Kida的躺平小屋

1. 快速定位哪个层次出问题 当服务异常或告警时，我第一步不是直接重启，而是把系统“目前的样子”抓下来，命令很短但信息密度高： 这些输出能马上告诉我：CPU 被某进程吃满了？内存耗尽？磁盘满了导致写失

一、我为什么会“误解”Wine？ 大家都是什么时候接触 Wine 的呢？我是为了玩 Windows 游戏。虽然那时还没有 Stream，但不碍它在我心中是一个美好的时代。 我第一次接触 Wine 时，

说实话，如果是新项目，我绝对不会首选 Oracle 10g。但工作中你难免会遇到一些老系统的迁移工作，这就没有办法了。之前我也分享过使用 Docker 来进行快速部署，但并不是每个项目都能允许我这样做

承接上一回，这期依然是 Linux 的总结。但这次我想聊聊文件系统和 fsck，这个我踩过千百遍的坑。 一、首先什么是 fsck？ 在我早期使用 Linux 的时候，对磁盘问题的理解非常肤浅： 直到我

2025 年结束了才发现自己已经很久没有更新文章了。但最近都在忙其他的事情，实在没有多余的精力去写新的分享了（但笔记还是会记录，看看什么时候再分享出来吧）。于是我在重新整理以前的笔记发现，其实有很多都

在真正开讲之前需要补充一下“16. 基于 CPU 的转换、量化实现”和“18. 持续优化模型微调”中遗漏的信息。 “基于 CPU 的转换、量化实现”内容补充 在这章我通过 Python 导出基于 Op

有小伙伴私信说希望能展开说说如何做模型持续优化，为此临时加开一章，讲讲如何结合 brain-mix 项目的 Unsloth 微调报告进行训练结果分析。 补充：若不希望麻烦的也可以使用类似 WandB、

书接上回，做完模型量化后试了几次实时推理，结果都强差人意（推理结果没有深度，这个还需要后面再调整）。至于幻觉嘛，是不可避免的。为此，在真正上线前还需要转换为 RAG 应用并增加“输出前校验”来抑制幻觉

在实际开始之前，要先决定好要用哪种共识机制。之前的博客中提到 QBFT 在部分场景下无法使用 Zero Gas 进行上链，因此改用 IBFT 2.0 共识，博客如下： 【区块链】HyperLedger