博客作者
年少轻狂
327
已发布文章
13K
博客获赞
661K
博客浏览
第 15 页
Linux 系统中存在用户缓冲区和内核缓冲区。C 语言库函数如 printf 先写入用户缓冲区，系统调用 write 直接写入内核缓冲区。重定向会改变缓冲策略，显示器为行缓冲，文件为全缓冲。fork 操作会导致未刷新的用户缓冲区被复制，造成数据重复。理解缓冲区刷新机制对调试 IO 问题和优化性能至关重要。
介绍基于 FastGPT 平台集成 MCP 协议构建工具增强型智能体的方法。涵盖 MCP 协议原理、工具集创建与测试、模型调用方式及私有化部署方案。重点讲解了如何通过 MCP-Proxy 聚合多个服务并配置 FastGPT 环境，最终实现智能体对外部工具的灵活调用与扩展，提升应用智能化水平。
基于 SpringBoot 的人脸识别课堂考勤系统采用 Java 与 Spring Boot 框架构建，结合 MySQL 数据库与百度 AI 人脸比对接口。系统包含管理员、教师、学生三种角色，涵盖用户管理、班级课堂信息维护、人脸考勤、请假审批及缺勤登记等功能。通过 B/S 架构实现 Web 化操作，解决了传统手工考勤效率低、易出错的问题。经测试，系统运行稳定…
C++ 类和对象（中）主要讲解默认成员函数，包括构造函数、析构函数、拷贝构造函数及赋值运算符重载。文章阐述了编译器自动生成机制与手动实现的区别，重点分析了浅拷贝与深拷贝在资源管理中的重要性，并通过日期类 Date 的完整实现演示了运算符重载（比较、算术、流操作）及 const 成员函数的用法。内容涵盖对象生命周期管理、内存安全及代码规范。
Neat Download Manager (NDM) 是一款轻量级多线程下载工具，支持 Windows 和 macOS 系统。 NDM 的安装步骤、基础配置方法以及主流浏览器的插件安装指南。通过对比测试，使用 NDM 下载文件可显著提升速度，适合需要高效下载资源的用户使用。
昇腾 NPU 部署与测评 CodeLlama-7b-Python 模型全过程。涵盖环境配置、PyTorch + torch_npu 安装、Hugging Face 镜像加速下载、FP16 精度推理验证及多场景性能基准测试。结果显示在 fp16 精度下单请求生成速度约 17.5 tokens/s，启用批处理 batch=4 后总吞吐提升至 69.71 toke…
Supabase 是基于 PostgreSQL 的开源后端服务框架，提供数据库、认证、存储及边缘函数等基础设施。 Supabase 的核心功能，包括通过插件扩展数据库能力、配置 RLS 行级安全策略保障数据安全、使用 SDK 在前端直接操作数据库、以及文件存储和实时推送功能。同时涵盖了本地 Docker 部署的具体步骤，帮助开发者从零开始构建全栈应用，实现前…
基于 Ubuntu 22.04 与 RTX 50 系列显卡，记录 BeyondMimic 完整运行环境的搭建过程。涵盖 Isaac Sim 与 Isaac Lab 的版本匹配、Conda 虚拟环境配置、WandB 数据管理集成及策略训练流程。重点解决新架构显卡驱动兼容性、Python 依赖冲突及仿真器启动问题，提供从环境初始化到策略评估的实战步骤与常见故障排…
大模型技术学习涵盖应用场景如 Prompt 工程、AI Agent、私有知识库及微调训练。建议从 Python 基础入手，掌握向量数据库与 LangChain 框架，进行本地开源模型部署。进阶需理解机器学习、深度学习（Transformer）、NLP 基础及 LLM 架构分支。深入方向包括预训练、微调（LoRA/QLoRA）、RLHF 及生产环境部署。旨在帮…
网络安全关乎个人与企业财产安全。身份安全是网络防御的第一道防线，85% 的数据泄露涉及人为因素。常见攻击手段包括钓鱼、密码破解、撞库及注入攻击。企业应实施多因素认证、严格密码策略、最小权限模型及零信任架构，以应对不断演变的网络威胁，保障业务连续性与数据安全。
网络安全行业自学与转行建议。首先需明确是否真正热爱该领域及具备持续学习习惯，认清攻防技术工作的本质而非幻想高薪或权力。入行建议集中时间学习渗透测试技能，尽快获得实战机会，优先选择能提供实际演练环境的工作岗位。发展路径遵循网络基础、Web 安全、编程能力、内网安全等顺序积累，保持耐心与行动力是成功的关键。
大型语言模型（LLM）领域呈现繁荣态势，涵盖 Google、Meta、OpenAI 及开源社区等多方力量。文章梳理了各厂商基座模型与技术路线，包括 Google 的 PaLM 系列、Meta 的 LLaMA 系列、OpenAI 的 GPT 系列以及 Anthropic、BigScience 等机构的模型。内容涉及参数规模、开源状态及指令微调情况，旨在厘清大模…
吴恩达总结了提升生成式 AI 模型能力的核心方法，包括增强推理能力、扩展上下文窗口以及优化提示词策略。文章指出，随着 GPT-4o 和 Gemini 1.5 Pro 等模型的发布，长上下文和多模态支持成为关键趋势。开发者应尝试编写详细的 Mega-prompt，利用少样本或多样本学习，并通过迭代优化指令及任务分解来提升应用效果。建议参考 Medprompt…
深入解读大语言模型（LLM）的技术细节，涵盖 GPT、LLaMA、ChatGLM 等模型的架构差异，包括 Tokenizer、位置编码、层归一化及激活函数选择。同时概述了分布式训练技术，如数据并行、张量并行、流水线并行及 ZeRO 优化器。最后探讨了参数高效微调方法，如 Prompt Tuning、LoRA 等，旨在帮助开发者理解大模型核心原理与工程实践。
深入分析了 OkHttp 与浏览器在网络请求中的行为差异，涵盖 TCP/IP 协议基础、HTTP 连接管理、OkHttp 拦截器机制、Retrofit 动态代理原理以及 Netty 服务端构建等核心知识点。通过对比持久连接与非持久连接、粘包处理、心跳检测等技术细节，帮助开发者理解底层网络编程模型，解决跨平台网络请求异常问题，并提供实际开发中的最佳实践建议。
详细分析了 Python 在七大技术岗位中的应用方向，包括 Web 后端开发、爬虫、数据分析、AI 工程师、自动化运维、自动化测试及游戏开发。针对每个岗位介绍了核心技术栈、典型代码示例、薪资范围及能力要求。文章强调除技术硬实力外，还需注重法律法规遵守、业务理解能力及持续学习习惯，为从业者提供职业规划参考。
详细解析了大模型的基础概念、训练流程及硬件需求。文章从 ChatGPT 命名入手，解释了生成式、预训练、Transformer 等核心技术，阐述了 SFT 和 RLHF 在模型对齐中的作用。同时分析了 GPU 算力对比、智算集群建设模式及云计算厂商的角色。此外，探讨了大模型对就业的影响、潜在风险及未来产业趋势，并补充了常见误区与技术细节，旨在帮助读者建立体系…
探讨了大模型在机器视觉行业的落地路径。文章分析了大模型与传统 AI 的区别，指出大模型具有高泛化能力和少样本学习能力，但也面临成本高、需二次训练的挑战。内容涵盖了大模型本质、垂直领域应用策略、模型小型化技术、算力服务模式以及具身智能在机器人领域的应用。同时补充了数据隐私、边缘计算部署及模型迭代机制等技术细节，总结了行业面临的机遇与未来发展趋势。
大模型 Agent 的工具调用方案主要分为基于 Prompt 和基于指令微调两类。对比了 Toolformer 和 Gorilla 两种微调方案，分析了其在样本构造、API 泛化及推理效果上的差异。此外，针对复杂搜索场景，介绍了包含搜索、检索、综合与行动四个模块的 Search Agent 架构，阐述了如何通过多轮交互与优化排序解决长文本开放问答问题，强调了…
嵌入（Embedding）是将离散数据对象映射为低维稠密向量的技术，使相似对象在向量空间中距离更近。相比 One-hot 和整数编码，Embedding 能捕捉语义信息并降低维度。通过神经网络训练，可构建图像、文本等多模态联合空间，广泛应用于分类、检索及推荐系统。详细讲解了向量空间数学基础、嵌入构建原理及 PyTorch 代码实现。
