github代码版本有很多，很多新手小白只会简单git clone，看到的代码只有master版本。这篇文章将带大家玩转git切换代码分支。

MTU（ Maximum Transmission Unit，最大传输单位）,用来设置描述网络接口的最大传输量，需要注意的是，每个网络接口的MTU都不相同。如果网口的mtu与docker0 mtu不一致，就会导致容器内部能够ping，但是curl不通的情况。因此你在Linux中使用ifconfig会看到有的接口会有1492bytes,将网口的mtu与docker0 mtu保持一致，一般都是1500

最近C盘满了，之前不小心把Anaconda安装在了C盘，导致C盘满了。现在需要将之前的Anaconda环境迁移至E盘，仍然会显示迁移前Anaconda环境路径。

MTU（ Maximum Transmission Unit，最大传输单位）,用来设置描述网络接口的最大传输量，需要注意的是，每个网络接口的MTU都不相同。如果网口的mtu与docker0 mtu不一致，就会导致容器内部能够ping，但是curl不通的情况。因此你在Linux中使用ifconfig会看到有的接口会有1492bytes,将网口的mtu与docker0 mtu保持一致，一般都是1500

开源大模型更新迭代太快，今年刚推出的模型可能过几个月就过时了。关于这个问题，我想更多的不是思考现在能部署哪些大模型，而是要思考三个方面：一是如何找到最新的大模型，二是如何判断本地硬件资源是否满足大模型的需求，三是如何快速部署大模型。

对于初学者如何入门，我的建议是从一个开源大模型入手，全面了解它的运行原理以及如何应用。可以将大模型比作一辆车，我开车无需理解车是如何做的，但是车出问题了，了解原理能够帮我们快速找到其中的问题。

大模型的使用可以分为本地调用和远程调用。由于本地硬件资源有限，我们一般选择远程调用大模型（后续小项目，也可自己本地部署大模型）。目前市面上的大模型有ChatGPT、GPT4、GLM4、文心一言等等，OpenAI的产品由于有关原因被限制，在此我们采用智谱AI的GLM4作为实验对象。

大家好，我是程序锅。github上的代码封装程度高，不利于小白学习入门。常规的大模型RAG框架有langchain等，但是langchain等框架源码理解困难，debug源码上手难度大。因此，我写了一个人人都能看懂、人人都能修改的大模型RAG框架代码。

大模型的使用可以分为本地调用和远程调用。由于本地硬件资源有限，我们一般选择远程调用大模型（后续小项目，也可自己本地部署大模型）。目前市面上的大模型有ChatGPT、GPT4、GLM4、文心一言等等，OpenAI的产品由于有关原因被限制，在此我们采用智谱AI的GLM4作为实验对象。

我用ragflow做了一款初中历史辅导助手，准确率高达99%