用 Python 从零搭一套 RAG 系统：40 行跑通，再谈优化

博主头像 大模型接个 API 就能聊天，但真到业务里你会发现一个尴尬的事实：它很聪明，却对你公司的资料一无所知。员工手册、产品文档、项目复盘，它统统没见过。你问它，它不会说 "我不知道"，而是开始一本正经地编。 RAG（Retrieval-Augmented Generation，检索增强生成）就是这件事的工 ...

[最优化技术] 3-9 共轭梯度法

博主头像 共轭梯度法是共轭方向法里最常用的一种。它用相邻两点的梯度差代替海塞矩阵，在新点的负梯度方向上作一次修正，就得到与上一步共轭的新方向，既保留维数步收敛的性质，又不必计算和存储海塞矩阵。本文从共轭方向与梯度的关系讲起，推出共轭系数的表达式，给出迭代步骤与程序框图，并用二元二次函数完整算两步，附可运行的 ... ...

让 LLM 输出不再失控：用 Pydantic 校验大模型输出

博主头像 你在 prompt 里写了 "请返回 JSON"，模型返回的大概率不是一段干净的 JSON，而是一段话：开头一句"好的，这是抽取结果"，中间一个 ```json 围栏，结尾还跟一句"希望对你有帮助"。 字段本身也未必靠谱，比如工作年限写成"五年"，期望薪资写成"15k左右"，偶尔还漏掉一两个 key ...

【HarmonyOS SDK Skills】快速适配鸿蒙窗口智感旋转能力

博主头像 当用户改变设备握持姿势时，设备屏幕旋转方向可能不符合预期；关闭自动旋转后，部分场景如视频全屏等又需手动切换方向。对开发者而言，窗口旋转适配也面临一定成本：设备形态多样、场景组合复杂，策略与页面适配需兼顾多种情况，部分特殊场景还需单独配置逻辑，适配与调试工作量大。 HarmonyOS 7.0 及以上版 ...

老旧办公电脑安装Linux系统（1）——初步印象

老旧办公电脑安装Linux系统笔记 有一批老旧电脑，配置大体是6-8代的i3、i5，4G内存，1T机械硬盘。使用以办公软件（WPS)为主，传输文件通信以微信为主。偶尔浏览网页查资料，播放音视频。Windows系统广告泛滥，严重影响性能，寻求Linux解决方案。目标是“开箱即用”，经过简单配置即可投入 ...

零依赖 C# Office 库到底怎么用——四个场景讲透 Wisdom.Office

博主头像 这是一篇"功能导读"，不是 API 参考，也不是分步教程。参考文档回答"有什么"，教程回答"照着做一遍"，而这篇想回答的是另一个问题：手上有真实业务需求时，该从哪个入口进来、四个场景之间怎么选、以及哪些行为只有真正跑过才知道。 文中的代码全部按仓库里的公开签名写成，数字全部是实测输出（可在 docs ...

你的WorkBuddy不好用，大概率是这些配置没设置好

博主头像 大家好，我是晓凡。 很多小伙伴装好 WorkBuddy 的第一反应，就是赶紧丢个任务进去，看它干活利不利索。 我一开始也这样，用了小半个月，总觉得不对劲：任务跑着跑着就断了、文件不知道存哪儿了、总感觉不够聪明，回复又臭又长，口吻还特别官方。 后来才发现有一堆基础设置，我压根没设置好。 今天把这些设置 ...

这 8 个 NuGet 包，项目直接起飞

博主头像 刚子整理了 8 个经生产环境验证的 NuGet 包，覆盖结构化日志、参数校验、弹性重试、对象映射、轻量 ORM、后台调度、API 文档与性能基准测试，并强调“克制引入”比“盲目堆砌”更重要。 ...

别再只用数组了，这 10 种 PHP 数据结构值得了解

博主头像 别再只用数组了，这 10 种 PHP 数据结构值得了解 PHP 的数组几乎无所不能，甚至包揽了本该由真正的栈、队列或堆更好地完成的工作。以下介绍 10 种常被忽视的内置数据结构。 PHP 的数组既是设计上的杰作，也容易成为开发者的依赖。它同时扮演着有序映射、列表、栈、队列、集合和查找表的角色。这种灵 ...

低配虚拟机安装 Win10 LTSB 2016 跳转机实录

博主头像 在一些特殊场景下，不得不使用 Windows 系统做跳转。笔者之前的跳转机是 Win7，只占 1G 内存，基础功能够用，但部分现代 Web 应用在 Win7 可用的浏览器上存在兼容性问题，展示效果不理想。因此笔者需要 Win10，以支持更高版本的 Chrome。 笔者没有 Windows 电脑，只能 ...

我把「less-ai-tone 去AI味」做成了一个网页工具

博主头像 去年起，各种「AI 文风鉴定清单」在写作者社群里流传：破折号太多、爱写「不是 A 而是 B」、句子长短太匀。看多了，落笔前总要先自查一遍，越查越不敢写。 这些清单从没被认真检验过。直到我刷到 lieflat-less-ai-tone——629 篇文章、282 万字的人机对照统计，把清单过了一遍筛子。 ...

MySQL进阶教程（三）—— 三大范式和E-R图

博主头像 本文围绕 MySQL 数据库设计，系统讲解三大范式与 E-R 图。先说明第一、第二、第三范式的判定规则，结合反例与拆分方案演示如何消除部分函数依赖与传递依赖，并分析不规范设计带来的数据冗余与增删改异常；再介绍 E-R 图的基本组成与一对一、一对多、多对多三种关系，给出对应的建表 SQL 与逆向查看模... ...

LLM | 大模型训练 / 部署语境下的常用显卡

博主头像 这篇博客面向大模型训练和推理（部署）场景，介绍一下常用的显卡：比如 B 卡、H 卡这些简称是什么意思，算力数字是什么意思、怎么读，各代显卡之间是什么关系。 目录1 NVIDIA 显卡的架构代号2 显卡的算力数字：单位、计算方式、和“这张卡适合干什么”2.1 算力 FLOPS 是什么2.2 稠密算力 ...

如何用AI帮我写出实用的插件

博主头像 前言 以前总有一些想做但是没做的小工具，想法攒了一堆，真到动手的时候又开始嫌麻烦：要搭环境、要写界面、要处理各种系统差异，最后往往就放下不了了之。然后最近有时间的时候，就在家让AI来实现，我只负责出需求和核对检测，然后使用了一段时间之后，我觉得这些插件功能不错，于是想分享一下，但是这次不想手写博客了 ...

一文搞懂 Agent 工具机制：从 Schema 到 Tool Calling

博主头像 《一文搞懂 Agent 工具机制：从 Schema 到 Tool Calling》 一、什么是 Agent Tool？ 在 Agent 系统中，Tool（工具）是大模型与外部环境交互的桥梁，让原本主要负责理解和生成文本的 LLM，能够读取文件、执行代码、搜索信息，甚至操作其他软件。 例如，用户要求： ...

123···100>