update.js的主要功能是定期检查网页中的脚本标签是否有更新，并在检测到新版本时提示用户刷新页面以确保平台正常使用。通过判断打包后的html文件中的js入口是否发生变化，进而实现前端的代码更新。通过篡改localstorage中的curHash，可引导更新，效果如下。为了使打包后的文件带有hash值，需要对vite打包。最后在main.js入口文件引入即可。30s更新一次算频繁吗？

写完后端项目后，部署到服务器的步骤...

客户想私有化部署我的产品，但是预算不足，所以只给jar包不给源码；但是jar依然有反编译的风险，比如springboot项目打包为jar包后，可以通过反编译出部分源码，有源码泄露风险。所以需要对jar加密之后再交付给客户。

本文基于B站up主的代码编写，，并说明有关潜在的坑。如果无法打开也可以在文章后面找到源码。该代码使用微调DeepSeek-R1-Distill-Llama-8B，数据集使用, 旨在将模型微调为一个算命大师。数据集格式：{ Question, Response,Complex_CoT } ，因为微调的是一个推理模型，所以包含思维链。微调的大致流程如下。

群体相对策略优化（GRPO）算法最初由deepseek团队提出，是近端策略优化(PPO)的一个变体。GRPO 是一种在线学习算法，它通过使用训练过程中已训练模型自身生成的数据进行迭代改进。GRPO 目标背后的逻辑是在确保模型与参考策略保持接近的同时，最大化生成的completion的优势。DeepSeek团队在使用纯强化学习 训练 R1-Zero 时观察到了一个“aha moment”。该模型学会

然后将md文件上传到easydataset，easydataset会将其拆分成若干个片段，并针对每个片段生成若干个问题，最后再对每个问题进行回答，问答对就完成了。原理是通过将文档片段发送给ollama本地模型，然后本地模型生成有关问题，并基于文档片段回答问题。进入easydataset的运行界面，新建项目，会被要求添加模型。ollama安装就不赘述了，easy-dataset是一个前端项目，只需要

【代码】python+selenium，刷问卷星，支持ip+比例，无需改代码，设置ip+比例即可运行。

【代码】调用大模型api，实现基于rag的回复。

【代码】调用大模型api，实现基于rag的回复。

然后将md文件上传到easydataset，easydataset会将其拆分成若干个片段，并针对每个片段生成若干个问题，最后再对每个问题进行回答，问答对就完成了。原理是通过将文档片段发送给ollama本地模型，然后本地模型生成有关问题，并基于文档片段回答问题。进入easydataset的运行界面，新建项目，会被要求添加模型。ollama安装就不赘述了，easy-dataset是一个前端项目，只需要