吏部侍郎

最近我开始习惯使用Obsidian来管理我自己的个人日志，不管是公众号的文章，还是笔记，收藏的文件。最开始的时候，我执行了一次claude code的初始化命令/init，为了让AI更加了解我的Obsidain的内容和结构。当然，在这个过程中，我把自己不希望任何AI阅读的文件夹，全部移出了Obsidian。你们也要注意这种信息安全，比如我自己每天的流水账似的日记（大家也可以尝试下，大概每天花5min，直接语音输入法输入，不管输入是正确还是错误，5min就可以记录完成）。我不希望AI读这些内容，所以我就先移出去，初始化以后，再移回来。 但是后来我就发现，并不能达到让他理解我的程度。也不能很好的成为我的个人助理。 1. 魔改方案所以结合最近使用skill的经验，借鉴了skill这种渐进式加载，或者说按需加载的模式，对claude.md进行了魔改。claude.md中我只保留了最重要的信息，大家如果观察过这个网络请求日志的话，可能会发现，claude.md是当做系统提示词的补充，在每次请求时都加载上的。这个会变相的增加系统提示词的长度，占据我们宝贵的上下文空间。所以我这样进行了魔改, ...

花了半天时间，将元素周期表搞成了一个”可教学”的小工具 昨天看到一个作者使用最新的kimi2.5做了一个元素周期表，我觉得很酷，所以我进行了复刻。 公众号文章：https://mp.weixin.qq.com/s/A7VY2fwcnDs2a4Pt2wIeCA然后在原来的基础上，通过Gemini在github上找到了元素的权威数据源，对本地元素周期表的数据进行了整体性的更新。又通过Nist补充了光谱的相关数据。把Deepseek的接口文档给到了它，让他接入了大模型。成品在这里： 欢迎大家使用。如果大家要源码，请私信我。 我就在想啊。个性化的前端（AI实时生成），加上统一的后端接口服务，这事儿离我们是越来越近了。前端在随意定制，后端也能配合着前端的要求灵活调整。你看，以千问、蚂蚁的灵光为代表的这些产品，其实都在往同一个方向走：从以应用为中心（App-centric）向以智能体为中心（Agent-centric）的范式转移。原来我们总说应用就是流量，但未来，智能体才是流量。再往深了看，其实终端才是最终的流量。原来的 APP，可能就回归本质，变成了一个个接口，或者说单纯的工具。在智能...

给业务人员（比如家里那位）写Python脚本，最头疼的往往不是代码本身，而是交付。 你让人家装Python、配pip、安依赖包，这事儿基本就黄了。最好的交付方式，永远是给对方一个双击就能用的 .exe 文件。 但是，我完全不知道行不行的通，行得通的话，应该怎么做。 遇事不决，可问AI。 于是，我就问AI能不能把python环境，python包统一打包成一个exe应用，直接点击就能使用。 果然可以。 然后我就开始使用trae（字节跳动的AI写代码的软件），来帮我打包。 命令很简单： 使用PyInstaller将当前目录下的python脚本打包为直接点击即可使用，无需配置各种环境的exe应用 ok，一次成功。 既然流程跑通了，这事儿我也不会只做一次，我就寻思得把这次成功的“过程”固化下来，变成可复用的资产。 所以我进一步搞了一个 Skill（技能）。你可以理解为我给AI写了一份“标准作业程序（SOP）”。 只要有具体的操作步骤，就可以搞成skill。 继续使用trae创建： 使用skill-creater，将 `https://github.com/pyinstaller/p...

之前，我们讨论过一次怎么样使用dify来构建多轮对话。保姆级教程：手把手教你用Dify实现完美多轮对话（附Chatflow和提示词）这个名字取得还可以，哈哈。但是实际生产使用会存在一些问题，评论区也有说到。 问题一：多轮对话时, 有些代词在回答的答案中, 只将的用户的问题当作上下文, 有时拼写不出完整的问题. 问题二：query改写节点不能开记忆，把之前对话合并成文本放进user prompt，再把温度降低，增加额外规则限制。会好一点。 问题三：用户输入和前文不相干，比如问完保险问其他话题（闲聊），这种情况如何分开做query改写防止污染？还想问下这样改写耗时会不会很久？小模型效果好吗？ 这些老师提到的问题其实都是同一个，如何确保问题改写节点，准确理解用户的问题，不要改写错误。此外还有： 多轮对话时，如果A任务没有成，但是词槽或者说参数收集了一半，用户问多轮任务B，接这问C，这样大概率会造成信息丢失。 FAQ/转人工等相关场景没有处理。 如何实现长期记忆。 这些问题，我们依次来尝试解决一下，下面的整体思路，是结合了bert时代的状态机管理（或者说...

我非常喜欢一位投资人的投资风格和分享的投资理念，老粉如果注意过的话，我之前其实提到过一次。最近他不在微博说话了，因为被迫要收取投顾费，所以他转到了且慢基金社区的同路人小组去发言。 我就想着记录下他的投资理念，方便未来哪天，大佬身退了，我也能学个5成的水平。 在开始正文之前，我想要警告各位： 本文不需要太高的技术水平，如果有兴趣，应该可以在几个小时到一天内复现。 我们不会的，AI会的，让他教我们。 使用国内版本的Trae，可以完成。 另外，本文不构成任何投资建议。 https://www.trae.cn/ 我不会的，AI会所以我就问Gemini： 这里为什么会问Obsidian呢，是因为我最近在将我自己所有的知识体系向这里转移。 很明显，看来我需要写一个网络爬虫才能实现我的诉求了。我真正意识到的问题不是“我不会写代码”，而是“我之前问错了问题”。 我已经自己写过爬取静态网页，就是请求一次，所有内容都展示的网页。 但是很明显，且慢的网页不是的，他是动态的，因为有很多内容都需要点击查看全文、查看更多，甚至会跳转到一个新的网页。 所以，我紧接着问了Gemini一个问题： ...

前言在使用 Claude Code 的过程中，我发现了一个非常实用的斜杠命令：/git-commit。这个命令实现了从简单的自动化提交到智能分支管理的完整演进过程。本文将记录这个命令从最初版本到现在的完整演变历程。 版本1.0：基础自动化提交需求背景最初的需求很简单：每次写完代码后，都要手动执行一系列 git 操作： git add . git status 查看变更 git diff --cached 查看具体修改内容 手动思考写什么 commit message git commit -m "xxx" 这个过程虽然简单，但重复执行非常繁琐。 实现方案创建了第一个版本的 /.claude/commands/git-commit.md： ---description: "【全自动】一键执行 git add . 并自动生成信息提交"argument-hint: "[可选：指定提交意图或关键词]"allowed-tools: Bash(git add:*), Bash(git diff:*), Bash(git sta...

很多文章在讲 tokenizer 的时候，往往从「词」「子词」直接开始，但如果你真的想理解 GPT 这类模型是怎么”看懂文字”的，我们可能要从头了解。需要强调的是，本文将要拆解的底层原理，不仅是GPT的魔法，同样也是驱动千问、豆包、DeepSeek、Kimi等所有顶尖大模型的共通基石。 这篇文章，我想完整记录： 文本是如何一步一步，从”电信号”，变成模型输入的一串整数 ID，又如何在模型输出后，被还原成人类能读懂的文字。 为什么不能只用字节？——从0-256开始的BPE之路在任何语言模型、任何 tokenizer 出现之前，有一个不可绕过的事实： 计算机并不认识”字符”，只认识电压的高低。 这些电压状态，在逻辑上被抽象为 0 和 1（bit）。 但需要强调的是： 语言模型并不会直接处理 bit 级别的数据。 因为 bit 太底层、太长，而且不同编码方式会导致完全不同的 bit 序列。 真正进入 tokenizer 之前，所有文本都会先经过UTF-8 编码： 例如，我爱中国 china在 UTF-8 编码下，在计算机中存储运算的时候，其实是以一串字节序列进行的（字节...

最近大家看Gemini3.0可能了解了很多它在前端代码生成方面的能力。但忽略了它的最强的一个应用场景：就是把它当做任何一个软件的高级专家去使用。这个用法能将我们学习新工具（如影刀、Dify、Hexo）的时间从几天压缩到几分钟，跳过枯燥的学习过程，直接拿结果。当然，如果这个软件满足以下条件任意之一会更好（因为Gemini 3.0强大的上下文窗口能力)： 在网上有很多教程 官方文档写的非常好 软件开源 下面我们以影刀RPA为例，简单的给大家演示一下过程。 操作过程先将我们的需求简单描述一下，让Gemini 3.0帮我们优化下提示词。因为我本身对影刀有一些简单的了解，知道它很多工具都是基于python处理的，也知道他对python有非常好的支持，所以我下面的初版提示词提到了python脚本。但是如果大家没用过，其实它也会给一个完全是影刀RPA的指令的完成方式，但是会相对会需要你多沟通几次。你可以这样问，还有没有其他操作起来更加简单地方案呢？ 我现在有一个业务需求，业务人员每天都会受到一封固定邮件，附件内容也是固定的是一个excel，业务人员收到以后，需要将附件下载，然后解压缩...