博客作者
大数据开发工程师
328
已发布文章
6.8K
博客获赞
343K
博客浏览
第 15 页
35 岁程序员王华面临公司提出的降薪、调岗或主动辞职的选择，引发对职场稳定性和自身价值的担忧。文章分析了公司可能因经济压力调整结构而非针对个人能力，指出职场变化是常态，尤其对于 35 岁程序员而言。建议保持积极态度，根据情况选择留任或寻找新机会，同时强调持续学习、适应变化以及谨慎管理财务规划的重要性，将挑战视为重新审视职业目标和提升自我的机会。
Python 作为人工智能领域的核心语言，在国家战略支持下需求持续增长。 Python 的政策背景、市场需求及薪资水平，并梳理了从基础语法到面向对象编程的系统学习路径，适合零基础学习者参考。
三种使用 Python Turtle 库绘制樱花的方案。第一种实现动态生成的樱花树结构；第二种增加了花瓣飘落的视觉效果；第三种优化了背景为暗色模式以增强对比度。代码利用递归算法模拟树枝生长，结合随机数控制颜色与位置，无需外部依赖即可运行。
Stable Diffusion 安装与常见问题解决介绍了在 macOS 系统下部署 Stable Diffusion WebUI 的完整流程。主要步骤包括安装 Homebrew 和 Python 环境，克隆官方仓库，配置模型目录。针对运行中常见的 Python 版本冲突、PyTorch 版本不匹配导致无 SDP 后端、OpenCV 依赖报错以及显存不足导致…
探讨了大语言模型（LLM）参数规模与性能提升的关系，即 Scaling Law。通过分析神经网络中单个神经元的工作原理，解释了权重（w）、偏置（b）及激活函数的作用。重点介绍了 Sigmoid、Tanh、ReLU 等常见激活函数的特性及其在解决梯度消失问题上的差异，为理解 LLM 的智能涌现提供了基础理论支撑。
大模型推理框架的定义、核心指标及主流方案对比。框架作为软件组件规范，旨在解决复杂问题并支持开发者快速实现需求。大模型推理框架主要关注吞吐量与延迟两个关键指标。文中详细对比了 vLLM、Transformers、HuggingFace TGI、DeepSpeed、Llama.cpp、TensorRT-LLM 等十二种框架的优缺点及适用场景。例如 vLLM 在吞…
Android 开发跳槽面试涉及技术广度与深度，提供系统的面试准备策略与核心高频面试题解析。内容包括跳槽时机选择、在职面试技巧、Java 基础与 JVM 原理、Android 组件与生命周期、内存优化、IPC 机制、Framework 底层原理（Binder/Handler/AMS）、Flutter 架构、音视频基础及算法题详解。文章旨在帮助开发者梳理知识体…
探讨了 Python 爬虫的多种变现途径，包括承接外包项目、整合数据构建产品、辅助股票交易以及运营自媒体。文章分析了各模式的优缺点及所需技能，涵盖数据抓取、清洗、存储等核心技术点，并强调了法律合规与风险控制的重要性。适合希望利用爬虫技术实现副业收入的技术人员参考。
在 Linux Debian 系统上安装和配置 PyCharm 社区版的完整流程。涵盖从官方下载压缩包、解压至/opt 目录、设置 Python 解释器、配置文件编码模板、创建桌面启动图标到卸载清理的全过程。同时补充了依赖环境检查及常见中文输入问题的解决方案，确保开发环境稳定可用。
OpenBioLLM-Llama3 是 Saama AI Labs 与 Open Life Science AI 联合开发的医疗领域开源大语言模型，基于 Llama3 架构，包含 70B 和 8B 版本，性能在生物医学任务上优于 GPT-4 等竞品。详细记录了基于 llama-cpp-python 库的本地部署流程，涵盖环境依赖安装、GGUF 量化模型下载、…
深入解析了大模型微调（Fine Tuning）的核心概念、应用场景及技术路线。文章首先阐述了微调的定义及其相对于 Prompt Engineering 的优势，包括降低成本、提升领域适应性及保障数据安全。随后详细介绍了全量微调（FFT）与参数高效微调（PEFT）的区别，重点讲解了 Prompt Tuning、Prefix Tuning、LoRA 及 QLoR…
大语言模型的四种主流微调技术：SFT 监督微调、LoRA、P-tuning v2 以及 Freeze。SFT 通过复制源模型参数并微调输出层，适合数据充足场景但成本高。LoRA 通过低秩分解矩阵注入，仅训练少量参数，显著降低显存消耗且无推理延迟。P-tuning v2 改进了 P-tuning v1，通过多层 prefix 和多任务学习解决序列标注任务问题。…
深入分析了 Android EventBus 框架的源码实现。文章首先介绍了 EventBus 的基本用法及与广播的区别，阐述了其基于观察者模式的原理。随后详细剖析了 register、post、unregister 三大核心方法的源码流程，包括单例模式、订阅方法查找、线程模式分发机制以及粘性事件处理。重点解释了 CopyOnWriteArrayList 在…
大模型幻觉指生成虚假、误导或无关答案的现象，可能源于训练数据缺失或误解。常见类型包括无意义输出、无关输出、提示矛盾、句子矛盾及事实矛盾。检索增强生成（RAG）是一种无需重新训练模型即可减轻幻觉的有效策略。RAG 通过检索、增强、生成三步流程，利用外部知识库增强模型上下文。设计有效 RAG 需关注提示词、知识库、嵌入模型及向量存储四大组件。优化方向包括改进提示…
AI 大模型学习涵盖提示工程、检索增强生成、模型微调及部署。梳理了从零基础到商业闭环的系统化路径，包括 Prompt 优化技巧、RAG 架构搭建、LoRA 微调方法及 vLLM 部署实践，旨在帮助开发者构建垂直领域应用并理解底层原理。
基于 Mistral 7B 和 Llama2 7B 开源模型构建本地 AI 聊天机器人的完整流程。内容涵盖环境配置、使用 ctransformers 加载 GGUF 量化模型、实现流式输出以提升交互体验、利用 Panel 库构建 Web 聊天界面，以及通过 LangChain 框架进行高级集成。文章还提供了多模型对比方法和性能优化建议，旨在帮助开发者在本地资…
详细演示了如何在本地环境部署谷歌开源大模型 Gemma，涵盖 Ollama 安装、模型拉取及 JAN AI 界面配置流程。同时分析了不同参数量模型对显存的要求，并结合 CUDA 生态提供显卡选购建议，帮助用户实现低成本、高隐私的本地 AI 推理体验。
LoRA（Low-Rank Adaptation）是一种用于大语言模型微调的高效技术，通过更新低秩矩阵减少计算量。基于 Sebastian Raschka 的研究，详细讲解了从零构建 LoRA 层的 PyTorch 实现方法。实验使用 DistilBERT 模型在 IMDb 数据集上进行文本分类，结果显示 LoRA 测试准确率达 92.39%，优于仅微调最后…
Agent 是能够自主规划并执行任务的系统，区别于预定义的工作流。构建 Agent 需权衡延迟与成本，仅在必要时引入复杂性。核心模式包括增强型 LLM、提示链、路由、并行化、协调器 - 工作器及评估器 - 优化器。Agent 适用于开放式问题，需配合沙盒测试与安全护栏。最佳实践包括保持设计简洁、优先透明度及精心设计工具接口。客户支持与编码是典型应用场景。
讲解 LangChain 中 OutputParser 的用法及 LCEL 链的构建。OutputParser 负责将 LLM 非结构化输出转为格式化数据，支持内置列表解析和自定义 Pydantic 模型。LCEL 通过管道符组合 Runnable 组件，简化代码逻辑。相比传统 invoke 方式，LCEL 提供更简洁高效的链式调用体验，适用于复杂应用开发。
