全新 AI工具库重制上线！🎉（ 8/21更新）
近期网站经历了一次大的事故，OpenResty 升级导致博客网站意外崩溃，重启过程中导致数据丢失。在我的不懈努力下，终于找到了一个 6 月 16 的网站备份，这才重新部署好我的博客，还好只丢了 2 个月的数据。这件事情的教训就是，一定一定要经常备份网站！！！ 顺便我还把工具库更新了一下，版本日志没有
我用 Go 两百行写了一个 LLM 透明代理，现在所有大模型共用同一个 API 入口
一个不到 15MB 的 Go 二进制，让你把 OpenAI、Anthropic、Azure、Ollama 全部塞进一个 localhost:18080 里。 为什么需要这个东西？ 事情很简单：我的机器上跑着好几个 LLM API 的客户端——OpenCode、Claude Code、自己写的脚本、前
一个可以让Agent自主运行的提示词命令
组建团队对当前目录「xx」项目进行持续迭代，请以标准化敏捷迭代与DevOps协作规范为指导，组建跨职能团队并执行以下闭环流程。每个阶段必须输出指定交付物，通过质量门禁（Definition of Done）后方可流转至下一环节： 【阶段一：需求洞察与池化管理】（主导：业务需求分析师） - 职责：开展
如何对人脸识别模型进行增量预训练
增量预训练（Incremental Pre-training）是一种在已有预训练模型的基础上，使用新的数据继续训练模型的过程。 对于人脸识别模型，以下是详细的增量预训练步骤： 准备工作 import torch
from insightface.model_zoo import get_model
编写易于AI可理解的PRD
日期: 2026/2/5 领域: 产品方法论 核心摘要 核心挑战 AI缺乏常识判断力，只能按字面指令生成代码，这要求需求文档必须极度精确，不能依赖隐式逻辑。 关键原则 通过结构化、原子化需求，明确边界条件，并提供具体示例，可将AI代码生成的准确率提升至95%以上。 最终目标 编写AI友好型PRD并非
技术小记
未读
做了一个年度倒计时页面
这个效果看起来还不错。 https://yangda.vip/annual 1. 复古科技风格 颜色：以深色为主（如 #1a1a1a、#0c0c0c），搭配金属质感（如 #8a7a62、#d4c7a9）和荧光绿（如 #3fbd
基于 MCP（模型上下文协议）的AI 应用客户端交互原理
流程图 会话启动：加载配置后，为每个 MCP Server 找到命令（如 npx 或自定义二进制），通过 stdio_client 建立底层通信，再创建并初始化 ClientSession。 工具发现：从各 Server 获取工具列表，封装为 Tool 对象，并通过 format_for_llm()
Python 协程和异步编程入门教程
1. 同步与异步、并发与并行 在传统的同步（synchronous）模型中，函数调用会阻塞当前线程，直到操作完成才继续执行；而在异步（asynchronous）模型中，函数可以在等待 I/O 或其他耗时操作时，主动“让出”执行权，让事件循环去调度其他任务，从而提升程序的并发性。 并发（concurr
最近发布