博客 RSS 訂閱

u_16213598 頭像

mob64ca13fbd761 - llamafactory 修改loss

貌似大多時候我們創建一個對象最終都是用new運算符生成的 反射允許我們動態的加載類,也就是説完全可以在配置文件裏決定究竟要選用哪個類 這樣,就可以把數據庫工廠,皮膚等寫成類放在dll中,通過修改配置文件隨意的改變 如我們有一個數據庫工廠接口IDatabaseFactory,兩個數據庫工廠類實現這個接口

null , llamafactory 修改loss , 文心一言 , assembly , 數據庫 , aigc , c

收藏 評論

coderdd 頭像

程序猿DD - 上下文協議（MCP）Java SDK 指南

當我們把各種內部系統、數據源、工具接入大語言模型時，往往會遇到一個尷尬的問題：每個團隊、每套系統都有自己的一套“接入規範”。有的用 HTTP API，有的用消息隊列，有的直接連數據庫，最後一圈串下來，既難以統一治理，又很難在不同應用之間複用。這時，你可能會問：有沒有一種通用的協議，既能讓 AI 模型方便地調用外部工具、訪問數據，又能讓後端服務方用標準方式暴露能力？ Model Context Pr

JAVA

收藏 評論

u_16175505 頭像

mob649e816594b7 - llama3 Windows關閉啓動

當我們在使用 Llama3 的 Windows 版本時，有時會遇到“Llama3 Windows關閉啓動”的問題。這個問題可能由於多種原因導致，如依賴庫、配置不當或代碼的兼容性問題。本文將逐步探討如何解決這一問題，包括版本對比、遷移指南、兼容性處理、實戰案例、排錯指南以及生態擴展等多個方面。 版本對比 為了有效對比不同版本的 Llama3，我們首先需要了解各個版本的特性和兼容性。

windows , 新版本 , 依賴庫 , aigc

收藏 評論

u_16175493 頭像

mob649e8162c013 - idea調出copilot

在現代軟件開發中，IDE（集成開發環境）是開發者們的得力助手。而 JetBrains 的 IntelliJ IDEA 更是憑藉其強大的功能成為了許多開發者的首選。然而，對於一些用户來説，如何在 IDEA 中調出 Copilot 卻成了一項挑戰。本文將詳細探討這個問題，包括背景定位、參數解析、調試步驟、性能調優、最佳實踐以及生態擴展。 背景定位 在開發過程中，IDE 提供的不僅是代

開發效率 , 性能調優 , API , aigc

收藏 評論

u_16213305 頭像

mob64ca12d1a59e - llama_index windows

llama_index windows是一個用於構建和查詢索引的數據分析庫，最近在Windows環境下使用時出現了一些問題。很多開發者在配置和使用過程中，反饋了各種疑問與挑戰。這個博文將通過詳細的步驟和技巧，幫助大家解決“llama_index windows”相關問題。 “我總是遇到llama_index在Windows上配置的問題，不知道該如何調整，尤其是環境變量和依賴庫

windows , 依賴庫 , aigc , sqlite

收藏 評論

u_16213381 頭像

mob64ca12e4594b - Xinference ollama 哪個 使用 多

Xinference與Ollama都是當下備受關注的AI推理框架，許多開發者在選擇其中一個時，都希望瞭解這兩個框架各自的使用情況和優勢。本文將圍繞如何解決“Xinference和Ollama哪個使用多”的問題進行詳細記錄，包括背景定位、參數解析、調試步驟、性能調優、排錯指南以及最佳實踐。 背景定位 在AI推理領域，Xinference和Ollama都被廣泛應用於不同的場景。隨着業

aigc , 配置項 , 開發者 , Python

收藏 評論

u_16175446 頭像

mob649e81576de1 - ubuntu ollama 每次都要 ollama run

在使用 Ubuntu 和 Ollama 的過程中，很多開發者在每次使用 Ollama 時都要重新運行 ollama run，這顯然給我們的工作帶來了很多不便和困擾。下面將詳細記錄下如何解決“ubuntu ollama 每次都要 ollama run”這一問題的過程。 背景定位 在使用 Ollama 的過程中，用户在每次想要使用模型時都需要執行 ollama run，這會對開發和測

配置文件 , Time , aigc , 配置項

收藏 評論

u_16213388 頭像

mob64ca12e60047 - Copilot初始化Key

在現代軟件開發中，利用AI工具提升開發效率已成為一種趨勢，“Copilot初始化Key”則是使用Copilot的第一步。接下來，我將帶大家一起復盤如何解決這一問題，並提供一套完整的指導方案，從環境準備開始，分步指南，深入配置詳解，直到最終驗證測試，確保您能順利實現Copilot的初始化。 環境準備 在開始之前，我們需要確保我們的環境已經準備就緒。以下是關於軟件和硬件的要求，以及相

使用場景 , 初始化 , 配置文件 , aigc

收藏 評論

zhaoqianglaoshi 頭像

趙渝強老師 - 【趙渝強老師】國產金倉數據庫的數據庫集羣

金倉數據庫的邏輯存儲結構主要是指數據庫中的各種數據庫對象，包括：數據庫集羣、數據庫、表、索引、視圖等等。所有數據庫對象都有各自的對象標識符oid（object identifiers）,它是一個無符號的四字節整數，相關對象的oid都存放在相關的系統目錄表中，比如數據庫的oid和表的oid分別存放在sys_database,sys_class表中。下圖展示了金倉數據庫的邏輯存儲結構。 金倉數

數據庫 , postgresql

收藏 評論

u_14230 頭像

爛漫樹林 - xaml 綁定索引

Window、Grid、TextBox、Button等，都叫元素 xaml文檔中，用來定義標籤，標籤可以用來描述元素或元素的屬性，如： Window 　　　　Window.Resources 　　　　/Window.Resources 　　/Window Window是元素，Resources是Window的一個屬

xaml 綁定索引 , 命名空間 , 大數據 , 數據倉庫 , xml , ide

收藏 評論

daoqiangburudewandou 頭像

刀槍不入的豌豆 - 全開源上門服務+預約家政小程序源碼快速搭建保姆級教程

本教程將詳細介紹如何使用開源家政小程序源碼快速搭建一個功能完整的上門服務預約平台。該系統採用前後端分離架構，包含微信小程序前端、Spring Boot後端管理系統，支持服務預約、在線支付、服務人員管理、多區域服務等核心功能。 技術選型 前端技術棧： 源碼及演示：j.yunzes.top/er 框架：微信小程序原生框架（WXML、WXSS、JavaScript），支持快速

小程序

收藏 評論

u_16213398 頭像

mob64ca12e86bd4 - python DeepSeek 文件內容問答

在這篇博文中，我將討論如何使用 Python DeepSeek 來實現文件內容問答的功能。DeepSeek 是一種深度學習模型，能夠理解與處理文本數據，讓文件檢索和問答變得更加高效。我將以環境準備、集成步驟、配置詳解、實戰應用、排錯指南和性能優化等方面來詳細闡述這個過程。 環境準備 首先，我需要為這個項目準備好合適的環境。在技術棧兼容性方面，我確認了以下工具和技術：

技術棧 , aigc , Python

收藏 評論

aloudata 頭像

Aloudata大應科技 - 大火的 ChatBI，是如何實現靈活的自然語言數據分析？

在數字化轉型的浪潮中，隨着數據已成為企業寶貴的資產，數據分析的需求日益增長。傳統 BI（商業智能）工具雖能提供強大的數據可視化能力，但需要依賴 IT 代碼開發、集中式報表製作的模式，已難以滿足現代企業快速變化、靈活多變的數據分析需求。 AI 大模型的爆發，使得 ChatBI（對話式商業智能）應運而生，其支持通過自然語言對話式的方式實現數據分析。這對業務人員而言，不僅簡化了數據分析流程，更無需依賴

數據挖掘 , 自然語言 , etl , 人工智能 , 數據分析

收藏 評論

beishangdebanma 頭像

悲傷的斑馬 - TIOBE 2025年12月編程語言排名：Java退居第四，Python、C、C++領跑

在TIOBE最新發布的2025年12月編程語言排行榜中，一場持續數年的技術格局變革迎來關鍵節點：Python以絕對優勢蟬聯榜首，C語言憑藉C23標準升級重返第二，C++穩居第三，而曾長期佔據前三的Java首次跌至第四。這一排名變化不僅折射出技術演進方向，更揭示了開發者需求與產業生態的深層變革。 最新榜單：傳統與新興的激烈碰撞 排名劇變背後的三大驅動力 Python：AI時代的“通用語言

rust , 編程語言 , c++ , 爬蟲 , Python

收藏 評論

fanshadezhuantou_bvow8t 頭像

Apispace - 快遞物流訂閲與推送API：提升物流效率，優化客户體驗

引言 在當今快速發展的電商和物流行業中，消費者對快遞服務的要求越來越高，特別是在物流追蹤和實時通知方面。無論是訂單配送的實時追蹤，還是推送的配送進度更新，消費者對物流信息的即時獲取已經成為一種常態化需求。與此同時，企業也面臨着如何優化配送流程，提高用户滿意度和忠誠度的挑戰。 為了解決這一問題，快遞物流訂閲與推送 API應運而生。這項創新的技術不僅幫助企業提供實時、精準的物流信息推送服務，還能大幅提

API

收藏 評論

u_16213399 頭像

mob64ca12e8a030 - docker 部署 diffusion

在這篇博文中，我將記錄如何使用Docker部署Diffusion模型的全過程，包括環境準備、分步指南、配置詳解、驗證測試、排錯指南和擴展應用，各個部分都有詳細的圖表和代碼示例，便於讀者理解和使用。 環境準備 在部署Diffusion模型之前，確保你的系統滿足以下軟硬件要求： 硬件要求： 最低4GB RAM，推薦8GB以上 支持G

dockerfile , aigc , Docker

收藏 評論

twiss 頭像

兔絲 - FastAdmin框架SSE實時消息推送實現教程

一、前言：什麼是SSE？ SSE（Server-Sent Events，服務器發送事件）是一種基於HTTP的服務器向客户端單向推送實時數據的技術，與WebSocket的雙向通信不同，SSE更適用於服務器向客户端主動推送、客户端僅接收的場景（如實時通知、消息提醒、數據監控等）。 本教程基於FastAdmin（TP5.1內核）實現SSE推送，包含完整的後端接口、前端頁面及交互邏輯，可直接複用並根

bootstrap , 服務器 , php

收藏 評論

daoqiangburudewandou 頭像

刀槍不入的豌豆 - 虛擬線程與有棧協程：Java併發模型演進的關鍵突破

引言：併發編程的演進之路 在計算機科學的發展歷程中，併發編程始終是提升系統性能、充分利用硬件資源的核心課題。Java作為企業級應用開發的主流語言，其併發模型經歷了從最初的線程/鎖模型，到線程池優化，再到如今的虛擬線程與有棧協程的重大演進。這一演進不僅反映了軟件工程思想的進步，更是對現代硬件架構變化的積極響應。 傳統的操作系統線程（內核線程）雖然提供了強大的併發能力，但存在創建成本高、上下文切換開銷

JAVA

收藏 評論

smalbox 頭像

SmalBox - 【節點】[ColorspaceConversion節點]原理解析與實際應用

【Unity Shader Graph 使用與特效實現】專欄-直達 在Unity的Shader Graph中，Colorspace Conversion節點是一個功能強大且實用的工具，它允許開發者在不同的顏色空間之間進行轉換。理解這個節點的工作原理和應用場景對於創建高質量的着色器效果至關重要。顏色空間轉換在計算機圖形學中扮演着關鍵角色，它影響着顏色的表示方式、計算精度以及最終渲染結果的外觀。

遊戲開發 , unity3d , 圖形學

收藏 評論

grapecity 頭像

葡萄城技術團隊 - 用 .NET 最小化 API 構建高性能 API

用 .NET 最小化 API 構建高性能 API 引言 在當今快速發展的應用開發領域，構建快速、可擴展且可維護的API已成為現代應用的關鍵要求。隨着.NET技術的不斷演進，微軟推出了最小化API(Minimal APIs)這一創新架構，旨在簡化API開發流程同時顯著提升性能。最小化API通過減少模板代碼、優化啓動時間，讓開發者能夠專注於業務邏輯而非框架複雜性，為構建高性能API提供了全新的解決方案

.net

收藏 評論

itpaiqiujun 頭像

it排球君 - 追蹤鏈路--使用iptables/ipvs來記錄後端pod真實ip

前言 之前使用nginx-ingress-controller來記錄後端真實ip，但是有位老哥説了，我沒有用nginx-ingress-controller，而是用的原生nginx，這時候又當如何記錄後端真實ip的問題呢 環境準備 nginx: upstream backend_ups { server backend-service:10000; } server { list

微服務

收藏 評論

u_16213382 頭像

mob64ca12e4972a - ollama 內網穿透工具

ollama 內網穿透工具是一個高效的工具，旨在幫助用户在局域網環境中進行服務訪問和數據傳輸，通過建立安全的隧道實現內網與外網之間的通信。然而，在實際應用中，我遭遇了一些問題，這篇博文記錄瞭解決“ollama 內網穿透工具”相關問題的整個過程。 問題背景 隨着遠程辦公和雲服務的普及，越來越多的企業和開發者需要安全地將內網服務暴露給外網用户。使用“ollama 內網穿透工具”能夠有

連接超時 , 無法連接 , 內網穿透 , aigc

收藏 評論

kingshuaishuai 頭像

king帥帥 - 為了解決 AI 流式輸出的重複解析問題，我發佈了 incremark：普通情況下 AI 流式渲染也能提速 2-10 倍以上

我發佈了週末開發的 incremark，實際性能遠超預期——在 AI 流式場景中通常實現了 2-10 倍以上的速度提升，對於更長的文檔提升更大。雖然最初打算作為自己產品的內部工具，但我意識到開源可能是一個更好的方向。 解決的痛點問題 每次 AI 流式輸出新的文本塊時，傳統的 markdown 解析器都會從頭開始重新解析整個文檔——在已經渲染的內容上浪費 CPU 資源。Incremark 通過只解析

編輯器 , 人工智能 , typescript , 前端 , Javascript

收藏 評論

u_16213402 頭像

mob64ca12e95b2b - GitHub Copilot和通義靈碼

在當今的軟件開發過程中，GitHub Copilot 和通義靈碼作為先進的代碼生成和輔助工具，正在逐步改變開發人員的工作方式。然而，隨着這種技術的普及，如何高效地管理代碼及其備份、恢復以及災後響應成為了每個開發團隊都必須面對的重要課題。本文將詳細介紹如何通過一套完善的備份策略、恢復流程、災難場景分析、工具鏈集成、預防措施及遷移方案來應對這些挑戰。 備份策略 為了確保代碼數據的安全

數據丟失 , 數據 , bash , aigc

收藏 評論