OpenClaw 是一个开源的、面向具身智能（Embodied AI）与机器人操作研究的多模态大模型框架，由上海人工智能实验室（Shanghai AI Lab）联合多家机构于2024年发布。它聚焦于“视觉-语言-动作”（Vision-Language-Action, VLA）联合建模，旨在让AI不仅能理解环境和指令，还能生成可执行的、细粒度的机器人控制动作序列（如关节扭矩、末端位姿、抓取姿态等），

HBase 是一个分布式的、面向列的开源数据库，构建在 Hadoop 文件系统（HDFS）之上，是 Google Bigtable 的开源实现。它适用于海量结构化或半结构化数据的实时读写场景，具有高吞吐、低延迟、强一致性（单行事务）、自动分片（Region 分裂与负载均衡）、水平扩展等特性。HBase 的核心组件包括：

- 场景适配：学术论文（公式LaTeX输出）、金融报表（表格高精度识别）、跨境合同（多语言解析）2.**多语言复杂文档处理技巧**：https://juejin.cn/post/7312557396062781474- 扫描件预处理、去印章、跨页表格合并等实操方法，提升解析准确率

1. **Git + IDE**：直接在 IDE 中解决冲突，IDEA 提供可视化冲突解决界面，VS Code 安装 `Git Merge Conflict` 插件后也能直观处理。2. **Docker + IDE**：IDEA 专业版支持直接运行 `Dockerfile` 和 `docker-compose.yml`，VS Code 安装 `Docker` 插件后可一键部署容器。

- 发布过程快速且可控- 支持即时回滚，降低风险- 用户无感知，实现零中断升级⚠️ **注意点**：- 双倍资源消耗（两个版本同时运行）- 数据兼容性需保障（数据库 schema 向前兼容）- 需配合健康检查与监控系统确保绿色环境可用

| 分布式训练配置复杂度 | 极简 API（如 `fleet.distributed_runner`） | 需手动管理进程组、DDP/FSDP || 国产芯片支持 | 原生优化支持昆仑芯、昇腾 | 依赖社区或厂商适配 || 自动并行支持 | 内置完整 AutoParallel 框架 | 依赖 DeepSpeed / FSDP 插件 || 动静切换体验 | 动静统一，一键转换 | 动态为主，静态需额

- **梯度消失**：当 $ \max|\sigma'(z)| < 1 $（如Sigmoid在大部分区域导数 ∈ (0, 0.25)，Tanh ∈ (0, 1)），且权重初始化偏小（如标准正态分布未缩放），则连乘后梯度指数衰减 → 靠近输入层的权重几乎不更新。- **梯度爆炸**：若权重过大或激活函数导数较大（如线性段），连乘导致梯度指数增长 → 参数剧烈震荡、训练发散。

3. **ZooKeeper协调与故障转移（Failover）**- ZooKeeper集群负责：✅ **健康监测**：每个NameNode运行一个ZKFailoverController（ZKFC）进程，定期向ZooKeeper发送心跳；✅ **主备选举**：首次启动或故障时，ZKFC通过ZooKeeper分布式锁竞争成为Active；✅ **自动故障检测与切换**：若Active宕机或失联（Z

3. **实时性保障**- 设置**最大迭代次数阈值**（如≤50代），配合早停机制（连续10代无改善则终止）；- 采用**增量式更新**：仅重优化受动态障碍影响的局部航段，而非全路径重构；- 在地面站预计算**离线路网（Waypoint Graph）**，机载端仅运行轻量ACO/PSO在子图上搜索。

📌 **经验法则（快速决策表）**：| 条件 | 倾向统计学习 | 倾向深度学习 ||------|----------------|----------------|| 数据量 < 10万 & 结构化 | ✅ | ❌ || 需输出“为什么预测为高风险” | ✅ | ⚠️（需额外解释技术） || GPU资源有限 / 要求<50ms延迟 | ✅ | ❌ || 输入为原始图像/语音/长文本 | ❌