本文介绍了如何利用Prometheus监控自定义业务指标，解决系统层面监控无法覆盖业务逻辑的问题。主要内容包括： 基础配置：通过Python编写Exporter暴露自定义指标（如待处理任务数），配置Prometheus抓取数据并展示。 进阶应用：监控动态变化的业务指标（如文件中的任务数），设置告警规则（任务数>50持续2分钟触发告警）。 实现步骤： 安装必要工具（Python、prometheus

每天工作要开的工具一多，浏览器标签栏就变成一坨乱麻——GitHub、Notion、服务器后台、监控面板，可能加起来有十几个网站，加载慢不说，想找某个具体页面还得一个个翻。Dashlet 想解决的是这件事：把常用的服务入口集中到一个页面里，配好之后打开就是你的个人导航板，支持图标、自定义排序、分组，还自带主题和壁纸，界面做得也体面。它本质上是一个纯前端项目，不依赖任何后端服务，配置文件写好就能跑，资

有人称这是“AI史上最贵的实习生失误”，也有人欢呼“这是送给开发者的圣诞礼物”。无论如何，2026年3月31日注定载入AI史册在AI Agent时代，代码即战略，细节定生死。而Anthropic，正为自己的傲慢与疏忽付出代价。真正的壁垒，究竟是代码，还是快速迭代与用户信任？🔥 转发提醒你的CTO：检查你们的npm包，别让下一个“裸奔”的是你！

本文介绍了一种通过内网穿透实现远程监控服务器状态的方案。首先在CentOS 7上安装node_exporter并配置为systemd服务，然后通过Prometheus采集系统指标数据。为解决公网访问问题，使用cpolar工具将node_exporter的9100端口穿透到公网，生成固定二级域名地址。最终实现无论服务器位于何处，都能通过公网地址远程监控其CPU、内存、磁盘等系统状态。该方案避免了传统

对计算图中每个张量TiT_iTi​，定义其活跃区间siei[s_i, e_i]si​ei​sis_isi​：首次被生产（算子输出）的时间步；eie_iei​：最后一次被消费（算子输入）的时间步。内存复用是深度学习系统优化的“隐形冠军”。GE通过精密的生命周期分析与智能内存池分配，在不牺牲计算正确性的前提下，将内存效率推向极致。在 AI 模型日益庞大的今天，掌握内存复用技术，意味着你能在有限的硬件上

算子融合是深度学习性能优化的核心技术，也是现代 AI 框架的必备能力。catlass通过分块融合、流水线调度、模板抽象等技术，将 Gemm+Bias+Act 融合性能推向极致。掌握这些融合原理，不仅能提升你的模型推理速度，更能培养计算图优化的思维——这是构建高效 AI 系统的关键能力。随着大模型时代到来，对算子融合的要求只会更高。理解智能融合策略，就是掌握 AI 基础设施性能优化的关键密码。📚深

XiaoMusic是一个开源的小爱音箱本地音乐播放工具，通过NAS部署之后，可以让小爱音箱直接播放本地曲库，不走QQ音乐、网易云那些网络曲库，也就不受会员权限限制。本质上是个局域网音乐服务器加语音控制前端的组合，开发者把交互层做得比较完整，配好账号之后用"小爱同学"语音点歌的体验和正常用网络曲库差不多。

XiaoMusic是一个开源的小爱音箱本地音乐播放工具，通过NAS部署之后，可以让小爱音箱直接播放本地曲库，不走QQ音乐、网易云那些网络曲库，也就不受会员权限限制。本质上是个局域网音乐服务器加语音控制前端的组合，开发者把交互层做得比较完整，配好账号之后用"小爱同学"语音点歌的体验和正常用网络曲库差不多。

基础能力：用Ascend C编写单算子与融合算子，理解昇腾芯片的计算单元与内存层级；进阶技能：通过性能优化手段（并行计算、内存访问、指令集）提升算子效率；工程实践：将融合算子集成到真实模型（如MindSpore/TensorFlow），解决实际场景中的功能与性能问题。2025年昇腾CANN训练营第二季，基于CANN开源开放全场景，推出0基础入门系列、码力全开特辑、开发者案例等专题课程，助力不同阶段

我正在深入学习2024 CANN训练营第二季，这门课程作为昇腾AI生态的核心实践指南，系统性地揭示了高性能算子开发的底层逻辑——通过Ascend C精准操控AI Core的计算与内存资源，不仅让算法真正“跑得快”，更让我理解了如何将数学表达高效映射到硬件执行单元，架起从模型设计到芯片加速的关键通路。