- 博客(72)
- 收藏
- 关注
RSS订阅原创 docker 部署 dify 2026-windows版
本文介绍在Windows系统下安装Docker并部署Dify的步骤。首先确保系统版本符合要求并开启WSL2，然后安装Docker并配置镜像源。接着下载Dify的zip包解压，修改.env文件后通过docker-compose命令启动容器。最后访问http://localhost/signup即可使用Dify服务。整个过程包括Docker环境准备、镜像源配置和Dify部署三个主要步骤。
2026-04-06 20:55:39
39
原创 OpenClaw 配置 scnet API 完整指南 - 被低估的国产大模型 API
配置 scnet 后，OpenClaw 可以直接使用国产优质大模型，无需代理、速度更快、价格更优。希望这篇教程能帮助你顺利完成配置。如果有问题，欢迎在评论区留言讨论！OpenClaw 官方文档scnet 官网：https://scnet.cn/本文由 OpenClaw 自动生成 · madprinter · 2026-03-28et API 完整指南如果你正在使用 OpenClaw，相信你已经对 AI Agent 有了深入的了解。
2026-03-28 21:19:35
327
原创 GitHub Trending 每日精选 - 2026-03-28
今天是 2026-03-28，GitHub Trending 榜单上有哪些值得关注的开源项目？注：此博客为自动化生成，系统会在每日运行时获取最新 Trending 数据并填充具体项目信息。
2026-03-28 12:41:53
267
原创 OpenClaw更换stepfun/step-3.5-flash模型报错：Unknown model 解决（核心：漏加前缀）
主模型ID未添加「modelstudio/」前缀，整理极简解决步骤如下。环境说明：OpenClaw版本：2026.3.13模型：stepfun/step-3.5-flash:free（OpenRouter）系统：Windows 10/11（PowerShell操作）OpenClaw更换stepfun/step-3.5-flash:free模型，报错「Unknown model」的核心原因就是忘加「modelstudio/」前缀，无需复杂操作，3步修改配置即可解决，新手可直接照搬。
2026-03-27 01:00:38
728
原创 2026年3月25日 GitHub 热门项目速览：AI 与自动化浪潮持续
今天的 GitHub Trending 榜单再次印证了AI 驱动和开发者工具AI 基础设施仍然最受关注，无论是 LLM 网关、Agent 编排还是记忆系统，都围绕大模型展开。垂直领域工具开始爆发，如 3D 建筑编辑、离线生存、跨平台 research，AI 正在深入每个行业。可组合性与集成成为重点，各项目都强调与其他工具和模型的互操作性。GitHub Trending 是观察技术风向的窗口。今天的项目告诉我们：AI 不再是概念，而是落到具体的工具、平台和应用中。
2026-03-25 18:47:51
721
原创 DeerFlow 2.0：字节开源的超级 Agent 框架，让 AI 真正干活
DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的一款超级 Agent 框架。2026 年 2 月 28 日，DeerFlow 2.0 正式发布后迅速登顶 GitHub Trending 榜首，目前已有近 40,000 颗星。与传统的 AI 框架不同，DeerFlow 不仅仅是一个"聊天机器人"，它是一个真正能干活的 Agent 运行环境。
2026-03-24 11:33:51
2386
原创 deer-flow：ByteDance 开源的 SuperAgent Harness 终极指南
deer-flow是 ByteDance（字节跳动）开源的一款框架。它的核心目标是创建一个能够自主完成复杂任务的 AI 代理系统，这些任务可能持续几分钟到几小时不等。🔍自主研究- 搜索信息、分析数据、整理结论💻编写代码- 从零开始构建完整的应用程序🛠️使用工具- 调用 API、操作文件、执行命令🧠记忆上下文- 在长时间任务中保持连贯性👥协调子代理- 分配任务给专门的子代理协同工作这就是 deer-flow 要做的事情。description = "深度研究某个主题"# 实现研究逻辑。
2026-03-23 20:00:37
1079
原创 everything-claude-code：Agent Harness 性能优化系统的终极指南
从简单的代码生成，转向系统化的智能协作。如果你正在使用或考虑使用 AI 编程助手，强烈建议关注这个项目。它可能会彻底改变你与 AI 协作的方式。madprinter2026-03-23GitHub Trending 每日热门项目。
2026-03-23 10:44:04
340
原创 Project N.O.M.A.D：离线 AI 生存计算机，断网也能掌控关键信息
是一个自包含、离线的生存计算机，内置关键工具、知识库和 AI 能力——随时随地，无需网络，让你保持信息畅通和自主掌控。当网络中断、服务宕机、或者你身处偏远地区时，你还能获取关键信息和做出决策吗？在追求便利的同时，保留自主掌控的能力。它不是要取代云端服务，而是提供一个可靠的备份方案——当你真正需要的时候，它就在那里，不依赖任何外部条件。在 2026 年这个 AI 和云端服务无处不在的时代，这种"离线优先"的思考方式，或许值得我们每个人关注。
2026-03-22 11:33:25
524
原创 claude-hud：让 Claude Code 的内心世界一目了然
claude-hud 用透明的可视化界面重新定义了 Claude Code 的使用体验：✅上下文监控：实时追踪 Token 使用✅工具调用可见：清楚看到每个工具执行✅Agent 状态追踪：多 Agent 协作不混乱✅任务进度展示：TODO 列表实时更新✅开源免费：MIT 许可，完全免费对于经常使用 Claude Code 进行开发的工程师来说，claude-hud 是一个能显著提升工作效率的工具。它让 AI 编程从"黑盒"变成了"透明盒"，让你真正掌控开发过程。
2026-03-21 10:27:08
804
原创 Attention Residuals 代码实现：从原理到 PyTorch 实战（第 2 篇）
完整代码：Full AttnRes 和 Block AttnRes 两种实现集成指南：如何修改现有 Transformer调试技巧：可视化、超参数、常见问题实验验证：小模型复现论文结果。
2026-03-20 21:06:34
653
2
原创 Kimi 团队重磅新论文：Attention Residuals 全面解读（第 1 篇）
问题本质：传统残差连接导致信息随深度稀释解决方案：用 attention 机制动态加权层输出实际价值：48B 模型验证，所有任务都有提升。
2026-03-20 13:52:21
470
原创 AI Agent 记忆系统设计：从短期缓存到长期记忆的完整实现指南
将以下对话压缩为简洁的记忆条目： {conversation } 要求：1. 提取关键事实（人名、地点、决定）2. 记录用户偏好3. 标记待办事项4. 控制在 200 字以内将以下对话压缩为简洁的记忆条目： {conversation } 要求：1. 提取关键事实（人名、地点、决定）2. 记录用户偏好3. 标记待办事项4. 控制在 200 字以内将以下对话压缩为简洁的记忆条目： {conversation } 要求：1. 提取关键事实（人名、地点、决定）2. 记录用户偏好。
2026-03-20 11:27:13
252
原创 Superpowers：让 AI Agent 真正落地的技能框架与开发方法论
Superpowers 用系统化的技能框架重新定义了 AI Agent 开发：✅技能复用：避免重复造轮子✅标准化接口：统一技能定义和调用✅多 Agent 协作：支持复杂工作流✅权限管理：细粒度安全控制✅开源免费：MIT 许可，完全免费对于需要构建生产级 AI Agent 的团队来说，Superpowers 是一个值得关注的框架。本文基于 GitHub Trending 2026-03-18 数据撰写 | 项目当日星增：3,078 ⭐。
2026-03-19 12:04:20
421
原创 GitNexus：零服务器代码知识图谱引擎，让代码理解更智能
GitNexus 用零服务器架构重新定义了代码理解工具：✅隐私安全：代码完全本地处理，不上传✅零配置：开箱即用，无需安装部署✅图谱可视化：直观展示代码依赖关系✅Graph RAG：AI 辅助代码理解✅免费开源：MIT 许可，完全免费对于需要快速理解大型代码库的开发者来说，GitNexus 是一个值得尝试的神器。本文基于 GitHub Trending 2026-03-17 数据撰写 | 项目当日星增：1,860 ⭐点我查看更多精彩内容:www.flydean.com。
2026-03-17 12:35:03
612
原创 Ubuntu 上docker部署 OpenClaw
本次部署OpenClaw的过程，看似简单，却因为细节问题踩了不少坑，总结3个核心注意事项，避免大家重复踩坑：国内环境优先使用国内Docker镜像源：Docker Hub官方仓库在国内访问不稳定，优先选择中科大、阿里云、网易等国内镜像源，能大幅提升镜像拉取速度，避免超时；配置镜像源后必须重启Docker服务：无论更换哪种镜像源，配置完成后一定要执行重启服务，否则配置无法生效，相当于白操作；
2026-03-12 21:28:32
823
1
原创 【第六章】7 天验证计划：现在开始，做 Agent 时代的布道者而非旁观者（全系列总结）
从今天起，你不再只是一个读者，而是这场技术变革的参与者。用 OpenClaw 提升自己：每天多出 2 小时，一年就是 1 个月。用 OpenClaw 帮助他人：帮家人设置智能提醒，帮团队搭建自动化流程。用 OpenClaw 创造价值：开发自己的技能，发布到 ClawHub，让全世界使用你的创意。这个系列结束了，但你的旅程才刚刚开始。下一篇预告（如果你愿意继续关注）：《从用户到贡献者：手把手教你开发第一个 OpenClaw 技能》——我们将一起把一个想法变成真正的技能，并发布到全球市场。敬请期待！
2026-03-06 22:15:40
311
原创 【第五章】迈向超级个体：多 Agent 协同进化，打造你的“AI 商业顾问委员会”与自愈系统
层次阶段核心能力L1工具期执行单一指令，替你干活（邮件分类、周报生成）L2伙伴期理解上下文，替你记忆（RAG 知识库）L3团队期多角色协同，替你决策（顾问委员会、自愈系统）走到 L3，你已经不是在使用 AI，而是在“经营一家 AI 公司”。财务专家、营销专家、运维工程师、知识管理员——它们各司其职，7×24 小时在线，永不请假，永不抱怨。告诉它们方向，然后验收结果。这就是“超级个体”的含义——不是一个人干十个人的活，而是一个人管理十个 AI，让它们替你干十个人的活-2-6。
2026-03-06 13:11:47
280
原创 【第四章】拒绝无效加班！OpenClaw 职场实战：接管邮件、自动生成纪要、5分钟搞定周报的秘密
我见过太多勤勤恳恳的人，每天加班到深夜，却升职缓慢。为什么？因为搬砖再努力，也只是搬砖。真正拉开差距的，是你用什么工具搬砖，以及你让工具为你做什么。OpenClaw 不能帮你做决策，不能替你创造，但它能帮你：从重复劳动中解脱从信息过载中抽身从繁琐流程中解放让你有更多时间思考、创造、连接——这才是职场真正的核心竞争力。如果你还没开始，现在就是最好的时机。花一个周末配置好这三套技能，下周一开始，你就能体会到“别人在加班，你在喝咖啡”的快乐。
2026-03-06 00:34:15
637
原创 【第三章】告别信息焦虑：手把手教你用 OpenClaw 打造个人定制新闻台，顺便复活你的旧手机！
你有没有过这种体验：想看看技术圈今天发生了什么，打开 Reddit，不知不觉就在 memes 和口水战里浪费了一小时？是时候把“刷”这件事交给 AI 了。
2026-03-06 00:15:35
571
原创 【第二章】保姆级教程：从零安装 OpenClaw 并在安全环境中运行你的第一个 Agent（防坑必看）
你可能听说过 OpenClaw 是“自托管的 AI 网关”，要配置模型、连接消息平台、安装技能……听起来很复杂？实际上，OpenClaw 团队已经把最繁琐的部分做成了自动化脚本。你只需要：一台能上网的电脑（Mac / Linux / Windows 均可）会打开终端（命令行）并粘贴命令愿意花 20 分钟跟着教程一步步操作不需要编程基础，不需要懂 Docker，甚至不需要了解 AI 原理——只要按顺序执行命令，就能拥有一个 24 小时待命的数字员工。现在我们来安装一个绝对安全小白友好。
2026-03-06 00:02:22
798
原创 【第一章】GitHub 21万星神作 OpenClaw 深度解析：为什么 2026 年你必须拥有自己的 AI Agent？
技术革命的浪潮滚滚向前，“观望者”和“行动者”的差距，将在未来 3-5 年内急剧拉大。OpenClaw 代表的 AI Agent 范式，不是对现有工具的修修补补，而是对“人机协作”关系的根本性重构。它把我们从“告诉 AI 怎么做”的低效交互，带入“告诉 AI 做什么”的战略层面。通过一个自托管的网关，你将 AI 无缝集成到你的日常聊天工具中，让它真正成为你的数字分身。如果你能把每天最厌烦的一项重复工作交给 AI，那会是什么？是整理邮件？是写周报？是回复客服消息？还是调试烦人的依赖环境？
2026-03-02 18:43:38
721
原创 OpenClaw 完全指南：从怀疑者到布道者，你需要知道的17个真实场景与7天验证计划
10 年后，你会后悔今天没有做的决定。2015 年，比特币 200 美元一枚。有人说“这是泡沫”，有人花 200 美元买了一枚。2016 年，抖音刚上线。有人说“又一个短视频 App”，有人开始发视频，现在年入百万。2020 年，ChatGPT 发布。有人说“AI 取代不了人类”，有人开始用 AI 创业，现在估值千万。一种人说“我早就知道会火”，但他们什么都没做。另一种人说“我当时也不确定”，但他们至少试了。10 年后，你想成为哪一种人？现在，同样的选择摆在你面前。只需要 20 美元。
2026-02-28 14:28:39
1477
原创 从零到百万级数据：我用 Cursor AI 重构爬虫系统的实战经验
代码质量不一致：团队成员写出的代码风格各异，难以维护重复踩坑：同样的错误在不同模块重复出现知识传递困难：最佳实践难以沉淀和复用性能优化困难：不知道如何系统性地优化代码编写详细的 .cursorrules：这是 Cursor 的"大脑"，决定了 AI 助手的表现提供代码示例：包含正确和错误的对比，让 AI 助手更好地理解规则保持规则更新：随着项目发展，不断更新和完善规则分步骤提问：不要一次性要求太多，分步骤提问效果更好。
2026-02-15 13:23:27
684
原创 Python AI 图像分析实战：商品标签自动生成系统完整教程
是一个基于 AI 大模型的商品图像分析和标签生成服务，主要功能包括：✅智能图片筛选：使用 Qwen 视觉模型自动筛选高质量商品图片✅多阶段处理：Step 1 初筛 → Step 1.5 剔除多主体 → Step 2 精选图片并初打标签✅Google Lens 搜索：对选出的图片进行反向图片搜索，获取相似商品信息✅综合标签生成：结合原商品信息和 Google Lens 结果，生成最终标签和商品简介✅消息队列集成：从 RabbitMQ 消费任务，处理完成后发送消息通知✅优雅中断。
2026-02-15 13:00:43
632
原创 Python 异步爬虫实战：FindQC 商品数据爬取系统完整教程
是一个基于 Python 异步编程的商品数据爬虫服务，主要功能包括：✅目录遍历：自动遍历所有需要爬取的目录✅分页处理：智能分页获取商品列表，直到最后一页✅商品详情获取：获取商品基本信息、图集（QC图、视频等）✅数据存储：保存商品数据到 MySQL 数据库✅消息队列：发送商品新增消息到 RabbitMQ，通知下游服务✅断点续传：支持中断后从断点继续爬取✅优雅中断：支持 Ctrl+C 优雅退出，确保数据安全高性能：使用异步编程和并发控制，大幅提升爬取效率稳定性。
2026-02-15 12:26:26
1474
原创 【Python爬虫实战】彻底解决 Cloudflare 403 盾与图片防盗链：手把手教你用 curl_cffi 伪装 TLS 指纹
本文介绍了如何通过模拟TLS指纹解决爬虫请求被Cloudflare等防火墙拦截的问题。文章指出传统修改User-Agent的方法已失效，因为WAF会检测TLS握手过程中的ClientHello包特征。解决方案是使用curl_cffi库模拟浏览器TLS指纹，并设计了一个"双模智能下载器"：针对高防域名使用curl_cffi模拟Chrome指纹，普通CDN则用httpx加速下载，同时处理Referer防盗链问题。文中提供了完整代码示例，展示了如何根据域名智能切换客户端，确保爬虫稳定运行。
2026-01-22 17:02:00
890
原创 FindQC 实战 (三)：基于 DrissionPage 的底层攻防与 Decodo 混合架构终局
不同于 Selenium 或 Playwright，DrissionPage 直接基于进行封装，甚至可以无缝切换到纯数据包收发模式。它不需要 WebDriver，因此天然避开了 Google 针对 WebDriver 的特征检测。在我们的测试中，DrissionPage 对 Google Lens 的穿透率高达99%。原生支持 AI 字段：无需额外解析，直接返回 Google Lens 的 Knowledge Graph（包含 AI 描述）。JSON 结构化。
2025-12-02 02:17:57
1007
原创 FindQC 实战 (二)：挑战 Google Lens —— 基于 Playwright 的隐匿模式与反爬虫机制构建
本文介绍了从付费API迁移到Playwright自动化工具的实战经验，重点构建了四层反爬虫防御体系：1）基础特征抹除隐藏自动化标识；2）指纹伪造与持久化环境模拟真实用户；3）贝塞尔曲线模拟人类操作行为；4）异常处理和重定向陷阱识别。虽然实现了零成本获取Google Lens数据，但面临性能瓶颈和CDP检测问题。下篇将探讨更底层的DrissionPage技术和混合架构方案。
2025-12-01 17:46:04
1626
原创 FindQC 实战 (一)：基于 SerpApi 的电商高质量图片自动化筛选算法初探
本文介绍了FindQC项目如何利用SerpAPI快速验证图片质量评估算法的可行性。项目针对跨境电商图片筛选痛点，提出基于Google Lens反向搜索结果的图片质量评估方案：搜索结果一致性越高，图片质量越好。文章详细说明了使用SerpAPI的技术优势，包括避免爬虫对抗、结构化数据等，并展示了核心算法实现，即通过TF-IDF和余弦相似度计算搜索结果一致性评分。虽然验证了算法有效性，但指出了API方案在大规模应用时的成本和数据完整性问题，为后续采用浏览器自动化方案埋下伏笔。
2025-12-01 16:49:35
746
原创 解决 Conda 创建环境时 HTTP 403 FORBIDDEN 镜像源问题（超详细避坑指南）
配置冲突优先删文件：遇到源问题时，不要反复添加新源，先删除.condarc文件，避免旧配置干扰；网络限制用热点：403 报错先换手机热点测试，排除网络拦截后再优化源配置；官方源是“兜底方案”：国内镜像源失效时，直接用官方源+热点，能解决 99% 的环境创建问题。
2025-10-12 09:50:09
3358
1
原创 位置编码（Positional Encoding）理解与误区
摘要：位置编码是Transformer模型理解语言顺序的关键组件。固定三角函数编码通过数学规律标记物理位置，而可学习位置编码则让模型自动优化位置向量的语义关联。BERT采用可学习编码的优势在于能根据不同任务需求动态调整位置语义，实现"物理顺序"和"语义关联"的平衡。从固定编码到可学习编码的演进，反映了模型对位置信息理解的深化，是AI从感知走向认知的重要一步。（149字）
2025-10-03 22:41:35
932
原创 Transformers 核心密码：三分钟彻底搞懂 Q、K、V！
本文深入浅出地解释了Transformer模型中的Query、Key、Value概念。Q、K、V源自同一输入数据，通过不同线性变换获得各自功能：Query代表"寻找什么"，Key是"身份标识"，Value是"实际内容"。这种分工设计使模型能动态计算注意力分数，实现精准的信息检索和聚合。作者用图书馆查资料类比说明其工作原理：Query匹配Key，然后用相似度分数对Value加权求和。这种分离机制避免了模型过度关注自身，增强了上下文理解能力。虽然三者在
2025-10-01 16:49:18
697
原创 使用大模型进行工具调用（和风天气API）
本文介绍了如何使用通义千问API集成天气查询功能。通过定义工具集调用和风天气接口，系统能自动解析用户天气查询请求、提取城市参数、获取实时天气数据，并生成自然语言回答。代码演示了完整的流程：初始化客户端、处理用户输入"北京今天天气怎么样"、解析工具调用指令、执行天气查询，最终返回格式化结果。该方案实现了AI对话与外部工具的无缝衔接，为构建多功能对话系统提供了技术参考。
2025-09-26 09:52:17
314
原创 制作大模型获取天气数据工具（和风API）
摘要：该代码实现了一个基于和风天气API的天气查询工具类(QWEATHER)，包含城市ID查询、当前天气获取功能。通过初始化API密钥后，可输入城市名称获取实时天气数据，包括天气状况、温度、风向风力、湿度等信息，并以格式化字符串输出。代码采用请求重试机制，具有错误处理和日志记录功能。测试时需输入有效API密钥和城市名称即可获取相应天气信息。
2025-09-23 22:01:27
717
原创 SpringBoot学习日记 Day11：博客系统核心功能深度开发
本文详细介绍了博客系统的进阶开发，重点构建了评论系统、权限控制和数据统计三大核心模块。通过智能评论实体设计实现多级嵌套回复，采用自定义注解实现精细化权限管理，并利用Redis缓存优化数据统计性能。文章还包含数据库索引优化、查询性能提升策略，以及完整的测试验证方案。最终系统性能显著提升，评论查询响应时间从120ms优化至45ms，并发处理能力达2200QPS。开发过程体现了功能完整性、安全性和性能优化的平衡。
2025-09-08 21:11:22
426
原创 SpringBoot学习日记 Day10：企业级博客系统开发实战（一）
本文详细记录了从零开始搭建企业级博客系统的完整过程。项目采用Spring Boot框架，集成JPA、MySQL、Security等核心组件，实现了多环境配置、Swagger文档、统一响应体等企业级功能。重点开发了用户认证模块（JWT实现）和文章管理模块，并完成了Docker化部署准备。文章展示了项目结构设计、关键技术实现（包括全局异常处理、安全过滤等）以及生产环境部署方案，体现了从开发到部署的全流程实践。目前已完成基础功能搭建，后续计划扩展评论系统、权限控制等模块。该项目可作为Spring Boot企业级开
2025-09-08 15:46:06
472
原创 SpringBoot学习日记 Day9：响应式编程新世界探索
这篇文章介绍了响应式编程的核心概念与应用实践，重点对比了阻塞式与响应式编程模型的差异。主要内容包括：1）响应式基础概念（Mono/Flux、背压机制）；2）WebFlux应用开发（响应式Controller、R2DBC数据访问）；3）MongoDB集成与博客系统改造案例；4）性能对比显示响应式在高并发场景下优势（响应时间降低70%，线程使用减少80%）；5）学习心得与常见问题解决建议。文章最后提出了响应式编程在电商秒杀等场景的应用思考，为开发者提供了从理论到实践的完整指导。
2025-09-01 15:57:22
680
原创 深度学习入门Day10：深度强化学习原理与实战全解析
马尔可夫决策过程是强化学习的数学基础，它描述了一个智能体在环境中做决策的完整框架。MDP包含五个核心要素：1. 状态（State）：环境当前情况的描述2. 动作（Action）：智能体可以执行的操作3. 奖励（Reward）：环境对智能体动作的反馈4. 状态转移概率：执行动作后状态转换的规律5. 折扣因子（γ）：权衡即时奖励与未来奖励的重要性马尔可夫性质：当前状态包含所有历史信息，未来只依赖于当前状态而不依赖于过去的状态序列。这是MDP的核心假设。✅ 理解马尔可夫决策过程的基本概念。
2025-08-29 21:54:23
672
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