- 博客(682)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 AI 应用开发工程师（Agent 方向）【二面】
面试后半段，面试官介绍了团队的组织情况、技术方向以及岗位未来的工作内容。维度主要信息团队背景IT 部门负责生产、销售、财务、人资、物流等领域的信息化系统AI 发展方向将大模型与传统决策模型、RPA 等技术结合团队建设新成立 AI 智能应用研究团队技术平台更倾向于建设符合企业内部需求的 Agent 开发平台自建原因需要对接 ERP 和外部业务系统，同时满足权限、安全及业务逻辑要求岗位定位前期参与实际项目落地，逐步承担更完整的需求和方案设计工作成长方向。
2026-11-10 17:51:06
264
原创 AI 全栈开发工程师【二面】
传统的大模型应用通常采用：用户输入 → Prompt → LLM → 输出结果这种模式适合简单问答、文本生成和信息提取等任务。但对于复杂业务，仅依靠一次模型调用往往不够。例如，用户提出：帮我查询某个地区近三个月销量最高的产品，并分析销量变化原因。理解用户需求。拆解查询条件。调用数据库或外部工具。获取查询结果。分析数据。生成最终报告。Agent 的核心价值在于让大模型不仅能够生成文本，还能够根据任务目标进行规划、调用工具、观察执行结果，并根据结果调整后续行动。
2026-11-06 13:50:13
455
原创 AI 应用开发工程师（Agent方向）【一面】
这次一面给我的一个比较明显的感受是：企业 AI 应用开发岗越来越重视将 Agent 技术转化为实际业务能力，而不只是考察大模型 API 的调用。业务需求理解v任务拆解与路由v文档解析与知识抽取v多 Agent 协作v记忆检索与经验复用v结果验证与反馈v排序聚合与人工决策v效果评估与持续优化如果准备 Agent 方向的岗位，我建议不要只准备 LangChain、LangGraph 的 API，而是重点理解这些组件为什么存在，以及如何解决实际业务问题。自我介绍与项目经历。
2026-11-06 13:27:27
370
原创 商城退款功能测试【软件测试面试】
将上述分析沉淀下来，可以得到一份可复用的退款测试清单。维度关键测试点业务流程待发货退款、退货退款、取消申请、商家审核定时器启动时机、停止条件、超时处理、重复调度退款金额原价与实付金额差异、部分退款、优惠分摊幂等性重复提交、并发请求、超时重试并发性能100 个并发请求、超量请求、持续压力支付渠道微信、支付宝、银行卡、余额及混合支付兼容性APP、小程序、网页、操作系统、浏览器异常处理网络超时、接口失败、处理中状态、账户异常容灾恢复服务重启、定时任务恢复、未完成退款处理。
2026-10-27 20:27:15
151
原创 Java Web 开发工程师面试基础知识总结【面试】
SELECT *FROM userWHERE name = '张三';name 索引↓找到 id = 100↓再去主键索引↓找到完整数据回表FROM userWHERE name = '张三';name + id就不需要再查询主键索引。覆盖索引这是 MySQL 性能优化非常重要的一种手段。
2026-09-30 14:44:30
277
原创 AI 全栈工程师【笔试】
刚开始觉得 CSS 玄学 → 弄懂 Flex 的和flex: 1vsflex: auto就通了刚开始觉得 SQL 慢很随机 → 弄懂 B+ 树和最左前缀就有章法了刚开始觉得分布式是玄学 → 弄懂"分区内有序"四个字，Kafka 的一半问题就消失了刚开始觉得 LLM 评测分数可信 → 弄懂静态基准的污染路径，就再也不迷信榜单了记住每条规矩背后的"为什么"
2026-09-26 11:44:39
400
原创 海柔创新面试经验贴【HR面试】
你好，我是XX，目前就读于XX 大学人工智能专业硕士。研究生期间，我主要参与了一个xxxx，在项目中担xxx。目前项目已经取得了一些研发成果，并申请了相关专利。本科期间，我主要参与了一个前后端开发项目，主要负责前端开发，同时也参与了服务器架构的设计。在学习方面，我获得过国家奖学金和学业奖学金。另外，我个人比较喜欢记录和总结，目前运营着一个技术博客，累计访问量大约230 万，粉丝大约2800+。
2026-09-19 12:16:14
184
原创 在 Windows 上零基础安装 Claude Code：含网络报错与第三方 API 避坑全指南
Claude Code 是 Anthropic 官方推出的强大命令行 AI 编码工具，尤其适合需要复现算法、处理复杂数据的开发者与科研工作者。但在国内网络环境下，安装初始化时常遇报错；而在使用第三方 API 时，又容易遇到各种奇葩断联。本文将带你在 Windows 上一步步完成安装，彻底解决网络代理问题，并教你通过神器cc-switch零代码接入国内中转源（附带极其硬核的报错解决大法）。
2026-06-13 23:32:35
1016
原创 告别天天变动的随机端口！基于 Tailscale 子网路由（Subnet Router）外网原生直连学院服务器及安装踩坑指南
稳定性：只要保证校内工位电脑“从不睡眠”且 Tailscale 进程在线，你在全世界任何地方打开本地电脑，都能一秒唤醒学院服务器。安全性：Tailscale 采用的是端到端加密（WireGuard 协议），相较于向全网公开暴露端口的内网穿透，这种局域网组网方案将访问权限严格限制在你的个人账号下，安全性提升了数个量级。结语：技术折腾的一小步，科研效率的一大步. 强烈建议深受动态端口折磨的同学们尝试这套异地组网子网路由方案！
2026-06-11 20:30:01
1190
原创 外网环境原生直连校内服务器：基于内网穿透 + SSH 密钥认证的完整实践指南
为了避免遭受公网脚本的暴力破解，很多学院服务器在本地客户端（持有私钥 id_rsa） ───通过隧道校验───> 远程服务器（保存公钥 authorized_keys）私钥 (id_rsa：严格保密，存放在你身边的校外本机上，相当于你的“实体钥匙”。公网 (id_rsa.pub：已经提前写入了学院服务器的中，相当于“门锁”。内网穿透工具本身只负责搬运和转发网络流量，不会也无法改变服务器原有的密钥验证机制。因此，我们在外网连接时，同样必须指定正确的私钥文件。
2026-06-08 15:52:52
580
原创 在 Windows 上构建不占 C 盘的科研级 WSL 实验环境（Ubuntu 22.04）
本文介绍了如何在Windows系统上构建不占用C盘空间的科研级WSL(Ubuntu 22.04)实验环境。首先分析了WSL2默认会占用C盘的原因，指出关键在于控制ext4.vhdx虚拟磁盘文件的存放位置。文章推荐使用wsl --import命令直接将WSL安装到D盘的最佳方案，并详细提供了从准备目录、获取RootFS到最终配置用户的完整步骤。此外还介绍了已有WSL环境的迁移方法，以及必须避开的常见误区。最后给出了在WSL中搭建科研级Python/深度学习环境的详细配置指南，包括系统基础、Conda管理、数值
2026-01-14 21:37:37
1164
原创 Freebase + Virtuoso 一站式部署指南（从 0 到可用）：预处理 → 导入 → 调参加速 → 进度监控 → SPARQL 验证
本文提供Freebase知识图谱与Virtuoso SPARQL端点的完整部署指南。从400GB原始RDF数据预处理开始，详细讲解数据过滤、Virtuoso配置、目录权限设置等关键步骤。重点推荐采用chunk化导入策略解决大文件导入难题，并强调内存缓存调优对性能的关键影响。部署完成后，系统将提供1111(SQL)和8890(SPARQL)两个服务端口，支持完整的Freebase查询功能。文中包含进度监控SQL脚本和常见错误排查方法，并附两篇详细实战参考文章链接，帮助开发者实现从数据预处理到最终验证的全流程落
2025-12-31 17:31:08
1469
2
原创 Freebase + Virtuoso 大规模导入实战：切片 Chunk、调大缓存、脚本化监控进度（可复现）
本文针对Virtuoso导入大规模Freebase数据时的常见问题，提出了一套可复现的解决方案。通过将大文件切片(chunk化)处理，解决单文件导入中断恢复难的问题；调整Virtuoso缓存参数，优化导入性能；并提供了监控脚本实现进度可视化。具体实施步骤包括：使用split命令将NT文件按大小切分(推荐0.5-2GB/片)，根据系统内存配置Virtuoso缓存参数(建议使用2/3到3/5空闲内存)，以及通过脚本监控导入状态。该方法显著提升了百GB级RDF数据的导入效率和可靠性，为KBQA/KGQA工作流中的
2025-12-31 16:36:24
1192
原创 Freebase + Virtuoso 部署全流程（含踩坑排查与可复现验证）
本文详细介绍了在Linux/HPC节点上使用OpenLink Virtuoso 7.x部署Freebase知识库的完整流程，重点解决实际部署中的常见问题。主要内容包括：1) 环境准备与数据预处理，建议使用Virtuoso 7.2.5版本，并预留足够磁盘空间；2) 数据清洗步骤，通过Python脚本过滤非英文/数字的三元组；3) Virtuoso部署与配置要点；4) 关键数据导入环节的注意事项，特别是解决"ld_dir()参数误用"、"DirsAllowed配置"等常见
2025-12-30 16:32:51
1531
原创 深度解析KBQA常用数据集：WebQSP与CWQ
WebQSP和CWQ是KBQA领域两大核心数据集。WebQSP基于Freebase构建，包含4,700条训练数据，支持最多4跳的多跳推理，提供完整的SPARQL查询、推理路径和答案标注。数据以JSON格式组织，包含问题ID、核心实体、逻辑形式（如过滤条件）、关系链条和标准答案等字段。其标注实现了从自然语言到知识图谱的精确映射，例如通过关系链和性别约束定位"贾斯汀·比伯的兄弟"。CWQ则进一步扩展了组合性问题。两者为KBQA研究提供了从基础到复杂的全场景测试基准。
2025-11-05 10:53:28
2678
2
原创 如何在GitHub上查看自己提过的Issues
本文介绍了在GitHub上查看自己提交过的Issues的两种主要方法：通过右上角「Your issues」快捷入口，或直接访问专属链接（格式：https://github.com/issues?q=author%3A用户名）。文章还提供了进阶筛选技巧，包括按仓库、状态和关键词筛选，并举例说明如何跟踪开源项目反馈和团队任务。这些方法帮助用户高效管理个人Issues记录，提升协作效率。
2025-10-20 11:29:29
2510
原创 告别“删除黑盒”：如何给 rm -rf 加上进度条，可视化删除大目录？
本文介绍了如何为Linux/macOS的rm -rf命令添加可视化进度条功能，解决删除大目录时进度不透明的问题。文章首先分析了原生rm -rf命令不显示进度的设计原因，随后提供了一个完整的Shell脚本解决方案。 该脚本实现了以下功能： 参数校验和目录存在性检查 文件总数统计和进度百分比计算 删除前的二次确认 实时显示删除进度（每处理10个文件更新一次） 清理空目录和最终校验 脚本支持处理含特殊字符的文件名，并提供了扩展建议：添加日志记录、断点续删功能和美化进度条显示。通过这个方案，用户可以清晰了解大目录删
2025-10-16 18:10:05
1574
原创 如何将Python脚本输出（含错误）全量保存到日志文件？实战指南
本文介绍了如何将Python脚本（如final.py）的全部输出（包括正常结果和错误信息）保存到日志文件的方法。针对不同操作系统（Linux/macOS、Windows CMD/PowerShell），提供了具体的命令示例，并解释了>, 2>&1, *>等重定向符号的原理。文章还包含了常见问题解答，如日志文件位置、环境变量设置等，并指出该方法适用于所有Python脚本。通过这种方法，可以方便地保存运行记录，便于后续调试和问题排查。
2025-10-11 09:25:53
1859
原创 用Slurm高效提交深度学习任务：以KBQA实体消歧任务为例
本文详细介绍了如何通过Slurm高效提交深度学习任务，以KBQA实体消歧任务为例，重点讲解了环境配置、Slurm脚本编写、任务管理及常见问题排查。文章首先强调环境准备的重要性，包括激活Conda环境和安装必要依赖；随后提供了完整的Slurm脚本示例，详细解读关键参数；最后总结了任务提交、状态监控和问题排查方法，特别针对模块缺失、路径错误、GPU未启用等常见问题给出了解决方案。通过规范化的Slurm流程，可显著提升深度学习任务的执行效率。
2025-10-08 11:27:16
1088
原创 Python项目中ModuleNotFoundError与FileNotFoundError的深度解决指南（附实战案例）
本文深入解析Python项目中ModuleNotFoundError与FileNotFoundError的解决方法。通过SPARQA项目案例展示了两种常见错误：模块导入失败和文件路径错误。针对ModuleNotFoundError，提出三种解决方案：动态添加路径（推荐）、设置PYTHONPATH环境变量、检查包结构完整性。对于FileNotFoundError，指出相对路径陷阱，建议改用动态路径拼接方法。文章强调理解Python模块搜索机制和路径解析规则的重要性，并提供了可复用的代码方案，帮助开发者彻底解决
2025-09-26 18:01:13
1404
原创 微信小程序申请与第一个 Demo 搭建指南
本文提供了微信小程序开发的入门指南，详细介绍了从注册账号到创建第一个Demo项目的完整流程。内容包括小程序账号类型选择、AppID获取方法、开发工具安装步骤、项目创建与目录结构解析，以及运行调试技巧。文章还给出了进阶学习建议，帮助开发者从小白快速上手，最终发布自己的小程序应用。整个教程步骤清晰，配有关键界面截图，适合零基础开发者快速入门微信小程序开发。
2025-09-17 17:27:20
1599
原创 如何生成 GitHub Token（用于 Hexo 部署）：保姆级教程+避坑指南
GitHub Token生成指南（Hexo部署用） 本文介绍了如何为Hexo博客部署创建GitHub个人访问令牌(PAT)。主要内容包括：1)访问GitHub设置页生成经典令牌；2)设置令牌名称、有效期和必要的repo权限；3)复制仅显示一次的密钥字符串；4)将令牌配置到Hexo的_config.yml文件中替换密码。通过使用PAT，用户可以安全地部署博客到GitHub Pages，特别适合开启双重验证的用户。文章提供了完整的配置示例和部署命令，帮助用户顺利完成设置。
2025-09-12 16:05:20
1692
原创 零基础搭建 Hexo 博客：从本地到 GitHub Pages 全流程指南
本文提供从零开始搭建Hexo博客并部署到GitHub Pages的完整指南，包含以下步骤：1）安装Node.js和Hexo框架；2）初始化博客项目；3）安装依赖；4）本地启动博客；5）创建Markdown格式文章；6）介绍常用Hexo命令；7）详细说明如何部署到GitHub Pages，包括创建仓库、安装插件、修改配置及解决常见问题。通过本教程，用户可快速建立个人博客并实现线上访问。
2025-09-12 15:02:20
3030
原创 新手入门：KBQA核心评估指标（ACC/Hit@1/F1）全解析
本文解析了KBQA（知识图谱问答）中三个核心评估指标：ACC、Hit@1和F1。ACC衡量完全匹配标准答案的准确率，适合单答案问题；Hit@1关注Top-1答案是否命中，更贴近用户习惯；F1则平衡精确率和召回率，适用于多答案任务。通过实例计算演示了各指标的具体应用，并给出新手选择指标的建议：单答案问题优先ACC/Hit@1，多答案问题选择F1。理解这些指标的本质差异，能帮助开发者更准确地评估模型性能。
2025-09-10 21:15:36
1592
原创 【WSL被Killed终极指南】WSL运行代码被Killed？教你一步步排查 + 解决方案
在使用 WSL（Windows Subsystem for Linux）运行 AI 相关代码或数据处理脚本时，程序可能会突然中断并显示“Killed”。这通常是由于程序占用了过多内存，触发了 WSL 的 OOM（Out Of Memory）机制。本文提供了详细的排查和解决方案，包括通过 free -h 或 htop 监控内存使用情况，以及通过修改 .wslconfig 文件扩展 WSL2 的可用内存。此外，还提供了代码层面的优化建议，如使用数据生成器、减小 batch size 等。通过这些方法，可以有效避
2025-05-15 21:19:35
1661
原创 在 WSL 中用 kagglehub 下载数据后找不到文件？一招教你定位+剪切到当前目录！
在日常使用深度学习数据集时，我们经常通过像 `kagglehub` 这样的工具快速下载数据。但当我们在 **Windows 系统中使用 WSL（Windows Subsystem for Linux）** 运行 Python 脚本时，可能会遇到以下典型问题：> ✔ 我用 `kagglehub.dataset_download(...)` 成功下载了一个数据集，比如 Food-101，但> ❌ 我在文件管理器中 **搜索不到** “food-101” 或者 “dansbecker” 的文件夹，
2025-05-12 16:21:26
1628
原创 对数在深度学习中的三个超重要作用（含代码示例）
| 连乘变连加 | $\log(ab) = \log a + \log b$ | 提高数值稳定性（如概率乘积） || 指数拉下来 | $\log(e^x) = x$ | 简化导数计算，稳定梯度传播 || 缩放可视化范围 | `plt.yscale('log')` | loss/梯度大范围可视化，清晰展示变化 |
2025-05-08 20:52:00
1368
原创 在Windows中畅享Linux体验：WSL安装与配置全攻略
双系统指的是在同一台电脑上安装两个操作系统（比如Windows和Ubuntu），开机时可以选择进入哪一个系统。这样你就可以在Linux下跑模型，在Windows下处理日常任务。每次切换系统都需要重启；文件共享不太方便；驱动配置、引导修复比较麻烦；一旦误操作，容易造成整个系统崩溃；游戏、娱乐软件基本只能在Windows下运行，Linux下功能受限。WSL，全称，是微软官方推出的一项技术，让你可以在Windows中运行完整的Linux环境。
2025-04-25 11:19:09
1586
原创 从零开始搭建你的个人博客：使用 GitHub Pages 免费部署静态网站
在互联网时代，拥有一个属于自己的网站不仅是一种展示方式，更是一种技术能力的体现。今天我们将一步步学习如何通过 GitHub Pages 搭建一个免费的个人博客或简历网站。
2025-04-22 16:09:43
5101
原创 解放生产力！智谱GLM免费Batch API处理10万+专利数据实战【附完整代码及流程】
在处理大规模中文专利文本时，实体识别（Named Entity Recognition, NER），特别是对自然人姓名和组织名称的准确提取，是一项关键任务。然而，传统的规则匹配方法（如基于正则表达式或关键词）在中文环境中表现非常有限：因此，这类任务非常适合交由 大语言模型（LLM） 来完成，尤其是具备强大语言理解与信息抽取能力的新一代中文大模型。我们的目标是从专利文本的以下字段中，批量提取出自然人姓名与组织机构名称，并将其结构化为标准格式：面对庞大的文本数据规模，传统逐条处理方法效率低、成本高。为此，我们采
2025-04-16 17:05:20
2052
原创 如何让智谱清言 API 一次性返回完整回答？避免逐字输出的正确用法
智谱清言 API 是一个强大的 AI 语言模型接口，支持对话生成、搜索增强等功能。本文将重点讲解如何，避免逐字返回的问题，并提供代码示例与常见错误解决方案。
2025-03-25 11:00:28
2338
原创 如何在 Linux 中递归解压所有子目录下的 `.tar.gz` 文件
通过结合find和tar命令，可以高效处理分散在多个目录中的压缩文件。使用-execdir在文件所在目录解压，避免路径混乱。通过预检查命令降低误操作风险。根据需求选择是否保留原文件或显示进度。对于批量运维任务，建议将核心命令封装成脚本，并结合日志记录功能（如tee）实现可追溯性。
2025-03-21 10:46:41
1639
原创 为什么临界区是代码而不是数据？深入理解并发控制的核心概念
概念角色关键点共享数据被操作的对象（被动）需要保护，但无法自我管理并发临界区操作行为的集合（主动）通过控制代码执行顺序，间接保护数据一致性锁/信号量协调代码执行的工具绑定的是代码逻辑，而非数据本身注互斥锁（Mutex）用于保护临界区，而信号量（Semaphore）还可用于线程间协作（如生产者-消费者问题）。
2025-03-20 19:41:01
1160
原创 从网络层到应用层：为什么防火墙必须分层？
很多人可能会选 D，认为防火墙一定包含“配置”和“监控”，但实际上，这些属于管理功能，而非核心的安全防护能力。通过具体场景和技术细节的拆解，可以清晰理解防火墙如何通过分层机制实现从“简单流量控制”到“智能威胁防御”的演进。• 限制单个IP的连接速率，防止CC攻击（Challenge Collapsar）。• 记录内部发起的TCP连接（源IP+端口、目标IP+端口、协议）。• 仅开放80（HTTP）、443（HTTPS）端口，关闭其他端口。通常是内部保留地址，若外部流量伪装此IP，可能为IP欺骗攻击。
2025-03-20 18:52:42
1359
原创 作业调度算法终极对比：FCFS vs RR vs HRRN，谁才是平衡效率与公平的最佳选择？
通过选择响应比更高的作业（C 优先于 B），HRRN 减少了短作业的等待时间，使平均等待时间（2.67 秒）低于 FCFS（3.33 秒）。：2~4（首次执行），7~9（第二次执行），10~11（完成）。：在 RR 中，作业被多次中断并重新排队，每次中断后需等待其他作业运行，导致总等待时间增加。到达时间 1，开始执行时间 3，等待时间 = 3 - 1 = 2 秒。到达时间 1，开始执行时间 7，等待时间 = 7 - 1 = 6 秒。：0~2（首次执行），6~7（完成）。总执行时间3秒，完成时间7秒。
2025-03-19 08:00:00
1421
原创 后退N帧协议难题解析：收到ACK 0、2、3时，为何必须重传4帧？
的可靠数据传输协议，属于**自动重传请求（ARQ, Automatic Repeat reQuest）**机制的一种。： 发送方可能减少重传量，但需修改协议逻辑（如增加逐个 ACK），此时协议退化为 SR。： 接收方发送 ACK 4 表示 0~4 已确认，ACK 6、7 无效（非累积确认）。，发送方已发送帧 0~9，收到 ACK 4、6、7。：若 GBN 接收方改为缓存非按序帧（类似 SR），会发生什么？最早未确认帧是 5，需重传 5~9，共 5 帧。GBN（后退 N 帧协议）是一种。
2025-03-18 15:13:12
2026
原创 揭秘数据不一致的罪魁祸首：完整性控制缺失与冗余数据的较量
数据不一致可能会导致系统故障、数据丢失或业务错误，因此确保数据一致性至关重要。，因为即使有数据冗余，如果完整性约束管理得当，也不会产生不一致问题。通过以上方法，我们可以有效防止数据不一致，提高系统的稳定性和可靠性。我们逐一分析四个选项，看它们是否是导致数据不一致的根本原因。，导致不同用户或系统看到的结果不同。
2025-03-18 15:07:09
2174
原创 图的广度优先搜索（BFS）与树的遍历方式对比
在计算机科学中，图和树是常见的数据结构，而它们的遍历方式也是算法学习的重要内容。，从起始节点开始，先访问所有相邻的节点，然后依次访问下一层的节点。的方式，一条路径走到尽头后，回溯再尝试新的路径。，保证每层节点按顺序访问。，保证尽可能深入遍历。
2025-03-18 14:43:25
689
原创 线性回归中的最小二乘法：直接法与梯度下降的比较
最小二乘法（Least Squares Method）是一种用于数据拟合的方法，它的核心思想是“最小化误差的平方和”。假设我们有一组数据点，并希望找到一条最优的直线或曲线来尽可能贴合这些点。由于数据通常存在噪声或者误差，无法完美拟合所有点，因此最小二乘法的目标是找到一个最佳拟合，使得所有点到拟合曲线的垂直距离的平方和最小。通俗地说，就像是在一堆散落的数据点中找一根“最合理”的线，使得数据点到这条线的总体偏差最小。
2025-03-13 19:29:37
1246
1
FFmpeg 安装包-ffmpeg-git-essentials.7z
2024-12-29
Android 开发技巧：音乐播放器的后台处理【Service、Handler、MediaPlayer】完整代码
2023-10-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人