个人笔记，雪花算法

本文介绍了Linux终端的实用历史命令操作：使用"!+数字"调用指定历史记录，"!+字符串"匹配最近相关命令；Alt+./!$获取上条命令末参数；Ctrl+l清屏，Ctrl+r搜索历史；Ctrl+Shift+t新建终端，Ctrl+d关闭终端。这些快捷键能显著提升终端操作效率。

本文介绍了在Ubuntu 22.04.3 LTS系统下配置Docker和Ollama的完整流程。内容包括：1）更新系统并安装Docker必备工具；2）添加Docker官方GPG密钥和阿里云镜像源；3）安装Docker并配置多个国内镜像加速源；4）安装NVIDIA容器工具包以支持GPU加速；5）部署Ollama容器并运行大语言模型（如gpt-oss:20b等）；6）附上Ollama支持的主流模型列表

本文介绍如何通过cc-switch工具配置并使用百炼大模型API。首先从微软商店安装软件但不启动，然后下载cc-switch工具并配置百炼API密钥（也可使用其他平台）。完成配置后启动软件并切换到CodeX模式，最终实现成功连接运行。该教程分步演示了从安装到对接大模型API的全流程，适用于需要调用第三方AI服务的开发者。配置过程简单清晰，只需按照图示填写API信息即可完成设置。

本文介绍了在Ubuntu系统下安装配置Claude Code的完整步骤：1)通过nvm安装Node.js并配置国内镜像源；2)使用npm全局安装Claude Code；3)通过生成和编辑.claude.json文件完成基础配置；4)安装CC-Switch工具并处理可能的依赖问题；5)最终通过命令行启动Claude Code。整个过程包含了必要的版本验证、镜像源配置和常见问题解决方法，适合国内开发者

本文详细介绍了在昇腾Ascend环境下使用LlamaFactory和vLLM-Ascend工具对Qwen3-0.6B模型进行微调部署的全过程。主要内容包括：1）环境准备，创建NPU实例和虚拟环境；2）通过ModelScope拉取模型；3）使用LlamaFactory进行模型微调，包括数据集处理、训练脚本配置和训练过程监控；4）模型合并与导出；5）切换到vLLM环境进行模型部署测试。整个过程详细记录

本文详细介绍了在Windows 11 WSL2环境下配置Ubuntu 22.04 + ROCm 7.2.1 + Conda AI开发环境的完整流程。主要内容包括：安装Ubuntu WSL、配置清华镜像源、安装ROCm 7.2.1及其WSL专用组件librocdxg、设置环境变量、安装Miniconda并配置国内镜像，以及从AMD官方仓库下载安装PyTorch 2.9.1等关键AI框架。特别针对WS

本文详细介绍了在Windows 11 WSL2环境下配置Ubuntu 22.04 + ROCm 7.2.1 + Conda AI开发环境的完整流程。主要内容包括：安装Ubuntu WSL、配置清华镜像源、安装ROCm 7.2.1及其WSL专用组件librocdxg、设置环境变量、安装Miniconda并配置国内镜像，以及从AMD官方仓库下载安装PyTorch 2.9.1等关键AI框架。特别针对WS

本文介绍了如何调用硅基流动平台的AI模型API。首先在官网创建项目后，需导入unirest-java依赖。登录平台后，复制API密钥并选择目标模型，查看API文档获取调用代码示例。将代码粘贴到测试类中，替换模型名称即可运行。最后通过response.getBody()打印返回结果，完成API调用。整个过程展示了从环境配置到实际调用的完整流程。

在Linux Mint22上搭建Jupyter+PyTorch CPU环境。首先更新系统并安装Python3及虚拟环境工具；创建并激活虚拟环境后，安装PyTorch CPU版和Jupyter；通过本地访问验证安装，使用token登录Jupyter。配置虚拟机端口转发实现外部访问，最后启用SSH服务方便远程管理。所有步骤均包含具体命令行和图示说明，完整指导环境搭建全过程。