这里记录每周值得分享的科技内容，周五发布。（[通知] 下周五一假期，周刊休息。）本杂志开源，欢迎投稿。另有《谁在招人》服务，发布程序员招聘信息。合作请邮件联系（yifeng.ruan@gmail.com）。封面图大阪世博会的中国馆，以"中华书简"为主题。（via）未来就是永恒感的丧失有一类人叫做未来学家（Futurists），专门研究未来。这类人通常很快被忘记，因为他们的预测基本不准。就算偶尔说对了，后人也会觉得稀松平常。历史上最著名的未来学家，大概是一个叫做阿尔文·托夫勒（Alvin Toffler，1928--2016）的美国人。上个世纪七十和八十年代，他写过很多预测未来的书，非常畅销。1983年，国内就引进了他的书，轰动一时。时过境迁，现在几乎没人提他了。前些日子，一个朋友对我说，你可以去看看他的书，居然没有完全过时。我看了一些片段，很震惊。这些片段根本不像写于半个世纪之前，更像写于现在。托夫勒的第一本书，叫做《未来的冲击》，写于1970年，国内有中文版。下面就是他的主要观点。大家一定要记住，这些话写于1970年，那个时候还没有信息革命，既没有个人电脑，也没有手机和互联网。托夫勒认为，人类以前是农业社会，现在是工业社会，即将进入超工业社会。超工业社会有两个特征。首先，工业人口只占少部分，大部分人从事脑力劳动。其次，即使少部分人从业工业，生产出来的工业品，也大大超过需要。那么， ...继续阅读 (46)

随着人工智能技术的快速发展，大语言模型（LLM）在边缘设备上的部署成为研究的热点。Ollama 作为一个轻量级开源框架，通过模型压缩技术（如量化、蒸馏和混合精度训练）显著降低了 DeepSeek 等大模型的资源需求，使其能够在资源受限的边缘设备上高效运行。本文深入探讨了 Ollama 的模型压缩技术，结合 DeepSeek 模型在边缘设备上的部署实践，详细解析了从模型量化到本地推理的完整流程。通过丰富的代码示例和数学公式，本文展示了如何在边缘设备上实现高效推理，并提供了性能优化和安全部署的实用建议。文章旨在 ...继续阅读 (36)

【摘要】提供AI咨询+AI项目陪跑服务，有需要回复1 加粉丝群获取报告 模型基础能力的提升加上自媒体的各种活跃，为AI应用提供了成长的温床，所以25年被称为了AI应用爆发的元年，这是有道理的，至少老板们在投钱这个方面是愿意的。 正好，这两天我看见一份由量子位提供的报告《2025年，中国AIGC应用全景图谱报阅读全文 ...继续阅读 (36)

作者记录了灵光乍现的想法，但因自我要求过高而未能输出。通过询问ChatGPT，得到了提升写作能力的三点建议：一是具体化主题，将概括转为详细描述；二是使用固定句式辅助写作，确保逻辑连贯；三是通过多读书模仿和加工喜爱的句子。作者反思写作过程中的不完美，并认为接受和发布不完美作品是关键。此外，作者提到一位同学的写作成长历程，从模仿到逐渐形成个人风格，体现了创作的积累和发展。 ...继续阅读 (77)

近日，小米LLM-Core团队发布了MiMo-7B技术报告，详细介绍了其专为复杂推理任务设计的大语言模型系列。该模型通过创新的预训练与后训练策略，在数学、编程及通用推理任务中表现卓越，甚至超越参数量更大的主流模型。本文将深入解析其核心技术，探讨其设计思路与性能优势。核心亮点速览推理潜力爆发：7B参数的MiMo-7B-Base在数学与编程任务中超越32B量级模型。两阶段优化：预训练阶段通过数据优化与多令牌预测（MTP）强化基础能力，后训练阶段基于强化学习（RL）实现精准调优。高效基础设施：无缝滚动引擎将训练速度提升2.29倍，验证速度提升1.96倍。开源共享：完整模型检查点（Base、SFT、RL）已开源，推动社区研究。预训练：为推理而生的数据与架构设计1. 数据优化：密度与多样性并重高质量数据提取：开发专用HTML解析工具，保留数学公式与代码片段，提升推理模式密度。三阶段混合策略：阶段1：平衡数据分布，过滤低质量内容（如广告、新闻），提升专业领域数据权重。阶段2：数学与代码数据占比增至70%，强化专项能力。阶段3：引入10%合成推理数据（数学、代码、创意写作），上下文长度扩展至32K。数据规模：总计25万亿Token，覆盖网页、论文、代码、书籍及合成数据。2. 模型架构创新：速度与性能的平衡基础架构：采用类Llama的Decoder-only Transformer，集成GQA（分 ...继续阅读 (41)

在AI的辅助下，xiaoz花了2天的时间开发了一款小工具LinkSumm，LinkSumm可以帮助用户总结网页内容，用户只需要输入URL，然后动动手指即可完成内容总结，非常适合一些长内容页面。LinkSumm不同于内容总结的浏览器插件，LinkSumm是一款独立网页工具，所以更加灵活，使用上没有任何 ...继续阅读 (35)

# One API系统架构与实现笔记## 一、系统概述One API是一个大模型API管理与分发系统，通过统一的OpenAI API格式来访问不同类型的大语言模型。它具有以下特点：1. **基础架构**:– 依赖MySQL作为核心数据库（2c4g配置下QPS上限约1000）– 未来计划集成Redis以提高性能– 存储向量信息但不进行向量计算，主要存储用户相关信息2. **请求处理**:– 每次请求涉及约6次select操作和2次update操作– 已开启批量update配置以优化性能3. **模型支持**:– 支持多种模型类型：embedding、LLM、代码生成等– 所有模型请求均需通过One API进行转发– 大模型一般最高支持100 RPS (每秒请求数)## 二、系统架构### 分层结构系统采用多层次的组织结构：用户(User) --> 分组(Group) --> 渠道(Channel) --> 模型(Model)### 渠道定义渠道(Channel)是One API系统中的关键概念：1. **功能定位**：– 作为不同模型服务的接入点– 连接分组和模型，直接与模型关联– 是模型调用的直接管理者2. **配置灵活性**：– 一个渠道 ...继续阅读 (25)

本文永久链接– https://tonybai.com/2025/04/30/go-vs-zig-in-error-handling大家好，我是Tony Bai。使用Go语言有些年头的开发者，大多对其错误处理机制有着复杂的情感。一方面，我们认同 Rob Pike 所倡导的“错误即值 (Errors are values)”的核心哲学——错误不是需要特殊通道（如异常）处理的“二等公民”，它们是普通的值，可以传递、检查，甚至被编程。这赋予了错误处理极大的灵活性和明确性。但另一方面，我们也不得不承认Go的错误处理有时可能相当冗长。标志性的if err != nil代码块几乎遍布在Go代码的各个角落，占据了相当大的代码比例，这常常成为社区讨论的热点。 有趣的是，近期另一门备受关注的系统编程语言 Zig，也采用了“错误即值”的哲学，但其实现方式却与Go大相径庭。近期自称是Zig新手的packagemain.tech博主在他的一期视频中也分享了自己敏锐地观察到的Zig和Go在设计哲学上的相似性（都追求简洁、快速上手）以及在错误处理实现上的显著差异。今天，我们就基于这位开发者的分享，来一场 Go 与 Zig 错误处理的对比，看看同一种哲学思想，是如何在两种语言中开出不同但各有千秋的花朵。Go 的错误处理：接口、显式检查与可编程的值我们先快速回顾下 Go 的错误处理方式，这也是大家非常 ...继续阅读 (44)

【摘要】SQL Server 2025 中的改进 当我们接近 SQL Server 2025 的首次公开版本时，开始深入探究 Azure SQL DB 如今（已公布和未公布）但在 SQL Server 盒装产品版本中尚未出现的功能，这很有趣。 微软员工过去常说 Azure SQL DB 是盒装产品的 “下一阅读全文 ...继续阅读 (25)

之前发过了这篇《如何在 tmux 中 kill 掉一个 windows？》，我自定义2个常用的命令：我解绑了&zm;和backspace键，然后将他们重新分配：M : 最大化panel和恢复bspace： 删除窗口另外还有一个特别常用的快捷键：], 可以在当前panel下用键盘上下滚动。 ...继续阅读 (30)

io.modelcontextprotocol.sdk:mcp-spring-webmvc - 用于基于 servlet 的应用的基于 WebMVC 的服务器发送事件 (SSE) 传输实现。io.modelcontextprotocol.sdk:mcp-spring-webflux - 用于响应式应用的基于 WebFlux 的服务器发送事件 (SSE) 传输实现。io.modelcontextprotocol.sdk:mcp-test - MCP 应用的测试工具和支持。 ...继续阅读 (49)

在信息系统项目管理工作中，组织管理者和项目管理者，还会面临多项目的管理，或组织级的项目管理、项目的量化管理。项目集管理、项目组合管理和组织级项目管理，为组织中的多项目管理和组织级管理提供了有效指导；而量化项目管理为组织及项目管理的量化、数字化提供指导。PMI、ITSS、CMMI和PRINCE2等为各类项目管理提供了最佳实践，以及持续改进和评估的方法。 ...继续阅读 (22)

引言：被“主流”绑架的困惑你可能见过成功人士最爱的活动列表，包括滑雪、马拉松、高尔夫……它们似乎构成了一种特定的“主流”叙事。坦白说，我对这些活动一直没什么特别感觉。但过去很长一段时间，我会强迫自己去关注，甚至在别人问起时言不由衷地说：“那是一项非常有意思的运动。”我害怕自己显得“不合群”、“不成功”，仿佛不符合这个外部设定的模板，我的人生就减色几分。然而，随着时间的推移，我慢慢意识到，他人的体验、偏好或他们构建的“主流”叙事，对我来说并没有内在的价值。它们是外部世界的喧嚣，试图定义我应该成为谁，应该喜欢什么。别人的这些喜好本身也没什么问题，真正的困惑和束缚，恰恰来自于我试图去迎合这些与我内心不符的外部设定。当我谈跑步时，这是我健康的课题，不是你的叙事比如跑步，我每周确实会跑十几公里，但这仅仅是我保持健康的个人习惯，来保持每周150分钟的有氧运动，与那些关于“征服马拉松”、“挑战极限”的叙事毫无关系。人生有很多值得坚持和体验的事，它们以无数种形式存在，远不只局限于马拉松的跑道。我读过村上春树在《当我谈跑步时我谈些什么》中描写的长跑经历。书中那些关于沿途风景、人文气候的细腻描绘，我读来非常有共鸣，甚至让我对那些地方心生向往，可能会去观光。但跑步本身——那种长距离、高强度的奔跑体验——依然不是我的追求。村上构建了他的跑步世界观和体验叙事，那非常有价值，但那是“他的”叙事，我可以欣赏，却 ...继续阅读 (15)

问题表现重现代码：packagemainimport("fmt""io""net/http""time")funcmain() {client:=&http.Client;{Timeout:time.Duration(3)*time.Second,}fori:=0;i<100;i++{gofunc() {for{req,_:=http.NewRequest(http.MethodGet,"https://baidu.com",nil)rsp,err:=client.Do(req)iferr!=nil{fmt.Println("request failed",err)continue}rsp.Body.Close()body,err:=io.ReadAll(rsp.Body)iferr!=nil{fmt.Println("read body failed",err)continue}fmt.Println(string(body))}}()}select{}}启动后，随着请求越来越多，很快就出现了"cannot assign requested address"错误，服务器出现大量TIME_WAIT连接。 ...继续阅读 (29)

本文介绍了一个个人网站如何通过改变广告位名称“锟斤拷锟斤”到“广告位招租”，从而吸引广告投放，并探讨了SEO友好型的网站广告策略，以及如何在用户体验和收益之间取得平衡，体现了长期主义和个人品牌建设的理念。 ...继续阅读 (48)

TCP客户端，一般分为两种，一种是同步收发数据，这种需要开发线程来处理。另外一种，就是使用异步连接，这样只需要一个线程，就可以连接很多个。如果连接比较多，就会消耗比较多线程。C#里创建一个TCP客户端连接类。 ...继续阅读 (45)

3月18日晚上，从南昌西站出发，两个小时左右的车程，到达武汉站。这是一次较为仓促的旅行，但也是期待已久，也是我第一次真正意义上的旅行，去湖南、江西之外的省份。也正因为第一次，我对于如何游玩、如何规划一无所知，全靠小红书上的各种分享，同时我也不知道如何订酒店，是订离高铁站近的，还是离市区近的，在女朋友和同学的建议下，选择了楚河汉街附近的一个酒店，离市区近，附近也是地铁站。第一天晚上，到酒店已经接近11点，和在武汉读研的初中同学碰面，一起吃了点烧烤，就回酒店休息了。第二天早上起得比较早，特意打车去了附近的粮道街，尝试了当地特色——热干面，之前在大学食堂吃过一次，我以为难吃是食堂的原因，没想到当地的味道也没什么区别，实在接受不了碱水面的味道，太腻了。接着打车前往昙华林，早上八九点钟的样子，人不多，陆陆续续有游客在附近拍照，一个年轻的文化街区，我也是边走边拍。第一次看到电影里经常出现的7-11便利店，进去买了一瓶怡宝。路边的花。走到尽头，昙华林的网红墙，再往前走就是地铁站。前一天候补到了湖北省博物馆的门票，从昙华林出来之后就乘地铁去省博物馆，很多地铁站都非常有特色，比如省博湖北日报站，其中就有博物馆的风格装饰。同学上午有事情，所以我一个人除了逛，就是拿着手里的尼康不停地拍。在近当代展馆里，有一个关于新冠疫情的展览，看到这一幕的时候，头皮发麻，关于那几年的回忆瞬间涌上心头。在梁庄王展馆前看到 ...继续阅读 (33)

网络本来已经有了，但都是zip的，图方便搞了个tar.gz的包一键解压。适用于whmcs8 及以上：cd /home/你的whmcs目录 wget https://kvm.la/usr/uploads/2025/04/droidsansfallback.tgz -O - | tar xzv -C vendor/tecnickcom/tcpdf/fonts/登录WHMCS后台，依次点击Setup（设置）->General Settings（常规设置）->Inovices（发票），找到TCPDF Font Family（PDF字体），选择Custom，填入droidsansfallback另外PDF的 logo 文件路径为 assets/img/logo.png把文件丢进去之后账单 PDF 的问题全部就解决了。 ...继续阅读 (54)

来自Curt JaimungalGuy：什么是光？Chap：嗯，光是使物体可见的东西……Bloke：其实，光也可以是不可见光谱的一部分，比如紫外线和红外线……Lass：其实，光是光子，是电磁场中的一种波动……Dude：其实，光子是电磁场中量子化的波动……Fellow：其实，光子是与狄拉克方程的U(1)对称性相关的规范玻色子……Guy：其实，光子是与狄拉克方程的局域U(1)对称性相关联的规范玻色子……Fellow：其实，光子场来源于SU(2)ʟ × U(1)ʏ的一个子群——该子群保持希格斯真空态不变……Chap：其实，光子一种导数……Guy：其实，光子是为了使导数具有规范不变性而进行的修改，和刚才那位说的一样……Lass：其实，光子是庞加莱群的一个表示……Dude：其实，光子是庞加莱群的一个不可约表示……Fellow：其实，光子是庞加莱群不可约表示的一个基底元素……Guy：其实，光子是一个四维时空中无质量、自旋为 1 的粒子……Chap：其实，庞加莱群本来就在四维时空中，所以这是多余的细节……Bloke：其实，庞加莱群可以推广为任意维度d下的ISO(1,d−1)群……Lass：其实，d必须大于 2，否则系统会出现简并结构……Dude：你才简并呢……哦不好意思……我是说，其实，光子是从超图的底层更新规则中涌现出来的一种现象……Fellow：其实，光子是统一规范势ϖ中与结构群Spin(4 ...继续阅读 (27)

读、写键值是 KV 数据库中最重要的两个操作，LevelDB 中提供了一个 Put 接口，用于写入键值对。使用方法很简单：12leveldb::Status status = leveldb::DB::Open(options,"./db", &db;);status = db->Put(leveldb::WriteOptions(), key, value);LevelDB 最大的优点就是写入速度也非常快，可以支持很高的并发随机写。官方给过一个写入压力测试结果：1234fillseq : 1.765 micros/op; 62.7 MB/sfillsync : 268.409 micros/op; 0.4 MB/s (10000 ops)fillrandom : 2.460 micros/op; 45.0 MB/soverwrite : 2.380 micros/op; 46.5 MB/s可以看到这里不强制要求刷磁盘的话，随机写入的速度达到 45.0 MB/s，每秒支持写入 40 万次。如果强制要求刷磁盘，写入速度会下降不少，也能够到 0.4 MB/s, 每秒支持写入 3700 次左右。这里 Put 接口具体做了什么？数据的写入又是如何进行的？LevelDB 又有哪些优化 ...继续阅读 (47)

一、引言本周，我要加写一篇文章。因为 AI 编程 IDE 突然成了热门，国内外都有大事发生。先说国外，OpenAI 要用30亿美元收购 Windsurf。这个消息太惊人。Windsurf（前身叫做 Codeium）的历史很短，发布至今两年多，市场份额也不高，居然值这么多钱！OpenAI 最新一轮融资（今年3月）不过400亿美元，现在一下子要拿出30亿去收购，看中 Windsurf 哪一点呀！OpenAI 自己没有编程助手，所以唯一的解释是，它要收购 IDE 打入 AI 编程市场，这个市场对它很重要。二、MarsCode 更名 Trae再看国内，字节也有大动作。它旗下的编程助手，最早是 MarsCode 插件，后来又多了一个独立的 AI IDE 产品Trae。本周，MarsCode 宣布改名为 Trae 插件，不再作为独立品牌发展了。以后，字节的 AI 编程助手，将只有 Trae 这一个品牌，分成两种产品形态。习惯传统 IDE 的用户，可以加装 Trae 插件；想要更好 AI 体验的用户，可以安装独立的 Trae IDE。这个消息公布的同时，Trae 新版本也一起发布，加入了重磅的新功能（后面会详谈）。可以看出，字节是下了决心，整合了产品，准备在 AI 编程工具上发力了。三、AI IDE + MCP为什么国内外的巨头，在同一个时间，不约而同都看上了 AI IDE？我猜想，答案是 MC ...继续阅读 (43)

在现代运维中，实时监控系统性能是保障服务稳定运行的关键。本文深入探讨如何利用 Python 的 `psutil` 库开发一个功能强大的系统资源监控工具，覆盖 CPU、内存、磁盘和网络等核心指标。通过详细的代码示例和解释，读者将学习如何获取系统运行状态、计算资源使用率、生成可视化报表，并实现自动化监控。本文不仅展示了 `psutil` 的基本用法，还深入分析了其高级功能，如进程管理、传感器数据读取等。结合中文注释和丰富的实例代码，本文旨在帮助开发者快速上手，打造适用于生产环境的监控解决方案。无论是初学者还是资 ...继续阅读 (42)

多标签分类是一种常见的机器学习任务，尤其在自然语言处理、图像处理等领域具有广泛的应用。在多标签分类问题中，每个样本可以同时属于多个标签，而不是像传统的单标签分类那样每个样本只能属于一个标签。本文将详细探讨多标签分类的技术背景、常见的算法与方法，特别是如何使用Python中的`scikit-learn`和`TensorFlow`实现多标签分类模型。我们将通过大量的代码示例，演示如何使用这两种工具构建、训练和评估多标签分类模型。此外，本文还将介绍如何处理多标签数据、如何选择合适的损失函数以及如何优化模型的性能。 ...继续阅读 (70)

【摘要】提供AI咨询+AI项目陪跑服务，有需要回复1 大模型一直有个难以解决的问题：系统的知识是过时的，他们难以跟进最新的信息。 基于这个原因，ChatGPT以及DeepSeek都提出了联网功能，只不过效果嘛绝不可能太好（绝不会有用会从CSDN搜寻程序员要的答案）： AI应用团队的话，一般会使用爬虫到各个目阅读全文 ...继续阅读 (33)

在短视频平台蓬勃发展的时代，用户生成内容（UGC）的爆发式增长给平台的内容审核带来了巨大挑战。视频分享平台不仅需要为用户提供流畅的分享体验，更要确保平台内容的安全性和合规性，维护品牌声誉。本文将分享我们在实际案例中利用亚马逊云科技在 re:Invent 2024 刚刚推出的新一代自研大模型 Amazon Nova Lite 构建视频分享平台的智能审核方案。我们在实际项目中遇到了哪些挑战？我们的选择背后有着怎样的考量？Amazon Nova Lite 在视频审核方面又有哪些优势？下面让我们分别从审核的准确性、处理速度、运营成本等维度深入探讨这个话题。该项目中对视频审核的关键诉求有如下三个方面：图片理解能力：待审核的内容为全球用户上传的 vlog，不同文化背景下审核的标准会有差异。能否准确识别上传内容，根据不同地域要求调整审核规则，并保证审核透明度是重点考核的因素。图片处理速度：用户上传的视频时长较长，往往会超过 1 小时。为保证用户使用体验，项目希望视频上传后能在 1～2 分钟完成内容审核并成功发布。由于平台视频采用专有格式，不适合直接使用视频理解模型来进行审核。项目采用每10s 截帧的方式进行图片审核。这就要求图片的处理速度能达到为 6 张/s 以上。运营成本：该项目的视频分享平台面向全球用户，用户量大、分享视频数量多、审核任务重。审核成本低廉是长期运营的必要条件。亚马逊自研大模型 ...继续阅读 (42)

构建c++项目的docker镜像，跟java项目一样，都是在项目中创建一个Dockerfile文件，然后就可以构建镜像，接着创建容器。就这么简单。但这不是一个简单的任务。c++项目没有虚拟机的概念，许多依赖库都要在Dockerfile里申明，构建的过程中引入，所以Dockerfile的内容比java的要长得多。由于我的c++项目使用了CMake构建，所以Dockerfile也跟CMakeLists.txt紧密相关。 ...继续阅读 (24)

1 安装Node.js # Download and install nvm: curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash # in lieu of restarting the shell \. "$HOME/.nvm/nvm.sh" # Download and install Node.js: nvm install 20 # Verify the Node.js version: node -v # Should print "v20.19.1". nvm current # Should print "v20.19.1". # Verify npm version: npm -v # Should print […] ...继续阅读 (26)

在硬盘里面放了十多年了，输入文本变成ASCII字符图案的工具， 用于一些文本内容地方贴图。基于windows 运行 DrawEnglish.zip 如Linux 下可以用figlet来实现。用的机会少，但找起来又费时费力。 ...继续阅读 (51)

以便发现脚本有什么问题，不能在MCU里去发现问题，否则那样会比较困难调试，或者不适合提示。比如在GD32的MCU里运行lua脚本，又者在ESP32里运行它，都是比较方便的。当脚本要发送给MCU运行之前，我们需要在PC的软件里对脚本进行编译，由于lua脚本比较小，并且适用性很强，非常适合嵌入式系统里加入。所以需要在PC里进行预编译，并且进行语法检查是否合法。这样就需要在C#里引入lua脚本引擎。 ...继续阅读 (45)

byzhangxinxufromhttps://www.zhangxinxu.com/wordpress/?p=11624本文可全文转载，但需要保留原作者、出处以及文中链接，AI抓取保留原文地址，任何网站均可摘要聚合，商用请联系授权。一、兼容性已经很OK啦最近已经在正式项目中使用scale, rotate, translate属性了（注意，没有skew属性），很赞，毕竟这几个特性已经支持4年多了。二、transform实现变换的问题问题1，计算复杂当多种变换参杂在一起的时候，就需要更多的理解成本，比方说下面的例子，transform变换类型的顺序不同，渲染结果也会不同。CSS 代码如下所示，位移旋转同时变换：.circle { width: 160px; height: 80px; background: skyblue; } .circle1 { transform: rotate(30deg) translateX(100px) scale(1.5); } .circle2 { transform: scale(1.5) translateX(100px) rotate(30deg); }最终效果如下截图所示，渲染位置并不一样：问题2 动画冲突比方说一个toast提示效果，使用了transform属性实现的水平居中定位，CSS代码示意：.toast { po ...继续阅读 (24)