Logo

菜单

无双的技术博客 记录 AI、Linux、网络架构、FreeSWITCH 与企业数字化实践

归档

2026 年 07 月

03-联网、RAG、记忆：聊天产品的三种工程增强

2026-07-20

AI从零开始 #联网搜索#RAG#知识库#对话记忆#数据权限#大模型应用
用一次退款规则查询，拆清联网搜索、知识库检索与对话记忆各自负责的数据问题。
使用Bash脚本监控Linux服务器资源并自动发送告警到钉钉

2026-07-20

Linux & Ops #Bash 服务器监控#Linux 资源监控#CPU 使用率#钉钉机器人告警
通过 Bash 脚本实时监控 Linux 服务器 CPU 和内存使用率，超过阈值后自动发送钉钉告警，适合中小企业运维场景。
使用XGBoost进行销售预测并集成到Airflow自动化流水线

2026-07-20

AI Engineering #XGBoost#数据预测#Airflow#机器学习流水线#模型监控
本文介绍如何基于模拟零售数据完成销售特征工程，训练XGBoost回归模型，并用MAE与RMSE评估。通过Airflow每周自动拉取数据、训练模型、预测未来七天销售额并写入数据库，结合校验、监控和重训机制，构建稳定可追溯的自动销售预测流水线。
02-Your First Traceable Model Studio API Call with uv

2026-07-18

AI从零开始 #Model Studio API#Qwen#UV#Python 3.10#API Key#logging
Build a small text classifier with secret-safe configuration, output validation, and useful failure logs.
02-用 UV 写出第一个可追踪的百炼 API 调用

2026-07-18

AI从零开始 #百炼 API#千问#UV#Python 3.10#API Key#日志
从环境初始化到输出校验，完成一次密钥不入代码、错误能够追踪的文本分类调用。
01-An LLM Is Not a Search Box: Tokens, Context, and Sampling

2026-07-18

AI从零开始 #large language models#Token#context window#Temperature#Top P#generative AI
A repeatable experiment explains why identical prompts vary and why long chats lose earlier instructions.
01-大模型不是会思考的搜索框：从 Token、上下文到采样

2026-07-18

AI从零开始 #大模型原理#Token#上下文窗口#Temperature#Top P#生成式 AI
用一个可重复的小实验，看懂同一句话为什么会得到不同回答，以及长对话为什么会忘记前文。
Write a Project Postmortem With AI: A Complete Beginner Example

2026-07-18

AI Engineering #project postmortem#AI-assisted writing#postmortem report#root cause analysis#action items#project management#prompt design
Follow a fictional website redesign from raw notes to a checked, actionable AI-assisted project postmortem.
用 AI 写项目复盘：跟着一个示例完整做一遍

2026-07-18

AI Engineering #项目复盘#AI写作#复盘报告#原因分析#改进措施#项目管理#提示词
用一个虚构的网站改版项目演示如何准备资料、与 AI 分步对话，并生成一份可以检查和执行的复盘报告。
Is Anthropic Really in Crisis? The Enterprise Risk Is Bigger Than Data Leakage

2026-07-18

AI Engineering #Anthropic#Claude Design#AI vendor risk#enterprise data security#private AI deployment#open-weight models#AI cost governance
Claude Design does not prove Anthropic is collapsing, but it shows the risk of depending on one model provider.
上一页 下一页