歆格
码龄9年
求更新 关注
提问 私信
  • 博客：1,271,175
    动态：797
    视频：3
    1,271,975
    总访问量
  • 4,606
    原创
  • 776
    排名
  • 34
    粉丝
  • 2,000
    关注
IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）
IP 属地：湖南省
加入CSDN时间： 2017-05-24

个人简介：拥有多元化背景的算法专家。擅长将 AI 技术与艺术、音乐、设计等领域结合，致力于探索技术与人文的交叉创新。

博客简介：

weixin_29048309的博客

查看详细资料
个人成就
  • 获得16,194次点赞
  • 内容获得0次评论
  • 获得21,568次收藏
  • 代码片获得419次分享
创作历程
  • 4518篇
    2026年
  • 2篇
    2025年
  • 2篇
    2024年
  • 147篇
    2021年
  • 22篇
    2020年
成就勋章
创作活动更多

【多重好礼】鸿蒙心迹 · 开发录原创征稿活动

鸿蒙开发者的实战经验，值得被记录。从踩坑排查到项目复盘，从工具脚本到学习笔记，每一段真实的开发经历，都是社区最宝贵的技术资产。「鸿蒙心迹 · 开发录」正式启航，不限主题、随时可写，只要是鸿蒙开发相关的真实经验都欢迎投稿。 本活动为 [HarmonyOS 7.0 创新内容共创季](https://builderx.csdn.net/activity-site/harmonyos/activity2026)双轨征文之一，与[「共创季 · 稿事节」](https://harmonyosdev.csdn.net/6a97f0de2b83d06f0ecadec5.html)深度征文互补——「稿事节」写深度技术长文，「开发录」写日常开发实战笔记。 「开发录」每月一期，12月截止，本季共三期，投稿即有机会获得京东卡、CSDN博客流量券、亿万Token、社区定制周边好礼！

126人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多

  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

从零构建tick级股票行情面板：架构设计与性能优化实战

在金融数据可视化领域，实时行情面板是量化交易与盯盘工具的核心组件。其技术原理基于流式数据处理管道，通过归一化、聚合计算与状态管理，将高频tick数据转化为可渲染的时序指标。技术价值在于实现低延迟、高并发的数据更新与细粒度渲染，避免全量重渲染带来的性能瓶颈。典型应用场景包括自选股实时监控、分时图展示与涨跌幅预警。本文以tick-stock-panel项目为例，深入拆解从数据接入、聚合计算到图表渲染的完整实现路径，并分享断流重连、内存泄漏排查等工程避坑经验，帮助开发者构建稳定高效的行情看板。
原创
博文更新于 9 小时前 ·
219 阅读 ·
0 点赞 ·
0 评论 ·
3 收藏

基于MCP与Docker的LLM Agent记忆系统：hindsight实战指南

LLM Agent的记忆机制是当前工程实践中的关键瓶颈，传统RAG仅解决静态知识检索，无法沉淀动态经验。Agent Memory通过记录操作轨迹、LLM归因提炼、向量索引检索三层架构，实现跨会话的经验复用。MCP协议提供标准化记忆服务接口，Docker保障环境一致性与资源隔离，二者结合让Agent具备“后见之明”。在Dify、LangChain等框架构建的多步骤任务系统中，该方案可显著降低重复错误率，提升任务执行效率。hindsight项目正是这一技术链路的完整落地实践。
原创
博文更新于 10 小时前 ·
121 阅读 ·
1 点赞 ·
0 评论 ·
2 收藏

Model-Optimizer：PyTorch训练优化配置与调参实战指南

深度学习模型训练中，优化器选型、学习率调度、梯度裁剪、EMA与混合精度的协同顺序，往往比模型结构本身更影响最终收敛效果。PyTorch等框架虽提供原生优化器，但真实工程场景需要将warmup、余弦退火、梯度裁剪与AMP、DDP等机制统一编排，才能避免训练发散或loss震荡。正确理解SGD与AdamW的差异、按batch粒度设计学习率曲线、掌握GradScaler的unscale顺序，是提升模型泛化能力的关键工程实践。本文源自Model-Optimizer项目的完整复盘，给出了一套可配置、可复现的训练优化模块
原创
博文更新于 10 小时前 ·
92 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

AI Agent 接管终端：用 CLI-Anything 实现命令行自动化实战

大模型与终端的结合正在催生新的自动化范式。通过模型上下文协议（MCP），AI Agent 能调用执行命令、读取文件等工具，在真实 shell 环境中完成“观察-决策-执行-校验”的闭环。这种做法解决了传统聊天式 AI 只给建议、脚本难以应对变化的问题，让命令行操作从人工记忆和试错中解放出来。无论是日志排查、批量文件整理，还是命令学习与运维巡检，LLM+终端的组合都能提供可监督、可干预的自动化能力。以开源项目 CLI-Anything 为例，完整记录其运行逻辑、安装配置、真实任务演示与安全边界，为想落地终端自
原创
博文更新于 10 小时前 ·
65 阅读 ·
2 点赞 ·
0 评论 ·
3 收藏

中小企业本地部署AI智能体实战：从硬件选型到Dify工作流搭建

大模型推理与知识库检索的本地化部署，核心在于将模型、向量数据库与工作流编排运行在企业自有硬件上，实现数据不出内网。其技术价值体现在数据主权、响应确定性与定制自由度，尤其适合制造业、法律、医疗等对数据敏感的行业。典型应用场景包括制度条例学习助手、文档摘要与内部知识问答。通过Ollama、Open WebUI与Dify的组合，中小企业可在有限预算内构建可维护的AI智能体，并借助重排序模型与分段策略优化检索精度。
原创
博文更新于 10 小时前 ·
155 阅读 ·
1 点赞 ·
0 评论 ·
2 收藏

中小企业本地部署AI智能体实战：Ollama+Dify搭建制度问答助手

大语言模型与RAG技术让企业知识问答成为可能，但数据隐私要求催生了本地部署需求。其原理是将模型与向量检索运行在自有硬件上，确保数据全程不出域。技术价值在于兼顾智能问答能力与数据安全，适用于制度查询、技术文档检索、客户资料管理等场景。本文以Ollama和Dify为核心工具链，详细拆解从模型选型、硬件配置到知识库构建与问答应用发布的完整流程，帮助中小企业低成本落地本地AI智能体。
原创
博文更新于 10 小时前 ·
190 阅读 ·
1 点赞 ·
0 评论 ·
1 收藏

优化器选型与工程化配置：大模型训练稳定收敛的实战指南

在深度学习与大模型训练中，优化器直接决定参数更新路径，但仅选对AdamW或LAMB并不足以保证收敛。学习率热身、梯度裁剪、权重衰减作用域和混合精度下的优化器状态管理，往往才是loss震荡或训练停滞的根源。理解优化器原理与外围超参联动，能帮助工程师从“换优化器”的直觉转向系统化定位问题。该能力广泛应用于LLM预训练、LoRA微调与全参微调等场景。从可复现的YAML配置、调度策略封装到训练监控，逐步沉淀为一套工程化训练方案，就是Model-Optimizer的设计思路与实践总结。
原创
博文更新于 10 小时前 ·
33 阅读 ·
0 点赞 ·
0 评论 ·
2 收藏

AI工程化从零到一：模型部署、数据管道与推理服务实战指南

人工智能模型从实验室走向生产环境，核心挑战在于工程化。通过可复现性、可扩展性、可观测性与可维护性四根柱子，AI工程能确保模型持续稳定地产生价值。理解GPU环境、Docker容器化、数据管道分层设计、实验追踪与模型注册，是解决模型部署和推理性能优化问题的关键。无论是算法工程师还是后端开发者，面对业务方严格的延迟与吞吐要求，都需要从数据版本管理到监控、灰度发布的完整链路支撑。本文梳理了从零搭建AI工程体系的必经环节，助你避开常见陷阱。
原创
博文更新于 10 小时前 ·
87 阅读 ·
1 点赞 ·
0 评论 ·
1 收藏

superpowers实战：给Codex CLI装上可自我增长的AI技能系统

大模型驱动的AI编程助手正在改变开发流程，但仅靠对话式提示难以应对复杂项目中的上下文丢失与规范落地问题。Agent Skills作为一种将方法论固化为可执行文档的机制，能让模型在特定任务中遵循标准化流程，降低自由发挥导致的错误率。基于OpenAI Codex CLI的superpowers项目，通过Markdown技能文件为AI扩展代码审查、单元测试生成、重构规划等能力，使模型从被动应答进化为主动执行。这种模式特别适合需要团队规范统一、测试覆盖落地、代码质量强约束的工程实践场景。本文从技能系统原理出发，拆解
原创
博文更新于 10 小时前 ·
25 阅读 ·
0 点赞 ·
0 评论 ·
2 收藏

Tool Calling 2.0 深度解析：如何将Agent上下文消耗降低80%

在AI Agent工程实践中，工具调用是连接模型与外部系统的关键桥梁，但传统的JSON协议往往带来巨大的Token开销，导致上下文窗口被大量协议噪音挤占，既推高成本又影响推理稳定性。为应对这一挑战，新一代工具调用机制从底层重构了表达方式，模型不再生成冗长的JSON文本，而是直接输出紧凑的结构化原语，配合工具注册表实现一次注册、全程复用，从根本上减少了重复的协议信息。该技术特别适合多工具、多轮次的复杂Agent任务，实测中累计输入Token可下降超过80%，输出Token与端到端耗时也同步缩减，显著提升长任务
原创
博文更新于 10 小时前 ·
42 阅读 ·
1 点赞 ·
0 评论 ·
2 收藏

模型优化器实战指南：从SGD到AdamW的选型与调参

深度学习训练的本质，是沿着梯度方向不断迭代模型参数，而优化器则决定了每一步“迈步”的方式与步幅。从最基础的梯度下降出发，优化器逐步演进出动量机制与自适应学习率机制，用以应对高维损失曲面中的峡谷震荡、鞍点停滞等问题。在工程实践中，优化器的选择直接影响模型能否收敛及其收敛速度，AdamW凭借解耦权重衰减策略，成为Transformer系列模型预训练与微调的首选。与此同时，学习率调度、warmup与梯度裁剪等配套手段，同样决定了几十小时算力投入的最终回报。本文系统梳理主流优化器的原理与适用场景，并结合CV、NLP
原创
博文更新于 10 小时前 ·
116 阅读 ·
2 点赞 ·
0 评论 ·
1 收藏

AI代码生成与安全评分的剪刀差：五步防御指南

软件开发正加速进入AI辅助编码时代，GitHub Copilot等工具让代码产出速度显著提升，但安全评分、漏洞密度等指标却未必同步改善。这一现象背后，是安全检测机制滞后于AI生成速度、开发者过度信任AI建议、代码评审流于形式，以及存量评分掩盖增量风险等结构性原因。软件安全的核心逻辑正在变化：传统SAST扫描和事后修复难以跟上AI代码的实时产出，只有将安全能力前置到生成环节，并通过标记AI代码、轻量静态扫描、分层评审、增量风险度量等工程实践，才能重新建立有效的安全反馈回路。该思路适用于团队日常开发、CI/CD
原创
博文更新于 10 小时前 ·
96 阅读 ·
1 点赞 ·
0 评论 ·
3 收藏

LLM Tool Call 从字符串协议到 LangChain 与 LangGraph 实战

大模型工具调用（Tool Call）是让 LLM 从聊天玩具走向生产力系统的关键技术。其核心原理是模型基于 JSON Schema 描述的工具定义，在推理时输出结构化的 tool_calls 字段，由应用层执行后将结果通过 ToolMessage 回传，形成 Agent 循环。这一机制解决了早期字符串协议格式不可靠、语义不明确、多工具易混乱的缺陷，使模型能稳定调用外部 API、数据库和业务系统。在工程实践中，LangChain 通过 @tool 装饰器、bind_tools 和 ToolMessage 提供
原创
博文更新于 10 小时前 ·
173 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

模型压缩与推理加速实战：Model-Optimizer工具链全解析

模型压缩与推理加速是深度学习落地的关键工程问题，目标是在尽量不损失精度的前提下，降低模型体积、计算量与推理延迟。剪枝、量化和知识蒸馏是三大主流手段：结构化剪枝剔除冗余通道，INT8量化将FP32权重压缩为8位整数，蒸馏则让小模型继承大模型的软标签知识。这些技术组合使用，能显著提升CPU、GPU和边缘设备上的部署效率。在图像分类、目标检测等真实业务中，工程师往往需要兼顾模型体积、延迟与硬件适配，因此一套统一配置、可复用的工具链至关重要。Model-Optimizer 正是面向这一场景设计的，集分析、压缩、校准
原创
博文更新于 10 小时前 ·
184 阅读 ·
0 点赞 ·
0 评论 ·
2 收藏

OpenCV年龄性别预测实战：模型原理到代码避坑指南

计算机视觉中的年龄与性别预测本质上属于图像分类任务，依赖深度学习模型对图像特征进行提取与推理。OpenCV作为跨平台计算机视觉库，凭借内置的DNN模块可以无缝加载Caffe、ONNX等预训练模型，开发者无需GPU和繁琐的训练流程，即可快速构建人脸属性分析系统。其核心链路包含人脸检测、图像blob预处理与前向推理三个环节，其中Haar级联与YuNet检测器的选型、blobFromImage参数设置直接影响预测稳定性。基于Caffe架构的年龄网络与性别网络参数规模小、推理速度快，适合安防监控、人机交互、客流统计
原创
博文更新于 10 小时前 ·
153 阅读 ·
3 点赞 ·
0 评论 ·
3 收藏

AI网关落地实践：基于APISIX的大模型调用治理与插件化架构

API网关作为微服务架构中的核心流量入口，承担着路由转发、鉴权限流等基础职责。当大模型应用接入后，网关需要进一步处理模型适配、提示词注入、流式响应与token计费等智能治理任务。其技术价值在于将大模型调用视为一等公民流量，通过插件化架构实现多模型统一接入与关注点分离，避免业务代码重复实现调用逻辑。典型应用场景包括多模型灰度切换、内容安全过滤、token成本管控与可观测性建设。Apache APISIX 在3.x版本后引入AI插件体系，将模型治理能力下沉至网关层，为AI应用提供统一、可观测、可计费的流量治理方
原创
博文更新于 11 小时前 ·
65 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

课堂行为识别系统：Django+YOLOv8轻量部署实战

课堂行为识别是教育AI落地的关键技术，其本质是将视频流中的学生姿态与动作转化为可解释、可管理的教学行为数据。不同于通用动作识别，它需兼顾实时性、鲁棒性与教育语义对齐——依赖轻量模型（如YOLOv8-Pose）保障边缘端低延迟推理，结合人体关键点几何约束提升姿态稳定性，并通过Django构建符合教学管理逻辑的业务闭环。该技术广泛应用于智慧课堂监管、教学行为分析及个性化干预支持，尤其适合高校毕设、教育信息化交付与教研数字化升级场景。本文聚焦真实教室约束下的数据采集规范、模型轻量化设计与教育级Web工程实现。
原创
博文更新于 11 小时前 ·
262 阅读 ·
2 点赞 ·
0 评论 ·
5 收藏

TextIn xParse接入豆包工作：Agent文档解析实战与免费额度解析

文档解析是办公自动化的核心技术，其原理在于将PDF等格式转换为结构化数据，解决大模型处理扫描件、复杂表格时的输入瓶颈。高质量解析能显著提升Agent任务准确率，应用于合同提取、财报汇总等场景。TextIn xParse作为专业解析工具，接入豆包工作平台，提供每日1000页免费额度，降低试错成本。本文分享实测经验，涵盖接入路径、质量评估与批量策略，助力开发者高效实现文档自动化。
原创
博文更新于 11 小时前 ·
73 阅读 ·
3 点赞 ·
0 评论 ·
3 收藏

mspec体验：基于SDD的轻量AI工作流与CLI实战

在AI应用开发中，如何让大模型稳定执行复杂任务？规格驱动开发（SDD）通过先定义输入、输出与验收标准，再交由模型执行，有效解决了传统prompt易丢失细节的问题。其技术价值在于将任务定义与执行分离，提升工作流的可复现性与可维护性。典型应用场景包括数据清洗、代码审查与文档生成等。mspec作为轻量级CLI工具，将SDD理念落地为规格文件与Skill机制，支持与现有code cli、claude cli等工具链配合，实现终端内可复用、可验收的AI工作流闭环。
原创
博文更新于 11 小时前 ·
97 阅读 ·
1 点赞 ·
0 评论 ·
4 收藏

PyTorch实验可复现完整指南：随机种子、依赖锁定与配置归档

机器学习实验的可复现性是工程实践中的核心挑战，尤其在深度学习框架迭代快速的背景下，同一份代码在不同环境下往往产生不一致的结果。其实质涉及随机数生成器控制、依赖版本漂移、算子非确定性等多个底层环节。理解这些原理，能够帮助研究者和工程师构建稳定可靠的实验流程。随机种子管理覆盖Python、NumPy、PyTorch及CUDA多层随机源，而依赖锁定则通过精确版本快照或容器化确保环境一致，配置归档则完整记录每次实验的参数与环境细节。这些技术贯穿模型训练、调参与交付的各个环节，是科研论文验证与工业落地复用的基础保障。
原创
博文更新于 11 小时前 ·
71 阅读 ·
0 点赞 ·
0 评论 ·
2 收藏
加载更多