本文记录了在GPU服务器上使用Docker部署深度学习项目的完整过程。主要步骤包括：1）分析项目目录结构；2）解决Docker构建时的DNS解析问题；3）处理环境依赖冲突；4）调整训练参数解决显存不足；5）实现从训练到推理的完整流程验证。过程中遇到的主要挑战包括：网络配置问题导致基础镜像拉取失败、GPU显存不足、依赖包缺失等，通过改用本地镜像、降低batch_size、临时修改代码等方式逐步解决。

摘要： ClaudeCode是Anthropic推出的AI编程工具，可通过终端辅助写代码、调试和分析项目。国内用户可通过替换API地址，使用DeepSeek模型（需申请API Key）。配置步骤如下： 安装Node.js：下载LTS版本并配置环境变量。 安装ClaudeCode：通过npm全局安装，验证版本号。 配置DeepSeek：推荐使用图形工具CC-Switch，填写API Key并指定模型

摘要： 在GPU服务器上部署基于Docker项目时，遇到CUDA显存不足（OOM）问题。通过分析发现，默认batch_size=1024过大，且GPU已被其他进程占用部分显存。逐步调整batch_size测试发现：16可运行，32稳定，64仍OOM。最终采用batch_size=32完成20轮训练，耗时约1小时，复现了README中的指标（ClosedBalancedAcc=0.9438）。关键解

SQL 注入研判模型并不是简单地判断请求中是否存在 SQL 注入特征，而是面向安全运营场景，对告警进行更深入的分析和解释。它需要综合日志解析、规则检测、机器学习分类、风险评分、知识库检索和自然语言生成等多个模块，最终输出可解释、可复核、可处置的安全研判结果。这项实践让我更加明确了安全智能化系统的设计思路：安全模型的价值不只在于“检测攻击”，更在于帮助安全人员理解攻击、评估风险并采取行动。

摘要：新版安全监控模型在本地测试效果良好，但现场部署后出现检测框延迟和漏检问题。分析表明问题主要源于部署链路而非模型本身，包括检测帧与显示帧不同步、20路并发处理压力以及输入尺寸缩小对小目标检测的影响。建议解决方案包括：1）后端同帧画框推流或严格帧对齐；2）采用抽帧检测和事件聚合策略；3）优先排查视频处理链路延迟。关键经验在于实时检测系统需要确保视频帧、推理结果和前端显示的严格同步，而非单纯追求模

本文通过《出师表》乱序文本恢复案例，演示了使用Java缓冲流处理文件的方法。采用BufferedReader读取乱序文本，按行首编号排序后，用BufferedWriter写入新文件。文章系统总结了Java IO流分类体系（输入/输出流、字节/字符流、节点/处理流），重点分析了缓冲流的性能优势（减少IO次数、提供便捷方法），并给出了不同场景下的流组合推荐方案。同时强调了资源关闭、异常处理等最佳实践，

本文全面介绍了Java String类的核心特性和API使用方法。主要内容包括：1) String的不可变性和多种创建方式；2) 常用API如长度获取、比较、查找、截取、替换等操作；3) 高级特性如字符串格式化、性能优化（StringBuilder/StringBuffer）、字符串池机制；4) 实战应用示例包括数据验证工具类和字符串处理工具；5) 常见陷阱如错误的字符串比较方式、拼接性能问题等。

本文记录一次 AI 应用工具化实践：将网络流量研判过程中的查询、知识检索、风险解释和报告生成能力封装为 MCP 工具，并通过 Skill 沉淀分析流程。示例数据均为脱敏合成数据，不包含真实流量、真实 IP 或内部资料。这条流为什么可疑？命中了哪些特征？有没有可能是正常业务误报？类似协议或历史案例怎么解释？下一步应该怎么复核？所以我尝试把检测结果进一步封装成 AI 可调用能力：一部分做成 MCP 工

本文介绍了一个基于通义千问大模型的中医药智能问答系统开发过程。系统采用FastAPI后端和原生前端架构，通过LangChain集成AI模型，实现了自然语言症状描述到专业中医药建议的转换。文章详细阐述了技术选型、系统架构设计、核心代码实现（包括流式聊天接口和对话历史管理），并讨论了开发中遇到的技术挑战及解决方案。该系统能够依据《黄帝内经》等中医典籍提供用药建议，支持多轮对话和实时流式响应。作者还提出

摘要：新版安全监控模型在本地测试效果良好，但现场部署后出现检测框延迟和漏检问题。分析表明问题主要源于部署链路而非模型本身，包括检测帧与显示帧不同步、20路并发处理压力以及输入尺寸缩小对小目标检测的影响。建议解决方案包括：1）后端同帧画框推流或严格帧对齐；2）采用抽帧检测和事件聚合策略；3）优先排查视频处理链路延迟。关键经验在于实时检测系统需要确保视频帧、推理结果和前端显示的严格同步，而非单纯追求模