Jupyter 简单使用

Jupyter 是一个为了支持多语言交互式编程的项目， Jupyter Notebook 是一个开源的网络程序，允许用户创建和分享包含代码，视图，方程式，文本的文档。 Notebook documents 是应用产生的文档 Jupyter Notebook App 是一个服务端应用，可以让用户在浏览器编辑和运行 notebook documents Notebook Kernel 是计算引擎，执行 Notebook document 中的代码 Dashboard 控制面板 Jupyter 支持超过 40 中编程语言，可以轻松通过各 Read more ...

2018-10-13 jupyter , python

GraphQL 初识

在开发服务端接口的时候接触到 GraphQL 这个名词，故而有了这篇文章。因为初始，所以整理过程难免有些错误和疏漏，请留言告知。在我们面对一个新的名词，或者一门新的技术时，了解的过程可以分成这么几部分，他是什么，他解决了什么问题，他和目前同类型的技术相比优势在哪里，这样几个部分去看也就能够比较粗略，但是快速的了解一样新东西了。所以这篇文章的组织结构也以这样的方式进行。 GraphQL 是什么 GraphQL，很容易让人想起来 SQL，其实也很类似，可以理解为是一门查询语句，但和 SQL 不同的是，SQL 是查询关系型数据库，而 GraphQL 是查询 Read more ...

2018-10-12 graphql , restful , api , github , facebook

MySQL 配置优化

开启慢查询日志 查看慢查询日志 show variables like '%slow_query_log%'; set global slow_query_log=1; 使用上述方式修改，重启 MySQL 后修改丢失，如果要永久生效，需要修改 my.cnf 文件 slow_query_log = 1 slow_query_log_file = /tmp/mysql_slow.log Read more ...

2018-10-11 mysql , sql

Go 语言学习笔记 2：基本结构

和大部分编程语言一样，Go 也有很多内置关键字，下面这些关键字和语法相关，不能用于定义。 break case chan const continue default defer else fallthrough for func go goto if import interface map package range return select struct switch type var 三大类预定义的关键字 分类 关键字 Constants: Read more ...

2018-10-10 go-lang , google , programming

go 语言学习笔记 1：基本介绍和使用

Go 语言特性： 静态语言 函数支持多返回值 错误处理机制 支持语言并发 面向对象：使用类型，组合，接口来实现面向对象思想 反射 CGO，可以调用 C 语言实现的模块 自动垃圾回收 静态编译 交叉编译 BSD 开源协议 并发 Go 语言在语言级别支持[[Coroutine|协程]]，叫 [[Goroutine]]。Go 语言标准库提供的所有系统调用 (syscall) 操作，当然也包括所有同步 IO 操作，都会出让 CPU 给其他 goroutine Go 语言推荐采用“Erlang 风格的并发模型” Read more ...

2018-10-09 golang , google , java , programming

跨平台开源卡片记忆工具 Anki

在最开始了解到这个应用的时候，我无法简单地用一句话来形容这个应用，大部分人将它称为背单词软件，单词记忆应用，部分人有拿他作为知识管理应用，甚至有人拿他来学习乐谱，诗歌，但总之如果要用简单的话来描述这个软件，那么跨平台必定是关键词，另外一个关键词就是卡片（flash card），在另外一个就是循环记忆，那么至于卡片上承载什么样的内容，就完全由用户来决定了。 德国心理学家[[莱特纳]]在 1970 年出版了他一部重要的著作《How to learn to learn》，他在这本书中引用艾宾豪斯的遗忘曲线，发明了「莱特纳系统」，也就是「间隔式复习」的方法，让 Read more ...

2018-10-05 anki , learning , notes , english , language-learning , english-learning

每天学习一个命令：用 ab 命令来进行 HTTP 服务压测

ab 是针对 HTTP 服务进行性能压力测试的工具，它最初被设计用来测量 Apache 服务器的性能指标，主要用来测试 Apache 服务器每秒能够处理多少请求以及响应时间，但这个命令也可以用来测试通用的 HTTP 服务器性能，比如 Nginx，tomcat，resin 等等。 几个概念 吞吐量 Requests per second 吞吐量是系统每秒钟处理的请求数量，可以通过 总请求数量 / 请求花费时间 来计算。 服务器平均请求等待时间 服务器平均请求等待时间指的是服务器平均处理一个请求花费的时间，公式是 总花费时间 / 请求数量，这个指标是吞 Read more ...

2018-10-03 linux , ab , apache , command

Dash 视频串流技术

这里的 Dash 可不是一加手机的快充技术，在使用 Youtube DL 的时候频繁的接触到 DASH 这个关键词，查了一下 DASH 是流媒体技术，全称是 Dynamic Adaptive Streaming over HTTP，自适应流媒体技术，通过 HTTP 服务传送流媒体，在 YouTube，Netflix，Hulu 等流媒体网站中被频繁应用，国内 Bilibili 也引入了该技术 1。 该技术的大致实现原理是在服务端将视频分片，每个分片都有自身的编码方式，甚至不同的分辨率，码率等等，而在客户端根据当前网速或者设备自行选择需要播放的分片，可以实 Read more ...

2018-10-01 wiki , dash , youtube , bilibili , mpeg , stream

mastering xxx vs xxx cookbook vs xxx in action 系列图书的区别

常看计算机相关图书的话对，Mastering XXX，XXX in Action 肯定不会陌生，不同系列的图书定位是有差别的，刚开始学习一种技术时，选择一本合适的书非常重要。所以这里就我个人的感受来说一下这几个系列的区别。 Mastering XXX 大部分 Mastering 系列图书都是 Packt Publishing 出版社出版的。Mastering 系列的图书是大而全的书籍，从介绍开始，到使用，再到具体的技术细节都有涉及。翻译为中文一般叫做“精通 XXX”，“深入理解 XXX”。 适合有一定基础的初学者阅读。 常见的有： 《Mas Read more ...

2018-09-30 programming , 图书系列 , cookbook

Selenium 使用介绍

在之前介绍 Appium 的时候就提到了一些 Selenium ，如果说 Appium 是移动端测试框架，那么 Selenium 就是 Web 端测试框架。简单的理解就可以认为我们可以编程控制浏览器的行为。Selenium 支持 Chrome，Firefox，Safari 等主流浏览器，也支持 PhantomJS， Headless Chrome 等等无头 (headless) 浏览器（无界面）。Selenium 支持的语言也非常多 Java， C#，Python， Ruby，JavaScript 1 等等 官网 https://www.sel Read more ...

2018-09-29 selenium , crawler , python , auto-test , testing , web , browser

电子书

本站提供服务

文章分类

最近文章

  • herdr 一个窗口调度多个 Coding Agent 什么是 Herdr
  • Claude Code 第三方 API 代理配置 Headroom 最近在给自己的 AI 编程工作流加入 [[Headroom]] 上下文压缩工具时，遇到了一个需要特别注意的配置问题。相信有不少人和我一样，为了降低成本或者改善访问体验，已经在 [[Claude Code]] 或 [[Codex]] 里配置了第三方 API 代理，比如一些第三方聚合平台或者自建的转发服务。这时候想再套上一层 Headroom 做 Token 压缩，就需要特别注意配置细节，不然两层代理会打架。
  • Headroom：让 AI Agent 少花冤枉钱的上下文压缩工具 最近一段时间我在深度使用 [[Claude Code]] 做开发工作，用得越多，账单就越触目惊心。一次稍微复杂一点的任务，比如让它读取几个文件、搜索一下代码、跑一下测试，轻轻松松就能烧掉超过 100K 的 Token。更让人无奈的是，这 100K 里面有相当大一部分是重复冗余的内容——工具调用的输出、日志、搜索结果，它们被原封不动地塞进上下文，再一次次地发给模型，而模型其实只需要其中很小一部分关键信息。
  • 用 Harbor 搭建私有 Docker Registry：从安装到日常使用的完整实践 我维护过几个跑在自己服务器上的小项目，构建出来的 [[Docker]] 镜像最早都是直接推到 [[Docker Hub]] 上的。用了一段时间之后开始觉得别扭：一些只在内网跑的服务镜像，没必要也不应该传到公开的仓库；Docker Hub 对匿名拉取做了限流之后，CI 流水线偶尔会因为触发了速率限制而失败；再加上想给不同的项目、不同的同事分配不同的访问权限时，公共仓库这套体系根本满足不了。折腾到后来我意识到，是时候在自己的机器上搭一个真正能用的私有镜像仓库了。
  • 用 New API 打造个人 AI 网关：统一管理所有大语言模型接口 这段时间我同时用着好几个大语言模型服务：日常写作和代码靠 [[Claude]]，轻量任务交给 [[Codex]]，搜索增强用 [[Antigravity]]，还有几个本地跑着 [[Ollama]] 的小模型供离线场景使用。每个平台各自的 API Key 散落在项目环境变量里，月底要去好几个后台分别对账，想横向对比两个模型的输出还得打开不同的网页或客户端来回切换，很费事。