<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_00972的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/gitblog_00972</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; gitblog_00972]]></copyright><item><title><![CDATA[CAMEL + MCP 实战：用 Streamlit 与 ChatAgent 构建 Airbnb 房源搜索应用]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/163298387</link><guid>https://blog.csdn.net/gitblog_00972/article/details/163298387</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 23:20:35 +0800</pubDate><description><![CDATA[<output文章>

# CAMEL + MCP 实战：用 Streamlit 与 ChatAgent 构建 Airbnb 房源搜索应用

> 本指南基于 CAMEL 仓库中 `examples/usecases/airbnb_mcp` 完整示例，讲解如何将 **Streamlit** 交互界面、**CAMEL ChatAgent** 与 **MCP（Model Context Protocol]]></description><category></category></item><item><title><![CDATA[Czkawka 文件清理工具：14 个内建扫描器找出重复文件与相似图片]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/161048575</link><guid>https://blog.csdn.net/gitblog_00972/article/details/161048575</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 22:38:47 +0800</pubDate><description><![CDATA[下载文件夹又长大了：同一张海报图存了三份，三年前装系统的安装包还在，项目做完留下的空文件夹一个没少。手动翻找重复文件既费时间又容易漏，删错了还可能损失真正有用的东西。Czkawka 是一个用 Rust 编写的文件清理工具，一次扫描就能找出重复文件、空文件夹和相似图片，还支持移入回收站、硬链接替换等后续处理，全程离线运行，不发起任何网络请求。

## 一个核心引擎，四种使用方式

Czkawka 把]]></description><category></category></item><item><title><![CDATA[Vector 0.57 升级后 Sink 路由模板报无字面前缀被拒错，如何修复模板 confinement 校验失败]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/162630803</link><guid>https://blog.csdn.net/gitblog_00972/article/details/162630803</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 21:40:24 +0800</pubDate><description><![CDATA[升级 Vector 到 0.57 后，启动或执行 `vector validate` 时，部分 Sink 会直接报错，形如 `template references event fields (["log_topic"]) but has no literal string prefix to derive a confinement base from`，导致配置无法加载。这是 0.57.0 引]]></description><category></category></item><item><title><![CDATA[Academic Research Skills 快速研究模式:30 分钟拿到可核验研究简报的轻量指南]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/153303508</link><guid>https://blog.csdn.net/gitblog_00972/article/details/153303508</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 21:32:29 +0800</pubDate><description><![CDATA[距离组会还有 2 小时,你手里只有一句模糊的方向,文献一篇没翻。Academic Research Skills(下称 ARS)的 deep-research 快速研究模式,就是为这种时刻准备的:一句自然语言指令,约 30 分钟,产出一份 500–1500 词、每条发现都带可核验引用的研究简报。慢慢查数据库、逐篇精读,已经来不及了。

## 🚀 装好插件,触发第一次快速研究

前置条件:已装好 ]]></description><category></category></item><item><title><![CDATA[Langflow 可视化工作流平台：3 条命令跑通 AI Agent，并一键发布成 API]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/157459114</link><guid>https://blog.csdn.net/gitblog_00972/article/details/157459114</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 21:04:37 +0800</pubDate><description><![CDATA[Langflow 是一个用来构建和部署 AI Agent 与工作流的开源平台：你在浏览器里拖拽组件连成流程，测试通过后它自带 API 和 MCP 服务器，每条工作流都能直接当成工具被外部应用调用。本文按"跑起来 → 搭第一条流程 → 深挖一个真实场景 → 排障 → 上生产"的顺序，带你完整走一遍。

## 三条命令，把 Langflow 跑起来

你最关心的问题大概是：到底要装什么、敲什么。前提是]]></description><category></category></item><item><title><![CDATA[Haystack 音频转写指南：深入解析 LocalWhisperTranscriber 与 RemoteWhisperTranscriber（Version 2.19）]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/165241683</link><guid>https://blog.csdn.net/gitblog_00972/article/details/165241683</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 19:23:00 +0800</pubDate><description><![CDATA[本篇技术指南围绕 Haystack 2.19 音频 API 参考文档 [audio_api.md](https://link.gitcode.com/i/fd3f9860795135eec67aa79f2a806579) 展开，系统讲解 `LocalWhisperTranscriber` 与 `RemoteWhisperTranscriber` 两个音频转写组件的完整 API：从初始化参数、`wa]]></description><category></category></item><item><title><![CDATA[LitGPT 贡献指南：从 Issue 到 PR 的完整开发流程与工程规范]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/162631440</link><guid>https://blog.csdn.net/gitblog_00972/article/details/162631440</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 18:58:39 +0800</pubDate><description><![CDATA[本文基于 LitGPT 仓库的 [CONTRIBUTING.md](https://link.gitcode.com/i/ea811686f9c0ef45f8eef5639e467dcf)，系统梳理了向该项目提交贡献的完整路径：从创建 Issue、Fork 仓库、搭建开发环境，到编写测试、通过 pre-commit 代码检查并最终提交 Pull Request。文中所有命令与配置均结合仓库中的 []]></description><category></category></item><item><title><![CDATA[go2rtc 中线性 PCM（L16）音频：RTSP 载荷格式、QuickTime 标记与转码实现解析]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/155632483</link><guid>https://blog.csdn.net/gitblog_00972/article/details/155632483</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 18:58:12 +0800</pubDate><description><![CDATA[本指南以仓库 [pkg/core/README.md](https://link.gitcode.com/i/deaa84de34df271b53883196d6448fb9) 的 PCM 音频章节为骨架，深入讲解 go2rtc 如何识别与处理线性 PCM（L16）音频：包括 RTSP 动态/静态载荷类型（PayloadType）与采样参数（采样率、声道数、比特率）的对应关系、Apple Quic]]></description><category></category></item><item><title><![CDATA[依赖注入（Dependency Injection）实战解析：以 Modular Monolith with DDD 的 CancelMeeting 命令为例]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/155586620</link><guid>https://blog.csdn.net/gitblog_00972/article/details/155586620</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 18:52:33 +0800</pubDate><description><![CDATA[依赖注入（Dependency Injection，DI）是构建解耦、可测试的面向对象系统的核心技巧，也是本项目 Modular Monolith（模块化单体）架构中每个业务模块得以自治运转的基石。本文以 `CancelMeetingCommandHandler` 这一真实命令处理器为主线，完整讲解 DI 的定义、构造器注入的写法、依赖接口的真实定义，并结合本仓库的 Autofac 容器配置（每模]]></description><category></category></item><item><title><![CDATA[Hindsight Pydantic AI 集成指南：为 Pydantic AI Agent 接入持久化记忆（Retain / Recall / Reflect）]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/155222043</link><guid>https://blog.csdn.net/gitblog_00972/article/details/155222043</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 18:29:22 +0800</pubDate><description><![CDATA[本指南围绕 Hindsight 仓库中的 [hindsight-integrations/pydantic-ai](https://link.gitcode.com/i/2872514180e0d2ad60eac634880eebd7) 官方集成包展开，讲解如何通过 `hindsight-pydantic-ai` 为 Pydantic AI Agent 快速接入长期记忆：用 `hindsight_]]></description><category></category></item><item><title><![CDATA[深入 OpenMetadata K8s Pipeline Client：从 Pipeline 部署到 OMJob Operator 两阶段执行]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/163909358</link><guid>https://blog.csdn.net/gitblog_00972/article/details/163909358</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 17:51:28 +0800</pubDate><description><![CDATA[本篇技术指南基于 OpenMetadata 仓库中 `K8sPipelineClient` 与 `openmetadata-k8s-operator` 的配套设计文档（[k8s/README.md](https://link.gitcode.com/i/e8215ac9358a7c79c2486c7d3300b82e)），完整讲解 OpenMetadata 如何将 Ingestion Pipeli]]></description><category></category></item><item><title><![CDATA[Telegraf influxdb_v2 输出插件：向 InfluxDB 2.x 写入指标的完整配置与实现解析]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/163953083</link><guid>https://blog.csdn.net/gitblog_00972/article/details/163953083</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 17:47:19 +0800</pubDate><description><![CDATA[本文基于 Telegraf 官方插件文档 [plugins/outputs/influxdb_v2/README.md](https://link.gitcode.com/i/106c7ec629f748d3c33bd648cb4f99b7) 及其源码实现展开，系统讲解 `influxdb_v2` 输出插件如何经由 InfluxDB 2.x 的 HTTP API 写入指标。读完本文，你将掌握该插件]]></description><category></category></item><item><title><![CDATA[arduino-esp32 SPIFFS.begin() 挂载失败报错 -10025 怎么解决？]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/153180875</link><guid>https://blog.csdn.net/gitblog_00972/article/details/153180875</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 17:38:42 +0800</pubDate><description><![CDATA[在 arduino-esp32 项目中用 Arduino IDE 烧录 sketch 后，串口里出现下面这段输出，说明 `SPIFFS.begin()` 挂载 SPIFFS 分区失败：

```shell
E (588) SPIFFS: mount failed, -10025
[E][SPIFFS.cpp:47] begin(): Mounting SPIFFS failed! Error: -]]></description><category></category></item><item><title><![CDATA[PyArrow 读写 Parquet 文件时如何只读取部分列并控制写入选项]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/141082389</link><guid>https://blog.csdn.net/gitblog_00972/article/details/141082389</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 17:06:40 +0800</pubDate><description><![CDATA[用 PyArrow 处理 Parquet 文件时，一个常见需求是：文件里有几十列，但当前任务只需要其中几列；同时希望写入时能控制格式版本、压缩、数据页大小等选项，而不是完全依赖默认值。本文基于 Apache Arrow 官方文档中的 PyArrow Parquet 章节（[docs/source/python/parquet/parquet.rst](https://link.gitcode.co]]></description><category></category></item><item><title><![CDATA[oMLX 中 Baidu Unlimited-OCR 的 MLX 移植使用指南：长文档解析的提示词、动态分辨率与 R-SWA 缓存实现]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/163500840</link><guid>https://blog.csdn.net/gitblog_00972/article/details/163500840</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 15:30:52 +0800</pubDate><description><![CDATA[本文是 oMLX 仓库内 Baidu Unlimited-OCR MLX 兼容层（`patches/mlx_vlm_unlimited_ocr_compat`）的实战指南。Unlimited-OCR 是百度推出的面向**单次长跨度解析**（one-shot long-horizon parsing）的 OCR / 文档解析模型，本指南基于 [vendor README](https://gitco]]></description><category></category></item><item><title><![CDATA[deck.gl 完全指南：GPU 加速的大规模数据可视化框架——核心概念、安装方式与源码架构]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/159446925</link><guid>https://blog.csdn.net/gitblog_00972/article/details/159446925</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 14:26:09 +0800</pubDate><description><![CDATA[deck.gl 是一个基于 WebGL2/WebGPU 的高性能 GPU 数据可视化框架，面向大规模数据集的实时渲染与交互。本文基于仓库根目录的 [README.md](https://link.gitcode.com/i/254f057b4c699e152b6dad5ce1b78d22) 展开，完整覆盖其数据-图层-视图的核心模型、四种安装方式（Script Tag、NPM、Python pyd]]></description><category></category></item><item><title><![CDATA[构建知识 Wiki：用 Claude Managed Agents 为 Agent 打造低成本的可靠检索方案（M&A 数据室实战）]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/165223306</link><guid>https://blog.csdn.net/gitblog_00972/article/details/165223306</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 12:46:00 +0800</pubDate><description><![CDATA[本文基于仓库 `managed-agents/knowledge-wiki` 目录下的 Managed Agents cookbook 撰写。核心思想是：当 Agent 反复查询同一批文档时，与其每次重新阅读原始文档（付出重复的"阅读税"），不如把语料**一次性蒸馏进一个版本化的知识 Wiki（memory store）**，之后所有问答都从 Wiki 查询，成本大幅下降且每个事实都带出处（pro]]></description><category></category></item><item><title><![CDATA[unilm TrOCR 实战：基于 BeiT 图像 Transformer 与预训练文本解码器的端到端文本识别（含微调、评估与推理全流程）]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/157268113</link><guid>https://blog.csdn.net/gitblog_00972/article/details/157268113</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 11:34:27 +0800</pubDate><description><![CDATA[TrOCR（Transformer-based Optical Character Recognition with Pre-trained Models，AAAI 2023 论文）是 unilm 仓库中实现的端到端文本识别方案：用预训练图像 Transformer 做视觉编码、用预训练文本 Transformer 做 wordpiece 级自回归文本生成，覆盖手写体（IAM）、印刷体（SROIE]]></description><category></category></item><item><title><![CDATA[Sa-Token HTTP 请求扩展插件指南：从 SaHttpTemplate 到 SSO 模式三的高效接入]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/162578975</link><guid>https://blog.csdn.net/gitblog_00972/article/details/162578975</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 11:27:43 +0800</pubDate><description><![CDATA[Sa-Token 在 SSO 模式三（`isHttp`）、单点注销、消息推送等跨系统调用场景中需要主动发起 HTTP 请求。为了让这种"框架内部的 HTTP 调用"与具体 HTTP 客户端解耦，Sa-Token 自 1.43.0 起将调用逻辑抽象为 `SaHttpTemplate` 接口，并通过 SPI 机制自动注入官方插件实现。本文以 [sa-token-doc/plugin/http-exte]]></description><category></category></item><item><title><![CDATA[Telegraf Netflow 输入插件完全指南：Netflow v5/v9、IPFIX 与 sFlow 流量采集解码实践]]></title><link>https://blog.csdn.net/gitblog_00972/article/details/162338166</link><guid>https://blog.csdn.net/gitblog_00972/article/details/162338166</guid><author>gitblog_00972</author><pubDate>Sun, 13 Sep 2026 11:17:42 +0800</pubDate><description><![CDATA[本指南围绕 Telegraf 的 `netflow` 服务输入插件展开，该插件用于在指定 UDP 端口上监听并解码 Netflow v5、Netflow v9、IPFIX（Netflow v10）以及 sFlow v5 流量记录，将其转换为 Telegraf 指标。你将掌握完整的配置方法、私有企业号（PEN）字段映射机制、模板解码原理与常见故障排查手段，并能在真实网络设备与 Telegraf 之间]]></description><category></category></item></channel></rss>