极境
  • 首页
  • about
Guide to Getting Things Done Through Others-托人办事儿指南

Guide to Getting Things Done Through Others-托人办事儿指南

2026-07-23
职场沟通
#职场#沟通#效率#委托#协作
Hermes Agent 完全指南:从工具到 AI 助理「实战篇」

Hermes Agent 完全指南:从工具到 AI 助理「实战篇」

这篇文章,就想跟大家聊聊这两个月用 Hermes 的心得,以及我是如何将它从一个工具变成我的 AI 私人助理。 从 4 月初开始用 Hermes Agent,到 4 月 8 号写下第一篇 Hermes 入门文章,到今天已经两个多月。 回头看这两个月,感触还挺多的。 最早安装它的时候,其实没抱太大期待
2026-07-23
Hermes
#AI Agent#VPS#教程#实战#Hermes
Hermes+Obsidian+LLM Wiki搭建本地知识库

Hermes+Obsidian+LLM Wiki搭建本地知识库

内容提示:本文内容较多,建议收藏后全文复制给你的 Claude Code 或 Codex 阅读,让它协助你操作。也可以在碎片时间细读,掌握知识管理的新范式! 你可能遇到过这些问题: 碎片化严重:在推特看到好文,一顿复制粘贴,想找出来学习时,得手动翻半天。 笔记孤岛化:Notion 里存了几百篇笔记,
2026-07-23
AI
#Hermes#Obsidian#知识管理#AI Agent#LLM Wiki#双向链接#本地知识库
HTTPS 是如何保护你的安全的

HTTPS 是如何保护你的安全的

HTTPS 是如何保护你的安全的 多年以前,我还在上大学的时候,曾经听学长说起他打过的一份工,每个月可以赚不少零花钱。这份工作非常简单,就是去互联网上流行的各种网站、手机上流行的各大 APP 以及各个网站的手机浏览器版本(WAP、H5 之类的)执行一些基本的操作,包括注册、登录、操作具体业务等,比如
2026-07-23
加密技术
#加密#HTTPS#TLS#网络安全#数字证书
HugggingFace 推理 API、推理端点和推理空间使用介绍

HugggingFace 推理 API、推理端点和推理空间使用介绍

接触 AI 的同学肯定对HuggingFace有所耳闻,它凭借一个开源的 Transformers 库迅速在机器学习社区大火,为研究者和开发者提供了大量的预训练模型,成为机器学习界的 GitHub。 在 HuggingFace 上我们不仅可以托管模型,还可以方便地使用各种模型的 API 进行测试和验
2026-07-23
AI工具
#HuggingFace#模型部署#AI工具#教程#AI推理
Kafka为什么吞吐量大_速度快

Kafka为什么吞吐量大_速度快

1. 前言 根据个人的经历,无论在工作中,还是即将要经历的面试,MQ 这部分是肯定要了解的。 虽然之前工作中一直使用 Kafka,但是一些详细的细节知识还是了解的不深,所以这次总结一波。 2. Kafka 为什么吞吐量这么大还能这么快(高吞吐&低延迟)?
2026-07-23
技术
#消息队列#MQ#Kafka#高吞吐#零拷贝#页缓存
Linux 虚拟内存管理引导篇

Linux 虚拟内存管理引导篇

当程序运行起来之后就变成了进程,进程无论是在内核态还是用户态看到的都是虚拟内存空间,访问具体数据的时候,虚拟内存地址会先被转换为物理内存地址,通过物理内存地址就可以访问到真正存储这些数据的物理内存了,从而得到数据。 那到底什么是虚拟内存地址?为什么不直接使用物理内存地址而要使用虚拟内存地址? 接下来
2026-07-23
操作系统
#Linux#虚拟内存#内存管理#操作系统#页表
Linux进程间通信_IPC_深入解析

Linux进程间通信_IPC_深入解析

[!info] 阅读导览 概述与分类(1.1)→ 各机制原理与代码(1.2:管道 / System V IPC / 信号 / 套接字 / D-Bus / 内核实现框架)→ 调试工具与技巧(1.3)→ 总结(1.4) 1. IPC 机制全景 1.1. 概述 Linux 进程间通信(Inter-Proc
2026-07-23
操作系统
#Linux#消息队列#IPC#进程间通信#管道#System V#共享内存#信号量#套接字#D-Bus
LLM 领域 GPU 系统工程化的思维模型

LLM 领域 GPU 系统工程化的思维模型

1. 引言:从热门推文谈起 最近,X(原推特)上有一条推文 fired: 大多数人看到后会想:我得学 CUDA 内核工程,这样才能有价值。 但事实并非如此。 即便你花一辈子钻研,也大概率挤不进那个约 100 人的顶尖圈子。内核固然重要,但不该是你的第一步。首要任务是理解整个系统的运作逻辑。 很少有人
2026-07-23
硬件加速
#大语言模型#GPU#系统设计#性能优化#AI工程化#硬件加速
解读_Function_Calling

解读_Function_Calling

1. 解读 Function Calling 1.1. 突破语言模型的边界 1.1.1. 大型语言模型(LLM)的内在局限性 前面我们用了几篇文章的篇幅来阐述了 RAG,在 RAG 中我也从多个角度剖析了大型语言模型(LLM)的内在
2026-07-23
大语言模型
#Function Calling#LLM#Agent#JSON Schema#大语言模型#提示工程
1 … 24 25 26 … 112
© 极境 · 保持好奇