岚天逸见

零基础前端nodejs+vue开发环境搭建

摘要： 1、前言本文适合后端开发零基础入门前端 nodejs+vue2开发环境搭建，调试和测试使用到了Whistle + ZeroOmega组合。 2、零基础配置示例本节借助豆包完成，适合完全不懂的。 2.1、场景说明远程开发，本地为Windows11系统，远程为Linux系统，vscode远程连接开阅读全文

posted @ 2025-12-03 10:07 岚天逸见阅读(7) 评论(0) 推荐(0)

Go代码pdf转图片方案

摘要：可使用 go-fitz，但存在两大不足：1、商业收费的；2、底层为MuPDF，默认不支持CJK字体，配置复杂。而纯Go的pdfcpu不支持转图片，一个比较可取的方案是采用命令方式的pdftoppm，安装好poppler-utils工具集后即可使用： # CentOS/RHEL yum install 阅读全文

posted @ 2025-11-25 15:43 岚天逸见阅读(11) 评论(0) 推荐(0)

智能体同工作流的关系和区别

摘要：理解智能体（Agent）和工作流（Workflow）的区别，可以从定义、核心能力、应用场景、自主性等维度展开分析：智能体（Agent）工作流（Workflow）定义具备感知、决策、行动能力的智能实体，能自主与环境（包括人类、工具、系统）交互，完成复杂任务预先定义的任务执行流程，按固定步骤阅读全文

posted @ 2025-11-12 14:24 岚天逸见阅读(36) 评论(0) 推荐(0)

kafka server transport: Consume get error:kafka: client has run out of available brokers to talk to: EOF

摘要： Kafka消费者客户端报错： kafka server transport: Consume get error:kafka: client has run out of available brokers to talk to: EOF 原因是实例化Kafka消费者客户端指定了版本号，去掉版本号后阅读全文

posted @ 2025-11-12 12:31 岚天逸见阅读(12) 评论(0) 推荐(0)

大模型的推理和训练

摘要：有人问，购买了大模型，怎么训练。日常使用模型，得到越来越精准的结果，以为这是训练大模型。事实上，使用者无法训练大模型，只是通过完善优化提示词，提升了推理。现阶段，训练只能是少数财力雄厚的大厂商可干的。训练推理参与方仅大模型厂商开放性封闭硬件依赖重度依赖英伟达 GPU（算力、生态）技阅读全文

posted @ 2025-11-09 14:26 岚天逸见阅读(7) 评论(0) 推荐(0)

大模型、智能体和MCP服务间的交互

摘要：以从图书馆借书为例大模型LLM 提供智能决策，基于权限结果智能体Agent 协调流程，不包含业务逻辑图书馆MCP服务处理业务权限验证（能做什么）认证服务处理基础身份验证（谁），非MCP，Agent直接调用（使用标准的认证协议（OAuth2、JWT等））阅读全文

posted @ 2025-11-08 19:34 岚天逸见阅读(7) 评论(0) 推荐(0)

AI金字塔模型

摘要：层级核心定位从业人数难度系数代表示例大模型技术基石，提供核心认知、推理、生成能力极少数（头部团队，数十至百人） ★★★★★★★★★★ DeepSeek、腾讯混元、字节豆包、阿里千问、百度文心等多模态 / 语言大模型基础能力层智能体（Agent）落地核心，承接大模型能力执行场景任务阅读全文

posted @ 2025-11-08 12:52 岚天逸见阅读(8) 评论(0) 推荐(0)

多头注意力论文的作用

摘要：谷歌多头注意力的《Attention Is All You Need》这篇论文同大数据领域的经典论文（如GFS、MapReduce、Bigtable相关论文）一样具有重大意义。具体如下：一、从创新角度看 1、《Attention Is All You Need》提出Transformer架构与多阅读全文

posted @ 2025-11-07 09:39 岚天逸见阅读(7) 评论(0) 推荐(0)

大模型、智能体和MCP服务间的关系

摘要：大模型、智能体和MCP服务之间是多对多的关系，具体如下： 大模型与智能体大模型对智能体：一个大模型可以为多个智能体提供知识与推理支持。例如在一个综合智能办公系统中，大模型为负责文档处理的智能体、安排会议的智能体、分析数据的智能体等多个不同类型的智能体提供语言理解、知识生成等方面的基础能力。智能阅读全文

posted @ 2025-11-06 14:07 岚天逸见阅读(41) 评论(0) 推荐(0)

基于Kafka的延迟队列

摘要：实现原理通过topic区分不同的延迟时长，每个topic对于一个延迟，比如 topic100 仅存储延迟 100ms 的消息，topic1000 仅存储延迟 1s 的消息，依次类推。生产消息时，消息需按延迟时长投递到对应的topic。消费消息时，检查消息的时间，如果未到达延迟时长，则sleep剩阅读全文

posted @ 2025-08-27 19:25 岚天逸见阅读(56) 评论(0) 推荐(0)