[置顶] 程序员如何自我提升
摘要：
项目开发 完成大于完美。 最重要的就是在承诺时间内完成，不完美可以后期慢慢优化。 每天工作前，列出一个任务清单taskList。包含To Do事项。 效率非常重要。而专注力是效率的关键。集中精神，效率才会高。 别急着写代码。先做好技术设计。一个好的设计(数据库设计、接口设计等待)会事半功倍 项目比较 阅读全文
posted @ 2018-04-10 21:06 乐之者v 阅读(661) 评论(0) 推荐(0)
AI人工智能--对比 DeepSeek Harness、Codex 、Claude Code
摘要：
AI人工智能--对比 DeepSeek Harness、Codex 、 Claude Code 目前比较有代表性的三款AI工具是 DeepSeek Harness、Codex 和 Claude Code。 它们都具备编码代理能力，但产品思路并不相同： DeepSeek Harness 强调开源、低成 阅读全文
posted @ 2026-08-19 15:51 乐之者v 阅读(137) 评论(0) 推荐(0)
AI人工智能--DeepSeek Harness 选择哪种模式？
摘要：
DeepSeek Harness 选择哪种模式？ 在 DeepSeek Harness (dsh) 中，官方自带了几种不同的预设运行模式，它们加载的插件组合和使用场景各有侧重。 Standard 模式 和 PTC 模式、 Minimal模式、Creator模式，可以这样来选择： Standard 模 阅读全文
posted @ 2026-08-18 23:58 乐之者v 阅读(85) 评论(0) 推荐(0)
AI人工智能--DeepSeek Harness的安装
摘要：
DeepSeek Harness DeepSeek Harness可以 写代码、读写文件、执行 Shell 命令、进行多文件重构等。 DeepSeek Harness (简称 dsh) 是深度求索（DeepSeek AI）开源的本地优先、基于插件架构的 Agent 运行/开发环境（Coding Ag 阅读全文
posted @ 2026-08-18 23:45 乐之者v 阅读(89) 评论(0) 推荐(0)
AI人工智能的基础概念
摘要：
一、 基础概念：大模型的核心基石 LLM（大语言模型, Large Language Model） 基于海量文本数据训练出的超大规模神经网络模型。它本质上是一个“超级文本接龙机器”，能够理解人类语言并根据上下文预测接下来的文本。 Token（文本元/标记） 大模型处理文本的基本单位。一句话会被切分成 阅读全文
posted @ 2026-08-18 16:29 乐之者v 阅读(11) 评论(0) 推荐(0)
Function Calling是什么？
摘要：
从 Function Calling 到 Tool：理解大模型如何调用 Java 方法 当用户问“广东今天天气怎么样”时，大模型本身并不知道实时的数据，也不能直接进入 Java 进程执行方法。 Function Calling 解决的正是这个问题：让模型在需要外部能力时，生成一份结构化的调用请求，再 阅读全文
posted @ 2026-08-17 21:02 乐之者v 阅读(15) 评论(0) 推荐(0)
RAG（检索增强生成）的简单理解
摘要：
一个完整的企业级或个人级 RAG（检索增强生成）项目，包含数据流、检索流、生成流、运维评测的完整闭环系统。 一个标准的 RAG 项目，通常包含以下四大核心组成部分： 一、 RAG数据接入与处理层（ETL / Data Pipeline） 这是 RAG 的地基，决定了喂给 AI 的原料质量（Garba 阅读全文
posted @ 2026-08-14 11:45 乐之者v 阅读(8) 评论(0) 推荐(0)
RAG 返回一大堆不相关内容，怎么解决？
摘要：
RAG 返回一大堆不相关内容，怎么解决？ RAG “单文件拆分块数多、检索返回一堆不相关内容、信噪比低”的问题，这在 RAG 开发中非常经典。 要让检索结果从“返回一大堆”变成“精准高相关”， 可以从数据入库前（分块优化）、检索与匹配（算法优化）、入库后处理（重排与元数据）三个维度进行系统性改造： 阅读全文
posted @ 2026-08-13 20:27 乐之者v 阅读(21) 评论(0) 推荐(0)
RAG Rerank(重排)框架 -- Cohere Rerank
摘要：
Cohere Rerank(重排) 框架 Cohere Rerank 在商业化 RAG 架构中非常成熟、效果非常稳健，是各大主流 AI 框架（LangChain、LlamaIndex 等）默认首选的重排（Rerank）方案。 Cohere 免费的 Key 有每分钟请求次数（Rate Limit）的限 阅读全文
posted @ 2026-08-13 17:42 乐之者v 阅读(16) 评论(0) 推荐(0)
RAG Rerank（重排）
摘要：
RAG 的核心工作原理 一个 RAG( Retrieval-Augmented Generation，简称 RAG, 检索增强生成) 系统的运行闭环主要分为两个阶段： 离线数据准备阶段（Indexing）： 文档解析： 将 PDF、Word、Markdown 等异构文档拆解为结构化文本。 智能分块（ 阅读全文
posted @ 2026-08-13 17:28 乐之者v 阅读(9) 评论(0) 推荐(0)
浙公网安备 33010602011771号