- 博客(915)
- 资源 (649)
- 收藏
- 关注
原创 FreeSWITCH windows docker
本文介绍了FreeSWITCH服务所需的关键端口配置及Docker部署优化方案。主要内容包括: FreeSWITCH核心端口说明:除5060 UDP外,还需开放TCP 5060、5080(TCP/UDP)、8021(ESL)、5066/7443(WebSocket)及16384-32768 UDP(RTP媒体流)。 Docker部署建议: 完整端口映射示例命令 推荐生产环境使用--net=host模式简化网络配置 国内镜像拉取问题解决: 配置Docker国内镜像加速器(如阿里云) 提供Windows配置路径
2026-07-06 20:20:18
39
原创 SIP 的一个简单接听例子
摘要:这段代码实现了一个基于PJSIP库(pjsua2)的简单SIP电话客户端,主要功能包括自动接听来电并播放音频文件。程序通过MyAccount类处理SIP账号注册和来电响应,使用MyCall类管理通话状态并触发音频播放。音频播放由MyAudioMediaPlayer类实现,播放完成后会自动清理资源。代码包含本地IP获取、异常处理和资源清理机制,通过设置null音频设备(sndDevId=-1)绕过声卡驱动,适用于无语音硬件的场景。使用前需安装pjsua2-wheel包,支持Windows平台。
2026-06-21 01:04:28
228
原创 Confluence Skills/Markdown 构建树形知识库
本文对比了RAG与Skills/Markdown两种知识库构建方式的优劣,提出树形知识库设计方案。Skills/Markdown更适合结构化知识,通过Router+Leaf模式实现层级管理:根路由文件进行领域分发,子路由文件细化内容导航,叶子节点存储具体知识。设计强调单一职责、意图词路由、3层深度限制,并建议与RAG混合使用。最后给出Confluence迁移建议,该方案能精准加载相关知识,维护简单,适合有明确层级的知识体系。
2026-06-16 10:20:03
210
原创 XGBoost 适合的应用场景、算法原理与调参原则
XGBoost应用场景与原理摘要 XGBoost是一种高性能梯度提升树算法,适用于结构化数据的分类、回归、排序等任务(如金融风控、电商推荐),尤其在处理非线性关系、缺失值及特征交互时表现优异。其核心原理通过加法模型逐步优化残差,采用二阶泰勒展开精确计算分裂增益,并引入正则化防止过拟合。相比传统GBDT,XGBoost在工程实现和理论优化上均有显著提升。 调参应遵循:1)明确评估指标;2)先控制过拟合(调整树深度、叶子约束),再提升拟合能力(学习率与树数量联动);3)合理使用采样和正则参数。不适用于非结构化数
2026-06-16 10:14:14
208
原创 XGBoost · 登录防欺诈示例
本项目开发了一个基于XGBoost的二分类模型,用于识别可疑登录行为。系统包含完整的数据处理流程(含200条训练数据和20条测试数据)、Flask后端API和浏览器前端界面。主要功能包括:1) 数据可视化浏览;2) 模型训练与超参数调优;3) 参数预设保存/加载;4) 模型评估与预测。技术栈采用Python3.10+环境,依赖XGBoost、Flask等库,提供数据生成脚本和RESTful API接口。系统支持模型保存、测试集评估,并展示特征重要性、混淆矩阵等关键指标,适用于异常登录检测场景的快速原型开发与
2026-05-07 10:59:23
379
原创 决策树与XGBoost
XGBoost不是简单的决策树升级,而是一个集成学习系统。核心区别在于:单棵决策树一次性完成学习,容易过拟合;而XGBoost通过Boosting框架让多棵树逐步优化(每棵树修正前序错误),并加入工程优化和正则化。其学习过程类似"多次考试改错题",使用梯度提升和一阶/二阶导数进行精细优化,具有更强的防过拟合能力。简言之,决策树是单一规则模型,XGBoost则是协同优化的树群系统,在准确性和稳定性上显著提升。理解层级应为:决策树→GBDT→XGBoost(强化版GBDT)。
2026-05-06 16:31:03
255
原创 XGBoost 和 Transformer 比较
摘要:XGBoost与Transformer是两类不同范式的模型,适用场景迥异。XGBoost擅长处理结构化表格数据(如推荐系统、风控),具有训练快、可解释性强的优势;而Transformer专精非结构化序列数据(如文本、图像),擅长建模长距离依赖关系。实际应用中需根据数据类型选择:小规模表格数据优先XGBoost,海量序列数据则用Transformer。工业场景常采用混合架构,如用Transformer生成Embedding后接XGBoost预测。两者的核心差异在于:XGBoost通过特征组合解决结构化问
2026-05-06 15:13:10
232
原创 用 ReLU 线性组合构造任意分段线性函数(以梯形为例)
这篇文章展示了如何利用ReLU(Rectified Linear Unit)函数的线性组合来构造任意分段线性函数。通过调整ReLU函数的平移和缩放系数,可以在不同位置创建斜率转折点,从而拼接出复杂的线性分段形状。文章以梯形函数为例,详细演示了使用4个ReLU分量构造梯形函数的过程:分别在梯形的起点、平台起点、下降起点和终点处设置ReLU转折点,通过控制各点的斜率变化量来精确塑造梯形轮廓。该方法可推广到任意分段线性函数的构造,只需在每个转折点处添加对应的ReLU项并设置适当的系数即可。文章还提供了Python
2026-05-06 14:07:12
258
原创 Skills:让 AI 拥有“可插拔能力”的一种工程化方案
摘要:Vercel-labs提出的"Skills"机制解决了AI应用中prompt工程面临的瓶颈问题,通过将AI能力模块化为独立技能包,实现动态加载和组合。每个Skill包含配置文件、核心prompt和执行逻辑,系统通过匹配用户意图动态注入相关技能。相比传统prompt堆砌,Skills具有模块化、可扩展、更稳定等优势,尤其适合开发工具、DevOps等场景。虽然当前存在匹配简单、缺乏协作等局限,但未来可通过向量匹配、依赖管理、工具执行等方向演进,推动从"写prompt"
2026-04-22 13:58:01
364
原创 AIGC 的一些模型体验分享
摘要: 在AI对口型与语音合成领域,不同工具各有优势,需根据具体需求选择。MuseTalk适合实时场景(如直播),速度快但画质一般;Wav2Lip易上手且社区资源丰富,适合快速验证;LatentSync则提供高画质与自然度,适合专业视频制作。类似地,语音合成模型中,CosyVoice2以超低延迟(150ms)见长,适合实时交互;Index-TTS支持精细控制(时长、情感),适合配音等专业场景。建议根据实际需求(实时性、画质/音质、硬件条件)选择,或组合使用以兼顾效率与效果。
2026-03-22 10:29:49
408
原创 Frank-Job +Dify 实现openclaw Cron 分布式任务调度的AI化思考
摘要: Frank-Job是一个轻量级分布式任务调度平台,通过中心化调度与分布式执行解决微服务任务管理痛点。支持Cron触发、分片路由等策略,提供可视化监控与高可靠保障。与OpenClaw(即时执行)互补,结合Dify实现智能运维闭环:Frank-Job负责调度,Dify分析数据,OpenClaw执行操作。通过MCP协议,Frank-Job将调度功能封装为标准化工具,支持自然语言交互,实现任务创建、暂停等全生命周期管理。架构包含调度中心(Frank-Admin)和执行器(Frank-Executor),三步
2026-03-19 22:24:51
671
原创 Openclaw + 本地搭建Ollama Qwen3-Coder
本文记录了OpenClaw AI工具的配置和使用过程,主要包括以下内容: 初始配置问题:遇到网关认证错误"disconnected(1008):unauthorized",通过重新生成令牌和修改配置文件解决。 模型配置问题: 尝试配置本地Ollama的qwen3-coder:30b模型,出现"Unknown model"错误 转用zai/glm-4.7模型后,遇到API密钥和余额问题 解决方案: 通过环境变量设置模型和API密钥 添加后备模型配置 使用ollamala
2026-02-10 22:39:38
5526
原创 什么是决策树(Decision Tree)
决策树是一种通过"如果...那么..."判断流程进行分类的算法。以8个候选人的招聘数据为例,本文演示了如何使用Gini系数选择最优划分属性:1)Gini系数衡量分类纯度,越小越好;2)计算发现"是否本科"和"年龄≤25"的Gini系数最优(0.30);3)构建的决策树先按"是否本科"划分,再对本科群体按"年龄≤25"细分,两层即可完全分类。相比"工作年限",这两个属性能更有效地区分录用结果
2026-02-09 13:49:43
783
原创 FORCE_VERIFYING_SIGNATURE=false
摘要:Dify 容器内部修改 .env 文件无效,配置通过 Docker Compose 环境变量注入。正确方式是在宿主机修改 docker/.env 文件添加 FORCE_VERIFYING_SIGNATURE=false。若需临时调试,可在容器内执行 export 命令并重启服务,但重启容器后会失效。执行 docker compose down 和 up -d 不会丢失数据,因数据存储在持久化 Volume 中。避免使用 -v 参数以防数据删除。建议通过宿主机修改配置确保永久生效。
2025-12-03 20:10:25
505
原创 用户意图分类
本文提出了一套完整的代码开发意图分类体系,将用户指令划分为13个大类(如代码操作、代码分析、文件操作等)和35个子类。每个子类对应特定的处理工具或代理(Agent),如代码操作使用AST/sandbox代理,代码搜索采用精确匹配或语义检索,测试验证调用sandbox代理等。该分类体系通过模块化的代理分工,实现了从用户意图识别到具体工具调用的全流程映射,为智能编程助手提供了清晰的任务分解框架。
2025-11-27 11:01:56
995
原创 让cursor改一个逻辑,比如给Email增加一个验证,是如何定位抽取,上下游依赖关系,以及调用关系,来判断需要哪些地方需要修改的?
Cursor修改功能的原理:通过意图识别确定修改目标,利用代码搜索和AST分析定位相关代码,构建调用图和数据流分析依赖关系,生成安全修改计划(To-Do List),在沙盒测试后执行修改。整个过程结合LLM理解、静态分析和安全验证,确保修改不破坏现有功能。
2025-11-27 10:55:32
392
原创 Cursor Agent 的核心执行调度逻辑
Cursor Agent采用有限状态机架构,将任务分解为可执行步骤。其核心流程包括:1)意图检测判断任务类型;2)工具选择根据任务粒度匹配read/explored/grepped等操作;3)生成To-Do List计划,每个步骤标记为可执行单元;4)执行循环通过打勾机制(checked标记)控制流程流转,支持手动/自动触发;5)动态调整计划,根据执行结果更新后续步骤。整个过程结合AST/sandbox保证安全性,实现从意图识别到安全执行的完整闭环。
2025-11-27 10:27:46
609
原创 Python AST 可视化工具(支持 Kotlin & Java) 的完整代码
本文介绍了一个基于Python的AST可视化工具,支持Kotlin和Java代码。该工具使用tree-sitter进行语法解析,graphviz生成可视化树状图。核心功能包括:加载不同语言的解析器、递归遍历AST节点、生成PNG格式的语法树图像。用户只需安装tree_sitter、tree_sitter_languages和graphviz三个Python包,以及系统级的graphviz软件包即可使用。工具提供示例代码演示了如何为Kotlin和Java代码生成AST图,并输出为png文件。文章还提出了可能的
2025-11-27 09:56:43
317
原创 Cursor 什么时候使用 Codebase(Explored 搜索)
摘要:Cursor在代码相关指令时才会触发codebase搜索,通过动态调整top-k(3-20+)和相似度阈值(0.18-0.55)来优化检索效果。其核心机制包括:1)基于语义向量搜索获取候选文件;2)通过AST解析和引用图分析文件结构;3)结合任务复杂度动态调整检索范围。Cursor利用AST确保代码修改的结构合法性,使其比普通AI工具更稳定可靠。整个过程融合了语义搜索、代码结构分析和智能参数调节技术。
2025-11-27 09:49:30
1160
原创 Cursor 的 Agent 是如何工作的?
Cursor Agent是一个自主代码编辑系统,结合LLM、文件系统访问和AST工具,实现安全高效的代码修改。其核心技术包括:1)意图识别判断用户需求;2)LLM生成可执行的编辑计划;3)基于AST的差分补丁系统确保修改安全。完整流程从用户请求到多轮计划执行,相比普通ChatGPT具有工程级编辑能力,支持多文件修改和精确代码定位。系统核心组件包括代码索引、意图分类、提示词调度等,用户可基于类似架构自行搭建简化版Code Agent。
2025-11-27 09:47:43
1496
原创 adb 与pad 交互方法
这段Python代码演示了通过ADB命令控制Android设备触屏操作。代码定义了一个tap()函数,通过adb shell input tap命令模拟点击屏幕指定坐标。示例中包含了多个坐标点的点击位置,如上下左右方向键和夹子按钮的坐标。代码需要ADB调试环境,有线直接连接,无线需先启用TCP模式(adb tcpip 5555)。主要适用于自动化测试或远程控制Android设备场景,通过简单的坐标点击实现基础操作。
2025-08-03 21:46:05
256
原创 PHP 5.5 Action Management with Parameters (English Version)
This PHP 5.5 script provides a simple action management system using URL parameters and session storage. It supports three operations: storing actions via ?action=value, checking status with ?cmd=status, and deleting actions with ?cmd=delete. The script sa
2025-07-31 22:24:16
398
原创 ADB+Python控制(有线/无线) Scrcpy+按键映射(推荐)
电脑通过键盘控制安卓平板屏幕点击方案 核心方案 ADB+Python控制(有线/无线) 需要开启开发者模式和USB调试 使用Python监听键盘并发送ADB点击指令 示例代码实现WASD键控制点击坐标 Scrcpy+按键映射(推荐) 安装开源的Scrcpy工具 创建JSON配置文件映射键盘到点击坐标 延迟低至30ms,适合游戏控制 Automate+HTTP Server 安卓端安装Automate应用搭建HTTP服务 电脑端发送HTTP请求触发点击操作 关键步骤 获取屏幕坐标(开发者选项或ADB命令) 处
2025-07-28 20:25:35
2403
原创 使用PaddleOCR识别数学试卷
PaddleOCR可用于数学试卷识别,支持中英文文本和表格内容。安装简单,需预处理图像提高识别率。对于复杂公式,建议结合Mathpix等专业工具或进行后处理转换。可批量处理文件,通过自定义字典提升数学术语识别准确率。但手写公式和复杂符号识别仍具挑战性,可能需要结合多种OCR工具优化效果。
2025-07-15 10:12:11
731
原创 AI 识别卷纸思路
本文介绍了使用Python处理数学、物理、化学等复杂试卷OCR识别的综合解决方案。针对公式识别、手写体识别、复杂布局等难点,提出多阶段处理流程:图像预处理(OpenCV)、布局分析(PaddleOCR/unstructured.io)、分区域识别(PaddleOCR处理文本,pix2tex识别公式,EasyOCR处理手写体)。文章详细对比了各工具的优缺点,并提供了三个代码示例(基础OCR、区域识别、公式识别),指导读者从简单到复杂逐步实现。最终推荐开源组合方案为:OpenCV+PaddleOCR+unstr
2025-07-14 17:49:19
1041
原创 一个系统有若干个API,每个API,都有若干个属性,如 入参 出参 逻辑 错误信息 背景,以及使用这个API的客户,和客户的使用场景, 根据以上信息建立一个知识图谱 比如有 login API
基于您描述的系统API和相关信息,我可以设计一个全面的知识图谱模型。
2025-06-08 17:50:53
582
原创 Nginx sse for mcp
本文提供了Nginx服务器的配置示例,涵盖了基本设置和模块加载。配置文件中定义了工作进程、错误日志、PID文件路径,并加载了动态模块。事件块中设置了工作连接数,HTTP块中定义了日志格式、访问日志路径、文件传输优化、超时设置等。此外,配置文件还包含了多个服务器块,定义了不同路径的代理规则,如/metrics、/api、/mcp等,并设置了相应的代理头信息。最后,配置文件中还包含了错误页面的处理规则。更多配置信息可参考官方英文和俄文文档。
2025-05-22 19:28:55
868
原创 基于供热企业业务梳理的智能化赋能方案
通过此框架,可实现供热企业从"经验驱动"向"数据驱动"的转型,预计综合效率提升15-20%(麦肯锡行业调研数据)。需特别注意数据治理(ISO38505标准)与组织变革管理的同步推进。
2025-05-07 19:16:10
915
原创 Java 实现socket VAD通讯客户端
这个Java客户端实现了与Python服务端的完整交互流程,支持实时音频处理和标点恢复功能。根据实际需求可以扩展更多功能如:音频压缩、自适应VAD阈值、多语言支持等。
2025-05-02 10:50:48
1118
原创 Paraformer(由达摩院开发)是一款非自回归的端到端语音识别模型,支持高效的语音转文本任务
Paraformer(由达摩院开发)是一款非自回归的端到端语音识别模型,支持高效的语音转文本任务。通过以上步骤,您可以在本地高效部署Paraformer模型。如需进一步定制(如微调训练),需准备数据集并参考FunASR的文档。Paraformer的官方实现通常通过。通过API提交音频。
2025-05-02 05:48:12
2701
原创 Paraformer 的详细安装与部署指南,涵盖本地环境、云端及嵌入式设备的部署步骤
通过以上步骤,可快速完成Paraformer的部署。如需生产级服务,建议参考官方文档配置。
2025-05-02 05:43:32
2514
原创 服务器频繁重启日志分析与诊断
这表示系统在4月29日17:54启动,运行了约20小时31分钟后,于次日14:26结束(可能是崩溃或主动重启)。如果你能提供更多日志信息(特别是崩溃前的错误信息),我可以帮你更准确地诊断问题。从你提供的日志来看,系统确实经历了多次重启。
2025-04-30 18:52:57
1026
原创 DeepSeek在供热行业中的应用
DeepSeek 是一种基于深度学习和自然语言处理(NLP)技术的先进人工智能平台,旨在通过高效的算法和海量数据训练,提升供暖行业业务的智能化水平。该技术通过多层次的神经网络模型,能够自动提取、分析和处理复杂的供暖数据,从而为供暖企业提供精准的业务决策支持。DeepSeek 的核心优势在于其高精度的预测能力和强大的自适应学习机制,能够根据市场变化和用户需求动态调整模型参数,确保其在供暖领域的高效应用。
2025-03-11 14:05:04
1643
1
原创 PID 控制的通俗理解
PID 控制就像一个“智能调节器”,通过比例、积分、微分三个部分的配合,让系统的输出值稳定在目标值。在 PLC 中,PID 控制可以用于温度、压力、流量、速度等各种控制场景。通过调整 PID 参数(比例、积分、微分的作用强度),可以让系统响应更快、更稳定。希望这个解释能帮助你理解 PID 控制!如果还有疑问,可以继续问我!
2025-03-09 16:46:30
1050
原创 使用 TOPSIS 进行决策
价格和投诉率都是成本型准则(越小越好)。权重分配为价格 40%,投诉率 60%。weights = np.array([0.4, 0.6]) # 价格、投诉率的权重criteria_types = np.array([-1, -1]) # -1 表示成本型准则通过 TOPSIS 方法,我们可以科学地权衡价格和投诉率,选择最适合企业长期发展的供热策略。
2025-03-09 16:34:30
468
原创 方差的原理以及应用场景
方差是衡量数据波动性的重要指标,其应用广泛,能够帮助我们理解数据的变异程度、评估风险、以及在不同场景下做出更为科学的决策。下面是一个实际例子,说明方差的计算和应用。
2024-08-20 21:43:50
3666
Windows Server 2008 + tomcat 配置使用SSL.docx
2018-02-23
weUI 入门教程:http://blog.csdn.net/libin_1/article/details/50734266
2018-05-17
使用springboot集成jseesite
2018-03-28
TensorFlowSharp-master
2018-01-02
Docker 快速安装caffe步骤
2017-12-21
EM抛硬币算法
2017-12-20
vue 一套前端框架
2018-05-31
PostMan工具离线安装
2018-04-17
C# idx1-ubyte idx3-ubyte转图片 文字 浏览器
2018-01-04
DsoFramer_KB311765_x86.exe 微软官方office控件,其中含源码,C、C++、Web 三种demo
2018-04-13
快速安装caffe步骤
2017-12-21
tensorflow 摄像头调用 Inception v1分类 vs2017 C#
2018-01-02
Netica贝叶斯
2017-12-14
Mysql安装Linux
2017-12-13
ID3 算法 决策树使用的算法与阿里巴巴Java开发手册(终极版)
2017-12-15
XGBoost 二分类模型识别可疑登录
2026-05-07
加特林压力测试代码示例 gatling stress test samples
2022-05-24
最新百度地图API Javascript V2.0 离线版本。 完全脱离百度在线地图, 有比较完善的示例Demo, 默认带有全国8级地图
2018-11-13
eureka-server+gateway-service+user-service+zipkin-server
2018-07-18
Face++ C# Demo实现web API 人脸比对,识别等接口
2019-01-05
Fiddler4 以及证书https
2018-11-07
SKU 相关代码及知识
2019-01-23
ELK( ElasticSearch、Logstash和Kiabana)
2018-07-20
LSB隐写术 C#源代码
2021-05-17
.net2.0 Mysql
2018-10-24
Spring Boot 拦截器+kibana 配置.zip
2019-09-04
ELK6.2.4搭建
2018-11-15
H5-Kline-master.zip
2020-03-19
FiddlerCertMaker
2018-11-01
de4dot.zip
2020-06-01
使用SpringBoot整合jersey 实现Restful web service.同时整合springmvc。
2020-02-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅