- 博客(31)
- 收藏
- 关注
RSS订阅原创 从零入门性能测试：理论+JMETER实操，看完就能上手
当数据值超过一层时，就用更深的颜色或不同的颜色填充。流图通过中心布局，减少了这种扭曲，非常适合展示随时间变化的趋势和不同类别权重的波动，这种有机的形态还能给读者带来极强的审美愉悦感。如果把传统的堆叠面积图想象成一块块整齐堆叠的积木，那么流图就像一条蜿蜒流淌的河流，河道的宽窄变化自然流畅，波峰波谷过渡平滑。流图解决了一个视觉错觉问题：在普通堆叠面积图中，上面的数据层会因为下面数据层的起伏而被迫“扭曲”，很难看出它原本的形状。# ============ 地平线图：股价波动对比 ============
2026-05-05 12:16:00
213
原创 DDD难落地？就让AI干吧！ - cleanddd-skills介绍
其底层数据存储在对象存储中（S3、COS、OSS、ceph），在用户和对象存储层中加一个中间层，作为文件系统层，负责将文件系统与对象存储的操作进行翻译转换，从而实现POSIX兼容。在介绍之前，首先需要理清楚文件系统与对象存储的区别是什么，文件系统对接对象存储需要做哪些工作，之后才考虑性能的优化与可靠性的优化。对象存储的 FUSE 并不是完美的。操作接口：基于RESTful API()，主要操作是PUT（上传/覆盖），GET（下载），DELETE（删除），HEAD（获取元数据），不支持seek或部分写入。
2026-05-05 11:35:55
230
原创 Docker 容器中运行 AI CLI 工具：用户隔离与持久化卷实战指南
// 工作流信息。} // 父检查点。} // 目标 Executor ID。} // 源 Executor ID。var workflow = new WorkflowBuilder(startExecutor) // 指定起点。.WithName("订单处理工作流") // 设置名称。} // 边的具体数据。
2026-05-04 12:15:00
190
原创 分享 种 .NET 桌面应用程序自动更新解决方案
在 DAD 中，Actor 不再只是并发模型，而是领域的最小自治单元。Mailbox 不是 AI Actor 的边界，也不承担语义职责。没有直接调用，没有结构耦合，只有被理解后的意图驱动执行。而是承认：在 AI 时代，系统必须先“理解”，再“执行”。在 DAD 中，领域的最小自治单元是 AI Actor。Agent 才是 AI Actor 的物理与逻辑边界。所有进入 Actor 的信息，必须先经过 Agent。Agent 是唯一的语义入口，也是唯一的语义出口。领域之间的耦合，从方法签名，转移成了消息结构。
2026-05-04 11:25:35
209
原创 Mysl的行级锁到底是怎么加的？
对于支持事务的 Sink（如文件系统、Iceberg），需要一个全局的 Committer 来在 Checkpoint 完成时统一提交事务（二阶段提交），从而实现 Exactly-Once（精确一次）语义。支持列表: MySQL-CDC, PostgreSQL-CDC, Oracle-CDC, MongoDB-CDC, SQLServer-CDC, TiDB-CDC 等。无状态转换：大多数 Transform（如 Sql, Filter, Replace）是无状态的，即处理当前行不需要依赖其他行的数据。
2026-05-03 12:27:01
378
原创 使用Alpine配置WSL ssh门户
ax2.scatter(sales_2022, y_pos, s=120, color='#4C72B0', alpha=0.9, label='2022年', zorder=2, edgecolors='white', linewidth=2)进一步，我们还可以给哑铃图排序，按照增长由快到慢给各个品类排序，这样自然形成从"下降最显著"到"增长最显著"的连续谱，模式自动显现，无需刻意寻找。这样改造后，由上到下的哑铃，越来越短（也就是增长越来越慢），最底部的那个是负增长，用了红色来标注。
2026-05-03 11:41:32
312
原创 单调队列优化多重背包 学习笔记 & 详解
当然，不是所有流都只能读一次，基于内存的流（如 ByteArrayInputStream / CharArrayReader）支持重置指针，因为它们的数据源是内存中的数组（数据不会消失），可以通过 mark() 和 reset() 方法将指针 恢复 到标记位置。log.info("==========进入requestCachingFilter========");每次调用 read() / read(byte[]) / read(char[]) 等读取方法时，指针会向后移动对应字节数；
2026-05-02 13:01:41
179
原创 电商客服+导购智能体的设计与开发
print(f"请求成功！状态码: {response.status_code}")print("响应内容前100个字符:", response.text[:100])print(f"请求失败！状态码: {response.status_code}")API交互: 与各种Web服务（如天气API、社交媒体API）进行通信，获取或提交数据。requests 是一个用于发送请求的 Python 库。轻松发送GET、POST、PUT、DELETE等请求。自动化测试: 自动化测试Web应用的接口功能。
2026-05-02 12:05:36
159
原创 龙虾白嫖指南，请查收~
这个要看资源的定义：如果只是管理内存资源，那么这样做是没有问题的，至少是安全的。而关于拷贝语义，绝大多数 C++ 程序员应该都知道这个问题：当在类对象中管理资源时，编译器生成的默认拷贝行为是“浅拷贝”，可能导致双重释放、内存泄漏等问题，因此需要自定义拷贝构造函数和拷贝赋值运算符来实现“深拷贝”的行为。首先要说明的是，要做的不是完整的封装 Hugging Face tokenizers 的 C 的 FFI（Foreign Function Interface）接口，而是封装自己需要的接口就可以了。
2026-05-01 12:41:53
305
原创 大模型之Linux服务器部署大模型
这个代码的核心功能是：基于输入词的长度动态选择反义词示例，并调用大模型生成反义词，体现了 “动态少样本提示（Dynamic Few-Shot Prompting）” 与 “上下文长度感知的示例选择” 的能力。核心作用：根据输入文本的长度，自动计算并选择合适数量的示例（输入越长，选的示例越少），避免 Prompt 总长度超出模型上下文限制；- 示例数据集（examples）：以键值对形式存储「输入-输出」示例，为模型提供任务参考（如"开心"→"伤心"）；
2026-05-01 11:57:49
292
原创 龙虾白嫖指南，请查收~
这个要看资源的定义：如果只是管理内存资源，那么这样做是没有问题的，至少是安全的。而关于拷贝语义，绝大多数 C++ 程序员应该都知道这个问题：当在类对象中管理资源时，编译器生成的默认拷贝行为是“浅拷贝”，可能导致双重释放、内存泄漏等问题，因此需要自定义拷贝构造函数和拷贝赋值运算符来实现“深拷贝”的行为。首先要说明的是，要做的不是完整的封装 Hugging Face tokenizers 的 C 的 FFI（Foreign Function Interface）接口，而是封装自己需要的接口就可以了。
2026-04-30 11:52:05
350
原创 龙虾白嫖指南，请查收~
注意：templateName、createAsContainerDatabase必須指定。修改db_install.rsp文件中以下内容。12.1.编辑dbca.rsp安装文件。1.7.关闭防火墙还有selinux。10.2.静默安装Oracle软件。1.6.解析/etc/hosts。6./etc/profile配置。10.静默安装Oracle数据库。查看是否安装有Oracle软件。4.配置Oracle的环境变量。以下在root用户下操作。oracle用户下操作。oracle用户下操作。
2026-04-29 11:25:30
168
原创 大模型之Linux服务器部署大模型
这个代码的核心功能是：基于输入词的长度动态选择反义词示例，并调用大模型生成反义词，体现了 “动态少样本提示（Dynamic Few-Shot Prompting）” 与 “上下文长度感知的示例选择” 的能力。核心作用：根据输入文本的长度，自动计算并选择合适数量的示例（输入越长，选的示例越少），避免 Prompt 总长度超出模型上下文限制；- 示例数据集（examples）：以键值对形式存储「输入-输出」示例，为模型提供任务参考（如"开心"→"伤心"）；
2026-04-29 10:53:47
329
原创 数据摄取构建模块简介（预览版）(二)
这个代码的核心功能是：基于输入词的长度动态选择反义词示例，并调用大模型生成反义词，体现了 “动态少样本提示（Dynamic Few-Shot Prompting）” 与 “上下文长度感知的示例选择” 的能力。from langchain.prompts import FewShotPromptTemplate, PromptTemplatefrom langchain.prompts.example_selector import LengthBasedExampleSelectorfrom langcha
2026-04-28 12:13:42
218
原创 .Acwing基础课第题-简单-区间和
尤其对于 2000 万行表，全表拷贝的 IO 开销成为性能瓶颈，72 万行小表测试耗时 203 秒的核心原因也在于此。MySQL 5.6 对原生数值类型（TINYINT/INT/BIGINT）+ 简单常量默认值（如 0）的 DDL 操作有轻量级优化：无默认值时需全表拷贝 + 逐行初始化字段值，而显式指定默认值后会优化为全表拷贝 + 批量赋值默认值，减少 60% 以上的 IO 开销，且该优化对数值类型的适配性远优于 VARCHAR 类型（BIGINT 比 VARCHAR 的执行效率更高、资源占用更低）。
2026-04-28 11:32:21
229
原创 LLM 算法岗 | 八股问答（）· 强化学习与 RLHF
System.out.println("订单技能已挂载，当前租户：" + prompt.attr("tenant_id"));然而，在以 Solon AI 为代表的现代应用开发框架中，AI Skills 已演化为一种更高维度的封装，用于智能体应用开发。异构生态： 不同语言、不同算力环境下的能力，都可以通过统一的 MCP 接口连接，形成一个真正的“智能体微服务网络”。安全边界： 敏感数据处理技能可以部署在专用的、受保护的内网环境中，仅通过受控的 MCP 协议与公网 Agent 通信。
2026-04-27 11:05:42
183
原创 FastAPI项目半夜报警吵醒你？聊聊告警这事儿怎么搞！
当我们需要发起新的提案时，可以直接使用：/openspec:proposal 就可以触发该指令，此时 AI 就会根据 proposal.md 中所定义的规范，来创建一个新的变更提案。mands/openspec 这个目录定义了三个不同的命令，每个命令文件中所写的提示词，都是 AI 在执行该命令时需要参考的"规范"。你只需要理解这套规范的工作流程，就能与 AI 配合无间。当然，在有需要的时候，我们也可以修改 OpenSpec 初始化时所生成的一系列.md文件，直接变更规范，使其更加符合企业内的业务流程。
2026-04-27 10:31:55
205
原创 记录复现多模态大模型论文OPERA的一周工作
这样做是为了支持离线构建（Source Build），确保即使在没有网络连接的环境下，只要克隆了 VMR，就拥有了构建所需的一切代码。为了适应开源社区的协作习惯，并实现不同组件（如 Runtime, SDK, ASP.NET Core, Roslyn 编译器等）的独立迭代，.NET 团队最初采用了极为分散的多存储库（Multi-Repo）策略1。VMR 作为一个“投影”，兼容了标准 Git 工具链，虽然牺牲了一定的实时性（同步延迟），但换取了对开源社区的友好度。而在 VMR 中，构建是垂直的。
2026-04-26 11:54:43
316
原创 FastAPI项目半夜报警吵醒你？聊聊告警这事儿怎么搞！
如果你下意识地开始写一连串的if...else if...else，那么恭喜，你正在制造一颗名为“面条代码”的定时炸弹。重要区别：遍历数组，99%的情况用for...of或forEach方法更好。3. for...of (用于数组等可迭代对象) 和 for...in (用于对象属性)：让你摆脱索引，直接拿到值。// 直接输出 'red', 'green', 'blue'。// 输出 'a' 1, 'b' 2。- else if：“如果...就...或者如果...就...否则...”（多岔路口）;
2026-04-26 11:12:56
170
原创 记录复现多模态大模型论文OPERA的一周工作
她通读了 CNCF Landscape 的各类技术文章，然后大显身手，引入 Istio 做 Service Mesh，用 Argo 做发布，在 Vault 管理 Secrets，部署 Prometheus + Thanos 做可观测性，还有 cert-manager 处理 TLS，external-dns 管理域名，Velero 搞定备份。是真正的实战培训，而不是丢下一句看文档。我想进一步补充的是，真正致命的问题不在复杂性本身，而在于那些未被文档化的复杂性，也就是只存在于 Maya 脑子里的隐秘经验。
2026-04-25 11:18:37
360
原创 FastAPI项目半夜报警吵醒你？聊聊告警这事儿怎么搞！
当我们需要发起新的提案时，可以直接使用：/openspec:proposal 就可以触发该指令，此时 AI 就会根据 proposal.md 中所定义的规范，来创建一个新的变更提案。mands/openspec 这个目录定义了三个不同的命令，每个命令文件中所写的提示词，都是 AI 在执行该命令时需要参考的"规范"。你只需要理解这套规范的工作流程，就能与 AI 配合无间。当然，在有需要的时候，我们也可以修改 OpenSpec 初始化时所生成的一系列.md文件，直接变更规范，使其更加符合企业内的业务流程。
2026-04-25 10:35:18
166
原创 Java 核心四大基石：从 Object 源码到包装类陷阱的全维度复盘
在一次会话生命周期内，相同会话的请求均会被亲和路由到同一个实例中，并独占该实例，保证了会话交互的连续性、上下文完整性以及多租安全性，同时提供完整的管理接口来主动对会话生命周期进行控制，降低了开发门槛。这不仅满足了高并发场景下的需求，也保证了 Agent 交互的流畅性，避免了传统虚拟机启动慢带来的延迟感。AgentRun 利用函数计算提供的极致弹性能力，实现在分钟内启动成三万个独立的沙箱环境，每个环境都运行在独立的 MicroVM 中，搭配自研开箱即用的沙箱镜像模版，在功能以及性能上为用户提供了双重保障。
2026-04-24 11:55:01
184
原创 扩散模型对抗样本经典baselines
Khronos Group制定和维护了glTF数据格式的标准，同时由于其也是OpenGL接口标准的指定者和维护者，因此glTF特别适合OpenGL系列（OpenGL，OpenGL ES，WebGL）的图形渲染流水线所需要进行的处理。.gltf后缀的文件就是用于三维场景数据描述的JSON文件，.bin后缀的文件就是储存缓存区数据的二进制文件，.jpg文件就是三维模型用到的纹理图片。因此，三维数据格式总是会随着计算机图形技术的发展而发展，要么会出现更新的三维模型数据的格式，要么会在已有的三维模型数据上作扩展。
2026-04-24 11:15:53
232
原创 Java 核心四大基石：从 Object 源码到包装类陷阱的全维度复盘
在一次会话生命周期内，相同会话的请求均会被亲和路由到同一个实例中，并独占该实例，保证了会话交互的连续性、上下文完整性以及多租安全性，同时提供完整的管理接口来主动对会话生命周期进行控制，降低了开发门槛。这不仅满足了高并发场景下的需求，也保证了 Agent 交互的流畅性，避免了传统虚拟机启动慢带来的延迟感。AgentRun 利用函数计算提供的极致弹性能力，实现在分钟内启动成三万个独立的沙箱环境，每个环境都运行在独立的 MicroVM 中，搭配自研开箱即用的沙箱镜像模版，在功能以及性能上为用户提供了双重保障。
2026-04-23 19:53:28
318
原创 扩散模型对抗样本经典baselines
Khronos Group制定和维护了glTF数据格式的标准，同时由于其也是OpenGL接口标准的指定者和维护者，因此glTF特别适合OpenGL系列（OpenGL，OpenGL ES，WebGL）的图形渲染流水线所需要进行的处理。.gltf后缀的文件就是用于三维场景数据描述的JSON文件，.bin后缀的文件就是储存缓存区数据的二进制文件，.jpg文件就是三维模型用到的纹理图片。因此，三维数据格式总是会随着计算机图形技术的发展而发展，要么会出现更新的三维模型数据的格式，要么会在已有的三维模型数据上作扩展。
2026-04-23 19:01:38
301
原创 Java 核心四大基石：从 Object 源码到包装类陷阱的全维度复盘
在一次会话生命周期内，相同会话的请求均会被亲和路由到同一个实例中，并独占该实例，保证了会话交互的连续性、上下文完整性以及多租安全性，同时提供完整的管理接口来主动对会话生命周期进行控制，降低了开发门槛。这不仅满足了高并发场景下的需求，也保证了 Agent 交互的流畅性，避免了传统虚拟机启动慢带来的延迟感。AgentRun 利用函数计算提供的极致弹性能力，实现在分钟内启动成三万个独立的沙箱环境，每个环境都运行在独立的 MicroVM 中，搭配自研开箱即用的沙箱镜像模版，在功能以及性能上为用户提供了双重保障。
2026-04-22 12:12:14
324
原创 扩散模型对抗样本经典baselines
Khronos Group制定和维护了glTF数据格式的标准，同时由于其也是OpenGL接口标准的指定者和维护者，因此glTF特别适合OpenGL系列（OpenGL，OpenGL ES，WebGL）的图形渲染流水线所需要进行的处理。.gltf后缀的文件就是用于三维场景数据描述的JSON文件，.bin后缀的文件就是储存缓存区数据的二进制文件，.jpg文件就是三维模型用到的纹理图片。因此，三维数据格式总是会随着计算机图形技术的发展而发展，要么会出现更新的三维模型数据的格式，要么会在已有的三维模型数据上作扩展。
2026-04-22 11:23:26
301
原创 Linux 命令总结
langchain专门用于构建LLM大语言模型，其中提供了大量的prompt模板，和组件，通过chain(链)的方式将流程连接起来，操作简单，开发便捷。response = chain.invoke({"topic": "Python", "concept": "列表"})response = chain.invoke({"topic": "Python", "concept": "列表"})这是模型需要直接回答或处理的问题。("system", "你是一个精通{topic}的资深技术专家。
2026-04-21 14:00:06
208
原创 SpringCloud--快速上手Eureka注册中心
ax2.scatter(sales_2022, y_pos, s=120, color='#4C72B0', alpha=0.9, label='2022年', zorder=2, edgecolors='white', linewidth=2)进一步，我们还可以给哑铃图排序，按照增长由快到慢给各个品类排序，这样自然形成从"下降最显著"到"增长最显著"的连续谱，模式自动显现，无需刻意寻找。这样改造后，由上到下的哑铃，越来越短（也就是增长越来越慢），最底部的那个是负增长，用了红色来标注。
2026-04-21 13:59:22
231
原创 SEATA分布式事务——AT模式
参数TParam是泛型,这样可以直接使用DTO参数来查询,减少类型转化的开销。返回值TAccount也是泛型,这样就可以直接返回视图模型或者领域模型。In的参数名是可选和前面例子的Equal是一样的,默认字段名。参数和返回值类型还可以定义为泛型,可以做到更加灵活冈捣乜吐。参数直接使用Id(类型由Account简化为long)只有1个参数时支持化繁为简,支持直接传值做为参数值。只有In一个集合参数时支持直接传数组、集合或字典。单个参数无需封装,直接使用参数类型即可。这样可以节约定义只有一个属性的参数类。
2026-04-20 15:02:09
305
原创 从数据采集到回放验证：ADTF 适配 ROS 的 ADAS 测试实践
LZW通过为复杂数据构建简单索引来减少存储的数据量，这一点是朴素的哈希算法，当然，这一算法的发明者通过一套特殊的规则使得其他人可以直接通过索引数据反推出复杂数据，而在GIF中，则是GIF发明公司将他所规定的规则写好，编写GIF的人根据这一套规则构建数据，然后其他人直接使用套用了这一套规则的解码器解码，便能将数据还原成原来的样子。其中，最重要的就是图像数据了，其他的块用于规定这些图像数据应当如何呈现到我们眼中或是告知文件的开始结束，因此对于我们来说，其他块基本上都有固定模板，只有图像数据需要我们自己定义。
2026-04-20 15:01:27
492
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