日常经常用到这俩的一些环境变量，特记录下来，如有错误，还请指正。

之前的博客DeepSeek辅助写一个Vue3页面写了一个Vue3应用，运行npm run dev的时候功能正常，但当执行npm run build生成发布版的时候，却报错了：transforming (7) node_modules\element-plus\es\components\alert\index.mjseslint.config.ts:19:3 - error TS2345: Arg

数据增强通过对原始数据进行变换、扩展或扰动，生成新的训练样本，从而提升模型的泛化能力，减少过拟合。在文本数据中，常用的数据增强技术包括：同义词替换：将句子中的部分词语替换为其同义词。随机插入：随机在句子中插入与上下文相关的词语。随机删除：随机删除句子中的某些词语。随机交换：随机交换句子中两个词语的位置。回译（Back Translation）：将文本翻译为其他语言后再翻译回来，获得语义相近但表达不

本地部署Dify，按照官方文档操作，形成了这篇部署踩坑记录。

当重新开始下载某个块时，这个块的进度会归零，反映到整体进度条上就可能表现为总进度的暂时性倒退，因为它需要重新获取之前尝试下载但失败的部分。如果一个较大的层下载失败并需要重试，即使其他较小的层已经下载完成或接近完成，整体进度的百分比也可能会因为这个大层的重置而显著下降。使用Ollama的ollama run 命令，本地没有模型会从远程仓库拉去，但我们会发现，这个模型的拉取进度有时候会倒退，这是由于差

Elsa Workflows 是一个开源的、模块化的 .NET 库集合，旨在为 .NET 应用程序提供强大的工作流能力。它将复杂的工作流逻辑抽象化，让开发者（以及非开发者）能够更轻松地设计、执行和自动化各种业务流程。

需要把Python写的代码打包给朋友，于是通过DeepSeek检索了Nuitka的使用，之前用过pyinstaller，参考我的博客PySide6 GUI 学习笔记——Python文件编译打包，这次我采用Nuitka打包一个简单的程序。以下是使用 Nuitka 将 Python 程序打包为独立 EXE 文件的完整指南，结合核心优势、详细步骤和避坑技巧

束搜索是一种启发式图搜索算法，用于序列生成任务（如机器翻译、文本生成）。它通过维护固定数量的候选序列（称为 束宽 k），在每一步扩展时仅保留概率最高的 k 个路径，避免穷举所有可能序列，平衡效率与质量。

Rust安装指南，参考官方安装方法，做一个记录。

本文系统梳理了主流深度生成式模型的类型及其特点，包括能量模型、变分自编码器（VAE）、生成对抗网络（GAN）、流模型、自回归模型、扩散模型和一致性模型。各类模型在生成方式、训练目标、样本质量、采样速度等方面各有优劣。能量模型和 VAE 以概率建模为核心，GAN 通过对抗训练生成高质量样本，流模型强调可逆性和精确似然计算，自回归模型适合序列建模，扩散模型和一致性模型则在高质量生成和高效采样之间取得平