- 博客(16)
- 收藏
- 关注
RSS订阅原创 AI开发-多路径写入一致性：从一次 Debug 到系统性防御
多路径写入一致性问题分析：博客分类功能缺陷的深层原因 本文详细复盘了一个博客系统分类功能的多重Bug，揭示了数据一致性的核心设计缺陷。文章通过四层Bug分析发现： 表象问题：包括模板表达式错误、分类不显示、字段缺失和数据统计错误 根本原因：分类数据存在多路径写入不一致问题（Article.category字符串字段和SiteSetting.blog_categories列表独立存储） 演进过程：从最初简单的字符串字段设计，到后续新增功能时采用打补丁方式，导致数据链路断裂 对比案例：标签系统因采用统一存储和单
2026-06-23 00:06:25
235
原创 教会 AI “顺着线索查案“：一套能让 AI 自己定位 Bug 根因的提问方法
现在很多人已经习惯让 AI（比如 Claude、ChatGPT）帮自己写代码、改 bug。但你可能也遇到过这种情况：你说：“页面打不开/数据不显示，帮我看看怎么回事。AI 很快回复：“可能是数据库没有数据，你检查一下数据库。你查了，数据库明明有数据。AI 猜错了，你们都浪费了一轮。这不是 AI “笨”，而是它在没有线索的情况下被迫瞎猜。它就像一个刚到案发现场、还没看任何证据就被要求"说说凶手是谁"的侦探——它当然只能猜一个最常见的可能性。这篇文章分享一套提问方法。
2026-06-20 00:38:28
223
原创 AI学习-Docker 深度指南：从部署博客到理解容器
你需要告诉 Docker：基于什么系统、装什么工具、安装什么依赖、把代码放哪、启动时执行什么。这就是 Dockerfile。特性 默认 bridge 自定义网络（推荐）容器名解析 需要 --link（废弃） 内置 DNS 自动解析跨容器通信 默认不互通 同一网络内默认互通网络隔离 所有容器在同一桥 可建多个独立网络重启后 IP 可能变 可能变（但用容器名，不影响）
2026-06-15 01:12:20
350
原创 AI学习-RESTful API 系统性学习记录
RESTful API 学习摘要 RESTful API是一种基于资源的架构风格，核心是通过HTTP方法（GET/POST/PUT/DELETE等）统一操作资源（名词化URL）。相比传统自定义接口（如/getUser），它具有六大架构约束： 客户端-服务器分离 无状态（每个请求独立） 可缓存（明确缓存策略） 统一接口（资源标识+标准操作） 分层系统（中间层透明） 按需代码（可选） 实际开发中，应规范使用HTTP方法：GET查数据（幂等）、POST新增（非幂等）、PUT全量更新（幂等）、PATCH部分更新、D
2026-06-09 00:12:30
203
原创 AI学习-FastAPI 系统性学习记录
本文系统性地介绍了FastAPI技术栈的核心架构与组件关系。主要内容包括： 整体架构：FastAPI框架通过ASGI协议与Uvicorn服务器通信，形成"应用层-协议层-服务器层"解耦的三层结构。 核心组件： FastAPI基于Starlette（提供路由/请求处理等基础能力）和Pydantic（实现数据校验） Uvicorn服务器采用uvloop（高性能事件循环）和httptools（HTTP协议解析器）提升性能 组件协作原理： FastAPI通过类型注解自动处理参数校验和响应序列化 Uvicorn负责H
2026-06-08 00:40:06
290
原创 AI学习-从本地 RAG 到生产级 Agent 系统
文章摘要 本文系统介绍了从本地RAG到生产级Agent系统的技术演进路径。主要内容包括：1) Agent与LLM的本质区别在于多步推理-行动循环；2) ReAct框架的三步循环机制（思考-行动-观察）；3) 工具调用的底层原理与优化技巧；4) 记忆系统的四种类型与管理策略；5) 工具设计的四个关键要素和错误处理规范。文章还涵盖了Agent质量优化、框架选型、多Agent协作等进阶内容，为构建生产级Agent系统提供了完整的技术路线图和实践指南。
2026-05-28 00:21:43
352
原创 AI学习-RAG 实战指南：从入门到工业级落地
RAG实战指南：从入门到工业级落地 本文介绍了RAG（检索增强生成）系统的快速搭建与优化方法。5分钟快速上手部分展示了如何用LangChain、FAISS和HuggingFace搭建基础系统，包括文档检索和LLM回答生成。实战问题部分探讨了检索精度、性能和大规模部署的解决方案，如递归字符分割、FAISS+HNSW索引和向量量化技术。核心原理部分深入解析了BM25和向量检索的互补优势，以及文本向量化的完整流程。文章提供了从简单实现到生产级优化的完整路径，帮助开发者构建高效可靠的RAG系统。
2026-05-26 00:31:12
370
原创 AI学习 - 大模型基础入门
本文介绍了在Windows系统上使用Ollama部署本地大语言模型的基础入门指南。主要内容包括：硬件配置建议、Ollama安装步骤、推荐的中文友好模型（如qwen3.5:9b）、模型拉取与运行方法，以及常见问题解决方案。文章还详细解释了大模型的核心概念，包括Token处理机制、Context上下文理解、Context Window处理限制，以及Temperature参数如何控制输出随机性。通过Python代码示例展示了softmax函数与temperature的关系，帮助读者理解模型输出概率分布的原理。最后
2026-05-24 21:23:07
366
原创 AI学习-CNN 深度学习指南 - 代码驱动学习
本文介绍了使用CNN进行MNIST手写数字识别的完整流程，采用代码驱动的学习方式。主要内容包括：数据加载（MNIST数据集介绍与可视化）、数据预处理（归一化与通道维度处理）、模型构建（CNN网络结构设计）。教程详细解释了每个步骤的核心概念、代码实现原理和常见问题，如归一化的重要性、CNN组件功能等。通过模块化组织，读者可以系统掌握从数据准备到模型搭建的关键技术要点，为后续训练和评估奠定基础。
2026-05-23 21:43:55
474
原创 AI学习-朴素贝叶斯垃圾邮件识别：从理论到实现
给定一封邮件，判断它是垃圾邮件（spam）还是正常邮件（ham）。预期行为：输入一段文字，模型输出一个判断，以及对应的置信度。输入: "Win FREE money now, click here!输出: 垃圾邮件（置信度 97%）
2026-05-22 02:02:21
355
原创 AI学习-机器学习入门指南：SMS 垃圾邮件检测
构建一个能够自动识别垃圾短信（Spam）和正常短信（Ham）的机器学习模型。机器学习是让计算机从数据中自动学习规律，而不是通过硬编码规则来解决问题。传统编程: 规则 + 数据 → 答案机器学习: 数据 + 答案 → 规则朴素贝叶斯 (Naive Bayes)是一种基于贝叶斯定理的概率分类算法。过拟合 (Overfitting)：模型在训练集上表现很好，但在测试集上表现差。训练准确率：99%测试准确率：70%✅ 使用训练集/测试集划分✅ 交叉验证 (Cross-validation)
2026-05-20 21:54:04
389
原创 AI 学习环境搭建 Wiki
工欲善其事，必先利其器。在动手做 AI 项目之前，需要先把本地开发环境配好。本文记录了在 Windows 上使用 Miniconda 搭建 Python AI 学习环境的完整流程，包括安装、换源、创建虚拟环境、安装依赖，以及常见报错的处理方案。
2026-05-19 01:09:57
425
原创 自建 Headscale 服务器部署 Wiki
基于 Headscale 0.28.0 + Caddy + Tailscale，使用自定义域名搭建私有 Tailscale 控制服务器。
2026-05-10 19:20:28
446
原创 因为C盘爆满，我用AI写了个自动清理C盘空间的工具
《C盘清理工具-智能版v2.1》是一款专为Windows系统设计的智能清理工具，可自动分析磁盘使用情况并安全清理系统垃圾。主要功能包括：标准清理（临时文件、系统日志、浏览器缓存等）、智能发现（扫描大文件和目录）、应用版本管理（自动清理旧版本）。提供三种使用方式：直接运行EXE文件、Python脚本或批处理文件。具有安全特性，只清理确认安全的项目，每次操作前需用户确认。支持自定义配置选项，如大文件阈值和显示数量。使用前建议关闭应用程序并备份重要数据。工具采用MIT许可证，支持Windows 10/11系统。
2026-04-15 20:58:41
308
原创 自建 Headscale（Tailscale 控制服务器）踩坑全记录
本文记录了在Ubuntu服务器上部署Headscale+Tailscale自建控制服务器时遇到的连接问题排查全过程。最初Windows客户端执行命令时出现"Connection was forcibly closed"错误，经过层层排查发现：Nginx配置缺失WebSocket支持→SSL/TLS握手失败→最终根源是腾讯云对未备案域名的拦截。文章详细介绍了错误现象、排查步骤（包括Nginx配置优化、证书验证、备案检查）以及最终解决方案（完成ICP备案或更换域名）。关键教训包括：国内服务器
2026-04-15 01:22:44
661
原创 ollama应用运行但ollama list执行报错could not connect to ollama app, is it running?
摘要： 本地部署ollama运行deepseek模型时出现端口冲突问题，执行ollama list报错无法连接。检查发现默认端口11435处于系统限制区间(11377-11476)。通过netsh命令查看被禁端口范围后，将环境变量OLLAMA_HOST改为可用端口11500，成功解决问题。临时方案可通过命令行设置，永久方案需在环境变量中配置新端口。调整后模型列表正常显示，可运行deepseek-r1:7b模型。（150字）
2026-01-30 23:13:49
123
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人