持续更新flink on yarn在实际使用中的问题和解决方式，与君共勉

基于AI自动实现知识图谱

Dify是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和LLMOps的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Ag

dify在使用pg时，使用了两个库dify与dify_plugin。多类型数据库协同：Dify 采用了 PostgreSQL、Redis、文件存储和向量数据库的多层次存储架构，实现了数据的高效管理与快速访问。数据隔离与安全：通过 dify 和 dify_plugin 两个独立数据库的设计，确保了核心数据与插件数据的有效隔离，提升了系统的安全性。灵活部署配置：支持 Docker 部署和源码部署两种模

虽然demo做的不复杂，不过这个事却值得深思，要知道AI学习的速度是十分快的。不久之后，可能是用户直接用自然语言描述获取结果数据集，而不用关心中间的实现过程。以后SQLBoy这个岗位恐怕是有点危险了。起码一般的sql交给大模型是没问题的，在业务复杂的情况下，麻烦的是把业务情况喂给大模型，经验丰富的sqlboy可能在初期是占优势的。依次类推，代码开发等技术工作可能也会这样。类似的工具实际已经有了，不

大模型（Large Language Model, LLM）是基于海量数据训练的深度学习模型，通常包含数十亿至数万亿参数，能够理解和生成自然语言，并完成复杂任务（如文本生成、代码编写、逻辑推理等）。规模庞大：参数规模远超传统模型，学习能力更强；通用性：通过预训练适应多种下游任务；涌现能力：在复杂场景中表现出未显式训练的推理能力。典型代表：GPT-4、Claude、LLaMA。LangFlow是一款

DuckDB 作为“数据界的 SQLite”走进了越来越多开发者的视野。它不需要单独的服务进程，可以直接嵌入到 Python、R 或者应用程序中使用；同时支持 SQL 的完整能力，还能高效读取和写入常见文件格式。对于个人开发者和数据分析师来说，它既轻量又强大，几乎是随取随用的分析利器。

最近都在聊大模型做本地知识库的事情，这只是应用的一种，很多人都在想大模型如何做更专业的事情。作为数据人自然也在想大模型如何在大数据方面发光发热。比如，大模型如何做SQL类型的专家呢？这种情况下，仅仅是知识库已经无法满足了，然而deepseek这样的大模型也不够用，因为他是通用性大模型，需要训练之后才能更好用。今天就来聊聊如何训练你的大模型。关注公众号DataSpeed，回复训练大模型可以获得本次训

GOT 可以处理各种 OCR 任务下的所有上述“字符”。

随后详细说明添加知识库、团队成员的步骤及权限设置要点，最后进行测试，展示新用户基于知识库提问的效果，为团队利用 DeepSeek 搭建知识库提供了清晰指引。Deepseek 最近特别火爆，他的能力不言而喻，很多人做了基于deepseek做个人的知识库，那么团队中如何一起使用呢？假如我是公司某团队的领导，我想把知识库分享给大家，让deepseek基于知识库回答大家的问题，岂不是很爽。总体来说，需要建