<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[mingover的专栏]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/mingover</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; mingover]]></copyright><item><title><![CDATA[deepseek harness插件开发]]></title><link>https://blog.csdn.net/mingover/article/details/164067327</link><guid>https://blog.csdn.net/mingover/article/details/164067327</guid><author>mingover</author><pubDate>Wed, 26 Aug 2026 01:20:32 +0800</pubDate><description><![CDATA[Deepseek Harness（dsh）是一个基于pnpm monorepo的插件化系统，所有功能都以插件形式实现。开发者可以通过编写TypeScript插件来扩展功能，或使用Python SDK进行集成。安装方式包括全局安装dsh工具，并通过命令行管理插件（添加/删除/查看）。插件开发需创建cordis.patch.yml和package.json配置文件，并实现index.ts入口文件，其中需定义插件名称和功能逻辑。开发过程中需注意名称一致性和依赖安装，避免模块加载错误。官方提供了详细的开发文档和示例]]></description><category></category></item><item><title><![CDATA[python性能分析工具]]></title><link>https://blog.csdn.net/mingover/article/details/163947571</link><guid>https://blog.csdn.net/mingover/article/details/163947571</guid><author>mingover</author><pubDate>Fri, 21 Aug 2026 15:23:47 +0800</pubDate><description><![CDATA[执行会一直记录这个进程的栈，这时要执行一下关键代码(比如，如果是web服务就请求一下关键的请求)，然后关掉py-spy, 　就会记录profile.svg,这个文件可以直接浏览器打开。内存出问题时，经常是不知道哪块有问题，所以一般这种都是整个服务的对象一起看的。当怀疑某段业务代码有问题的时候，可以用下面的办法比较精确的看到问题，这个会侵入代码，可以考虑用一个脚本，或者如下加个链接来处理, 里面的业务代码是自己想排查的内容。如上，可以看到有些对象占有比较大的内存，数据比较多，要被怀疑。可以放在拦截器里查看。]]></description><category></category></item><item><title><![CDATA[k8s-agent架构思考(二)]]></title><link>https://blog.csdn.net/mingover/article/details/163861761</link><guid>https://blog.csdn.net/mingover/article/details/163861761</guid><author>mingover</author><pubDate>Tue, 18 Aug 2026 18:38:06 +0800</pubDate><description><![CDATA[前面完成了一个 agent基础功能，这个agent是可以做为一个整体部署到任何一台机器的,下一个问题是：如何将Agent部署到Kubernetes集群中，并支持多Agent的管理和使用？如果要考虑云agent的话, 就需要思考一些实现思路了:**固定机器模式: **直接把agent部署到线上,一个用户指定一个,需要的时候开启?  类似家里的电脑一样,需要就开,不用就关固定分配池模式：维护一个 Agent 云池，用户首次接入时被分配到某个agent，后续请求始终路由到同一 agent，并动态加载该用户的会话、]]></description><category></category></item><item><title><![CDATA[k8s-agent架构思考(一)]]></title><link>https://blog.csdn.net/mingover/article/details/163861393</link><guid>https://blog.csdn.net/mingover/article/details/163861393</guid><author>mingover</author><pubDate>Tue, 18 Aug 2026 18:22:56 +0800</pubDate><description><![CDATA[基础的 Agent 搭建起来后，核心结构就是 Provider 和 Tool，其他部分都属于扩展。可以把 LLM 看作大脑，Tool 看作爪子，这样一个“八爪鱼式”的 Agent 就诞生了。如果是在本地使用，安全性基本可控。可以在本地添加各种 MCP、Tools 等组件——像 Claude Code 这类工具就是这样做的。虽然它们的权限较大，但只要做好权限控制并谨慎操作，风险是可以接受的。但如果 Agent  部署在服务器上，安全问题就会变得比较突出。]]></description><category></category></item><item><title><![CDATA[gpt2架构学习(1)]]></title><link>https://blog.csdn.net/mingover/article/details/150391846</link><guid>https://blog.csdn.net/mingover/article/details/150391846</guid><author>mingover</author><pubDate>Thu, 14 Aug 2025 15:15:47 +0800</pubDate><description><![CDATA[本文介绍了多头注意力机制的代码实现逻辑，主要包括文本输入处理和注意力模块两个部分。在文本输入处理中，首先将输入文本转换为token，再通过token_embedding和pos_embedding生成嵌入向量矩阵。在注意力模块部分，详细说明了qkv向量的初始化、注意力分数的计算、上下文向量的生成以及训练时的mask和dropout处理。最后介绍了多头注意力的实现原理，通过将输入拆分为多个头并行处理，再合并输出。文章提供了完整的代码实现，包括CausalAttention和MultiHeadAttention]]></description><category></category></item><item><title><![CDATA[jupyter lab使用(linux环境)]]></title><link>https://blog.csdn.net/mingover/article/details/149608609</link><guid>https://blog.csdn.net/mingover/article/details/149608609</guid><author>mingover</author><pubDate>Thu, 24 Jul 2025 16:35:36 +0800</pubDate><description><![CDATA[本文介绍了Jupyter Lab的安装部署与常用配置方法。主要内容包括：1) 通过Miniconda安装Jupyter Lab的基本步骤；2) 使用Supervisor实现服务自启动的部署方案；3) 关键配置项如密码保护、设置工作路径等；4) 通过nb_conda_kernels实现多Python环境切换的核心技巧。文章提供了详细的命令行操作指引和配置示例，帮助用户快速搭建可支持多环境的Jupyter Lab服务，特别适合需要管理多个Python项目的开发者参考。]]></description><category></category></item><item><title><![CDATA[pytorch安装cuda注意事项]]></title><link>https://blog.csdn.net/mingover/article/details/149606204</link><guid>https://blog.csdn.net/mingover/article/details/149606204</guid><author>mingover</author><pubDate>Thu, 24 Jul 2025 15:32:25 +0800</pubDate><description><![CDATA[在配备RTX 3070(8G显存)的台式机上安装PyTorch需注意：1)先通过nvidia-smi或控制面板确认CUDA版本；2)从NVIDIA官网下载匹配的CUDA工具包(如12.8)并安装；3)使用PyTorch官网提供的对应CUDA版本安装命令(如pip3 install torch --index-url https://download.pytorch.org/whl/cu128)。安装后需验证torch.cuda.is_available()，并通过矩阵运算测试GPU加速效果。Linux系统需]]></description><category></category></item><item><title><![CDATA[vllm本地台式机运行(3070显存8G)与模型量化]]></title><link>https://blog.csdn.net/mingover/article/details/149605085</link><guid>https://blog.csdn.net/mingover/article/details/149605085</guid><author>mingover</author><pubDate>Thu, 24 Jul 2025 15:11:52 +0800</pubDate><description><![CDATA[本文对比了ollama与vllm两种大语言模型推理框架的部署差异。在RTX 3070（8G显存）环境下，ollama部署更简便且资源占用低，但性能较弱；而vllm需要额外配置量化方案才能运行。文章详细记录了vllm的安装过程（使用CUDA 12.8版本）和API服务器启动参数说明，重点展示了如何通过BitsAndBytesConfig对Qwen3-4B模型进行4bit量化以降低显存占用，并提供了量化代码示例。测试发现8B模型在3070显卡上运行仍显吃力，最终采用4B量化版本实现部署。]]></description><category></category></item><item><title><![CDATA[flask的安装与使用]]></title><link>https://blog.csdn.net/mingover/article/details/100831254</link><guid>https://blog.csdn.net/mingover/article/details/100831254</guid><author>mingover</author><pubDate>Sat, 14 Sep 2019 17:20:31 +0800</pubDate><description><![CDATA[D:\work\netease\projects\flask_first
说明
最近的项目需要用到flask，貌似3年前用过，不过很久没搞了
以前java web比较熟。这里做个简单的入门记录
官网:
http://docs.jinkan.org/docs/flask/
下载与安装
pip install flask
建议用virtualenv
一个例子

from flask import Fl...]]></description><category></category></item><item><title><![CDATA[scrapy获取数据的一些问题与解决]]></title><link>https://blog.csdn.net/mingover/article/details/100582032</link><guid>https://blog.csdn.net/mingover/article/details/100582032</guid><author>mingover</author><pubDate>Fri, 06 Sep 2019 16:32:34 +0800</pubDate><description><![CDATA[前言
我们采用scrapy 爬取了一些游戏数据，这里对遇到的一些技术问题 的解决情况
项目情况
爬虫的逻辑是比较简单的，有一个进程从 任务队列中 拿到 相应的任务(一般是url),去请求，拿到html/json/…后 进行解析,解析完后自己选择做什么，比如:1,把解析后的数据存起来,2,解析后发现有想用的url,重新把这些个url当作一个任务扔到 任务队列中.
我们的爬虫任务有挺多的，如 游戏的i...]]></description><category></category></item><item><title><![CDATA[设计模式-责任链模式]]></title><link>https://blog.csdn.net/mingover/article/details/89494679</link><guid>https://blog.csdn.net/mingover/article/details/89494679</guid><author>mingover</author><pubDate>Wed, 24 Apr 2019 15:37:08 +0800</pubDate><description><![CDATA[背景说明
最近要搞一个简单的监测web心跳的逻辑，但我希望能做成通用点的，设计想法是这样的：
做一个配置，里面填weburl,还有各种校验模块,
校验模块会有多种，如httpstatus的校验，返回数据的code校验，也可能会有去查数据库的校验，甚至去调另一个接口确认其状态的校验！
流程开始时即，有一个定时器,去拿配置，发现配置里有weburl及其校验模块，然后 对校验模块的列表 进行循环处理。
...]]></description><category></category></item><item><title><![CDATA[利用mybatis-plus自动生成代码]]></title><link>https://blog.csdn.net/mingover/article/details/88599997</link><guid>https://blog.csdn.net/mingover/article/details/88599997</guid><author>mingover</author><pubDate>Sat, 16 Mar 2019 16:10:14 +0800</pubDate><description><![CDATA[关于代码生成器的说明
我们在开发mybatis时，涉及到xml,和bean,mapper等的书写，copy改，花的时间多且会有Bug,考虑到这些代码都是机械式的，用生成的方式比较靠谱
mybatis官方推荐有了相应的生成工具org.mybatis.generator,以maven插件的形式生成,会生成很多的example类,也比较方便.
不过这篇要讲的是mybatis-plus的生成
一些资料
M...]]></description><category></category></item><item><title><![CDATA[scrapy源码分析_初始化及settings]]></title><link>https://blog.csdn.net/mingover/article/details/85376365</link><guid>https://blog.csdn.net/mingover/article/details/85376365</guid><author>mingover</author><pubDate>Sun, 30 Dec 2018 11:31:18 +0800</pubDate><description><![CDATA[Crawler的初始化及动作
下面是按启动顺序的逻辑,
0,关于execute动作
最先是把settings给加进来.
site-packages\scrapy\cmdline.py中的 settings = get_project_settings()  这里首先会取site-packages\scrapy\settings\default_settings.py中的配置,然后取项目的setti...]]></description><category></category></item><item><title><![CDATA[管理后台(guns的获取与修改)]]></title><link>https://blog.csdn.net/mingover/article/details/85091092</link><guid>https://blog.csdn.net/mingover/article/details/85091092</guid><author>mingover</author><pubDate>Wed, 19 Dec 2018 11:03:33 +0800</pubDate><description><![CDATA[背景
最近有个小项目，需要一个管理后台，以前的由于技术层太旧了而且其它依赖比较多，不想带过来，于是想趁着新项目，试一下一些开源的业务框架.
后台管理系统相关介绍与guns的说明
jeecg,jeesite以前经常听到，去下载来看了，发现jeecg设计的过于自动了，都不太清楚怎么开发新的业务
jeesite还不错，有明显暴露的web编写，其界面和使用体验也真不错，不过其表要按其标准来设计.而且底层代...]]></description><category></category></item><item><title><![CDATA[docker创建image与Dockerfile一些规则]]></title><link>https://blog.csdn.net/mingover/article/details/84895193</link><guid>https://blog.csdn.net/mingover/article/details/84895193</guid><author>mingover</author><pubDate>Sat, 08 Dec 2018 17:52:34 +0800</pubDate><description><![CDATA[container 和 image 的关系
image 类比为 类,container 类比为对象
我们运行container(对象)中并去修改相应的变量等,一些操作如下:
docker container ls -a
交互运行container(即可进入这个container,进行操作!)
docker run -it centos
列出image
docker images
列出contain...]]></description><category></category></item><item><title><![CDATA[docker的安装与使用]]></title><link>https://blog.csdn.net/mingover/article/details/84887185</link><guid>https://blog.csdn.net/mingover/article/details/84887185</guid><author>mingover</author><pubDate>Fri, 07 Dec 2018 21:03:27 +0800</pubDate><description><![CDATA[文档与安装
基本安装 官方的文档走就行了,
本文罗列一些简单步骤
https://docs.docker.com/install/linux/docker-ce/ubuntu/#prerequisites
1,安装 前如果之前有安装 则删除
sudo apt-get remove docker docker-engine docker.io
2,查看自己的是哪个版本，官网会有不同的命令
sudo ...]]></description><category></category></item><item><title><![CDATA[爬虫架构简述]]></title><link>https://blog.csdn.net/mingover/article/details/83412218</link><guid>https://blog.csdn.net/mingover/article/details/83412218</guid><author>mingover</author><pubDate>Fri, 26 Oct 2018 11:28:30 +0800</pubDate><description><![CDATA[项目情况
最近做了一个爬虫系统，使用scrapy 作为核心，用kafka作队列，然后加上 java的消费者，还有其它周边服务，形成一个架构，这里进行一个简单的整理
基础结构
考虑到数据的扩展性和互联网的不确认性，考虑使用 nosql来存储大部分业务数据，同时为了更好的处理文字搜索, 于是决定使用elasticsearch + mysql的方式来处理.
然后，我们考虑了底层服务，这涉及到数据获取，解...]]></description><category></category></item><item><title><![CDATA[jest连接AWS版本的es]]></title><link>https://blog.csdn.net/mingover/article/details/82984579</link><guid>https://blog.csdn.net/mingover/article/details/82984579</guid><author>mingover</author><pubDate>Tue, 09 Oct 2018 16:36:01 +0800</pubDate><description><![CDATA[Caused by: com.amazonaws.AmazonClientException: Unable to load AWS credentials from any provider in the chain

AWS_ACCESS_KEY_ID]]></description><category></category></item><item><title><![CDATA[es中springboot的两种连接方式]]></title><link>https://blog.csdn.net/mingover/article/details/82941506</link><guid>https://blog.csdn.net/mingover/article/details/82941506</guid><author>mingover</author><pubDate>Thu, 04 Oct 2018 23:37:52 +0800</pubDate><description><![CDATA[使用客户端调用es服务的两种方式
有两种方式,一种 是9200端口或叫rest 接口，
另一种是用 节点的9300端口或叫  TransportClient
说明
es的官网中https://www.elastic.co/guide/en/elasticsearch/client/java-api/current/java-api.html
We plan on deprecating the T...]]></description><category></category></item><item><title><![CDATA[es的数据迁移批量脚本]]></title><link>https://blog.csdn.net/mingover/article/details/82769242</link><guid>https://blog.csdn.net/mingover/article/details/82769242</guid><author>mingover</author><pubDate>Wed, 19 Sep 2018 11:10:48 +0800</pubDate><description><![CDATA[有大约几种迁移方式
snapshot
reindex
logstash
elasticsearch-dump
elasticsearch-migration
Elasticsearch-Exporter
上面的方式中 snapshot 和reindex 是es自带, snapshot适合数据量比较大
logstash  直接是工具传输, 和reindex一样，只能传数据不传mapping
dump...]]></description><category></category></item></channel></rss>