- 博客(132)
- 资源 (1)
- 问答 (1)
- 收藏
- 关注
RSS订阅
转载 计算机三级网络技术考过指南 【历年考点汇总】
计算机三级网络技术考过指南来自 大佬的笔记原文链接目录：三级网络技术考过指南前言（必读）1.基础准备1.1 题库1.2 二进制转换1.3 基础概念1.4 备考建议2.选择题（40 道 40 分）2.1 第一类选择题2.1.1 问传输速度2.1.2 求交换机带宽2.1.3 系统可用性与停机时间2.1.4 写地址块的子网掩码2.1.5 网络地址转换 NAT2....
2019-08-26 19:31:21
25252
20
原创 7天从零手搓 AI Agent | Day 7：完整项目 + 下一步去哪里
本文介绍了如何从零构建一个完整的Agent系统，并提供了项目结构、核心代码实现和工具模块的详细说明。 文章首先展示了7天内从零到完整Agent系统的学习成果，然后提出了三个目标：整合项目结构、扩展定制能力和了解前沿方向。项目采用模块化设计，包含配置文件、核心逻辑、记忆系统和多种工具（计算器、文件操作、网页搜索等）。 核心实现包括： 配置管理（API密钥、模型参数等） 工具注册表（统一管理工具注册、查找和执行） 计算器工具（支持安全数学计算） 文件操作工具（读写/列举文件） 网页搜索工具（集成DuckDuck
2026-06-10 08:31:47
196
原创 7天从零手搓 AI Agent | Day 6：先规划，再执行
本文介绍了一种改进的Agent执行模式——Plan-and-Execute（规划执行模式），通过让AI先制定完整计划再执行来提高任务处理效率。该模式包含四个阶段：规划阶段（AI生成详细执行计划）、确认阶段（用户审核计划）、执行阶段（按步骤执行）和重规划阶段（必要时调整计划）。相较于"走一步看一步"的基础Agent Loop，新架构更适合处理复杂任务、多步骤任务和资源敏感场景。文章提供了完整的Python实现代码，包括规划器生成JSON格式计划、可视化展示功能，以及支持依赖管理的执行器模块，能有效处理步骤间的
2026-06-10 08:30:38
246
原创 7天从零手搓 AI Agent | Day 5：Agent Loop
本文介绍如何实现AI Agent的核心机制——Agent Loop，使其能够自主决策和迭代执行任务。与普通程序不同，Agent能根据环境反馈自行决定下一步行动，形成"观察-思考-行动"的循环。文章通过统计Python文件行数的案例，展示了分步执行和动态决策的必要性。核心代码实现了一个循环结构：在每次迭代中，AI先分析当前状态，决定调用工具或返回最终结果；工具执行结果会反馈给AI用于下一次决策；当任务完成或达到最大迭代次数时循环终止。这种机制使Agent能够处理需要多步动态规划的任务，真正实现了自主决策能力。
2026-06-10 08:29:33
234
原创 天从零手搓 AI Agent | Day 4：给 Agent 装上记忆
本文介绍了如何为AI Agent构建记忆系统，使其能记住对话历史、关键信息和工具使用记录。通过三层记忆架构（即时记忆、工作记忆和长期记忆）实现上下文理解，其中工作记忆保留最近对话，长期记忆存储关键摘要。代码展示了Memory类的实现，包括对话添加、摘要生成、记忆保存/加载等功能，以及结合记忆的AI决策流程。该系统解决了无记忆Agent无法理解上下文的问题，使其能够正确处理类似文件修改这样的连贯任务。
2026-06-10 08:27:50
306
原创 7天从零手搓 AI Agent | Day 3：多工具，让 Agent 自己选
本文介绍了如何让AI Agent学会组合使用多个工具完成任务。核心思路是让AI返回一个步骤列表，并支持步骤间的数据传递（通过"{上一步结果}"占位符实现）。
2026-06-01 15:20:55
218
原创 7天从零手搓 AI Agent | Day 2：给 Agent 装上真实工具
本文介绍了如何为AI Agent实现三个真实可用的工具：数学计算器、文件读写和网页搜索。通过Python代码实现这些功能后，构建工具注册表描述各工具的用途和参数。AI Agent能根据用户需求自动决策调用哪个工具，具体步骤包括：构建工具提示文本、AI思考生成JSON格式的决策、执行对应工具并返回结果。关键技术点包括安全表达式计算、文件操作、DuckDuckGo API调用，以及使用OpenAI API进行决策判断。最终实现了一个能自主选择工具完成实际任务的智能助手原型。
2026-06-01 15:17:19
158
原创 7天从零手搓 AI Agent | Day 1：你的第一个“会决策“的程序
Agent的本质是一个"观察→思考→行动"的循环过程 基础版本实现： 使用if/else语句进行意图识别 根据关键词匹配执行对应功能（查天气、查时间等） 包含基本的用户交互循环 改进版本： 引入工具注册表(TOOLS字典)替代冗长的if/else 每个工具包含名称、描述和执行函数 提供工具列表查看功能 当前方案的局限性： 关键词匹配不够智能 扩展新功能需要修改多处代码 文章通过代码示例展示了Agent的基本工作原理，
2026-06-01 15:06:19
343
原创 7天从零手搓 AI Agent - 实战课程摘要
《7天从零手搓AI Agent》实战系列摘要：本教程面向具备Python基础的开发者，通过7天渐进式实践（从基础决策到完整Agent系统），带你不依赖框架从零构建AI Agent。每天提供可运行代码、原理说明和常见问题解答，重点解决"会用工具但不理解原理"的痛点。学习后你将掌握Agent的核心机制（工具调用、记忆、决策循环等），并能独立开发功能完整的AI助手。教程要求Python 3.10+和API Key，建议每天花30-60分钟实践+思考，最终实现具备多工具协作、记忆和规划能力的Agent系统。
2026-06-01 15:03:02
267
原创 RAG 数据接入与清洗：从原始数据到可用知识的完整流程
本文详细解析了RAG（检索增强生成）系统中数据接入与清洗的全流程。文章强调数据质量是RAG效果的上限，并系统性地拆解了从数据源接入到最终入库的完整处理链条。主要内容包括：数据接入全景图（涵盖PDF、Word、HTML等多种数据源及其提取方法）、数据清洗流程（去噪/去重/格式化等）、数据标准化（编码/格式统一）、元数据标注和质量检测等关键环节。特别针对PDF、表格等复杂数据源提供了具体代码实现方案，并分享了常见问题的解决方案。全文通过清晰的流程图和示例代码，为构建高质量RAG数据管道提供了实用指南。
2026-05-26 09:32:28
592
原创 RAG 知识库详解：从创建到切分检索的完整流程
RAG通过先检索知识库再生成回答的方式，解决了大模型的知识截止、幻觉问题和私域盲区三大缺陷。文章详细拆解了知识库构建的完整流程，包括文档加载与预处理、文本切分策略（固定长度切分和递归字符切分）、向量化存储以及在线查询阶段的操作步骤。通过对比RAG与微调技术的差异，突出了RAG在成本、更新速度和可溯源性方面的优势。全文提供了实用的代码示例和优化建议，为开发者构建基于私有数据的问答系统提供了完整的技术方案。
2026-05-26 08:50:40
641
原创 MCP 协议详解：从原理到手把手实现一个 MCP Server
文章深入解析了MCP的核心架构与实现： 协议定位：作为AI世界的"USB-C接口"，MCP通过JSON-RPC 2.0实现跨平台通信，解决传统M×N集成难题。 核心架构：采用客户端-服务器模式，支持stdio和HTTP+SSE两种传输方式，实现LLM应用与工具服务的解耦。
2026-05-25 09:32:14
998
原创 当 Claude 学会写 ABAP：MCP 协议让 AI 从“看代码“到“改代码“
让 AI 直接操作 SAP 系统：基于 MCP 协议的 ABAP 开发全流程实践
2026-05-23 21:40:40
686
原创 LangChain与LangGraph多Agent实战：从工具链到工作流编排（下）
本文重点展示研究报告生成的完整案例。通过6个功能节点（3个并行搜索Agent、分析Agent、写作Agent、审校Agent）实现从资料收集到报告生成的全流程，支持最多3次修改迭代。系统采用状态机设计，包含9个状态字段和智能路由逻辑，确保报告质量。案例演示了复杂任务分解、并行处理、反馈循环等关键模式，为构建生产级多Agent系统提供了实用参考。
2026-05-23 14:59:23
457
原创 LangChain与LangGraph多Agent实战：从工具链到工作流编排（上）
本文介绍如何利用LangChain和LangGraph构建多Agent协作系统。LangChain工具链集成：详细讲解了三种创建工具的方式（装饰器、结构化工具和Hub加载），以及如何组织工具包。 LangGraph的核心概念：作为多Agent编排框架，LangGraph通过状态机设计实现Agent间的协调工作流。
2026-05-23 14:53:40
615
原创 LangChain 从入门到原理：为什么它改变了 AI 应用开发
LangChain是连接大语言模型（LLM）与外部工具的框架，解决了LLM无法访问数据库、API或文件等痛点。其核心功能包括： RAG（检索增强生成）：通过向量搜索关联文档增强回答准确性； Agent：让LLM自主调用工具（如查天气、发邮件）； Chain：标准化流程链（Prompt→LLM→解析）； Memory：管理对话历史。 LangChain统一了多模型接口（如GPT、Claude），提供开箱即用的模块化方案，底层通过Runnable协议实现组件串联。2026年其已成为大模型应用开发的基础设
2026-05-22 15:29:44
458
原创 向量数据库从入门到生产（下）：生产实践与 Agent 集成
本文是适合零基础开发者快速掌握向量数据库在生产环境中的核心应用要点，聚焦生产环境实战。主要内容包括：生产环境最佳实践（索引调参、数据分片、批量操作、监控与安全）、向量数据存储结构及开销计算、持久化策略对比、数据备份方案等。针对千万级数据场景，提供了分区策略建议和性能优化参数配置，并详细说明了不同向量数据库的存储机制和备份方法。
2026-05-21 09:24:25
547
原创 向量数据库从入门到生产（上）：概念、选型与快速上手
本文面向零基础开发者，介绍向量数据库的核心概念、主流产品选型和快速上手方法。文章首先通过图书馆找书的生活场景对比向量数据库与关系数据库的区别，解释向量(Embedding)的语义搜索原理。随后详细对比Milvus、Pinecone、Weaviate等主流向量数据库的特点和适用场景，提供选型决策树。最后以Chroma为例演示基础操作，包括创建集合、添加文档和相似度查询。下篇将深入生产实践与Agent集成应用。全文通俗易懂，25分钟即可掌握向量数据库基础知识。
2026-05-21 09:19:12
400
原创 Multi-Agent代码审查系统实战教程
Multi-Agent代码审查系统实战教程：构建一个基于Multi-Agent的智能代码审查系统，通过多个AI Agent模拟真实开发团队中的不同角色（安全专家、架构师、性能工程师等）协作完成代码审查任务。系统采用CrewAI和LangGraph框架实现多Agent协作，集成GitHub API实现PR自动审查，并提供Web界面可视化审查结果。
2026-05-20 17:07:26
448
原创 Multi-Agent 代码审查系统: 从0到1实战教程(二)
Multi-Agent 代码审查系统: 从0到1实战教程(CrewAI多Agent协作、LangGraph工作流)
2026-05-20 16:44:43
358
原创 Multi-Agent 代码审查系统：从0到1实战教程(三)
Multi-Agent 代码审查系统：从零到一实战教程 （GitHub集成、Web界面、优化、部署）
2026-05-20 16:38:10
328
原创 Multi-Agent 代码审查系统: 从0到1实战教程(一)
Multi-Agent 代码审查系统：从0到1实战教程(概述、环境搭建、基础工具层)
2026-05-20 16:36:05
354
原创 AI Agent 智能体：从入门到实战的学习路线
这篇文章介绍了AI Agent智能体的核心概念、技术原理和实战应用。主要内容包括： Agent基础：对比了普通LLM、RAG和Agent的区别，强调Agent具备思考、行动、观察和反思的完整闭环能力。 核心原理： ReAct框架：通过思考-行动-观察循环完成任务 Function Calling机制：模型决定调用函数，程序执行具体操作 Plan-and-Execute模式：先规划再执行复杂任务 技术选型： 对比主流Agent框架（LangChain、CrewAI等）
2026-05-20 16:20:28
510
原创 从零搭建 RAG 知识库：让大模型读懂你的私有数据(下篇)
本文介绍了从零搭建RAG知识库的核心实现步骤，包括文档加载、文本分块、向量化、向量数据库存储和问答链构建。作者详细讲解了每个环节的关键技术和参数调优建议，并提供了完整的Python代码示例。文章特别针对中文场景优化了分块策略和Embedding模型选择，最后展示了项目结构和实际运行效果。通过这套方案，开发者可以让大模型有效处理私有数据，构建精准的问答系统。
2026-05-20 15:51:38
577
原创 从零搭建 RAG 知识库：让大模型读懂你的私有数据(上篇)
本文介绍了如何从零搭建RAG知识库，让大模型能够基于私有数据生成精准回答。RAG通过先检索相关文档再生成回答的方式，解决了大模型知识局限、私有数据盲区和幻觉问题。文章对比了RAG与微调、长上下文方案的优缺点，详细解析了RAG的离线建库和在线问答两阶段架构，并提供了技术栈选型建议（LangChain+BAAI/Chroma+DeepSeek）和Python环境配置指南。作者建议先实现最小demo，再逐步优化分块策略和检索方式，强调RAG效果主要取决于数据处理质量而非模型本身。
2026-05-20 15:47:34
534
原创 VSCode接入小米mimo大模型
本文介绍了在VS Code中接入小米MiMo大模型的方法：通过Claude Code插件实现流量重定向。操作步骤包括：1)获取MiMo API Key；2)安装Claude Code插件；3)修改配置文件实现请求转发；4)配置专属Base URL；5)重启使用。该方法结合了VS Code插件的便捷性和MiMo大模型的性能优势，同时提供了常见问题解决方案。适用于开发者快速集成AI编程助手功能。
2026-05-14 09:57:19
2736
2
原创 微信小程序超详细注册发布开发测试全流程
《2026微信小程序发布全流程指南》涵盖了微信小程序从开发到上线以及团队内部测试的完整流程，重点强调2026年新规下的合规要求。发布过程分为四大阶段：1）准备与合规（账号注册、ICP备案）；2）开发与上传（工具使用、代码调试）；3）审核阶段（1-7个工作日，需提供测试账号）；4）正式发布（手动操作，可选全量/灰度发布）。特别提醒：主体类型影响功能权限，个人账号限制较多；内容类小程序需接入安全接口；软著是小游戏发布的必备条件。建议开发者预留20-30天完成全流程，重点关注备案和审核环节。
2026-05-08 10:12:32
662
原创 UTS推断不匹配，推断类型是‘UTSJSONObject‘,但预期的是‘xxx‘
在UTS系统中，使用reactive创建响应式状态时出现类型不匹配错误，推断类型为UTSJSONObject而非预期的State。原因是编译器先推断对象字面量为通用类型，再校验赋值导致冲突
2026-04-03 17:37:06
100
原创 鸿蒙应用兼容性避坑指南：搞懂这三个版本号，告别“无法安装”
本文深入解析鸿蒙应用开发中的三大SDK版本号配置：compileSdkVersion、targetSdkVersion和compatibleSdkVersion
2026-04-02 14:26:24
541
原创 DevEcoStudio报错00801001 未开启Hyper-V
本文解决DevEcoStudio启动模拟器时提示“未开启Hyper-V”的问题。步骤包括：通过控制面板启用Hyper-V功能（需确保系统已预装），勾选必要选项后重启电脑。若未预装Hyper-V，可参考作者提供的安装教程链接。操作完成后即可正常运行模拟器
2026-04-02 09:49:13
348
原创 uniappx离线打包保姆级教程
本文详细介绍了uni-app x（2026年新版） Android离线打包的完整流程。首先强调版本对齐的重要性，确保SDK与HBuilderX版本一致。操作分为三个阶段：1）通过HBuilderX生成离线资源；2）在Android Studio中配置工程，包括导入SDK、替换资源、设置AppID/Key、修改包名及应用名称、配置签名证书；3）构建生成APK文件。文章还提供了常见问题解决方法及官方文档参考，帮助开发者顺利完成离线打包。
2026-03-31 14:38:36
1292
2
原创 Vue3 + TypeScript 从入门到实战
Vue3 + TypeScript 核心知识点摘要 本教程系统讲解Vue3与TypeScript的核心技术，涵盖71个关键知识点
2026-02-25 21:34:27
817
原创 Vue3 + TypeScript 后台管理系统完整方案
基于Vue3+TypeScript的完整后台管理系统方案。系统采用Vite5构建，集成Element Plus、Pinia、Tailwind CSS等技术栈，包含登录、权限管理、商品管理、数据大屏等模块。重点阐述了项目目录结构、核心功能实现以及TypeScript在Vue3中的关键实践，包括类型定义、组件封装、路由守卫等。系统采用Mock.js模拟数据，为开发者提供了从技术选型到具体实现的完整参考方案。
2026-02-25 21:06:33
702
原创 Promise 异步并发控制
本文介绍了如何手写实现p-limit函数来控制Promise并发数。核心思路是维护执行队列和当前并发数，通过闭包保存这些状态。实现步骤包括：1）创建队列和计数器；2）定义调度函数next来执行任务；3）返回包装函数处理异步任务。使用时需注意要将任务包装成函数传入，而非直接执行。文章通过100个并发请求的测试案例，展示了pLimit(2)如何限制并发数为2。最后解释了闭包和高阶函数在实现中的关键作用，即保持状态记忆和执行控制。该方案是理解Promise并发控制的经典范例。
2026-02-25 21:01:11
769
原创 Function Calling介绍
本文介绍了大语言模型（LLM）突破自身限制的关键技术-Function Calling。当LLM遇到实时数据获取、专业计算或操作执行等复杂任务时，可通过调用外部工具（如API、计算器等）实现功能扩展。文章详细解析了Function Calling的工作原理，并提供了OpenAI接口的调用示例代码，包括请求体参数配置和工具函数定义方法。该技术能有效解决LLM的实时性、准确性和操作性局限，为开发者拓展AI能力提供了实用方案。（149字）
2026-02-24 22:48:04
731
原创 Function Calling和LLM是怎么进行协作的
本文介绍了Function Calling如何为LLM（大语言模型）赋予执行外部功能的能力。通过定义工具说明书（JSON格式），AI能够识别用户模糊需求，精准匹配语义（如将"南京"、"金陵"等不同表述对应到location参数），并生成调用指令。文章解析了AI的决策过程：通过语义向量匹配识别功能范围，进行意图槽位填充提取参数，最终基于概率预测发起函数调用。典型应用场景如天气查询，AI先识别需求，生成调用指令，待程序返回结果后再转换为自然语言响应。整个过程展现
2026-02-24 22:31:49
832
原创 硬核实战：内网 Windows 环境下 Jenkins + Gitee 自动化部署 Vue项目
本文介绍了在内网Windows服务器环境下使用Jenkins实现前端自动化部署的解决方案。针对无法使用Webhook的内网环境，采用SCM轮询方式触发构建；针对Vue2与高版本Node的兼容性问题，配置NODE_OPTIONS参数；并提供了完整的Windows批处理脚本，实现从代码拉取、依赖安装、项目构建到Nginx部署的全流程自动化。
2026-02-13 17:08:18
746
原创 手摸手带你完成PyCharm安装
本文介绍了Python开发工具PyCharm的安装步骤。PyCharm是JetBrains公司开发的Python专用IDE，功能强大且优化完善。安装过程包括：下载对应系统版本的安装包；勾选"Add Python.exe to PATH"以自动配置环境变量；选择"Install Now"完成安装；最后通过在CMD输入python命令验证安装是否成功。本文详细说明了每个安装环节，并配有操作截图，帮助用户顺利完成PyCharm的安装配置。
2026-01-17 11:30:09
390
原创 安装MongoDB数据库
本文介绍了MongoDB的基本概念和安装方法。MongoDB是一款开源的NoSQL文档数据库，具有灵活的数据模型和强大的查询能力。文章详细讲解了从官网下载安装包到完成安装的完整步骤，包括Windows系统的安装过程截图。最后通过验证mongod版本号确认安装成功，并预告后续将介绍数据库连接操作。全文为初学者提供了MongoDB的入门指导。
2026-01-14 22:50:40
483
reactive定义的对象中的数组push不触发响应式
2022-07-14
TA创建的收藏夹 TA关注的收藏夹
TA关注的人