如何使用 Let's Encrypt 和 acme.sh 工具为公网 IP 地址签发免费 SSL 证书。

使用 Radicale + Docker 搭建自托管的 CardDAV 通讯录服务器，实现多设备同步。

经典的流量对抗案例：Netflix 对抗 ISP 限速的技术阳谋与架构解析

基于 Vibe Coding V1.2 版本的深度解析。学习如何利用 Memory Bank 模式、语音交互和自动化测试，配合 Claude Sonnet 4.5 或 GPT-5 Codex 构建高质量软件项目。

OpenAI 推出 GPT-5-Codex 的轻量化版本 GPT-5-Codex-Mini，以微小的性能折损换取高达 4 倍的成本效益。这款新模型专为轻量级编程任务设计，为开发者提供了一个在速度、性能与成本之间取得完美平衡的 AI 编程新选择。

详细介绍如何通过 Sequential Thinking 和 Context7 工具提升 AI 编程助手的效率，包含完整的工作流程和最佳实践

专业 Web 开发中的代码规范与最佳实践指南，包含命名约定、文件结构、性能优化等关键要点，适用于 cursor、windsurf、Trae 等 AI 编程助手

Google 工程负责人分享的提示词工程指南

DeepSeek R1 0528 版本已正式上线，在 LiveCodeBench 评测中表现优异，与 O3 模型性能相当

模型上下文协议 (MCP) 是一个开放标准，旨在统一大型语言模型与外部数据和工具的交互，它通过标准化接口简化集成，将复杂的 M×N 连接问题转化为 M+N，增强 AI 应用获取实时信息和执行外部操作的能力

RabbitMQ 作为业界领先的消息代理，在构建分布式系统、实现应用解耦、处理高并发流量等方面扮演着重要角色。要充分发挥其能力，透彻理解其背后的核心概念是必不可少的。本文将系统性地梳理这些基本概念，并通过示例阐述它们如何协同工作，实现灵活可靠的消息传递。

分析一下在使用 RabbitMQ 时遇到的连接泄漏问题。原因是在异常处理中没有主动关闭连接，导致旧连接积累。文章解释了网络连接需要显式管理的原因，并提出两种解决方案：使用 `async with` 自动关闭短期连接，或使用连接池进行高并发场景的连接复用。

OpenRouter 上线了 Web 搜索插件，可以让任何 AI 模型都能接入实时网络信息。

分享了一个基于 Next.js 和 Hono 开发的 Twitter 视频下载工具 twitdown.com 的技术实现，包括技术栈选择、API 设计、SEO 优化策略，以及项目从开发到上线的完整过程。

在 FastAPI 中使用 Pydantic 的 exclude_none 选项，可以避免在 JSON 序列化时包含 None 值。

Yet another LLM framework

Tenacity 是一个基于 Apache 2.0 许可证的 Python 通用重试库，旨在为函数或代码块提供灵活、可配置的重试支持。

validator、TypeAdapter、BaseModel

轻量、灵活的类型检验与转换工具

模型字段规则验证、默认值、元数据配置

一切皆数据，模型也是数据

Make code more Pythonic with Pydantic

向量检索还是太慢了，加个缓存试试

画图、作动画，用 manim 就对了

一键存储、且支持根据内容进行语义搜索

LangChain 造的 RunnableParallel 轮子还是很好用的

一个开源、轻量级的 LLM API 反向代理网关。基于 Cloudflare Workers 构建，统一支持 OpenAI, Gemini, Groq, Mistral 等多种模型，完全兼容 OpenAI API 接口规范，支持无缝集成。

ChatBot 中如何使用 RAG 去处理用户的 follow up 问题

记录了如何利用 Cursor 快速开发 OneSummary 浏览器插件的全过程，包括核心功能开发、自定义 API 配置、模型切换实现和侧边栏优化，同时分享了使用 AI 辅助编码的心得体会与局限性分析。

介绍了如何使用 git-filter-repo 工具从 Git 仓库历史记录中彻底清除敏感信息的完整流程，包括定位敏感信息、创建替换规则、执行清理操作的具体步骤，以及使用过程中的常见陷阱和最佳实践。

Git 中有哪些鲜为人知但非常有用的命令？

浅聊如何融合多家 LLM API 打造一个口语陪练机器人，涉及设计思路、技术栈及实现中遇到的问题。

偶得一空，体验一下 DSPy，想法有新意，但实现上有待优化。

本文探讨了 prompt caching 的基本原理，以及如何实现 prompt caching。

介绍了MoE（Mixture of Experts）模型中的TopK算法，解释了为什么要在其中添加噪音。

解读一下击败 GPT-4o 的开源模型 Llama 3.1 的炼成过程。

本文探讨下如何搭建一个 universal clipboard，实现跨设备的复制粘贴功能。

凯利公式由 John R. Kelly, Jr. 于1956年提出，阐述了在每次投资中应投入多少资金，以获得长期内最大的收益。

本文介绍了如何通过 AppleScript 和 iMessage 数据库，在 iMessage 平台上实现一个聊天机器人。

本文介绍了LoRA技术，通过低秩分解减少训练参数量，并在大型语言模型中取得了显著效果。

本文讨论了Mistral-8x7B的主要特点，包括其结构、性能以及一些创新技术如SWA和GQA。

OpenAI whisper 包括开源模型和付费语音转写服务，本文介绍了这两者的使用方法及其区别。

SELF-RAG 通过按需检索及自我反思来提高 LLM 的生成质量，优化了传统 RAG 的生成过程。

本文探讨了RAG在真实场景中的应用，包括切片、向量化、索引、检索和生成等环节。

核心思想就一句话：围绕着解决问题去学习。本文将详细介绍这种高效的学习方法。

掌握一些Google搜索技巧，可以大大提高搜索效率，时间能省一秒是一秒。

Tree of thoughts（ToT）是由普林斯顿大学和谷歌 DeepMind 联合提出的模型推理框架，通过树形搜索提高语言模型的解决问题的能力。

Google Gemini 模型终于发布，本文探讨其特点、版本及性能表现，并与 GPT-4 进行对比。

本文介绍了Step-Back Prompting技术，通过对问题先抽象再回答的方式进行推理，并对其效果进行了实验分析。

Pattern Exploiting Training(PET)是一种少样本半监督训练方法，通过添加任务描述，将输入重构成填空风格的语句。

Prefix-tuning 是一个轻量级的自然语言生成任务微调方法，在不改变底层模型参数的情况下，通过修改输入的前缀来优化模型的效果。

本文介绍了 RAG 技术的基本概念和应用，包括其结构、训练方法及其在 NLP 领域的效果。

本文介绍了自回归模型的几种解码策略，包括贪婪解码、束搜索、top-k 采样和核采样，并探讨了它们的优缺点。

本文介绍了ELMo模型，包括其网络结构、模型训练和模型使用，ELMo通过双向语言模型生成上下文感知的词嵌入。

本文对比了 Sinusodial、RoPE、T5 bias 和 ALiBi 的外推性能，并讨论了 ALiBi 的机制与实现。

本文介绍了Batch Normalization和Layer Normalization的原理、优缺点以及工作机制。

本文主要介绍 skip-gram with negative sampling (SGNS) 的原理。

本文讨论词向量的上下文性，包括自相似性、句内相似性和最大可解释方差。

本文介绍了幂律分布和指数分布的定义、特性及其期望和方差的计算方法。

本文介绍了CMake的基本使用方法，包括如何编写CMakeLists.txt文件和指定C++版本等。

本文介绍了 Dockerfile 编写的基本知识，包括 RUN、CMD、VOLUME 指令的使用，并对比了 ADD 和 COPY 的区别。

本文简要记录了一些读《卓有成效的工程师》的笔记，包括关注重要但不紧急的工作、代码测试的重要性以及持续学习的意义。

本文介绍了神经网络训练过程中基于梯度的优化算法，包括反向传播、梯度下降法、动量优化算法等。

本文提供了 Htop 的命令速查表，方便用户快速查找和使用 Htop 的各种命令。

本文介绍了对比学习在文本表征中的应用，包括其基本原理和在NLP中的具体应用。

本文介绍了Okapi BM25算法，讨论了其在词频和文档长度上的约束，并与传统的TF-IDF方法进行了对比。

本文介绍了 RNN 的发展历程、结构及其计算过程，并对 LSTM 和 GRU 进行了详细阐述。

语义相似度在检索系统、智能问答系统等场景有重要应用，本文介绍了文本相似度模型的发展历程和评价指标。

本文介绍了自编码器的原理、类型及其在自然语言处理中的应用。

本文讨论了为什么高斯噪音通常被用于深度学习中，以及如何向信号中添加高斯噪音以增强模型的鲁棒性。

本文介绍了位置编码的概念、其必要性以及绝对位置编码和相对位置编码的详细内容，并回答了一些常见问题。

本文重新解读了《Attention Is ALL You Need》论文，深入探讨了transformer模型的结构、attention机制及其在NLP领域的应用。

本文介绍了fastText文本分类算法的原理、优势及其实现方法。

本文讨论了在深度学习任务中，如何通过近似方法优化计算复杂度较高的softmax操作，包括Hierarchical softmax、Sparse softmax、Noise Contrastive Estimation等技术。