本来以为在Mac上搭建vue.js的环境挺简单的，谁知遇到各种问题（可能是RP问题），网上解决的方法也寥寥无几，这里就记录下遇到的坑。一、vue.js开发环境1、安装 brew，这个简单，直接执行远程脚本/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/mas

CUDA 是 NVIDIA 推出的并行计算平台和编程模型，专为利用 GPU 加速深度学习任务而设计。PyTorch 和 TensorFlow 等深度学习框架通过 CUDA 调用 GPU 资源，显著提升模型训练和推理的效率。CUDA 生态系统包括上层框架（如 PyTorch、TensorFlow）、中层加速库（如 cuDNN）和底层工具（如 CUDA Toolkit），共同为深度学习提供强大的计算支

本文介绍在 macOS 系统通过 Docker 本地部署 OpenClaw（小龙虾）AI 助手的完整流程。因直接安装存在安全风险、云服务成本高且隐私不可控，Docker 部署具备环境隔离、数据本地存储、安装简便等优势。部署需先安装 Docker Desktop，准备大模型 API，再下载源码执行安装脚本，随后通过配置向导完成快速设置，配置模型信息并跳过部分可选模块。登录时需记录 Token，若遇设

本文介绍在 macOS 系统通过 Docker 本地部署 OpenClaw（小龙虾）AI 助手的完整流程。因直接安装存在安全风险、云服务成本高且隐私不可控，Docker 部署具备环境隔离、数据本地存储、安装简便等优势。部署需先安装 Docker Desktop，准备大模型 API，再下载源码执行安装脚本，随后通过配置向导完成快速设置，配置模型信息并跳过部分可选模块。登录时需记录 Token，若遇设

Dubbo是一个分布式服务框架，以及SOA治理方案。其功能主要包括：高性能NIO通讯及多协议集成，服务动态寻址与路由，软负载均衡与容错，依赖分析与降级等。Dubbo是Alibaba开源的分布式服务框架，它最大的特点是按照分层的方式来架构，使用这种方式可以使各个层之间解耦合（或者最大限度地松耦合），我们可以非常容易地通过Dubbo来构建分布式服务，并根据自己实际业务应用场景来选择合适的集群容错模式，

CUDA 是 NVIDIA 推出的并行计算平台和编程模型，专为利用 GPU 加速深度学习任务而设计。PyTorch 和 TensorFlow 等深度学习框架通过 CUDA 调用 GPU 资源，显著提升模型训练和推理的效率。CUDA 生态系统包括上层框架（如 PyTorch、TensorFlow）、中层加速库（如 cuDNN）和底层工具（如 CUDA Toolkit），共同为深度学习提供强大的计算支

本文记录了 Claude Code 的一次完整实战使用过程，包括工具定位介绍、本地安装与代理配置、首次使用时“额度不足”问题的原因分析，以及如何接入第三方大模型继续使用。文章详细对比了手动修改配置与使用 CC-Switch 进行模型切换的方式，并介绍了其工作原理与使用体验。最后简要扩展了 Claude Code Router 这一进阶方案，说明其基于 Prompt 动态路由多模型的能力，帮助开发者

大模型虽强，但存在不了解私有知识库和幻觉问题。RAG（检索增强生成）通过先检索私有知识再生成答案，能有效解决这一问题。其流程分为索引构建（文档整理、切片、向量化、存储）和数据生成（提问向量化、相似检索、增强生成）。本文以智能客服为例，详细讲解RAG原理，并提供完整Python实现代码，包括文档处理、向量检索和大模型集成，帮助开发者快速应用RAG技术构建专业问答系统。

本博客提供 MCP（Model Context Protocol）官方文档的中文译文，内容清晰、结构完整，帮助中文开发者快速理解 MCP 的核心概念与使用方式。

Ollama是一款本地大模型运行工具，被称作"AI时代的Docker"，用户可通过简单命令快速启动Llama、Qwen、DeepSeek等模型。其优势包括无需复杂环境配置、支持多平台和多种模型、提供CPU/GPU推理以及Python API接口。文章详细介绍了Ollama的安装方法、模型运行指令、Python调用方式，以及如何通过Modelfile自定义模型。Ollama让大模