【摘要】MySQL下200GB大表备份，利用传输表空间解决停服发版表备份问题 问题背景 在停服发版更新时，需对 200GB 大表（约 200 亿行数据）进行快速备份以预防操作失误。 因为曾经出现过有开发写的发版语句里，UPDATE语句的WHERE条件写错了，原本只需要更新几行数据，最终导致更新了半张表的数据阅读全文 ...继续阅读 (41)

Chrome通过ChromeOptions添加启动参数直接忽略证书验证：fromseleniumimportwebdriveroptions=webdriver.ChromeOptions()options.add_argument('--ignore-certificate-errors')driver=webdriver.Chrome(options=options)driver.get("https://expired.badssl.com")Firefox设置accept_insecure_certs属性为True：fromseleniumimportwebdriveroptions=webdriver.FirefoxOptions()options.accept_insecure_certs=Truedriver=webdriver.Firefox(options=options)driver.get("https://self-signed.badssl.com") ...继续阅读 (53)

当使用PIL处理超过默认安全限制的大尺寸图像时，会触发DecompressionBombWarning警告。这个限制是为防止DOS攻击设定的，默认最大像素数为89478485，本文记录解决方案。 ...继续阅读 (50)

Deepseek 是近期杭州深度求索人工智能基础技术研究有限公司发布的国产大语言模型， 在推理速度上相较历史模型有了大幅提升。本文记录本地部署 DeepSeek 模型的流程。 ...继续阅读 (53)

byzhangxinxufromhttps://www.zhangxinxu.com/wordpress/?p=11620本文可全文转载，独立域名个人网站无需授权，但需要保留原作者、出处以及文中链接，任何网站均可摘要聚合，商用请联系授权。一、caretPositionFromPoint特性的语法和作用caretPositionFromPoint是浏览器支持不久的一个新特性，可以基于当前的光标位置，返回光标所对应元素的位置信息，在之前，此特性使用的是非标准的document.caretRangeFromPoint()方法实现的。caretPositionFromPoint()方法和elementsFromPoint()方法的区别在于，前者返回节点及其偏移、尺寸等信息，而后者返回元素。比方说有一段元素文字描述信息，点击这段描述的某个文字，caretPositionFromPoint()方法可以返回精确的文本节点以及点击位置的字符偏移值，而elementsFromPoint()方法只能返回当前元素。作用caretPositionFromPoint()的作用场景比较小众，一般用在分词分句这种交互场景中。例如制作视频封面的时候，书封标题的文字需要中断，此时，就可以直接点击实现。语法语法如下所示：const range = document.caretPositionFromPoint(x, ...继续阅读 (46)

【摘要】提供AI咨询+AI项目陪跑服务，有需要回复1 RL 之父 Rich Sutton在 2019 年的文章《苦涩的教训》中指出： 70 年的 AI 研究历史告诉我们一个最重要的道理：依靠纯粹算力的通用方法，最终总能以压倒性优势胜出 怎么说呢？他认为试图将人类知识编码到AI中（如专家系统、手工设计特征）短阅读全文 ...继续阅读 (50)

服务器有个python程序在跑，但不稳定，只要网络不通或者别的什么原因，它就会自动退出。本来应该修改这个python程序，但它不是我写的，作者已经离职。项目时间紧，我就想写个批处理命令，用windows的任务计划运行它，每隔一段时间（比如每分钟）检查一下该进程，如果还在运行则忽略，否则自动打开该程序。 ...继续阅读 (46)

联系：手机/微信(+86 17813235971) QQ(107644445)标题：Oracle Recovery Tools修复ORA-600 6101/kdxlin:psno out of range故障作者：惜分飞©版权所有[未经本人同意,不得以任何形式转载,否则有进一步追究法律责任的权利.]数据库异常断电,然后启动异常,我接手该库,尝试recover恢复SQL> recover database; ORA-10562: Error occurred while applying redo to data block (file# 2, block# 63710) ORA-10564: tablespace SYSAUX ORA-01110: ???????? 2: 'H:\TEMP\GDLISNET\SYSAUX01.DBF' ORA-10561: block type 'TRANSACTION MANAGED INDEX BLOCK', data object# 179030 ORA-00600: ????????????, ????: [6101], [0], [700], [32], [], [], [], [], [], [], [], [] SQL> recover datafile 1; 完成介质恢复。 SQL> recover datafile 3; 完 ...继续阅读 (59)

联系：手机/微信(+86 17813235971) QQ(107644445)标题：Oracle Recovery Tools修复ORA-600 6101/kdxlin:psno out of range故障作者：惜分飞©版权所有[未经本人同意,不得以任何形式转载,否则有进一步追究法律责任的权利.]数据库异常断电,然后启动异常,我接手该库,尝试recover恢复SQL> recover database; ORA-10562: Error occurred while applying redo to data block (file# 2, block# 63710) ORA-10564: tablespace SYSAUX ORA-01110: ???????? 2: 'H:\TEMP\GDLISNET\SYSAUX01.DBF' ORA-10561: block type 'TRANSACTION MANAGED INDEX BLOCK', data object# 179030 ORA-00600: ????????????, ????: [6101], [0], [700], [32], [], [], [], [], [], [], [], [] SQL> recover datafile 1; 完成介质恢复。 SQL> recover datafile 3; 完 ...继续阅读 (62)

一、什么是MCPMCP 起源于 2024 年 11 月 25 日 Anthropic 发布的文章：Introducing the Model Context Protocol。MCP 就是以更标准的方式让 LLM Chat 使用不同工具，这样应该更容易理解“中间协议层”的概念了。Anthropic 旨在实现 LLM Tool Call 的标准。MCP （Model Context Protocol，模型上下文协议）定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准，使 AI 应用程序的开发和集成变得更加简单和统一。二、为什么需要MCPMCP 主解决的一个问题是：如何将 AI 模型和我们已有系统集成。在跟 LLM 交互的时候，为了显著提升模型的能力需要提供更结构化的上下文信息，例如提供一些更具体、实时的信息（比如本地文件，数据库，一些网络实时信息等）给模型，这样模型更容易理解真实场景中的问题。想象一下没有 MCP 之前会怎么做？我们会人工从数据库中筛选或者使用工具检索可能需要的信息复制到 prompt 中，随着要解决的问题越来越复杂，人工参与这样的数据交互过程变得越来越难以实现。许多 LLM 如 Open ...继续阅读 (79)

清明三天假，原本计划安排一次长途旅行，第一天因为一些事情耽搁没法出门，小长假变成了普通双休。心想第二天再不出去走走，这个小长假可能就此浪费了，于是决定去趟水桶岙。 ...继续阅读 (44)

LXD/incus ui的验证逻辑是创建一套 crt + pfx 证书， crt添加到服务器上，pfx导入到登录客户端，通过证书凭证进行验证。apt install -y incus-ui-canonical #安装ui incus config set core.https_address :8443 #配置端口 incus config show #查看配置打开https://IP::8443/ui/login/certificate-generate具体步骤如下： 点击“Generate”，生成incus-ui.crt和incus-ui.pfx后下载到本地， 把incus-ui.crt文件传服务器上用添加证书incus config trust add-certificate incus-ui.crt #导入证书 incus config trust list #查看证书导入incus-ui.pfx浏览器或者操作系统证书管理然后重启浏览器用证书进行登录， pfx就是登录凭证。 另外还有个好玩的项目，可以集中管理所有服务器，https://github.com/PenningLabs/lxconsoleapt install python3 p ...继续阅读 (81)

【摘要】一：背景 1. 讲故事 年前有位朋友找到我，说他们的程序会偶发性卡慢 10s 钟，在某些组合下会正常，某些组合下就会出现问题，解释不了其中的原因，让我帮忙看下怎么回事？截图如下： private void TestRun() { int encposUpy = 0; Logger Log = new阅读全文 ...继续阅读 (75)

本次实践成功在RK3588安卓平台上部署了YOLOv5目标检测模型，并充分利用其NPU硬件加速能力，实现了高效的边缘计算推理。通过本Demo，我们完成了从模型转换（PyTorch→RKNN）、JNI接口封装到安卓应用集成的全流程验证，为后续产品级AI应用开发提供了可复用的技术方案。 ...继续阅读 (39)

本文对美团技术团队在国际顶会CVPR 2025、ICLR 2025中发表的10篇论文进行介绍，这些论文是我们在图像生成、通用视觉分割、多模态文档理解、视频理解大模型、大模型效果评估、大语言模型的对齐和量化方法等方向上的技术沉淀和应用。 ...继续阅读 (48)

Foreword记录一些AI相关的流程或者是运行逻辑AITransformTransform的机制Benchmark做一个新模型的时候，最好先建立好一个Benchmark，用来评估当前模型的性能，从而有一个准确的优化方向微调微调的流程微调的后期，要么是有一个专家模型负责评估，要么就是有一个RLHF的反馈环境，不断对模型进行微调，这样整个模型就在不断进化中，效果就能越来越好。当这个累计到一定时间或者数据以后，就可以考虑直接全参数微调，变成一个新模型RAG某些应用既可以通过RAG实现，也能通过微调实现，RAG相当于是外挂一个知识给模型，比较灵活，但是RAG的实现细节也有很多东西要考虑。Denoise本质上Diffusion就是你给一个图片，然后加高斯噪声，加n轮以后得到了一个结果，然后这个结果和n轮噪声就和原图有了一个对应关系。Denoise 就是将噪声图反推出来原图，这样的训练对越多，最后这个模型的还原能力越强，越接近原图本身，最核心的就是预测噪声。Stable Diffusion简化以后的SD，大概就是这么三个东西再拆解一下大概就是这样，以我目前的理解，其实就是将图片和文字形成一个映射关系，然后将这个内容在空间中离散化，这样数据量足够大以后，模型就能抽象出来文字和图像的对应关系了，再下一步，则是用户输入了一段文字，那么这段文字需要被离散成SD模型中可以识别的那部分文字向量，然后将他 ...继续阅读 (64)

今天是清明节的第二天，假期我没有回家，三天时间太短了，我计划五一回家。好长时间没有写胡思乱想了，可能是工作忙。前一阵子工作上，的确遇到了一些问题，让我累的够呛。好在截止目前告一段落了，希望后面能如之前一样波澜不惊，平平淡淡，安安稳稳。今天也不是来这里凑热闹的，还是闺女给的任务，让写一篇小文章，我听了闺女写的作文，以及她的写作方式，我不禁感慨，这个时代真的是科技害人，她的作文基本上是照着一些工具书上拼凑的，虽然可以算得上文字华丽，但是成语啥的都是拿来主义。闲话少说，正文开始。快乐的节日胜日寻芳泗水滨，无边光景一时新。等闲识得东风面，万紫千红总是春。在这花开遍野，草长莺飞，大地如一片绿色海洋的季节，迎来了我期待已久的节日，五一劳动节。之所以对这个节日充满期待，是因为我爸爸要从北京回家了，他为了我们整个家，常年在外工作，也只有五一十一这样的长假才有时间回来一趟。我爸爸常常感叹，独在异乡为异客，每逢佳节倍思亲，谋生无奈日奔驰，有家偏教各别离。他为了这个家，真的付出了很多。我爸爸每次回来都会给我带礼物，虽然平时他也从网上给我买很多礼物，但是当他把礼物从千里之外带回来送给我的时候，我依然是欢呼雀跃，这让我想起了千里送鹅毛，礼轻情意重的场景，而爸爸送给我的远远比鹅毛珍贵。我爸爸回家，不仅我会带我到外面吃好吃的，还会带我去爬山。几次爬山，我都想半途而废，但是他总有办法让我继续前进，而当我不辞劳苦终 ...继续阅读 (45)

这篇文章是我闺女让我写的作文，不让上网搜，要自己写。外面寒风呼啸，我在被窝里面舒舒服服的躺着，已经早上10点钟了，妈妈喊我几次起床，我都糊弄过去了，周末在被窝的感觉真好。要是能再看会手机，那简直就是完美。如是我悄悄滴拿出pad，网上各式各样的视频让我眼花缭乱，忽然看到了一个踢足球的视频，看见足球场上人来人往，场地观众如浪潮般此起彼伏，一个个激动万分的样子，我决定也做一回球迷。看了一会，我不是很懂，准备放弃去看别的视频的时候，我被一个人给吸引住了。一个个头不高的足球队员，被另一方的人给绊倒了，一个跟头栽在球场上，顿时血流如注，常我的心不由得一惊，在场的观众也一片哗然，这个被拌倒的队员，躺在地上停顿了几秒不到，立即爬起来去追离他不远的足球，谁知他摔的太重了，刚爬起来没走两步，又踉跄的跌倒，然而他没有放弃，依然挣扎着爬起来，去抢那个足球了，这个时候，镜头给了他特写，只见他满脸是血，表情痛苦，但是眼神坚定，虽然脚步有些不稳，但是他还是用尽全力再往前冲。比赛结束后有记者采访他，问他都摔伤成那样了，为啥还要坚持踢下去，他说我不是一个人再战斗，我们是一个团队，我不能成为队友的拖累，我既然是团队的一员，我就要发挥我应尽的责任。在球场上，这能看得见的挫折，比起生活中没人注意到的不如人意，也算不得什么，只有坚强和勇敢，才能战胜困难，才能做生活的强者。听了这个运动小哥的话，我顿时心潮澎湃，想起来前几天， ...继续阅读 (54)

解码器层是相似的，但有一个额外的多头注意力子层，允许参与编码器的输出。另一方面，交叉注意力专注于故事的具体细节，以确保随着你的进步，能将最相关的信息融入到你的理解中。解码器的多头注意力子层，包括掩蔽的多头注意力和标准的多头注意力(注意编码器的输出) ，共同生成输出序列。【引】收到图灵寄来的两本书《大模型应用开发极简入门》和《从零构建大模型》，重新点燃了自己深入理解大模型内部机制的热情，不能只知其然而不知其所以然，于是重温大模型核心的transformer架构， 尝试用25个公式进行解读，遂成此文。 ...继续阅读 (62)

《📖人一旦开了窍，人生就开了挂》书摘 - 即刻App允许一切如其所是，也允许一切事与愿违如果你没有按你真正想要的那种方式去生活,你的灵魂每天都会喊疼成熟的重要标志是拥有翻篇的能力。谁能给你带来最多的平静，谁就应该得到你最多的时间。命运选择给某某好运气,并不一定是他有多优秀,而是他在遇到问题时，没有躲。行动是产生结果的唯一方式,可惜的是,大多数人在“想”的过程中就已经消耗了100%的精力。失败不是成功之母,成功才是成功之母。不要依赖别人灌输给你的想法和观念去生活,不要遵循别人设计好的软件使用习惯去应用,也不要沉迷于通过消费、娱乐来获取多巴胺。我们无法在消极的想法里活出积极的人生,也无法在拧巴的状态中活出通透的人生很多事情做不成,缺的不是时间和机会,而是专心致志。如果道路本身很美，不要问它通往何方。——要做过程热爱、有生命力的事情"累了就躺一躺，不丢人“——雷军老师 68 17原文链接：《📖人一旦开了窍，人生就开了挂》书摘 允许一切如其所是， - 即刻App很多事情确实经历过一遍以后，再经历就很从容了 - 即刻App很多事情确实经历过一遍以后，再经历就很从容了。每一段过往都是成长的养料，我们要努力做的就是尽可能从中汲取足够多的营养。原文链接：很多事情确实经历过一遍以后，再经历就很从容了。每一段过往都是 - 即刻App有个事儿挺有意思的 - 即刻App有个事儿挺有意思的。我们平时走在路上 ...继续阅读 (68)

深度优先搜索（DFS）是学生学习算法的第一道门槛，因为它的主要形式是递归。而递归中需要将搜索的相关信息通过参数传递，这一点需要学生深刻理解 DFS。模版DFS 有比较标准的模版，如下所示：1234567891011121314voiddfs(intpt)// pt 表示层数{if(终止条件) {// 处理return;}for(枚举这个层的所有可选项) {if（这个选项是合法的）{标记这个选项（保存现场）dfs(pt+1);取消标记（恢复现场）}}}我们将运用该模版，完成后面的题目。递归的深度递归的时候，程序会占用栈空间来保存函数的环境变量。根据编译器以及编辑参数的不同，栈空间的大小也不同。通常情况下，竞赛中的编译器设定的栈空间为 8M 或者 16M。假如，我们在一个递归函数中使用了 10 个 int 变量，那么每个递归函数就需要4*10=40字节的栈空间。8M 一共可以支持8*1000*1000/40=200000层调用。考虑到栈空间还需要保存当前函数执行的地址等变量，可供支持的调用层数会更小一点。同学们也可以做如下的递归函数栈空间的测试：1234567891011121314151617/*** Author: Tang Qiao*/#includestdc++.h>usingnamespacest ...继续阅读 (72)

arthas是阿里开源的一个非常好用的java诊断工具，提供了很多很好用的命令，这里讲一个最近使用到的就是将arthas挂载上我们的springboot应用，然后调用其中的方法，这样能够在如果没加日志已经看不到函数返回时更方便的排查问题首先举个例子，我们有个 ...继续阅读 (72)

今天我想通过一个例子，让你的C++控制台程序直接可以运行在安卓手机上。这样你写的那些运行在PC上的好玩的C++程序，直接无痛的搞到手机上了，还不需要构建真正的安卓应用，是不是有点意思？学习C++的同学们听到此消息都兴奋的不得了！ ...继续阅读 (32)

- 新版 Microsoft.Xaml.Behaviors 的声明 -->这样就可以在VS2022里使用materialdesign了，-- 旧版 Blend SDK 的声明 -->需要修改为最后这个才不会出错。 ...继续阅读 (56)

引言本篇文章内容出自于价格行为学的 Rose 频道，由我翻译整理。原文链接问题背景在 Rose 的 Discord 频道中，有个朋友问了这样一个问题：你使用哪些工具/平台进行交易？回顾本周所有5分钟图表是否有帮助？或者观看本周所有的收盘总结是否有用？Rose 的回答我的练习主要基于 ES RTH（常规交易时段）的5分钟图表——81根K线，并设置两条EMA均线：20EMA和200EMA，同时显示K线编号。我会标出前一天的最高价、最低价、开盘价和收盘价，并观察新的一天的开盘情况。交易时间段的建议你可以学习课程中名为《Trading Different Times of the Day》的部分（在课程 48 集），尤其是从《Trading the Open》的视频开始（在课程 48 集前 6 个视频）。只交易开盘两个小时（24根K线）并坚持练习几周。理解这些开盘阶段的行为特征，以及在与昨日收盘价、跳空低开、跳空高开等的关系下，如何做多或在区间/趋势性开盘中操作。学习对应的 Brooks 百科幻灯片，看示例，并回放很多天的数据，在这两小时内进行随机交易。你也可以从第40根K线开始专注于中午之后的交易，因为 Al（Al Brooks）经常在这个时候寻找反转。我最喜欢的是以下几个时间点的交易：B40B44（美东时间下午1点）B48（美东时间下午1点半）做波段交易理解这些K线的特征，数K线数和点 ...继续阅读 (48)

近日，字节跳动发布了新一代推理模型 Seed-Thinking-v1.5，其在数学、编程、科学等复杂任务中表现卓越，同时在非推理场景（如创意写作）中也展现了强大的泛化能力。本文将从技术亮点、核心方法、实验结果等方面，解读这一模型的突破性进展。一、为什么Seed-Thinking-v1.5值得关注？Seed-Thinking-v1.5 是一个基于 混合专家架构（MoE） 的模型，激活参数量为200亿，总参数量达2000亿。尽管规模适中，但其在多个基准测试中表现亮眼：数学推理：在AIME 2024（美国数学邀请赛）中得分86.7%，与OpenAI的o3-mini-high持平，远超DeepSeek R1。编程任务：在Codeforces竞赛的pass@8指标（8次生成中至少一次正确）达到55%，显著优于同类模型。科学问答：在GPQA（复杂科学问题数据集）中准确率达77.3%，接近顶尖模型水平。非推理任务：用户满意度比DeepSeek R1提升8%，尤其在创意写作和知识问答中表现突出。更引人注目的是，团队提出了 BeyondAIME 和 Codeforces新评测集 两个内部基准，旨在解决传统评测（如AIME题目过少）的局限性，未来将开源供社区使用。二、核心技术：数据、算法与基础设施的协同优化Seed-Thinking-v1.5的成功源于三大支柱的深度融合：1. 数据：质量与多样性并重可 ...继续阅读 (67)

InnoDB 的锁容易被忽略的细节是关于“隐式锁”（即：implicit locks）的存在。表现上，有的锁是存在的，但在使用SHOW ENGINE INNODB STATUS或者performance_schema.data_locks中却查看不到。最为常见的隐式锁是在写入（INSERT）时，当前事务会持有该记录对应的锁，但是在系统中，通常是查看不到的。但，如果发生了该锁冲突（或竞争）时，系统中则可以看到此类锁信息。本文重现了较为常见的隐式锁场景，包括：数据写入（INSERT）时的隐式锁、根据主键操作是可能产生的二级索引隐式锁等。帮助开发者能够更系统的理解，InnoDB 的锁机制。写入数据产生的隐式锁准备数据DROP TABLE IF exists t1; CREATE TABLE `t1` ( `id` int unsigned, `nick` varchar(32), `age` int, UNIQUE KEY `uk_n` (`nick`) );mysql> desc t1; +-------+--------------+------+-----+---------+ | Field | Type | Null | Key | Default | +-------+--------------+------+-----+-------- ...继续阅读 (66)

In my previous post,RelocationGeneration in Assemblers, I explored some key concepts behindLLVM’s integrated assemblers. This post dives into recent improvementsI’ve made to refine that system.The LLVM integrated assembler handles fixups and relocatableexpressions as distinct entities. Relocatable expressions, inparticular, are encoded using theMCValueclass, whichoriginally looked like this:12345classMCValue{constMCSymbolRefExpr *SymA =nullptr, *SymB =nullptr;int64_tCst =0;uint32_tRefKind =0;};In this structure:RefKindacts as an optional relocation specifier,though only a handful of ...继续阅读 (26)

文章链接到标题技术链接到标题Avoid building a security treadmill作者自造词，安全跑步机：在安全方面，你需要不断的努力只是为了停留在原地，最终没有取得真正的进展。故事背景是其他团队为了阻止人们使用免费的 GPU 资源来挖矿，所以提出在 [[kubernetes]] 集群中部署 [[Falco]]（Falco is a cloud native security tool that provides runtime security across hosts, containers, Kubernetes, and cloud environments. It is designed to detect and alert on abnormal behavior and potential security threats in real-time.），作者认为这个修复方式的复杂度先不谈，修复的方法/策略上是否可以改进？现在通过 [[Falco]] 来检查，后面如果矿工用了 [[VPN]]、[[proxy]]，需要部队的更新规则才能维持现在的安全状态。是否可以从其他的方式解决，比如：收取 GPU 使用费用限制网络访问，白名单形式开放沙盒化运行，限制对文件系统的访问我开发的产品功能，是否也是一个跑步机，要持续的投入才能停留在原地？It’s ...继续阅读 (53)

引言本篇文章重要是总结了 Al Brooks 的价格行为学课程的第 20 章内容。简单介绍Measured Moves（简称 MM） 是价格行为学中一个重要的技术分析工具，主要用于预测价格目标位，帮我们止盈找到合理的止盈位置。本文介绍了三种主要的测量方法：Leg1 = Leg2高度翻倍缺口测量几种方式Leg1 = Leg2股票涨了一段时间，然后回调，大概率会有第二段行情，第二段行情的高度会和第一段行情的高度差不多。通常来说，当遇到强趋势，交易者期望在回调之后趋势会继续。他们的第一个目标就是第二段和第一段高度差不多。高度翻倍强势开盘，然后回调，没有跌破低点，然后继续上涨，通常会涨到第一段高度的两倍。突破没有跟随，但是也没跌多少，处于一个小范围震荡，可以把这个小的区间中间部分作为中线，然后翻倍。两根大阳线突破，我们优先考虑的目标位是把他们实体的部分翻倍。一根大阳线突破，跟随非常差（没有上影线），我们的第一个目标位是回到突破点。这里我们考虑止盈一部分或者全部，如果后面继续跌，我们会把目标位设置为大阳线往下的 1 倍距离。1 是大阳线，差的跟随 2。3 大阴线，4 是阴线小十字星，不算好的跟随，但是也算是跟随了，大概率会跌到大阴线实体的 1 倍距离。震荡区间被突破了，大概率会有一个翻倍的目标位。震荡区间翻倍之后趋势还在继续？那可以考虑重新画目标位，考虑 2 倍，甚至 3 倍。当然这种是小概 ...继续阅读 (60)