- 博客(1194)
- 资源 (11)
- 收藏
- 关注
RSS订阅
原创 寻求合作 - 求职 - 创业 / 有意向的来这里交流一下
文章目录寻求合作 - 求职 - 创业 / 有意向的来这里交流一下联系方式 ：VX 15197447018供职方1、前端开发2、JAVA 开发3、UI 设计师4、Python5、PHP6、C/C++项目方1、有项目需要外包2、需要人员兼职开发，支持驻场寻求合作 - 求职 - 创业 / 有意向的来这里交流一下联系方式 ：VX 15197447018供职方1、前端开发VUE 方向六年或以上前端开发经验，需要具备一定的管理经验，作为前端小组长。带5个前端具体联系详聊杭州地区，医疗方向的公司2
2020-10-01 17:00:00
4069
6
原创 约束优化：拉格朗日乘子与增广拉格朗日
本文介绍了约束优化中的核心方法：拉格朗日乘子法和增广拉格朗日法。拉格朗日乘子通过引入对偶变量将约束问题转化为无约束优化，KKT条件提供了最优解的必要条件。增广拉格朗日法结合了拉格朗日乘子和二次罚函数的优点，通过交替优化原始变量和对偶变量，避免了单纯罚函数法因参数过大导致的数值病态问题。文章通过对比表格展示了不同方法的特性，并提供了典型应用场景（如SVM、RLHF）和常见误区。最后指出增广拉格朗日法是分布式优化算法ADMM的基础，为后续非凸优化讨论做铺垫。
2026-07-04 15:48:04
31
原创 SGD 与 Adam 优化器
细项 ID随机梯度下降（SGD）是深度学习训练的默认引擎：用 mini-batch 梯度估计全数据梯度，以O1O(1)O1每步代价处理百万级样本。然而标准 SGD 的随机噪声使收敛率从强凸的线性率降为O1TO1/T；方差缩减方法（SVRG、SAGA）在有限和结构上恢复线性率。Adam通过自适应学习率极大简化了超参调优，但其原始收敛证明存在漏洞（Reddi et al. ICLR 2018），AdamW解耦权重衰减成为 Transformer 预训练事实标准。本文合并。
2026-07-04 15:47:13
20
原创 凸集、凸函数与 KKT 条件
本文系统介绍了凸优化理论中的核心概念及其在机器学习中的应用。主要内容包括： 基础概念：详细定义了凸集、凸函数、强凸函数，并阐述了它们在优化问题中的重要性。 KKT条件：介绍了约束优化问题的标准形式，解释了KKT条件的四个组成部分（原始可行、对偶可行、互补松弛、平稳性）及其几何意义。 优化算法：分析了梯度下降在不同条件下的收敛性： 强凸+光滑：线性收敛，收敛速度受条件数影响 PL条件：更弱的条件但仍保证线性收敛 仅凸+光滑：次线性收敛 应用与误区：讨论了KKT条件在SVM等模型中的应用，并指出了常见理解误区。
2026-07-04 15:45:04
23
原创 指数族与广义线性模型 GLM — 统计推断与估计理论 — 数学与统计理论基础
本文系统介绍了指数族分布与广义线性模型(GLM)的理论基础与应用。指数族统一了多种常见概率分布的代数结构，其标准形式包含自然参数、充分统计量和对数配分函数等核心要素。GLM作为统计建模的重要框架，通过线性预测器、指数族分布和链接函数三要素，将线性模型推广到非正态响应变量场景。文章详细阐述了GLM的原理机制(包括充分统计量、IRLS算法、偏差分析等)、典型应用案例(逻辑回归、泊松回归)以及常见误区，并指出GLM与深度学习输出层的理论联系。最后强调指数族与GLM为统计学习提供了统一的理论框架，在参数化回归模型中
2026-07-04 15:15:38
271
原创 EM 算法、重采样与非参数方法 — 统计推断与估计理论
本文整合了EM算法、重采样方法（Bootstrap与Jackknife）和非参数估计（核密度估计与局部回归）三类统计推断技术，探讨了它们在模型含隐变量或分布无解析形式时的应用。 核心要点： EM算法通过迭代优化似然下界处理隐变量模型，广泛应用于混合高斯等场景； 重采样方法（Bootstrap/Jackknife）通过数据重复抽样构建统计量分布，绕过复杂解析推导； 非参数方法（KDE/LOESS）放弃参数假设，直接从数据学习分布与回归关系； 三类方法共享"数据驱动"理念，但需注意各自局限（如EM的局部最优、B
2026-07-04 15:14:36
123
原创 贝叶斯推断与变分推断 VI — 统计推断与估计理论 — 数学与统计理论基础
本文系统梳理了贝叶斯推断与变分推断的核心理论框架。贝叶斯方法通过先验与似然计算后验分布，共轭先验使解析解成为可能；当后验难以求解时，变分推断通过优化ELBO下界，以可处理的分布近似真实后验。重点探讨了均值场近似、坐标上升优化等关键技术，并指出常见误区如混淆MAP与贝叶斯推断、忽视变分后验的近似性等。文章还关联了EM算法、VAE等相邻领域，强调变分推断在复杂模型中的实用价值，为统计推断与机器学习提供了重要理论基础。
2026-07-04 15:13:25
19
原创 C01 · 假设检验 — 统计推断与估计理论 — 数学与统计理论基础
资料截至日期假设检验在「证据是否足以拒绝某模型」这一问题上给出形式化答案。Neyman-Pearson 框架以第一类/第二类错误为决策基础；p 值则是 Fisher 传统的证据度量，但 ASA 2016 声明警示其滥用。本文对照两大框架并讨论 p 值局限。#假设检验 #Neyman-Pearson #p值 #统计显著性 #ASA声明 #第一类错误假设检验在零假设 (H_0) 与备择假设 (H_1) 之间做决策。Neyman-Pearson 框架。
2026-07-04 15:09:53
16
原创 点估计与估计量理论 — 统计推断与估计理论
本文系统介绍了概率论中Hoeffding、Bernstein和McDiarmid不等式的原理与应用。这些集中不等式为非渐近场景提供了有限样本保证，弥补了大数定律和中心极限定理的不足。文章对比了不同不等式的适用条件、衰减速率和计算复杂度，重点分析了它们在机器学习中的应用，包括经验风险最小化、算法稳定性分析和高维统计推断。通过具体案例和Python代码演示，文章展示了如何利用这些不等式构建泛化误差界和置信区间，并指出了常见的使用误区。这些工具为理解机器学习算法的有限样本行为提供了理论基础。
2026-07-04 15:08:35
20
原创 C01 · 概率不等式：Hoeffding、Bernstein、McDiarmid — 概率论与随机过程 — 数学与统计理论基础
本文系统介绍了概率论中Hoeffding、Bernstein和McDiarmid不等式的原理与应用。这些集中不等式为非渐近场景提供了有限样本保证，弥补了大数定律和中心极限定理的不足。文章对比了不同不等式的适用条件、衰减速率和计算复杂度，重点分析了它们在机器学习中的应用，包括经验风险最小化、算法稳定性分析和高维统计推断。通过具体案例和Python代码演示，文章展示了如何利用这些不等式构建泛化误差界和置信区间，并指出了常见的使用误区。这些工具为理解机器学习算法的有限样本行为提供了理论基础。
2026-06-23 20:22:24
343
原创 C01 · 极值理论、尾部风险与 Copula 多元依赖 — 概率论与随机过程 — 数学与统计理论基础
本文摘要： 文章系统介绍了极值理论（EVT）和Copula方法在尾部风险建模中的应用。单变量层面，通过广义极值分布（GEV）和广义帕累托分布（GPD）刻画极端事件；多变量层面，基于Sklar定理的Copula方法分离边际分布与依赖结构。文章详细阐述了POT方法、风险度量（VaR、ES）及常见Copula族（如Gaussian、Student-t、Clayton）的特点，强调尾部依赖系数在联合极端事件分析中的重要性。通过金融风险、灾害预测等案例，说明方法的实际应用，并指出常见误区（如阈值选择、依赖结构误判等）
2026-06-23 20:21:32
239
原创 C01 · 随机微分方程直觉（SDE）与扩散模型联系 — 概率论与随机过程 — 数学与统计理论基础
本文介绍了随机微分方程（SDE）与扩散模型的联系，阐述了SDE如何通过前向过程将数据渐变为噪声，以及逆向过程如何从噪声生成数据。文中对比了SDE与ODE的区别，解释了Itô积分和score函数的作用，并说明了SDE框架如何统一DDPM、Score Matching和SMLD等生成模型。此外，文章还讨论了SDE在图像生成、逆问题、分子结构建模等领域的应用，并指出了常见误区。最后，提供了相关延伸阅读资料，强调了SDE在扩散生成模型中的核心地位。
2026-06-23 20:20:40
132
原创 C01 · 高斯过程作为函数空间先验 — 概率论与随机过程 — 数学与统计理论基础
本文介绍了高斯过程（Gaussian Process, GP）作为函数空间先验的基本概念与应用。高斯过程将函数分布落实为可计算的回归与分类框架，通过核函数编码平滑性、周期性等特性。文章详细阐述了GP的定义、后验推断机制、预测分布计算方法以及典型应用场景（如小样本回归、贝叶斯优化等），同时指出了常见误区（如计算复杂度、核选择问题等）。最后强调了GP在数据稀缺场景下作为可靠性工具的重要性，以及与深度学习结合的新方向。本文适合对贝叶斯方法和核方法感兴趣的读者，可作为GP理论到实践的入门指南。
2026-06-23 20:19:51
27
原创 C01 · 马尔可夫链、平稳分布与 MCMC 基础 — 概率论与随机过程 — 数学与统计理论基础
细项 ID马尔可夫链是「无记忆」随机过程的核心模型：未来只依赖当前状态，与更早历史无关。这一性质使其成为随机游走、PageRank、隐马尔可夫模型与 MCMC 采样的统一数学语言。理解平稳分布、不可约性与细致平衡，是掌握贝叶斯推断、强化学习与扩散模型离散化版本的必备前置。本文覆盖离散马尔可夫链基础、平稳分布存在条件、Metropolis-Hastings 算法与 Gibbs 采样，并讨论收敛诊断要点。2026-06-10。
2026-06-23 20:19:09
31
原创 C01 · 大数定律、中心极限定理与测度论收敛 — 概率论与随机过程 — 数学与统计理论基础
本文探讨了大数定律（LLN）与中心极限定理（CLT）在概率论与统计推断中的核心作用，结合测度论框架分析了不同收敛模式（几乎必然、依概率、依分布）的层次关系。主要内容包括： 理论基础：通过σ-代数和概率测度定义随机变量，阐述期望的Lebesgue积分表示，区分三种收敛模式及其强度关系（几乎必然>依概率>依分布）。 定理解析：对比弱/强大数定律（WLLN/SLLN）的收敛性质，指出CLT描述的是标准化样本均值的分布收敛而非路径收敛，并给出Chebyshev不等式等证明思路。 应用场景：包括置信区间构建、蒙特卡洛
2026-06-23 20:18:10
38
原创 C01 · 概率空间与常见分布 — 概率论与随机过程 — 数学与统计理论基础
本文系统介绍了概率论基础概念及其在机器学习中的应用。主要内容包括：1）概率空间三元组（样本空间、事件域、概率测度）与随机变量的定义；2）离散/连续随机变量的描述方法（PMF/PDF）及期望、方差等数字特征；3）联合分布、条件概率和独立性的数学表达；4）高斯、伯努利、泊松等常见分布的特性及其在回归、分类等任务中的应用场景；5）概率模型在机器学习中的典型应用案例，包括线性回归、逻辑回归、贝叶斯推断等。文章特别强调了概率分布选择对建模效果的重要性，并指出了实践中容易出现的概念误区，为机器学习算法背后的概率论基础提
2026-06-23 20:16:58
27
原创 C01 · 数值线性代数 — 线性代数与矩阵分析 — 数学与统计理论基础
本文介绍了数值线性代数中的关键概念，重点讨论了条件数、病态问题和稳定算法（如LU、QR分解）。文章阐述了后向误差分析和前向误差估计的原理，指出条件数对数值解精度的影响。通过Python代码示例展示了病态矩阵的条件数计算，并提醒常见误区如忽略浮点精度和缩放问题。最后强调数学可解性不等于数值可解性，条件数是评估问题数值稳定性的关键指标。文章附有相关参考资料和实用工具链接。
2026-06-21 13:17:00
483
原创 C01 · 矩阵范数与投影最小二乘 — 线性代数与矩阵分析 — 数学与统计理论基础
本文介绍了矩阵范数与投影最小二乘法的数学原理及应用。主要内容包括： 定义Frobenius范数和谱范数，解释投影矩阵的性质； 阐述最小二乘问题的几何解和残差正交性； 讨论Lipschitz常数与矩阵范数的关系； 提供Python实现示例，并指出常见误区； 强调范数和投影在优化与回归中的重要性。 文章还涉及QR分解、SVD求解最小二乘等方法，并提供了相关参考资料。
2026-06-21 13:16:13
275
原创 C01 · 随机矩阵理论初步 — 线性代数与矩阵分析 — 数学与统计理论基础
本文介绍了随机矩阵理论的初步知识，重点讨论了Wigner矩阵和Marchenko-Pastur（MP）定律。MP定律描述了高维样本协方差矩阵的谱分布特征，涉及BBP相变和Tracy-Widom分布等概念。文章还展示了随机矩阵在神经网络核分析（NTK）和大模型权重谱中的应用，并提供了Python代码示例。常见误区包括有限样本偏差和非高斯数据的适用性问题。最后，文章指出随机矩阵理论为高维数据分析提供了重要工具，并附有相关参考资料。
2026-06-21 13:15:28
171
原创 C01 · Kronecker 积与张量收缩在深度学习中的出现 — 线性代数与矩阵分析 — 数学与统计理论基础
本文介绍了Kronecker积与张量收缩在深度学习中的核心作用。Kronecker积（A⊗B）是二阶优化（如K-FAC）的关键算子，张量收缩（einsum）则是实现高维线性代数的基础工具。文章涵盖概念定义、数学原理（如逆运算和K-FAC近似）、典型应用（如PyTorch实现）、常见误区（维度爆炸问题）及延伸阅读建议。文中强调这些工具在自然梯度计算、注意力机制等场景的重要性，并指出XLA/Triton对einsum的优化潜力。文末附NumPy和PyTorch官方文档链接供进一步参考。
2026-06-21 13:14:38
18
原创 C01 · 矩阵微分与正定矩阵 — 线性代数与矩阵分析 — 数学与统计理论基础
本文摘要： 《矩阵微分与正定矩阵》一文系统介绍了线性代数中的核心概念与应用。主要内容包括：1）矩阵微分、Jacobian和Hessian矩阵的定义与计算；2）正定矩阵的性质与判定条件；3）Cholesky分解的原理及其数值稳定性优势；4）这些理论在反向传播、高斯-牛顿法、自然梯度等机器学习算法中的实际应用。文章通过Python代码示例演示了Cholesky分解的实现，并指出了常见误区与注意事项。特别强调矩阵微分和正定矩阵作为优化与统计推断的基础支柱作用，为后续学习自动微分和KKT条件等高级主题奠定基础。
2026-06-21 13:13:41
53
原创 C01 · 奇异值分解 SVD 在降维与低秩近似中的应用 — 线性代数与矩阵分析 — 数学与统计理论基础
本文介绍了奇异值分解(SVD)在降维与低秩近似中的应用。SVD是线性代数中最通用的矩阵分解方法，可将任意矩阵分解为A=UΣV^T形式。Eckart-Young定理证明截断SVD在Frobenius/谱范数下是最优低秩近似，这为LoRA、矩阵压缩、推荐系统等应用提供了理论支撑。文章详细解析了SVD的概念定义、数学原理、典型应用场景(如图像压缩、Netflix矩阵分解等)及Python实现，同时指出了常见误区，并推荐了延伸阅读资料。SVD因其数值稳定性和最优低秩特性，在机器学习和数据分析领域具有重要地位。
2026-06-21 13:12:30
33
原创 C01 · 特征值分解与对称矩阵谱定理 — 线性代数与矩阵分析 — 数学与统计理论基础
本文系统介绍了特征值分解与对称矩阵谱定理的核心概念及其在机器学习中的关键应用。文章首先定义特征值与特征向量，并阐述对称矩阵谱定理的核心结论——实对称矩阵可正交对角化为 (A=Q\Lambda Q^T)，其特征值为实数且特征向量正交。通过数学推导解释了对称矩阵的特殊性质，包括特征值实数性、特征向量正交性等原理。重点分析了谱定理在PCA、谱聚类、二阶优化等机器学习任务中的典型应用场景，并澄清了常见的理解误区。文章最后指出，对称矩阵的谱分解是将复杂线性变换解耦为独立正交方向伸缩的数学基础，是连接传统统计方法与现代
2026-06-21 13:11:29
34
原创 C01 · 向量空间、子空间、秩与零空间的几何直觉 — 线性代数与矩阵分析 — 数学与统计理论基础
细项 ID向量空间是线性代数的语言骨架，也是理解神经网络权重、嵌入表示与数据降维的共同起点。许多工程师能熟练调用，却对「秩」「零空间」缺乏几何直觉——这会在调试欠定系统、分析梯度冗余或设计低秩适配（LoRA）时造成盲区。本文从向量空间公理出发，建立子空间、线性无关、基与维度的概念链条，重点讲解四个基本子空间（列空间、零空间、行空间、左零空间）及其维度关系——秩-零度定理（Rank-Nullity Theorem）。文中版本敏感信息标注资料截至日期：2026-06-09。#线性代数#向量空间#秩#零空间。
2026-06-21 13:10:15
401
原创 AI 大模型趋势报告（五）：开发环境 Agent 化的范式转移
摘要 2026年5月，开发环境正在经历从传统IDE向Agentic开发环境（ADE）的范式转移，两大标志性事件体现了这一趋势：Warp终端开源并转型为智能体开发环境（周增27,872星），以及free-claude-code项目实现Claude Code前后端解耦（周增5,787星）。Warp采用AGPL开源策略，内置Agent工作流并由OpenAI赞助，其创新点在于提出"Open Agentic Development"模型——人类定义需求，Agent执行编码。同时，free-claude-code通过解
2026-06-12 22:32:52
406
原创 AI 大模型趋势报告（四）：多智能体平台与编排基础设施
2026 年 5 月，GitHub AI Agent 生态出现一条清晰的分层信号：一端是以为代表的 Python 全栈运行时——自带持久记忆、子智能体与多平台网关，Star 在 AgentScout 追踪窗口内从十万档一路冲上十六万档；另一端是以Ruflo为代表的 TypeScript 编排 Meta-Harness——围绕 Claude Code / Codex 把百级专用 Agent、蜂群拓扑与联邦通信叠成「协调层」，在 Claude 开发者工具链中占据第三席。
2026-06-12 22:32:07
225
原创 AI 大模型趋势报告（三）：代码知识图谱成为 Agent 新基础设施
文章摘要： 2026年5月，GitHub上两个代码知识图谱项目（codegraph和Understand-Anything）同时冲上热榜，引发AI编程Agent领域对代码理解基础设施的关注。传统方案（如RAG、LSP）在大型代码库中存在效率低、更新滞后等问题，而这两个项目通过符号级知识图谱（结合Tree-sitter解析与LLM语义补充）优化Agent的代码探索成本。codegraph主打预索引、本地化，支持多语言和框架，显著减少工具调用与Token消耗；Understand-Anything则侧重交互式图
2026-06-12 22:31:14
281
原创 AI 大模型趋势报告（二）：轻量 Skills 范式的爆发逻辑
本文分析了2026年AI大模型领域Skills范式的两大发展趋势：轻量单文件Skills与垂直工作流Skills。通过对比两个典型项目（Karpathy编码行为准则单文件与学术科研全流程工作流），研究发现Agent能力复用单元正从工具调用协议转向结构化指令文档。单文件Skills通过将专家隐性知识显性化为Markdown获得广泛传播，而垂直Skills则通过领域SOP标准化实现复杂任务编排。两种路径共同推动了AI Agent能力的民主化进程。
2026-06-12 22:30:33
309
原创 AI 大模型趋势报告（一）：Agent Skills 专家技能包的规模化
摘要 2026年初，GitHub上出现Agent Skills（专家技能包）的爆发式增长，以SKILL.md格式封装可验证的工程流程。本文分析了两大代表性项目：mattpocock/skills（个人方法论库）和addyosmani/agent-skills（企业级SDLC技能包）。数据显示，截至2026年6月，两项目合计获得近17万Star，其中mattpocock/skills单日最高增星达6,187。研究对比了两者的设计哲学：个人项目强调"小而灵活"的可组合技能单元，而企业项目提供完整的软件开发周期工
2026-06-12 22:29:26
539
原创 Cursor 高级指南（十）：SDK 接入、安全设置、集成快捷键与最佳实践
本文介绍了 Cursor 的高级功能与集成指南，涵盖 SDK 接入（TypeScript/Python）、三种调用模式（One-shot/Send+Stream/Resume）、CLI/编辑器配置、安全机制（权限控制/运行模式/网络限制）、第三方工具集成（GitHub/GitLab/Slack等）、快捷键操作以及最佳实践。内容聚焦如何将 Cursor 从单一 IDE 助手扩展为可编程的 AI 开发平台，适用于自动化脚本、CI/CD 流程和企业级安全部署场景。
2026-06-07 19:57:41
646
原创 Cursor 高级指南（九）：Git AI 能力、Bugbot 审查与 Worktree 隔离开发
本文是Cursor高级指南系列第九篇，重点介绍了Cursor在Git集成、Bugbot自动审查和Worktree隔离开发方面的AI能力。主要内容包括：1）Git AI提交信息生成与冲突解决方案；2）代码溯源体系（Blame/Review/Attribution）；3）Bugbot自动化PR审查原理与自定义规则配置；4）Autofix自动修复与CI状态集成；5）Worktree隔离开发环境配置与典型工作流。文章提供了从代码编写到合并的完整AI协作方案，适合个人开发者和团队技术负责人提升代码质量和协作效率。
2026-06-07 19:57:07
446
原创 Cursor 高级指南（八）：子智能体并行 + 云端 Agent 怎么用
这篇文章是Cursor高级指南系列的第八篇，主要介绍了Cursor的两项高级功能：子智能体并行和云端Agent的使用。 摘要： 子智能体（Sub-Agents）允许主Agent调度不同类型的子智能体并行处理任务，避免主上下文污染。内置9种子智能体类型，如通用任务、代码探索、Shell命令等，用户也可自定义子智能体。 Cloud Agents在隔离的云端VM中运行，提供完整开发环境，支持6种访问方式（Web、Desktop、Slack等）。具备变舞台、多仓库支持、Artifacts生成和远程桌面等功能，适合复
2026-06-07 19:56:32
310
原创 Cursor 高级指南（七）：CLI 安装、非交互、Worktree 与 ACP
本文是Cursor高级指南系列的第七篇，详细介绍了Cursor CLI命令行工具的各项功能。主要内容包括： CLI的安装方法（支持macOS/Linux/WSL/Windows） 交互模式与非交互模式（-p参数）的使用场景 Plan/Ask模式切换及其适用场景 Cloud Agent任务交接和会话管理功能 Worktree隔离工作区和Headless文件修改模式 ACP(Agent Client Protocol)协议集成 文章还介绍了多种输出格式(text/json/stream-json)和批量处理文件
2026-06-07 19:55:56
174
原创 Cursor 高级指南（六）：Hooks 扩展 Agent 循环 + Canvas 可视化交付
本文介绍了Cursor中Hooks和Canvas两大核心功能，帮助用户更高效地扩展Agent流程并实现可视化交付。 Hooks功能： 通过JSON配置脚本在Agent生命周期的关键节点执行确定性操作 支持18种事件类型，覆盖会话、工具、文件等全生命周期 提供输入输出JSON通信机制，支持安全拦截、自动格式化等场景 支持多层级配置优先级和丰富的环境变量 Canvas功能： 作为交互式React面板，适用于仪表盘、分析报告等可视化场景 支持三种打开方式：Agent生成、命令面板和Agents窗口 可发布为团队共
2026-06-07 19:55:14
199
原创 Cursor 高级指南（五）：Automations 自动化 + Skills 技能包怎么写
Cursor 高级指南（五）：Automations 自动化 + Skills 技能包摘要 本文深入讲解 Cursor 的 L4 自动化层两大核心功能： Automations 创建方式：通过 Agents 窗口、Web 界面、社区模板或聊天命令 15 种触发器：包括定时任务、PR 事件、Slack 消息、Sentry 告警等 工具权限：支持 PR 操作、Slack 交互、MCP 连接等能力 Skills 目录结构：项目级和用户级两种存放位置 规范格式：SKILL.md 文件包含元数据和详细指令 使用方式：
2026-06-07 19:54:37
320
原创 Cursor 高级指南（四）：MCP 协议配置实战（stdio、远程、OAuth）
本文是《Cursor 高级指南》系列的第四篇，主要介绍MCP（Model Context Protocol）协议在Cursor中的配置与实战应用。MCP作为连接Cursor与外部工具的标准协议，支持三种传输方式（stdio、SSE、Streamable HTTP），具备工具调用、数据访问、认证授权等能力。文章详细讲解了MCP的基本概念、配置路径、不同传输方式的实现方法，并提供了OAuth集成和变量插值等高级功能的配置示例。最后汇总了常见MCP服务器的功能，为开发者扩展Cursor的能力边界提供实用参考。
2026-06-07 19:54:03
241
原创 Cursor 高级指南（三）：@ 引用精准控上下文与 Rules 和 AGENTS.md
本文是《Cursor 高级指南》系列的第三篇，重点介绍了Cursor工具中的两个核心功能：@引用系统和Rules规则系统。通过@引用可以精准控制AI的上下文来源，包括文件、文件夹、文档、终端输出等，避免无效信息干扰。Rules系统则用于持久化团队的编码规范和开发约束，支持.mdc文件、AGENTS.md等多种形式，具有灵活的优先级和应用范围。文章还提供了从旧版.cursorrules迁移的建议，并预告下一篇将深入MCP协议配置实践。这些功能共同帮助开发者更高效地利用AI进行编程协作。
2026-06-07 19:53:24
357
原创 Cursor 高级指南（二）：Agent、Plan、Ask、Debug 与 Tab、内联编辑
本文是《Cursor 高级指南（二）》，重点介绍 Cursor 的四种 AI 工作模式及轻量编码工具。主要内容包括： 四种核心模式：Agent（全功能开发）、Plan（规划后执行）、Ask（纯问答）、Debug（精准排错），通过 Shift+Tab 切换，各有适用场景。 模式对比： Agent 适合多文件协作和复杂任务 Plan 用于架构设计和团队评审 Ask 快速查询不修改代码 Debug 证据驱动定位问题 轻量编码工具： Tab 补全：基于上下文的智能建议，适合连续编码 Cmd+K 内联编辑：局部代码重
2026-06-07 19:52:17
337
原创 Cursor 高级指南（一）：能力全景与模型、计费怎么选
本文是《Cursor 高级指南》系列的第一篇，全面介绍了Cursor的核心设计理念、能力层次、模型选择与计费策略。Cursor作为AI驱动的现代化开发环境，将传统代码编辑与深度AI能力结合，提供从基础补全到自动化工作流的五层能力（L1-L5）。文章详细对比了支持的AI模型（如Claude、GPT、Gemini等），解释了Max Mode（支持1M上下文）的使用场景与注意事项，并分析了不同订阅计划的计费规则和节省额度技巧。核心设计理念包括AI优先、渐进式复杂度、可扩展系统和安全可控，帮助开发者根据需求选择合适
2026-06-07 19:51:09
396
原创 Hermes Agent 配置详解与多平台接入教程
本文详细介绍了Hermes Agent的配置方法，重点解析了其核心配置文件结构（config.yaml和.env文件），包括模型提供商设置、记忆系统配置等关键模块。文章特别针对国内用户推荐了GLM-4、Kimi等中文友好模型，并提供了本地Ollama部署方案。此外，还介绍了记忆系统的个性化设置和向量数据库集成方法，帮助用户充分发挥AI助手的能力。配置采用分层优先级机制，支持命令行、环境变量等多种设置方式，确保灵活性和安全性。
2026-04-19 16:16:16
731
项目时间线图项目时间线图项目时间线图项目时间线图项目时间线图项目时间线图项目时间线图项目时间线图项目时间线图项目时间线图项目时间
2023-12-13
软件开发项目工作量估算软件开发项目工作量估算软件开发项目工作量估算软件开发项目工作量估算软件开发项目工作量估算软件开发项目工作量
2023-12-08
《信息系统安全等级保护定级报告》模板参考《信息系统安全等级保护定级报告》模板参考《信息系统安全等级保护定级报告》模板参考信息系
2023-12-06
等保基本要求三级通用要求等保基本要求三级通用要求等保基本要求三级通用要求等保基本要求三级通用要求
2023-12-06
PROMPTAGENT STRATEGIC PLANNING WITH LANGUAGE MODELS ENABLES EXP
2023-11-01
解决 VMWare 虚拟机连接问题 dgreadiness_v3.6 程序文件
2020-12-10
KONICA MINOLTA 306iSeriesPCL 柯尼卡美能达 306i驱动下载_柯尼卡美能达1600w拆机
2020-12-10
微信消息一键已读 微信消息批量已读 微信消息全部已读
2021-06-01
Python 爬虫可用 phantomjs-2.1.1-windows.rar phantomjs 的windows 支持程序
2020-12-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人