pom.xml 安装PageHelper依赖 PageListVO package com.xx.streammediatranscoding.model; import lombok.Data; import java.util.List; @Data public class PageListVO { private List list; PaginationVO pagination; } Pagination package com.xx.streammediatranscoding.model; impo…
前置 Loguru 集成配置 关键代码 import os import sys from loguru import logger work_path = os.path.split(os.path.realpath(__file__))[0] logs_path = os.path.join(work_path, "./logs") def logging_init(): # 确保日志目录存在 os.makedirs(logs_path, exist_ok=True) # 移除默认的logger logger.…
1. 通过系统设置修改（推荐） 适用于：同步修改“关于本机”名称和终端主机名。 步骤： 打开 系统设置（macOS Ventura 及更新版本）或 系统偏好设置（旧版）。 进入 通用 > 关于本机。 点击名称栏（当前显示“周凯的MacBook Pro”），输入新名称（如 Zhoukai-MacBook-Pro），按回车确认。 重启电脑 或 重新登录终端，终端提示符中的 @zhoukaideMacBook-Pro-2 会自动更新为新名称。 2. 通过终端命令单独修改主机名 如果只想修改终端中的主机名（不影响“关于本机…
原文地址 youtube视频 原文翻译 TL;DR：我选择将 AI 的使用作为手动作，因为当我依赖 AI 时，我感觉到随着时间的推移，能力会慢慢丧失，我建议每个人都谨慎行事，将 AI 作为他们工作流程的关键部分。 2022 年底，我第一次使用了 AI 工具，甚至在 ChatGPT 的第一个版本之前。2023 年，我开始在我的开发工作流程中使用基于 AI 的工具。最初，这些 LLM 的功能给我留下了深刻的印象。事实上，我可以将晦涩难懂的编译器错误与 C++ 源代码一起复制和粘贴，并被告知错误的原因，这感觉就像魔术一样…
剪切板应用下载 功能 自动获取剪贴板文本 自动监控系统剪贴板变化，无需手动操作，复制即可保存内容 强大的搜索功能 快速搜索剪贴板历史内容，再也不用担心找不到之前复制的重要信息 多端同步 支持Android、iOS、Mac、Windows多平台，剪贴板内容自动同步，随时随地可用 历史记录 保存剪贴板历史记录，随时查看和恢复之前复制的内容 安全可靠 采用端到端加密技术，保护您的隐私数据安全，不会泄露敏感信息 快速响应 轻量级设计，占用系统资源少，复制粘贴操作快速响应 预览
问题现象 使用私钥方式登录 之前可以通过tabby正常登录服务器，升级了tabby之后，就无法正常登录了 SSH Connecting to 服务器 SSH Host key fingerprint: SSH ecdsa-sha2-nistp256 SHA256:OTGiFDZY4fG2K1paEbwequsuENsyhjptiPCEs SSH Trying private key: file:///Users/zhoukai/Documents/私钥 X Authentication rejected 通过mac…
LMDeploy github地址：https://github.com/InternLM/lmdeploy/blob/main/README_zh-CN.md 开源协议：Apache License Version 2.0 优势： 国产硬件优化框架，支持多模态模型 深度优化CPU-GPU调度 支持华为昇腾等国产芯片 劣势 社区资源较少 更新迭代速度慢 适用场景 国产化环境/政企项目 简介 LMDeploy 由 MMDeploy 和 MMRazor 团队联合开发，是涵盖了 LLM 任务的全套轻量化、部署和服务解决方…
大模型（例如 GPT、Llama、Claude 等）中的 B 一般指的是 参数数量的数量级，即 “十亿（Billion）” 这个数量级。比如： 7B → 70 亿参数（7 Billion） 13B → 130 亿参数（13 Billion） 65B → 650 亿参数（65 Billion） B（参数量）有什么用？ 参数数量决定了模型的容量和能力，但并不是唯一的衡量标准。大致来说，参数越多，模型的表达能力越强，能够处理更复杂的任务，但也会带来计算资源、训练难度等问题。 B 大的作用（更大参数量的好处） 更强的理解和…
DeepSeek-V3 和 DeepSeek-R1 是深度求索公司（DeepSeek Inc.）开发的不同定位的模型，主要区别体现在技术目标、应用场景和功能特性上。以下是核心差异的总结： 1. 定位与目标 DeepSeek-V3 定位为通用对话模型，属于第三代（V3）迭代版本，注重多轮对话能力、复杂问题解决和跨领域知识覆盖，擅长处理开放域问答、逻辑推理、创意生成等任务。 DeepSeek-R1 专精于检索增强生成（RAG, Retrieval-Augmented Generation） ，通过结合外部知识库或实时数…
DeepSeek 系列模型是由中国公司深度求索（DeepSeek Inc.）开发的一系列人工智能模型，涵盖自然语言处理（NLP）、多模态和代码生成等领域。这些模型以高性能、高效训练和广泛的应用场景著称。 DeepSeek开源了啥？ Open Source Initiative（简称OSI）专门针对AI提出了3种概念：开源AI系统、开源AI模型和开源AI权重 开源AI系统包括训练数据、代码和权重。代码和权重需要按照开源协议提供，而训练数据只需要公开出处（因为一些数据集确实无法公开提供） 开源模型只需要提供用于推理的代…
