<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[YXWik的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/YXWik</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; YXWik]]></copyright><item><title><![CDATA[Linux部署workbuddy+自动签到]]></title><link>https://blog.csdn.net/YXWik/article/details/166790438</link><guid>https://blog.csdn.net/YXWik/article/details/166790438</guid><author>YXWik</author><pubDate>Mon, 28 Sep 2026 16:33:19 +0800</pubDate><description><![CDATA[我用workbuddy连接我的Linux 腾讯云服务器安装了workbuddy，编写了自动签到脚本，然后让它输出了部署脚本。]]></description><category></category></item><item><title><![CDATA[记录前端请求接口在浏览器请求响应的Preview和Response展示的一样的问题]]></title><link>https://blog.csdn.net/YXWik/article/details/164334350</link><guid>https://blog.csdn.net/YXWik/article/details/164334350</guid><author>YXWik</author><pubDate>Thu, 03 Sep 2026 15:44:36 +0800</pubDate><description><![CDATA[<think>我们只需要根据内容生成摘要，≤150字。内容主要讲接口响应异常原因：FastJson1.2.47序列化Map<Integer,...>时key不加引号导致非法JSON，Chrome解析失败，修复改为Map<String,...>。摘要要简洁。</think>摘要：响应异常因FastJson 1.2.47序列化Map<Integer,…>时，数字key未加引号，生成非法JSON，导致Chrome Preview解析失败，退化为与Response相同的原始文本。修复方法是将Map<Integer,]]></description><category></category></item><item><title><![CDATA[docker 部署的ollama服务在dify中访问不到的问题]]></title><link>https://blog.csdn.net/YXWik/article/details/163641952</link><guid>https://blog.csdn.net/YXWik/article/details/163641952</guid><author>YXWik</author><pubDate>Mon, 10 Aug 2026 17:40:43 +0800</pubDate><description><![CDATA[摘要：针对Docker部署的Ollama、FastGPT和Dify服务间网络不通问题，提出两种解决方案：1) 临时方案通过docker network connect将各容器接入共享网络ollama_shared；2) 永久方案需修改各服务的docker-compose.yml文件，使Ollama同时接入默认网桥和共享网络，并为FastGPT/Dify添加共享网络配置。关键步骤包括创建共享网络、声明多网络连接，确保服务重建后网络配置不丢失。（149字）]]></description><category></category></item><item><title><![CDATA[java Swing 程序打exe包]]></title><link>https://blog.csdn.net/YXWik/article/details/162209280</link><guid>https://blog.csdn.net/YXWik/article/details/162209280</guid><author>YXWik</author><pubDate>Mon, 22 Jun 2026 18:10:18 +0800</pubDate><description><![CDATA[摘要：当JDK缺少JRE文件夹时，可通过命令行在JDK根目录执行jlink命令生成完整运行环境。执行后会在JDK目录下生成JRE文件夹，将其与jar文件一起复制。随后使用Launch4j工具配置并打包成exe文件，最终需将生成的完整文件夹分发才能正常运行程序。文中包含详细的操作截图，展示了从生成JRE到打包exe的全过程。]]></description><category></category></item><item><title><![CDATA[java Swing 实现程序启动管理台.exe]]></title><link>https://blog.csdn.net/YXWik/article/details/162203514</link><guid>https://blog.csdn.net/YXWik/article/details/162203514</guid><author>YXWik</author><pubDate>Mon, 22 Jun 2026 15:24:23 +0800</pubDate><description><![CDATA[本文介绍了一个基于Swing开发的EXE程序启动器工具，具有以下功能特点： 采用Swing框架开发，可打包为独立EXE文件 提供可视化配置界面，支持添加/编辑多个外部程序配置 配置内容包括：程序名称、EXE路径、启动参数、工作目录 支持配置本地存储（JSON/INI格式），下次启动自动加载 通过按钮方式启动配置的外部程序（独立进程方式运行） 提供文件选择器方便配置路径 实现方案： 主程序为Swing窗口应用，使用JDialog实现配置弹窗 配置数据以对象形式存储，支持序列化保存到本地文件 通过Runtime]]></description><category></category></item><item><title><![CDATA[Java Swing 实现简易计算器.exe 的demo]]></title><link>https://blog.csdn.net/YXWik/article/details/162202223</link><guid>https://blog.csdn.net/YXWik/article/details/162202223</guid><author>YXWik</author><pubDate>Mon, 22 Jun 2026 14:41:00 +0800</pubDate><description><![CDATA[本文介绍了Java的Swing GUI工具包，它是一个基于AWT重写的纯Java实现、跨平台的图形界面开发工具。Swing以"J"开头的组件（如JButton、JLabel等）和顶层窗口（JFrame、JDialog）为特点，要求所有GUI操作必须在事件调度线程(EDT)中执行。文章提供了一个简易计算器的完整实现代码示例，展示了窗口布局、按钮事件处理、运算逻辑等核心功能，包括数字输入、基本运算、清零和退格等操作，体现了Swing开发的基本模式和规范。]]></description><category></category></item><item><title><![CDATA[500-AI-Agents-Projects学习之二.crewai_mcp_course 建立 Agent 通用认知]]></title><link>https://blog.csdn.net/YXWik/article/details/162071227</link><guid>https://blog.csdn.net/YXWik/article/details/162071227</guid><author>YXWik</author><pubDate>Wed, 17 Jun 2026 17:13:27 +0800</pubDate><description><![CDATA[《CrewAI多智能体协作框架与MCP协议实战课程》摘要：本课程系统讲解CrewAI多智能体框架（包含Agent、Task、Crew三要素）及其核心功能角色分工、任务调度和团队协作机制。重点介绍MCP协议标准化工具集成方案，通过客户端/服务端架构实现外部工具的一键挂载。课程采用递进式设计，从基础多智能体协作（如职场周报生成案例）到工具集成（搜索/计算/文件操作），最后深入MCP服务部署。全套代码兼容主流大模型，提供可运行实例，帮助开发者快速构建实用AI协作系统，显著降低工具开发成本。]]></description><category></category></item><item><title><![CDATA[500-AI-Agents-Projects学习之一.环境搭建]]></title><link>https://blog.csdn.net/YXWik/article/details/162069256</link><guid>https://blog.csdn.net/YXWik/article/details/162069256</guid><author>YXWik</author><pubDate>Wed, 17 Jun 2026 15:39:39 +0800</pubDate><description><![CDATA[本文介绍了基于MIT协议开源的AI Agent项目合集，包含500+实战案例与四大主流框架（CrewAI、AutoGen、LangGraph、Agno）的内容体系。详细提供了环境搭建指南：通过conda创建Python 3.10环境，安装核心库并配置DeepSeek API密钥。测试环节展示了智能体调用示例，推荐了从单智能体到多智能体团队的系统学习路径，以及针对不同行业场景的实战项目。特别说明如何将原代码适配DeepSeek模型，为开发者提供了一站式AI智能体开发资源。]]></description><category></category></item><item><title><![CDATA[图片 OCR 文字提取 （Python + AI 模型（ModelScope））]]></title><link>https://blog.csdn.net/YXWik/article/details/161722447</link><guid>https://blog.csdn.net/YXWik/article/details/161722447</guid><author>YXWik</author><pubDate>Fri, 05 Jun 2026 17:03:22 +0800</pubDate><description><![CDATA[本文介绍了一个基于ModelScope模型的OCR文字识别工具，通过Streamlit实现可视化界面。主要内容包括：1) 创建Python3.10虚拟环境并安装必要的依赖库；2) 使用阿里达摩院的通用OCR模型(damo/cv_convnextTiny_ocr-recognition-general_damo)构建识别功能；3) 编写交互式脚本支持图片上传、文字识别和结果展示；4) 测试表明该工具能有效识别证件、发票、手写体等多种文档。该方案具有环境配置简单、模型精度高、操作便捷等特点，可通过pyinsta]]></description><category></category></item><item><title><![CDATA[CC Switch安装及配置本地ollama模型]]></title><link>https://blog.csdn.net/YXWik/article/details/161661397</link><guid>https://blog.csdn.net/YXWik/article/details/161661397</guid><author>YXWik</author><pubDate>Wed, 03 Jun 2026 17:37:05 +0800</pubDate><description><![CDATA[本文介绍了CC-Switch工具的安装与配置方法。CC-Switch是一款开源的跨平台AI编程配置管理工具，支持统一管理Claude Code等六大AI编程客户端，实现API、模型等一键热切换，兼容Windows/macOS/Linux平台。文章提供了Linux安装docker+ollama+deepseek、Windows部署ollama本地大模型等前置教程链接。详细说明了CC-Switch的下载安装步骤，并重点演示了如何配置ollama本地模型（如deepseek-r1:7b），包括设置API地址、模型]]></description><category></category></item><item><title><![CDATA[CodeGraph安装及在idea的claude code插件中使用]]></title><link>https://blog.csdn.net/YXWik/article/details/161568257</link><guid>https://blog.csdn.net/YXWik/article/details/161568257</guid><author>YXWik</author><pubDate>Sun, 31 May 2026 16:11:39 +0800</pubDate><description><![CDATA[CodeGraph 是一个本地优先的代码智能系统，可将代码库转化为可查询的知识图谱，并通过模型上下文协议(MCP)为AI编程Agent提供支持。它能显著降低Agent会话成本25%、减少62%工具调用，且完全本地运行无需外部服务。安装可通过npm全局安装@colbymchenry/codegraph包，支持自动检测或指定目标安装模式。使用codegraph init初始化项目图谱，status查看状态。还可集成到IDE(如Claude Code插件)，通过配置MCP路径实现代码智能增强功能。系统通过预索引S]]></description><category></category></item><item><title><![CDATA[CC GUI 配置github MCP]]></title><link>https://blog.csdn.net/YXWik/article/details/161508920</link><guid>https://blog.csdn.net/YXWik/article/details/161508920</guid><author>YXWik</author><pubDate>Fri, 29 May 2026 10:48:09 +0800</pubDate><description><![CDATA[本文介绍如何申请GitHub个人访问令牌(PAT)并配置到MCP项目中。首先访问GitHub设置页面的Tokens板块创建PAT，需妥善保存生成的密钥。接着在MCP项目的CC GUI配置中将"GITHUB_TOKEN"替换为刚申请的PAT密钥，配置参数包括使用npx命令运行指定包，并设置stdio通信类型。文中包含配置示例代码和操作截图，展示了完整的令牌申请和项目配置流程。（149字）]]></description><category></category></item><item><title><![CDATA[Java 使用 YOLO模型检测裂缝]]></title><link>https://blog.csdn.net/YXWik/article/details/161101827</link><guid>https://blog.csdn.net/YXWik/article/details/161101827</guid><author>YXWik</author><pubDate>Fri, 15 May 2026 10:24:35 +0800</pubDate><description><![CDATA[这篇文章介绍了如何在Java中使用ONNX Runtime加载和运行YOLO模型进行裂缝检测。主要内容包括： 模型转换：将训练好的YOLO模型（best.pt）导出为ONNX格式，以便Java调用。 环境准备： 使用JDK 17 添加ONNX Runtime依赖 将ONNX模型和测试图片放入resources目录 Java实现步骤： 从resources加载ONNX模型 加载测试图片 创建ONNX推理会话 获取模型输入输出信息 图片预处理（包括letterbox缩放、归一化等） 关键参数： 置信度阈值CON]]></description><category></category></item><item><title><![CDATA[基于 YOLO 的建筑裂缝检测实操与模型训练全解析（含踩坑记录含开源裂缝数据集）]]></title><link>https://blog.csdn.net/YXWik/article/details/161083554</link><guid>https://blog.csdn.net/YXWik/article/details/161083554</guid><author>YXWik</author><pubDate>Thu, 14 May 2026 15:59:55 +0800</pubDate><description><![CDATA[本文介绍了如何将带有彩色框标记的裂缝图片转换为YOLO格式标签文件，并训练裂缝检测模型的过程。首先通过Python脚本自动识别图片中的绿、蓝、红色框，分别对应纵向、横向和网状裂缝类别，生成YOLO格式的txt标签文件。然后配置data.yaml文件，使用YOLOv8进行模型训练。文章还包含模型验证、预测使用以及新增图片标注的方法，最后通过labelImg工具对未标注图片进行手动标注以扩充训练数据集。整个过程实现了从已有标注图片到可训练模型的完整流程，适用于小规模裂缝检测场景。]]></description><category></category></item><item><title><![CDATA[若依微服务框架扩展业务数据权限]]></title><link>https://blog.csdn.net/YXWik/article/details/160891889</link><guid>https://blog.csdn.net/YXWik/article/details/160891889</guid><author>YXWik</author><pubDate>Fri, 08 May 2026 15:22:24 +0800</pubDate><description><![CDATA[本文介绍了如何扩展系统数据权限功能，实现业务库数据权限控制。主要修改包括：1）在LoginUser实体中增加部门子节点ID和父子级部门ID字段；2）在用户登录接口中查询并赋值这些字段；3）为DataScope注解增加业务表别名字段；4）修改DataScopeAspect切面类，添加业务数据权限处理逻辑。通过扩展原有数据权限机制，使业务库中带有user_id和dept_id字段的表也能实现权限控制，包括全部、自定义、部门、部门及以下、仅本人等数据权限类型。]]></description><category></category></item><item><title><![CDATA[FastGpt知识库加载url资源]]></title><link>https://blog.csdn.net/YXWik/article/details/160650309</link><guid>https://blog.csdn.net/YXWik/article/details/160650309</guid><author>YXWik</author><pubDate>Thu, 30 Apr 2026 10:22:31 +0800</pubDate><description><![CDATA[本文介绍了一个基于Java实现的文件资源管理系统，主要功能是扫描服务器上的PDF资源并提供API接口返回资源列表。系统包含以下核心组件： 数据结构设计：使用FileItemDTO类封装文件信息（ID、名称、URL、大小、创建时间）和FastGPTResponse类包装响应数据。 服务实现： 支持全量扫描（项目启动时执行）和增量扫描（每10分钟定时执行） 通过递归扫描指定目录获取PDF文件 使用内存缓存维护文件列表和最后修改时间映射 关键特性： 路径配置灵活（PDF_LOCAL_PATH和PDF_ACCESS]]></description><category></category></item><item><title><![CDATA[Linux内网搭建FastGpt+配置ollama私有化的deepseek-r1:7b模型]]></title><link>https://blog.csdn.net/YXWik/article/details/160628510</link><guid>https://blog.csdn.net/YXWik/article/details/160628510</guid><author>YXWik</author><pubDate>Wed, 29 Apr 2026 16:06:31 +0800</pubDate><description><![CDATA[本文介绍了在内网Linux服务器上部署FastGPT环境的完整流程。首先在Windows主机上拉取所需的Docker镜像（包括Redis、MongoDB、PGVector、MinIO等基础组件和FastGPT相关镜像），然后通过docker save命令将所有镜像打包成单个tar文件。接着将该文件传输到内网服务器，使用docker load导入镜像。最后提供了详细的docker-compose.yml配置，包含PostgreSQL、MongoDB、Redis、MinIO等服务的部署参数，以及FastGPT核]]></description><category></category></item><item><title><![CDATA[Claude Code]]></title><link>https://blog.csdn.net/YXWik/article/details/160597987</link><guid>https://blog.csdn.net/YXWik/article/details/160597987</guid><author>YXWik</author><pubDate>Tue, 28 Apr 2026 17:25:15 +0800</pubDate><description><![CDATA[Anthropic 推出的智能 AI 编程代理工具，依托 Claude 大模型超长上下文能力，主打项目级全局编码]]></description><category></category></item><item><title><![CDATA[Langchain4j（5）RAG之多格式文档加载（PDF / Word / TXT / 批量文件夹）]]></title><link>https://blog.csdn.net/YXWik/article/details/160115650</link><guid>https://blog.csdn.net/YXWik/article/details/160115650</guid><author>YXWik</author><pubDate>Mon, 13 Apr 2026 17:28:05 +0800</pubDate><description><![CDATA[支持的文档类型。]]></description><category></category></item><item><title><![CDATA[Langchain4j（4）RAG之入门示例]]></title><link>https://blog.csdn.net/YXWik/article/details/160114517</link><guid>https://blog.csdn.net/YXWik/article/details/160114517</guid><author>YXWik</author><pubDate>Mon, 13 Apr 2026 15:46:03 +0800</pubDate><description><![CDATA[检索增强生成。让 AI 只能根据你提供的文档回答解决 AI 胡说八道 问题让 AI 能使用私有数据、内部文档把文字变成 一串数字语义相似的文本，向量距离更近是 RAG 能 “语义检索” 的基础。]]></description><category></category></item></channel></rss>