
简介
沉淀的日子必将孤独且漫长,但一定值得 人生最可悲的事情莫过于胸怀大志,却又虚度光阴 .不要看着自己清醒的坠落下去! 你要在无人问津的地方历练, 才能在万众瞩目的地方出现。 向前看,有力量!向后看,上岸的故事!
擅长的技术栈
可提供的服务
可以共同讨论C++方向相关知识
本文以“将蓝耘元生代GLM-5.3接入TRAE Work:改造God’s Eye View,让三维地球听懂中文、解释公开数据”为主线,完整记录从模型接入到应用改造的实战过程。文章将介绍如何借助GLM-5.3增强God’s Eye View的中文自然语言理解、公开数据解析、空间信息分析与三维可视化能力,并结合实际交互场景展示从“提出问题”到“读取数据、理解语义、分析结果、呈现地球”的完整链路,探索大

本文完整记录 PostgreSQL 在鸿蒙 PC 上的适配实践,围绕源码准备、原生交叉编译、依赖处理、系统兼容、运行验证等关键环节,进一步延伸到 HNP 数据库服务的封装、部署、启动与生命周期管理。文章结合实际适配过程中遇到的问题与解决思路,梳理 PostgreSQL 从“能够编译”到“稳定运行”,再到“服务化落地”的完整技术闭环,总结可复用的适配经验,为更多开源数据库及基础软件进入鸿蒙 PC 生

本文完整记录开源设计工具 Penpot 在 HarmonyOS PC 上的适配实践,从运行环境搭建、项目部署与启动,到界面显示、窗口适配、文件访问、快捷键、交互体验及兼容性问题处理,逐步梳理整个适配过程。通过实际运行效果和问题排查,总结开源桌面应用迁移到鸿蒙 PC 的关键思路、常见难点与优化方法,为希望在 HarmonyOS PC 上运行和适配现有开源项目的开发者提供可参考、可复现的实践经验。

本文完整记录 Python IDLE 在鸿蒙 PC 上的适配与重构过程,基于 ArkUI 重新实现代码编辑、脚本运行、Shell 交互和基础调试等核心能力,并围绕界面布局、进程调用、输入输出、状态同步、异常处理及交互体验展开实践。文章结合实际开发过程,梳理关键技术方案、适配难点与解决思路,逐步打通从编写代码到运行、交互和调试的完整开发闭环,探索 Python 桌面开发工具在鸿蒙 PC 生态中的原生

本文完整记录PR-Agent在鸿蒙PC平台上的适配实践,从Python服务端代理能力封装、接口设计与数据通信,到ArkTS原生评审客户端的界面开发、评审流程接入和结果展示,系统梳理智能代码评审链路的实现过程。文章结合实际开发,分析跨技术栈协同、异步请求、数据结构适配及原生交互中的关键问题与解决方案,并总结适配过程中的经验与踩坑点,为AI代码评审能力在鸿蒙PC上的落地及相关原生应用开发提供实践参考。

本文以 Python IDLE 为实际案例,完整记录其从 Tkinter 传统桌面程序向鸿蒙 PC 适配与原生化迁移的全过程。内容涵盖原有程序结构分析、窗口与界面重构、交互逻辑调整、文件与系统能力接入、兼容性处理及桌面体验优化,并进一步基于 ArkUI 重构原生界面,打通从“可运行”“可适配”到“原生体验”的开发闭环。通过梳理关键问题、实现思路与方案取舍,为传统 Python 桌面应用迁移鸿蒙 P

本文围绕 KES-Operator 在数据库集群全生命周期管理中的应用展开,重点介绍从集群部署、统一纳管,到日常巡检、性能监控、告警处理、故障切换、备份恢复以及弹性扩缩容等核心能力。通过自动化编排、标准化运维流程和可视化管理方式,KES-Operator 能够减少重复操作与人工干预,降低数据库集群管理复杂度和运维门槛,同时提升运维效率、系统稳定性与业务连续性,为企业构建更简单、更高效、更可靠的数据

本文以“从零开始大模型开发与微调”为主线,基于PyTorch与ChatGLM,系统梳理从语言模型基础、数据处理、模型训练到微调与对齐的实践路径。内容覆盖续写模型构建、监督微调、指令微调、奖励模型、RLHF、PPO等关键技术,并结合训练流程、核心原理与实战思路,讲解如何一步步将基础模型训练成具备对话、指令理解和人类偏好对齐能力的智能助手。同时关注训练效果评估、常见问题与工程细节,帮助读者理解大模型从

本文将围绕 Open-LLM-VTuber 的实际部署与使用展开,介绍如何接入大模型,为传统文字聊天增加语音与视觉能力。通过配置语音识别、语音合成、屏幕视觉理解等功能,让 AI 不仅能听懂用户说话、实时进行自然语音交流,还能获取并分析屏幕中的内容,根据当前操作场景给出更准确的反馈。文章将结合完整配置流程与实际效果,带你一步步打造一个能听、能说、能看、还能理解上下文的多模态 AI 虚拟助手,进一步提

本文以 PyTorch 与 ChatGLM 为实践基础,围绕“大模型开发、微调与 Transformer 解码器原理”展开,从注意力机制切入,系统讲解位置编码、掩码自注意力、多头注意力、残差连接、层归一化、前馈网络及自回归生成等核心机制。同时结合数据处理、模型构建、训练优化、参数微调与推理部署流程,深入分析文本如何经过解码器逐步预测并生成下一个词。文章注重原理解析与实践结合,帮助读者建立从 Tra









