LLM的火爆程度不用多说，如果想深入理解大语言模型（LLM），一些必要的论文还是要读的。以下是汇总的LLM大语言模型学习资料网站（Git、Gitee、模型社区等）

LabelImg是一款开源的图像标注工具，支持PASCAL VOC和COCO数据集格式。安装可通过下载免安装版或pip命令完成。使用时需注意快捷键操作（如W画框、D切换图片）和标注格式转换问题。常见错误如TypeError可通过修改canvas.py文件中的浮点数转换解决。该工具简单易用，适合目标检测任务的图像标注工作。本文主要介绍labeling的安装与使用教程以及过程中遇到的问题。

本文对比介绍了vLLM和Ollama两种大模型部署工具。vLLM是高性能推理框架，适合企业级API服务，需Python/CUDA环境，支持多GPU并行；Ollama是轻量级本地工具，适合个人开发测试，安装简单。文章详细提供了两者的安装部署教程，包括环境准备、模型下载、参数配置等步骤，并列出常见问题解决方法。

本文探讨了AI时代下程序员经验的价值变迁。回顾早年Java开发需手动搭建环境的“古法编程”时代，对比当下新人依赖AI生成代码的现状，指出AI虽能高效完成标准化编码，但无法替代经验积累的底层思维和问题排查能力。建议“古法打底，AI增效”的融合模式：用AI处理重复工作，同时保持对代码质量和业务逻辑的把控。编程经验不会过时，只是经验的变现形式变了，从手写全量代码，变成指挥 AI、兜底项目风险、把控项目、

Agent智能体是人工智能领域中的一个重要概念，指的是具有智能的实体，能够感知环境、做出决策并采取行动。关键特性感知能力：Agent能够理解环境，包括语言交互、处理和解释来自不同感官的信息（如视觉、听觉、触觉等）。推理能力：Agent具备推理能力，能够进行复杂的逻辑推理，如在大语言模型（LLM）的帮助下，其表现得到了显著提升。行动能力：Agent能够通过语言输出参与社会交流，如谈判、冲突解决或教学

近期在工作中需要解析word，里面包括文字、表格、图片等，在网上找了很多关于解析word的，都是单独处理的，由于我需要按顺序解析内容，而且要清晰的指导每个内容的位置在哪儿，所以单独处理显然不行，最开始使用python的docx类库，这种解决起来有点小问题，后来切换到了java来处理这个，没想到POI有这么好用的类库

项目中遇到各种数据资源想要加载近langchain构建本地知识ai系统，怎么加载对应的文件格式呢，一起研究下。

spark读写时序数据库 TDengine 错误总结

在实际开发过程中，我们经常需要调用对方提供的接口或测试自己写的接口是否合适。很多项目都会封装规定好本身项目的接口规范，所以大多数需要去调用对方提供的接口或第三方接口（短信、天气等）。若是普通java工程推荐使用OkHttpClient，若是spring工程推荐使用RestTemplate。，若是springcloud微服务可以用openFeign或Dubbo

本文介绍了一种基于YOLOv8的工业视觉检测方案，文章对比了多模态大模型与轻量级小模型的适用性，最终选择YOLOv8作为解决方案，详细阐述了从数据收集标注、模型训练到部署应用的全流程。方案采用500-1000张多样化场景图片进行训练，通过迁移学习微调预训练模型，实现了高效准确的工业质检功能。文章还提供了完整的数据处理脚本、训练代码和Flask接口封装方法，特别强调了工业场景下数据多样性和模型轻量化