我以为用docker搭建一个rabbitMq集群会非常简单，但是结果却出乎意料，我花了差不多两个半天才搞定。这还是依赖了AI的协助，否则难度不敢想象。 我的环境是Mac上的OrbStack。用了Kimi + 文心一言 + ChatGPT + Claude，还是Kimi价值最大。 back and f
01认识Locust Locust是一个比较容易上手的分布式用户负载测试工具。它旨在对网站（或其他系统）进行负载测试，并确定系统可以处理多少个并发用户，Locust 在英文中是 蝗虫 的意思：作者的想法是在测试期间，放一大群 蝗虫 攻击您的网站。当然事先是可以用 Locust 定义每个蝗虫（或测试用
1.简介 Python+Playwright系列的文章还没有结束，就有好的小伙伴或者童鞋们私信公众号留言，问宏哥什么时候出Java语言的Playwright的自动化测试文章。本来想趁热打铁将Python+Playwright完结后，就开始Java语言的Playwright的自动化测试文章，但是好多人
Lasso线性回归（Least Absolute Shrinkage and Selection Operator）是一种能够进行特征选择和正则化的线性回归方法。其重要的思想是L1正则化：其基本原理为在损失函数中加上模型权重系数的绝对值，要想让模型的拟合效果比较好，就要使损失函数尽可能的小，因此这样
记得很久之前，听朋友说过一次出差“奇”旅：他当时在北京出差，需要从地铁站中转一下再去机场。 在转站的过程中，就跑呀跑，一边跑一边想：北京的地铁，怎么台阶这么高、这么长。最重要的是，完全没有扶梯！ 他后来转念一想，这么大的地铁站，不装扶梯完全不合理，于是开始给12345打电话，反映这个情况。 惊喜的是
在5月30日博客园T恤上架后，考虑到有些园友上班不能穿T恤，我们将周边下一站锁定在 polo 衫。 锁定容易设计难，polo 衫容不得半点复杂的设计，我们没有想到更好的创意，于是偷懒地沿用T恤的设计，去掉「废话少说」(TALK IS CHEAP)，删掉「放码过来」(Show me the code.
♂️ 大家好，我是斜杠君，手把手教你搭建扣子AI应用。 ☘️ 本文是《AI应用开发系列教程之扣子(Coze)实战教程》，完全免费学习。 关注斜杠君，可获取完整版教程。 如果想学习AI应用搭建，请关注公众号，及时获取最新免费教程。 最近，有很多同学问扣子中的卡片有什么用？怎么很少用到，那今
LLM技术全景图：技术人必备的技术指南，一张图带你掌握从基础设施到AI应用的全面梳理 LLM 技术图谱（LLM Tech Map）是将 LLM 相关技术进行系统化和图形化的呈现，此图谱主要特点是“专注于技术人视角”，不求从 LLM 产业角度汇聚信息，而是希望让从事相关工作或是想了解 LLM 的技术人
前言 公司一直使用的是ssh+vim的远程开发方式，习惯了vim之后已经非常方便了。但是还是想尝试一下VSCode的开发方式。就我而言，原因如下 漂亮的语法高亮，并且有补全 基于语法解析的引用查找(尽管在我们项目的场景下还是一坨翔) Ctrl+Shift+F的快速搜索 可视化调试，可以直接在代码中下
JWT（JSON Web Token）一种开放的标准规范（RFC 7519），用于在网络上安全的传输信息，通常被用于身份验证。 简单来说，你可以把 JWT 想象成一张小巧的、自包含的电子通行证。这张通行证里面包含了用户的身份信息，就像你在某个俱乐部的会员卡，上面有你的名字、会员等级等信息，拿着这张卡
一、前言 看到这个文章，有的同学会说： 六哥，你为啥不早早就写完python系列的文章。 因为有徒弟需要吧，如果你也想学自学，那这篇文章，可以说是我们结缘一起学习的开始吧！ 如果对你有用，建议收藏和转发！ 二、Playwright是什么？ 微软开源自动化测试工具Playwright，支持主流浏览器，
写在前面 在之前的文章中我们有介绍过SpringAI这个项目。SpringAI 是Spring 官方社区项目，旨在简化 Java AI 应用程序开发， 让 Java 开发者想使用 Spring 开发普通应用一样开发 AI 应用。 而SpringAI 主要面向的是国外的各种大模型接入，对于国内开发者可
前段时间跟几个大龄程序员一起吃饭，聊了大家的现状，后来写了篇博客总结了一下《从大龄程序员现状聊聊出路》，本想着给朋友们提供些观点和思路，结果被有些网友批评了。 1. 我的认知达不到赚快钱 有的网友认为我在瞎扯，有的觉得我在灌鸡汤，还有的认为我在指错路。 文中虽然总结了一些自认为有价值的观点，本想着让
背景 最近项目上有一个需求，需要将两张表(A表和B表)的数据进行关联并回写入其中一张表(A表)，两张表都是分区表，但是关联条件不包括分区字段。 分析过程 方案一 最朴素的想法，直接关联执行，全表关联，一条SQL搞定全部逻辑。想法越简单，执行越困难。由于数据量大，服务器规模较小，尽管各台服务器内存和C
大家好，我是码农先森。 阅读源码这是一个老生常谈的话题了，但又是很多人想做又没有付出行动的事情。前段时间我研究了 Swoole 的源代码，并且输出了系列的源码分析文章「感兴趣的朋友可以翻阅以前的文章」。虽然这个过程很枯燥和艰难，但到最后有种苦尽甘来的感觉，因为突破了自己之前一直想做又不敢做的一件事情
由于工作需要，经常需要远程客户的服务器，但是并不是所有服务器都能开外网端口，使用向日葵等软件终究还是不太方便，于是找了很多工具，包括zerotier 等，但是由于服务器在国外等有时候还不同， 于是开始自己想办法研究一个属于自己的组网工具，最后找到snltty大佬的 https://github.co
工作中难免会遇到各种各样的数据结构，较为全面的了解数组操作，对于复杂数据结构的处理会非常有用且节省时间。所以想在这里总结一下工作中常用的数组操作，都是一些非常基础的知识，大家看个乐就好~
在 Java 中，Map 是属于 java.util 包下的一个接口（interface），所以说“为什么 Map 不能插入 null？”这个问题本身问的不严谨。Map 部分类关系图如下： 所以，这里面试官其实想问的是：为什么 ConcurrentHashMap 不能插入 null？ 1.HashM
Whisper 是当前最先进的开源语音识别模型之一，毫无疑问，也是应用最广泛的模型。如果你想部署 Whisper 模型，Hugging Face 推理终端 能够让你开箱即用地轻松部署任何 Whisper 模型。但是，如果你还想叠加其它功能，如用于分辨不同说话人的说话人分割，或用于投机解码的辅助生成，
目录计算过程投影分量计算 假设你有一家理发店,已经记录了过去一年中所有顾客的头发长度和发型偏好的数据。现在你想从这些数据中提取一些主要的信息,比如顾客最常选择的发型类型,以及不同发型之间的相关性等。这对于你未来开展有针对性的营销活动很有帮助。 具体来说,我们可以将每个顾客的发型偏好用一个多维向量来表
