<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_35835018的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/weixin_35835018</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; weixin_35835018]]></copyright><item><title><![CDATA[Llama 4 Scout 的 10M 上下文，Codex 把 Base URL 改到 TaoToken 后一次读完长视频转录]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165592184</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165592184</guid><author>weixin_35835018</author><pubDate>Wed, 16 Sep 2026 10:33:41 +0800</pubDate><description><![CDATA[Llama 4 Scout 的 10M 上下文虽能一次读完20小时视频转录，但本地部署需H100环境成本过高。改为通过 TaoToken（https://taotoken.net/?utm_source=taotoken_aicg_blog_end）获取 API Key，并在 Codex 的 ~/.codex/config.toml 中将 model_provider 指向 taotoken、model 设为 llama-4-scout，即可把长视频 SRT 整段丢进会话。本文演示了拿 Key、改 Base]]></description><category></category></item><item><title><![CDATA[Spring AI 跑 MCP 工具调用：Key 用 TaoToken]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165488130</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165488130</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 18:42:30 +0800</pubDate><description><![CDATA[修改 application.yml 的 api-key 与 base-url，即可把 Spring AI 的 MCP 工具调用模型通道切到 TaoToken。保留 mcp-servers-config.json 与 ToolCallbackProvider 不变，高德 MCP Server 照常通过 npx.cmd 拉起，模型请求由 TaoToken 统一代理。先去 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 注册创建 Key，再将 ba]]></description><category></category></item><item><title><![CDATA[煤系地层开挖的UDEC离散元模拟：从初始化到参数标定]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165548743</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165548743</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 16:45:28 +0800</pubDate><description><![CDATA[离散元方法将岩体视为由结构面切割的块体组合，能自然模拟节理岩体的大变形与垮落过程。UDEC作为通用离散元程序，通过块体切割、接触面本构与初始地应力平衡，重现采动覆岩从离层、破断到垮落的完整力学行为。在矿山压力研究与岩层移动预测中，UDEC被广泛用于分析覆岩破坏形态、支承压力分布与裂隙发育范围，尤其适合二维条件下采场覆岩运动的模拟。以煤层开挖为背景，系统讲解UDEC建模流程、分步开挖控制及参数标定方法，并结合工程实践经验给出调试技巧，为相关数值模拟工作提供参考。]]></description><category></category></item><item><title><![CDATA[Slack 里的 Claude Code，能改用 TaoToken 的 Key 吗？]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165479963</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165479963</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 15:50:33 +0800</pubDate><description><![CDATA[Slack 里的 Claude Code 无法直接在官方集成中替换 Key，但可以在本地 Claude Code 的 settings.json 中配置 ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN 和 ANTHROPIC_MODEL，将请求转发到 TaoToken 的兼容 API 通道。配置时注意 Base URL 不带 /v1，Key 在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 控制台创建。配好后 ]]></description><category></category></item><item><title><![CDATA[可控混乱：职场高效生存的新策略]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165539825</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165539825</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 14:58:03 +0800</pubDate><description><![CDATA[在职场效率管理中，可控混乱（Controlled Chaos）是一种新兴的策略，通过精心设计的非最优工作状态，在保持基本产出质量的前提下，人为制造合理的效率波动。这种策略的核心在于动态平衡，既能避免因持续高绩效带来的期望值锚定效应，又能通过技能组合差异化提升替代成本。从技术角度看，这类似于系统设计中的负载均衡和冗余机制，通过合理的资源分配和缓冲设计，确保系统在压力下的稳定性。在实际应用中，可控混乱特别适合互联网行业和知识密集型岗位，能有效应对组织变革和裁员风险。通过进度管理的艺术性延迟、信息过滤的漏斗模型等]]></description><category></category></item><item><title><![CDATA[基于Spring Boot与Vue的藏区特产电商平台实现与部署实践]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165535293</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165535293</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 14:28:22 +0800</pubDate><description><![CDATA[前后端分离架构已成为现代Web应用开发的主流模式，其核心在于后端通过RESTful接口提供数据服务，前端通过组件化方式独立构建交互界面。Spring Boot凭借自动装配和约定优于配置的特性，极大简化了Java后端工程搭建；Vue.js配合Element Plus能快速实现后台管理界面。在电商场景中，商品、订单、用户是三大核心数据模型，通过MySQL合理设计表结构并使用MyBatis-Plus完成数据访问，能够显著提升开发效率。实际项目中还需要关注分页查询、库存扣减事务、订单状态流转等工程细节。本文以藏区特]]></description><category></category></item><item><title><![CDATA[基于协同过滤的音乐推荐系统设计与优化实践]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165566047</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165566047</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 14:20:38 +0800</pubDate><description><![CDATA[协同过滤是推荐系统领域的经典算法，通过分析用户历史行为数据发现相似用户或物品，实现个性化推荐。其核心原理包括用户相似度计算和物品相似度计算两个维度，采用皮尔逊相关系数等度量方法。该技术能有效解决信息过载问题，在电商、音乐、视频等领域有广泛应用。本文以音乐推荐场景为例，详细解析了基于Django+Vue技术栈的实现方案，重点解决了矩阵稀疏性、冷启动等典型问题。通过引入Redis缓存、Faiss加速等技术，系统将推荐准确率提升至82.6%，并采用Docker实现高效部署。项目实践表明，结合用户基（UserCF）]]></description><category></category></item><item><title><![CDATA[SpringBoot+Vue四六级单词助手开发实践]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165584085</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165584085</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 13:49:22 +0800</pubDate><description><![CDATA[前后端分离架构是现代化Web开发的主流模式，通过SpringBoot提供RESTful API服务，结合Vue实现动态前端交互，能够显著提升开发效率和系统可维护性。在英语学习类应用开发中，科学记忆算法与词库管理是关键核心技术，基于艾宾浩斯遗忘曲线设计的复习系统能有效提升记忆效率。本案例采用SpringBoot+MyBatis实现后端服务，利用Redis缓存高频数据，前端通过Vue3构建微信小程序，完整呈现了从技术选型到性能优化的全流程实践。特别针对四六级备考场景，实现了智能词库分级、记忆强度追踪等特色功能，]]></description><category></category></item><item><title><![CDATA[Kimi Code CLI 跑 Agent 任务：Key 统一走 TaoToken]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165464586</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165464586</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 12:23:03 +0800</pubDate><description><![CDATA[Kimi Code CLI 因 GitHub Trending 这周进入视野。按 README 走到申请模型 Key 这一步时，用 TaoToken 统一接管：在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 按项目建 Key，再把 MOONSHOT_API_KEY 和 MOONSHOT_BASE_URL 写进 ~/.zshrc 并 source，确认 Base URL 结尾不带 /v1。编码辅助与日志分析两条任务跑通后，回控制台核对 Tok]]></description><category></category></item><item><title><![CDATA[PSU树脂极框轻量化设计与精密注塑工艺优化]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165590191</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165590191</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 11:29:47 +0800</pubDate><description><![CDATA[在工程塑料领域，聚砜(PSU)因其出色的耐化学腐蚀性和热稳定性成为特种应用的首选材料。通过共混改性技术，将短切碳纤维与PTFE增韧剂引入PSU基体，可显著提升材料的机械强度并降低熔体粘度。这种改性方案在电解水制氢设备的极框制造中展现出独特价值——相比传统金属极框，PSU复合材料极框实现67%的减重效果，同时耐腐蚀性提升显著。精密注塑工艺中的多腔热流道模具设计和四段式保压曲线优化，解决了高粘度材料充模困难的核心痛点，使成品率从70%提升至92%以上。该技术路线已成功应用于200Nm³/h电解槽项目，单槽成本降]]></description><category></category></item><item><title><![CDATA[精密机械加工定制服务的8步全流程解析]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165537529</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165537529</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 11:11:51 +0800</pubDate><description><![CDATA[精密机械加工是现代制造业的核心技术之一，通过将设计意图精确转化为物理实体，实现微米级精度控制。其技术原理涉及材料学、机械加工工艺及测量技术的综合应用，尤其在医疗器械、航空航天等领域具有重要价值。典型的加工流程包括需求对接、工艺设计、工装夹具开发等8个关键环节，其中DFM（面向制造的设计）分析和SPC（统计过程控制）是确保质量的核心方法。随着技术进步，超声振动辅助加工和数字孪生等创新工艺正在推动行业向智能化发展。本文以具体案例说明如何通过标准化流程实现0.005mm的高精度要求，为相关行业提供实用参考。]]></description><category></category></item><item><title><![CDATA[企业级模型管理平台实战：从MLOps基础设施到OpenCSG落地]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165504577</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165504577</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 10:55:16 +0800</pubDate><description><![CDATA[机器学习和深度学习模型在落地过程中，常因版本混乱、环境不一致、缺乏监控等原因导致上线事故，其根源在于缺少模型全生命周期管理这一AI基础设施。MLOps核心理念是通过标准化流程管理模型从训练、版本控制到部署、监控的完整链路，强调模型资产化、服务化与运营化，帮助企业沉淀AI能力并实现安全合规的模型治理。在金融、制造等对数据主权要求严格的行业，开源、可私有化部署的模型管理平台成为主流选择，既能灵活集成现有IT体系，又能确保模型资产不出域。本文结合OpenCSG平台实践，系统拆解了模型托管、微调训练、推理服务等核心]]></description><category></category></item><item><title><![CDATA[Flask+YOLO+HTML：零基础搭建目标检测Web服务]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165537195</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165537195</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 10:35:49 +0800</pubDate><description><![CDATA[目标检测是计算机视觉中最常见的任务之一，旨在从图像或视频中定位并分类物体。基于YOLO等深度学习模型，检测精度与速度已获得良好平衡，但如何将模型能力以Web服务形式交付给前端应用，是工程落地的关键。Flask作为轻量级Python Web框架，能够快速封装模型推理接口，通过HTTP接收媒体数据并返回结构化检测结果。结合原生HTML页面，无需复杂的前端技术栈，即可实现图片上传、视频抽帧、检测框可视化等完整交互流程。这种前后端分离的架构适用于算法验证、毕业设计原型以及边缘设备上的实时检测场景。本文围绕Flask]]></description><category></category></item><item><title><![CDATA[SpringBoot+Vue诊所管理系统：协同过滤算法医疗应用实践]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165587940</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165587940</guid><author>weixin_35835018</author><pubDate>Tue, 15 Sep 2026 09:03:59 +0800</pubDate><description><![CDATA[协同过滤算法作为推荐系统核心技术，通过分析用户历史行为数据发现相似性模式，在电商领域已有成熟应用。其核心原理是基于用户-项目交互矩阵，计算用户/项目相似度来预测潜在偏好。在医疗信息化场景中，该算法经过权重调整和时序优化后，可有效解决诊所服务的个性化推荐需求。采用SpringBoot+Vue技术栈实现前后端分离架构，结合MySQL关系型数据库与Redis缓存，构建高可用的医疗推荐系统。系统通过患者就诊行为分析实现智能预约、药品推荐等核心功能，典型应用场景包括提升复诊率、优化服务匹配等，为中小型诊所数字化转型提]]></description><category></category></item><item><title><![CDATA[Cursor 配 TaoToken：用 AI 生成 GitOps 的 Kubernetes 配置]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165321818</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165321818</guid><author>weixin_35835018</author><pubDate>Mon, 14 Sep 2026 15:35:20 +0800</pubDate><description><![CDATA[在 Cursor 的 Models 页把 Base URL 指向 TaoToken，用 .cursor/rules/gitops.mdc 约束 Kubernetes/YAML。先到 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 创建 Key，再生成 GitOps 配置；提交前 dry-run 校验。]]></description><category></category></item><item><title><![CDATA[V2G实时调度算法：MPC优化与电池健康管理]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165440949</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165440949</guid><author>weixin_35835018</author><pubDate>Mon, 14 Sep 2026 15:20:15 +0800</pubDate><description><![CDATA[模型预测控制（MPC）作为现代控制理论的核心技术，通过滚动时域优化实现复杂系统的动态调控。在能源互联网领域，MPC与电动汽车（EV）技术的结合催生了V2G（车辆到电网）这一创新应用。其技术价值在于平衡电网稳定性与电池寿命，通过毫秒级数据采集（如OPC UA协议）和动态权重调整，实现充电功率的实时最优分配。典型应用场景包括电网调频、峰谷套利等，其中SOC（电池荷电状态）精准预测和电池健康度补偿算法成为关键突破点。本文展示的混合预测模型（ARIMA-LSTM）和多目标优化方案，为V2G系统提供了从协议转换到集群]]></description><category></category></item><item><title><![CDATA[仿轻客洗衣小程序源码拆解：从登录到订单状态机的完整实践]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165386184</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165386184</guid><author>weixin_35835018</author><pubDate>Mon, 14 Sep 2026 15:06:29 +0800</pubDate><description><![CDATA[微信小程序开发中，登录态管理、本地数据存储与订单流程状态机是构建真实业务的核心难点。通过拆解一套仿轻客洗衣小程序源码，可以从项目骨架、页面导航、登录授权到订单状态流转完整理解O2O应用的工程实践。wx.login 与 wx.setStorageSync 的正确配合能保证冷启动后的登录态恢复，而基于状态字段驱动的订单管理则显著提升业务扩展效率。地图选点、地址缓存与自定义导航栏的适配，进一步贴近上门洗衣场景的真实需求。这套源码覆盖了从页面布局到后端交互的完整链路，为开发者提供了一份可复用的技术范本，帮助在自身项]]></description><category></category></item><item><title><![CDATA[牛客每日一题追踪系统：用Tracker实现刷题打卡与正确率统计]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165372258</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165372258</guid><author>weixin_35835018</author><pubDate>Mon, 14 Sep 2026 14:39:46 +0800</pubDate><description><![CDATA[行为追踪工具正成为个人效率提升的重要环节，其核心原理是将离散动作结构化记录并形成反馈闭环。当这一原理应用于算法学习领域，便产生了“每日一题”的实践模式。牛客作为高频刷题平台，长期坚持却常因缺乏记录与复盘而失效。通过轻量级Tracker，将题号、难度、标签、提交状态等字段结构化存储，配合正确率、连续打卡天数和薄弱标签统计，能够有效矫正认知偏差，提供客观趋势反馈。本文从选题设计、执行节奏到数据落地，完整拆解了一套适用于校招与跳槽准备的刷题追踪方案，展示如何用低摩擦记录驱动长期坚持，并给出常见问题排查技巧。该思路]]></description><category></category></item><item><title><![CDATA[智信商城小程序五端架构与Redis并发扣减实践解析]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165471538</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165471538</guid><author>weixin_35835018</author><pubDate>Mon, 14 Sep 2026 14:24:11 +0800</pubDate><description><![CDATA[在商城系统开发中，角色权限隔离与高并发扣减是常见的技术难点。以微信小程序为载体，多角色商城通常采用用户端、商家端、分销端等独立前端工程协作，通过登录态角色路由和静态tabBar划分入口，确保不同业务场景的隔离与审核合规。后端层面，高并发场景如拼团秒杀和拍卖出价，MySQL行锁难以支撑瞬时压力，常借助Redis原子脚本与Lua事务实现库存扣减、出价校验和延时顺延，同时通过分布式锁与幂等机制防范重复支付回调。技术方案的价值在于既保证了数据一致性，又提升了系统吞吐量。此类架构广泛应用于电商平台、社交拼团、在线拍卖]]></description><category></category></item><item><title><![CDATA[Windows 11部署PaddlePaddle 2.5与Python 3.13全指南]]></title><link>https://blog.csdn.net/weixin_35835018/article/details/165398829</link><guid>https://blog.csdn.net/weixin_35835018/article/details/165398829</guid><author>weixin_35835018</author><pubDate>Mon, 14 Sep 2026 13:17:06 +0800</pubDate><description><![CDATA[深度学习框架作为AI开发的核心工具，其部署过程直接影响开发效率。PaddlePaddle作为国产主流框架，在CV和NLP领域应用广泛。本文针对Windows 11系统，详细解析如何配置Python 3.13与PaddlePaddle 2.5的开发环境，涵盖CUDA加速、虚拟环境管理等关键技术要点。通过AVX指令集优化和TensorRT集成，可显著提升模型训练性能。该方案特别适合需要同时使用最新Python特性和深度学习框架的工程场景，为计算机视觉等AI应用提供稳定可靠的开发基础。]]></description><category></category></item></channel></rss>