<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_44737922的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/weixin_44737922</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; weixin_44737922]]></copyright><item><title><![CDATA[MCP从入门到精通]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/127800825</link><guid>https://blog.csdn.net/weixin_44737922/article/details/127800825</guid><author>weixin_44737922</author><pubDate>Tue, 09 Dec 2025 13:07:50 +0800</pubDate><description><![CDATA[本文介绍了MCP（Multi-Channel Protocol）的基本概念和架构设计要点。MCP允许agent便捷调用外部工具服务，包含host、server和protocol三个核心模块。架构设计遵循三大原则：单一职责（微服务解耦）、防御性编程（假设输入恶意/系统失败）、故障隔离（组件故障不影响整体系统）。文章还提供了MCP的官方GitHub参考和Langchain教程链接，建议在实现时采用服务降级策略处理故障。]]></description><category></category></item><item><title><![CDATA[BeamForming原理详解]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/149244935</link><guid>https://blog.csdn.net/weixin_44737922/article/details/149244935</guid><author>weixin_44737922</author><pubDate>Thu, 10 Jul 2025 15:01:00 +0800</pubDate><description><![CDATA[BeamForming即波束成形，可以将天线阵列的波束形状调整，使得各设备得到的信号强度更大。要了解这个，首先要知道天线原理。]]></description><category></category></item><item><title><![CDATA[WiFi协议学习笔记]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/149193164</link><guid>https://blog.csdn.net/weixin_44737922/article/details/149193164</guid><author>weixin_44737922</author><pubDate>Tue, 08 Jul 2025 19:19:43 +0800</pubDate><description><![CDATA[direct-sequence spread spectrum，DSSS），简称直扩（DS），把’0’ '1’字符扩展成11Bit位的01字符串，提升抗干扰能力。用于同步，信号检测和均衡化。它的基本思想是，在发送数据之前，设备会先检测信道是否空闲（Carrier Sense），如果信道忙碌，设备将等待一段随机时间后再次尝试发送。其中，向上的箭头表示该子载波的相位或符号为正（通常表示为 +1 或类似的正值），向下的箭头表示该子载波的相位或符号为负（通常表示为 -1 或类似的负值）。这个分发策略是不常用的。]]></description><category></category></item><item><title><![CDATA[MindSearch深度解析实践]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/144411929</link><guid>https://blog.csdn.net/weixin_44737922/article/details/144411929</guid><author>weixin_44737922</author><pubDate>Wed, 11 Dec 2024 23:15:57 +0800</pubDate><description><![CDATA[任务要求：在 官方的MindSearch页面 复制Spaces应用到自己的Spaces下，Space 名称中需要包含 MindSearch 关键词，请在必要的步骤以及成功的对话测试结果当中。]]></description><category></category></item><item><title><![CDATA[探索书生大模型能力边界]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/144182607</link><guid>https://blog.csdn.net/weixin_44737922/article/details/144182607</guid><author>weixin_44737922</author><pubDate>Mon, 02 Dec 2024 13:25:39 +0800</pubDate><description><![CDATA[在 LeetCode 使用 InternThinker 刷 5 道算法题：使用 InternThinker 生成答案提交至 100% 通过。]]></description><category></category></item><item><title><![CDATA[Lagent 自定义Agent 智能体]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/144028643</link><guid>https://blog.csdn.net/weixin_44737922/article/details/144028643</guid><author>weixin_44737922</author><pubDate>Mon, 25 Nov 2024 17:42:03 +0800</pubDate><description><![CDATA[使用 Lagent 复现文档中 “制作一个属于自己的Agent” 和 “Multi-Agents博客写作系统的搭建”两部分内容，记录复现过程并截图。]]></description><category></category></item><item><title><![CDATA[MetaGPT实现多动作Agent]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143891094</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143891094</guid><author>weixin_44737922</author><pubDate>Tue, 19 Nov 2024 22:59:03 +0800</pubDate><description><![CDATA[智能体 = LLM+观察+思考+行动+记忆多智能体 = 智能体+环境+SOP+评审+路由+订阅+经济多动作的agent的本质是react，这包括了think（考虑接下来该采取啥动作）+act（采取行动）在MetaGPT的examples/write_tutorial.py下有示例代码这个函数是调用TutorialAssistant类，进行runTutorialAssistant类继承了role类，run也是用role类里的。]]></description><category></category></item><item><title><![CDATA[MetaGPT windows安装]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143887435</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143887435</guid><author>weixin_44737922</author><pubDate>Tue, 19 Nov 2024 16:36:07 +0800</pubDate><description><![CDATA[不过在pycharm中用git下载比较难，可以直接在github下载后解压，把MetaGPT-main改名为MetaGPT，在该文件夹下运行pip指令。换成Kimi就好多了，api的cost也能计算出来，推理效果也比较卓越，就是速度慢了些。game.py和main.py都是空的，因为zhipu大模型比较傻。在config里定义自己的API。条目很齐全，就是跑起来会报错。项目经理细化每个文件的需求。程序员开始分别撰写子文件。架构师定义库、文件结构。]]></description><category></category></item><item><title><![CDATA[LMDeploy 量化部署实践闯关任务]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143869080</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143869080</guid><author>weixin_44737922</author><pubDate>Tue, 19 Nov 2024 13:08:20 +0800</pubDate><description><![CDATA[对历史生成的token对QKV的计算结果进行缓存量化技术观点1仅有0.1-1%的权重影响大，对其它权重进行低比特量化基于激活值进行挑选量化，效果会不错观点2，量化时对显著权重缩放实现混合精度的计算阈值的确定就通过每行的绝对值平均值大模型外推通过位置编码角度解决：直接用整数1,2，…，1000作为位置：数值跨度大，对梯度优化不友好如果缩放到[0,1]跨度太小，模型和优化器不易分辨使用向量：1234用[1,2,3,4]]]></description><category></category></item><item><title><![CDATA[pip install volcengine-python-sdk报错]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143782524</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143782524</guid><author>weixin_44737922</author><pubDate>Thu, 14 Nov 2024 22:34:12 +0800</pubDate><description><![CDATA[这是因为由于 Windows 系统有最长路径限制，可能会导致安装失败。这个包的保存路径名字特别长。]]></description><category></category></item><item><title><![CDATA[玩转书生「多模态对话」与「AI搜索」产品 - 任务]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143660441</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143660441</guid><author>weixin_44737922</author><pubDate>Sun, 10 Nov 2024 15:05:32 +0800</pubDate><description><![CDATA[这是开源的 AI 搜索引擎。使用 MindSearch 在以下三个问题中选择一个你感兴趣的进行提问。任务要求：将模型回复截图保存提交到飞书问卷。]]></description><category></category></item><item><title><![CDATA[LangChain Ollama实战文献检索助手（三）思维链COT、思维树TOT和思维网NOT]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143589804</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143589804</guid><author>weixin_44737922</author><pubDate>Thu, 07 Nov 2024 18:29:07 +0800</pubDate><description><![CDATA[大模型的思考方式有时候并不尽人意。我们可以在提示词中引导大模型如何拆分任务，按部就班地思考。]]></description><category></category></item><item><title><![CDATA[LangChain上使用huggingface的embedding模型（如jina-embeddings-v3）]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143569814</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143569814</guid><author>weixin_44737922</author><pubDate>Wed, 06 Nov 2024 21:42:58 +0800</pubDate><description><![CDATA[embedding将文本映射到稠密的向量空间中，方便存储和查询。这里结合自己的应用场景，选择1b以下的embedding模型，综合考量下选择arkohut/jina-embeddings-v3下载使用模型卡片提供的命令，用cmd下载（强烈建议使用SSH命令下载！！！！用http容易报错）需要使用魔法上网才能下载。如果超时的话，也可以选择手动下载。注意下载后的文件名应该和网站上提供的一样。]]></description><category></category></item><item><title><![CDATA[LangChain Ollama实战文献检索助手（二）少样本提示FewShotPromptTemplate示例选择器]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143569463</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143569463</guid><author>weixin_44737922</author><pubDate>Wed, 06 Nov 2024 21:42:02 +0800</pubDate><description><![CDATA[选择1b以下的embedding模型，综合考量下选择arkohut/jina-embeddings-v3。embedding将文本映射到稠密的向量空间中，方便存储和查询。]]></description><category></category></item><item><title><![CDATA[ModuleNotFoundError: No module named ‘custom_st‘]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143580310</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143580310</guid><author>weixin_44737922</author><pubDate>Wed, 06 Nov 2024 21:27:13 +0800</pubDate><description><![CDATA[用huggingface的jina-embeddings-v3部署在本地作为embedding模型时，会报错。尝试了很多种设置，最后发现其实只要在参数里加一个。]]></description><category></category></item><item><title><![CDATA[LangChain Ollama实战文献检索助手（一）环境配置和输入输出解析]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143564461</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143564461</guid><author>weixin_44737922</author><pubDate>Wed, 06 Nov 2024 13:20:19 +0800</pubDate><description><![CDATA[提示模板的基本原则是：1.给予模型清晰明确的指示2.让模型慢慢地思考# 创建原始模板template = """您是一位专业的学者。\n对于 {theme} 研究领域的{year}以来的进展 ，您能提供富有洞见的综述吗？"""# 根据原始模板创建LangChain提示模板。]]></description><category></category></item><item><title><![CDATA[L1G6000 评测 InternLM-1.8B 实践]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143490953</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143490953</guid><author>weixin_44737922</author><pubDate>Wed, 06 Nov 2024 09:45:32 +0800</pubDate><description><![CDATA[创建环境。]]></description><category></category></item><item><title><![CDATA[module ‘torch‘ has no attribute ‘float8_e4m3fnuz‘]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143505541</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143505541</guid><author>weixin_44737922</author><pubDate>Tue, 05 Nov 2024 12:09:08 +0800</pubDate><description><![CDATA[这是因为我的torch版本只有2.1，太低导致的。升到2.5版本就能解决。这里还有个问题，直接升的话，可能cuda版本也变了，模型跑不起来。，找到适配当前cuda的高等级torch。运行大模型的时候报错说。]]></description><category></category></item><item><title><![CDATA[L2G4000 InternVL 部署微调实践闯关任务]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143481903</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143481903</guid><author>weixin_44737922</author><pubDate>Mon, 04 Nov 2024 17:20:03 +0800</pubDate><description><![CDATA[开源的多模态大模型：InternVL，Qwen-VL，LLaVA闭源的：GPT-4o研究重点：不同模态特征空间的对齐。]]></description><category></category></item><item><title><![CDATA[书生大模型全链路开源开放体系]]></title><link>https://blog.csdn.net/weixin_44737922/article/details/143477553</link><guid>https://blog.csdn.net/weixin_44737922/article/details/143477553</guid><author>weixin_44737922</author><pubDate>Mon, 04 Nov 2024 10:56:49 +0800</pubDate><description><![CDATA[价值对齐：让大模型的能力和行为跟人类的价值、真实意图和伦理原则相一致，确保人类与人工智能协作过程中的安全与信任。价值对齐是AI安全的一个核心议题。人类反馈的强化学习（RLHF）可用于对齐。数据对齐：指在数据处理过程中，将不同的数据源或数据集按照相同的格式和结构进行匹配和匹配的过程。这个过程通常涉及到数据的清洗、转换和整合，以确保数据的一致性和准确性。在数据对齐的过程中，我们需要关注数据的来源、格式、结构、含义和语义等方面，以确保数据的对齐效果。20B的涌现现象更明显，可以对没见过的问题进行合理的回答。]]></description><category></category></item></channel></rss>