- 博客(78)
- 收藏
- 关注
RSS订阅原创 Codex - Agent Skills 实战指南
本文介绍了如何利用CodexSkills将AI编程助手升级为本地超级终端。主要内容包括：1. 核心机制：解释CodexSkills是包含指令和脚本的本地文件夹，提供Windows环境下的三种安装方案（Git克隆、MCP协议挂载和手动创建）。2. 实用Skills推荐：列出4款必备技能（代码规范检查、文件系统操作、网页自动化和Solidworks控制），并给出具体安装方法。3. 应用实例：展示如何实现简历自动搜索和Solidworks图纸生成两种典型场景。
2026-06-22 20:26:11
281
原创 Windows安装Claude Code及接入DeepSeek-V4
本文介绍了如何配置ClaudeCode以接入DeepSeek-V4模型的步骤：1) 安装Git和Node.js；2) 通过npm安装ClaudeCode；3) 在DeepSeek官网创建API-Key；4) 修改.claude.json配置文件；5) 安装cc-switch代理工具并配置DeepSeek供应商信息（包括APIKey、请求地址和模型选择）；6) 最后通过终端启动ClaudeCode。整个过程涵盖了从基础环境搭建到最终集成的完整流程。
2026-06-20 20:37:58
219
原创 Windows安装Codex及接入DeepSeek-V4教程
本文介绍了Codex和Claude的安装方法，重点说明需要先安装git和Node.js（需18+版本）。详细步骤包括：1）git和Node.js的官网下载安装；2）通过npm安装Codex；3）配置DeepSeek-V4接入，包括获取API密钥、设置代理、修改.env和config.toml等配置文件；4）处理Node.js版本过低导致的启动代理错误（可安装dotenv或升级Node.js至20.6.0+）。全文提供了完整的配置流程和常见问题的解决方案。
2026-06-20 20:17:02
504
原创 【保姆级教程】RTX 4090 部署 DeepSeek-V4-Flash 全攻略（INT4 量化 + 128K 上下文）
本文介绍了在RTX 4090 24G显卡上部署DeepSeek-V4-Flash大模型的方案。由于硬件限制，必须采用INT4量化并限制上下文长度为128K以降低显存占用。关键步骤包括：1) 环境准备，要求vLLM≥0.6.6版本；2) 通过ModelScope下载模型；3) 配置核心参数如INT4量化、显存利用率等。部署支持单卡到4卡并行，性能随显卡数量提升，4卡可实现70-130 token/s的生成速度。
2026-05-05 22:37:37
5478
9
原创 Spec-Kit + Claude Code：规格驱动AI编程工程化实战
传统AI编程存在“氛围编码”问题——仅凭自然语言描述生成代码，结果看似正确，实际运行报错、逻辑混乱、缺乏规范、难以迭代。本文介绍GitHub开源的**Spec-Kit**工具，结合Claude Code实现规格驱动开发（Spec-Driven Development），通过“需求标准化→技术规划→任务拆解→全自动编码”的工程化流程，提升AI生成代码的质量与可维护性。
2026-04-25 17:20:39
812
原创 Claude Code 实战攻略：从零打造待办应用的高效开发流程
本文详细讲解如何使用 Claude Code 辅助前端开发，从原生 HTML 快速原型到 React + TypeScript + Vite 项目重构，涵盖核心命令使用、Figma 设计集成、VSCode 联动等高效技巧，助你提升 10 倍开发效率！
2026-03-28 16:34:01
578
原创 【AI 原生开发】基于 Cursor/Trea 的 Python 项目提示词文档标准化模板
在使用 Cursor、Trea 等 AI 智能体（Agent）进行 Python 项目开发时，传统的“人类阅读型”文档往往导致 AI 理解偏差、代码风格不统一或上下文丢失。本文提出一套**"AI-Native 项目规范”**，包含完整的文档模板、目录结构及交互流程。通过将文档转化为结构化提示词（Prompt），实现“文档即代码，文档即指令”，显著提升 AI 生成代码的准确率与可维护性。
2026-03-22 14:24:40
494
原创 AI Agent 核心认知框架详解
本文介绍了AI智能体（Agent）的五种核心认知框架及其应用场景。思维链（CoT）适合纯文本逻辑推理任务，思维树（ToT）适用于需要多路径探索的创意任务，ReAct框架通过"推理-行动"循环支持工具调用，Plan-and-Execute适合结构化流程任务，而Reflexion则通过反思机制提升高精度任务的准确率。文章通过金融分析、游戏开发、运维助手等实际案例，对比了各框架在成本、灵活性和适用性方面的差异，建议开发者根据任务特性选择最合适的框架或组合。
2026-03-21 11:58:48
589
原创 Cursor与TRAE AI代码编辑器高级用法深度解析
随着人工智能技术的快速发展，AI代码编辑器正在重塑软件开发 workflow。本文深入剖析Cursor和TRAE两款主流AI代码编辑器的核心功能与高级用法，结合实际应用场景，为开发者提供系统化的使用指南。
2026-03-21 11:14:23
615
原创 Python 开发“设计模式”指南
本文探讨了Python中设计模式的应用与实践。文章指出虽然Python作为动态语言具有灵活性，但在大型项目和复杂业务中，设计模式仍能有效提升代码的解耦性、复用性和可维护性。重点介绍了三类核心模式：创建型（单例、工厂、建造者）、结构型（装饰器、适配器、外观）和行为型（策略、观察者、模板方法），并提供了Python特有的实现方式。特别强调了Python语言特性（如模块单例、鸭子类型、装饰器语法）对传统设计模式的简化作用，建议开发者遵循KISS原则，避免过度设计，根据实际需求选择性地应用模式。
2026-03-20 21:02:00
484
原创 Windows11安装wsl及Ubuntu问题解决
本文介绍了Windows子系统Linux(WSL)的安装流程及常见问题解决方案。正常安装需要启用Windows子系统和虚拟化功能，但不同系统版本可能导致安装问题。针对"系统找不到指定文件"的错误，建议从GitHub下载最新WSL安装包并手动安装。
2026-03-20 13:03:10
569
原创 【AI智能体】：对话、文本、知识问答三种智能体形态简述
本文系统解析了三种主流智能体的区别与应用场景。智能体（Agent）不同于单纯的大模型（LLM），是具备规划、工具使用和记忆能力的完整系统。对话型智能体侧重交互体验，适用于客服等需要情感交流的场景；文本型智能体专注内容生成，擅长写作和代码创作；知识问答型智能体强调准确性，适合专业咨询和企业知识库。
2026-03-02 16:27:23
998
原创 【深度解读】百度GenFlow 3.0：多智能体协作的生成式AI新范式
2025年11月，百度发布GenFlow3.0智能体系统，实现了从单一模型到多智能体协作的范式转变。该系统采用Multi-Agent架构，支持150+专业智能体并行协作，通过任务拆解、知识图谱和全局记忆中心等技术，将任务完成率提升至97%，响应时间缩短至8秒。相比传统AI模型，GenFlow3.0在专业性、效率、可控性等方面具有显著优势，代表了AI技术向多智能体协作方向的发展趋势。该系统深度整合百度生态资源，为各行业提供更智能的内容生成解决方案。
2026-02-28 13:31:21
1432
原创 Stable Diffusion WebUI云部署
本文介绍了在云服务器上部署AI绘画应用Stable Diffusion WebUI的详细流程。首先强调了云服务器相比本地部署的优势，并给出GPU选择建议（推荐NVIDIA显卡，显存12GB以上）。然后分步骤说明部署过程：1)选择Ubuntu系统并配置Python虚拟环境；2)克隆项目仓库；3)安装性能优化库；4)设置镜像源加速下载；5)启动项目并处理常见问题（网络连接、磁盘空间、权限问题等）。最后针对特定错误提供了解决方案，包括修改环境变量和启动参数等实用技巧。
2025-12-27 11:07:41
1483
1
原创 多模态AI巨人：CLIP模型原理解析
CLIP模型是OpenAI开发的多模态AI系统，通过对比学习将图像和文本映射到同一语义空间。该模型采用双塔架构，分别使用图像编码器和文本编码器提取特征，并通过大规模预训练实现零样本推理能力。CLIP的创新之处在于将图像分类转化为图文匹配问题，使其具备跨域泛化和灵活应用的优势，可用于图像检索、内容审核等场景。尽管存在数据偏差和计算资源需求高的局限，CLIP仍代表了多模态AI的重要突破，为视觉-语言理解开辟了新方向。
2025-12-12 11:51:01
1284
原创 深度学习中的“压缩与解压“艺术：自编码器与VAE详解
自编码器与变分自编码器：智能压缩与创造性生成 自编码器是一种特殊的神经网络，通过编码器压缩数据和解码器还原数据，实现智能降维、去噪和特征提取。而变分自编码器(VAE)更进一步，通过概率分布建模数据规律，不仅能重建数据，还能创造新样本。两者的核心区别在于：普通自编码器输出确定编码，VAE输出概率分布；前者专注数据重建，后者具备生成能力。VAE在图像生成、数据增强等领域展现优势，为AI创造性任务提供了新思路。
2025-12-11 16:40:30
482
原创 一文搞懂MCP协议与A2A协议
AI协作协议比较：MCP与A2A的核心差异与应用场景 MCP协议采用四层架构（主机-客户端-服务器-资源）实现AI与外部系统的集中式连接，适合需要调用API或数据库的场景。A2A协议则采用去中心化的点对点网络，支持多个AI助手直接协作，适用于需要灵活分工的复杂任务。MCP优势在于标准化管理外部资源，A2A则擅长多智能体协同。实际应用中，企业知识管理适合MCP，而自动化办公流程更适合A2A。选择协议时需根据是否需要外部连接或内部协作来决定。
2025-12-11 10:41:04
656
原创 扩散模型详解：从DDPM到Stable Diffusion再到DiT的技术演进
扩散模型通过“破坏-修复”机制实现高质量图像生成。2020年DDPM奠定了理论基础，但计算成本高；2022年StableDiffusion创新性地采用潜在空间扩散，大幅提升实用性并推动AI绘画普及；2023年DiT引入Transformer架构，增强了可扩展性。当前主流模型（如StableDiffusionXL、DALL-E3）平衡效率与质量，未来趋势可能向Transformer架构迁移。扩散模型从理论研究到商业应用的快速发展，深刻改变了图像生成领域。
2025-12-10 15:28:06
2630
1
原创 Python正则表达式详解
正则表达式是一种强大的字符串匹配工具，可用于验证、提取、替换和分割文本。Python通过re模块提供正则表达式支持，包含match()、search()、findall()等核心函数。基础语法包括字符匹配（如.、^、$）、量词（*、+、?）、字符类（[abc]）和预定义字符类（\d、\w等）。高级特性包括分组捕获、命名分组、预编译和标志参数（如忽略大小写）。实际应用涵盖邮箱验证、手机号校验、HTML解析和日志分析。
2025-11-23 18:08:53
1113
原创 linux常用命令精简版（运维及后端必掌握）
本文总结了30个常用的Linux终端命令，涵盖文件管理、目录操作、进程监控和压缩解压等实用功能。包括清屏(Ctrl+l)、查看路径(pwd)、文件操作(touch/rm/cp/mv)、内容查看(cat/head/tail)、进程管理(ps/top)、文件查找(find)、压缩解压(zip/tar)以及权限修改(chmod)等命令。这些命令组合使用可显著提高Linux系统下的工作效率，适合开发者和系统管理员日常使用。
2025-11-18 15:50:18
400
原创 RAG技术深度解析
RAG（检索增强生成）是一种结合检索与生成的技术架构，包含检索器、生成器和可选的重排序器。其实现分为离线知识库向量化和在线检索生成两个阶段。文本向量化基于向量空间模型，通过余弦相似度衡量语义关联。向量数据库存储文本块及其向量表示，重排序模型通过交叉编码器提升检索精度。检索方法包括向量检索、传统检索及混合策略，文本切分需兼顾长度与语义连贯性。采样策略采用Top-k或Top-p方法平衡精度与效率。
2025-10-17 16:36:37
609
原创 图像生成模型发展史：从VAE到Diffusion看懂AI绘画的前世今生
AI绘画技术发展历程回顾：从VAE到Diffusion模型的演进 本文系统梳理了图像生成模型的发展脉络。早期VAE（2013）开创深度学习图像生成先河；2014年GAN的提出带来革命性突破。2017年起，文本到图像生成模型（StackGAN、AttnGAN）开始探索。2020年扩散模型（DDPM、DDIM）兴起，结合CLIP多模态理解能力，而后又催生了DALL-E、Stable Diffusion等实用化AI绘画工具。
2025-10-11 22:05:10
1094
原创 Python Web开发中的WSGI与ASGI：从传统到现代的接口演进
WSGI和ASGI是Python Web开发的两种接口标准。WSGI作为传统同步标准，通过gunicorn等服务器运行Flask/Django应用，采用多进程模型处理请求。ASGI则支持异步处理，适用于高并发和实时场景，由uvicorn等服务器运行FastAPI应用。核心区别在于：WSGI同步处理，适合传统Web；ASGI异步支持WebSocket等实时功能。部署方案上，WSGI常用Nginx+Gunicorn组合，ASGI则用Nginx+Uvicorn。
2025-10-08 21:09:32
987
原创 FastAPI参数类型与请求格式详解：Query、Form、Body、File与Content-Type的对应关系
摘要：本文详细解析FastAPI框架中各类参数（Query、Form、Body、File等）与HTTP请求格式的映射关系。通过代码示例说明不同参数类型的应用场景：Query处理URL查询字符串并支持验证规则；Form接收表单数据；Body解析JSON请求体；File管理文件上传。
2025-09-29 10:50:17
1228
原创 Python进度条神器tqdm：让你的程序不再“黑屏运行“
tqdm是一个Python进度条库，能优雅地显示循环执行进度。它支持普通循环、文件处理、多线程等场景，提供多种自定义选项：可设置描述文字、单位、颜色等样式；能实时更新准确率等后缀信息；支持嵌套进度条和条件禁用。tqdm还能与pandas集成，通过progress_apply替代apply。虽然进度条更新可能影响性能，但可通过mininterval控制更新频率。该库让耗时操作可视化，显著提升用户体验。
2025-09-29 09:50:50
303
原创 Python虚拟环境管理工具virtualenv详解
本文系统介绍了Python虚拟环境管理工具virtualenv及其应用。主要内容包括：virtualenv的概念与必要性，能解决多项目依赖冲突问题；详细安装配置指南，支持多Python版本；基础使用方法，如创建/激活/退出环境、包管理；高级技巧如依赖管理、环境复制；并介绍了virtualenvwrapper扩展工具。文章对比了venv、conda、pipenv等现代替代方案，最后给出项目结构建议和常见问题解决方案。
2025-09-28 10:50:58
925
原创 GitLab代码回滚指南
GitLab提供了多种安全回滚代码的方法：Web界面可通过"Revert"功能或MergeRequest实现回滚；命令行推荐使用git revert创建新提交撤销更改（git revert <commit-id>），避免修改历史。危险操作包括git reset --hard（会永久删除代码）和强制推送（git push --force），需谨慎使用。团队协作时建议创建回滚分支并通过MergeRequest审查。所有方法都需先确认提交记录，保留完整回滚记录更安全。
2025-09-24 16:54:36
1832
原创 Windows上开发Dify插件完整指南
本文详细介绍了Dify插件的开发流程，主要包含三个部分：环境准备、插件开发和插件安装。首先需要配置Python3.12+环境和安装Dify CLI工具；然后通过CLI初始化项目，重点讲解插件项目结构和核心方法_invoke的实现；最后介绍了插件打包发布方法，支持上传到Dify平台或通过GitHub发布。文章提供了完整的开发指南，包括环境配置、项目创建、代码实现、调试运行和发布部署等关键步骤，为开发者构建Dify插件提供了系统性的指导。
2025-09-24 11:05:39
2485
原创 Python虚拟环境(venv)完全指南：从入门到实践
Python虚拟环境(venv)详解：本文介绍了Python3.3+内置的venv模块，用于创建隔离的虚拟环境。venv相比virtualenv更轻量且官方支持，能有效解决项目依赖冲突问题。文章详细讲解了venv的创建、激活/退出、删除等基础操作，以及指定Python版本、生成依赖文件等高级功能，并提供了项目结构、命名规范等最佳实践。同时针对常见问题如路径空格、环境损坏等给出了解决方案，特别指出Python3.12+用户需注意pip兼容性问题。
2025-09-24 09:49:36
1707
原创 Git远程与本地仓库关联指南（含推送冲突解决方案）
本文详细介绍了本地代码与远程Git仓库关联的两种方法：1. 本地项目初始化为Git仓库后添加远程地址并推送；2. 直接克隆远程仓库到本地。重点解析了推送代码时常见的"rejected"错误原因（远程仓库领先、多人协作冲突等），并提供三种解决方案：1）拉取合并远程代码（推荐）；2）强制推送（高风险）；3）使用rebase整合（最优方案）。文章还对比了rebase与merge的区别，强调rebase能保持线性历史，并提供了验证仓库状态的实用命令。
2025-09-19 17:43:40
2101
原创 Python内存机制全解析：从基础到高级应用
本文全面解析了Python内存管理机制，主要包括：1）基于引用计数的自动内存管理原理；2）函数调用的临时内存分配机制；3）类与对象的内存模型；4）多线程/多进程环境下的内存共享与安全处理方案；5）内存优化技巧（生成器、缓存、__slots__等）；6）常见内存问题解决方案；7）内存监控工具使用。文章强调养成及时清理变量、合理使用生成器、缓存等优化习惯，并针对多线程/多进程开发给出了具体建议，帮助开发者编写更高效的Python程序。
2025-09-18 18:23:38
835
原创 Python异步编程：asyncio.create_task() 用法解析
本文介绍了Python 3.7+中的asyncio.create_task()函数，用于将协程封装为Task对象实现并发执行。主要内容包括：1)基础语法和简单任务创建示例；2)并发执行多个任务的实现方法；3)高级用法如任务取消、状态检查和异常处理；4)实际应用场景如并发HTTP请求和数据库操作；5)与旧版ensure_future()的区别及最佳实践。该函数是异步编程的核心工具，能显著提升I/O密集型程序的性能，使代码更简洁高效。
2025-09-17 16:46:41
1708
原创 Python数据脱敏：保护敏感信息指南
本文介绍了Python实现数据脱敏的多种方法。主要内容包括：基础脱敏函数（手机号、身份证、邮箱、银行卡等）、正则表达式批量脱敏、使用Faker生成假数据、数值数据脱敏等核心技术。还展示了实际应用场景，如装饰器自动脱敏、Pandas数据框脱敏、配置化脱敏方案等。文章强调应根据业务场景选择合适方法，并注意合规性、安全性、实用性和性能等关键因素。这些技术可有效保护敏感信息，同时保留数据的统计特征和使用价值。
2025-09-17 14:14:20
755
原创 【华为云】容器镜像服务 SWR 详解：从上传下载到 ModelArts 应用
本文介绍了华为云容器镜像服务(SWR)的核心功能和使用方法。主要内容包括：1)镜像上传下载操作，通过docker命令实现登录、打标签及推送/拉取镜像；2)在ModelArts平台注册和使用SWR镜像的流程；3)镜像本地保存和加载的方法；4)解释了镜像下载后空间增大的原因（压缩传输与本地解压的差异）。
2025-09-10 15:51:01
2330
原创 Linux压缩解压常用工具：tar与zip/unzip使用指南
本文介绍了Linux系统中两种常用文件压缩工具。tar是Linux原生工具，支持打包和gzip压缩（.tar.gz格式），适合系统内部文件处理和备份，常用命令包括创建压缩包tar -czvf和解压tar -xzvf。zip/unzip具有跨平台优势，适合与Windows交互，基本操作为zip -r压缩和unzip解压。文章对比了两者的特性，建议Linux环境优先使用tar，跨平台场景选择zip，并提供了核心命令速查表。
2025-09-10 14:17:01
796
原创 linux系统address already in use问题解决
Linux端口占用解决方法： 查找占用进程：执行netstat -tulnp | grep :8000获取进程号（如8060） 终止进程：使用kill -9 8060强制结束该进程 验证：再次检查端口是否释放 （注：需root权限操作，强制终止可能导致数据丢失，建议先尝试普通kill命令）
2025-09-08 15:18:00
284
原创 PyInstaller完整指南：将Python程序打包成可执行文件
PyInstaller是一款强大的Python打包工具，可将Python程序转换为Windows、macOS和Linux上的可执行文件。本文详细介绍了其使用方法：1）通过pip安装PyInstaller；2）基本打包命令和参数说明，包括单文件/文件夹模式选择；3）资源文件处理方法（--add-data参数）；4）可执行文件添加图标；5）高级配置.spec文件的使用；6）对tkinter和Qt等GUI框架的支持。PyInstaller能自动分析依赖库，简化程序分发过程，适合不同复杂度的项目打包需求。
2025-09-05 17:33:58
2084
原创 Python包管理神器Poetry完全指南：从入门到精通
Poetry是新一代Python包管理工具，解决了传统pip+requirements.txt在依赖管理上的不足。文章详细介绍了Poetry的使用方法：1)安装配置（推荐脚本安装+配置国内镜像源）；2)项目管理（创建项目、虚拟环境）；3)依赖管理（安装/卸载生产/开发依赖）；4)配置文件解析（pyproject.toml结构说明）；5)poetry.lock文件作用；6)常用命令（项目/依赖/包管理）；7)常见问题解决方案。
2025-09-05 11:37:44
1616
原创 Python包管理工具全对比：pip、conda、Poetry、uv、Flit深度解析
摘要：Python包管理工具各有特点，需根据项目需求选择。pip是官方标准工具，适合基础开发；conda适合数据科学；Poetry提供完整项目管理；uv以高性能著称；Flit适合轻量包发布。对比分析显示，工具在依赖管理、环境管理、构建速度等方面差异明显。建议初学者从pip+venv开始，数据科学选conda，现代项目用Poetry，高性能需求考虑uv。未来趋势是标准化配置、性能优化和生态整合。合理组合使用不同工具可提升开发效率。
2025-09-05 10:08:00
3720
原创 一文搞懂python编译、构建、打包、分发概念
文章摘要：本文通过开蛋糕店的比喻解释软件开发中的四个关键概念。编译（Compilation）是将创意配方标准化为精确制作流程；构建（Build）是准备开店所需的所有材料（项目结构）；打包（Packaging）是将所有内容整理成可复制的加盟套装（如Python的wheel包）；分发（Distribution）则是将作品发布到PyPI等平台供他人使用，就像开设连锁店。文章还提供了Python项目示例和现代化工具（Poetry/Flit）推荐，帮助开发者清晰理解从代码到分发的完整流程。
2025-09-04 14:21:11
489
华为云学习笔记，关于弹性负载均衡（ELB）、虚拟私有云（VPC）、弹性文件服务（SFS）、云容器引擎（CCE）和大模型平台综述
2025-03-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人