【摘要】关注公众号回复1 获取一线、总监、高管《管理秘籍》 模型训练俗称炼丹，而炼丹是修士特权，这就显得模型训练离普通人很远了。 虽然是笑谈，但如果对其中情况不太了解确实也会因为其背后深厚、复杂的技术知识以及所需的硬件成本所唬住。 但由于DeepSeek加了一把火，后续出现了很多开源项目，正在将模型训练这个阅读全文 ...继续阅读 (132)

去年下半年开始，花洒的切换阀芯（也叫分水阀芯）就在开水时漏水，虽然不太影响使用，但是会导致浴室没有冲凉也会因为用了水（如用喷头冲下马桶）而地面就会漏一滩水。拆开来后，估计是那些胶圈老化导致吧（我估计是铜柄上面的 2 个黑胶圈）：但懒得购买一坨胶圈——也不确定就能解决，所以最后还是直接整个阀芯换掉吧，于是用 10 几元 tb 了对应的型号（下图）。花 3、4 分钟就换好了。家里的一些日常维修其实不太需要专门请人来搞（钱多动手能力为0懒人党除外），不然请师傅不单要工钱、阀芯还要二次被赚，有些黑心的还会让你直接换整套（听过一些动手能力为 0 的人被骗花了几百上千换了整套的……）。》打赏 | Donation转载请注明转自: 《自己动手修理花洒切换阀芯漏水问题：省钱》 ...继续阅读 (119)

【摘要】1. 什么是Continuous Queries?连续查询是 Drasi 最重要的组件。它们是您告诉 Drasi 要在源系统中检测哪些更改以及检测到更改时要分发的数据的机制。源为订阅的 Continuous Queries 提供源更改，然后为订阅的 Reactions 提供查询结果更改。Contin阅读全文 ...继续阅读 (177)

【引】“读万卷书，行万里路”，旅行是热爱生活的一种方式。作为热爱生活的老码农，将自己在北京的徒步记录为《量步北京》的文字， 将国内的旅行记录为《梦里河山》系列（较近的一篇大约是《西北随笔》了）， 海外的旅行整理为《海外寻踪》专辑，但这一次的英国旅行却是一次不一样的旅程。元代王冕有一首诗《墨萱图（其一）》：灿灿萱草花，罗生北堂下。南风吹其心，摇摇为谁吐？慈母倚门情，游子行路苦。甘旨日以疏，音问日以阻... ...继续阅读 (131)

...继续阅读 (154)

这篇谈谈 PvE （玩家对抗环境）向的卡牌构筑类游戏。在桌游中，PvP 向（玩家对抗玩家）的游戏数量明显超过 PvE。我认为这是因为桌游需要靠玩家自己驱动游戏规则，扮演环境的同样是玩家，其规则不能设计的太复杂，通常只能靠简单机械的逻辑驱动。或者，起源于桌游的 RPG ，比如 D&D; ，则由一个玩家扮演环境（城主），这样就可以增加游戏的深度。但毕竟这种不对称规则下，玩家方和环境方很难调配平衡。RPG 这样的游戏，城主也并非玩家的对立方，大家只是在一起享受游戏过程。而在电脑上，则可以通过程序实现更复杂的环境。所以在电脑游戏中，大量的游戏转向 PvE 。毕竟，找到可以一起玩的游戏搭档并不容易。所以，对于卡牌构筑这个具体类别，电脑上的游戏几乎一开始就是 PvE 性质的：比如杀戮尖塔，玩家一直在挑战系统而获得乐趣；而桌游中，从领土（Dominion）开始，就是基于玩家对抗设计的规则。传奇 Legendary 系列是一个比较早的 PvE 向卡牌构筑类桌游系列。最早可以追述到 Legendary: A Marvel Deck Building Game (2012) ，后续几年发布了大量系列作品，并衍生出 Legendary Encounters 系列。关注 Legendary 系列是因为星际孤儿（Stellar Orphans）这个电脑游戏，我特别喜欢。在星际孤儿的玩家社区，有玩家指出这个游 ...继续阅读 (129)

让我们整体来分析下四种技术路线。短期来看，Computer Use Agent（CUA）、无头浏览器技术、端侧API虽然有各种各样的限制，但是只要找到合适的场景，这两种技术是能够快速落地，并且产生商业价值。长期来看，我们坚定看好的是API/Protocol技术路线，它能够提供最优的用户体验，以及最低的运行成本。至于原有系统改造成本问题，我们认为随着AI编程能力的提高，改造成本会逐步降低。而协议标准化的问题，我们认为未来肯定会出现标准协议，我们的目标是成为协议标准化的重要参与者。 ...继续阅读 (120)

钱在文末▲ 最羡慕的职位，图书馆管理员▲ 好像在重新整理，所以书放的乱，计算机的书架上放了品酒的书而且，早些时间，有些比较新的计算机书籍，没有按索书号正确摆放，放在一个角落里，这次去也没看到那些书了。▲ 又遇到素质极差的人，别人就算在图书馆的书上涂画，都是用的铅笔，不知道这人什么家庭长大的，字还这么丑。借书证开卡需要查征信，应该把这人的行为加粗写在在他征信上，通过自动还书机器上的监控，很容易能找到他。说“又”是因为上次遇到了一大神，带了把机械键盘进去，在里面噼里啪啦的…… 听声音，至少得是茶轴。手机灵异亮屏事件早些年在网上看到有人求助，说手机会灵异亮屏，突然亮屏后，啥消息都没有，就突然亮了，就好像有人点亮了一样。当时看得我一头雾水。直到后来，我也遇到了，手机放桌子上随机亮屏，亮屏后没任何消息。不过，我会去翻系统日志……日志显示读到了一个nfc标签，原来是书桌抽屉里面的书，图书馆借的书上有NFC标签。▲ 就这个，一般贴在书的封底。图书馆借的书里夹着 500 块钱▲ 图书馆借的书里夹着 500 块钱，一张500块的钱，书中的黄金屋有点小啊。原创文章，转载请注明：转载自笛声本文链接地址:图书馆借的书里夹着 500 块钱 ...继续阅读 (110)

夏普比率（Sharpe Ratio）是衡量投资组合或资产的风险调整后收益的重要指标，旨在帮助投资者评估每承受一单位风险所能获得的额外回报。它由著名经济学家威廉·夏普（William Sharpe）提出，是现代投资组合理论中的一个核心概念。1.夏普比率的定义夏普比率的计算公式如下：2.夏普比率的意义高夏普比率：意味着在每承担一单位风险时，投资者可以获得更高的回报。高夏普比率通常表示该投资组合的风险回报比高，表现出较好的风险调整后收益。低夏普比率：意味着风险较高但回报相对较低，或者说，承担相同的风险却未能带来足够的回报。低夏普比率反映出投资组合可能没有有效地管理风险。3.如何理解夏普比率夏普比率大于1：表示该投资组合的风险调整后回报是正向的，且回报高于无风险利率。数值越大，表示风险回报越高，投资的性价比越好。夏普比率等于1：意味着投资组合的回报等于承受的风险，表明风险回报平衡。夏普比率小于1：表示风险回报较低，可能需要重新考虑该投资组合。4.夏普比率的优缺点优点：简洁直观：夏普比率是一个综合性的衡量指标，能够直接反映投资的风险与收益关系。风险调整后的回报：它不仅关注回报本身，还考虑了风险因素，能够帮助投资者更好地评估投资的性价比。缺点：依赖于标准差：夏普比率使用标准差来衡量风险，而标准差是一种对称的风险度量，它并没有区分向上波动和向下波动的风险。在实际应用中，一些投资者可能更关注下行风 ...继续阅读 (114)

【摘要】什么是Drasi数据源（Source）？Source提供了与系统的连接，Drasi 可以将这些系统视为变化源。source 在 Drasi 中执行三个重要功能：处理源系统生成的更改日志/源，并将这些更改推送到使用该源作为输入的每个连续查询。 将源更改数据转换为一致的属性图数据模型，以便订阅的 Con阅读全文 ...继续阅读 (192)

【摘要】关注公众号回复1 获取一线、总监、高管《管理秘籍》 结合近期对DeepSeek的探索，对之前文章的内容做一些更新，主要是两个方面：训练过程的优化策略GRPO，以及架构侧的一个创新MLA。 MLA MLA，被认为是实现DeepSeek高效推理和低成本训练的核心技术。 MHA（多头注意力）通过多个注意力阅读全文 ...继续阅读 (105)

如要阅读全文，点击标题跳转。deepseek 热爆了，任何帖子，任何文章，只要带着 deepseek 这个词儿，就能成为热文，包裹着我们的生活。最近也做了不少这方面的探索，薅了一些蹭 ds 热点的厂商的羊毛，也做了一些折腾探索，本文做一下简单的记录与介绍。 ...继续阅读 (152)

《自己动手写一个k8s controller》如果要处理一个云原生业务，尤其是跨云业务，k8s controller 是无可避免的，这篇博客就记录我自己折腾学习 k8s controller，从最开始简单的照着 `sample-controller` 来，到扩展成一个支持多任务、多步骤的 controller... ...继续阅读 (106)

《AWS IAM 信任链 和 EKS IRSA》最近读了一下AWS IAM的文档，此外，AWS 的 EKS 可以结合 IAM 一起使用，而且是推荐的用法，可以最小权限化，比如创建 NodeGroup 时创建一个 Node Role，默认情况下，EC2 和 里面运行的pod都会使用这个权限来运行，如果想要将权限绑定到 pod，还可以进一步细化权限，创建 pod 的时候绑定 role... ...继续阅读 (98)

文章链接到标题技术链接到标题用 AI 写了一个属于自己的 AI Deep Search。代码仓库地址：GitHub - iamshaynez/deep-research-cli，所有的 Prompt 第一句是定义对方的角色，定义好返回的格式。第一次在 Prompt 见到“温柔”这个词，有趣。原来有 [[Tavily]] 这种专门提供 LLM Search 功能 API 的平台，不过确实不便宜。The Exit Interview: JP Phillips · The Fly BlogGraphQL slows everyone down, and everything.It’s too easy to lose sight of whether your current focus [in what you’re building] is valuable to the company.We struggle a lot with consistent communication. We change direction a little too often. It got to a point where I didn’t see a point in devoting time and effort into projects, because I’d not be able ...继续阅读 (144)

本周刊由 Python猫 出品，精心筛选国内外的 250+ 信息源，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景：帮助所有读者精进 Python 技术，并增长职业和副业的收入。分享了 12 篇文章，12 个开源项目，2 则热门讨论以下是本期摘要：🦄文章&教程① Python 3.14 新特性：一种新型解释器② 高效扩展 Python：PyO3 与 Rust 实战③ 使用 uv 开发和安装 Python CLI 应用④ PEP-517 构建系统的流行度分析⑤ 用 Javonet 将 Python 的 folium 集成到 Node.js 中⑥ Django 官方推出了 MongoDB 后端预览版⑦ Django 在全球政府网站中的使用情况⑧ 再谈 Python 中的继承⑨ 用 10 行代码和生成器实现 async⑩ PEP-772 – Python 打包的治理流程⑪ 如何在 Python 中使用正则表达式？⑫ 计算机科学史上最具影响力的 7 篇论文🐿️项目&资源① soupsieve：BeautifulSoup 的现代 CSS 选择器② preswald：开发、部署和管理交互式数据应用③ llm-sort：用 LLM 按语义方式对内容排序④ fastapi-guard：为 FastAPI 提供 IP 控制、请求记录和渗透检测⑤ Neutron： ...继续阅读 (157)

书接上回：关于DeepSeek我是怎么研究的(1)，继续我的DeepSeek研究之旅。这次主要是研究清楚出 DeepSeek 在它的论文中提到的 System 1 Thinking 和 System 2 Thinking，这个概念其实源自于诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahnemann），他最著名的研究是关于人类决策以及影响我们决策过程的各种缺陷/偏见。在他的《思考，快与慢》这本书中有详细研究和说明了这个概念：System 1： 快速、自动、直观且情感化，这是我们的大脑默认运行的系统；System 2： 缓慢、费力、逻辑严谨且深思熟虑，我们必须有意激活这个系统，使用这个系统需要很多努力，所以我们不能将其作为默认选项；System 1 经常会影响 System 2 的分析，例如我们的分析（System 2）经常会根据符合我们最初概念/直觉（System 1）的精选例子构建叙述，这就是为什么 DeepSeek 会研究用 RL、MoE 等方法来优化模型，这是帮助抵消 System 1 Thinking 对模型决策产生的部分潜在影响；P.S.：当我发现诺贝尔经济学奖关于人的研究居然应用到了 AI 领域之后，我有点反应过来大模型已经从表层的模仿人类向深层的学习人类过渡了，或许很快就会找到《超验骇客 Transcendence》中的奇异点 Technological Sin ...继续阅读 (174)

家里有小爱，去年试过mi-gpt (见： https://blog.csdn.net/quqi99/article/details/136807407）， 但那是一个轮循的模式，效果很差，无法实用。哪怕是那些声称支持大模型的小度之类的，它用的也不是全血版的模型，实际上属于智障音箱。再等等的话，估计我用的三星手机的Bixby也马上接入deepseek模型了，直接用我目前已有的SHOKZ OpenFit T910耳机就可以了。deepseek目前这么火，但想要找个支持deepseek大模型的智能音箱却找不到。 ...继续阅读 (132)

GPU 物理设备：学校。队列族：年级。队列：班级。逻辑设备：学校的管理机构。这种比喻有助于理解 GPU 的层次结构，逻辑设备作为管理机构，协调各个年级（队列族）和班级（队列）的工作。接着问：很好。那么逻辑设备组相当于什么在 Vulkan 中，逻辑设备组（Logical Device Group）是一个高级概念，用于管理多个物理 GPU 的协同工作。继续使用学校作为比喻，我们可以将逻辑设备组类比为学校的联合管理机构或学区。逻辑设备组：学区，管理多所学校（多个物理 GPU）。逻辑设备。 ...继续阅读 (113)

【摘要】在前一篇博文中尝试了使用阿里云 GPU 实例 ECS 单机部署了 DeekSeek-R1 7b 模型 。这篇博文记录一下在 k8s 集群上用阿里云 GPU 实例部署 DeekSeek R1 大模型的尝试过程，部署的也是 deepseek-r1:7b 模型。 先准备一台阿里云 GPU 实例，选用了共享型 GPU 实例 sgn7i，8核31G，4G显存。阅读全文 ...继续阅读 (122)

【摘要】Reaction（反应器）是Drasi系统中的一个重要组件，它能够对数据变化做出响应和处理。简单来说，当你的数据发生变化时，Reaction就会被触发，然后执行你定义的操作。扩展Drasi Reactions的文档参见：https://github.com/drasi-project/docs/bl阅读全文 ...继续阅读 (162)

【摘要】家里小朋友养了一只小乌龟，到了冬天就冬眠了，早早地准备了一个冬眠箱，铺上椰土，在室温低于15℃时，就把小乌龟放到冬眠箱里，不一会儿它就自己钻入土中把自己藏了起来。按照惯例，需要每隔一定时间，对冬眠箱进行补水，以保持土壤湿润，防止小乌龟缺水，但有时候也会忘记补水的工作，造成冬眠箱过于干燥，不利于乌龟健阅读全文 ...继续阅读 (120)

...继续阅读 (128)

【摘要】五分钟搞定！Linux平台上用Ansible自动化部署SQL Server AlwaysOn集群 前言 以下内容是由红帽官方博客整理而成，使用Ansible在Linux平台上自动化部署SQL Server AlwaysOn集群 不熟悉整个流程的朋友可以先看之前的部署文章，手动部署一遍 从DNS配置到阅读全文 ...继续阅读 (104)

在使用 Neovim 之前，我也花费了大量的时间进行配置自己的 Neovim 体系，无论是插件，快捷键还是 UI，都花费了大量的心思。 但是维护一套自己的配置说实话很费时间，例如插件的更新，版本升级等。LazyVim是一款已经 集成了大量插件的Neovim软件。 基本做到了开箱即用，方便快捷，大量的默认配置减少了上手时间，唯一的缺点可能就是快捷键不是自己熟悉的那套，需要修改或者适应。安装LazyVim 的安装其实很简单，首先打开官方的启动模板LazyVim/starter。 点击右上角Use this template，将模板 fork 成为自己的仓库。 接下来就是备份本地原有的配置，将自己的仓库 clone 下来。简单来说就是一个命令进行备份 另外一个命令进行 clone。 这部分可以直接参考官方网站对于安装的介绍文档。安装完成之后，启动就是一个已经有了大量基础配置的 neovim 了，基本做到了开箱即用。完成 LazyVim 的配置，记得看一下是否系统安装了fzf。配置说明在 LazyVim 的项目中，配置可以分成两大块：基础配置(config) 和 插件(plugins)。config 配置config 配置主要是一些基础的配置，文件夹内区分了四个文件， 分别是基础配置(options.lua)，快捷键配置(keymaps.lua)，自动化命令(autocmds.lua)和 ...继续阅读 (93)

离线私有化环境部署 deepseek 之 ollama 模型缓存在某些特殊的环境下，导致我们使用 ollama 模型存在各种各样的问题。最常见的就是拉取不了或者拉取速度很慢。基于这点，想到了如何去镜像缓存这些。应用场景方便给离线环境下的用户部署私有大模型体验。ollama 与 oci可以跳过这部分记录早期我的探索，得出目前不支持通用 OCI 方式。从上面 ollama 拉取模型来看，是不是很眼熟，和我们经常拉取容器镜像是不是很相似。深入研究后发现，有着容器镜像的模型名称、分层存储结构，其中 manifest 保存 layer 列表，blob 存储二进制文件。那灵机一动是不是，可以存镜像的 registry 是不是也可以存 model。搭建镜像服务services: registry: image: registry:latest container_name: registry restart: always ports: - "5000:5000" environment: TZ: Asia/Shanghai基于官方的 registry 镜像跑了一个镜像仓库来模拟，将上面的文件保存为docker-compose.yaml运行起来docker compose pull docker compose up -d下载 ...继续阅读 (186)

本文由 1link.fun 原创, 转载须注明出处和本文地址.本篇为这个小系列的第一篇, 请期待第二篇.刷抖音看见一个外国人听好汉歌 reaction 的视频, 无意间扫到了片尾的一个网址: http://www.china pages.com/shuihu突然想看看这个网址是不是还可用, 输入到浏览器的时候发现视频里应该是打错网址了, 在 china 和 pages 之间多加了一个空格, 原来的网址应该是 http://www.chinapages.com/shuihu.可见当时, 1998 年, 网址这个东西算是一个高深科技, 而且即使错了也不影响, 毕竟那时候没有多少人能够上网.另外, 你可能会说为啥不用 https?要知道, 就在这部剧播出的 4 年前, https 协议 1994 年才被网景公司开发出来.那么这个 chinapages.com 又是什么网站呢? 我说它的中文你大概知道了 "中国黄页", 如果你还是不知道, 那么我说马云, 你应该知道了吧?马云 1995 年 4 月创办并上线了中国黄页 "chinapages.com", 要把中国的企业介绍给全世界, 靠着中国黄页, 上线 3 年就赚了 500 万人民币, 那个时候还是 1998 年, 那时候的中国黄页长这样:800*600 分辨率访问最佳, Designed by Webworm, 满满的年代感.回到这个网 ...继续阅读 (129)

https://floor796.com/↗https://habr.com/ru/companies/floor796/articles/673318/↗2025/02/14 15:48:50 - 2025/02/14 15:48:50 ...继续阅读 (80)

...继续阅读 (76)

好久不写 SQL 了, 看到这个 SQL 查案的网站试了一把, 还挺有意思的.网站设计了几个案件, 每个案件都给出了几个数据库表和对应的表结构, 你需要做的就是根据给出的案情信息和证人的证词, 从这些数据库表中查出嫌疑人的身份并根据询问记录确认是哪个嫌疑人做的案.我试了一下第一个案子, 3 个数据库表, 比较简单, 主要考察 Select 语法,联表查询等.想学习 SQL 语句的可以试一下, 寓教于乐.原文链接:https://www.sqlnoir.com/ ...继续阅读 (127)