- 博客(272)
- 收藏
- 关注
RSS订阅原创 未来的 AI 编程战争：模型终将平权，工具生态决定胜负
AI编程工具正从“模型即产品”向“模型作为基础设施”演进，未来竞争焦点或转向工具平台而非单一模型。OpenCode的核心理念是工具与模型分离，允许开发者自由切换不同模型（如GPT、Claude、Gemini等）而无需更换开发环境。类比互联网发展，AI时代的工具平台将扮演类似浏览器的角色，而大模型则如提供内容的网站。这种架构优势在于：工具生态需要长期沉淀，而模型迭代迅速，解耦设计能降低迁移成本。未来成功的AI编程产品可能是能连接多模型的开放平台，而非单纯依赖某家公司的模型能力。
2026-05-30 11:36:24
259
原创 AI写代码真相：有人效率翻10倍，有人直接被淘汰（工具选错是关键）
AI编程已从代码补全进化为直接完成项目开发任务，主要工具分为CLI/Agent流（如Codex、ClaudeCode、OpenCode）和IDE流（如Trae）。Codex适合专业开发者，ClaudeCode擅长大型项目，OpenCode支持国产模型且成本低，Trae则更易上手。未来趋势是程序员角色转向管理AI协作。选型建议：追求最强功能选ClaudeCode，稳定生产用Codex，经济自由选OpenCode，简单易用选Trae。关键在于适应AI编程的新范式。
2026-03-30 17:10:58
1260
原创 向量数据库选型指南：Chroma vs Milvus vs pgvector vs Elasticsearch
本文对比了Chroma、Milvus、pgvector和Elasticsearch四种主流向量数据库。Chroma是轻量级嵌入式方案，适合本地AI应用和小型项目；Milvus是专业分布式向量数据库，适用于大规模AI系统；pgvector作为PostgreSQL扩展，适合关系型与向量混合查询；Elasticsearch则擅长文本与向量混合搜索。文章从架构、性能、适用场景等维度分析各方案优劣，并给出选型建议：Chroma适合原型开发，Milvus适用于企业级平台，pgvector适合已有PostgreSQL系统
2026-03-02 13:49:07
1824
原创 构建时渲染 VS 运行时渲染
文章摘要： 本文对比了现代Web开发中的两种主流渲染模式：构建时渲染（SSG）和运行时渲染。构建时渲染在项目构建阶段生成静态HTML，适合内容型网站，具有高性能、低成本优势；运行时渲染在用户请求时动态生成页面，适合数据实时性强的系统。文章从原理、性能、适用场景等方面分析两者的差异，并指出混合模式（如Next.js的SSG/SSR结合）成为趋势。最终建议内容型网站采用构建时渲染，复杂后台系统选择运行时渲染，混合需求使用灵活架构方案。（149字）
2026-02-26 15:59:06
853
原创 pgvector vs Chroma：为什么做内容搜索，我最终选择了 pgvector
本文从真实业务视角对比pgvector与Chroma在内容搜索场景的适用性。核心观点：pgvector作为PostgreSQL的向量扩展，完美融入SQL体系，能同时处理向量检索与复杂业务条件（过滤、排序、分页等），是内容搜索的最佳选择；而Chroma专为RAG设计，仅适合纯语义召回场景。文章深入分析了两者差异，并给出选型建议：内容搜索优先pgvector，纯RAG选Chroma。关键结论是技术选型应服务于业务需求，而非盲目追求"专业向量数据库"。
2026-01-04 13:17:38
1167
原创 为什么我从 MySQL 迁移到 PostgreSQL
文章摘要：作者分享从MySQL迁移到PostgreSQL的实践经验。初期MySQL在简单业务场景下表现优异，但随着业务复杂度提升，其处理复杂查询、JSON数据和事务一致性的局限性显现。PostgreSQL凭借强大的分析函数、JSONB支持、灵活索引和MVCC机制，显著简化了复杂业务逻辑的实现。迁移后SQL更简洁、代码更干净，报表开发效率提升。作者认为MySQL适合简单明确业务，而PostgreSQL更适合需要数据库承担更多计算能力的复杂系统，强调选型应匹配业务发展阶段而非技术信仰。
2025-12-30 10:55:07
879
原创 IDA Pro 最常用快捷键大全（2025完全版）
摘要： 本文整理了IDA Pro逆向分析中最常用的快捷键，涵盖视图切换、反汇编编辑、函数处理、搜索操作、结构体管理、数据处理、图形界面及调试器功能。核心快捷键包括：空格切换视图、G跳转地址、F5反编译、X交叉引用、Shift+F12搜索字符串、Ctrl+F函数列表等。这些快捷键可大幅提升逆向分析效率，适用于静态分析与动态调试场景。建议逆向工程师收藏备用，熟练使用可减少鼠标操作，优化工作流。
2025-12-05 15:03:49
2165
原创 FastAPI 后台任务示例：接收请求立即返回，后台处理耗时任务
本文介绍了如何使用FastAPI的BackgroundTasks实现后台异步处理耗时任务。通过一个简单示例演示了如何安装FastAPI和Uvicorn，创建项目结构，并编写代码实现"接收请求立即返回结果，后台异步执行任务"的模式。文章重点解析了BackgroundTasks的使用方法，包括添加后台任务和模拟耗时操作，最后展示了接口调用和运行效果。该方法适用于简单的异步任务场景，能够显著提升用户体验，对于更复杂需求可考虑结合Celery等工具。
2025-11-17 13:57:31
551
原创 Python GUI 开发利器——Kivy 库详解与实战入门
Kivy是一个跨平台的Python GUI框架，支持Windows、Linux、macOS以及移动端的Android和iOS。它具有高度模块化设计、使用KV语言定义界面、支持动画与多点触控等特点，适合开发游戏原型、桌面工具、移动应用等。本文介绍了Kivy的特性、安装方法、基本使用示例以及KV语言界面设计，并提供了常用控件和典型应用场景说明。Kivy通过Buildozer等工具可打包为各平台应用，为Python开发者提供了一个创意十足的多端开发解决方案。
2025-11-13 09:42:51
1749
原创 Dify 入门教程：从零开始搭建你的 AI 应用平台
Dify是一款开源的AI应用开发平台（LLMOps），支持可视化构建基于大语言模型（如GPT-4、Claude等）的应用。其核心功能包括Prompt工具、拖拽式工作流、API自动生成及多模型管理，无需编码即可快速开发AI助手。通过Docker部署后，用户能创建聊天应用、调试Prompt并一键生成可集成的REST API。相比Flowise和LangChain，Dify更注重低代码与快速落地，适合开发者、企业及产品经理验证AI原型。优势在于易用性、多模型支持及自动化部署
2025-10-21 14:22:40
1880
原创 深度学习三大框架对比评测：PaddlePaddle、PyTorch 与 TensorFlow
本文对比了三大主流深度学习框架PaddlePaddle、PyTorch和TensorFlow的特点。TensorFlow工业部署能力强，生态完善；PyTorch科研友好，适合快速实验；PaddlePaddle中文支持好，国产适配优。选择建议：科研选PyTorch，工业部署选TensorFlow，国内产业落地选PaddlePaddle。三大框架各有优势，需根据实际需求选择。
2025-09-03 14:04:14
2967
3
原创 推荐系统入门实践：DeepCTR-Torch 使用详解
本文介绍了如何使用DeepCTR-Torch框架从零构建推荐系统的CTR预测模型。内容涵盖：环境安装（Python 3.7+和PyTorch）、特征列定义（稀疏/稠密特征）、数据准备（pandas格式）、模型训练（以DeepFM为例）及评估（AUC指标）。该框架支持Wide&Deep、DIN等主流推荐模型，API简洁易用，适合快速实验和模型迭代。文末还提供了GitHub链接和扩展建议，为推荐系统开发者提供了实用指南。
2025-08-11 10:29:55
1281
原创 一文掌握 Mermaid 图表使用方法
Mermaid是一款基于JavaScript的图表绘制工具，通过简单的文本语法即可生成流程图、时序图、甘特图等多种图表。它能与Markdown完美结合，特别适合程序员在文档中可视化逻辑结构、状态转换和类关系。本文介绍了Mermaid支持的7种核心图表类型（包括流程图、时序图、类图等）的基础语法和示例代码，并整理了各图表的关键字和适用场景。作为开发文档和项目管理的利器，Mermaid能显著提升绘图效率，是程序员必备的文本转图表工具。
2025-08-07 14:07:05
2003
原创 LangGraph与LangChain：关系与应用场景详解
摘要： LangGraph与LangChain是互补的AI开发框架，分别针对不同复杂度场景。LangChain适合线性、无状态的简单任务（如基础问答），而LangGraph扩展为图结构，支持多阶段、有状态及多智能体协作，适用于复杂工作流（如多轮对话、动态RAG、多代理系统）。开发者可基于需求选择：LangChain用于快速原型，LangGraph解决需循环、状态共享或协作的复杂问题。二者无缝集成，形成完整的LLM应用开发生态。
2025-08-01 09:48:06
1850
原创 一个frida的终端 TUI 工具
一个frida的终端 TUI 工具，用于选择 frida-ps -Uai输出的进程和本地目录中的 JS 文件，并以 spawn 或 attach 模式执行 Frida 注入命令。
2025-06-30 08:55:09
660
原创 Chroma 向量数据库入门教程
Chroma是一个本地开源向量数据库，专为AI应用设计。本文介绍了Chroma的安装与使用方法，包括初始化客户端、创建集合、插入数据、相似文本查询等基本操作。Chroma支持与LangChain无缝集成，适合构建RAG系统。文章还提供了数据删除、更新和持久化操作指南，并附有官方资源链接。
2025-06-21 08:45:00
2125
原创 UiAutomator2 与 Appium 对比分析：安卓自动化测试框架的选择指南
本文对比了Android自动化测试框架UiAutomator2和跨平台框架Appium。UiAutomator2是Android官方框架，执行效率高但仅支持Java/Kotlin；Appium支持多语言和iOS/Android跨平台，但依赖Node.js服务端，执行较慢。核心差异在于：UiAutomator2适合纯Android项目，Appium适合跨平台需求。实际应用中，Appium底层仍依赖UiAutomator2驱动，两者可组合使用。技术选型需权衡跨平台、执行效率、语言支持等因素。
2025-06-20 14:08:27
1922
原创 Python 操作 MySQL 数据库
本文介绍了使用Python的pymysql库操作MySQL数据库的完整流程。主要内容包括：安装pymysql、建立数据库连接、创建表、插入数据（单条和批量）、查询数据（全表和条件查询）、更新数据、删除数据以及关闭连接等基本操作。文章提供了详细的代码示例和一个完整的综合示例，并针对常见问题给出了解决方案，如连接失败、中文乱码和SQL报错等。该教程适合需要快速掌握Python与MySQL交互的开发者参考使用。
2025-06-20 14:00:44
1086
原创 ELF 文件结构详解
本文详细解析了ELF(Executable and Linkable Format)文件格式，这是Unix/Linux系统使用的标准可执行文件格式。文章首先介绍了ELF的四种文件类型：可重定位文件、可执行文件、共享目标文件和核心转储文件。接着剖析了ELF文件的基本结构，包括文件头、程序头表、节区头表以及各段内容。重点讲解了ELF Header的关键字段、Program Header Table的运行装载信息、Section Header Table的链接定位作用，以及符号表、重定位表和动态链接相关机制。最后
2025-06-17 14:51:14
1252
原创 Android 签名校验与绕过思路详解
本文详细探讨了Android应用签名校验机制及其攻防对抗策略。首先阐述了签名校验的核心原理，包括PackageInfo获取、CREATOR反序列化、文件I/O操作等环节。随后系统性地分析了五种常见绕过方法：拦截PackageInfo、替换CREATOR、重定向文件I/O、替换Application类以及系统调用拦截，并说明了各方法的适用场景。针对开发者提出的检测手段，文章也提供了相应的反制策略，如CREATOR检测绕过、内存校验对抗等。最后强调签名校验是Android安全基础，但随着逆向技术的发展已演变为持
2025-06-17 11:51:29
3053
原创 Python库之LIEF使用
在逆向工程、安全分析、自动化补丁、二进制混淆检测等场景中，我们经常需要读取、修改、重写 ELF、PE 或 Mach-O 文件。这些过去只能通过 C++ 手动操作的任务，如今在 Python 中也能轻松实现，得益于一个强大且现代化的库：LIEF。
2025-06-16 10:59:39
1813
原创 frida-android-mod-menu 使用教程
摘要：frida-android-mod-menu是基于Frida的开源工具，用于为Android游戏添加模组菜单功能。该项目通过加载自定义dex文件到目标进程，结合Frida的JavaScript API实现功能注入。使用前需准备Android设备、Frida环境和开发工具（Android Studio/TypeScript）。安装步骤包括克隆项目、配置TypeScript环境、编写钩子脚本，最后通过Frida注入目标应用。该项目支持Unity游戏分析，提供菜单UI自定义功能，适合熟悉Frida的中高级开
2025-06-14 21:11:31
1711
原创 Android-Mod-Menu 使用教程
摘要 LGLTeam的Android-Mod-Menu是一个功能强大的Android游戏浮动模组菜单模板，支持il2cpp和原生游戏，集成多种开发工具。本教程详细介绍了从安装到实际应用的完整过程，包括： 环境准备：需要Android开发基础知识和相关工具（Android Studio、NDK、APK反编译工具） 项目配置：不同架构的NDK适配及Android Studio设置 APK修改：两种集成方法（服务启动/活动启动）及smali文件处理 功能开发：菜单UI定制、功能逻辑实现和字符串混淆 调试优化：日志
2025-06-14 21:05:42
3797
原创 JavaScript Obfuscator 命令行使用教程
摘要：javascript-obfuscator是一款专业JavaScript代码混淆工具，提供多种加密方式保护前端代码安全。支持全局安装和命令行操作，可将源代码转换为不可读形式，包含变量重命名、字符串编码、控制流扁平化等特性。用户可通过配置文件调整混淆强度，平衡安全性与性能，并支持批量处理目录文件。工具适用于代码防爬取和知识产权保护场景，但需注意过度混淆可能影响运行效率。
2025-06-13 09:54:57
2707
原创 五大静态博客框架对比：Hugo、Hexo、VuePress、MkDocs、Jekyll
本文对比了五款主流的静态博客/文档框架：Hugo、Hexo、VuePress、MkDocs 和 Jekyll，分析了它们的特点、优劣势及适用场景。
2025-05-13 16:18:19
8565
原创 LangChain与LlamaIndex：区别解析与应用场景
LangChain 是一个开源框架，专注于构建和部署基于 LLM 的复杂应用程序。它提供了一套全面的工具和 API，支持从数据加载、处理到生成的全流程开发。LangChain 的核心设计理念是“链式架构”，允许开发者将多个组件（如模型、提示、索引、记忆等）灵活组合，构建上下文感知的交互式应用。核心特性：模块化设计：支持多种 LLM（如 OpenAI 的 GPT、Anthropic 的 Claude 等）以及外部工具和数据库的集成。链式工作流。
2025-05-08 11:59:28
1957
原创 流式通信技术对比：SSE vs WebSocket 应用场景与最佳实践
SSE 是一种基于 HTTP 协议的单向通信技术，允许服务器主动向客户端推送数据。客户端通过接收服务器推送的事件流。单向通信（服务器 → 客户端）基于标准 HTTP 协议，部署简单支持自动重连与内置心跳机制以格式传输纯文本数据和WebSocketSSE：简单、兼容性好，适合单向推送WebSocket：双向、低延迟，适合复杂实时交互开发者应根据实际项目需求，在通信模式、实时性要求、开发复杂度和部署环境等因素中权衡选择。随着HTTP/3等新一代通信协议的发展，未来实时通信将变得更加多样化。
2025-04-29 09:02:08
2134
原创 DavGo简单部署WebDAV网盘
DavGo是一个基于Go语言开发的轻量级WebDAV网盘服务端，支持动态配置多个服务实例。主要功能包括：通过YAML文件配置多个独立WebDAV服务，每个实例可设置不同根目录、认证信息和读写模式（readonly/readwrite）；内置HTTP Basic认证；支持多种文件管理器挂载。使用简单，只需配置config.yaml并运行程序即可启动服务，还提供Nginx反向代理配置示例。适用于需要搭建多用户、多目录WebDAV服务的场景。
2025-02-27 17:55:29
1045
原创 python加载yaml配置之yamlc库
yamlc是一个简单的 Python 库，用于读取和管理 YAML 配置文件。它允许用户轻松加载、访问和重新加载配置。
2025-02-24 10:03:04
442
原创 AI Agent智能体平台大盘点
LangChain 是一个开源的框架，旨在简化并增强与大型语言模型（LLMs）互动的能力。它为构建复杂的语言应用程序提供了工具，允许开发者轻松地将多个自然语言处理（NLP）模型和外部数据源（如数据库、API）整合在一起，构建出具有更高智能和处理能力的应用。
2025-02-07 17:35:31
1164
原创 从单体应用到微服务的迁移过程
从单体应用迁移到微服务架构并不是一蹴而就的过程，需要经过谨慎的规划和逐步实施。通过拆分功能模块、使用合适的基础设施和工具，你可以构建一个灵活、可扩展、易于维护的微服务架构。不过，在迁移过程中，你也会面临不少挑战，如数据一致性、分布式事务等问题，必须根据具体情况选择合适的解决方案。
2025-01-26 15:26:51
2021
原创 PyTorch广告点击率预测（CTR）利用深度学习提升广告效果
通过这个简单的深度学习模型，我们实现了一个广告点击率预测系统。利用PyTorch，我们可以非常方便地构建神经网络模型，训练并进行评估。通过不断优化模型架构和特征工程，我们有可能进一步提升广告点击率的预测准确度。随着广告行业的不断发展，点击率预测的需求将会越来越大，借助深度学习的强大能力，我们可以不断优化广告投放策略，达到更加精确的预测结果。希望本文的内容能为你搭建广告点击率预测系统提供帮助。
2025-01-22 13:59:43
1621
原创 PyTorch 神经协同过滤 (NCF) 推荐系统教程
推荐系统通过分析用户历史行为数据，为用户推荐相关的物品或内容。在协同过滤方法中，我们关注于从用户-物品评分矩阵中挖掘出潜在的规律，从而预测用户对未见物品的评分。介绍神经协同过滤模型的基本原理。使用 PyTorch 实现 NCF 模型。训练并评估该模型。使用训练好的模型为用户推荐物品。绘制训练过程中的损失曲线图表，帮助我们更直观地理解模型训练效果。神经协同过滤 (NCF) 是一种深度学习方法，用于解决传统协同过滤方法在处理用户-物品关系时的限制。
2025-01-17 14:14:20
2435
原创 Python中的静态方法
静态方法是通过装饰器定义的函数。它既不需要访问实例（self），也不需要访问类（clsprint("这是一个静态方法")# 调用静态方法这是一个静态方法可以看到，静态方法通过类名直接调用，无需创建类的实例。静态方法是 Python 中一个非常有用的工具，适用于不依赖实例或类的逻辑操作。通过使用静态方法，可以让代码更清晰、结构更合理。在需要定义工具函数、工厂方法或数据验证逻辑时，可以优先考虑使用静态方法。
2025-01-16 11:54:30
930
原创 Python装饰器入门指南
装饰器本质上是一个高阶函数，它接受一个函数作为输入，并返回一个新的函数。它通常用于对函数进行增强或修改行为。上述代码等价于：如何创建一个装饰器？创建一个装饰器的关键是编写一个接受函数作为参数的函数，并在内部定义包装逻辑。输出：带参数的装饰器如果原始函数需要参数，包装函数也需要接受这些参数。输出：嵌套装饰器一个函数可以被多个装饰器装饰，装饰器的执行顺序是从内到外。输出：使用 使用装饰器时，原始函数的元信息（如 和 ）可能会丢失。为了解决这个问题，可以使用 。输出：类方法和静态方法
2025-01-16 11:48:42
699
原创 Docker Compose 配置指南
Docker Compose 是一个功能强大的工具，适用于本地开发、测试和多容器应用的管理。通过一个简单的文件，你可以定义、构建并管理多个容器应用，避免了手动管理多个 Docker 容器的复杂性。本文介绍了如何配置 Docker Compose 文件、使用流程和常用命令，帮助你更高效地使用 Docker Compose 来部署和管理容器化应用。常见的 Docker Compose 命令如updownpslogs等，可以帮助你快速管理和调试多容器应用。
2024-12-23 16:04:10
2862
原创 Linux 中怎样把正在执行的任务放到后台执行
在使用 Linux 的过程中，可能会遇到某些任务需要在后台运行的情况，例如长时间运行的脚本或占用终端的命令。将正在执行的任务放到后台，可以提高操作效率，不需要为每个任务单独开一个终端窗口。如果任务已经在后台运行，但你需要确保它在退出终端后继续运行，可以使用。在启动任务时，如果知道该任务需要在后台运行，可以直接在命令末尾添加。命令会移除任务与当前终端的关联，从而确保终端关闭时任务不会被中断。任务会立即在后台执行，同时显示任务的 PID，方便后续管理。是任务的进程 ID，可以用来管理该任务。
2024-11-18 18:00:47
6004
1
原创 Go语言捕获和处理异常
在Go语言中，异常处理机制与其他语言（如Java或Python）有所不同。Go并没有传统意义上的异常机制，而是通过返回值来处理错误。不过，Go语言也提供了 和 机制来处理运行时错误。本文将介绍这两种机制的使用。在Go中，函数通常会返回一个错误类型的值，表示函数执行是否成功。我们可以通过检查返回的错误来决定如何处理。2. 使用 和 2.1. 什么是 ？ 用于引发一个运行时错误，它会导致程序立即停止，并开始逐层回溯。在回溯过程中，所有的defer语句会被执行。2.2. 什么是 ？ 是一个内置函数
2024-10-29 09:21:20
833
原创 Go语言指针操作
指针是一个变量，它存储的是另一个变量的内存地址。在Go语言中，指针可以用来直接操作存储在内存中的数据。允许函数修改调用者的变量通过传递指针而不是值来提高效率。
2024-10-28 16:50:28
791
原创 Milvus 与 Faiss：选择合适的向量数据库
Milvus：Milvus 是一款开源向量数据库，旨在管理和检索大规模的向量数据，支持多种相似性搜索算法，并且支持水平扩展和自动化的数据分区管理。它采用了分布式架构，并提供了丰富的查询功能，适合生产环境中的复杂向量检索应用。Faiss：Faiss 是 Facebook 开发的一款开源向量检索库，主要用于快速近似最近邻搜索（ANN）。Faiss 提供了许多不同的索引类型，支持 GPU 加速，适合单节点的高效相似性检索，但不具备 Milvus 的分布式特性。特性MilvusFaiss架构分布式单节点。
2024-10-28 09:30:22
6349
android apk二进制文件修改查看工具包
2022-11-01
golang写的grpc实例demo
2022-10-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人