又小雨的博客

原创 openclaw笔记

任何设备都可以作为节点接入OpenClaw系统，并声明自己的能力（如shell、camera、browser等）。Channels渠道层：支持超过20种通信平台的接入，包括WhatsApp、Telegram、Discord、飞书、微信、钉钉等主流工具。每个渠道都有对应的适配器，将不同平台的消息格式统一为内部标准格式，实现了”一次接入，多平台通用”的架构理念。智能体（Agent） ：真正干活的核心引擎，组装上下文、调用 AI 模型、执行工具操作（比如浏览网页、操作文件、定时任务等）、保存状态。

原创 【DAY4】配置openclaw的agents等人设文件，解决DAY3的问题

本文主要记录了作者在使用OpenClaw过程中遇到的问题及解决方案。针对模型效果不佳的问题，作者通过更换minimax2.5模型和配置核心人设文件（包括SOUL.md、USER.md、IDENTITY.md和AGENTS.md）来优化性能。文章详细介绍了各配置文件的用途及内容，强调个性化配置和定期更新的重要性。此外，还提供了TOOLS.md的使用说明，包括技能卸载方法和AI-PPT生成工具的具体操作流程。通过系统配置调整，作者成功解决了初始问题，显著提升了模型表现。

原创 【DAY3】openclaw场景测试

摘要：本文记录了AI助手测试过程，包括三个测试场景：PPT制作、Excel数据分析和舆情分析。测试中遇到API调用限制问题，尝试改用本地ollama部署qwen3.5 9B模型，但响应速度过慢（"你好"回复需1分钟）。主要问题是AI执行能力不足，常提供建议而非直接操作，遇到问题时会自行寻找替代方案，导致用户体验不佳。测试结果表明当前AI助手在任务执行效率和精准度方面仍需改进。

原创 【DAY2】给OPENCLAW 安装SKILLS技能

摘要：本文介绍OpenClaw的技能安装流程，主要分为安全类、优化类和实用类三大模块。安全类包括skill-vetter安全审查工具和Security Audit安全审计插件；优化类涵盖Self-Improvement自我学习能力和Memory记忆增强功能；实用类推荐了Tavily Search实时搜索、agent-browser网页操作和Playwright自动化工具。安装通过clawhub命令完成，部分工具需要额外配置API密钥或依赖组件。重点强调安全审计的必要性，建议在AGENTS.md中配置安全规则

原创 【DAY1】安装openclaw+配置模型

openclaw安装和配置模型

原创 三分钟免费用上Nano Banana

DeepSider AI使用指南：通过浏览器访问https://deepsider.ai/，选择浏览器类型并添加插件。注册账号（推荐QQ邮箱），使用邀请码【68b689f0809f2846fe0b28d6】可获积分。该平台支持GPT-4o、Claude 4.0等顶尖AI模型，可免费生成图像。示例演示了将照片转换为角色手办效果：包含展示盒、Blender建模过程的电脑屏幕及透明PVC底座，最终生成高质量3D风格图像。操作简单，适合创意设计需求。

原创 Dify中使用SearXNG

摘要： 本文介绍了如何通过Docker部署SearXNG搜索工具，并将其集成到Dify平台中实现联网搜索功能。主要内容包括：1) 下载并配置SearXNG，修改端口和密钥；2) 启动SearXNG服务；3) 在Dify中配置插件地址；4) 创建天气查询Agent应用，使用提示词和SearXNG工具进行联网搜索。通过这种方法可以解决Dify模型无法获取实时数据的问题，实现基于网络的最新信息查询。

原创 Windows 电脑安装dify

本文提供了在Windows系统上安装Docker、Git和Dify平台的完整教程。主要内容包括：1）安装旧版Docker并配置国内镜像源；2）安装Git并验证；3）通过Docker部署Dify平台；4）在Dify中配置大语言模型(如硅基流动)；5）创建旅行助手应用的过程，包括提示词编写和模型选择。文中配有详细的操作截图和常见问题解决方案，适合初学者快速搭建本地AI应用开发环境。

原创 从0-1使用Fastmcp开发一个MCP服务，并部署到阿里云百炼【1.环境准备】

FastMCP开发；百炼MCP开发集成

原创 idea中java文件变成茶杯了

2.把文件木目录标记为资源ike即可。

原创 MCP-01-环境准备-安装Node/uvx和Claude Desktop

MCP开发时所依赖的环境安装

原创 MCP是什么？

MCP

原创 阿里云ECS部署Dify

在ECS上通过docket 部署Dify

原创 Dify+ollama+vanna 实现text2sql 智能数据分析 -01

在使用dify+ollama+vanna实现数据洞察智能体的时候遇到的vanna安装问题和解决方法

原创 scala、spark

目录大数据开发复习课程10、scala10.1、scala介绍10.2、scala解释器10.3、scala的基本语法10.3.1、声明变量10.3.2、字符串10.3.3、数据类型10.3.3.1、scala类型层次结构10.3.4、表达式10.3.4.1、条件表达式10.3.4.2、块表达式10.3.5、循环10.3.5、for循环10.3.5.1、嵌套for循环10.3.5、while循环10.3.6、方法10.3.6.1、方法参数10.3.7、函数10.4、数据结构10.4.1、数组10.4.1、元

原创 hdfs、MapReduce、yarn、hive、sqoop、HBASE、Redis、kafka、ES

目录大数据开发复习课程1、Hadoop1.1、介绍Hadoop1.2、Hadoop特性优点1.3、hadoop集群中hadoop都需要启动哪些进程，他们的作用分别是什么？1.4、Hadoop主要的配置文件1.5、Hadoop集群重要命令1.6、HDFS的垃圾桶机制1.7、HDFS写数据流程1.8、Hadoop读数据流程1.9、SecondaryNameNode的作用1.10、HDFS的扩容、缩容（面试）1．动态扩容1.1． 基础准备1.2． 添加datanode1.3．datanode负载均衡服务1.4．添

原创 JVM+GC

JVM+GC1.JVMJVM：java Virtual Machine java 虚拟机JDK：Java Develpment Kit java 开发工具JRE：Java Runtime Environment java运行时环境[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XmWDriIN-1629621934552)(image/image.png)]2.JVM中共享区，和gc root1、堆区和⽅法区是所有线程共享的，栈、本地⽅法栈、程序计数器是每个

原创 tomcat.nginx+JDBC.Servlet

tomcat/nginx+JDBC/Servlet1.JSP 和 servlet 有什么区别JSP 是 servlet 技术的扩展，本质上就是 servlet 的简易方式。servlet 和 JSP最主要的不同点在于，servlet 的应用逻辑是在 Java 文件中，并且完全从表示层中的 html 里分离开来，而 JSP 的情况是 Java 和 html 可以组合成一个扩展名为 JSP 的文件。JSP 侧重于视图，servlet 主要用于控制逻辑。2.JSP 有哪些内置对象？作用分别是什么？J

原创 MyBatis.Redis.+mysql.mycat

MyBatis/Redis/+mysql/mycat1.Mybatis优缺点优点：1、基于 SQL 语句编程，相当灵活，不会对应用程序或者数据库的现有设计造成任何影响，SQL 写在XML 里，解除 sql 与程序代码的耦合，便于统一管理；提供 XML 标签， 支持编写动态 SQL 语句， 并可重用。2、与 JDBC 相比，减少了 50%以上的代码量，消除了 JDBC 大量冗余的代码，不需要手动开关连接；3、很好的与各种数据库兼容（ 因为 MyBatis 使用 JDBC 来连接数据库，所以只要JDB

原创 Spring、SpringMVC、SpringBoot

Spring、SpringMVC、SpringBoot1.Spring是什么？Spring是一个轻量级的控制反转（Ioc）面向面切编程（AOP）容器的开源框架。降低了开发的难度、低入侵、解耦合、声明事务管理方便集成其他框架、容器spring的大小和开销都是轻量级的通过控制反转（Ioc）和依赖注入（DI）将对象的创建和属性赋值工作都交给spring处理，从而达到解耦合的目的提供了 面向切面编程的功能，可以通过分离应用的业务逻辑与系统服务来进行内聚性的开发因为包含管理对象的配置和生命

原创 类加载器双亲委派模型

JVM中存在三个默认的类加载器：BootstrapClassLoaderExtClassLoaderAppClassLoader他们的关系是：AppClassLoader的⽗加载器是ExtClassLoader，ExtClassLoader的⽗加载器是BootstrapClassLoader。JVM在加载⼀个类时，会调⽤AppClassLoader的loadClass⽅法来加载这个类，不过在这个⽅法中，会先使⽤ExtClassLoader的loadClass⽅法来加载类，同样ExtClas

原创 ConcurrentHashMap

在保证线程安全的前提下，又尽可能的提高并发效率JDK1.8之前采用分段锁（16段），控制锁的粒度，减少线程间的冲突1.8之后采用CAS+少量SyschronizedCAS：Compare and Swap 比较 并交换 V（备份）、E（预期）、B（新值）对原值进行备份得到V对V进行代码块的执行，得到新的值B（这时候不会吧B直接赋值给原值，而是将B赋值给预期值E）然后重新从原值那里那一份值，看看还 是不是最开始的V的值判断E=V？（由于线程交替执行所导致的原来的值可能改变）如果相等就将B

原创 Hadoop-总结

1.HDFS读写流程1.1HDFS写流程客户端发送上传请求。nameNode 收到客户端的上传请求后会判断这个用户有没有上传的权限和要上传的文件在hdfs目录下是否已经存在。如果两个条件都满足就会返回给客户端一个可以上传的消息。否则就报错客户端在接收到可以上传的消息后会对上传的文件进行切片划分，默认是128M，切分完之后会向NameNode发送请求，问问 第一个block块应该上传到哪些服务器上。（为啥要分块hdfs 设计的原则是数据的寻址时间占传输时间的 1%，寻址时间一般是 10 ms，那么传

原创 Flink 基于事件时间的窗口计算，和迟到数据的处理

import org.apache.flink.api.scala.createTypeInformationimport org.apache.flink.streaming.api.TimeCharacteristicimport org.apache.flink.streaming.api.functions.AssignerWithPeriodicWatermarksimport org.apache.flink.streaming.api.scala.function.ProcessAllW

原创 Flink（十）窗口计算

一、简介窗口计算：flink的灵魂窗口计算就是把无界数据流切分为有限大小的“bucket”—>窗口（bucket/window/panel），在窗口上应用计算换上完成计算处理核心：窗口的划分和计算我们经常需要在一个时间窗口维度上对数据进行聚合，窗口是流处理应用中经常需要解决的问题。Flink的窗口算子为我们提供了方便易用的API，我们可以将数据流切分成一个个窗口，对窗口内的数据进行处理。大致程序结构：按照有没有进行keyby分成了两种 不同的处理方式首先，我们要决定是否对一个DataS

原创 Flink（九） 状态可查询 Queryable State

一、简介Flink提供的有状态可查询机制，可以通过第三方程序读取到flink内部的状态数据就是flink计算之后的结果（state），允许通过第三方应用程序查询到1.1应用场景用户在进行登录前需要同过flink中获取到状态来判断本次登录是否有风险说明：二、架构说明：在Flink的状态可查询的架构中，存在三个基本概念QueryableStateClient:第三方程序，不是flink架构中的内容QueryableStateClientProxy:flink架构中的一部分，用来处理客

原创 Flink(八) 广播状态模式 Broadcast State Pattern

一、简介广播状态：把状态广播出去1.1 为啥要将状态广播处去状态是一个数据流中计算过程中存储的数据，它只是在自己的数据流中存在，如果别的数据流也想使用你这个数据流中的状态那就需要你将你的数据流中的状态进行广播共享，之后才能使用1.2 状态广播的过程需求将数据流2中的状态广播给数据流1使用步骤：先创建数据流1和数据流2数据流2将自己的数据放在状态中，形成广播流数据流1需要使用该状态就将数据1的流连接上广播流，然后进行操作使用注意：数据流1获取到的状态必须和数据2放进去的状态为同一个

原创 Flink(七） Checkpoint/Savepoints

一、简介持久化，说的是两种不同的持久化方式，Checkpoint自动持久化。和Savepoints手动持久化checkpointcheckpoint是由flink定期的，自动的进行数据的持久化（把状态中的数据写入到磁盘（HDFS））。新的checkpoint执行完成之后，会把老的checkpoint丢弃掉JobManager负责checkpoint的发起以及协调。JobManager节点会定期向TaskManager节点发送Barrier（实际上是JobManager创建的CheckpointCo

原创 Flink(六) State backend

一、简介说的是持久化状态的数据存放在哪默认情况下，所有的状态都存储在 JVM 的堆内存中，在状态数据过多的情况下，这种方式很有可能导致内存溢出，因此 Flink 该提供了其它方式来存储状态数据，这些存储方式统一称为状态后端 (或状态管理器)Flink中定义了三种State BackendThe MemoryStateBackend：内存The FsStateBackend：文件系统，比如hdfsThe RocksDBStateBackend：DB就是说数据可以存在内存中，也可以存在HDFS

原创 Flink(五) State Time-To-Live(TTL)

一、简介State Time-To-Live(TTL) Flink中状态的存活时间。在开发Flink应用时，对于许多有状态流应用程序的一个常见要求是自动清理应用程序状态，以有效管理状态大小。或控制应用程序状态的访问时间。从 Flink 1.6 版本开始，社区为状态引入了TTL（time-to-live，生存时间）机制，支持Keyed State 的自动过期，有效解决了状态数据在无干预情况下无限增长导致 OOM 的问题。1.1 为啥要清理状态状态也是数据，数据就会占用空间，那Flink是做大数据的，

原创 Flink（四） 状态管理 1

一、状态是什么？1.1有状态和无状态：Flink不是要做流处理嘛。那当一个数据流过来的时候，第一个数据首先会被flink中的算子执行，执行完成 后会生成一个执行结果这个执行后的结果，例如是输出一下，后续再过来的数据，例如第二个数据的计算就和第一个数据的计算毫无关系了，这就是无状态这个执行后的记过。例如是需要做求和的计算，后续再过来的数据例如，的第二个数据的计算需要依赖与第一次计算的结果，这就是有状态的计算1.2.Flink中的有状态流计算1.2.1 flink中主要使用它的有状态计算我们

原创 Flink (三) 处理数据的流程

一、Flink处理数据的流程flink 和之前的Spark一样，整个技术无非分为三个过程：数据的读取，数据的计算，计算完数据的输出1、数据的读取1.1 怎么读取flink 中的数据的来源可以通过 StreamExecutionEnvironment.addSource(sourceFunction)添加数据源sourceFunction可以使用flink中自带的，用户也可以自定义。自定义的时候可以实现SourceFunction接口，也可以通过实现ParallelSourceFunction或者

原创 Flink （二） 运行架构

一、运行流程当用户提交完job之后，就交给分发器，分发器就会启动并将应用移交给一个JobManager去做管理JobManager是整个调度的核心，启动它并把当前应用提交。JobManager会对当前任务进行分析需要多少个task任务，需要多少个slots资源去执行，进行并行度调整，得到跑在taskManager上的执行图。JobManager向ResourceManager去做请求slots，RM去启动taskManager，它把自己的slots向ResourceManager去注册（告诉它每个t

原创 Flink (一) 入门

一 、简介1.1 发展史大数据的飞速发展，也促使了各种计算引擎的诞生。2006年2月诞生的Hadoop中的MapReduce，2014年9月份诞生的Storm以及2014年2月诞生的Spark都有着各自专注的应用场景。特别是Spark开启了内存计算的先河，其计算速度比Hadoop的MapReduce快100倍，以此赢得了内存计算的飞速发展。或许因为早期人们对大数据的分析认知不够深刻，亦或许当时业务场景大都局限在批处理领域，从而使得Spark的火热或多或少的掩盖了其他分布式计算引擎的身影。但就在这个时候，

翻译 Spark总结

Spark1.spark中的RDDRDD（Resilient Distributed Dataset）叫做分布式数据集，是spark中最基本的数据抽象，它代表一个不可变，可分区，里面的元素可以并行计算的集合RDD被表示为对象，通过对象上的方法调用来对RDD进行转换。经过一系列的transformations定义RDD之后，就可以调用actions触发RDD的计算，action可以是向应用程序返回结果(count, collect等)，或者是向存储系统保存数据(saveAsTextFile等)。在Spa

原创 Spark Streaming

一、简介Spark处理的是批量的数据（离线数据），Spark Streaming实际上是对接的外部数据流之后按照时间切分，批处理一个个切分后的文件，和Spark处理逻辑是相同的。Dstream：Spark Streaming提供了表示连续数据流的、高度抽象的被称为离散流的DStream假如外部数据不断涌入，按照一分钟切片，每个一分钟内部的数据是连续的（连续数据流），而一分钟与一分钟的切片却是相互独立的（离散流）。DStream是Spark Streaming特有的数据类型。Dstream可以看做一

原创 java 中的 final

原创 session 和 cookie

一、区别存储位置不同：session 存储在服务器端；cookie 存储在浏览器端。安全性不同：cookie 安全性一般，在浏览器存储，可以被伪造和修改。容量和个数限制：cookie 有容量限制，每个站点下的 cookie 也有个数限制。存储的多样性：session 可以存储在 Redis 中、数据库中、应用程序中；而 cookie 只能存储在浏览器中。二、session 的工作原理session 的工作原理是客户端登录完成之后，服务器会创建对应的 session，session 创建完之后，

原创 HashMap的Put⽅法

1. 根据Key通过哈希算法与与运算得出数组下标2. 如果数组下标位置元素为空，则将key和value封装为Entry对象（JDK1.7中是Entry对象，JDK1.8中是Node对象）并放⼊该位置3. 如果数组下标位置元素不为空，则要分情况讨论3.1. 如果是JDK1.7则先判断是否需要扩容，如果要扩容就进⾏扩容，如果不⽤扩容就⽣成Entry对象，并使⽤头插法添加到当前位置的链表中3.2. 如果是JDK1.8则会先判断当前位置上的Node的类型，看是红⿊树Node，还是链表Node3.2.1

原创 String、StringBuffer、StringBuilder的区别

String是final修饰的，不可变，每次操作都会产生新的String对象StringBuffer和StringBuilder都是在原对象上操作StringBuffer是线程安全的，StringBuilder线程不安全的StringBuffer方法都是synchronized修饰的性能：StringBuilder > StringBuffer > String场景：经常需要改变字符串内容时使用后面两个优先使用StringBuilder，多线程使用共享变量时使用StringBuffe