首页 on 码上星河

Windows 11环境变量PATH无法正常工作的解决方案

Wed, 24 Sep 2025 08:02:00 +0800

问题描述

在Windows 11系统中遇到了一个奇怪的问题：环境变量PATH看似设置正确，但系统命令如findstr无法在普通cmd中运行，只能在管理员权限下运行。具体表现为：

C:\Users\yanxi>findstr
'findstr' 不是内部或外部命令，也不是可运行的程序或批处理文件。

C:\Users\yanxi>C:\Windows\System32\findstr.exe
FINDSTR: 错误的命令行  # 直接运行完整路径是可以的

问题排查过程

1. 初步诊断

首先检查PATH变量内容：

C:\Users\yanxi>echo %PATH%
C:\Program Files\Common Files\Oracle\Java\javapath;%SystemRoot%\system32;%SystemRoot%;%SystemRoot%\System32\Wbem;%SYSTEMROOT%\System32\WindowsPowerShell\v1.0\;...

发现PATH中包含了%SystemRoot%\system32等路径，看起来是正确的。

2. 验证基础环境变量

检查SystemRoot变量：

C:\Users\yanxi>echo %SystemRoot%
C:\WINDOWS

SystemRoot变量本身是正确的。

3. 关键发现

注意到PATH中的环境变量没有被展开：显示的是%SystemRoot%\system32而不是C:\WINDOWS\system32。

这提示我们检查PATH在注册表中的存储类型：

reg query "HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v PATH

结果显示：

PATH    REG_SZ    C:\Program Files\Common Files\Oracle\Java\javapath;%SystemRoot%\system32;...

问题根源

关键发现：PATH被存储为REG_SZ类型

Windows注册表中有两种字符串类型：

REG_SZ：普通字符串，不会展开环境变量
REG_EXPAND_SZ：可展开字符串，会自动展开其中的环境变量（如%SystemRoot%）

环境变量PATH必须是REG_EXPAND_SZ类型才能正确展开其中的%SystemRoot%、%SYSTEMROOT%等变量。

解决方案

修复注册表中的PATH类型

以管理员身份运行cmd，执行以下命令：

reg add "HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v PATH /t REG_EXPAND_SZ /d "C:\Program Files\Common Files\Oracle\Java\javapath;%%SystemRoot%%\system32;%%SystemRoot%%;%%SystemRoot%%\System32\Wbem;%%SYSTEMROOT%%\System32\WindowsPowerShell\v1.0\;%%SYSTEMROOT%%\System32\OpenSSH\;C:\Program Files\Git\cmd;C:\ProgramData\chocolatey\bin;C:\Program Files\Docker\Docker\resources\bin;C:\Program Files\PowerShell\7\;C:\Ruby34-x64\bin;C:\Users\yanxi\AppData\Local\Microsoft\WindowsApps;C:\Android\Sdk\platform-tools;C:\Users\yanxi\AppData\Local\Programs\Microsoft VS Code\bin;C:\Program Files\MongoDB\Tools\100\bin;C:\Users\yanxi\AppData\Local\Programs\Qoder\bin" /f

注意事项：

Uni-app开发能力及Android平台应用调研报告

Thu, 17 Apr 2025 15:00:00 +0800

报告日期: 2025年4月17日

呈报对象: 数字化研发中心

报告目的: 本报告旨在全面评估 Uni-app 框架（包括其下一代演进 Uni-app X）在 Android 平台进行应用开发的可行性、优势、挑战、三种主要集成模式以及热更新支持情况，为公司技术选型和项目决策提供依据。

执行摘要:

Uni-app 是一个基于 Vue.js 的高效跨平台开发框架，能够将一套代码发布至 Android、iOS、Web 及多种小程序平台，显著提升开发效率并降低成本。

核心调研结论如下：

独立 Android 应用开发 (传统 Uni-app): Uni-app 可直接打包成功能完整的 Android 应用。它能通过内置 API 和原生插件（使用 UTS 技术）有效调用 Android 系统能力（如相机、定位、联系人等）。其主要优势在于开发效率高、跨平台覆盖广、成本效益好，并支持应用资源的热更新（通过 .wgt 包更新 JS 代码和资源）。然而，也面临性能极限（相较于纯原生或 Uni-app X）、对插件的依赖、特定场景下的调试复杂性等挑战。内存管理需遵循 Web 开发最佳实践并结合 nvue 等优化手段。针对低内存拍照返回页面重建和低版本 WebView 兼容性等具体问题，存在如使用原生插件、nvue 或设定最低系统版本等有效解决方案。
独立 Android 应用开发 (Uni-app X): 这是 Uni-app 的下一代模式，将 Vue/UTS 代码直接编译为原生 Android 代码 (Kotlin)，旨在提供极致的原生性能。优势是性能接近原生，克服了传统模式的桥接瓶颈。挑战在于其相对较新、生态尚在发展（如联系人读取、扫码、非腾讯地图官方暂未支持，接入需依赖插件）、且代码不支持热更新，依赖应用商店迭代。
原生 App 托管 Uni-app 模块: Android 原生应用可通过集成 DCloud 官方 SDK，实现动态加载和运行多个以 .wgt 资源包形式存在的传统 Uni-app 轻应用（类似小程序）。此模式赋予应用极高的灵活性和可扩展性，允许动态更新功能模块（即支持模块级热更新），适合构建平台型或超级 App。但此模式对原生开发能力有要求，且需关注SDK 集成复杂度、性能调优和资源管理。
综合评估:
- 传统 Uni-app 是构建 Android 应用，尤其是需要跨多平台（含小程序）并追求快速开发、需要代码热更新的项目的有力竞争者。其效率优势明显，但需根据项目对性能、原生功能深度、设备兼容性的具体要求，审慎评估并选择合适的开发模式及应对策略。
- Uni-app X 适用于追求极致原生性能、可接受其当前生态成熟度、且不需要代码热更新（依赖应用商店更新）的项目。
- 原生托管模式 适用于需要高度动态化、模块化热更新和原生能力深度整合的复杂应用。

最终选择应综合考虑项目的性能要求、开发效率、跨端需求、热更新策略、团队技术栈、生态依赖及新技术风险。

Linux中Uni-app命令行打包

Thu, 17 Apr 2025 14:59:30 +0800

一、VUE-CLI

基于npm的命令行打包，不过官方应该是弃用了，2024年11月08日提交的代码仓库中移除了app相关的打包命令（地址）。

二、HBuilderX-CLI

测试环境

系统：WSL（Windows Subsystem for Linux） Ubuntu版本：24.04.1 之前只支持windows，在2025年1月初，对linux进行支持。实质是将可视化的操作以命令行的形式做支持。

安装包下载解压（参考）

wget -c https://download1.dcloud.net.cn/download/HBuilderX.4.51.2025010802-dev.linux_x64.full.tar.gz  
tar -zxvf HBuilderX.4.51.2025010802-dev.linux_x64.full.tar.gz

使用cli启动HBuilderX程序

cd HBuilderX目录  
./cli open

导入项目

# 导入要打包的项目  
./cli project open --path <项目路径>

本地打包（生成本地打包App资源）

//打包后的App资源路径在：<项目源路径>/unpackage/resources 
cli publish --platform APP --type appResource --project 项目名称

本地打包（制作应用wgt包）

# 导出wgt包，默认选项，打包后的wgt路径在：<项目源路径>/unpackage/release/<AppId>.wgt
cli publish --platform APP --type wgt --project 项目名称

# 导出wgt包，对配置的js/nvue文件进行原生混淆
cli publish --platform APP --type wgt --project 项目名称 --confuse true

# 导出wgt包，自定义导出路径和名称
cli publish --platform APP --type wgt --project 项目名称 --path 导出路径 --name 导出名称

种子关键词提取

Mon, 14 Apr 2025 17:59:00 +0800

中文版

请扮演一个帮助用户寻找在线工具类利基市场机会的助手。
你的任务是从下面提供的文本内容中，提取出主要代表“功能”或“在线工具”的潜在“种子关键词”(seed keywords)。

提取这些种子关键词的目标是：将它们作为起点，输入到 Google Trends 等工具中进行探索，以发现那些适合用来创建新的英文在线工具、转换器、生成器等实用型网站的新兴热门话题或搜索趋势。

在分析文本时，请特别专注于提取以下类型的词语或短语：
* **直接提及的在线工具、实用程序名称** (如 PDF converter, image resizer)。
* **描述工具执行的功能或动作** (如 convert, generate, validate, optimize, parse, merge, extract, check, scrape, download)。
* **描述执行该动作的工具或代理的名词** (如 converter, generator, validator, optimizer, parser, merger, extractor, checker, scraper, downloader)。
* **针对特定数字任务或数据处理问题的解决方案名称或描述。**
* **与在线流程、数据格式或技术相关的术语** (如 API, JSON, XML, CSV, PDF, Regex, OCR, WebP, SEO, analytics)。
* **代表工具、流程或抽象概念的相关名词** (如 template, format, workflow, dashboard, utility, toolkit, checker, validator, analyzer)。

请将提取出的所有潜在种子关键词，以无序列表（bullet points）的形式清晰地列出。

内容正文如下：
[在此处粘贴你需要分析的文本内容]

英文版

Act as an assistant helping a user identify niche market opportunities for online tools.
Your task is to extract potential "seed keywords" from the text content provided below, focusing specifically on terms representing "functions" or "online tools".

The goal of extracting these seed keywords is: to use them as starting points for exploration in tools like Google Trends, in order to discover emerging hot topics or search trends suitable for creating new English-language online tools, converters, generators, or other utility websites.

When analyzing the text, please focus specifically on extracting words or phrases that represent:
* **Direct mentions of online tools or utility names** (e.g., PDF converter, image resizer).
* **Functions or actions performed by tools** (e.g., convert, generate, validate, optimize, parse, merge, extract, check, scrape, download).
* **Nouns describing the tool or agent performing the action** (e.g., converter, generator, validator, optimizer, parser, merger, extractor, checker, scraper, downloader).
* **Names or descriptions of solutions to specific digital tasks or data manipulation problems.**
* **Terms related to online processes, data formats, or technologies** (e.g., API, JSON, XML, CSV, PDF, Regex, OCR, WebP, SEO, analytics).
* **Related nouns representing tools, processes, or abstract concepts** (e.g., template, format, workflow, dashboard, utility, toolkit, checker, validator, analyzer).

Please clearly list all extracted potential seed keywords in a bullet point format.

The text content begins below:
[Paste the text content you want analyzed here]

用种子关键词和 Google Trends 发现工具类网站利基

Mon, 14 Apr 2025 17:53:00 +0800

目标： 找到适合创建在线工具、转换器、生成器等实用型网站的新兴利基市场。

核心方法： 使用功能型种子关键词作为起点，在 Google Trends 中查找“飙升 (Rising)”的相关查询，以发现具体的新兴工具需求。

步骤 1：获取功能型种子关键词

使用以下基础列表：
- Translator, Generator, Converter, Downloader, Maker, Creator, Editor, Processor, Designer, Compiler, Analyzer, Evaluator, Calculator, Builder, Checker, Detector, Scraper, Manager, Explorer, Tracker, Recorder, Optimizer, Scheduler, Viewer, Extractor, Monitor, Notifier, Verifier, Simulator, Constructor, Comparator, Navigator, Syncer, Connector, Cataloger, Responder, Uploader, Interpreter, Sender, Receiver, Parser, Formatter, Validator, Minifier, Prettifier, Obfuscator, Summarizer, Indexer, Splitter, Joiner, Finder, Replacer, Counter, Randomizer, Resizer, Cropper, Rotator, Watermarker, Compressor, Encoder, Decoder, Player, Stripper, Archiver, Unarchiver, Packer, Unpacker, Renamer, Organizer, Cleaner, Tester, Debugger, Profiler, Deployer, Pinger, Resolver, Workspaceer, Poster, Authenticator, Spinner, Prompter, Outliner, Ideator, Namer, Estimator, Forecaster, Visualizer
- 以及相关概念：Template, Format, Utility, Toolkit, Helper, Solver, Engine, Widget, Dashboard, Sandbox, Mockup, Report, Chart, Diagram, Map, Password, QR Code, Barcode, Checksum, Hash, UUID, API, JSON, XML, CSV, PDF, Image, Video, Audio, Code, Regex, Timestamp, Timezone, Color, Font, Lorem Ipsum
详细方法：发掘更多功能/工具型种子关键词

Nohup启动命令日志按天记录

Wed, 09 Apr 2025 10:29:30 +0800

命令

nohup 启动命令 > output_$(date +\%Y-\%m-\%d).log 2>&1 &

VLLM参数中文速查

Wed, 09 Apr 2025 10:02:00 +0800

服务器参数 (Server Arguments):

--host: 指定服务器运行的主机名。
--port: 指定服务器运行的端口号。默认值：8000。
--uvicorn-log-level: Uvicorn 服务器的日志级别。可选值：debug, info, warning, error, critical, trace。默认值：“info”。
--disable-uvicorn-access-log: 是否禁用 Uvicorn 的访问日志。默认值：False (不禁用)。
--allow-credentials: 是否允许在跨域请求中发送凭证（如 cookies、authorization headers）。默认值：False (不允许)。
--allowed-origins: 允许进行跨域请求的来源列表（用于 CORS）。默认值：['*'] (允许所有来源)。
--allowed-methods: 允许的 HTTP 方法列表（用于 CORS）。默认值：['*'] (允许所有方法)。
--allowed-headers: 允许的 HTTP 请求头列表（用于 CORS）。默认值：['*'] (允许所有请求头)。
--api-key: API 密钥。如果提供此参数，服务器将要求客户端在请求头中提供此密钥以进行验证。
--lora-modules: LoRA 模块的配置。可以是以 'name=path' 格式或 JSON 格式提供。例如（旧格式）：'name=path'，示例（新格式）：{"name": "name", "path": "lora_path", "base_model_name": "id"}。
--prompt-adapters: Prompt adapter 的配置，格式为 name=path。可以指定多个 adapter。
--chat-template: 聊天模板文件的路径，或者是适用于指定模型的单行模板字符串。
--chat-template-content-format: 在聊天模板中渲染消息内容的格式。可选值：auto, string, openai。“string” 将内容渲染为字符串（例如 "Hello World")。“openai” 将内容渲染为类似 OpenAI 模式的字典列表（例如 [{"type": "text", "text": "Hello world!"}]）。默认值：“auto”。
--response-role: 当 request.add_generation_prompt=true 时，返回的角色名称。默认值：“assistant”。
--ssl-keyfile: SSL 私钥文件的路径。
--ssl-certfile: SSL 证书文件的路径。
--ssl-ca-certs: CA 证书文件的路径。
--enable-ssl-refresh: 当 SSL 证书文件更改时，是否刷新 SSL 上下文。默认值：False。
--ssl-cert-reqs: 是否需要客户端证书（参见 Python 标准库 ssl 模块）。默认值：0 (不需要)。
--root-path: 当应用部署在基于路径的路由代理后面时，FastAPI 的 root_path。
--middleware: 应用到 FastAPI 应用的额外 ASGI 中间件。可以接受多个 --middleware 参数。值应该是导入路径。如果提供的是函数，vLLM 将使用 @app.middleware('http') 添加它。如果提供的是类，vLLM 将使用 app.add_middleware() 添加它。默认值：[]。
--return-tokens-as-token-ids: 当指定 --max-logprobs 时，将单个 token 表示为 token_id:{token_id} 形式的字符串，以便可以识别非 JSON 可编码的 token。默认值：False。
--disable-frontend-multiprocessing: 如果指定，将在与模型服务引擎相同的进程中运行 OpenAI 前端服务器。默认值：False。
--enable-request-id-headers: 如果指定，API 服务器将在响应中添加 X-Request-Id 标头。注意：这在高 QPS（每秒查询数）下会损害性能。默认值：False。
--enable-auto-tool-choice: 为支持的模型启用自动工具选择。使用 --tool-call-parser 指定要使用的解析器。默认值：False。
--tool-call-parser: 选择工具调用解析器，具体取决于您使用的模型。这用于将模型生成的工具调用解析为 OpenAI API 格式。需要与 --enable-auto-tool-choice 一起使用。
--tool-parser-plugin: 指定用于将模型生成的工具解析为 OpenAI API 格式的工具解析器插件，在此插件中注册的名称可以在 --tool-call-parser 中使用。默认值：""。
--served-model-name: API 中使用的模型名称。可以提供多个名称，服务器将响应任何提供的名称。响应中 model 字段的模型名称将是此列表中的第一个名称。如果未指定，模型名称将与 --model 参数相同。注意，此名称（如果提供多个，则取第一个）也将用于 Prometheus 指标的 model_name 标签内容。
--disable-log-requests: 禁用请求日志记录。默认值：False。
--max-log-len: 日志中打印的提示符字符或提示符 ID 编号的最大数量。默认值 None 表示无限制。
--disable-fastapi-docs: 禁用 FastAPI 的 OpenAPI schema、Swagger UI 和 ReDoc 端点。默认值：False。
--enable-prompt-tokens-details: 如果设置为 True，则在 usage 中启用 prompt_tokens_details。默认值：False。
--enable-server-load-tracking: 如果设置为 True，则在应用状态中启用 server_load_metrics 的跟踪。默认值：False。

模型参数 (Model Arguments):

--model: 要使用的 Hugging Face 模型的名称或路径。默认值：“facebook/opt-125m”。
--task: 模型用于的任务。每个 vLLM 实例仅支持一个任务。当模型仅支持一个任务时，可以使用 “auto” 选择它；否则，必须明确指定使用哪个任务。可选值：auto, generate, embedding, embed, classify, score, reward, transcription。默认值：“auto”。
--tokenizer: 要使用的 Hugging Face 分词器的名称或路径。如果未指定，将使用模型名称或路径。
--hf-config-path: 要使用的 Hugging Face 配置的名称或路径。如果未指定，将使用模型名称或路径。
--skip-tokenizer-init: 跳过分词器和反分词器的初始化。期望输入中包含有效的 prompt_token_ids 且 prompt 为 None。生成的输出将包含 token ID。默认值：False。
--revision: 要使用的特定模型版本。可以是分支名称、标签名称或提交 ID。如果未指定，将使用默认版本。
--code-revision: Hugging Face Hub 上模型代码要使用的特定修订版本。可以是分支名称、标签名称或提交 ID。如果未指定，将使用默认版本。
--tokenizer-revision: 要使用的 Hugging Face 分词器的修订版本。可以是分支名称、标签名称或提交 ID。如果未指定，将使用默认版本。
--tokenizer-mode: 分词器模式。可选值：auto, slow, mistral, custom。“auto” 会在可用时使用快速分词器。“slow” 总是使用慢速分词器。“mistral” 总是使用 mistral_common 分词器。“custom” 将使用 --tokenizer 选择预先注册的分词器。默认值：“auto”。
--trust-remote-code: 是否信任来自 Hugging Face 的远程代码。默认值：False。
--allowed-local-media-path: 允许 API 请求从服务器文件系统指定的目录读取本地图像或视频。这是一个安全风险，只应在受信任的环境中启用。
--download-dir: 下载和加载权重的目录。
--load-format: 模型权重的加载格式。可选值及说明见上文英文描述。默认值：“auto”。
--config-format: 模型配置的加载格式。可选值：auto, hf, mistral。“auto” 会尝试加载 hf 格式，如果不可用则尝试加载 mistral 格式。默认值：“ConfigFormat.AUTO”。
--dtype: 模型权重和激活值的数据类型。可选值及说明见上文英文描述。默认值：“auto”。
--kv-cache-dtype: KV 缓存存储的数据类型。如果为 “auto”，将使用模型数据类型。CUDA 11.8+ 支持 fp8 (=fp8_e4m3) 和 fp8_e5m2。ROCm (AMD GPU) 支持 fp8 (=fp8_e4m3)。可选值：auto, fp8, fp8_e5m2, fp8_e4m3。默认值：“auto”。
--max-model-len: 模型上下文长度。如果未指定，将从模型配置中自动推断。支持 k/m/g/K/M/G 人类可读格式（例如 1k -> 1000, 1K -> 1024）。
--guided-decoding-backend: 默认用于引导解码（JSON schema/regex 等）的引擎。目前支持 mlc-ai/xgrammar 和 guidance-ai/llguidance。有效后端值是 “xgrammar”, “guidance”, “auto”。“auto” 会根据请求内容和后端库当前支持情况做出选择，因此行为可能在每个版本中发生变化。默认值：“xgrammar”。
--logits-processor-pattern: 可选的正则表达式模式，指定可以通过 logits_processors 额外完成参数传递的有效 logits 处理器限定名称。默认为 None，表示不允许任何处理器。
--model-impl: 使用哪个模型实现。可选值：auto, vllm, transformers。“auto” 会尝试使用 vLLM 实现（如果存在），否则回退到 Transformers 实现。“vllm” 使用 vLLM 模型实现。“transformers” 使用 Transformers 模型实现。默认值：“auto”。
--generation-config: 生成配置的文件夹路径。默认为 ‘auto’，生成配置将从模型路径加载。如果设置为 ‘vllm’，则不加载生成配置，将使用 vLLM 默认值。如果设置为文件夹路径，则生成配置将从指定的文件夹路径加载。如果在生成配置中指定了 max_new_tokens，则它会为所有请求设置服务器范围的输出 token 数量限制。默认值：auto。
--override-generation-config: 以 JSON 格式覆盖或设置生成配置。例如 {"temperature": 0.5}。如果与 --generation-config=auto 一起使用，覆盖参数将与模型的默认配置合并。如果 generation-config 为 None，则仅使用覆盖参数。
--qlora-adapter-name-or-path: QLoRA adapter 的名称或路径。
--calculate-kv-scales: 当 kv-cache-dtype 为 fp8 时，启用 k_scale 和 v_scale 的动态计算。如果为 false，则将从模型检查点加载 scale（如果可用），否则默认为 1.0。默认值：False。
--additional-config: JSON 格式的特定平台的附加配置。不同平台可能支持不同的配置。确保配置对您使用的平台有效。输入格式类似 {"config_key":"config_value"}。

并行参数 (Parallel Arguments):

--distributed-executor-backend: 用于分布式模型工作进程的后端。可选值：“ray” 或 “mp” (multiprocessing)。如果 pipeline_parallel_size 和 tensor_parallel_size 的乘积小于或等于可用的 GPU 数量，将使用 “mp” 以在单个主机上进行处理。否则，如果安装了 Ray，则默认为 “ray”，否则失败。注意：TPU 仅支持 Ray 进行分布式推理。
--pipeline-parallel-size, -pp: 流水线并行阶段的数量。默认值：1。
--tensor-parallel-size, -tp: 张量并行副本的数量。默认值：1。
--data-parallel-size, -dp: 数据并行副本的数量。MoE 层将根据 tensor-parallel-size 和 data-parallel-size 的乘积进行分片。默认值：1。
--enable-expert-parallel: 对 MoE 层使用专家并行而不是张量并行。默认值：False。
--max-parallel-loading-workers: 分多个批次顺序加载模型，以避免在使用张量并行和大型模型时 RAM OOM（内存不足）。
--ray-workers-use-nsight: 如果指定，使用 nsight 来分析 Ray 工作进程。默认值：False。
--worker-cls: 用于分布式执行的工作进程类。默认值：“auto”。
--worker-extension-cls: 在 worker cls 之上的 worker 扩展类，如果您只想向 worker 类添加新功能而不更改现有功能，这将非常有用。默认值：""。

KV 缓存参数 (KV Cache Arguments):

--block-size: 连续 token 块的大小。在 Neuron 设备上忽略此参数并设置为 --max-model-len。在 CUDA 设备上，仅支持最大 32 的块大小。在 HPU 设备上，块大小默认为 128。可选值：8, 16, 32, 64, 128。
--enable-prefix-caching, --no-enable-prefix-caching: 启用自动前缀缓存。使用 --no-enable-prefix-caching 显式禁用。
--prefix-caching-hash-algo: 设置前缀缓存的哈希算法。选项是 ‘builtin’ (Python 内建 hash) 或 ‘sha256’ (抗碰撞但有一定开销)。默认值：“builtin”。
--disable-sliding-window: 禁用滑动窗口，将上下文限制在滑动窗口大小。默认值：False。
--use-v2-block-manager: [已弃用] block manager v1 已移除，SelfAttnBlockSpaceManager (即 block manager v2) 现在是默认值。设置此标志为 True 或 False 对 vLLM 行为无影响。默认值：True。
--swap-space: 每个 GPU 的 CPU 交换空间大小 (GiB)。默认值：4。
--cpu-offload-gb: 每个 GPU 卸载到 CPU 的空间 (GiB)。默认为 0，表示不卸载。此参数可以看作是虚拟增加 GPU 显存大小的方式。例如，有 24GB GPU，设置此值为 10，可以看作拥有 34GB GPU。需要快速的 CPU-GPU 互连。默认值：0。
--gpu-memory-utilization: 用于模型执行器的 GPU 显存比例，范围 0 到 1。例如 0.5 表示使用 50% 显存。如果未指定，默认 0.9。这是每个 vLLM 实例的限制。默认值：0.9。
--num-gpu-blocks-override: 如果指定，忽略 GPU 分析结果并使用此数量的 GPU 块。用于测试抢占。
--kv-transfer-config: 分布式 KV 缓存传输的配置。应为 JSON 字符串。

调度器参数 (Scheduler Arguments):

--num-lookahead-slots: 推测解码所需的实验性调度配置。将来会被 speculative config 替代。默认值：0。
--max-num-batched-tokens: 每次迭代最大批处理 token 数。
--max-num-partial-prefills: 对于分块预填充 (chunked prefill)，并发部分预填充的最大数量。默认值：1。
--max-long-partial-prefills: 对于分块预填充，将同时预填充的、长度超过 --long-prefill-token-threshold 的提示的最大数量。将其设置小于 --max-num-partial-prefills 可以让较短的提示在某些情况下插队到较长提示之前，从而改善延迟。默认值：1。
--long-prefill-token-threshold: 对于分块预填充，如果提示长度超过此 token 数，则认为该请求是长请求。默认值：0。
--max-num-seqs: 每次迭代最大序列数。
--num-scheduler-steps: 每个调度器调用的最大前向步数。默认值：1。
--scheduler-delay-factor: 在调度下一个提示之前应用延迟（延迟因子乘以先前提示的延迟）。默认值：0.0。
--enable-chunked-prefill: 如果设置，预填充请求可以根据 max_num_batched_tokens 进行分块。
--preemption-mode: 如果是 ‘recompute’，引擎通过重计算执行抢占；如果是 ‘swap’，引擎通过块交换执行抢占。
--scheduling-policy: 要使用的调度策略。“fcfs” (先到先得，默认) 或 “priority” (基于给定优先级和到达时间处理请求)。默认值：“fcfs”。
--scheduler-cls: 要使用的调度器类。“vllm.core.scheduler.Scheduler” 是默认调度器。可以是类本身或形如 “mod.custom_class” 的类路径。默认值：“vllm.core.scheduler.Scheduler”。

性能参数 (Performance Arguments):

--seed: 用于操作的随机种子。
--max-logprobs: 如果在 SamplingParams 中指定了 logprobs，则返回的最大 log prob 数。默认值：20。
--disable-log-stats: 禁用统计日志记录。默认值：False。
--enforce-eager: 始终使用 eager-mode PyTorch。如果为 False，将混合使用 eager mode 和 CUDA graph 以获得最佳性能和灵活性。默认值：False。
--max-seq-len-to-capture: CUDA graph 覆盖的最大序列长度。当序列上下文长度大于此值时，回退到 eager mode。对于编码器-解码器模型，如果编码器输入的序列长度大于此值，也回退到 eager mode。默认值：8192。
--disable-custom-all-reduce: 参见 ParallelConfig。默认值：False。
--use-tqdm-on-load, --no-use-tqdm-on-load: 加载模型权重时是否启用/禁用进度条。默认值：True。
--multi-step-stream-outputs: 如果为 False，则多步执行将在所有步骤结束后才流式传输输出。默认值：True。
--speculative-config: 推测解码的配置。应为 JSON 字符串。
--model-loader-extra-config: 模型加载器的额外配置。将传递给与所选 load_format 对应的模型加载器。应为 JSON 字符串。
--ignore-patterns: 加载模型时要忽略的模式。默认为 original/**/* 以避免重复加载 llama 的检查点。默认值：[]。
--compilation-config, -O: 模型的 torch.compile 配置。当为数字 (0, 1, 2, 3) 时，解释为优化级别（0 默认无优化，1、2 用于内部测试，3 推荐用于生产）。要指定完整配置，请使用 JSON 字符串。支持 -O3 形式，等同于 -O 3。
--enable-sleep-mode: 为引擎启用睡眠模式（仅支持 cuda 平台）。默认值：False。
--disable-cascade-attn: 禁用 V1 的级联注意力 (cascade attention)。虽然不影响数学正确性，但禁用它可能有助于防止潜在的数值问题。注意，即使设置为 False，仅当启发式判断其有益时才会使用级联注意力。默认值：False。
--disable-chunked-mm-input: 禁用 V1 的多模态输入分块注意力。如果设置为 true 且启用了分块预填充，则不希望部分调度多模态项。这确保如果请求有混合提示（如文本 TTTT 后跟图像 IIIIIIIIIIII），其中只有部分图像 token 可以被调度（如 TTTTIIIII，剩下 IIIII），它将被调度为一步 TTTT 和下一步 IIIIIIIIII。默认值：False。
--disable-async-output-proc: 禁用异步输出处理。可能导致性能下降。默认值：False。

量化参数 (Quantization Arguments):

--quantization, -q: 用于量化权重的方法。可选值见上文英文描述。如果为 None，则首先检查模型配置中的 quantization_config。如果也为 None，则假定模型未量化，并使用 dtype 确定权重类型。

RoPE 参数 (RoPE Arguments):

--rope-scaling: RoPE (旋转位置编码) 缩放配置，JSON 格式。例如 {"rope_type":"dynamic","factor":2.0}。
--rope-theta: RoPE theta 值。与 rope_scaling 一起使用。在某些情况下更改 RoPE theta 可提高缩放模型的性能。

HuggingFace 参数 (HuggingFace Arguments):

--hf-token: 用作远程文件 HTTP bearer 授权的 token。如果为 True，将使用运行 huggingface-cli login 时生成的 token（存储在 ~/.huggingface）。
--hf-overrides: HuggingFace 配置的额外参数。应为 JSON 字符串，将解析为字典。

分词器池参数 (Tokenizer Pool Arguments):

--tokenizer-pool-size: 用于异步分词的分词器池大小。如果为 0，将使用同步分词。默认值：0。
--tokenizer-pool-type: 用于异步分词的分词器池类型。如果 tokenizer_pool_size 为 0 则忽略。默认值：“ray”。
--tokenizer-pool-extra-config: 分词器池的额外配置。应为 JSON 字符串。如果 tokenizer_pool_size 为 0 则忽略。

多模态参数 (Multimodal Arguments):

--limit-mm-per-prompt: 对于每个多模态插件，限制每个提示允许多少输入实例。期望逗号分隔列表，例如 image=16,video=2 允许每个提示最多 16 张图像和 2 个视频。默认为每种模态 1 个。
--mm-processor-kwargs: 多模态输入映射/处理的覆盖项，例如图像处理器。例如 {"num_crops": 4}。
--disable-mm-preprocessor-cache: 如果为 true，则禁用多模态预处理器/映射器的缓存（不推荐）。默认值：False。

LoRA 参数 (LoRA Arguments):

--enable-lora: 如果为 True，启用 LoRA adapter 的处理。默认值：False。
--enable-lora-bias: 如果为 True，启用 LoRA adapter 的偏置 (bias)。默认值：False。
--max-loras: 单个批次中 LoRA 的最大数量。默认值：1。
--max-lora-rank: 最大 LoRA 秩 (rank)。默认值：16。
--lora-extra-vocab-size: LoRA adapter 中可以存在的额外词汇表的最大大小（添加到基础模型词汇表中）。默认值：256。
--lora-dtype: LoRA 的数据类型。如果为 auto，将默认为基础模型 dtype。可选值：auto, float16, bfloat16。默认值：“auto”。
--long-lora-scaling-factors: 指定多个缩放因子（可以与基础模型缩放因子不同，例如 Long LoRA），以允许同时使用以这些缩放因子训练的多个 LoRA adapter。如果未指定，则仅允许使用基础模型缩放因子训练的 adapter。
--max-cpu-loras: 存储在 CPU 内存中的 LoRA 的最大数量。必须 >= max_loras。
--fully-sharded-loras: 默认情况下，只有一半的 LoRA 计算与张量并行分片。启用此选项将使用完全分片的层。在高序列长度、最大秩或张量并行大小时，这可能更快。默认值：False。

Prompt Adapter 参数 (Prompt Adapter Arguments):

--enable-prompt-adapter: 如果为 True，启用 PromptAdapter 的处理。默认值：False。
--max-prompt-adapters: 一个批次中 PromptAdapter 的最大数量。默认值：1。
--max-prompt-adapter-token: PromptAdapter token 的最大数量。默认值：0。

设备参数 (Device Arguments):

--device: vLLM 执行的设备类型。可选值：auto, cuda, neuron, cpu, tpu, xpu, hpu。默认值：“auto”。

OpenTelemetry 参数 (OpenTelemetry Arguments):

--show-hidden-metrics-for-version: 启用自指定版本以来已隐藏的已弃用 Prometheus 指标。例如，如果一个先前弃用的指标自 v0.7.0 版本起被隐藏，您可以使用 --show-hidden-metrics-for-version=0.7 作为临时的应急方案，同时迁移到新的指标。该指标很可能在未来的版本中被完全移除。
--otlp-traces-endpoint: OpenTelemetry 跟踪信息将发送到的目标 URL。
--collect-detailed-traces: 收集指定模块的详细跟踪信息。仅当设置了 --otlp-traces-endpoint 时才有意义。可能会影响性能。可选值：model, worker, all。

Neuron/Pooler 参数 (Neuron/Pooler Arguments):

--override-neuron-config: 覆盖或设置 neuron 设备配置。例如 {"cast_logits_dtype": "bloat16"}。
--override-pooler-config: 覆盖或设置池化模型的池化方法。例如 {"pooling_type": "mean", "normalize": false}。

Reasoning 参数 (Reasoning Arguments):

--enable-reasoning: 是否为模型启用 reasoning_content。如果启用，模型将能够生成推理内容。默认值：False。
--reasoning-parser: 选择推理内容解析器，具体取决于您使用的模型。用于将推理内容解析为 OpenAI API 格式。需要与 --enable-reasoning 一起使用。可选值：deepseek_r1, granite。

VLLM部署Qwen2.5-VL-7B-Instruct在A100下的性能表现

Wed, 09 Apr 2025 09:00:00 +0800

启动命令

vllm serve .cache/modelscope/hub/Qwen/Qwen2___5-VL-7B-Instruct --port 50001 --limit-mm-per-prompt image=9,video=1 --disable-mm-preprocessor-cache --no-enable-prefix-caching

请求示例

{
	"messages": [{
		"role": "user",
		"content": [{
			"type": "text",
			"text": "识别：发票号码、出发地、到达地、日期，购买方名称"
		}, {
			"type": "image_url",
			"image_url": {
				"url": "data:image/jpeg;base64,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"
			}
		}]
	}],
	"model": ".cache/modelscope/hub/Qwen/Qwen2___5-VL-7B-Instruct",
	"max_tokens": 1000
}

测试结果

显存占用情况

要求最低gpu_memory_utilization值：0.45（80G*0.45=36G）

模型权重显存占用：15.6271GB

模拟用户1s内同时发起请求

模拟1个用户，2s内返回

模拟10个用户，3s内返回

模拟20个用户，5s内返回

奢华杂志风格知识卡片生成器

Wed, 26 Mar 2025 14:11:30 +0800

介绍

一个漂亮的卡片Prompt，来自向阳乔木

Prompt

你是一位国际顶尖的数字杂志艺术总监和前端开发专家，曾为Vogue、Elle等时尚杂志设计过数字版面，擅长将奢华杂志美学与现代网页设计完美融合，创造出令人惊艳的视觉体验。

请从以下29种设计风格中随机选择1种，设计高级时尚杂志风格的知识卡片，将日常信息以精致奢华的杂志编排呈现，让用户感受到如同翻阅高端杂志般的视觉享受。

**可选设计风格：**

1. 极简主义风格 (Minimalist)
采用极简主义风格设计，遵循"少即是多"的理念。使用大量留白创造呼吸空间，仅保留最必要的元素。配色方案限制在2-3种中性色，主要为白色背景配以黑色或深灰色文字。排版应精确到像素级别，使用精心设计的网格系统和黄金比例。字体选择无衬线字体如Helvetica或Noto Sans，字重变化作为主要层次手段。装饰元素几乎为零，仅使用极细的分隔线和微妙的阴影。整体设计应呈现出克制、优雅且永恒的美学，让内容本身成为焦点。参考Dieter Rams的设计原则和日本无印良品(MUJI)的产品美学。

2. 大胆现代风格 (Bold Modern)
采用大胆现代风格设计，打破传统排版规则，创造强烈视觉冲击。使用鲜艳对比色如荧光粉、电子蓝、亮黄等，背景可使用深色或鲜艳色块。排版应不对称且动态，标题文字极大（至少60px），可使用极粗字重或压缩字体，甚至允许文字重叠和溢出。图形元素应用几何形状，边缘锐利，可添加不规则裁切效果。层次感通过大小、颜色和位置的极端对比创造。整体设计应充满张力和活力，像一张视觉宣言，参考Wired杂志和Pentagram设计工作室的作品。添加微妙动效如悬停放大或颜色变换，增强现代感。

3. 优雅复古风格 (Elegant Vintage)
采用优雅复古风格设计，重现20世纪初期印刷品的精致美学。使用米色或淡黄色纸张质感背景，配以深棕、暗红等老式印刷色。字体必须使用衬线字体如Baskerville或Noto Serif，标题可使用装饰性字体。排版应对称且庄重，遵循传统书籍设计原则。装饰元素包括精致的花纹边框、古典分隔线和角落装饰，可添加轻微做旧效果如纸张纹理和微妙污点。图像应用复古滤镜处理，呈现褪色照片效果。整体设计应散发出典雅、成熟且历经时间考验的气质，参考The New Yorker和老式法国时尚杂志的设计语言。

**每种风格都应包含以下元素，但视觉表现各不相同：**

* 日期区域：以各风格特有的方式呈现当前日期
* 标题和副标题：根据风格调整字体、大小、排版方式
* 引用区块：设计独特的引用样式，体现风格特点
* 核心要点列表：以符合风格的方式呈现列表内容
* 二维码区域：将二维码融入整体设计
* 编辑笔记/小贴士：设计成符合风格的边栏或注释

**技术规范：**

* 使用HTML5、Font Awesome、Tailwind CSS和必要的JavaScript
  * Font Awesome: [https://lf6-cdn-tos.bytecdntp.com/cdn/expire-100-M/font-awesome/6.0.0/css/all.min.css](https://lf6-cdn-tos.bytecdntp.com/cdn/expire-100-M/font-awesome/6.0.0/css/all.min.css)
  * Tailwind CSS: [https://lf3-cdn-tos.bytecdntp.com/cdn/expire-1-M/tailwindcss/2.2.19/tailwind.min.css](https://lf3-cdn-tos.bytecdntp.com/cdn/expire-1-M/tailwindcss/2.2.19/tailwind.min.css)
  * 中文字体: [https://fonts.googleapis.com/css2?family=Noto+Serif+SC:wght@400;500;600;700&family=Noto+Sans+SC:wght@300;400;500;700&display=swap](https://fonts.googleapis.com/css2?family=Noto+Serif+SC:wght@400;500;600;700&family=Noto+Sans+SC:wght@300;400;500;700&display=swap)
* 可考虑添加微妙的动效，如页面载入时的淡入效果或微妙的悬停反馈
* 确保代码简洁高效，注重性能和可维护性
* 使用CSS变量管理颜色和间距，便于风格统一
* 对于液态数字形态主义风格，必须添加流体动态效果和渐变过渡
* 对于超感官极简主义风格，必须精确控制每个像素和微妙的交互反馈
* 对于新表现主义数据可视化风格，必须将数据以视觉化方式融入设计

**输出要求：**

* 提供一个完整的HTML文件，包含所有设计风格的卡片
* 确保风格共享相同的内容，但视觉表现完全不同
* 代码应当优雅且符合最佳实践，CSS应体现出对细节的极致追求
* 设计的宽度为400px，高度不超过1280px
* 对主题内容进行抽象提炼，只显示列点或最核心句引用，让人阅读有收获感
* 永远用中文输出，装饰元素可用法语、英语等其他语言显得有逼格
* 二维码截图地址：（必须用）：https://pic.readnow.pro/2025/03/791e29affc7772652c01be54b92e8c43.jpg

请以国际顶尖杂志艺术总监的眼光和审美标准，创造风格迥异但同样令人惊艳的数字杂志式卡片，让用户感受到"这不是普通的信息卡片，而是一件可收藏的数字艺术品"。

待处理内容：
日期：2025-03-23
主题：{{输入主题}}

WSL下编译并运行Android版MPV播放器

Wed, 26 Mar 2025 10:23:30 +0800

1、安装X Server（比如：VsXsrc）

VCXSRV 是 Windows 平台上的一个开源 X 服务器（X Server），用于在本地运行基于 Linux/Unix 的图形界面应用程序（通过 X11 协议）。

下载地址：VsXsrc

2、打开Linux Shell（教程对应的WSL子系统是Ubuntu 24.04.1，64位）

3、安装Android Studio的Linux版本

1）WSL中的Linux系统启用多架构支持

sudo dpkg --add-architecture i386
sudo apt update

2）如果是64位的Linux，需要安装32位的库

sudo apt-get install libc6:i386 libncurses6:i386 libstdc++6:i386 lib32z1 libbz2-1.0:i386

3）安装JDK

sudo apt install default-jdk

4）下载Android Studio的Linux版本并解压

4、克隆项目代码

git clone https://github.com/mpv-android/mpv-android

5、进入项目脚本目录

cd mpv-android/buildscripts

6、下载依赖

./download.sh

7、编译库

# 默认32-bit ARM
./buildall.sh
# 编译64-bit ARM
./buildall.sh --arch arm64 mpv
# x86库的编译需要安装nasm
sudo apt-get install nasm
# 编译32-bit x86
./buildall.sh --arch x86 mpv
# 编译64-bit x86
./buildall.sh --arch x86_64 mpv

8、运行

1）打开IDE

./android-studio/bin/studio.sh

2）配置SDK路径到”mpv-android/sdk“

Cloudflare中的边缘证书、客户端证书、源服务器证书的区别

Tue, 04 Mar 2025 17:30:12 +0800

Cloudflare 提供了多种证书类型以满足不同的安全需求，包括边缘证书、客户端证书和源服务器证书。以下是它们的定义和用途：

边缘证书

边缘证书是部署在 Cloudflare 边缘节点上的 SSL/TLS 证书，用于加密用户与 Cloudflare 之间的通信。当用户访问启用了 Cloudflare 的域名时，Cloudflare 会向用户展示边缘证书。这些证书通常由受信任的证书颁发机构（如 Let’s Encrypt、Google Trust Services 或 ZeroSSL）签发，确保用户浏览器能够信任并建立安全连接。

边缘证书的主要作用是：

确保用户与 Cloudflare 之间的通信安全。
提供 HTTPS 支持，提升网站的安全性和可信度。
该证书无法下载，只能在Cloudflare上使用。浏览器用户访问网站看到的是该证书，对应下图红色方框内的配置。

客户端证书

客户端证书用于验证客户端（如用户设备或应用程序）的身份，通常在需要双向认证的场景中使用，例如通过 mTLS（双向 TLS）加密保护 API 或 Web 应用程序的访问。Cloudflare 提供的客户端证书由其托管的证书颁发机构（CA）签发，支持基于设备或组织的身份验证。

客户端证书的主要用途包括：

确保只有持有有效证书的客户端才能访问特定资源。
增强安全性，防止未经授权的设备或用户访问。
该证书用于双向认证，一般在APP接口中使用。

源服务器证书

源服务器证书（Origin CA Certificates）是由 Cloudflare 签发的自签名证书，用于加密 Cloudflare 与源服务器之间的通信。这些证书仅被 Cloudflare 信任，不能直接被浏览器或其他客户端信任。它们的设计目的是在 Cloudflare 和源服务器之间建立安全连接，同时减少对公共证书的依赖。

源服务器证书的特点和作用：

保护 Cloudflare 与源服务器之间的通信，防止中间人攻击。
支持多域名和通配符域名，便于管理。
提供最长 15 年的有效期，减少频繁更新证书的需求。
该证书不被浏览器信任，只被Cloudflare信任，可以创建后保存到自己的服务器上用于Cloudflare和服务器之间通过https连接，对应下图红色方框内的配置。

总结

边缘证书：保护用户与 Cloudflare 之间的通信，部署在 Cloudflare 边缘节点。

客户端证书：验证客户端身份，适用于需要双向认证的场景。

Windows不断发出USB断开连接的声音，教你揪出元凶

Tue, 04 Mar 2025 16:27:12 +0800

问题

电脑时不时会听到"叮"的一声，跟U盘插上、断开的声音一致，但就是无法定位是什么设备导致的。

解决

为了发现是什么设备导致的，我们可以借助一个软件解决，软件名称"USBDeview"，借助它即可找到元凶。

下载后解压（USBDeview下载地址在文末），然后运行USBDeview.exe。

运行后，看到这个界面，我们需要关注Registry Time 1这一列，当再次听到声音时，这个时间会发生变化，只需要找到发生变化的时间所对应的那行，我们就找到了问题设备。

总结

出现这个问题原因一般有以下几种：

驱动异常，这时候只需下载正确的驱动安装即可。
设备接触不良，重新插拔试试~
硬件故障，只能更换设备了。

USBDeview下载地址

链接: https://pan.baidu.com/s/1oSVI6lzKooNTMqYSOhdy3Q?pwd=h3j8

提取码: h3j8

关于

Tue, 04 Mar 2025 16:05:00 +0800

作者

现就职于世界500强企业，传统行业Android程序员，独立开发者。

我的作品

WEB

Play Tetris Online Free - Classic Tetris Game

Free TI 84 Calculator Online - Graphing & Scientific

Terminus Calculator - BO6 Zombies Easter Egg Solver

Asphalt Calculator | Free Asphalt Tonnage & Coverage Calculator

APP

MPV Player

Image Compressor

VPS常用测试脚本

Thu, 26 Dec 2024 10:00:00 +0800

一、bench.sh

说明

脚本来自秋水逸冰
显示各种系统信息；
取自 Speedtest 世界多处的数据中心的测试点，网络测试比较全面；
IO 测试（顺序写入 1GB 数据）三次，并显示其平均值。

命令

wget -qO- bench.sh | bash
or
curl -Lso- bench.sh | bash

下载地址

https://github.com/teddysun/across/blob/master/bench.sh

二、unixbench.sh

说明

脚本来自秋水逸冰
UnixBench是一个类unix系（Unix，BSD，Linux）统下的性能测试工具；
Unixbench的主要测试项目有：系统调用、读写、进程、图形化测试、2D、3D、管道、运算、C库等系统基准性能提供测试数据。

命令

wget --no-check-certificate https://github.com/teddysun/across/raw/master/unixbench.sh
chmod +x unixbench.sh
./unixbench.sh

三、yabs测试脚本

说明

来自 GitHub，老外比较爱用的服务器性能测试脚本。

命令

wget -qO- yabs.sh | bash

四、SuperBench性能和国内网络测试

说明

来自于 LOC MJJ，测试内容完整方便。

命令

bash <(wget -qO-  http://tutu.ovh/bash/superbench/superbench.sh)

五、服务器回程路由测试

说明

来自李子博客，适用于 CentOS 6/7，测试服务器回程线路类型，支持CN2/AS9929/CMIN2/香港HGC/台湾HiNET/日本软银/日本IIJ/韩国SK检测。

命令

wget --no-check-certificate https://tutu.ovh/bash/returnroute/route && chmod +x route && clear && ./route

六、三网回程路由测试

说明

三网回程路由测试

命令

curl https://raw.githubusercontent.com/zhanghanyun/backtrace/main/install.sh -sSf | sh

下载地址

https://github.com/zhanghanyun/backtrace

51个挖掘需求的财富密码关键词，轻松掌握SEO技巧

Thu, 19 Dec 2024 10:05:31 +0800

大家好！今天我们将通过51个关键词，帮助你轻松理解如何挖掘用户需求，提升网站的SEO效果。无论你是SEO小白还是有一定经验的朋友，这篇文章都会让你受益匪浅。

1. 什么是SEO？

SEO（搜索引擎优化）：帮助网站在搜索结果中获得更高排名的技术。简单来说，就是让你的网站更容易被用户找到。

2. 关键词的重要性

关键词是用户在搜索引擎中输入的词语，它们直接反映了用户的需求。通过分析这些关键词，你可以更好地了解用户的需求，从而优化你的网站内容。

3. 51个关键词详解

1. Translator（翻译器）

含义：将一种语言翻译成另一种语言的工具。
用户需求：用户通常搜索Translator来寻找在线翻译工具，以便翻译文本、句子或文件。
常见搭配：Google Translator、Online Translator、Language Translator

2. Generator（生成器）

含义：创建或生成各种内容，如文本、图像、密码等的工具。
用户需求：用户搜索Generator通常是为了生成随机密码、文章内容、图像等。
常见搭配：Password Generator、Name Generator、QR Code Generator

3. Example（示例）

含义：表示某种示例或范例，以帮助用户了解特定概念或问题。
用户需求：用户搜索Example常常是为了找到示例代码、示例文本或示例问题的解答。
常见搭配：Code Example、Resume Example、Math Example

4. Convert（转换）

含义：将一种数据或格式转换为另一种的过程。
用户需求：用户搜索Convert通常是为了将文件、图像或数据从一种格式或单位转换为另一种。
常见搭配：PDF to Word Convert、Currency Convert、Video Convert

5. Online（在线）

含义：表示与互联网连接或在互联网上执行的操作。
用户需求：用户搜索Online通常是为了找到在线工具、资源或服务。
常见搭配：Online Shopping、Online Banking、Online Learning

6. Downloader（下载器）

含义：用于下载文件、音乐、视频等内容到用户的设备。
用户需求：用户搜索Downloader通常是为了下载在线媒体或文件。
常见搭配：YouTube Downloader、MP3 Downloader、Video Downloader

7. Maker（制作器）

含义：用于制作或创建特定类型的内容或产品的工具。
用户需求：用户搜索Maker通常是为了创建图像、视频、音乐等内容。
常见搭配：Logo Maker、Video Maker、Music Maker

8. Creator（创作者）

含义：用于创作或生成各种类型的内容的工具或人。
用户需求：用户搜索Creator通常是为了找到创意工具或了解创作过程。
常见搭配：Content Creator、Logo Creator、Game Creator

9. Editor（编辑器）

含义：用于编辑文本、图像、视频等内容的工具。
用户需求：用户搜索Editor通常是为了编辑或修改文件或媒体内容。
常见搭配：Photo Editor、Video Editor、Text Editor

10. Processor（处理器）

含义：用于处理数据或执行特定任务的工具。
用户需求：用户搜索Processor通常是为了执行数据处理、图像处理或计算任务。
常见搭配：Data Processor、Image Processor、Word Processor

11. Designer（设计师）

含义：专门从事设计工作的人，也可以指设计软件工具。
用户需求：用户搜索Designer通常是为了找到设计师服务或设计工具。
常见搭配：Graphic Designer、Web Designer、Logo Designer

12. Compiler（编译器）

含义：将源代码转换为可执行代码或其他形式的工具。
用户需求：用户搜索Compiler通常是为了编译程序代码。
常见搭配：C++ Compiler、Java Compiler、Compiler Download

13. Analyzer（分析器）

含义：用于分析数据、文本或其他信息以提取有用的洞察。
用户需求：用户搜索Analyzer通常是为了数据分析、文本分析或性能分析。
常见搭配：Data Analyzer、Text Analyzer、Performance Analyzer

14. Evaluator（评估器）

含义：用于评估、分析或审查特定事物的工具或人。
用户需求：用户搜索Evaluator通常是为了找到产品或服务的评估工具或专家。
常见搭配：Product Evaluator、Website Evaluator、Performance Evaluator

15～16. Sender（发件人）和Receiver（收件人）

含义：Sender是指消息或数据的发送方，Receiver是指消息或数据的接收方。
用户需求：用户搜索Sender和Receiver通常是为了了解或配置电子邮件或通信设置。
常见搭配：Email Sender、Bluetooth Receiver、Message Receiver

17. Interpreter（解释器）

含义：用于执行或解释编程语言中的脚本或代码。
用户需求：用户搜索Interpreter通常是为了运行特定编程语言的脚本。
常见搭配：Python Interpreter、JavaScript Interpreter、PHP Interpreter

18. Uploader（上传者）

含义：用于上传文件、媒体或数据到网络或云存储。
用户需求：用户搜索Uploader通常是为了共享或备份文件。
常见搭配：File Uploader、Image Uploader、Video Uploader

19. Calculator（计算器）

含义：用于进行数学或科学计算的工具。
用户需求：用户搜索Calculator通常是为了进行数学、金融或科学计算。
常见搭配：Online Calculator、Scientific Calculator、Mortgage Calculator

20～21. Sample（样本）和Template（模板）

含义：Sample表示示例或样本，Template表示模板或样式。
用户需求：用户搜索Sample和Template通常是为了找到示例文件、样本代码或可编辑的模板。
常见搭配：Resume Sample、Website Template、Email Template

22. Format（格式）

含义：用于指定数据、文本或媒体的特定布局或样式。
用户需求：用户搜索Format通常是为了格式化文档、图像或视频。
常见搭配：Text Format、Image Format、Video Format

23. Builder（构建器）

含义：用于构建或创建项目、应用程序或系统。
用户需求：用户搜索Builder通常是为了找到应用程序开发工具、网站构建器等。
常见搭配：App Builder、Website Builder、Game Builder

24～25. Scheme（方案）和Pattern（模式）

含义：Scheme表示计划或方案，Pattern表示模式、图案或设计。
用户需求：用户搜索Scheme和Pattern通常是为了找到解决问题的计划或设计灵感。
常见搭配：Business Scheme、Knitting Pattern、Design Pattern

26～27. Checker（检查器）和Detector（检测器）

含义：Checker用于检查或验证事物的正确性，Detector用于检测或发现特定物体或问题。
用户需求：用户搜索Checker和Detector通常是为了验证拼写、检测病毒或发现问题。
常见搭配：Grammar Checker、Virus Detector、Plagiarism Checker

28. Scraper（爬虫）

含义：用于从网页或数据源中提取信息。
用户需求：用户搜索Scraper通常是为了进行网页数据采集或爬虫操作。
常见搭配：Web Scraper、Data Scraper、Email Scraper

29. Manager（管理器）

含义：用于管理或监督事物的工具或人。
用户需求：用户搜索Manager通常是为了寻找项目管理工具、任务管理工具或管理职位。
常见搭配：Project Manager、Task Manager、Property Manager

30. Explorer（浏览器）

含义：用于浏览或探索文件、数据或资源的工具。
用户需求：用户搜索Explorer通常是为了找到文件浏览器、网页浏览器或资源浏览器。
常见搭配：File Explorer、Web Explorer、Resource Explorer

31. Dashboard（仪表盘）

含义：一种用于显示数据、指标或信息的可视化工具。
用户需求：用户搜索Dashboard通常是为了找到数据分析仪表盘或管理面板。
常见搭配：Data Dashboard、Project Dashboard、Dashboard Design

32. Planner（计划器）

含义：用于创建和管理计划、日程或安排的工具。
用户需求：用户搜索Planner通常是为了找到日程安排工具或计划应用程序。
常见搭配：Event Planner、Trip Planner、Wedding Planner

33. Tracker（追踪器）

含义：用于跟踪信息、位置或进度的工具。
用户需求：用户搜索Tracker通常是为了追踪包裹、项目进度或健康数据。
常见搭配：Package Tracker、Project Tracker、Fitness Tracker

34. Recorder（录制器）

含义：用于录制音频、视频或其他数据的工具。
用户需求：用户搜索Recorder通常是为了录制音乐、视频教程或会议。
常见搭配：Audio Recorder、Video Recorder、Screen Recorder

35. Optimizer（优化器）

含义：用于优化性能、资源或数据的工具。
用户需求：用户搜索Optimizer通常是为了优化计算机性能、网站速度或广告投放。
常见搭配：PC Optimizer、Website Optimizer、SEO Optimizer

36. Scheduler（调度器）

含义：用于安排任务、事件或活动的工具。
用户需求：用户搜索Scheduler通常是为了安排会议、飞行或日程安排。
常见搭配：Meeting Scheduler、Flight Scheduler、Work Schedule

37. Converter（转换器）

含义：用于将一种数据、格式或单位转换为另一种的工具。
用户需求：用户搜索Converter通常是为了将文件、图像或货币进行转换。
常见搭配：Currency Converter、PDF Converter、Image Converter

38. Viewer（查看器）

含义：用于查看文档、图像、视频或其他内容的工具。
用户需求：用户搜索Viewer通常是为了查看PDF、图像或电影。
常见搭配：PDF Viewer、Image Viewer、Video Viewer

39. Extractor（提取器）

含义：用于从数据、文本或媒体中提取信息的工具。
用户需求：用户搜索Extractor通常是为了提取文本、图像或音频数据。
常见搭配：Text Extractor、Image Extractor、Audio Extractor

40. Monitor（监视器）

含义：用于监视、追踪或监控系统、活动或进程的工具。
用户需求：用户搜索Monitor通常是为了监视电脑性能、网络活动或健康数据。
常见搭配：System Monitor、Network Monitor、Health Monitor

41. Notifier（通知器）

含义：用于发送通知、提醒或警告的工具。
用户需求：用户搜索Notifier通常是为了接收电子邮件通知、日程提醒或新闻更新。
常见搭配：Email Notifier、Reminder Notifier、News Notifier

42. Verifier（验证器）

含义：用于验证身份、信息或数据的工具。
用户需求：用户搜索Verifier通常是为了进行身份验证、验证码验证或数据验证。
常见搭配：Identity Verifier、Code Verifier、Data Verifier

43. Simulator（模拟器）

含义：用于模拟实际情况、环境或过程的工具。
用户需求：用户搜索Simulator通常是为了模拟飞行、驾驶或游戏。
常见搭配：Flight Simulator、Driving Simulator、Game Simulator

44. Assistant（助手）

含义：一种用于提供帮助、建议或执行任务的工具或人。
用户需求：用户搜索Assistant通常是为了找到虚拟助手、智能助手或个人助手应用。
常见搭配：Virtual Assistant、AI Assistant、Personal Assistant

45. Constructor（构建者）

含义：用于构建、创建或设计事物的工具或人。
用户需求：用户搜索Constructor通常是为了找到建筑工具、网站构建器或产品设计师。
常见搭配：Website Constructor、Product Constructor、Building Constructor

46. Comparator（比较器）

含义：用于比较数据、信息或选项的工具。
用户需求：用户搜索Comparator通常是为了比较价格、产品或特性。
常见搭配：Price Comparator、Product Comparator、Feature Comparator

47. Navigator（导航器）

含义：用于导航、指导或引导用户到目的地的工具。
用户需求：用户搜索Navigator通常是为了寻找GPS导航、地图应用或网站导航。
常见搭配：GPS Navigator、Map Navigator、Website Navigator

48. Syncer（同步器）

含义：用于同步、同步化或协调数据、文件或设备的工具。
用户需求：用户搜索Syncer通常是为了同步手机、云存储或电子邮件。
常见搭配：Phone Syncer、Cloud Syncer、Email Syncer

49. Connector（连接器）

含义：用于连接两个或多个物体、设备、系统或组件的工具、部件或接口。
用户需求：用户搜索Connector通常是为了寻找特定类型的连接器，以便连接电缆、电线、设备或组件。
常见搭配：USB Connector、Ethernet Connector、Power Connector

50. Cataloger（目录制作人）

含义：负责创建、维护或管理目录、索引或分类系统的人或工具。
用户需求：用户搜索Cataloger通常是为了找到目录制作工具、图书馆分类员或数字资源管理工具。
常见搭配：Library Cataloger、Online Cataloger、Digital Asset Cataloger

51. Responder（响应器）

含义：负责回应、响应或处理特定事件、请求或情况的人或系统。
用户需求：用户搜索Responder通常是为了找到自动响应系统、紧急事件响应团队或客户服务响应工具。
常见搭配：Emergency Responder、Customer Support Responder、Automated Responder

4. 如何使用这些关键词？

关键词研究：使用这些关键词来分析用户需求，了解他们在搜索什么。
内容优化：在你的网站内容中自然地融入这些关键词，提升搜索引擎排名。
用户需求分析：通过这些关键词，你可以更好地理解用户的需求，从而提供更有价值的内容。

5. 实践建议

定期更新内容：根据用户需求的变化，定期更新你的网站内容。
使用工具：利用SEO工具（如Google Keyword Planner）来进一步分析关键词。
用户反馈：通过用户反馈，了解他们对哪些内容更感兴趣，进一步优化你的关键词策略。

6. 总结

通过掌握这51个关键词，你可以更好地理解用户需求，优化你的网站内容，提升SEO效果。希望这篇文章能帮助你在SEO的道路上走得更远！

人人都能学会的挖掘 Web 产品需求：从出站域名发现新需求和新产品

Wed, 18 Dec 2024 08:52:38 +0800

在互联网的世界里，每天都有无数的新产品和新需求涌现。作为 SEO 小白，你可能想知道如何通过简单的工具和方法，发现这些新机会。今天，我们就来聊聊如何通过分析网站的"出站域名"，找到新需求和新产品。

什么是出站域名？

出站域名（Outbound Domains）：简单来说，就是一个网站链接到其他网站的链接。比如，你在某个网站上点击了一个链接，跳转到了另一个网站，那个被跳转的网站就是出站域名。

为什么要关注出站域名？

想象一下，如果你是一个新产品的开发者，你会怎么做？你肯定会去各个地方宣传你的产品，比如在其他网站上发布链接，吸引更多人来访问。这些链接就是出站域名。通过分析这些出站域名，我们就能发现哪些新网站正在推广，从而找到新需求和新产品。

如何使用 Semrush 查询出站域名？

1. 打开 Semrush

首先，你需要一个工具来查询出站域名。这里我们推荐使用 Semrush，它是一个非常强大的 SEO 工具，可以帮助你分析网站的各种数据。

2. 输入目标网站

在 Semrush 中，输入你想要分析的网站，比如 vc.ru。然后，点击"出站域名"选项，Semrush 就会列出这个网站链接到其他网站的所有链接。

3. 保存出站域名

Semrush 会列出很多出站域名，但你需要手动一个一个去复制这些域名，然后进行下一步的分析。

如何进一步分析出站域名？

1. 查询 Whois 信息

Whois 是一个查询域名注册信息的工具。通过 Whois，你可以知道一个域名是什么时候注册的，谁注册的，等等。这对于判断一个新网站的上线时间非常有用。

2. 查询 Similarweb 流量数据

Similarweb 是一个查询网站流量的工具。通过 Similarweb，你可以知道一个网站的访问量、用户来源等信息。这对于判断一个新网站的受欢迎程度非常有用。

3. 查询 Archive.org 历史页面

Archive.org 是一个保存互联网历史页面的工具。通过 Archive.org，你可以查看一个网站过去的页面，了解它的发展历程。

4. 使用谷歌搜索API查询更多信息

如果你还想了解更多信息，可以使用谷歌搜索API。比如，你可以查询一个网站在谷歌中的排名，或者搜索与这个网站相关的关键词。

如何筛选和排序数据？

通过上述步骤，你会得到很多数据。接下来，你需要对这些数据进行筛选和排序。

1. 筛选条件

注册时间：查询7月份注册的新域名。
谷歌收录：查询已经被谷歌收录的域名。
Archive 收录：查询已经被 Archive.org 收录的域名。
流量：查询流量大于某个数值的域名。

2. 排序方式

按流量排序：优先查看流量高的域名。
按注册时间排序：优先查看最近注册的域名。

实例分析：如何发现新需求和新产品？

假设你通过上述方法，发现了一个新网站 newproduct.com，它刚刚注册，流量正在快速增长。你可以进一步分析这个网站的内容和用户反馈，看看它是否满足了一个新的需求。

人人都能学会的发掘 Web 产品需求方法入门

Tue, 17 Dec 2024 10:21:49 +0800

引言

在互联网时代，发掘用户需求是开发成功 Web 产品的关键。本文将用通俗易懂的语言，教你如何通过简单的工具和方法，找到有潜力的产品需求。

什么是 Web 产品需求？

Web 产品需求（用户需要的功能或服务）：就像你饿了需要吃饭，用户在互联网上也有各种需求，比如查找信息、使用工具等。我们的目标就是找到这些需求，并提供解决方案。

第一步：使用 Similarweb 查看网站数据

什么是 Similarweb？

Similarweb（一个网站流量分析工具）：就像一个"网站的体检报告"，告诉你一个网站有多少人访问、用户从哪里来、用户喜欢什么等。

如何使用 Similarweb？

打开 Similarweb 网站：Similarweb 链接。
输入你想分析的网站域名：比如"tool.lu"。
查看数据：
- 月访问量：170 万，说明这个网站很受欢迎。
- 用户兴趣点：看看用户还访问了哪些其他网站，这些网站可能也有类似的需求。
- 流量来源：了解用户是怎么找到这个网站的，是直接访问还是通过搜索引擎。

第二步：分析竞争对手和类似网站

什么是竞争对手？

竞争对手（和你做类似产品的网站）：就像你在学校里的同学，大家都在争取同样的用户。

如何分析竞争对手？

查看 Similarweb 的"竞争对手和类似网站"部分。
打开每个竞争对手的网站：右键新标签页打开，方便后续分析。

第三步：使用爱站网分析关键词

什么是爱站网？

爱站网（一个关键词分析工具）：就像一个"关键词的排行榜"，告诉你哪些关键词受欢迎，哪些网站在这些关键词上排名靠前。

如何使用爱站网？

打开爱站网：爱站网链接。
输入你想分析的网站域名：比如"tool.lu"。
查看关键词列表：
- 关键词：比如"时间戳"、“时间戳转换"等。
- 搜索量：每个关键词的受欢迎程度。

第四步：评估 SEO 优化难度

什么是 SEO？

SEO（搜索引擎优化）：帮助网站在搜索结果中获得更高排名的技术。

如何评估 SEO 优化难度？

打开站长网的关键词优化分析工具：站长网链接。
输入关键词：比如"时间戳”。
查看优化难度：
- 难度分数：86 分，说明不太难，可以尝试。
- 前 50 名搜索结果：看看竞争对手的情况，决定是否值得投入。

第五步：制定产品开发计划

如何制定计划？

选择一个关键词：比如"时间戳"。
注册一个域名：专门做"时间戳"相关工具。
开发产品：使用前端技术实现，减少后期维护成本。
优化 SEO：通过关键词优化，提升网站在搜索引擎中的排名。

实践建议

具体步骤：

使用 Similarweb 分析工具：找到有流量的网站。
使用爱站网分析关键词：找到有潜力的关键词。
评估 SEO 优化难度：决定是否值得投入。
制定开发计划：从选择关键词到产品上线。

结语

通过以上步骤，你可以轻松发掘 Web 产品需求，并制定相应的开发计划。记住，关键是找到用户真正需要的功能，并提供简单易用的解决方案。

书生-进阶-第六关

Mon, 16 Dec 2024 15:12:01 +0800

复制Spaces应用

运行

书生-进阶-第五关

Mon, 16 Dec 2024 15:11:40 +0800

书生-进阶-第四关

Mon, 16 Dec 2024 14:58:53 +0800

一、部署

环境准备

conda create -n lmdeploy python=3.10 -y
conda activate lmdeploy
pip install lmdeploy==0.6.1 gradio==4.44.1 timm==1.0.9

下载源码

git clone https://github.com/Control-derek/InternVL2-Tutorial.git
cd InternVL2-Tutorial

运行

conda activate lmdeploy
python demo.py

效果图

识别错误，图片应该是新疆菜大盘鸡！下面微调解决！

二、微调

环境准备

conda create --name xtuner-env python=3.10 -y
conda activate xtuner-env

pip install xtuner==0.1.23 timm==1.0.9
pip install 'xtuner[deepspeed]'
pip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 --index-url https://download.pytorch.org/whl/cu121
pip install transformers==4.39.0 peft==0.13.2

复制配置文件

cp /root/InternVL2-Tutorial/xtuner_config/internvl_v2_internlm2_2b_lora_finetune_food.py /root/xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py

微调

xtuner train /root/xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py --deepspeed deepspeed_zero2

转换格式

python xtuner/configs/internvl/v1_5/convert_to_official.py xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py ./work_dirs/internvl_v2_internlm2_2b_lora_finetune_food/iter_640.pth ./work_dirs/internvl_v2_internlm2_2b_lora_finetune_food/lr35_ep10/

修改模型路径并运行微调后的模型

cd /root/InternVL2-Tutorial
conda activate lmdeploy
python demo.py

效果图

回答正确！

书生-进阶-第三关

Thu, 12 Dec 2024 10:46:11 +0800

一、模型部署

1. 未部署时显存占用

2. 执行量化

lmdeploy lite auto_awq \
   /root/models/internlm2_5-1_8b-chat \
  --calib-dataset 'ptb' \
  --calib-samples 128 \
  --calib-seqlen 2048 \
  --w-bits 4 \
  --w-group-size 128 \
  --batch-size 1 \
  --search-scale False \
  --work-dir /root/models/internlm2_5-1_8b-chat-w4a16-4bit

3. 启动服务

lmdeploy serve api_server \
    /root/models/internlm2_5-1_8b-chat-w4a16-4bit/ \
    --model-format awq \
    --quant-policy 4 \
    --cache-max-entry-count 0.4\
    --server-name 0.0.0.0 \
    --server-port 23333 \
    --tp 1

4. 部署后显存占用

5. 启动Gradio网页

lmdeploy serve gradio http://localhost:23333 \
    --server-name 0.0.0.0 \
    --server-port 6006

6. 效果

书生-进阶-第二关

Mon, 09 Dec 2024 11:10:29 +0800

一、制作一个属于自己的Agent

继承 BaseAction 类
工具核心实现方法被tool_api修饰
注释描述参数和返回值，以及工具描述，告知大模型。
返回结果给大模型。

二、Multi-Agents博客写作系统的搭建

1. 流程图

2. 提示词

写作Agent：

// system_promot
你是一位优秀的AI内容写作者，请撰写一篇有吸引力且信息丰富的博客内容。
// user_message
请撰写一篇关于{用户输入主题}的博客文章，要求表达专业，生动有趣，并且易于理解。

批评Agent：

// system_prompt
作为一位严谨的批评者，请给出建设性的批评和改进建议，并基于相关主题使用已有的工具推荐一些参考文献，推荐的关键词应该是英语形式，简洁且切题。
请按照以下格式提供反馈：
1. 批评建议：
- （具体建议）
2. 推荐的关键词：
- （关键词1, 关键词2, ...）
// user_message
请批评以下内容，并提供改进建议：{写作Agent返回内容}

3. 最终效果

书生-进阶-第一关

Mon, 09 Dec 2024 10:53:45 +0800

链接

书生-基础-第六关

Wed, 13 Nov 2024 11:30:42 +0800

一、OpenCompass环境准备

conda create -n opencompass python=3.10
conda activate opencompass

cd /root
git clone -b 0.3.3 https://github.com/open-compass/opencompass
cd opencompass
pip install -e .
pip install -r requirements.txt
pip install huggingface_hub==0.25.2

二、配置模型

import os
from opencompass.models import OpenAISDK

internlm_url = 'https://internlm-chat.intern-ai.org.cn/puyu/api/v1/' # openai baseurl
internlm_api_key = os.getenv('INTERNLM_API_KEY')

models = [
    dict(
        # abbr='internlm2.5-latest',
        type=OpenAISDK,
        path='internlm2.5-latest', # 请求服务时的 model name
        # 换成自己申请的APIkey
        key=internlm_api_key, # API key
        openai_api_base=internlm_url, # 服务地址
        rpm_verbose=True, # 是否打印请求速率
        query_per_second=0.16, # 服务请求速率
        max_out_len=1024, # 最大输出长度
        max_seq_len=4096, # 最大输入长度
        temperature=0.01, # 生成温度
        batch_size=1, # 批处理大小
        retry=3, # 重试次数
    )
]

三、配置数据集

from mmengine import read_base

with read_base():
    from ..cmmlu.cmmlu_gen_c13365 import cmmlu_datasets

# 每个数据集只取前2个样本进行评测
for d in cmmlu_datasets:
    d['abbr'] = 'demo_' + d['abbr']
    d['reader_cfg']['test_range'] = '[0:1]' # 这里每个数据集只取1个样本, 方便快速评测.

四、开始评测

python run.py --models puyu_api.py --datasets demo_cmmlu_chat_gen.py --debug

书生-基础-第五关

Wed, 13 Nov 2024 10:00:27 +0800

一、安装XTuner

git clone https://github.com/InternLM/xtuner.git
cd /root/finetune/xtuner

pip install  -e '.[all]'
pip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 --index-url https://download.pytorch.org/whl/cu121
pip install transformers==4.39.0

二、配置Config

获取对应的config文件

# cd {path/to/finetune}
cd /root/finetune
mkdir ./config
cd config
xtuner copy-cfg internlm2_5_chat_7b_qlora_alpaca_e3 ./

修改部分配置

#######################################################################
#                          PART 1  Settings                           #
#######################################################################
- pretrained_model_name_or_path = 'internlm/internlm2_5-7b-chat'
+ pretrained_model_name_or_path = '/root/finetune/models/internlm2_5-7b-chat'

- alpaca_en_path = 'tatsu-lab/alpaca'
+ alpaca_en_path = '/root/finetune/data/assistant_Tuner_change.jsonl'


evaluation_inputs = [
-    '请给我介绍五个上海的景点', 'Please tell me five scenic spots in Shanghai'
+    '请介绍一下你自己', 'Please introduce yourself'
]

#######################################################################
#                      PART 3  Dataset & Dataloader                   #
#######################################################################
alpaca_en = dict(
    type=process_hf_dataset,
-   dataset=dict(type=load_dataset, path=alpaca_en_path),
+   dataset=dict(type=load_dataset, path='json', data_files=dict(train=alpaca_en_path)),
    tokenizer=tokenizer,
    max_length=max_length,
-   dataset_map_fn=alpaca_map_fn,
+   dataset_map_fn=None,
    template_map_fn=dict(
        type=template_map_fn_factory, template=prompt_template),
    remove_unused_columns=True,
    shuffle_before_pack=True,
    pack_to_max_length=pack_to_max_length,
    use_varlen_attn=use_varlen_attn)

三、微调

cd /root/finetune
conda activate xtuner-env

xtuner train ./config/internlm2_5_chat_7b_qlora_alpaca_e3_copy.py --deepspeed deepspeed_zero2 --work-dir ./work_dirs/assistTuner

书生-基础-第四关

Tue, 12 Nov 2024 09:13:08 +0800

一、基础任务

书生-基础-第三关

Mon, 11 Nov 2024 15:29:15 +0800

一、基础任务

书生-基础-第二关

Mon, 11 Nov 2024 11:01:24 +0800

一、MindSearch

二、书生·浦语

三、书生·万象

书生-基础-第一关

Sun, 10 Nov 2024 09:21:46 +0800

书生大模型全链路开源开放体系笔记

书生大模型是由上海人工智能实验室联合商汤科技、香港中文大学、上海交通大学等多家机构共同开发的一系列人工智能模型，旨在解决人工智能领域中的通用视觉、语言和三维建模等技术问题。该模型体系包括多个基础模型，如书生·多模态、书生·浦语和书生·天际等。本文将详细探讨书生大模型的全链路开源开放体系，包括其内容、特点以及对开发者和用户的影响。

一、书生大模型的全链路开源开放体系

书生大模型的全链路开源开放体系是一个涵盖从数据收集、模型训练、微调、部署到应用的全流程解决方案。以下是该体系的主要内容：

数据集：
- 书生·万卷：这是一个包含1.6万亿token的多语种高质量数据集，涵盖文本、图像、音频等多种模态数据。数据集总容量达到2TB，支持模型在自然语言处理、计算机视觉等多个领域的应用。
预训练：
- InternLM-Train：这是一个用于大规模模型预训练的框架，支持多卡并行训练，能够在大规模数据上进行无监督学习，学习到广泛的语言特征和知识。该框架适用于从8卡到千卡的配置，训练效率高，能够无缝接入HuggingFace等技术生态。
微调：
- XTuner：这是一个高效的微调框架，支持全参数微调、LoRA等低成本微调方法，适用于多种任务类型，如增量预训练、指令微调和工具类指令微调。XTuner能够自动优化加速，支持多种硬件和数据格式，使得开发者无需关注复杂的优化与计算加速细节。
部署：
- LMDeploy：这是一个完整的大模型部署解决方案，支持模型压缩和优化、GPU部署、自动化部署流程等功能。LMDeploy能够将大模型快速部署到各种计算平台上，实现实时推理和应用。
评测：
- OpenCompass：这是一个大型模型评估平台，提供公平、开放和可重复的基准。OpenCompass涵盖自然语言理解、文本生成、对话系统等多个领域的评测，提供全面的模型能力测试，支持多维度指标和对比分析。
应用：
- LAgent：这是一个轻量级智能体框架，利用书生大模型的自然语言处理能力，能够执行复杂的对话和任务自动化。
- AgentLego：这是一个多功能工具API库，用于扩展和增强基于LLM的代理，与Lagent、Langchain等兼容。这些框架不仅增强了模型的实用性，还为开发者提供了强大的工具和接口，使得模型能够更容易地被集成到实际应用中。

二、书生大模型的主要特点

多模态能力：书生大模型具备多模态能力，能够处理语言、图像、视频等多种数据类型。例如，书生·多模态模型能够通过自然语言定义视觉任务，并具有多模态交互和跨模态生成能力。
高性能参数量：书生大模型拥有大规模的参数量，例如书生·浦语语言大模型的104B版高质量语料从1.6万亿token增至了1.8万亿，语境窗口长度从2K增至了8K，支持20多种语言。
全链条开源：书生大模型提供从数据到预训练、微调、部署和评测的全链条开源体系，支持学术研究和产业应用。
广泛的应用领域：书生大模型已实现对城市实景建模、自动驾驶、智慧医疗、气象预报等领域的智能化进程。
高性能表现：在多个评测中，书生大模型表现出卓越的性能。例如，书生·浦语在包含40个评测集的全维度评测中展现出卓越且平衡的性能，全面领先现有开源模型。

三、书生大模型的应用场景

自动驾驶：书生大模型在自动驾驶场景中能够大幅提升场景感知理解能力，准确辅助车辆判断交通信号灯状态、道路标志牌等信息，为车辆的决策规划提供有效信息输入。
智慧医疗：在医疗领域，书生大模型可以帮助进行诊断、治疗建议和患者管理，推动智慧医疗的发展。
气象预报：书生大模型可以用于气象数据分析，提高气象预报的准确性和可靠性，对于灾害预防部和应对具有重要意义。
城市实景建模：书生大模型支持创建高精度的城市实景建模，这对于城市规划、交通管理和环境保护等领域都有应用价值。
多语言支持：书生大模型支持20多种语言，可以在全球范围内应用，特别是在需要跨语言交流的国际合作中非常有帮助。

四、书生大模型的全链路开源开放体系对开发者和用户的影响

对开发者的影响

提供全面的技术支持：书生大模型的全链路开源开放体系涵盖了从数据收集、标注、训练、微调、评测到部署等全链路环节，为开发者提供了从模型训练到部署的全套解决方案。
降低开发门槛：开源开放体系降低了开发者的进入门槛，使得更多的开发者能够参与到大模型的开发和应用中。开发者可以通过GitHub等平台获取到书生大模型的代码和工具，进行自由的学习和实践。
提升开发效率：书生大模型的全链路开源开放体系提供了高效的工具和框架，显著提升了开发者的工作效率。例如，InternLM-Train框架支持并行训练，速度达到3600 tokens/sec/gpu，XTuner框架支持全参数微调，LMDeploy框架支持全链路部署，性能领先，每秒生成2000+ tokens。
促进技术创新：开源开放体系促进了技术创新和社区合作。开发者可以通过参与开源社区，与其他开发者和研究者交流和合作，共同推动技术进步。
支持多样化的应用场景：书生大模型的全链路开源开放体系支持多种智能体和工具调用，能够满足不同复杂应用场景的需求。例如，Lagent框架支持多种智能体，AgentLego工具箱支持多模态智能体，MindSearch框架支持基于大模型的Web搜索引擎多代理框架。

对用户的影响

降低技术门槛：书生大模型的全链路开源开放体系为开发者提供了从数据集准备到模型训练、部署和应用的全套解决方案。通过该体系，开发者可以自由定制和扩展模型，满足不同场景下的需求。这大大降低了开发大模型的技术门槛，使得更多开发者和企业能够快速进入大模型领域，推动技术创新和应用落地。
提升研发效率：开源体系提供了丰富的工具和框架，如InternLM-Train框架支持并行训练，XTuner框架支持全参数微调，LMDeploy框架支持全链路部署等。这些工具和框架不仅提高了模型训练和微调的效率，还简化了部署过程，使得开发者能够更高效地进行大模型的研发和应用。
促进学术研究和产业应用：书生大模型的开源开放体系不仅向学术研究完全开放，还支持免费商用授权。这使得学术界和企业能够利用这些资源进行深入研究和应用开发，推动大模型技术在各个领域的应用。
增强用户体验：开源体系中的大模型如“书生·浦语”具备超长上下文、推理数学代码、对话和创作体验、工具调用等能力，能够提供更丰富和高效的用户体验。例如，“书生·浦语”在多种综合性考试评测集上的表现优于ChatGPT，能够进行复杂推理和长时间多轮对话。
推动产业生态发展：书生大模型的开源开放体系不仅提供了模型和工具，还构建了完整的产业生态。通过开源开放，实验室希望成为繁荣大模型产业生态的创新策源地，帮助更多企业、高校和开发者利用这些资源，推动产业生态的发展。

综上所述，书生大模型的全链路开源开放体系通过提供全面的技术支持、降低开发门槛、提升开发效率、促进技术创新以及支持多样化的应用场景，对开发者产生了深远的积极影响。同时，该体系通过降低技术门槛、提升研发效率、促进学术研究和产业应用、增强用户体验以及推动产业生态发展，对用户产生了深远的影响。书生大模型的全链路开源开放体系不仅推动了技术的发展，还促进了社会各界的广泛参与和贡献，展现了开源社区的强大力量。

书生-入门-第四关

Fri, 08 Nov 2024 16:49:09 +0800

激活环境

conda activate /root/share/pre_envs/pytorch2.1.2cu12.1

安装modelscope

pip install modelscope -t /root/envs/modelscope
pip install numpy==1.26.0  -t /root/envs/modelscope
pip install packaging -t /root/envs/modelscope

配置环境变量

export PATH=$PATH:/root/envs/modelscope/bin
export PYTHONPATH=/root/envs/modelscope:$PYTHONPATH

下载模型

//创建模型保存目录
mkdir -p /root/ms_model
//开始下载，下方命令演示下载其中的几个文件
modelscope download \
    --model 'Shanghai_AI_Laboratory/internlm2_5-7b-chat' \
    tokenizer_config.json config.json model.safetensors.index.json \
    --local_dir '/root/ms_model'

如下图所示，下载成功

书生-入门-第三关

Fri, 08 Nov 2024 16:33:03 +0800

笔记和闯关

书生大模型实战营（第四期）

书生-入门-第二关

Wed, 06 Nov 2024 11:31:12 +0800

一、Leetcode 383

二、CONDA安装虚拟环境到指定目录

conda create --prefix /root/envs/myenv python=3.9
conda activate /root/envs/myenv

三、PIP安装包到指定路径

安装

pip install <somepackage> --target /root/myenvs

使用

import sys  
  
# 你要添加的目录路径  
your_directory:  '/root/myenvs'  
  
# 检查该目录是否已经在 sys.path 中  
if your_directory not in sys.path:  
    # 将目录添加到 sys.path  
    sys.path.append(your_directory)  
  
# 现在你可以直接导入该目录中的模块了  
# 例如：import your_module

四、VSCODE使用命令行进行DEBUG

按下图操作
连续回车确定，最终会打开launch.json文件，保存关闭即可。
安装debugpy

pip install debugpy

执行下方命令启动debug server

python -m debugpy --listen 5678 --wait-for-client ./myscript.py

VSCODE里开始debug，注意要先设置断点
断点点击右键，可以配置断点处行为，比如下图中的断点处打印日志，变量放到{}内
查看打印信息
调整代码，修复bug

书生-入门-第一关

Wed, 06 Nov 2024 10:26:59 +0800

一、配置SSH连接（目的：无密码连接远程服务器）

RSA算法生成密钥，密钥目录（C:\Users\username.ssh），生成id_rsa.pub和id_rsa两个文件

ssh-keygen -t rsa

查看id_rsa.pub文件内容

cat id_rsa.pub

复制文件内容到远程机新增的SSH公钥内，至此配置完成，本机可与远程机无密码SSH连接

二、VSCODE配置SSH连接

安装Remote - SSH插件
配置插件
输入SSH连接命令并连接，至此连接成功

三、端口映射

方法1：使用命令行完成端口映射，取消关闭终端即可

ssh -p 37367 root@ssh.intern-ai.org.cn -CNg -L {本地机器_PORT}:127.0.0.1:{开发机_PORT} -o StrictHostKeyChecking=no

方法2：使用VSCODE完成端口映射
配置完端口映射后，可以通过本机访问远程部署的服务

Android手机SELinux模式切换

Thu, 05 Sep 2024 08:41:59 +0800

一、临时切换，本次开机有效

在Google Play中搜索并下载"Termux"运行，其它类终端APP也可以
输入命令"su"，授予root权限
输入"getenforce"查看当前SELinux模式，“Permissive"为宽容模式，“Enforcing"为严格模式
输入"setenforce 0”，切换为"Permissive"宽容模式；输入"setenforce 1”，切换为"Enforcing"严格模式
输入"getenforce"查看是否生效

二、永久切换，开机自动生效

不推荐，“Permissive"宽容模式下，某些应用会闪退，建议需要的时候临时切换，如果需要永久自动切换，可以借助magisk模块，开机后会自动切换为"Permissive"宽容模式：

下载地址：https://github.com/evdenis/selinux_permissive

Anaconda运行图表库中文显示问题

Fri, 30 Aug 2024 07:23:56 +0800

1、打开安装目录

C:\Users\yxin\anaconda3\Lib\site-packages\matplotlib\mpl-data

2、该目录下修改matplotlibrc文件

搜索font.family

找到#font.family: sans-serif

下方找到#font.sans-serif

取消到上面提到的2处的#号，然后在font.sans-serif后面追加SimHei

重启jupyter内核即可生效

Linux下运行、查看、停止Jar包、查看日志

Wed, 14 Aug 2024 23:59:30 +0800

运行

//CTRL+C或直接关闭窗口，程序退出
java -jar xxx.jar

//后台执行，但关闭窗口时，程序依然会退出
java -jar xxx.jar &

//关闭终端时，程序依旧正常运行，日志默认输出到程序所在目录的nohup.out文件中
nohup java -jar xxx.jar &

//关闭终端时，程序依旧正常运行，日志输出到xxx.log文件中
nohup java -jar xxx.jar > xxx.log

//指定内存参数，适合低配服务器
//Xms：堆内存初始大小
//Xmx：堆内存最大值
//PermSize：永久内存初始大小
//MaxPermSize：永久内存最大值
nohup java -jar -Xms128M -Xms256M -XX:PermSize=128M -XX:MaxPermSize=256M xxx.jar &

查看

ps -ef|grep xxx.jar

ps aux|grep xxx.jar

停止

kill -9 xxx

日志

cat /var/log/messages | grep "memory"

Windows上的CMD命令

Mon, 22 Jul 2024 14:45:30 +0800

发送广播

adb shell
am broadcast -a "android.intent.ACTION_DECODE_DATA" --es "barcode_string" "123456"

双开微信

@echo off start "" "C:\Program Files (x86)\Tencent\WeChat\WeChat.exe" start "" "C:\Program Files (x86)\Tencent\WeChat\WeChat.exe" exit

adb连接逍遥模拟器

adb connect 127.0.0.1:21503

adb重启服务

adb kill-server && adb start-server

阿里Sophix问题记录

Mon, 15 Jul 2024 09:45:30 +0800

接入过程并不难，按照官方文档操作即可，碰到的主要问题就是生成补丁那里，可能只会在windows平台出现，mac平台未测试，现在针对碰到的问题做个记录。

生成补丁一直卡在"开始构建补丁"

根据官方的回复，这个问题主要是7-zip抽取失败导致的，所以首先可以尝试下用7-zip解压apk看有没有报错，如果有报错，就是apk包有问题，需要先解决这个。

官方提供的解决方案

使用gradle plugin版本高于4.2时，可能会自动开启资源优化。开启资源优化后，资源名称被混淆，会导致补丁工具在生成补丁时一直卡在"开始构建补丁….."，无法正常解析apk包。解决方案：在gradle.properties 中新增android.enableResourceOptimizations=false，重新生成基线包和修复包，然后再生成补丁。
Windows设备上，7-zip官方下载地址，下载对应架构最新的21版本，先进行安装，在安装后的安装目录中复制7z.exe到补丁工具目录里，改名为7za.exe(也就是替换原有的7za.exe)，再试试看。
上述两个步骤操作后还是卡在开始构建，Windows设备上右击apk，使用安装好的7zip提取文件，看提取过程是否有任何弹窗。所有设备上，看看apk解压结果，res下文件名是否被混淆。

7-zip解压报错解决方案

打包前先clean下项目，不然可能就会遇到问题
使用v1签名，不要开启v2签名

查看apk是v1签名还是v2签名

//apksigner在sdk/build-tools/x.x.x 目录下，直接执行需要配置环境变量
apksigner verify -v xxx.apk

//执行后看到类似这样的结果，代表使用了v1签名未使用v2签名，默认是v1和v2同时存在
Verifies
Verified using v1 scheme (JAR signing): true
Verified using v2 scheme (APK Signature Scheme v2): false
Number of signers: 1

如何只开启v1签名关闭v2签名

app module下的build.gradle文件添加，注意target30的项目必须开启v2，否者无法安装

android{
  signingConfigs {
        release {
            v1SigningEnabled true
            v2SigningEnabled false
            **其它签名信息**
        }
    }
}

Charles无法抓取WSL子系统里的请求解决办法

Wed, 12 Jun 2024 15:53:21 +0800

在Windows中的C:\Users<your_username>目录下创建一个.wslconfig文件，然后在文件中写入如下内容：

[experimental]
autoMemoryReclaim=gradual  
networkingMode=mirrored
dnsTunneling=true
firewall=true
autoProxy=true

然后Windows终端里执行wsl --shutdown关闭WSL，之后再开启即可。

高版本Android无法抓取HTTPS接口数据的解决方案（需要ROOT）

Fri, 22 Mar 2024 14:37:45 +0800

一、准备工作

1、Root（推荐Magisk）

2、LSPosed（免证书需要安装）

二、电脑端抓取

1、下载Charles或者其他抓包软件（Fiddler等）并安装

2、打开Charles并启用抓取Https的开关，不启用默认不抓取Https接口请求，具体操作如下：

依次点击Proxy->SSL Proxying Settings->Add
分别在Host和Port后面的输入框内输入*，点击OK即可

3、如果使用了下方“四、忽略SSL验证”中的办法，此时应该可以抓到Https接口请求，无需继续下面步骤

4、导出Charles证书

依次点击Help->SSL Proxying->Save Charles Root Certificate…
将保存的证书Copy到手机存储中

5、手机安装用户证书

打开手机设置，搜索证书，然后安装CA证书，选择刚才Copy到手机存储中的证书
安装后即安装完了用户证书，高版本Android不认可用户证书，因此这时还是不能抓到Https请求

6、将用户证书变为系统证书

安装Magisk模块，该模块会自动把用户证书移动到系统证书，生成了系统证书后即可抓到Https请求
Magisk模块地址（任选其一）：
https://github.com/Magisk-Modules-Repo/movecert
https://github.com/NVISOsecurity/MagiskTrustUserCerts

三、手机端抓取

1、下载并安装HttpCanary

Google Play上已下架，可以从Apkpure下载，下载地址：https://apkpure.com/httpcanary-%E2%80%94-http-sniffer-capture-analysis/com.guoshi.httpcanary

2、处理证书安装提示问题

打开App后提示安装证书会无法安装，这时候我们需要手动处理下，不让提示证书问题，使用MT管理器将/data/data/com.guoshi.httpcanary/cache/HttpCanary.pem在同一目录下复制并重命名HttpCanary.jks，然后重新打开App发现证书提示消失

3、如果使用了下方“四、忽略SSL验证”中的办法，此时应该可以抓到Https接口请求，无需继续下面步骤

4、处理证书

打开App，前往设置->HttpCanary根证书，导出HttpCanary根证书，此时导出类型有2种，对应2个方法

5、导出.0类型（方法1）

使用MT管理器复制导出的/storage/emulated/0/HttpCanary/certs/证书名.0
到/system/etc/security/cacerts/，高版本Android是无法直接复制到system分区的，该分区是只读，哪怕ROOT了也不行，这时候可以借助Magisk模块搞定
模块地址：https://github.com/victor141516/httpcanary-magisk

6、导出.pem类型（方法2）

后面操作就和上面的一样了，重复上面的教程（二、电脑端抓取）中的5、6步骤即可

四、忽略SSL验证

不用处理证书的办法，让Android系统忽略SSL验证，安装Xposed模块JustTrustMe即可：

模块地址：https://github.com/Fuzion24/JustTrustMe 官方地址，需要自己编译，最新版貌似支持了高版本Android，有待测试
模块地址：https://github.com/SekiBetu/JustTrustMe 其他人Fork的版本
模块地址：https://github.com/gfbjngjibn/JustTrustMe 其他人Fork的版本

Windows命令行临时配置代理的方法

Thu, 07 Mar 2024 06:20:15 +0800

1、配置代理

//cmd
set http_proxy=http://127.0.0.1:端口号
set https_proxy=http://127.0.0.1:端口号

//powershell
$ENV:HTTPS_PROXY="http://127.0.0.1:10081"
$ENV:HTTP_PROXY="http://127.0.0.1:10081"

2、测试是否生效

输入下方命令，如果有结果返回，代表配置生效

curl https://www.google.com

JupyterLab代理配置

Tue, 20 Feb 2024 18:02:10 +0800

一、测试当前是否可以访问Google

输入下方代码查看返回：

import requests
response = requests.get('https://www.google.com')
response

如果返回下方内容，代表可以访问Google：

<Response [200]>

二、配置代理

输入下方代码：

# 导入模块
import os
# 设置代理。这里 1080 既可以是 http 代理的端口，也可以是 socks5 代理的端口
proxy = 'http://127.0.0.1:10081'
os.environ['http_proxy'] = proxy
os.environ['HTTP_PROXY'] = proxy
os.environ['https_proxy'] = proxy
os.environ['HTTPS_PROXY'] = proxy

Windows下NekoBoxForAndroid源码编译并运行

Tue, 30 Jan 2024 21:59:12 +0800

一、介绍

Nekobox是一款使用sing-box的Android通用代理软件，支持各种代理协议。

二、必备软件安装

Git(https://www.git-scm.com/downloads)
Go(https://go.dev/dl)

三、安装gomobile

Go安装Windows版本后打开命令行，输入"go version"，检查Go环境是否正常：

然后使用下方命令安装gomobile：

go install golang.org/x/mobile/cmd/gomobile@latest
gomobile init

注：gomobile安装路径默认为当前目录下的go文件夹内，也是下面的环境变量"GOPATH"需要设置的目录

四、配置gomobile环境变量

配置环境变量"GOPATH"为上面安装的路径，如图所示：

该go文件夹内有个bin文件夹，把该文件夹添加到环境变量Path内，用于命令行直接运行gomobile命令

五、JDK配置

安装JDK，我安装的JDK版本为11，并且配置环境变量JAVA_HOME，并且添加bin文件夹到环境变量Path内

六、构建libcore

文件管理器进入项目根文件夹，右键点击"Git Bash Here"，输入下面命令：

./run lib core

执行成功后会生成"libcore.aar"文件到"/NekoBoxForAndroid/app/libs"文件夹下，然后就可以直接使用Android Studio运行或者打包了

Android发布Module到本地仓库

Sun, 17 Dec 2023 16:08:42 +0800

一、在module目录下的build.gradle文件里配置

apply plugin: 'maven-publish'
...
android {
  // normal android library stuff here
}
...
afterEvaluate {
  publishing {
    publications {
      release(MavenPublication) {
        from components.release
      }
      debug(MavenPublication) {
        from components.debug
      }
    }
    // note repositories goes under publishing
    repositories {
      maven {
        url = "file://$projectDir/deploy"
      }
    }
  }
}

二、运行gradle的task任务

1、publishReleasePublicationToMavenLocal

该task会在本机的.m2目录下生成aar

2、publishReleasePublicationToMavenRepository

该task会生成到上述build文件配置的url对应的目录下

三、其他项目依赖该aar

配置repositories添加mavenLocal()

Linux常用命令

Sat, 09 Dec 2023 11:47:56 +0800

linux通过进程名查看端口：

1、先查看进程pid

ps -ef | grep 进程名

2、通过pid查看占用端口

netstat -nap | grep 进程pid

linux通过端口查看进程：

//-p 显示端口进程
netstat -nap | grep 端口号

查看用户进程详细信息

ps -u <user_name> -f

查看某个进程的详细信息

ps -fp <PID>

非Root解压Zip文件

busybox unzip <file_name>.zip

一加5T只能收发短信，不能接拨电话问题解决

Wed, 08 Nov 2023 21:59:12 +0800

原因： 运营商关闭了2g、3g服务，而拨打电话默认走的2g、3g服务，因此无法使用

解决： 让拨打电话走4g服务即可，开启volte即可让拨打电话走4g服务，volte需要运营商那边开启，并且手机支持才行，一加5t默认是未启用volte功能的，需要安装个软件才能设置

软件下载地址： OnePlusLogKit-com.oem.oemlogkit-1.0.apk

操作： 软件下载安装后，拨号输入“*#800#”，点击“进入”，点击“oneplus Logkit”，点击“功能开关”，点击“VoLTE switch”启用并重启即可，重启后进入手机“设置”，进入“SIM卡和移动网络”设置，点击“VoLTE高清通话”开启，这时候状态栏会出现“VoLTE”图标即成功。

附：拨号输入“##4636##”进入工程模式，可查看到VoLTE已生效

Centos虚拟内存Swap编辑

Sat, 28 Oct 2023 22:14:07 +0800

服务器1g内存经常出现不够用的情况，jar进程由于内存溢出导致被杀，除了加钱扩展内存外，可以试试增大虚拟内存试一试

查看SWAP信息

swapon -s

删除已有SWAP分区

//先停止
swapoff /swap

//删除分区文件
rm -rf /swap

//编辑启动文件
vi /etc/fstab
//注释或删除之前的分区启动信息
/swap swap swap default 0 0

创建SWAP分区

//使用dd命令创建SWAP分区文件，本例为创建4G大小的虚拟内存
dd if=/dev/zero of=/swap bs=1k count=4096000

//格式化
mkswap /swap

//激活
swapon /swap
//提示不安全，则修改权限
chomd -R 600 /swap

//开机启动
vi /etc/fstab
//文件底部添加内容
/swap none swap sw 0 0

Windows下Android Studio中关于代理设置的一些解答

Fri, 15 Sep 2023 08:12:45 +0800

1、IDE中代理设置

IDE中Settings的HTTP Proxy设置，这个设置只是针对IDE自身的代理，如果通过命令行（Terminal）执行的命令是不走代理的，比如常用的"./gradlew"打包命令，是不走代理的，如果想让命令行的命令走代理，继续往下看。

2、gradle.properties文件

找到gradle.properties文件，里面配置代理，配置后命令行执行的指令才会经过代理。

systemProp.http.proxyHost=127.0.0.1
systemProp.http.proxyPort=10082
systemProp.https.proxyHost=127.0.0.1
systemProp.https.proxyPort=10082

3、两个目录的区别

“C:\Users\xxx.gradle"目录和IDE里配置的"Gradle user home"对应的目录有什么区别，系统环境变量配置"GRADLE_USER_HOME”，指向IDE里配置的"Gradle user home"对应的目录，即可避免命令行执行"./gradlew"命令时下载的依赖和IDE运行APP重复下载依赖库的问题，"./gradlew"命令下载的依赖库默认会下载到GRADLE_USER_HOME路径里，如果没有配置环境变量，默认就是"C:\Users\xxx.gradle"目录里，而直接IDE运行APP会下载依赖库到配置的"Gradle user home"对应的目录下。

4、测试代理是否生效

命令行（Terminal）下，不能使用ping指令，因为ping使用的ICMP协议，非vpn模式下不能使用它测试代理是否生效，可以使用curl指令测试。

Docker命令

Mon, 03 Jul 2023 09:38:45 +0800

删除所有容器：

docker rm -f $(docker ps -aq)

停止所有容器：

docker stop $(docker ps -aq)

删除所有未使用的镜像，并清理未使用的网络：

docker system prune

清除无用数据卷：

docker volume prune

进入容器并执行命令：

docker exec -it <container_id> bash

Windows中开启WSL

Sat, 10 Jun 2023 16:37:56 +0800

一、启用或关闭Windows功能

勾选下面2项：

1、适用于Linux的Windows子系统

2、虚拟机平台

二、升级WSL

Window终端执行下方命令：

wsl --update

三、共享主机网络代理

创建文件“%USERPROFILE%.wslconfig”，并输入以下内容：

[experimental]
autoMemoryReclaim=gradual  # gradual  | dropcache | disabled
networkingMode=mirrored
dnsTunneling=true
firewall=true
autoProxy=true

命令行执行关闭

wsl --shutdown

如果网络异常，比如主机无法访问wsl等，建议删除该文件然后shutdown重试。

Visual Studio Code调试Python（launch.json）

Thu, 25 May 2023 17:12:48 +0800

参考配置1（调试Dify）

{
    "version": "0.2.0",
    "configurations": [        
        {
            "name": "Python Debugger: Flask",
            "type": "debugpy",
            "request": "launch",
            "module": "flask",
            "env": {
                "FLASK_APP": "app.py",
                "FLASK_DEBUG": "1"
            },
            "args": [
                "run",
                "--host",
                "0.0.0.0",
                "--port=5001",
                "--debug"
            ],
            "jinja": true,
            "autoStartBrowser": false,
            "cwd": "${workspaceFolder}/api",
            "gevent": true
        }
    ]
}

参考配置2（调试Python文件）

{
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Python Debugger: Current File",
            "type": "debugpy",
            "request": "launch",
            "program": "${file}",
            "console": "integratedTerminal",
            "cwd": "${workspaceFolder}/app/examples",
            "justMyCode": false
        }
    ]
}

Android手机解锁System分区

Wed, 19 Apr 2023 13:27:34 +0800

Android高版本使用Magisk进行Root后，System分区依然是只读，无法写入，这时候只需安装2个Magisk模块即可，如下：

一、selinux_permissive

这个模块用于开机自动将selinux设置为宽容模式，以便支持更多的操作