博客文章

上一篇文章介绍了墨案 mix7，这篇文章来写一下文石 leaf2。

我在18年第一次接触了 kindle 这种电子墨水屏设备，我在 kindle 上看完了诸如「刘慈欣全集」、「金庸全集」之类的大部头，电子墨水屏的看书效果确实非常好， 21年把 kindle 卖掉了，最近阅读量比较大，一直用平板看书也不是很好，于是打算入手国产开放系统的电子书。

我在使用 AspNetCore 的这段时间内，看了很多开源项目和博客，发现各种 .Net 体系的新技术很多人都有关注和使用，但却很少有人关注测试。 测试是软件生命周期中的一个非常重要的阶段，对于保证软件的可靠性具有极其重要的意义。在应用程序的开发过程中，为了确保它的功能与预期一致，必须对其进行测试。这样做不仅能够确保功能正确执行，同时能够帮助开发人员尽早地发现并改正系统中所存在的缺陷（Bug），

Vue 可以非常方便地与 Pure HTML 结合，代替 jQuery 的功能，有一次遇到类似的场景时，我就想 React 能不能也以这种方式接入 HTML 网页，从而提高开发效率。 结果当然是可以的，只不过在 HTML 里直接 JSX 似乎会降低一些性能… 凑合用吧

其实几年前我就有轻度使用了一下 Blazor 这个技术，一开始使用 Blazor ，我是有点嫌弃的，我还是比较倾向于传统的前后端分离，AspNetCore用来做后端，用 React 做前端，生态很丰富，要做啥组件都容易。这次只是个小 Demo 项目，试用了一下 Blazor ，从一开始的非常别扭，到越来越顺手。感觉 Blazor Server 写小项目还是挺好用的，后面继续完善项目，持续发掘 B

gRPC 使用起来非常的丝滑，目前来说也没遇到什么坑，可以非常平滑地与已有项目集成，如果有类似的场景，强烈推荐尝试一下 gRPC ！gRPC 的功能很多，本文仅介绍了最基本的使用，更多的请阅读文档，详细有了本文的基础铺垫，读者再阅读文档深入使用时，会比较轻松上手。

RSS 的对立面是算法推荐，像微信公众号、知乎、微博、今日头条等平台。 且不说算法推送平台广告多，迁移麻烦的问题。算法推荐的特点是，你不需要刻意选择，算法会根据你的喜好，给你推送内容。这样一来，你几乎没有选择的余地，在不断被「喂饱」中逐渐失去判断的能力。

最近遇到的这个场景，需要把之前开发的一套系统迁移到一个离线的服务器上，这个服务器有点麻烦，接入VPN后通过堡垒机才能访问，速度也很慢，遇到不少坑，本文记录一下迁移过程。

对于Web API应用程序而言，随着时间的推移以及需求的增加或改变，API必然会遇到升级的需求。事实上，Web API应用程序应该从创建时就考虑到API版本的问题。业务的调整、功能的增加、接口的移除与改名、接口参数变动、实体属性的添加、删除和更改等都会改变API的功能，从而带来版本的变更。

之前介绍的友情链接功能，只实现了友情链接的展示和管理接口。 还缺失友情链接申请、审核管理、通知，现在把这块功能补全。 Model 什么的之前那篇文章都有，本文直接补全逻辑代码~

A recent breakthrough in artificial intelligence (AI) is the introduction of language processing technologies that enable us to build more intelligent systems with a richer understanding of language than ever before. Large pre-trained Transformer language models, or simply large language models, vastly extend the capabilities of what systems are able to do with text.

又来折腾LLM本地部署？ChatGLM-6B在6GB显存下就能跑，MOSS却要显存翻倍，这差距。硬件要求高得离谱，但作者硬是在Ubuntu上搞定，佩服？开源LLM本地部署指南，就这？

前言 这是StarBlog系列在2023年的第二篇更新😂 这几个月都在忙，更新变得很不勤快，但是拖着不更新我的心里更慌，很久没写，要开头就变得很难😑 说回正题，之前的文章里，我们已经把博客关键的接口都开发完成了，但还少了一个最关键的「认证授权」，少了这东西，网站就跟筛子一样，谁都可以来添加和删除数据，乱套了~ 关于「认证授权」的知识，会比较复杂，要学习这块的话，建议分几步： 基础概念 AspN

下载项目代码 git clone https://github.com/THUDM/ChatGLM-6B.git 创建虚拟环境，建议使用 conda 管理 conda create -n chatglm python==3.8 安装依赖 conda activate chatglm pip install -r requirements.txt conda install cudatoolkit=

前言 最近AI很火🔥，先是AI画图，然后就ChatGPT，后者我已经用了一段时间了，用来写作文挺不错的，但OpenAI屏蔽了中国IP，加上用户太多啥的，用起来没那么爽，但没办法全球只此一家，只能捏着鼻子用。而AI画图就不一样了，全是开源的，自己部署一下可以玩个爽~ 正好我们这有台2080Ti的工作站，之前用来训练模型的，现在部署个画图应该轻轻松松，于是就开始了折腾之路~ 效果 先看看我生成出来的

https://git-scm.com/docs/git-log#Documentation/git-log.txt-emnem git log export command git log --after=2021-1-1 --before=2022-1-1 --pretty=format:'%cs,%an,%s' output 2021-12-17,DealiAxy,swagger文档优化 2