taWSw5OjU-CSDN博客

原创 MyBatis-plus进阶之映射与条件构造器

apply方法的参数是字符串，会跟在sql语句where的后面，在复杂查询的应用场景中使用。// 对应的sql；

2026-04-05 13:55:11 342

原创 FastAPI + PostgreSQL 实战：给应用装上“缓存”和“日志”翅膀

如果不管理索引生命周期，日志会把磁盘撑爆。日志不能只打控制台，要统一送ES。我们写一个中间件，记录每次请求的方法、路径、状态码、耗时等。，把所有日志分门别类建索引，你可以用关键词秒搜到任何请求的细节，再也不用登录服务器翻文件了。— 查询一个不存在的id，每次都会穿透到数据库。下次顾客要，直接从小本本查，秒级响应。同样的请求60秒内直接走Redis，数据库连看都不看一眼。库，封装了缓存装饰器，省得自己写重复代码。是不是以为这样就完了？，在启动时加载热门商品到Redis。，否则ES挂掉整个API也挂了。

2026-04-05 13:54:29 203

原创基于重复控制方法的逆变器的仿真学习笔记

可以获得更稳定的控制性能。重复控制器的基本传递函数为：其中，N� 表示在一个周期内的采样数。意思是采用一个重复周期之前的采样样本作为环路的反馈值进行计算。通常，重复控制器更为实用的传递函数是:其中，Q(z)�(�) 是一个低通滤波器，用于消减高频处的增益，增加相位裕量。zm�� 是一个超前相位补偿器，m� 表示超前的采样数。

2026-04-04 13:48:43 161

原创关于对第 12 章读/写者的一点思考和题解 (作业 12.19,12.20,12.21)

想象一张很大的白纸, 我们可以往白纸上写字, 擦掉字, 也可以用眼睛在白纸上看别人写的字然后记住.我们把往白纸上写字的人叫做写者, 把记住别人所写的字的人叫做读者在计算机这个大系统中, 也有类似的场景. 如 CS:APP 中所讲, 内存其实就是白纸, 负责从资源中读取的进程叫做读者, 而负责往资源中写数据的进程叫做写者但是, 要是读者和写者不按照一定的规律来的话, 那整个系统就会乱套了. 所以, 为了保证顺序, 操作系统引入了信号量。

2026-04-04 13:48:04 378

原创从系统编程到 JavaScript/TypeScript

既然浏览器只认 JS，为什么我们要发明 React 和 Vue？因为原生的 DOM API () 就像是Win32 API或者X11——极其繁琐、指令式、且难以维护。现代前端框架本质上是DSL (领域特定语言)，旨在解决 UI 开发中的状态同步难题。现在，我们将整个流程串联起来。核心结论：我们在写 TypeScript、React Hooks、Vue Templates。我们在写配置，指示 Node.js 进程如何生成一堆经过混淆的、浏览器能读懂的 ES5 代码。它就是那个。

2026-04-03 14:08:09 317

原创从模型评估、梯度难题到科学初始化：一步步解析深度学习的训练问题

Xavier初始化是为 ��ℎtanh 这类在零点附近近似线性且对称的激活函数设计的，对于 ��Sigmoid，虽然 Xavier初始化可以用于 ��Sigmoid ，但不是最优的。如果这个网络是非线性的，只需在矩阵前面乘上一个系数 �ρ，这个系数与激活函数有关，如对于 ��ReLU 应该 �=2ρ=2 ，对于 ��ℎtanh 应该 �≈1.0ρ≈1.0，这是为了补偿激活函数对信号幅度的压缩（扩张）效应。,M(l+1) 与一个二维张量 �(�)v(l) 的乘积。

2026-04-03 14:07:21 36

原创 OFA 视觉问答（VQA）模型部署教学（避坑完整版）

OFA（One For All）是字节跳动提出的多模态预训练模型，支持视觉问答、图像描述、图像编辑等多种任务，其中视觉问答（VQA）是最常用的功能之一——输入一张图片和一个英文问题（该模型仅支持英文），模型就能输出对应的答案（比如输入“瓶子”图片+问题“What is the main subject?”，输出“a water bottle”）。本次部署使用 ModelScope 平台的。

2026-04-02 15:09:42 356

原创你的API在用户面前“裸奔”了吗？

业务逻辑里的错误，比如“用户余额不足”、“活动已结束”，用404或400虽然也行，但语义不精确。这时候，就需要自定义异常。# 定义自己的业务异常类self.code = code # 业务错误码，如 1001# 定义几个具体的业务异常code=1001,code=1002,# 为自定义业务异常注册处理器status_code=422, # 或用200，但body里表明错误，看前端约定content={"error": {**exc.extra_data # 展开额外数据，前端可以直接用。

2026-04-02 15:09:05 166

原创团队落地 AI 辅助编程和 AI Specs 实战

这里的 steering 其实是 Kiro 里面的概念，目的是让 AI 编程过程中，始终遵循团队已建立的 patterns、libraries、standards。也就是说，基于团队的项目模板，我们要指定一些跟业务无关的技术约束，例如审计属性怎么定，这个开发框架/项目模板怎么使用，不同功能的代码文件怎么命名等，都可以写到 Kiro steering 里面。AI 在写代码时，会一直围绕这些 steering 去写，如果写出的代码不符合 steering 要求，则 AI 会逐步修正代码。

2026-04-01 15:08:27 331

原创 FastAPI登录验证：用OAuth2与JWT构筑你的API安全防线

餐厅的每个门卫（你的API端点）都能用统一的秘钥验证这张卡的真伪和有效性，而无需每次打电话回柜台查询。OAuth2定义了“如何获取令牌”的授权框架和流程，而JWT是“令牌具体长什么样”的一种紧凑且自包含的格式标准。你（资源所有者）向柜台（认证服务器）出示身份证和密码（凭证），柜台核实后，决定给你发一张会员卡（Access Token）。：若需要Google/Github登录，需实现OAuth2的授权码模式，第三方会返回一个code，你的后端再用code去换它们的Access Token。

2026-04-01 15:07:41 306

原创 vue对接海康摄像头-H5player

【代码】vue对接海康摄像头-H5player。

2026-03-31 15:35:44 367

原创 Docker] Docker中`overlay2`磁盘占用爆满的清理方案

回到顶部(Back to Top)

2026-03-31 15:34:15 446

原创基于Microsoft.Extensions.AI 和 Microsoft.Extensions.VectorData构建向量搜索

嵌入是每个数据记录语义含义的数字表示形式，这使得它们与向量搜索功能兼容。新建Class：CloudServiceWiki。使用云服务知识库数据创建和填充向量存储。，会影响在向量存储中使用时每个属性的处理方式。属性存储生成的嵌入，表示。值在矢量搜索中的语义含义。

2026-03-30 15:21:06 368

原创 BMAD方法 v6 与 GitHub Copilot 在应用开发中的协同

这一被称为“速度的蜜糖，质量的砒霜”的悖论揭示了当前AI辅助开发的核心痛点：单纯的代码生成速度提升与软件质量的保障并非自然正相关，无约束的AI生成会导致严重的上下文遗忘、架构腐化以及需求漂移，最终使开发团队陷入无尽的调试与重构泥潭。这种文档与代码的强绑定同步，确保了整个项目的架构意图与代码实现在任何时间点都保持绝对的一致性。一个典型的 BMAD 故事文件包含了：明确的故事标识、用户角色、功能描述、格式化的验收标准（AC）、对全局架构决策的交叉引用链接、以及嵌入式的推理指导（What, Why, How）。

2026-03-30 15:20:21 386

原创 .NET 11 预览版1：CoreCLR 在 WebAssembly 上的全面集成与性能突破

随着.NET 11 Preview 1 的正式发布，.NET 生态系统迎来了一次具有分水岭意义的基础架构演进。本次发布的核心亮点在于.NET 的 CoreCLR 运行时现在已经能够原生运行在 WebAssembly (WASM) 平台上。这是一个重大的技术突破，标志着微软在跨平台战略上的全面统一。在过去的迭代中，浏览器端的 WebAssembly 负载高度依赖于从 Xamarin 收购而来的 Mono 运行时。尽管 Mono 在资源受限的环境中表现出色，但其在处理复杂的高吞吐量企业级应用时，与服务器端使用

2026-03-29 15:49:25 280

原创全程用 Claude Code 搓了一个 macOS 原生应用：SkillDeck

有时候让 AI 做了一大堆分析（比如梳理项目架构、分析某个复杂模块的实现），这些内容当下可能用不上，但后面很可能会再用到。我的做法是让 AI 把分析结果整理成文档保存到项目的 memory 目录，下次开新 context 的时候直接加载这个文档，不用重新消耗 token 再分析一遍。

2026-03-29 15:48:54 321

原创 Langchain 1.0后astream_events事件类型及生命周期简析

🔁 完整循环 (1个工具调用)✅ 是❌ 否🎬 工作流循环开始最外层链(LangGraph)开始Model节点开始AI模型开始推理模型流式思考模型推理完成↓可能包含工具调用Model节点流式输出Model节点结束❓ 需要工具调用吗?Tools节点开始具体工具开始工具执行完成Tools节点流式输出Tools节点结束最外层链传递结果🔄 回到步骤2开始新一轮推理最外层链结束🏁 工作流完成📊 事件成对出现：每个组件都有start和end事件。

2026-03-28 15:25:34 211

原创基于仿生空间殖民算法的电力分配网络布局优化研究

节点 (Node)：表示电力网络中的物理实体（如集成核心、中继器）。每个节点 �� 包含坐标位置 �� 及其父节点索引 ��(�)，后者用于在生长结束后重构电力传输链路。吸引点 (Attractor)：表示环境中未被覆盖的电力需求区域或可行施工空间。吸引点集合 �={�1,�2,...,��} 在初始化阶段通过泊松盘采样（Poisson Disk Sampling）或随机分布生成，并剔除落入障碍物区域的点。障碍物 (Obstacle)：表示不可穿越的山体或生态禁区。

2026-03-28 15:24:37 339

原创训练第一个强化学习模型

目前不需要搞懂都有什么作用，后面有文章会详细讲解。默认提供的游戏环境，平衡杆游戏。初始化模型以及游戏的环境。

2026-03-27 14:56:04 203

原创 AI Agent 框架探秘：拆解 OpenHands（4）--- 服务

listen_socket.py是 OpenHands 服务器端的 Socket.IO 事件监听器，负责处理客户端和服务器之间的实时双向通信，包括连接建立、事件回放、用户行动转发和连接断开四大核心场景，是客户端与后端会话、代理系统交互的桥梁。这种服务器架构允许管理多个客户端会话，每个会话都有自己的代理实例、运行时环境和安全分析器。事件驱动设计促进了客户端和代理之间的实时通信，而模块化结构允许轻松扩展和维护不同组件。类，它代表与客户端的WebSocket会话。类，它管理会话内代理的生命周期。

2026-03-27 14:55:19 365

原创重磅！腾讯 QQ 官方接入 OpenClaw“小龙虾”：一键创建机器人，1分钟极速部署！

RANSAC通过反复随机采样一小部分点（最小子集）来生成候选平面，然后用整个点云评估该平面的内点数量（即到平面距离小于阈值的点数）。RANSAC的核心思想是：随机选取一小部分点（最小子集）来生成候选模型，然后用整个数据集验证该模型，统计符合该模型的点（内点）数量。重复多次，选择内点最多的模型作为最终估计。的核心思想是：随机选取一小部分点（最小子集）来生成候选模型，然后用整个数据集验证该模型，统计符合该模型的点（内点）数量。

2026-03-26 15:26:04 143

原创智能体标准化纪元：Agentic AI基金会（AAIF）成立与全球AI基础设施重构

假设服务器环境为 lnmp，近期访问经常出现 502 现象，且 502 错误在重启 php-fpm 服务后消失，因此需要编写监控脚本，一旦出现 502，则自动重启 php-fpm 服务。#容清空，但不删除文件，其他时间则只统计各个文件的大小，一个文件一行，输出到以时#间和日期命名的文件中，需要考虑目标目录下二级、三级等子目录的文件。#将指定目录下的文件全部遍历出来并作为md5sum命令的参数，进而得到所有文件的md5值，并写入到指定文件中。do #eval将{1,2}分解为1 2。

2026-03-26 15:16:40 187

原创 CW32L011无感无刷驱动器代码详解

/ LED控制#define LEDON GPIO_WritePin(LED_GPIO_PORT, LED_GPIO_PIN, GPIO_Pin_RESET) // 低电平点亮#define LEDOFF GPIO_WritePin(LED_GPIO_PORT, LED_GPIO_PIN, GPIO_Pin_SET) // 高电平熄灭// 上桥臂控制（通过ATIM PWM输出）// 下桥臂控制（通过GPIO直接控制）// 不同方向下的过零边沿类型// Dir=0: 反转, Dir=1: 正转。

2026-03-25 15:22:11 369

原创极简小白Python教程-实现能基本看懂和简单编写代码

类(Class): 用来描述具有相同的属性和方法的对象的集合。它定义了该集合中每个对象所共有的属性和方法。对象是类的实例。方法：类中定义的函数。……更多请自行搜索相关书籍或教程。通过以上简单的学习，一般来说是可以看懂不太复杂的代码了，可以尝试进行我们的网络自动化学习进程了。虽然编写代码依然有些困难，但我们借助网络搜索，AI，实现看懂，简单的编写和修改代码并不是一件难事。同样，在后续学习期间我们可能还需要经常的搜索查询资料或者借助AI工具。最后作为复习验证，来尝试理解以下代码。

2026-03-25 15:21:33 347

原创自然语言处理第二周：词嵌入课后习题与代码实践

词向量与Emoji生成器-CSDN博客在本周的编程作业里，链接里的博主除了编码演示关于词向量的一些基本应用外，主要是实现了一个表情生成器。其原理是通过文本和相应的表情标签进行监督学习，构建分类模型，在完成训练后，通过对模型输出的下游加工，可以实现“输入文本，输出配有表情的文本”的效果。感兴趣可以进入了解。同样，我们还是使用成熟框架来演示本周的内容，得益于 PyTorch 对基础模块的封装非常完善，我们可以较简洁地完成本周内容的演示，主要内容列举如下：在 PyTorch 调用词嵌入的方法被封装在模型模块中

2026-03-24 13:44:07 352

taWSw5OjU的博客