记录日常开发中常用中间件的 Docker 部署命令、用户配置及问题解决技巧，所有命令均经过实际验证，替换了隐私信息（如原用户名、自定义路径），可直接修改适配自身环境。

Spring AI是Spring官方推出的AI应用开发框架，它为Java开发者提供了简洁易用的API，用于集成各种AI模型和服务（如OpenAI、Hugging Face等）。统一的API接口，屏蔽不同AI服务的差异与Spring生态无缝集成内置最佳实践，简化AI应用开发。

Python 的语法糖是些"偷懒小技巧"——不影响功能，但能让代码更短、更顺、更像人话。这些语法糖的核心是"少写废话"——让代码聚焦逻辑，而不是格式。熟练了之后，写起来顺，读起来也爽。自动处理资源（文件、连接等）的"打开-关闭"，替代 try-finally 一堆收尾代码。给函数/类"戴帽子"，在不修改原代码的情况下加功能（日志、缓存等），替代手动嵌套调用。字符串格式化的"天花板"，比 % 和 f

镜像瘦身的本质，就是线上镜像只留能跑起来的最小集合—— 基础镜像选精简的、构建依赖用完就丢、Python 依赖只留生产的、文件只复制必需的。

LangGraph：图式工作流引擎助力复杂智能体系统开发 LangGraph是LangChain生态中专门用于构建复杂智能体系统的核心库，通过图结构编排大模型、工具和智能体的执行逻辑。相比LangChain的基础链，LangGraph支持分支、循环、多节点交互和状态持久化等复杂场景，具备以下核心优势： 图式编排：节点和边直观定义流程，提升可读性 状态管理：全局状态池支持所有节点读写数据 循环/分支

步骤 1：fdisk 扩展分区 /dev/sda2（占用全部 80G 磁盘）原因：根分区实际为 ext4 文件系统，误用 xfs_growfs 命令。：LVM 物理卷分区（原 31G，剩余大量空闲空间未利用）步骤 3：扩容 LVM 物理卷 PV，让卷组识别新增空间。步骤 4：扩容 root 逻辑卷 LV，占用全部空闲空间。删除 sda2 分区（仅删除分区记录，数据无损）最后一个扇区：直接回车，占用

图片单一目标检测的核心是「简化类别、聚焦图片场景」：LabelImage 确保标注准确，YOLOv8 通过参数优化实现快速训练，全程无需处理视频，流程更简洁、效率更高。关键要点：类别数 = 1，标注、转换、配置全程保持一致。图片样本需覆盖多样场景（角度、大小、背景）。训练用轻量化模型（yolov8n.pt），推理时调整conf阈值适配图片。

Milvus是一个专为AI应用设计的开源向量数据库，它能够高效地存储、索引和检索向量嵌入。语义搜索和智能问答系统图像和视频检索推荐系统异常检测Milvus客户端配置与初始化向量嵌入生成实现Milvus集合创建与索引管理向量数据存储向量相似度搜索错误处理与容错机制性能优化最佳实践通过这种集成方式，我们成功构建了一个高性能的知识库应用，能够提供基于语义的智能搜索功能。实现向量缓存机制，减少重复计算优化

在计算机视觉领域，目标检测是一个重要的任务，它不仅需要识别图像中的目标，还需要精确定位目标的位置。本项目将带你从零开始，使用YOLOv8构建一个单类别多目标检测模型，能够自动检测图像中的多个目标。这是一个基于YOLOv8的单类别多目标检测训练平台，用于训练、验证、评估和推理YOLO模型，以检测图像中的多个目标。标签文件格式为YOLO格式（.txt文件），每个图像对应一个标签文件，文件名相同，扩展名

打开插件设置（扩展面板 → Claude Code → 齿轮图标 → Settings）。：选中文件中的代码，Claude 会自动识别并关联上下文。：在输入框输入问题（如 “解释这段代码”），按回车发送。：右下角 ✱ Claude Code（随时可用）。安装完成后，重启 VS Code（或执行。（Windows）快速聚焦聊天输入框。（注：文档部分内容可能由 AI 生成）：右上角 ⚡（打开文件时可见