阿尔的代码屋_个人页

2026年02月

• 02.28 23:01:47
  发表了文章 2026-02-28 23:01:47

  [大模型实战 07] 基于 LlamaIndex ReAct 框架手搓全自动博客监控 Agent

  本节我们将理论付诸实践，利用 LlamaIndex 的 ReAct 框架和 Qwen3 模型，手搓一个全自动的博客监控 Agent。通过为大模型接入 RSS 读取、邮件与微信发送等外部工具，让它从‘聊天机器人’进化为‘能干活的数字员工’。
• 02.10 20:17:54
  发表了文章 2026-02-10 20:17:54

  [大模型实战 06] 我的模型我做主：在 Kaggle 上用 Unsloth 极速微调 Qwen3

  本文介绍如何用Unsloth+QLoRA高效微调Qwen3-4B模型，仅需Kaggle免费T4显卡，速度提升2–5倍、显存节省60%；三步实现“灵魂认主”，让模型自认“AlgiebaLLM AI”，全程代码简洁，零基础可上手。

  
• 02.10 20:17:03
  发表了文章 2026-02-10 20:17:03

  [大模型实战 05] 大模型实战的杀手锏： 模型微调

  本文通过Kaggle实操对比Base与Instruct模型，图解大模型预训练→指令微调→人类对齐三阶段演进，并厘清Prompt工程、RAG（注知识）与微调（塑性格）的技术边界与选型策略，助你科学决策模型优化路径。
• 02.10 20:15:15
  发表了文章 2026-02-10 20:15:15

  [大模型实战 03] 拆解 Transformers：从原理图解到 HuggingFace Transformers 实战

  本文图解Transformer核心原理（注意力机制+位置编码），在Kaggle双T4 GPU环境下实战拆解Hugging Face“铁三角”（Config/Tokenizer/Model），并详解Temperature与Top_p两大生成调控参数，助你真正理解并掌控大模型推理。

  
• 02.10 20:12:52
  发表了文章 2026-02-10 20:12:52

  [大模型实战 03预备] 云端炼丹房 1：Google Colab 上手指南

  本文教你用免费Google Colab（Tesla T4 GPU）解决本地显存不足、无法运行7B+大模型的痛点；通过挂载Google Drive持久化保存模型，避免运行时重置丢失；手把手配置云端环境，为后续RAG实战打下坚实基础。（239字）

  
• 02.10 20:11:27
  发表了文章 2026-02-10 20:11:27

  [大模型实战 02] 图形化的大模型交互: Open WebUI部署指南

  本文教你用 Docker 一键部署 Open WebUI，为本地 Ollama 模型打造媲美 ChatGPT 的图形化界面：支持流畅对话、本地知识库（RAG）检索增强、自定义角色（Agent），全程私有化、零数据上传，10分钟即可启用！
• 02.01 13:31:28
  发表了文章 2026-02-01 13:31:28

  [大模型实战 01] 本地大模型初体验：Ollama 部署与 Python 调用指南

  大模型实战系列第一篇。拒绝晦涩理论，直接上手！我会带着各位友人们零基础安装 Ollama，利用国内 ModelScope 极速下载模型，详解服务端口配置与 Python 脚本调用，涵盖显存计算与常见避坑指南。

  

2024年12月

• 12.24 20:20:51
  发表了文章 2024-12-24 20:20:51

  用python实现诸葛神数

  本文内容旨在使用python实现一个很简单的诸葛神数卜筮的小脚本。当然这个卜筮结果希望大家不必过分当真，明显从步骤和卦签上能感受到，这不是一个严肃正经的占卜，权当练习吧。
• 12.24 00:10:56
  发表了文章 2024-12-24 00:10:56

  [python 技巧] 快速掌握Streamlit: python快速原型开发工具

  本文旨在快速上手python的streamlit库,包括安装，输入数据，绘制图表，基础控件，进度条，免费部署。

  
• 12.22 21:24:43
  发表了文章 2024-12-22 21:24:43

  [开发技巧] 如何获取汉字笔画数？

  在开发卜筮小脚本时遇到获取汉字笔画数的需求，起初尝试使用`pypinyin`库却未得理想结果。经过探索，发现Unicode联盟维护的Unihan数据库提供准确的汉字笔画数据。通过下载Unihan数据库文件，解析其中的`kTotalStrokes`字段，利用正则表达式提取所需信息，并将其保存为JSON格式以供快速查询。最终编写函数`get_character_stroke_count`实现任意汉字笔画数的高效获取，满足了项目需求并提供了准确的数据支持。此方法不仅解决了问题，还为类似需求提供了参考方案。