MCP
Model Context Protocol 模型上下文协议。但却没有规定与模型如何进行交互，而是规定了 Host 和 Server 之间的交互，是让模型感知外部环境的协议，所以称为模型上下文协议，MCP规定了统一的工具发现和调用协议 MCP基础MCP 的用途简单来说，MCP 是能够让大模型更好地调用各类工具的协议，大模型只能进行问答而无法主动调用外部工具，而 MCP 的出现使大模型拥有了使用各种外部工具的能力，这是很重要的一个能力，我们熟悉的 Cursor 本身就是一个 MCP Host MCP server一个符合 MCP 协议的可执行程序，通常由 python 和 node.js 编写，可以本地使用可以联网使用，我们可以帮它们理解成一个一个工具，每个工具可以解决一个具体问题，例如查询天气、查询新闻、查看文件夹… MCP 进阶分析明白这段日志,就能理解 MCP 协议的内容了 完整交互日志初始化连接客户端请求： 12345678910111213{ "method": "initialize", ...
uv - 下一代 Python 包管理工具
体验一下刚上线的 cloude 4.0 什么是 uv？uv 是一个由 Astral 团队开发的现代化 Python 包管理工具，使用 Rust 编写，旨在成为 pip、pip-tools、pipx、poetry、pyenv、twine、virtualenv 等工具的一站式替代方案。它的设计目标是提供极快的性能、简洁的用户体验，以及与现有 Python 生态系统的完美兼容性。 为什么选择 uv？🚀 极致性能 10-100倍 比 pip 和 pip-tools 更快的依赖解析速度 使用 Rust 编写，天然的高性能优势 并行下载和安装，充分利用系统资源 🎯 简单易用 一个工具解决所有 Python 包管理需求 与现有工具兼容，无需修改现有工作流 直观的命令行界面 🔧 功能完整 包安装和管理 虚拟环境创建和管理 项目依赖管理 Python 版本管理 包发布功能 安装 uvmacOS 和 Linux1curl -LsSf https://astral.sh/uv/install.sh | sh Windows1powershell -c "irm...
SpringAI
Spring AI 应用集成框架基于 Spring Boot 的大模型应用集成框架，作为后 Java 时代的关键一环，旨在简化大模型在应用中的集成与开发，撼动了 Python 语言在 AI 工程领域的主导地位。 核心特性 统一的 API 调用接口，支持多种大模型 基于 Spring Boot 自动配置，简化配置 提供PromptTemplate 和结构化提示管理 支持流式响应处理SpringAI 利用 AOP 原理提供 AI 会话流程的拦截和增强，实现 AroundAdvisors ，基于此可以方便管理对话日志，及上下文记忆。 快速开始基于 SpringBoot 快速上手体验 SpringAI 的便利功能。 环境准备 Java 17+ Spring Boot 3.0+ 大模型 api-key 引入依赖可以通过新建 Spring Boot 脚手架，自动引入 SpringAI 依赖： 也可以手动引入依赖： 1234567891011121314<repositories> <repository> ...
打破闭源限制 即时获取音乐媒体源
已被官方光速修复 前言 在我开发工作中一直有调用音乐平台 API 获取音乐的需求，但是 网易云 和 QQ 音乐 的 API 现在只对企业开放申请，个人开发者已经无法使用，之前 Github 上 30k star 的项目 NCMApi 也已被网易起诉停止维护，令人唏嘘；找遍全网也没有什么好办法了，好在经过一些摸索，我也算歪打正着通过字节旗下的汽水音乐实现了获取音乐的功能。 NCMApi 停止维护 当前音乐获取的实现 我已将基于 demo 代码推送至 GitHub 仓库。不出意外很快会推出 Java 版本实现，并将持续优化封装程度，若该方法对你有所帮助，希望可以 star 支持，谢谢！免责申明： 本项目仅供学习参考，切勿用于商业用途，如产生任何纠纷与作者无关。 实现方法讲一下我是怎么误打误撞实现的。 💦💦 首先，主流的音乐平台，如网易云音乐、QQ 音乐，都已经不再向个人开发者提供 API 服务，这意味着你无法通过调用这些平台的 API 获取音乐文件。查找了很多第三方 API 平台的接口，也都无法正常使用...
RESTful API
Representational State Transfer (REST) 是一种软件架构风格，用于设计网络应用程序的接口。RESTful API 是基于 REST 架构风格的 API 设计。 Representational资源的表现形式,描述数据的数据，元数据。 HTTP 方法 GET: 服务端查询数据并返回至客户端 POST: 客户端产生数据发送至服务端，服务端新增并保存 PUT: 客户端更新服务端资源 DELETE: 客户端希望删除服务端的资源 … 举个例子: 123456789GET /classes：列出所有班级POST /classes：新建一个班级GET /classes/{classId}：获取某个指定班级的信息PUT /classes/{classId}：更新某个指定班级的信息（一般倾向整体更新）PATCH /classes/{classId}：更新某个指定班级的信息（一般倾向部分更新）DELETE...
字节 AIGCStylizeImage API 调用文档
字节 AIGCStylizeImage API 调用文档整合并简化了字节官网的 API 接入文档，从注册账号到跑通，一定可以加快你的上手速度，实际工程调用实例可以直接跳转到最后一个目录单元。 前期准备火山引擎官网， 注册账号并完成实名认证，在下拉栏中选择 API访问密钥，按指引创建密钥，获取必要的 ak 、sk。 返回刚刚的页面，开通 Doubao—AIGC图像风格化模型，可以看到以下界面： 调用方法官方文档 必要请求参数 注意：url 和 base64 二选一即可 123456789101112{ "req_key": "img2img_disney_3d_style", #指定的风格 "sub_req_key":"" # !!! 根据情况选择 看后文对 sub_req_key 的解释 "image_urls": [ "https://xxx" ], ...
阶段工作总结
人脸风格化可行性方案 目前路线为 多数据源启动数据，小样本训练 Lora 后，使用数据合成循环管道，不断过滤优化数据，生成大量数据，最终训练出高质量的指令引导的人脸风格化模型 一、现有开源工具生成1、通过 EasyControl 生成 Ghibli 风格的人脸数据https://github.com/Xiaojiu-z/EasyControl 2、通过 豆包 生成部分风格数据 还需注意是否开源、开源协议 例如 3D动漫、插画、绘本 … 均有不错的表现 3、通过 HiDream-I1 生成数据https://github.com/HiDream-ai/HiDream-I1 在线测试，风格化后均为半身照，这意味着只能专门处理半身人像 部署显存需 70GB 以上，待实验 Step-1Xhttps://huggingface.co/stepfun-ai/Step1X-Edit 以 Ghibli 风格图像为 Bridge 可以得到较好的风格化效果，不过受 Ghibli 影响较大 4、SD...
常用的 HF 环境变量
HF 环境变量以 linux 为例，在~/.bashrc中添加如下内容： 123export HUGGINGFACE_HUB_CACHE="/root/autodl-tmp/huggingface" # 替换为你的缓存目录export HF_HOME="/root/autodl-tmp/huggingface" # 替换为你的缓存目录export HF_ENDPOINT=https://hf-mirror.com # HF镜像地址 然后执行source ~/.bashrc使环境变量生效。 注意：/autodl-tmp/huggingface是我在 autodl 上的一个临时目录，你可以根据自己的需要修改。 1234# 查看环境变量echo $HUGGINGFACE_HUB_CACHEecho $HF_HOMEecho $HF_ENDPOINT 如果输出以下结果，说明配置成功 ...
Hello World
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick StartCreate a new post1$ hexo new "My New Post" More info: Writing Run server1$ hexo server More info: Server Generate static files1$ hexo generate More info: Generating Deploy to remote sites1$ hexo deploy More info: Deployment