这段时间有幸在蓝海直投工作了一个多月， 这家公司是一个金融公司，主营业务是做投资顾问。 通过组合资产的方式达到高收益率的效果。        除了传统的公募基金组合方面。 公司的团队还在做数字货币评级方面的工作， 老板本人是属于华尔街大鳄级别的。之前是易方达的什么领导。其他团队成员也是各种多伦多大学啊，北京大学啊什么的。 外国大学的名字不太好记，原谅我就记住了多伦多。笑哭~ ...

本文档详细介绍了Jenkins与GitLab集成实现代码推送自动构建的配置流程。主要内容包括：1）通过Webhook机制实现GitLab代码push触发Jenkins构建的原理；2）Jenkins端的关键配置（插件安装、Job创建、源码管理和GitLab触发器设置）；3）GitLab端Webhook的配置要点；4）常见问题解决方案，如403错误和插件加载失败等；5）验证方法和最佳实践建议。该方案适

本文对比了三种主流向量数据库方案(pgvector、Milvus、Qdrant)在AI/RAG系统中的适用场景。pgvector作为PostgreSQL扩展适合MVP阶段，部署简单但规模有限；Milvus为大规模分布式设计，专业但运维复杂；Qdrant在工程体验和性能间取得平衡。文章提供清晰的选型决策树：已有PG先用pgvector，核心能力且规模大选Milvus，中等规模选Qdrant。强调向量

本文深入剖析了Java中ForkJoinPool.commonPool()的设计原理与实现细节。通过源码分析揭示了其作为JVM级共享执行器的核心特性：采用daemon线程、CPU核心数减1的默认并行度、Work-Stealing机制和阻塞补偿设计。文章指出commonPool专为短小非阻塞的并行计算任务优化，不适合处理I/O密集型业务，并解释了其不可关闭的防护机制。从源码角度阐明了该组件的定位是&

【前言】在软件工程中我们学习了数据流图，程序流程图，UML中的活动图，状态图，顺序图，这些图貌似都是在描述软件的执行过程，那么它们到底有哪些相同点，又有哪些不同点呢？下面，我们一起来探索一下。

本文对比了三种主流向量数据库方案(pgvector、Milvus、Qdrant)在AI/RAG系统中的适用场景。pgvector作为PostgreSQL扩展适合MVP阶段，部署简单但规模有限；Milvus为大规模分布式设计，专业但运维复杂；Qdrant在工程体验和性能间取得平衡。文章提供清晰的选型决策树：已有PG先用pgvector，核心能力且规模大选Milvus，中等规模选Qdrant。强调向量

本文档详细介绍了Jenkins与GitLab集成实现代码推送自动构建的配置流程。主要内容包括：1）通过Webhook机制实现GitLab代码push触发Jenkins构建的原理；2）Jenkins端的关键配置（插件安装、Job创建、源码管理和GitLab触发器设置）；3）GitLab端Webhook的配置要点；4）常见问题解决方案，如403错误和插件加载失败等；5）验证方法和最佳实践建议。该方案适

本文介绍了PingCode自动化流程配置方法，以工单项目为例实现三个目标：1)创建任务时自动生成GitLab分支；2)代码推送触发自动构建；3)构建信息自动同步至PingCode。配置步骤包括：在PingCode设置GitLab连接项目信息、使用个人访问令牌；通过Jenkins实现GitLab推送自动构建；在构建后操作中添加PingCode同步步骤。特别提醒：为确保构建信息同步，Git提交时需在c

本文对比了三种主流向量数据库方案(pgvector、Milvus、Qdrant)在AI/RAG系统中的适用场景。pgvector作为PostgreSQL扩展适合MVP阶段，部署简单但规模有限；Milvus为大规模分布式设计，专业但运维复杂；Qdrant在工程体验和性能间取得平衡。文章提供清晰的选型决策树：已有PG先用pgvector，核心能力且规模大选Milvus，中等规模选Qdrant。强调向量

【前言】             本来我是在学习FASTDFS的部署，但是后来因为在服务器上遇到了一系列问题，导致我需要安装一个虚拟机做点实验。然后本来以为几个小时的工作，结果有遇到了好几个坑。