- 博客(244)
- 收藏
- 关注
RSS订阅原创 告别重复劳作：基于ModelEngine Nexent与MCP构建通用数据可视化AI智能体
通过ModelEngine Nexent与MCP的组合，我们成功构建了一个真正通用的数据可视化AI智能体。普适性强：支持多种数据格式，适应不同业务场景使用门槛低：自然语言交互，业务人员也能轻松操作响应速度快：从问题到洞察，分钟级完成扩展性良好：通过MCP协议可以持续增强智能体的数据处理能力现在，一起往ModelEngine Nexent官网申请体验，开启您的智能数据分析之旅。让AI成为您的数据分析师，将更多精力投入到真正的业务决策和创新中。
2026-04-09 14:59:46
5227
原创 用 ModelEngine 五步打造 12306 智能车票查询助手：高效、准确、可一键部署
配置好技能后，我们需要定义助手的“行为逻辑”。ModelEngine支持直接在系统Prompt中写出完整的角色定义与规则，这使得逻辑控制变得简单清晰。你是一个火车票查询助手，专门负责查询12306的车票信息并为用户提供反馈。你能够解析用户的查询需求，获取准确的出发地、到达地和日期信息，并调用相应的工具来查询余票和中转票信息。你具备强大的信息处理能力，能够将查询结果整合成易于理解的格式，提供给用户清晰、准确的车票信息。
2026-04-09 14:58:55
5187
原创 基于ModelEngine Nexent与RAG技术：构建智能AI心理医生全流程指南
通过本文的指导，大家已成功使用ModelEngine构建了一个基于RAG技术的AI心理医生助手。这个系统具备专业的知识检索能力、危机检测机制和温暖的共情回应，能够为用户提供有价值的心理支持。的全流程开发能力让我们能够快速构建、测试和部署专业级AI应用，大大降低了AI技术在各行业落地的门槛。希望这个实战案例能为大家未来的AI项目开发提供有益参考。
2026-04-09 14:58:07
5209
原创 探索仓颉编程语言：从Hello World到性能实战
仓颉编程语言是一款面向全场景应用的现代编程语言，具有高效编程、安全可靠、轻松并发和卓越性能等特点。本文首先介绍了仓颉语言的基本特性，然后详细讲解了在Linux和Windows系统下的安装方法，并演示了如何编写并运行第一个"Hello World"程序。最后通过计算密集型任务的性能测试，对比了仓颉与Python的执行效率，结果显示仓颉在计算性能方面具有6倍以上的优势，内存占用减少73%。仓颉语言的静态类型系统和编译优化使其特别适合高性能计算场景，为开发者提供了兼顾安全性和执行效率的编程选择
2026-04-01 10:46:24
58
原创 书生浦语实战训练营——L2G5000-书生大模型强化学习 RL 实践
最近在学习书生第六期实战训练营，提供免费的算力和教程，如果感兴趣就一起来学习吧！
2026-03-10 11:13:13
274
原创 书生浦语实战训练营——EG3000-Agent Skills 彩蛋共建共学
最近在学习书生第六期实战训练营，提供免费的算力和教程，如果感兴趣就一起来学习吧！
2026-03-09 15:45:00
69
原创 书生浦语实战训练营——L2G5000-书生大模型 Browse Use 实践
最近在学习书生第六期实战训练营，提供免费的算力和教程，如果感兴趣就一起来学习吧！
2026-03-09 11:43:16
245
原创 书生浦语实战训练营——L2G2000-Intern-S1 微调公式识别实践
最近在学习书生第六期实战训练营，提供免费的算力和教程，如果感兴趣就一起来学习吧！
2026-03-09 11:25:04
326
原创 书生浦语实战训练营——L2G3000-LMDeploy 量化部署书生大模型实践
最近在学习书生第六期实战训练营，提供免费的算力和教程，如果感兴趣就一起来学习吧！
2026-03-06 12:27:22
336
原创 书生浦语实战训练营——L2G1000-OpenCompass 评测书生大模型实践
评测一下论文分类比赛的数据,是A榜测试数据,将其放在位置在configs文件夹下创建eval_tutorial_demo2.py# 配置模型models = [dict(path='intern-s1', # 明确模型名称key='sk-xxxx', # 你的API密钥openai_api_base='https://chat.intern-ai.org.cn/api/v1', # API地址。
2026-03-06 11:04:44
407
原创 书生浦语实战训练营——L1G3000-Intern-S1-mini vllm本地部署实践
最近在学习书生第六期实战训练营，提供免费的算力和教程，如果感兴趣就一起来学习吧！
2026-03-05 18:48:00
335
原创 书生浦语实战训练营——L1G2000-玩转书生大模型 API和 MCP
最近在学习书生第六期实战训练营，提供免费的算力和教程，如果感兴趣就一起来学习吧！
2026-03-05 14:56:37
1087
原创 2025年度总结——一直在路上
每到写年终总结的时候总要感慨一声，时光飞逝如白驹过隙，转眼间一年又过去了。翻看着手机相册，如果给这一年一个关键词，我想用的是。今年发生最大的改变就是身份的变化，我从本科毕业，成为了一名研究生，续费了求学之路。这一年，我热爱上了户外徒步，学会了游泳，去了祖国大地很多地方，见到了更多的人和事，这一年我的内心变得更加坚强，也成长了很多。
2026-02-12 09:35:53
802
5
原创 PostgreSQL表膨胀到崩溃？我用OpenTeleDB彻底解决了这个老大难问题
OpenTeleDB通过XStore的原位更新和XProxy的智能连接池，完美解决了传统PostgreSQL在高并发、频繁更新场景下的表膨胀和连接数瓶颈问题，为企业级应用提供了更高效、更稳定的数据库解决方案。在4核8G服务器上，OpenTeleDB以50并发连接在120秒内完成86万次多租户事务，实现了7,182 TPS的卓越性能和6.96ms的超低延迟，零失败率验证了XStore存储引擎在高频更新场景下的稳定性和高效性。从这个对比测试中可以看到，XStore实现了真正的原位更新，表大小没有任何变化。
2026-01-05 15:40:22
1004
原创 用 openGauss DataVec 构建向量化知识库与 RAG：Python 实战 + gsql 操作全流程
摘要：本文介绍了使用openGauss构建RAG系统的实践过程。openGauss内置DataVec向量引擎，支持向量存储与语义检索，无需额外部署向量数据库。文章详细演示了环境配置步骤，包括Docker部署openGauss、Navicat连接测试、Python接口验证等核心环节。同时提供了gsql基础操作指南，涵盖数据库创建、表管理、数据CRUD等操作示例。通过openGauss的原生向量支持与Sentence-BERT结合，可高效实现知识检索与生成功能。实验环境采用CentOS 7.6、openGaus
2025-11-18 12:19:28
18966
原创 Cursor编程实战——用需求文档一站式生成爬虫+可视化代码
本文介绍了使用Cursor工具实现AI辅助编程的高效方法，通过实战项目演示如何通过需求文档一站式生成代码。主要内容包括：1）Cursor的安装与登录；2）通过编写需求文档（以豆瓣电影Top100爬虫与可视化项目为例）自动生成详细的项目规划；3）生成的需求文档包含项目背景、技术栈、目录结构、功能需求（爬虫、数据存储、可视化）和非功能性需求等完整内容。相比传统Copilot的分段迭代方式，Cursor能够基于完整需求文档生成更系统化的代码解决方案，显著提高开发效率。文章还展示了自动生成的需求文档样例，涵盖项目各
2025-11-17 18:50:32
2469
原创 openGauss × AI：打造一个能识图、能讲解、还能推荐的智慧博物馆导览师
本文介绍了基于openGauss数据库和AI技术构建智慧博物馆导览系统的实践方案。系统利用openGauss的原生向量支持(DataVec)、智能自调优引擎(DBMind)等特性，存储藏品信息并实现高效检索。通过Python连接数据库，将文物图片转化为向量嵌入，结合Gradio构建交互界面，实现图片检索、智能讲解等功能。该系统展示了openGauss在AI应用中的优势，包括统一处理结构化与非结构化数据、支持高性能向量检索等特点，为博物馆数字化转型提供了创新解决方案。
2025-11-13 10:44:02
6567
原创 一次数据库“翻身仗”：我用 openGauss 打造 AI 向量知识库的周末实录
本文记录了作者在构建RAG知识库过程中，针对不同数据库方案的实践与评测。作者先后尝试了PgVector、Elastic+KNN和Milvus方案，均遇到性能、成本或运维问题。最终选择测试openGauss数据库，发现其原生支持向量检索和AI优化特性，并提供了DataVec扩展。文章详细演示了openGauss的Docker部署、DataVec插件安装以及向量存储实现，通过Python代码展示了完整的RAG系统开发流程，包括文本嵌入生成、向量存储和检索功能。测试结果表明，openGauss在向量相似度检索上的
2025-11-13 10:43:11
6823
原创 探索仓颉编程语言：从Hello World到性能实战
仓颉编程语言是一款面向全场景开发的现代编程语言，具备高效编程、安全可靠、轻松并发和卓越性能等特性。本文介绍了仓颉的安装方法，通过Hello World示例展示其基本语法，并与Python进行了性能对比测试。在计算密集型任务中，仓颉展现出6倍以上的性能优势，同时内存占用减少73%。虽然Python在开发便捷性上仍有优势，但仓颉凭借静态类型系统、本地代码编译等特性，为高性能应用开发提供了新选择。
2025-11-10 18:43:13
1040
原创 零代码构建TikTok视频分析Agent：Dify与Bright Data MCP的完美融合
Dify：AI应用的“组装车间”它是什么？一个开源的、用户友好的平台，让你通过可视化界面（点点鼠标、填填表单）就能构建、部署和管理AI应用。你不需要关心复杂的模型训练和API调用，Dify帮你搞定一切。扮演的角色：在我们这个项目中，Dify是大脑和指挥中心。它负责接收你的问题（Prompt），协调各个步骤，并最终生成答案。Bright Data MCP Server for TikTok：专业的“数据抓手”MCP是什么？
2025-09-17 14:40:52
1523
原创 Plt画图中文显示问题：findfont: Generic family ‘sans-serif‘ not found because none of the following families w
在用matplotlib画图出现findfont: Generic family ‘sans-serif’ not found because none of the following families were found: SimHei。如果还是不行，打开/home/username/.cache/matplotlib/fontlist-v390.json查看SimeHei.ttf路径即可。：手动下载SimHei.ttf字体上传。
2025-08-19 19:13:24
681
2
原创 CVPR2024最佳论文奖候选 场景图建立工作EGTR复现（附可视化代码）
主要参考官方的代码仓库进行环境配置egtr，创建一个conda环境：clone官方的代码库：安装需要的第三方包及依赖库，pytorch-lightning版本需要改成1.9.4，其他不变。二、下载需要的数据集和模型项目支持 和这两个数据集，这篇博客以为例，下载地址如下：Visual Genomew，按照教程分别下载Part1、Part2和COCO-format文件，文件不是很大，本地下载后上传到服务器上即可。解压后组织成如下的格式：下载需要的模型，需要下载两个模型，一个是骨干模型，另外的一个是在
2025-08-14 09:42:06
1086
原创 linux运行clear命令报错terminals database is inaccessible
在 Conda 环境中安装 ncurses。
2025-08-13 16:47:26
8443
原创 非root用户在linux中配置zsh（已解决ncurses-devel报错）
下载最新版本的zsh，可以从这个链接看最新的zsh版本是什么download zsh，点击就会下载最新的zsh，看看后面的版本号是什么，我这里是5.9，下面就下载5.9的，如果是其他版本的话，记得一起改。解压下载后文件编译文件这时候报错：（如果没有报错，可以直接跳到安装on my zsh）解决方案：先配置好环境变量：配置好环境变量后，安装最新版本的ncurses，可以点击ncurses download查看最新版本，我这里是6.5，如果有更新的版本记得修改。配制好环境安装好ncu
2025-08-13 15:23:19
1092
2
原创 Error while loading conda entry point: conda-content-trust (OpenSSL 3.0‘s legacy provider failed to
这个错误是由于 OpenSSL 3.0 的遗留（legacy）提供程序未能加载导致的。OpenSSL 3.0 默认禁用了某些旧的加密算法（如 MD5、SHA1 等），而 conda-content-trust 或其依赖的 cryptography 库可能尝试调用了这些旧算法，从而触发了这个错误。
2025-08-04 14:57:27
604
原创 RuntimeError: Tried to instantiate class ‘_core_C.ScalarType‘, but it does not exist! Ensure that it
使用Vllm起模型的时候报错RuntimeError: Tried to instantiate class '输入查看vllm需要哪个版本的torch。原因：vllm与torch版本不匹配。pip 重新安装即可。
2025-07-29 19:12:36
366
原创 ImageRAG复现已跑通（含免费OpenAI API key申请方法）
可以看到对于“非洲灰鹦鹉”这个没有出现的概念时，生成模型不能很好地生成，但是使用RAG检索到相应的鹦鹉图片后，生成模型生成的会更符合要求。需要下载stable-diffusion-xl-base-1.0和IP-Adapter两个模型。使用conda创建虚拟环境，注意把environment.yml。这里申请的免费OpenAI API key在其他地方还是能用的。耐心等待下载完成即可。
2025-07-24 17:13:25
941
2
原创 什么是GCN？GCN与GNN有哪些区别？
图卷积网络(GCN)是图神经网络(GNN)家族中的代表性模型，专门用于处理图结构数据。本文系统性地介绍了：1) GNN的基本原理与通用计算框架；2) GCN的谱域理论基础和层级传播机制；3) 两者的核心区别在于理论来源（谱图理论vs通用框架）、信息聚合方式（固定加权平均vs可自定义）和表达能力；4) 不同场景下的选型建议，其中GCN适合快速开发中小规模同构图，而其他GNN变体更适合复杂异构图；5) 通过PyTorch代码示例展示GCN实现，并展望了动态图、可解释性等前沿方向。理解二者的区别有助于在实际应用中
2025-07-22 21:46:36
2403
原创 什么是GNN？——聚合、更新与循环
图神经网络（GNN）专为图结构数据设计，通过聚合邻居信息→更新节点状态→多层循环传播的核心流程学习节点表示。聚合阶段（如均值、求和）收集邻居特征，更新阶段融合自身与邻居信息，多层堆叠使信息远距离传播。GNN在节点分类、链接预测等任务中表现优异，但面临过度平滑、计算效率等挑战。其显式利用图拓扑的能力，使其在社交网络、推荐系统等领域具有独特优势，成为处理关系数据的强大工具。
2025-07-21 22:04:11
1951
原创 ImportError: cannot import name ‘Markup‘ from ‘jinja2‘
【代码】ImportError: cannot import name 'Markup' from 'jinja2'
2025-04-16 10:57:58
352
原创 pip install 出现 error: subprocess-exited-with-error 错误的方法
【代码】pip install 出现 error: subprocess-exited-with-error 错误的方法。
2025-04-16 10:54:54
270
原创 ImportError: cannot import name ‘Geo‘ from ‘pyecharts‘
ImportError: cannot import name ‘Geo‘ from ‘pyecharts‘
2025-04-15 15:22:57
227
原创 error: RPC failed； HTTP 408 curl 22 The requested URL returned error: 408
将本地 http.postBuffer 数值调整到500MB，可以根据自己的需求设置。：可能是推送的文件太大，要么是缓存不够，要么是网络不行。再次git push成功。
2025-04-09 15:46:44
1342
原创 亮数据——无代码快速爬取数据并做可视化
当需要数据收集时，人们往往会想到爬虫技术。通过代码模拟人点击鼠标的过程，向服务器发送请求，再解析获得的响应，从而收集到想要的数据。但是对于没有接触过爬虫的同学来说，想要写好一段爬虫代码是很困难的，尤其是要爬取的网页有一些反爬机制的时候，就更加难写。今天给大家推荐一款无代码的数据爬取工具——亮数据
2025-03-28 10:14:33
947
原创 Nano-GraphRAG复现——只使用Ollama，无需API Key
在微软GraphRAG复现过程中，因其复杂的程序和源代码的错误，导致很难复现。因此，github中出现了graphrag的平替版本——NanoGraphRAG，该项目提供了一个更小、更快、更干净的 GraphRAG，同时保留了核心功能。** 但是很多小伙伴困扰于没有OpenAI的API key，因此本文介绍了如何使用Ollama跑通Graphrag，只需简单的操作即可！欢迎点赞收藏！
2025-03-06 19:09:55
1110
5
原创 快速离线配置新版vscode-server，绝对避雷！
当生产环境是离线的时候，vscode-server没法自动下载配置，这就需要手动配置.下面，跟着本篇博客带你轻松配制好新版的vscode-server.觉得有帮助的小伙伴可以点个收藏和赞哦！
2025-02-24 10:02:50
3189
LLM八股文知识点集合
2025-02-26
全国大学生学科竞赛全览-涵盖多项领域及具体实施细则
2025-02-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人