简要介绍微信小程序云开发，是基于 Serverless 的一站式后端云服务，涵盖函数、数据库、存储、CDN等服务，免后端运维。基于云开发可以免鉴权调用微信所有开放能力。前提准备微信开发者工具创建环境打开小程序项目，点击工具栏“云开发”进行开通：根据对话框提示，创建云环境：选择默认免费配额：“提交订单”，创建完成。此后，就可以打开“云开发控制台”了：创建云函数云函数是一段运行在云端的代码，无需管理服

frp 是一个专注于内网穿透的高性能的反向代理应用，支持 TCP、UDP、HTTP、HTTPS 等多种协议。可以将内网服务以安全、便捷的方式通过具有公网 IP 节点的中转暴露到公网。本文将以暴露内网 Web 服务为例，实践 frp 的安装部署。更多应用场景，可见 frp 示例。安装frp 主要由 客户端(frpc) 和 服务端(frps) 组成，服务端通常部署在具有公网 IP 的机器上，客户端通常

torchvision.models 里包含了许多模型，用于解决不同的视觉任务：图像分类、语义分割、物体检测、实例分割、人体关键点检测和视频分类。本文将介绍 torchvision 中模型的入门使用，一起来创建 Faster R-CNN 预训练模型，预测图像中有什么物体吧。import torchimport torchvisionfrom PIL import Image创建预训练模型model

PaddleOCR-VL-1.6 (0.9B) 是 SOTA 级文档视觉语言模型 (VLM)。该模型以 96.3% 精度刷新 OmniDocBench v1.6，文本、公式、表格识别全面领先，并在古籍、生僻字、印章、图表等多场景能力显著增强，支持以 Markdown 和 JSON 格式输出结构化结果。官方支持一键部署多种硬件后端（NVIDIA GPU、昆仑芯 XPU、昇腾 NPU等）、无缝集成 D

PaddleOCR-VL-1.6 (0.9B) 是 SOTA 级文档视觉语言模型 (VLM)。该模型以 96.3% 精度刷新 OmniDocBench v1.6，文本、公式、表格识别全面领先，并在古籍、生僻字、印章、图表等多场景能力显著增强，支持以 Markdown 和 JSON 格式输出结构化结果。官方支持一键部署多种硬件后端（NVIDIA GPU、昆仑芯 XPU、昇腾 NPU等）、无缝集成 D

Claude Code，或者说 AI 智能体编程，聊一下个人的一些感受与心得。与 AI 智能体协作编程，可以说像是在航海，一起驶向计划的目的港。我虽是那个舵手，但能放手让 AI 来掌舵了。不过，难免偏航，不时需要人来纠正一下航向。我并没有甩手全权交给 AI，想来是几个方面吧：一是 AI 确实会偏航；二是我懂编程有能力驾驭；三是凭感觉、不那么激进。无论如何，个人用 AI 编程一直感受挺好。到目前的变

Rex-Omni 是一个 3B 参数多模态模型，它将视觉感知任务统一到一个“下一点预测”框架中。其支持的任务有：物体检测、OCR、指向、关键点定位、视觉提示。官方 README 有详细说明，包括各任务的示例。以下是个人的实践手记 ✌️准备 Conda 环境，准备 Rex-Omni，如遇 flash-attn 安装错误，推理代码，结果，Let’s Go Coding ~

从LLM的视角看，MCP/Skill提供的确实是一种高度优化的上下文描述，是提升其工具使用可靠性的关键输入。但从系统架构的视角一种标准化的、声明式的、可动态发现的、用于扩展和约束AI行为的能力接口规范。其核心价值在于实现安全、可靠、可扩展的人机与机机协作，而“优化描述”是实现这一目标的最关键技术手段之一。“优化描述”是MCP/Skill呈现给AI的“表象”和直接作用方式，而其“本质”是构建一个可扩

AI Agent, Skill 等开源好物的分享 ~

Claude Code，或者说 AI 智能体编程，聊一下个人的一些感受与心得。与 AI 智能体协作编程，可以说像是在航海，一起驶向计划的目的港。我虽是那个舵手，但能放手让 AI 来掌舵了。不过，难免偏航，不时需要人来纠正一下航向。我并没有甩手全权交给 AI，想来是几个方面吧：一是 AI 确实会偏航；二是我懂编程有能力驾驭；三是凭感觉、不那么激进。无论如何，个人用 AI 编程一直感受挺好。到目前的变