最佳实践
未读
Python现代项目管理：从 venv 到 uv
本文系统梳理了Python项目管理工具从`venv`、`conda`到新兴工具`uv`的演进。`venv`轻量原生，适合单人项目，但依赖管理能力有限。`conda`能管理Python及系统级依赖，是科学计算的利器，但部署相对笨重。而基于Rust的`uv`速度极快，通过`pyproject.toml`实现现代化的项目依赖管理与锁定，更适配团队协作与工程化需求。文章强调，`pyproject.toml`已成为现代Python项目的核心配置标准，统一了项目构建、依赖声明及工具配置。
最佳实践
未读
本地Git多身份配置
为应对论文评审、开源贡献等场景需在同一机器配置两个Git身份：实名与匿名。本文推荐“全局实名+局部匿名”策略，即通过`git config --global`设置默认身份，再在特定仓库内用`git config`局部覆盖。同时，为匿名身份生成独立SSH密钥，并配置`~/.ssh/config`文件创建专属Host别名（如`github-anon`），最后在匿名项目中使用该别名设置远程地址，即可实现身份隔离与安全管理。该方法利用Git配置层级和SSH别名，清晰、安全地解决了多身份切换需求。
Research
未读
Vibe Coding最佳实践
本文介绍了“Vibe Coding”这一以AI为核心编码主力、人类聚焦于需求定义、项目管理等高价值环节的协同工作模式。文章分享了其最佳实践：强调编码前先规划并沉淀文档以建立AI的长期记忆；主张用脚本和配置固化确定性流程，提升系统可靠性；倡导小步迭代以便评审与学习；并分享了手动管理AI上下文的技巧。作者最后指出，AI时代的工程师需掌握结构化表达、系统思维等元技能，其角色正从“写代码”转向“设计系统、拆解任务、验收成果”。
Research
未读
大模型显存占用分析：训练与推理
作为大模型时代的研究者，尽管我们做的是一些下游任务，我认为也有必要了解一些更加底层的基础知识。 基于此出发点，本文将简单讨论如下主题： LLM训练时的显存占用分析。 KV Cache LLM推理时的显存占用分析。 LLM训练时的显存占用分析 在分析显存占用前，需要明确数据的存储精度：float32占
学与思
未读
如何定期备份MySQL数据库
定期备份数据库很重要，我之前一直没有这个习惯，因为自己做的都是小项目，而且开发者一般都是自己。 近期与其它同事合作，发现还真会有同事把远程数据库全删了这种情况......所以借这个机会学习和记录一下怎么备份MySQL 为MySQL数据库设置定时备份功能可以通过编写备份脚本并结合操作系统的定时任务工具
Research
未读
深度学习中的数学：香农熵、交叉熵、KL散度
DeepSeek-R1最近刷屏全网，与之相随的是有关大模型强化学习的学习热潮。在大模型的强化学习中，有一个概念经常被提及——KL散度。正好最近复习了一下香农熵、交叉熵、KL散度的概念，将他们串在一起将更有利于理解KL散度。 信息量：小概率事件的信息量更大。用-log可以表示这层关系。 熵（香农熵）：
书途漫记
未读
心经的六度修行：雕刻自己，关注自我成长
本文分享了《金刚经》中的“六度”修行法门，将其视为一种引导人从烦恼此岸到达智慧彼岸的生活方法论。六度包括：布施，即从“要”到“给”的心态转变；持戒，即有所不为，规范自身；忍辱，即面对逆境的智慧与勇气；精进，即纯粹不懈的努力；禅定，即专注调心以求澄澈；般若，即看透事物本质的根本智慧。作者强调，这并非抽象教义，而是实在的生活态度，旨在通过自我雕琢，关注内心成长，从而实现内心的平静。
Research
未读
如何构建高质量代码相关基准数据集
最近读了一篇聚焦“如何构建代码相关基准数据集”的论文，对研究人员来说，绝对是一份实用指南，特此分享。 参考文章：How Should I Build A Benchmark? Revisiting Code-Related Benchmarks For LLMs 作者：香港科技大学博士Jialun
书途漫记
未读
书途漫记1：头脑安静下来，内心却充满热情
书途漫记栏目介绍：主要记录笔者近期在读书中的见闻与反思，篇幅往往较短。 今日阅读的书目是克里希那穆提的《生命之书：365天的静心冥想》，第八篇《实相·事实·观与被观·眼前的真相》，颇有感悟，因此记录到书途漫记栏目。 莫把追求“活在当下”变成另一种“我执” “活在当下”或许是大部分有意识的现代人所追求
复习笔记
未读
【撰写中】网络层那些事儿——计算机网络图文笔记
今天聊聊计算机网络中网络层那些事儿：在TCP/IP分层模型中，网络层起着承上启下的作用，它包含着诸多协议，内容十分繁杂，学习起来属实不易。因此，本文将采用图文的形式拆解网络层中的重要知识点，帮助读者一起过一遍网络层的核心知识。 我选取的教材是经典黑皮书“自顶向下”，同时本文的讲解顺序与原书有所区别。