CN-P5的博客

前言在日常开发和运维工作中，数据库备份是一个至关重要的环节。一个可靠、易用的备份工具能够为我们的数据安全提供强有力的保障。今天要介绍的项目是 Databasus - 一个免费、开源、可自托管的数据库备份工具。 Databasus 项目简介Databasus 是一个专注于数据库备份的开源项目，其前身是 Postgresus。项目自 2023 年开始开发，最初作为内部工具用于备份生产和个人项目的数据库。2025 年初，它作为开源项目在 GitHub 上发布，并在年底获得了广泛的关注和使用。 核心特性支持多种数据库Databasus 支持主流的数据库类型： PostgreSQL: 12、13、14、15、16、17 和 18 MySQL: 5.7、8 和 9 MariaDB: 10 和 11 MongoDB: 4、5、6、7 和 8 灵活的计划备份 支持每小时、每天、每周、每月或使用 cron 表达式进行调度 可以在特定时间运行备份（例如，凌晨 4 点低流量时段） 智能压缩技术，可实现 4-8 倍的空间节省（约 20% 开销） 多种存储目标Databasus...

在上一篇文章中，我们介绍了9种基础的提示工程技巧。今天，我们将探讨9种更高级的技巧，这些技巧代表了2024年提示工程领域的最新发展。这些技术不仅能提升模型的推理能力，还能实现自动化的提示优化和多模态交互。

随着大模型技术在2024年的快速发展，提示工程(Prompt Engineering)已经发展成为一门独特的技术学科。高级提示工程技巧不仅能够显著提升大模型输出的质量，还能帮助我们更好地控制模型行为，实现更复杂的任务。本文将系统地介绍18种先进的提示工程技巧，帮助读者掌握与大模型更有效的交互方式。

Embedding （嵌入）是一个浮点数的向量（列表）。两个向量之间的距离度量它们的相关性，小的距离表示高相关性，大的距离表示低相关性。Embedding （嵌入）也是是一种在机器学习和深度学习中广泛应用的技术，特别是自然语言处理（NLP）和其他涉及高维离散数据的领域。它指的是将原本高维且通常是离散的输入数据（如单词、短语、用户 ID、商品 ID 等）映射到一个低维连续向量空间中的过程。这些低维向量称为嵌入（Embedding vectors）。

如果你已探索过豆包Ai、Kimi、智谱清言等生成式AI工具，那么你对“prompt”（提示词）这一核心概念一定有自己的认知和理解。这里所谓的提示词，其实就是人和AI交互时的输入，是连接你与AI创意源泉的桥梁，“prompt”不仅是触发无限想象的钥匙，更是塑造AI输出内容品质的灵魂所在。它可以是一个问题，也可以是一段描述性的指示，生成式AI可以根据你的指示或者问题，输出你期望的内容。

利用gitea实现docker私有仓库，简单介绍如何编译之后并推送到gitea仓库。

php开发过程中经常使用composer包，有些自己发明的轮子不好意思上公共仓库，那么就在gitea上创建自己的composer包来用吧.

本章是《深度学习简介》系列的第 4 部分，我将深入探讨强化学习。强化学习是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报（或奖励）最大化。

在这篇文章中，我们将重点关注自然语言处理的序列学习。该系列文章旨在为提供一个直观而温和的介绍。它涵盖了最重要的深度学习概念，旨在提供对每个概念的理解，而不是其数学和理论细节。虽然数学术语有时是必要的，并且可以进一步理解，但这些文章尽可能使用类比和图像来提供易于理解的信息，包括对深度学习领域的直观概述。

该系列文章旨在为提供一个直观而温和的介绍。它涵盖了最重要的深度学习概念，旨在提供对每个概念的理解，而不是其数学和理论细节。虽然数学术语有时是必要的，并且可以进一步理解，但这些文章尽可能使用类比和图像来提供易于理解的信息，包括对深度学习领域的直观概述。在第二部分中，我们简要回顾了深度学习的历史，然后着手讨论快速高效训练深度学习架构的方法。