笃行其道

用 Claude Code 作为智能编程助手，接入蓝耘 MaaS 平台的 GLM-5 模型，从零构建一个有趣的 AI 周公解梦全栈应用，最终部署到 Vercel。 我已经部署好的，大家可以自行去体验一下（避免过多请求，我限制了请求速率）：AI周公解梦 文章目录 前言：为什么选择这套技术栈？ 第一步：注册蓝耘 MaaS 平台，获取 API 密钥 注册步骤 蓝耘 MaaS 接口信息 第二步：配置 Claude Code，接入蓝耘 GLM-5 安装 Claude Code 配置蓝耘 API 第三步：用 Claude Code 创建 Next.js 项目 第四步：部署到 Vercel 4.1 推送代码到 GitHub 4.2 在 Vercel 上部署 总结 前言：为什么选择这套技术栈？AI 应用开发正在变得越来越简单，但”简单”背后需要一套靠谱的工具链。这篇文章将带你用： Claude Code — Anthropic 推出的 AI 编程助手，负责帮你写代码、调试、架构设计 蓝耘 MaaS 平台 — 提供 GLM-5 的 API 接入，OpenAI 兼...

前言： AI 思考力的新纪元2月13日，百灵大模型正式发布并开源了首个混合线性架构的万亿参数思考模型——Ring-2.5-1T。这不仅是技术上的突破，更是AI思考能力的一次质的飞跃。相比前代Ring-1T，新模型在生成效率上提升3倍以上，在IMO 2025数学竞赛中达到金牌水平（35/42分），在CMO 2025中更是斩获105分，远超金牌线。 在通用智能体时代，深度思考（deep thinking）与长程执行（long-horizon agent）正成为AI模型的核心能力。想象一下： 解一道IMO数学题，需要10-20步推理链条 修复一个复杂bug，需要阅读数千行代码并多次调试 分析一篇50页的学术论文，需要理解数万tokens的上下文 传统Transformer架构在这些场景下面临两大瓶颈： 计算复杂度：O(n²)的注意力机制，序列越长越慢 内存占用：KV Cache随序列长度线性增长，32K长度就可能爆显存 Ring-2.5-1T的解决方案：混合线性注意力架构 Ling 2.5架构在前代Ling 2.0的基础上，引入了创新的1:7混合线性注意力： 7/8的层使用...

Kavita 作为一款免费开源的自托管媒体管理工具，核心功能聚焦于数字阅读资源的一站式管理，能兼容 EPUB、PDF、CBZ 等 20 多种主流阅读格式，自动整理电子书、漫画、小说并生成规整的书架界面，还支持多设备同步阅读进度，不管是需要整理学习资料的学生、存放行业手册的上班族，还是收藏漫画的爱好者，都能借助它让零散的数字资源变得条理清晰，其界面简洁且支持自定义主题，操作门槛低，是管理私人数字藏书的实用工具。 使用 Kavita 的过程中能感受到，它虽然适配性强，但首次使用时注册密码需包含大小写字母，新手容易因格式问题反复尝试；另外在添加藏书库时，按类型精准分类（比如漫画选 Manga 类型）能大幅提升后续找书效率，日常使用中及时扫描新增文件，也能避免资源更新不及时的问题，这些小细节能让使用体验更顺畅。 不过 Kavita 仅在局域网内使用时，会暴露不少局限性：比如通勤路上想翻看存放在家里 NAS 的漫画，只能提前将文件传到手机，不仅占用手机内存，还容易出现漏传、版本不一致的情况；家里多台设备（电脑、平板、学习机）想共享资源时，每台设备都要单独拷贝，更新一次资源就得重复操作，...

去年底公司开技术大会,老板直接拍桌子：”InfluxDB必须换掉,信创检查过不了,这事儿不能再拖了！”散会后我们几个运维兄弟面面相觑,心想这下麻烦大了。系统跑了三年多,几千万条数据,上百个应用在调用,说换就换？ 后来折腾了小半年,试了好几个国产数据库,最后选了电科金仓。现在系统稳定运行快一年了,回头看这段经历,真是五味杂陈。今天就跟大家聊聊时序数据库替换这档子事,把我们踩过的坑、走过的弯路都掏出来,希望能帮后来人少走点冤枉路。 一、为什么非得换？这些痛点真的忍不了了国外数据库的麻烦事越来越多我们公司用InfluxDB用了三年,说实话技术上没啥大毛病。但去年开始问题就来了——先是集团下文件要求核心系统必须国产化,InfluxDB这种国外货直接被列入”必须替换清单”。更头疼的是技术支持,有次凌晨两点系统出故障,提了紧急工单,人家时差十几个小时,等回复的时候天都亮了,业务早就炸锅了。 还有个现实问题：授权费。InfluxDB企业版一年要好几十万,财务每次审批都要问”有没有便宜点的方案”。这还不算完,每次升级版本都得重新谈授权,价格一年比一年贵,老板脸色越来越难看。 兼容性问题让人头大...

脉向AI × 小ni会客厅 特别策划 谁说文科生不懂技术? AI 时代，他们才是最大赢家!在这个人人谈论人工智能的时代，你是否还在为自己”不懂编程””没学过理工科”而焦虑? 本期《脉向AI》栏目，我们邀请到Chris秋阳做客小ni会客厅，为你揭开一个颠覆认知的真相：文科生，竟然是AI发展的最大受益者！ 核心观点一:说话就能赚钱，不是玩笑是现实“靠着跟AI说话，就能把一个指令变成真实的收入” 案例场景: 一位文案策划师，通过与AI对话，30分钟内生成了一套完整的品牌营销方案，客户直接采用并支付5000元咨询费 一位英语老师，用自然语言告诉AI”我需要一套针对初中生的语法练习题库”，几分钟后获得了可直接商用的教学资源 一位自媒体博主，每天用语音跟AI聊选题、大纲、文案，内容产出效率提升10倍，广告收入翻番 **关键在于:**你不需要懂代码，只需要会表达——而这恰恰是文科生的核心优势!清晰的逻辑、准确的表达、丰富的想象力，这些曾经被认为”不如理科实用”的能力，如今成了驾驭AI的黄金技能。 核心观点二:从想法到产品，只需要三天“所有人都可以把自己的想法和创意产品化，三天就可...

文章目录 引言：为什么需要本地化的聊天记录分析? 一、ChatLab:极致性能的本地化聊天分析工具 1.1 ChatLab 是什么? 1.2 ChatLab 系统架构解析 二、部署安装 ChatLab 2.1 方式一:下载 Windows 安装包(推荐) 2.2 方式二：本地开发环境部署 三、导出微信聊天记录：使用 WeFlow 工具 3.1 WeFlow 简介 3.2 下载安装 WeFlow 3.3 使用 WeFlow 导出聊天记录 四、导入聊天记录到 ChatLab 五、接入蓝耘 MaaS 平台：解锁 AI 分析能力 5.1 为什么选择蓝耘 MaaS 平台? 5.2 注册蓝耘 MaaS 平台账号 5.3 获取 API 密钥 5.4 获取模型名称 六、在 ChatLab 中配置蓝耘 MaaS API 6.1 打开模型配置页面 6.2 填写配置信息 七、实战案例:AI 驱动的聊天记录深度分析 7.1 案例背景 7.2 AI 智能分析 总结 引言：为什么需要本地化的聊天记录分析? 在数字时代，我们的聊天记录早已不再是简单的文本文件——它是...

文章目录 前言 一、Lobe Chat：重新定义 AI 聊天体验 1.1 什么是 Lobe Chat？ 1.2 为什么选择 Lobe Chat？ 现代化的设计 强大的功能 二、部署 Lobe Chat（Windows Docker 方式） 2.1 环境准备 系统要求 安装 Docker Desktop 2.2 快速部署 Lobe Chat 方式一：Docker Run 快速部署（推荐新手） 三、注册蓝耘 MaaS 平台并获取 API 密钥 3.1 为什么选择蓝耘 MaaS 平台？ 3.2 注册蓝耘 MaaS 平台 3.3 获取 API 密钥 步骤 1：进入 API 密钥管理页面 步骤 2：创建新的 API 密钥 3.4 获取 GLM-5 模型信息 步骤 1：进入模型广场 步骤 2：查找 GLM-5 模型 四、在 Lobe Chat 中接入蓝耘 MaaS 的 GLM-5 模型 4.1 访问 Lobe Chat 设置页面 步骤 1：打开 Lobe Chat 步骤 2：进入设置页面 4.2 测试 GLM-5 模型 五、Lob...

一、写在前面：国产化替代不是简单的”换个牌子”最近几年,数据库国产化替代成了IT圈的热门话题。不过说实话,很多人一提到国产化,第一反应还是Oracle、MySQL这些关系型数据库的替换。但实际上,文档数据库的替代需求同样迫切,只是讨论得相对少一些。 MongoDB作为文档数据库的代表,在互联网应用、物联网平台、内容管理系统等领域占据了重要位置。但随着信创政策的推进和企业对供应链安全的重视,越来越多的企业开始思考：能不能找到一款既满足业务需求,又能实现技术自主可控的国产文档数据库？ 电科金仓推出的MongoDB兼容版,就是在这个背景下应运而生的。我最初听到这个产品时,心里其实是有疑问的：又是一个”兼容版”？会不会只是简单地包装一下开源代码？但深入了解后发现,这款产品的思路完全不同——它不是简单的功能模仿,而是基于成熟的企业级内核,真正做到了多模融合。 二、什么场景最适合用文档数据库？在聊技术之前,我想先和大家探讨一个实际问题：到底什么时候该选文档数据库？这个问题看似简单,但在项目中经常让人纠结。 2.1 互联网应用：当数据结构经常变化时如果你正在开发一个内容管理系统,你会发现用户...

引言在企业数字化转型和信创替代的浪潮中,越来越多的组织选择将传统商业数据库替换为国产数据库产品。电科金仓(KingbaseES)作为国内领先的关系型数据库管理系统,在政府、金融、能源等关键领域得到广泛应用。然而,数据库迁移并非简单的”搬家”过程,尤其是在处理大对象(LOB)数据时,跨平台传输中的完整性与一致性风险不容忽视。本文将深入探讨在迁移至金仓数据库过程中,BLOB/CLOB等大对象数据可能面临的挑战及应对策略。 一、大对象数据迁移的核心挑战1.1 什么是大对象数据?大对象(Large Object, LOB)是指那些无法在常规SQL表中直接存储的大容量数据,包括: BLOB(Binary Large Object):二进制大对象,用于存储图像、音频、视频等二进制数据 CLOB(Character Large Object):字符大对象,用于存储大文本、XML文档等字符数据 在企业应用中,这类数据广泛存在于: 文档管理系统(合同、报告的扫描件) 多媒体内容平台(图片、视频资源) 日志系统(大容量文本日志) 医疗影像系统(CT、MRI图像数据) 1.2 迁移过程中的典型...

TriliumNotes 是一款适配 Windows、macOS、Linux 多系统的开源笔记工具，核心优势在于支持树状嵌套的笔记组织方式，能把零散的学习笔记、工作文档梳理得条理清晰，还具备富文本编辑、全文搜索、笔记加密等实用功能，不管是学生整理专业课资料，还是职场人归档项目文档，都能精准匹配需求，用起来稳定又顺手。💡 使用 Trilium Notes 时能发现，它的功能虽丰富，但初次上手需要稍微摸索下树状结构的使用逻辑，比如系统自带的 “日记” 模块，建议不要随意修改内部结构，否则容易导致该功能异常，日常使用中按学科、项目分类搭建笔记框架，能更快发挥它的整理优势。 不过 Trilium Notes 如果仅部署在群晖这类内网设备上，使用场景会受限很多：比如通勤路上想翻看之前整理的项目方案，或者出差在外需要调取家里电脑里的学习笔记，因为不在同一局域网，根本没法访问，只能等回到固定环境才能操作，很影响使用效率。 而把 Trilium Notes 和 cpolar 内网穿透结合后，这个问题就能彻底解决：不用折腾公网IP 和路由器端口，只需简单配置就能生成公网访问地址，不管是在高铁...