把repo clone到openai文件夹就行了。何必要用硬编码呢，完全违反软件工程实践。则需要在标红的目录下新建openai文件夹。不知道这么简单的问题为什么大家讲不清除。但是我发现很多朋友是改代码中的绝对路径的，这非常不科学，为啥要用硬编码绝对路径呢？

现在只要有额度，大家都可以调用OpenAI的多模态大模型了，例如GPT-4o和GPT-4 Turbo，我一年多前总结过一些OpenAI API的用法，发现现在稍微更新了一下。其实也是比较简单的，就是本地图片需要用base 64先编码，然后再上传。当然，大家用的时候还是要注意花费，现在感觉还是有点贵的。

其实到最后也没搞清楚，是其中一步起了作用，还是很多步综合起来起了作用。不过相信遇到类似问题的朋友按照我这种操作，应该还是可以解决这个问题的。这两天试了一下在Ubuntu上安装docker版本的Dify，说来惭愧，之前一直没怎么用过docker。碰到了一些问题，这里记录一下。这两篇博客都已经讲的比较详细了，我就不再重复了。首先我不知道为什么要加这么多源，难道大家就不能选几个有用的源？其次，发现加了之

在一个新的Ubuntu 24.04上安装Ollama，结果报类似于：curl: (28) Failed to connect to github.com port 443 after 136027 ms: Couldn't connect to server的错，想想可能还是网络的问题。则不能解决问题（和上面这些稍有不同，我这里查到的github.com的网址是：140.82.112.3）。发现这

不得不说，很多看似很成熟的程序，也会有很多内存泄露的问题：由于实验需要，我需要在硬盘上生成很多的小文件，然后调用srcML处理（我也试过直接在内存中读写，但会有其他问题），然后根据处理结果生成embedding。最终生成几个list，每个list大概有十几万个图。本来很简单的过程，但是跑实验的时候遇到了好几个内存泄漏问题：1. 我希望看到生成小文件的过程，因为可以判断程序运行的速度，就一直开着文件

把repo clone到openai文件夹就行了。何必要用硬编码呢，完全违反软件工程实践。则需要在标红的目录下新建openai文件夹。不知道这么简单的问题为什么大家讲不清除。但是我发现很多朋友是改代码中的绝对路径的，这非常不科学，为啥要用硬编码绝对路径呢？

其实到最后也没搞清楚，是其中一步起了作用，还是很多步综合起来起了作用。不过相信遇到类似问题的朋友按照我这种操作，应该还是可以解决这个问题的。这两天试了一下在Ubuntu上安装docker版本的Dify，说来惭愧，之前一直没怎么用过docker。碰到了一些问题，这里记录一下。这两篇博客都已经讲的比较详细了，我就不再重复了。首先我不知道为什么要加这么多源，难道大家就不能选几个有用的源？其次，发现加了之

现在只要有额度，大家都可以调用OpenAI的多模态大模型了，例如GPT-4o和GPT-4 Turbo，我一年多前总结过一些OpenAI API的用法，发现现在稍微更新了一下。其实也是比较简单的，就是本地图片需要用base 64先编码，然后再上传。当然，大家用的时候还是要注意花费，现在感觉还是有点贵的。

本文记录了在昇腾310P3服务器上使用Conda安装CANN工具包的实验过程。首先通过npu-smiinfo确认NPU型号，然后创建Python3.10的Conda虚拟环境。参考华为昇腾官网指引，通过conda安装cann-toolkit和cann-310p-ops 8.5.0版本。由于系统路径特殊，需要调整set_env.sh路径后验证安装成功。最后提到计划后续尝试在310P3上手动安装PyTo

本文总结了在Conda环境中配置Ascend NPU环境的完整过程。首先通过创建activate.d文件夹实现自动加载set_env.sh脚本，解决了每次激活环境都需要手动设置的问题。随后详细记录了安装PyTorch 2.6.0和torch-npu过程中遇到的依赖缺失问题，包括numpy、decorator、scipy、attrs、psutil等模块的逐一安装过程。最终成功运行了简单的矩阵运算测试