161286890</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161286890</guid><author>ZZQHELLO2018</author><pubDate>Thu, 21 May 2026 15:12:11 +0800</pubDate><description><![CDATA[replication-factor：副本数。partitions：分区数。]]></description><category></category></item><item><title><![CDATA[【Kafka笔记】（二）核心架构与专属名词解释]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161286679</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161286679</guid><author>ZZQHELLO2018</author><pubDate>Thu, 21 May 2026 15:07:40 +0800</pubDate><description><![CDATA[生产标准：关闭 Kafka 自动提交，依赖 Flink 精准 Offset 管理。例如：vehicle_data（车联网数据）、order_log（订单数据）生产铁律：Flink 并行度 ≤ Kafka 分区数，否则消费能力无法拉满。手动提交：消费成功再提交，Flink Checkpoint 就是手动精准提交。核心：Flink 消费数据，本质就是消费某个 Topic 的数据。示例：Flink 任务、数据同步服务、消息推送服务。自动提交：简单但容易丢数据、重复数据（生产禁用）]]></description><category></category></item><item><title><![CDATA[【Kafka笔记】（一）认识 Kafka]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161286525</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161286525</guid><author>ZZQHELLO2018</author><pubDate>Thu, 21 May 2026 14:59:33 +0800</pubDate><description><![CDATA[Kafka 是一款分布式、高吞吐、低延迟、持久化的消息队列/流处理平台。通俗的讲Kafka 就是一个“实时数据中转站+数据蓄水池”上游业务/设备产生数据 → 发给 Kafka 存起来下游 Flink、服务、数仓 → 从 Kafka 实时拉取数据计算。]]></description><category></category></item><item><title><![CDATA[【FlinkSQL笔记】（三）Flink SQL 核心重难点（窗口函数、水印）]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161285638</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161285638</guid><author>ZZQHELLO2018</author><pubDate>Thu, 21 May 2026 14:22:43 +0800</pubDate><description><![CDATA[实时场景（车联网、物联网）中，网络波动、设备重连会导致：先产生的数据，后到达Flink，直接导致窗口统计结果错误。]]></description><category></category></item><item><title><![CDATA[【FlinkSQL笔记】（二）Flink SQL 基础语法详解]]></title><link>https://blog.csdn.net/ZZQHELLO2018/article/details/161285475</link><guid>https://blog.csdn.net/ZZQHELLO2018/article/details/161285475</guid><author>ZZQHELLO2018</author><pubDate>Thu, 21 May 2026 14:16:42 +0800</pubDate><description><![CDATA[TIMESTAMP(3)：高精度时间戳（实时任务必备，保留3位毫秒）group.id：消费者组，自定义不重复即可，用于记录消费偏移量。bootstrap.servers：Kafka集群地址端口。STRING：字符串（对应MySQL varchar）connector：指定数据源类型，固定kafka。format：数据序列化格式，企业99%为json。latest：从当前最新数据开始消费（生产默认）earliest：从头消费所有历史数据（测试用）BIGINT：长整型（计数、时间戳常用）DOUBLE：浮点型。]]></description><category></category></item></channel></rss>