- 博客(213)
- 收藏
- 关注
RSS订阅原创 统一网关架构实践：从 Token 鉴权到路由、策略与凭证池转发全链路解析
最近我在接触一套内部网关服务，一开始看这套流程的时候其实挺懵的。脑子里总有几个问题反复打转：（1）客户端为什么只带一个 `sk-...` 形式的 token 就能访问不同服务？（2）网关到底是怎么知道该把请求转发到哪里去的？（3）路由和策略分别在管什么？（4）凭证池又是什么，为什么有些服务不需要客户端自己传真实 API Key？（5）请求失败了，网关为什么还能自动重试？这段时间边看边改、边踩坑边理解，终于把这条链路大体理顺了。这篇文章就想用一种尽量白话的方式，把整个流程讲清楚。
2026-05-20 16:30:44
830
原创 Linux 超详细安装 MySQL+Redis 及基础实操指南（新手保姆级）
在后端开发中，MySQL + Redis 是最经典、使用率最高的数据库组合。MySQL 负责数据持久化存储，Redis 承担热点数据缓存，极大提升项目接口响应速度。很多新手在服务器部署环境时，经常遇到软件安装失败、无法远程连接、命令遗忘、配置出错等问题。今天这篇博客，手把手带大家在 Linux 服务器下完成 MySQL、Redis 的安装、配置、开机自启、基础命令操作，附带生产常用场景，开箱即用。1、MySQL：关系型数据库，主打数据持久化、事务安全，是项目数据底座；2、Redis。
2026-04-27 14:42:07
857
原创 UV 完全使用教程（从入门到精通，新手也能轻松上手）
大家好～ 最近很多朋友问我，Python 开发中总被环境冲突、包安装缓慢、多版本切换麻烦等问题困扰，有没有一款工具能一站式解决这些痛点？答案必须是 UV！UV 是一款轻量、高速的 Python 包与环境管理工具，兼容 pip、virtualenv、pyenv 等传统工具，无需额外依赖，能快速实现 Python 版本管理、虚拟环境创建、包管理及项目初始化，实测比 pip 快 10 倍以上，大幅提升开发效率。
2026-04-23 11:11:38
12172
4
原创 【一文读懂GRPC】GRPC完全教程指南
gRPC 的名称来源于 "Google Remote Procedure Call"，最初由 Google 在 2015 年开源，现已成为云原生计算基金会（CNCF）的孵化项目，被广泛应用于 Kubernetes、Envoy 等知名项目中。gRPC 是一种高性能、开源的远程过程调用（RPC）框架，由 Google 开发，旨在简化分布式系统中服务之间的通信。
2026-04-15 15:34:23
1294
原创 【OpenClaw从入门到精通】云上一键部署指南&钉钉接入&使用体验&常用Skill&问题
OpenClaw（前身为 ClawdBot、MoltBot）是一款开源、自托管的 AI 智能体平台，核心定位是 “能真正干活的 AI 助手”。它不仅能陪你聊天，更能直接操作文件系统、运行终端命令、控制浏览器、收发消息，甚至通过多通道（如钉钉、Telegram、Discord）接收指令并自动执行任务。好久没写文章了，传统手艺活不能生疏。
2026-03-04 16:24:19
2230
1
原创 使用 Pydantic BaseModel 的好处与实践指南
Pydantic BaseModel 是 Python 中强大的数据验证工具，通过类型注解自动验证数据并支持类型转换。核心优势包括：自动验证输入数据、类型转换、清晰的错误提示。它还支持字段自定义验证、模型嵌套、JSON 序列化等高级功能，特别适合与 FastAPI 结合进行 API 请求验证。此外，BaseModel 还可用于配置管理，通过 Config 类灵活控制环境变量加载方式。这些特性使 Pydantic 成为处理数据验证和配置管理的理想选择。
2026-01-05 15:19:48
937
原创 【Anthropic系列】如何构建有效的智能体？【AI Workflow & AI Agent】
本文分享了构建高效AI智能体的实用经验。文章指出，成功的智能体实现往往采用简单可组合的模式，而非复杂框架。主要内容包括： 区分工作流（预定义路径）和智能体（动态决策） 建议从简单方案开始，仅在必要时增加复杂性 介绍了6种核心工作流模式（提示词链、路由、并行化等）及其适用场景 强调智能体适合开放式任务，但需注意成本和错误风险 提出三大核心原则：保持简单性、透明度和精心设计接口 文章建议开发者先直接使用LLM API，理解底层机制后再考虑框架，并通过评估迭代优化实现。
2025-12-29 17:27:40
1134
原创 【Google系列】AI智能体技术白皮书
本文探讨了生成式AI Agent的核心概念及其工作原理。Agent通过结合语言模型、工具和编排层，能够自主完成任务，超越了传统模型的局限。文章详细介绍了Agent的三大核心组件：模型作为决策中心，工具连接外部世界，编排层管理推理循环。重点分析了ReAct等推理框架如何指导Agent行动，并通过航班预订示例展示了实际应用流程。最后指出，工具作为模型与现实的桥梁，使Agent能够获取实时信息并执行复杂任务，显著扩展了AI系统的能力边界。
2025-12-29 16:04:44
1447
原创 【Anthropic系列】Anthropic多智能体研究系统：从原理到实践
Anthropic开发的多智能体研究系统采用编排器-工作者模式，通过主智能体协调多个子智能体并行处理复杂研究任务。该系统相比单智能体性能提升90.2%，能同时搜索多个信息源并压缩关键信息，特别适合处理开放性问题。系统架构中，主智能体负责分析查询、制定策略和汇总结果，子智能体专注特定搜索任务。虽然资源消耗较高（约15倍普通交互），但对于价值高、信息量大的任务能显著提升效率，在复杂查询上可减少90%研究时间。该系统通过专业分工和并行处理，有效解决了上下文窗口限制和动态调整需求等研究难题。
2025-12-26 19:43:49
1448
1
原创 基于openEuler的食谱领域知识图谱构建与智能问答系统开发实操
本文基于openEuler 22.03 LTS SP1操作系统，构建了一个完整的食谱知识图谱与智能问答系统。研究采用鲲鹏920处理器架构，部署Neo4j 5.12图数据库作为知识存储引擎，通过Python生态实现数据采集、处理和知识图谱构建。系统创新性地设计了"食材-食谱-营养"三维实体关系模型，并开发了基于BERT的语义解析模块，将自然语言问题转换为Cypher查询。文章详细记录了从环境配置、依赖安装到图谱构建的全过程，包括Neo4j服务部署、批量数据导入等关键步骤，提供了完整的代码示
2025-12-07 21:54:24
8972
2
原创 基于openEuler操作系统的图神经网络应用开发：以Cora数据集节点分类为例的研究与实践
随着人工智能技术的飞速发展，图神经网络（Graph Neural Network, GNN）作为处理非欧几里得空间数据的强大工具，已在众多领域展现出巨大潜力，包括推荐系统、药物发现、社交网络分析和交通流量预测等 。与此同时，基础软件特别是操作系统的创新和生态构建成为支撑前沿技术发展的关键。openEuler 作为一个开源、免费的Linux发行版平台，凭借其对多样性计算平台的支持、卓越的性能以及对AI开发环境的友好性，正逐渐成为承载复杂AI应用的重要基础设施 。
2025-12-07 21:49:42
9004
原创 基于openEuler操作系统的大模型智能医疗诊断问答应用开发与部署实践
本项目旨在开发一个概念验证（Proof-of-Concept）级别的智能医疗诊断问答应用。用户可以通过一个简洁的Web界面输入自己的症状，系统将调用后端API服务。该服务负责与一个强大的大语言模型进行交互，分析用户输入，并提供初步的诊断建议和相关信息。整个应用将完全部署在openEuler操作系统之上，以验证其作为AI应用承载平台的能力和稳定性。
2025-12-07 21:30:36
8917
原创 亲测颠覆认知！ToDesk远程控制：流畅度与安全感竟能“双满分”
ToDesk远程控制软件深度测评：该文全面评测了国产远程工具ToDesk的技术架构与使用体验。其自研OTT SD-WAN网络技术实现毫秒级延迟，支持跨平台稳定连接，采用金融级AES-256加密保障安全。测试显示在1080p分辨率下帧率达30fps，资源占用仅80MB内存。特色功能包括二次验证保护、隐私屏及金融应用自动黑屏防护，安装配置简单快捷，3分钟内即可完成连接。多平台功能一致性高，文件传输速度达带宽上限，满足开发调试、远程办公等专业场景需求，显著提升了跨地域协作效率。
2025-11-28 23:52:26
23184
4
原创 【GPT5系列】ChatGPT5 提示词工程指南
GPT-5提示工程实用指南 OpenAI最新发布的GPT-5在代理任务、编码能力及可控性方面实现重大突破。本文基于官方指南，提炼关键使用方法： 智能体核心设计：专为工具调用和长期上下文优化，建议使用Responses API保持推理状态持续性 自主性控制： 通过reasoning_effort参数调节思考深度（minimal/medium/high） verbosity参数控制输出详略程度 场景化配置： 保守模式：限制工具调用次数（≤2次） 主动模式：鼓励完成复杂多步骤任务 用户体验优化： 执行工具前清晰说
2025-10-09 17:26:30
2132
3
原创 【Dify部署】从0开始部署Dify
摘要： Dify是一款开源大语言模型(LLM)应用开发平台，融合Backend as Service和LLMOps理念，支持快速构建生产级生成式AI应用。其核心优势包括全栈技术集成（支持数百模型、RAG引擎、Agent框架等）、开源可控、高效开发等特点，适用于创业加速、业务集成、企业级基建等场景。本文提供了详细的Docker Compose部署指南，涵盖环境准备、部署步骤、服务管理及常见问题解决，并附SSH端口映射等实用技巧。通过Dify，开发者可避免重复造轮子，专注业务创新，实现AI应用的快速落地。
2025-08-18 10:23:43
2733
2
原创 『Agent框架』构建生产级Agent的12因素
《12-Factor Agents》提出了一套AI应用开发方法论，借鉴传统软件工程的12-Factor原则，解决LLM应用从原型到生产的关键挑战。文章重点阐述了三个核心实践：1）将自然语言转化为结构化工具调用，确保决策可控性；2）强调自定义提示词的重要性，需像代码一样管理提示词模板；3）构建完整上下文窗口，整合指令、历史数据和工具调用结果。这些实践旨在提升AI应用的可靠性、可维护性和可部署性，为生产级Agent开发提供工程化指导。
2025-07-09 17:54:03
1769
4
原创 【LLM推理优化框架】【vLLM从入门到精通】
vLLM 是虚拟大语言模型的简称，它是一个由 vLLM 社区维护的开源代码库。该代码库有助于大语言模型（LLM）更高效地大规模执行计算。具体而言，vLLM 是一种推理服务器，可通过更好地利用 GPU 内存来加快生成式 AI 应用的输出速度。
2025-06-27 10:40:48
4962
5
原创 【论文阅读】《PEACE: Empowering Geologic Map Holistic Understanding with MLLMs》
这篇文章提出了一种名为PEACE的框架，旨在通过多模态大语言模型（MLLMs）增强地质图的全方位理解。
2025-05-29 17:24:22
1841
5
原创 【论文阅读】A Survey on Multimodal Large Language Models
这篇综述系统梳理了多模态模型的技术栈，从基础架构到前沿应用，并指出当前瓶颈（如幻觉、长上下文）和解决思路。其核心价值在于（1）方法论：三阶段训练（预训练→指令微调→对齐）成为主流范式。（2）开源生态：LLaVA、MiniGPT-4等开源模型推动社区发展。（3）跨学科应用：在医疗、机器人等领域的渗透展示通用潜力。
2025-05-17 19:24:54
3087
4
原创 【论文阅读】MineAgent: Towards Remote-Sensing Mineral Exploration with Multimodal Large Language Models
《MineAgent: Towards Remote-Sensing Mineral Exploration with Multimodal Large Language Models》介绍了一种名为MineAgent的模块化框架，旨在利用多模态大语言模型（MLLMs）解决遥感矿物勘探中的关键挑战。传统矿物勘探方法依赖人工专家分析遥感图像，耗时且难以规模化。MineAgent通过分阶段推理和层次化通信，解决了多图像推理和领域知识缺乏的问题。框架包括判断模块和决策模块，通过半结构化信息交换实现高效协作。
2025-05-15 16:02:58
1413
3
原创 【RAG从入门到精通系列】【RAG From Scratch 系列教程5: Retrieval】
"检索增强生成”（RAG）系列教程5：Retrieval 检索模块 的详细介绍。
2025-03-12 20:10:37
1479
3
原创 【RAG从入门到精通系列】【RAG From Scratch 系列教程3: Routing】
"检索增强生成”（RAG）系列教程3：Routing 路由模块，即怎么将用户问题连接到最相关的数据源。
2025-03-10 17:52:49
1819
5
原创 【RAG从入门到精通系列】【RAG From Scratch 系列教程2：Query Transformations】
"检索增强生成”（RAG）系列教程2：该教程介绍了如何对RAG的查询部分进行优化。
2025-03-05 17:32:51
1385
5
原创 【RAG从入门到精通系列】【RAG From Scratch 系列教程1】
"检索增强生成”（RAG）系列教程1：该教程介绍了如何从头开始构建RAG应用。
2025-02-28 14:29:01
2204
2
原创 【LangGraph Agent架构篇—规划智能体2】【推理&没有观察】【Reasoning without Observation】
Reasoning without Observation的核心思想是，首先针对用户的目标提出一系列具体的操作，之后依次完成各个操作，期间不存在反思, 执行完所有计划后总结得到结果。
2025-01-13 15:55:07
1663
2
原创 4种革新性AI Agent工作流设计模式全解析【送书活动】
AI Agent是指能够在特定环境中自主执行任务的人工智能系统，不仅接收任务，还自主制定和执行工作计划，并在过程中不断自我评估和调整，类似于人类在创造性任务中的思考和修正过程。AI Agent的四种关键设计模式是实现高效执行复杂任务的基础，共同构成了AI Agent的能力框架。本文将深入解析这四种关键设计模式。反思：LLM检查自己的工作，以提出改进方法。使用工具：LLM使用网络搜索、代码执行或任何其他功能来帮助收集信息、采取行动或处理数据。规划：LLM提出并执行一个多步骤计划来实现目标。
2025-01-09 17:26:40
1140
3
原创 【LangGraph Agent架构篇—规划智能体1】【计划&执行】
Plan&Act的核心思想是，首先针对用户的目标提出一系列具体的操作，之后依次完成各个操作，如果未达成目标则会重新规划。
2025-01-08 18:00:41
3789
4
原创 【LangGraph Agent架构篇—多智能体系统1】【多智能体网络】
LangGraph是一个专注于构建有状态、多角色应用程序的库，它利用大型语言模型（LLMs）来创建智能体和多智能体工作流。
2025-01-03 17:58:31
5437
2
原创 【LangGraph Agent架构篇—多智能体系统2】【构建管理者分配任务给各个智能体】
LangGraph是一个专注于构建有状态、多角色应用程序的库，它利用大语言模型（LLMs）来创建智能体和多智能体工作流。
2025-01-03 16:09:16
2189
原创 【LangGraph系列】【LangGraph初识&Quick Start案例分析】
LangGraph是一个专注于构建有状态、多角色应用程序的库，它利用大语言模型（LLMs）来创建智能体和多智能体工作流。
2024-12-16 17:06:58
5970
4
原创 【LangChain系列7】【LangChain实战—客服机器人项目】
LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输出规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第七篇，通过实战项目：客服机器人来熟悉整个流程。
2024-11-14 15:51:59
2520
3
原创 【LangChain系列6】【Agent模块详解】
LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输出规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第六篇，主要介绍LangChain的Agent模块。
2024-11-08 20:09:51
4631
2
原创 【LangChain系列5】【Memory模块详解】
LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输出规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第五篇，主要介绍LangChain的Memory模块。
2024-11-04 19:33:07
2847
2
原创 【LangChain系列4】【Chain模块详解】
LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输出规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第四篇，主要介绍LangChain的Chain模块。
2024-11-01 14:44:07
2574
3
原创 【LangChain系列3】【检索模块详解】
LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输入规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第三篇，主要介绍LangChain的检索模块。
2024-10-25 15:23:11
1678
2
原创 【LangChain系列2】【Model I/O详解】
LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输入规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第二篇，主要介绍Model I/O模块（标准化LLM的输入输出）。
2024-10-21 14:18:24
1773
2
原创 【LangChain系列1】【LangChain表达式 (LCEL)】
LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输入规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第一篇，主要介绍LangChain表达式 (LCEL)。
2024-10-16 19:15:37
1888
2
原创 【ChatGLM4系列】入门介绍以及API调用
GLM 全名 General Language Model ，是一款基于自回归填空的预训练语言模型。北京时间2024年1月16日，智谱AI正式推出GLM-4新一代基座大模型，整体性能相比GLM3全面提升60%，根据实际测试，GLM-4在以中文为主的应用场景中实际性能逼近GPT-4的95%，在一些中文对齐的测试中，甚至超过GPT-4表现，逼近GPT-4-turbo模型。此外，GLM-4支持128K对话上下文，并且支持更强的多模态功能、支持更快推理速度，更多并发，大大降低推理成本；
2024-10-15 17:24:01
7402
2
原创 【Pycharm系列】如何使用Windows的pycharm来远程连接linux做开发？
使用Linux部署，使用Windows远程开发，可以提升开发效率，以及项目运行的稳定性。
2024-10-14 16:42:58
2309
1
原创 【万字长文】【InternVL】InternVL2-26B模型部署全攻略
LMDeploy 是一个用于压缩、部署、服务 LLM 的工具包，由 MMRazor 和 MMDeploy 团队开发。
2024-09-27 14:28:48
6645
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人