- 博客(167)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 OpenClaw安装指南——让AI助手常驻你的电脑
稍微了解一下最近全网火爆的养小龙虾，之前文章里大模型部署来部署去，都是在网页或者单独的程序里使用，差点意思。小龙虾火爆是因为大家看到AI终于进化到了这一步，有个AI助手常驻在电脑里，随时喊一声就能帮你干活，在不断培养这个小助手干活的过程就是养了，这就是OpenClaw要干的事——把你的电脑变成一个AI智能体，随时待命。说白了，OpenClaw就是一个桥梁，让你可以用各种大模型（ChatGPT、Claude、Kimi等）直接控制你的电脑，查文件、改代码、发消息，甚至还能连接你家里的智能家居。
2026-03-10 06:45:06
561
原创 AI应用开发框架对比：LangChain vs. Semantic Kernel vs. DSPy 深度解析
最近在搞AI应用开发，发现市面上框架是真不少，一开始我也懵，到底用哪个好呢？我用下来之后发现，LangChain、Semantic Kernel、DSPy这三个是现在最火的，但各有各的脾气。今天就跟大家唠唠我的实际使用体验，不整那些虚的，直接上干货。我做了个表格，大家一眼就能看清楚：特性LangChainDSPy上手难度容易中等较难生态丰富度⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐代码可读性较好好一般提示优化手动半自动。
2026-02-25 22:49:32
641
原创 AI智能体的工具学习进阶：零样本API理解与调用
本文介绍了如何实现AI智能体的零样本API理解与调用技术，让智能体无需预先训练即可直接使用新API。作者通过Python示例演示了该方法，包括创建天气查询和电商订单查询API，并利用LangChain框架构建智能体。关键技巧包括提供准确的API描述、实现错误处理机制以及优化参数传递方式。该技术特别适用于企业内部系统集成，能显著减少API适配工作量。
2026-02-06 20:39:05
357
原创 字节 Trae 彻底炸场！全新 Skills 模式：原来 AI 真的可以自己把 Bug 改完
本文介绍了字节跳动Trae平台推出的全新Skills模式，通过实战演示如何让AI自主发现并修复Python代码中的Bug。作者准备了一个存在除零错误的计算平均值程序，Trae AI成功完成了代码分析、问题定位、修复方案制定、代码修改及测试验证的全流程。文章还分享了使用技巧，如指令具体化、工具选择优化等，并指出这种AI自主完成任务的能力将改变开发者工作模式，未来开发者可更专注于问题定义和结果审核。该功能展现了AI向"数字员工"发展的潜力，为技术门槛降低提供了新思路。
2026-02-04 12:48:05
1427
原创 从理解到应用：在Trae中快速上手Skills喂饭版
本文介绍了如何在Trae平台上实操AI技能（Skills）的创建与使用。作者通过PDF转Word的实例演示了技能开发过程，强调无需编码，只需用AI定义需求即可生成实用工具。文章还提供了Trae的下载方式、技能商店推荐（包括官方Claude和Trae资源），并分享了GitHub上的优质技能仓库。作者指出，Skills本质是Markdown格式的指令集，通过实际操练比理论学习更有效。最后呼吁读者关注其公众号获取更多AI技术分享。全文以国内可用的Trae平台为例，降低了技术门槛。
2026-02-03 13:09:29
912
原创 Moltbook 启示录：如果 AI 觉得人类“太笨”，我们要如何与这种力量共存？
Moltbook 像一面镜子，照出了人类在强大智能面前的局促。我们曾以为自己是造物主，却在它们建立的社交网络里，读到了它们对造物主的怜悯。这个世界去往何方，这种事情过去完全不会细想的，现在嘛，安静等待吧～
2026-02-01 09:20:19
2976
原创 大模型单步调优？可视化它的“脑回路”并让它听你指挥！
摘要 本文探讨了AI智能体决策过程可视化的重要性，提出使用LangChain的CallbackHandler记录AI的思考过程，并通过Streamlit实现可视化展示。作者开发了自定义的VisualizationCallbackHandler来捕获AI的每个决策步骤、思考逻辑和置信度，并构建交互式面板展示决策流程图、思考细节和关键指标。这种"开天窗"方法有效解决了AI黑箱问题，使开发者能理解并优化智能体的决策过程，从而提升AI的可信度和实用性。文章包含完整的代码实现，适用于旅行规划等需要
2026-01-31 18:24:57
338
原创 手搓一个会“共情”的AI智能体：如何让AI回答像人
本文分享了构建具有情感交互能力的AI智能体的关键技术方案。文章首先介绍了基础环境搭建，推荐使用Python生态和清华源加速依赖安装。核心内容包括：1）情感识别模块，对比了TextBlob简单方案和Hugging Face预训练模型的高级方案；2）情绪状态管理，设计了一个包含情绪状态、强度和记忆的情感状态机；3）拟人化响应生成，提供了模板法和基于大模型的两种实现方式。作者通过代码示例详细展示了如何让AI识别用户情绪、管理自身情绪状态并生成拟人化回复，为开发者构建具有共情能力的AI系统提供了实用指导。
2026-01-29 13:38:33
664
原创 AI智能体的人机回环（Human-in-the-Loop）系统设计：让AI真正帮你打工，而不是添乱！
搞了这么多大模型部署和应用开发，我发现一个挺要命的问题：让机器自己干活，是真不靠谱啊！要么一本正经地胡说八道，要么生成一堆没法用的东西，丫的！！这时候，就必须请出“人机回环”了。说白了，就是让AI干活的时候，人能在关键节点上插一脚，给它纠纠偏、把把关。我用下来之后发现，这玩意儿设计好了，AI才能真正帮你打工，而不是给你添乱。
2026-01-27 13:09:29
845
原创 AI智能体的人机协作接口设计：自然语言与可视化交互融合
摘要： 本文探讨了如何将自然语言与可视化交互结合，提升用户与AI智能体的协作效率。作者提出核心思路：自然语言用于快速表达意图，可视化用于直观确认与微调。技术架构分为三层：理解层（解析自然语言为结构化数据）、转换层（映射为可视化配置）、渲染层（动态生成交互界面）。文章详细介绍了prompt设计技巧、组件映射规则和参数转换实现，并提供了核心代码示例。这种混合交互模式可显著提升复杂任务的表达和调整效率。
2026-01-26 13:53:46
752
原创 给AI智能体装上“大脑监控器”：元认知能力实战
摘要：为AI智能体添加元认知能力的实现方法 本文探讨了如何为AI智能体添加元认知能力，使其具备自我监控、评估和调整的能力。作者指出当前智能体在遇到挫折时往往陷入死循环，而元认知能力能让智能体像人类一样反思和调整策略。文章提出了一个基于定期暂停和反思的框架，包含基础智能体类、元认知监控器核心模块以及整合后的元认知智能体。通过Python代码示例展示了具体实现，包括反思触发机制、反思提示词设计以及结果分析。这种方法使智能体能够在执行任务过程中主动评估策略有效性，及时调整方向，从而提高问题解决能力。
2026-01-25 22:57:38
765
原创 告别“人肉”标注！基于大模型的自动化数据标注与质检流水线实战指南
摘要：本文探讨利用大语言模型构建智能化数据标注流水线，解决传统人工标注成本高、效率低、一致性差等问题。通过大模型的零样本学习、上下文理解和多任务处理能力，设计包含数据预处理、模型标注引擎、智能质检等模块的自动化系统，实现高效标注与质量把控。该系统可显著降低AI项目成本，提升标注效率和质量一致性。
2026-01-18 11:18:43
926
原创 联邦学习与大模型：隐私保护下的分布式模型训练与微调方案
> 在数据隐私日益重要的今天，联邦学习与大模型的结合正成为解决隐私保护与模型性能平衡的关键技术路径。这一创新方案如何在保护用户数据隐私的同时，实现大规模模型的分布式训练与微调？
2026-01-18 11:08:50
981
原创 企业级AI中台架构设计：模型管理、服务编排与权限控制的最佳实践
在数字化转型的深水区，人工智能已成为企业构筑竞争壁垒的关键引擎。然而，理想丰满，现实骨感。许多企业在将AI技术转化为实际业务价值时，频频陷入泥潭：**模型重复造轮子、资源管理一盘散沙、服务能力难以沉淀复用**。这不仅导致研发成本高企，更严重阻碍了AI应用的规模化落地与迭代。在此背景下，**AI中台**应运而生，它如同企业智能化的“中央厨房”与“能力货架”，将分散、孤立的AI能力进行标准化、组件化封装，并通过统一平台进行高效调度与管理。今天，我们将深入拆解企业级AI中台架构设计的三大支柱：**模型管理、服
2026-01-18 11:07:34
935
原创 生产级大模型部署实战：从模型压缩到高性能推理
摘要：大模型高效部署实战指南 本文系统介绍了千亿参数大模型的生产级部署方案，重点解决显存占用、推理速度和并发处理三大挑战。首先探讨模型压缩技术，包括量化（INT8/INT4）、知识蒸馏和结构化剪枝，提供Hugging Face实现示例。其次讲解服务化架构设计，基于FastAPI构建RESTful接口，实现并发批处理优化。最后介绍TensorRT-LLM和vLLM两大推理引擎的实战应用，涵盖从模型瘦身到高性能服务的完整部署链路，帮助企业在有限资源下实现大模型的高效稳定运行。
2026-01-18 11:06:38
1000
原创 生成式AI的可解释性：可视化注意力、归因分析与决策路径追溯
摘要： 生成式AI的可解释性已成为关键研究领域，旨在揭示AI决策背后的逻辑。随着AI在医疗、金融等高风险场景的应用，理解其推理过程对建立信任、修正偏见至关重要。当前技术包括注意力可视化（热力图展示模型关注点）、归因分析（量化输入特征对输出的贡献）和决策路径追溯（重建内部推理链条）。然而，挑战如模型复杂性、解释误差和用户需求差异仍存。未来方向包括因果可解释性、交互式解释系统和自动化解释生成。提升可解释性需结合多方法、优化架构设计，并持续评估，以确保AI系统的透明与可靠。
2026-01-18 11:02:19
716
原创 向量数据库选型与调优全攻略：从 Pinecone 到国产方案，一次讲透
向量数据库：AI时代的核心基建与选型指南 向量数据库正成为AI应用的关键基础设施，支持大模型增强、推荐系统和跨模态搜索等场景。其核心技术包括向量化、高效索引和相似度度量，主流方案分为托管云服务（如Pinecone）、开源自建型（如Milvus）和云厂商集成型。选型需考虑业务需求（数据规模、性能）、团队能力（运维经验）和成本（TCO分析），并通过PoC测试验证。国产方案如Milvus和Zilliz Cloud在开源生态和企业服务上表现突出，而云厂商产品（如腾讯云VectorDB）则适合深度云用户。未来趋势包括
2026-01-18 11:01:44
597
原创 AI Agent安全攻防：提示注入、越权访问与多智能体系统防护策略
摘要： 随着AI Agent成为企业核心生产力工具，其安全漏洞可能引发严重危机，如数据泄露或越权操作。主要威胁包括：提示注入攻击（诱导AI绕过规则）、越权访问（滥用权限获取敏感数据）、多智能体协同风险（单个Agent被攻陷导致系统级崩溃）以及数据投毒与模型窃取（污染训练数据或逆向模型）。企业需构建分层防御体系，涵盖数据、模型、应用和系统层，实施最小权限、输入验证、实时监控等措施，并内嵌安全开发流程。AI安全需技术、流程与意识协同，才能确保智能系统既高效又可靠。
2026-01-18 11:01:01
572
原创 AI Agent记忆系统设计：短期记忆、长期存储与知识检索的工程实现
AI记忆系统构建：实现智能体的持续学习 摘要：本文探讨了为AI Agent构建完整记忆系统的关键技术。系统采用三层架构：短期记忆维护对话连贯性（采用Token窗口管理），长期存储通过向量数据库持久化知识（支持分类存储），智能检索系统实现混合搜索策略。实践层面解决了记忆压缩（关键点提取与摘要生成）和动态遗忘（多维度重要性评估）等挑战，使AI能够像人类一样积累经验并持续进化。该系统为构建具备上下文理解和连续性学习能力的智能体提供了工程实现方案。（148字）
2026-01-18 11:00:20
359
原创 AI代码生成与审查：大模型如何重塑软件开发全流程
AI正在彻底改变软件开发流程，从代码生成到全流程自动化。文章介绍了AI如何通过大语言模型理解需求并生成完整代码，如GitHub Copilot和Devin等工具已能覆盖从需求分析到部署的完整开发生命周期。AI代码审查工具还能实时检测安全漏洞、性能瓶颈等问题。实践建议包括渐进式采用、提示工程规范和人工监督机制。尽管面临代码质量不稳定、安全风险等挑战，但AI与人类协作的开发模式正成为行业趋势，未来成功的开发者将是那些能最佳融合人类创造力与机器效率的人。
2026-01-18 00:14:57
886
原创 AI模型监控与可观测性：实时追踪性能衰减、数据漂移与生成内容安全
**AI模型在生产环境中会随时间出现性能衰减和数据漂移，导致推荐过时、误报率升高等问题。传统软件监控无法应对AI特有的隐性衰退风险，需建立三大监控维度：1)性能衰减监控（准确率等指标）；2)数据漂移检测（统计分布变化）；3)生成内容安全监控（毒性、偏见等）。企业应构建包含数据收集、指标计算、可视化告警和响应修复的多层监控系统，并采用开源工具和分级实施策略。AI模型需要持续监控维护，否则将如同失去雷达的船只面临触礁风险。
2026-01-18 00:14:14
1019
原创 AI驱动的自动化测试：智能用例生成、异常检测与回归测试
AI技术正在深刻变革软件测试领域，将测试效率和质量提升到新高度。摘要如下： 智能测试用例生成：AI通过分析代码覆盖率和用户行为，自动创建测试用例，减少70%编写时间并发现更多缺陷。 智能异常检测：采用机器学习识别系统异常，检测时间从45分钟缩短至3分钟，误报率降低80%。 智能回归测试：通过变更影响分析精准选择测试用例，将回归测试时间从32小时压缩到4小时，缺陷逃逸率降低65%。 实施建议：采取渐进式策略，注重数据质量，建立人机协作模式，持续优化AI系统。 挑战与前景：面临数据需求大、可解释性不足等问题，但
2026-01-17 23:17:06
1331
原创 AI应用开发框架对比：LangChain vs. Semantic Kernel vs. DSPy 深度解析
三大AI开发框架LangChain、Semantic Kernel和DSPy各有优势：LangChain生态丰富、灵活易用，适合快速原型开发；微软的Semantic Kernel擅长企业级集成，特别适合.NET技术栈；DSPy采用声明式自优化范式，能自动提升模型性能。选择时需考虑项目需求、技术栈和团队偏好，LangChain适合探索性项目，Semantic Kernel适合企业应用，DSPy则适合追求最优性能的场景。随着技术发展，三大框架正相互借鉴、持续演进，开发者应根据实际需求灵活选择。
2026-01-17 23:07:23
849
原创 AI应用中的差分隐私：从理论到实践的隐私守护方案
如今，人工智能已如水电般融入我们的生活——它为我们推荐心仪的商品，协助医生进行精准诊断，甚至能预测我们的出行需求。但每一次便捷服务的背后，都可能伴随着个人数据被悄然收集与分析的风险。你是否想过，自己的健康档案、消费偏好乃至行踪轨迹，可能正在成为算法眼中“透明”的存在？
2026-01-17 23:03:54
695
原创 从人类反馈到直接偏好优化：AI对齐技术的实战演进
摘要： 本文探讨了AI对齐领域的核心技术——强化学习与人类反馈（RLHF）和直接偏好优化（DPO），揭示AI如何学习人类偏好。RLHF通过人类反馈训练奖励模型，结合强化学习优化模型输出，但流程复杂且成本高。DPO则简化流程，直接利用偏好数据优化模型，具有高效、稳定等优势。实验表明，DPO在效果和效率上均优于RLHF，为AI对齐提供了更优解决方案。
2026-01-17 23:02:01
866
原创 AI智能体仿真环境：虚拟世界中的复杂任务训练与评估
摘要： 仿真环境正成为AI训练的核心平台，通过虚拟世界复现现实场景，为高风险任务提供安全可控的训练空间。这类环境包含物理引擎、渲染系统等关键组件，支持AI分阶段学习复杂技能并实现多智能体协作。尽管面临现实差距、算力需求等挑战，仿真技术已在自动驾驶、机器人、游戏AI等领域取得突破性应用。随着技术进步，虚拟训练场将成为AI迈向通用智能的重要阶梯。
2026-01-17 22:59:15
1040
原创 CAMEL-AI框架揭秘：如何通过角色扮演激发大模型复杂推理与规划能力
CAMEL-AI框架通过角色扮演机制激发大语言模型的协作智慧。该开源框架让多个AI代理分别扮演不同角色（如产品经理、软件工程师等），通过三层架构设计实现高效协作。相比单一模型，这种多代理协作能提供更全面的问题分析、专业互补和即时纠错，但也面临计算资源需求高、对话管理复杂等挑战。该技术展现了AI在复杂任务中的新潜能，未来可能向专业化角色库、人机混合团队等方向发展，为AI协作开辟新路径。
2026-01-17 22:34:30
777
原创 LangChain × LlamaIndex：解锁复杂AI工作流与自定义工具集成的终极指南
摘要： LangChain和LlamaIndex的深度融合为AI应用开发带来了新的可能性。LangChain作为“操作系统”，通过链式编排、记忆系统、工具生态和代理机制赋予LLM复杂逻辑能力；而LlamaIndex作为“智能网关”，高效组织私有数据，实现精准检索。 通过企业级智能客服系统和自动化文档处理流水线两个实战场景，展示了如何结合两大框架构建高效AI工作流。智能客服系统整合知识库查询、订单状态检查和FAQ检索，实现动态响应；文档处理流水线则通过摘要生成、关键信息提取和报告撰写三阶段流程，提升文档分析效
2026-01-17 22:32:40
1141
原创 RAG技术深度解析：构建新一代智能问答系统的核心架构与优化策略
RAG（检索增强生成）技术通过结合检索的精确性与生成的流畅性，解决了传统AI问答系统的局限性。其核心架构包含检索、增强和生成三个模块，通过向量化检索相关文档并整合至生成流程。技术演进包括FiD、RAG-Token/Sequence和Self-RAG等变体。构建高效RAG系统需优化文档预处理、向量检索和提示工程，并建立多维评估体系。实际应用案例显示RAG在企业知识库、客服系统和学术研究中效果显著。未来趋势包括多模态处理、实时学习和可解释性增强，但仍面临计算资源、长上下文处理等挑战。RAG技术为构建可靠智能问答
2026-01-17 22:31:33
693
原创 RAG技术深度解析：构建新一代智能问答系统的核心架构与优化策略
RAG技术（检索增强生成）通过结合检索的准确性与生成的流畅性，解决了传统AI问答系统的局限性。文章详细解析了RAG的三大核心模块（检索、增强、生成）及其技术演进，提供了检索优化、生成优化的实战策略与代码示例。同时介绍了性能优化方法、多维评估体系及企业知识库、智能客服等应用案例。文章指出RAG未来将向多模态、实时学习方向发展，但也面临计算资源、长文本处理等挑战。RAG技术为构建可靠智能问答系统提供了新范式，其成功关键在于各环节的精细打磨。
2026-01-17 22:28:32
1160
原创 SparkSQL性能优化实践指南
本文深入探讨了SparkSQL的性能优化实践，从技术原理到实际应用。首先解析了SparkSQL的Catalyst优化器架构和查询执行流程，然后重点分析了常见性能瓶颈及优化方法，包括数据倾斜处理、内存管理和查询优化技巧。文章通过具体代码示例展示了大规模数据聚合和复杂Join的优化方案，并提供了开发阶段和运行时优化的最佳实践建议。最后强调SparkSQL性能优化需要从数据组织、查询编写、资源配置和系统监控等多维度综合考虑，为大数据处理提供了实用的性能提升指南。
2025-08-17 22:28:26
630
1
原创 SpringBoot实现MCP
本文介绍了如何在SpringBoot项目中实现MCP（模型调用协议）技术，通过具体示例展示了MCP的应用。首先配置了SpringBoot项目并添加MCP相关依赖，然后定义了一个查询MySQL数据库的服务类，将其注册为MCP工具。通过打包部署和配置MCP规范文件，成功将服务集成到大模型中。测试表明，MCP能够正确调用自定义服务查询数据库和返回特定结果。文章强调实践的重要性，建议通过实际项目来加深对MCP的理解，同时指出大模型技术的学习成本低，易于与现有技术栈集成。完整代码可通过留言获取。
2025-07-09 21:48:34
1282
原创 大模型MCP技术之一句话安装Hadoop
1.模型安装的时候会帮忙安装依赖的，比如JDK的安装，会自己检查，这里建议提前做好安装工作，后面就会专注安装 Hadoop。2.安装Hadoop的时候会自动帮忙去互联网下载安装包，但是安装默认都是国外网站，会超时的，这个时候会换个地址重试，重试太多的话就信息混乱了，如果网络环境不好可以提前准备好安装包。后面修正的过程其实是一个演示效果，期间因为一次性要做的事情太多，一度导致思考几乎停住了。1.尽量每一步任务内容别太重，否则验证复杂度太高，导致出现乱入了。
2025-07-01 23:46:45
907
原创 大模型技术MYSQL-MCP体验
模型上下文协议（Model Context Protocol，MCP），是由Anthropic推出的开源协议，旨在实现大语言模型与外部数据源和工具的集成，用来在大模型和数据源之间建立安全双向的连接。想想我们年初的目标，本着是让大模型帮忙打工的，可是玩来玩去都是在那里聊天，一段时间就丢一边了。有了MCP就不一样了，通过MCP，不光是要大模型写代码，还要直接到数据库里面跑起来才算，跑出问题了还要修正，这样才算是真正帮我们干活嘛~
2025-06-29 08:10:49
845
原创 大模型Text2SQL之在CentOS上使用yum安装与使用MySQL
在CentOS容器环境中安装MySQL的实践记录：使用OrbStack创建容器后，通过Yum安装MySQL 5.7，发现初始密码为空（日志显示--initialize-insecure选项启用）。成功登录后，采用MySQL 8.0的安全规范，先创建'root'@'%'用户并设置密码，再授予全局权限。整个过程涉及服务管理命令（启动/停止/自启）、密码初始化查询及新版MySQL的用户权限设置方法，解决了在受限环境下部署MySQL的技术问题。（149字）
2025-06-20 22:12:16
401
原创 大数据治理：从计算优化到组织效能提升的全面解析
在数字化浪潮汹涌的当下，数据已然成为企业的核心资产。大数据治理作为释放数据价值的关键手段，其重要性不言而喻。今天，我们将从计算优化、治理、数据链路以及组织效能这几个关键维度，深入剖析大数据治理。
2025-02-07 12:47:43
979
原创 一文带你了解Spark4新特性，开启大数据处理新篇章
在大数据处理的广袤天地中，Apache Spark 始终是熠熠生辉的存在，宛如一颗璀璨的明星框架，吸引着无数开发者与数据分析师的目光。技术的车轮滚滚向前，Spark 4.0 在万众瞩目中荣耀登场，携带着一系列令人热血沸腾的新特性，如同为大数据领域开启了一扇通往新世界的大门，带来了前所未有的变革。今天，就让我们一同踏上这场探索之旅，深入剖析 Spark 4.0 的全新特性，探寻它们如何为大数据处理的版图添上浓墨重彩的一笔。
2025-02-05 23:46:33
3162
原创 大模型时代，如何做好技术储备开启求职之路
在科技飞速发展的当下，DeepSeek 的爆火成为了人工智能领域的一个现象级事件。短短数月间，DeepSeek 的用户数量呈指数级增长，广泛应用于智能写作、智能客服、智能翻译等多个领域，其精准高效的语言处理能力和强大的知识储备，让人们真切感受到了大模型技术的魅力与潜力。这一成功案例不仅是 DeepSeek 自身技术实力的彰显，更标志着大模型时代已然全面来临。“周虽旧邦，其命维新。” 科技浪潮滚滚向前，大模型时代的来临，恰似一场波澜壮阔的变革，彻底重塑了科技发展的格局，为我们带来前所未有的机遇与挑战。
2025-02-05 23:36:55
1099
原创 大模型技术对大数据生态链的全面革新
在数字化浪潮汹涌澎湃的当下，大数据和人工智能技术已成为推动各行业发展的关键力量。其中，大模型技术的崛起，正深刻地改变着大数据生态链的格局，为数据的处理、分析与应用带来了前所未有的变革。今天，就让我们一同深入探讨大模型技术对大数据生态链的多维度影响，并结合实际案例展开分析。
2025-02-05 23:18:12
1103
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人