万网注册的域名有福了，背靠阿里这个大金主，最近推出了不少有用的功能，甩出新网之类的域名注册商不止一条街了。朋友之前一直使用DNSPod和花生壳来构筑VPN内网的域名解析，可TPLINK自带的路由器花生壳功能太不稳定了，DNSPod也拒绝加入那些免费的二级域名了，只能想看看有没有办法在他已有的域名上实现DDNS的二级域名解析了。凑巧看见万网和阿里云推…

# 使用 LangChain + Ollama 构建本地 RAG 知识库问答系统 ## 背景介绍 企业日常运营中会积累大量内部文档：技术手册、会议记录、产品说明、操作指南等等。这些文档散落在各个文件夹和系统里，查找起来非常麻烦。传统的关键词搜索只能匹配字面内容，比如搜"服务器"就找不到"主机"相关的内容，导致经常漏掉真正相关的信息。 大语言模型出现…

# Kubernetes VPA 垂直 Pod 自动扩缩容实战指南：智能调整容器资源配额 ## 背景 Kubernetes 集群中，容器的资源配额（CPU 和内存）设置是个老难题。配高了浪费资源，配低了 Pod 被 OOM Killer 杀掉。Horizontal Pod Autoscaler（HPA）只能调副本数，改不了单个容器的大小。 VPA …

# 构建智能 LLM Agent：函数调用实战指南 ## 背景介绍 大语言模型发展到现在，光能"说"已经不够了，怎样让它真正"做"事情？函数调用（Function Calling）就是解决这个问题的关键技术。 说白了，函数调用让 LLM 可以和外部系统打交道——查实时数据、执行操作，不再局限于训练数据里那点过时的东西。 这篇文章会手把手教你搭建一个…

这篇文章没有摘要

背景介绍大语言模型很强，但这东西有个致命问题：它懂的东西全是训练数据里的。你公司内部的文档、产品手册、个人笔记——这些私有数据它根本看不到。这就是 RAG（检索增强生成）要解决的问题。简单说就是把私有数据先存到向量数据库里，用户提问的时候，系统去数据库里找相关内容，然后把找到的内容和问题一起喂给大模型，让它基于真实资料来回答。这篇文章手把手教你在本…

# 使用 LangChain 构建基于 RAG 的企业知识库问答系统 在企业里待过的朋友都知道这样一个场景：员工遇到问题，得在成堆的 PDF、Word 文档、公司 Wiki 里翻来翻去，运气好的话能搜到点有用的，运气不好就只能在各个群里追问。这种情况一多，查找信息的成本就成了个大问题。 关键词搜索的局限很明显——你得用准确的词才能找到东西，同一个意…

## 背景介绍 大语言模型这两年火得不行，AI 辅助编程也从概念变成了 reality。GitHub Copilot、Cursor 这些工具确实好用，但用起来总有点担心——代码上传到第三方服务器合规吗？网络不稳定的时候响应慢怎么办？想用自己微调的模型完全没戏。 Ollama 解决了这个问题。它是一个开源的本地大模型运行框架，直接在你电脑上跑各种开源…

背景介绍大语言模型（LLM）现在应用很广，但直接用它有一些问题：知识库是固定的、专业知识不够、偶尔会胡扯。检索增强生成（RAG）技术把检索和生成结合起来，先从知识库里找相关信息，再把这些内容喂给 LLM，这样生成的答案更靠谱。以前的 RAG 方案基本都调用 OpenAI API，得花钱，还有数据隐私的破事。这两年开源出了不少能在本地跑的方案。Oll…

# Python 实现 RAG 系统实战：让你的 AI 应用拥有“记忆” ## 背景 大语言模型很强大，但有个致命缺点：它不知道你公司的事儿。你喂给它的训练数据早就过时了，最新产品文档、内部技术文档、客户问答记录——这些它通通看不到。 这就是检索增强生成（RAG，Retrieval-Augmented Generation）要解决的问题。简单说，R…

背景介绍 大语言模型已经具备了强大的文本理解和生成能力。然而，单纯依靠模型自身的知识库，往往难以满足实际业务场景的需求。我们需要 AI 不仅能"思考"，还能"行动"——这就是 Function Calling 技术出现的背景。 Function Calling 是 OpenAI 在 2023 年 6 月推出的重要功能，它允许 GPT 模型在生成回复…