普通网友-CSDN博客

原创分钟搞懂深度学习AI：自我进化的最简五步法

服务成功加锁后，启动后台守护线程，每隔锁过期时间的 1/3 （如 10 秒）检查锁是否仍被自身持有，若持有则延长锁的过期时间（重置为 30 秒），直到业务完成主动释放锁。哨兵将从节点切换为主节点，新主节点无该锁数据，其他服务可重新加锁，导致原锁失效，出现多个服务持有锁的情况。成因：锁 key 粒度太粗（如用“lock:stock”作为所有商品的库存锁），导致所有商品的库存操作都互斥，即使操作不同商品，也需排队等待锁释放，彻底丧失分布式系统的并发优势。③ 释放锁时自动同步清理所有节点锁数据，无需手动协调。

2026-05-11 15:13:00 288

原创企业级RAID磁盘阵列你掌握多少

print(f"错误信息: {response.data.decode('utf-8')}")状态码: {response.status}")print(f"请求失败！状态码: {response.status}")urllib3 是一个用于处理请求和连接池的强大、用户友好的 Python 库。print(f"连接失败或重试次数超出限制: {e}")print(f"无法建立连接: {e}")print(f"发生未知错误: {e}")print("响应数据:")自动化测试: 模拟请求，测试Web服务。

2026-05-11 14:24:08 208

原创大模型到底是啥？运维人分钟搞懂（不用数学）

将 Excel 转换为 TXT 不仅是格式的简单转换，更是实现数据自动化流程的重要环节。数据清洗与预处理：将复杂格式的 Excel 数据转换为 TXT，作为其他数据分析工具（如Spark、Hadoop）的输入源，进行更深层次的处理。配置管理：将 Excel 中维护的系统配置、参数表等导出为 TXT 格式，便于脚本直接读取，同时更适合使用 Git 等工具进行版本管理。自动化报告生成：从 Excel 模板中提取数据，生成纯文本格式的报告摘要，方便邮件发送或系统集成。# 将工作表内容保存为TXT文件。

2026-05-11 13:54:17 193

原创 Python 批量导出数据库数据至 Excel 文件

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。

2026-05-11 13:25:22 213

原创分钟搞懂深度学习AI：自我进化的最简五步法

针对业界关于 Microsoft Agent Framework 与 Semantic Kernel 关系的疑虑，目前的证据和官方陈述提供了一个清晰的结论：Microsoft Agent Framework 是 Semantic Kernel 在 AI 代理构建领域的官方继任者，其本质上应被视为 Semantic Kernel 的 2.0 版本或代理核心的深度重构版。这种解耦极大地增强了系统的灵活性，使得同一个代理可以在不同的企业环境中快速切换其可调用的资源。对于决定迁移的开发团队，建议采用渐进式的策略。

2026-05-10 15:38:31 281

原创高光谱成像基础（七）线性光谱混合模型 LMM

7.1 初识三维模型7.1.1 三维模型的数据载体随着计算机图形技术的发展，我们或多或少都会见过或者听说过三维模型。笔者始终记得小时候第一次在电视上看到三维动画《变形金刚：超能勇士》的震撼感受；而现在我们已经可以在手机上玩三维游戏《王者荣耀》，实时操作造型精美的英雄模型了。这些东西的背后都离不开三维模型数据，他们往往是通过像Autodesk 3D Max这样的三维建模软件制作出来的。如同栅格数据和矢量数据一样，三维模型数据也有形形色色的数据格式。这些不同的数据格式有时来源于不同的三维建模软件；一些机构或者组

2026-05-10 15:06:30 175

原创企业级RAID磁盘阵列你掌握多少

set_target_properties(mypass2 PROPERTIES WINDOWS_EXPORT_ALL_SYMBOLS ON) #---->修改项目名称。set(LLVM_DIR "D:/LLVM/llvm-project/build/lib/cmake/llvm")#---->修改 llvm cmake配置路径。target_pile_options(mypass2 PRIVATE /utf-8)#---->修改项目名称，文件名。

2026-05-10 14:33:48 200

原创大模型到底是啥？运维人分钟搞懂（不用数学）

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。

2026-05-10 13:57:47 165

原创 Python 批量导出数据库数据至 Excel 文件

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。

2026-05-10 13:19:34 178

原创当你的 PHP 应用的 API 没有限流时会发生什么？

这里用的ChatPromptTemplate.from_template和上的ChatPromptTemplate.from_messages不同，区别在于前者比较简单，相当于后者直接用user字典的形式，后者from_messages有langchain框架提供的prompt模板。"你是一位高考作文专家。langchain中提供的chain链组件，能够帮助我门快速的实现各个组件的流水线式的调用，和模型的问答。"请给主题为 {topic} 的议论文写一个总-递进-总的简短大纲，一共分为5段。

2026-05-09 19:35:10 161

原创分钟搞懂深度学习AI：自我进化的最简五步法

针对业界关于 Microsoft Agent Framework 与 Semantic Kernel 关系的疑虑，目前的证据和官方陈述提供了一个清晰的结论：Microsoft Agent Framework 是 Semantic Kernel 在 AI 代理构建领域的官方继任者，其本质上应被视为 Semantic Kernel 的 2.0 版本或代理核心的深度重构版。这种解耦极大地增强了系统的灵活性，使得同一个代理可以在不同的企业环境中快速切换其可调用的资源。对于决定迁移的开发团队，建议采用渐进式的策略。

2026-05-09 19:06:13 199

原创高光谱成像基础（七）线性光谱混合模型 LMM

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。

2026-05-09 18:38:30 234

原创大模型到底是啥？运维人分钟搞懂（不用数学）

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。

2026-05-09 17:39:26 151

原创 Python 批量导出数据库数据至 Excel 文件

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。

2026-05-09 17:10:51 191

原创让OpenClaw替我“看”了一场发布会后，我决定把它写进博客

这里用的ChatPromptTemplate.from_template和上的ChatPromptTemplate.from_messages不同，区别在于前者比较简单，相当于后者直接用user字典的形式，后者from_messages有langchain框架提供的prompt模板。"你是一位高考作文专家。langchain中提供的chain链组件，能够帮助我门快速的实现各个组件的流水线式的调用，和模型的问答。"请给主题为 {topic} 的议论文写一个总-递进-总的简短大纲，一共分为5段。

2026-05-08 20:32:34 136

原创 G DWDM/OTN系统DCM色散补偿

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。

2026-05-08 20:03:07 287

原创：RAG 入门-向量嵌入与检索

Trae CN：在solo模式下，可以选择Doubao-Seed-Code、GLM、MiniMax和Kimi-K2，在IDE模式下，模型选择多了“Doubao-Seed-1.8”、“DeepSeek-V3.1-Terminus”和"Qwen-3-Coder"ate：模式选择最多“Zulu”、“Ask”、“Plan”、“Architech”、“Page Builder”、“Figma2Code”，模型可以选“Kimi”、“DeepSeek”、“GLM”和“MiniMax”。这明显是想让我先用IDE。

2026-05-08 19:31:46 213

原创 Microsoft Agent Framework Skills 执行 Scripts（实战指南）

在实际使用时，用户只需要输入该 Skill 的功能描述、使用场景以及示例用法，系统便可以自动生成对应的 Skill 说明文档、描述信息等配套内容。docx 技能的描述示例："全面的文档创建、编辑和分析功能，支持修订追踪、评论、格式保留和文本提取。当 Claude 需要处理专业文档（.docx 文件）时使用，包括：(1) 创建新文档，(2) 修改或编辑内容，(3) 处理修订追踪，(4) 添加评论，或任何其他文档任务"。在编辑（新生成或现有的）技能时，请记住该技能是为另一个Claude实例使用而创建的。

2026-05-08 19:05:15 307

原创 Python 批量导出数据库数据至 Excel 文件

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。

2026-05-08 18:39:01 222

原创让OpenClaw替我“看”了一场发布会后，我决定把它写进博客

print(f"当前Python版本 {sys.version_info.major}.{sys.version_info.minor} 符合要求。print(f"警告: 你的Python版本是 {sys.version_info.major}.{sys.version_info.minor}。print(f"\n模拟包信息定义 ({package_info['name']} v{package_info['version']}):")# setuptools.setup() 在实际中会在这里被调用。

2026-05-07 18:33:27 187

原创 G DWDM/OTN系统DCM色散补偿

针对业界关于 Microsoft Agent Framework 与 Semantic Kernel 关系的疑虑，目前的证据和官方陈述提供了一个清晰的结论：Microsoft Agent Framework 是 Semantic Kernel 在 AI 代理构建领域的官方继任者，其本质上应被视为 Semantic Kernel 的 2.0 版本或代理核心的深度重构版。这种解耦极大地增强了系统的灵活性，使得同一个代理可以在不同的企业环境中快速切换其可调用的资源。对于决定迁移的开发团队，建议采用渐进式的策略。

2026-05-07 18:00:18 217

原创 Microsoft Agent Framework Skills 执行 Scripts（实战指南）

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；

2026-05-07 16:47:36 195

原创 Python 批量导出数据库数据至 Excel 文件

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。

2026-05-07 16:09:13 181

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。

2026-05-06 22:36:26 175

原创鹿鹿isNotDiefined

设计时，要把依赖关系想清楚，比如认证应该放在靠“里”层（后添加），日志可以放在最“外”层（先添加）。划重点：中间件函数接收一个 call_next，它就像接力棒，你必须调用它（await call_next(request)），请求才能继续往后走。再说个容易翻车的点。这里千万别学我当初偷懒，图省事直接上 `allow_origins=["*"]`，这在生产环境是安全大忌，相当于餐厅大门敞开，谁都能进。- 迎宾（CORS中间件）：先看你是不是从允许的街区（域名）来的，不是就直接劝退（返回CORS错误）。

2026-05-06 21:32:47 152

原创打造 AI 冒险团：HagiCode 多 Agent 协作配置实战

这里用的ChatPromptTemplate.from_template和上的ChatPromptTemplate.from_messages不同，区别在于前者比较简单，相当于后者直接用user字典的形式，后者from_messages有langchain框架提供的prompt模板。"你是一位高考作文专家。langchain中提供的chain链组件，能够帮助我门快速的实现各个组件的流水线式的调用，和模型的问答。"请给主题为 {topic} 的议论文写一个总-递进-总的简短大纲，一共分为5段。

2026-05-06 20:16:30 161

原创 AI编程实战：从零到一搭建全栈项目

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；

2026-05-06 19:00:36 153

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。

2026-05-06 18:00:23 232

原创鹿鹿isNotDiefined

设计时，要把依赖关系想清楚，比如认证应该放在靠“里”层（后添加），日志可以放在最“外”层（先添加）。划重点：中间件函数接收一个 call_next，它就像接力棒，你必须调用它（await call_next(request)），请求才能继续往后走。再说个容易翻车的点。这里千万别学我当初偷懒，图省事直接上 `allow_origins=["*"]`，这在生产环境是安全大忌，相当于餐厅大门敞开，谁都能进。- 迎宾（CORS中间件）：先看你是不是从允许的街区（域名）来的，不是就直接劝退（返回CORS错误）。

2026-05-05 20:22:49 159

原创打造 AI 冒险团：HagiCode 多 Agent 协作配置实战

这里用的ChatPromptTemplate.from_template和上的ChatPromptTemplate.from_messages不同，区别在于前者比较简单，相当于后者直接用user字典的形式，后者from_messages有langchain框架提供的prompt模板。"你是一位高考作文专家。langchain中提供的chain链组件，能够帮助我门快速的实现各个组件的流水线式的调用，和模型的问答。"请给主题为 {topic} 的议论文写一个总-递进-总的简短大纲，一共分为5段。

2026-05-05 19:14:33 151

原创 AI编程实战：从零到一搭建全栈项目

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；

2026-05-05 18:04:49 234

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。

2026-05-05 17:01:22 174

原创鹿鹿isNotDiefined

设计时，要把依赖关系想清楚，比如认证应该放在靠“里”层（后添加），日志可以放在最“外”层（先添加）。划重点：中间件函数接收一个 call_next，它就像接力棒，你必须调用它（await call_next(request)），请求才能继续往后走。再说个容易翻车的点。这里千万别学我当初偷懒，图省事直接上 `allow_origins=["*"]`，这在生产环境是安全大忌，相当于餐厅大门敞开，谁都能进。- 迎宾（CORS中间件）：先看你是不是从允许的街区（域名）来的，不是就直接劝退（返回CORS错误）。

2026-05-04 19:54:26 141

原创打造 AI 冒险团：HagiCode 多 Agent 协作配置实战

这里用的ChatPromptTemplate.from_template和上的ChatPromptTemplate.from_messages不同，区别在于前者比较简单，相当于后者直接用user字典的形式，后者from_messages有langchain框架提供的prompt模板。"你是一位高考作文专家。langchain中提供的chain链组件，能够帮助我门快速的实现各个组件的流水线式的调用，和模型的问答。"请给主题为 {topic} 的议论文写一个总-递进-总的简短大纲，一共分为5段。

2026-05-04 18:47:49 182

原创 AI编程实战：从零到一搭建全栈项目

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；

2026-05-04 17:42:49 208

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。

2026-05-04 16:32:25 232

原创用c语言手搓shellcode

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 ============

2026-05-03 17:04:30 255

空空如也

空空如也