用过海光、昇腾、平头哥。昇腾自建生态加上文档稀烂，体验就是一坨。另外两家 cuda 上能跑的代码随便改改就能跑起来，但比起 n 卡来性能和体验还是要差不少。

@huanxianghao 计算机相关的东西还是挺容易规避 AI 扯淡的，我前段时间补 transformer 的知识，直接先把 github 上 transformer 代码拉下来，让 claude code 给我出个学习教程，每一章节找对应的代码把我当傻子给我讲，边跑 demo 边问，它不厌其烦地回答我，有代码卡着也不会跑偏，感觉很好。

知识库本身只是提供个工具，开源的随便弄弄，大头做好业务梳理，做好合理的分门别类，不然还是一坨放在那没什么大用

这玩意真能作为加解密方法吗？即使明天你把答案发出来，也没有一个快速验证的方法验证你发的答案对不对。反之如果你有快速验证的方法并公布出来，那这个加解密方法也会像 MD5 彩虹表那样迅速被破解掉

这玩意越高水越深，所以我们简单的需求 langchain4j(因为我们有好多 java 的基建)，复杂的直接套壳 claude code 😄

这个中转似乎非流式请求有点问题，下面这个请求，"stream"为 false 时就没有输出"content"，为 true 时是正常的

curl "https://www.hi-code.cc/v1/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer sk-xxx" \
-d '{
"model":"gpt-5.4",
"stream": false,
"messages":[
{"role":"user","content":"你好"}
]
}'


{"id":"resp_0f935c87f6d1df2d0169e7013c67c08196abb8a696e0191e21","object":"chat.completion","created":1776746813,"model":"gpt-5.3","choices":[{"index":0,"message":{"role":"assistant"},"finish_reason":"stop"}],"usage":{"prompt_tokens":18,"completion_tokens":41,"total_tokens":59}}

生成出来乍一看效果挺唬人，仔细看很多经不起推敲，我现在是让 claude code 自己去 arxiv 和 github 上搜了总结了，比直接 deep research 可控一点

@spribree 已补充微调脚本至[sft/run_sft.sh]( https://github.com/codingmiao/qwen35-short-cot/blob/main/sft/run_sft.sh)

用了 ms-swift 这个框架来做 lora 微调的，没写代码😄，配下参数一行命令就跑起来了😄。

这个似乎是 qwen3.5 系列太喜欢过度思考了，我这几天搞了点 deepseek-r1 的数据去微调它，让它学习 ds 的思考套路，效果好了不少 https://github.com/codingmiao/qwen35-short-cot

向量 API 还是没孵化出来，用这玩意写了个 RAG 的玩具，速度确实可以

~/.claude.json 这个下面写了 zp mcp 了吧

不是现在作弊还能说的这么理直气壮？我面试都问项目经验了，还是有些脑瘫在那念 AI 人机回复，纯纯浪费时间

搭车求一个数据库分析类的 skill ，读取数据库表结构和样例数据，分析某个数据应该去哪张表拿那种

@CrowCarlos 搜了一下 abliterated 我擦好多模型，这玩意怎么做出来的，拿着善良模型用邪恶样本去微调？

模型的话开发去白嫖硅基流动的免费模型，部署就用公司内部的模型。
框架方面比起 springai 我更喜欢 langchain4j ，agent 的构建比 springai 更像 spring ，而且文档那种直接把 demo 糊脸上的感觉比 springai 含糊不清的描述舒服多了。

向量相关的 API 哪个版本孵化出来呀。

win10 带了这么个玩意，CPU 跑的
Windows.Media.Ocr.Cli.exe

搭车问下注册好几个 google 账号，多个 key 去调 google ai 的 api 可以么。。

啊，看到这么多用 Eclipse 快捷键的我就安心了，看公司其他同事都不用，几度怀疑我是个守旧老登。。