小盒子的技术分享

AI 的发展真是 “日新月异” ，新概念也是满天飞。去年还在折腾 “提示工程”（Prompt Engineering），今年就整出了 “上下文工程”（Context Engineering） 最近看到

概述 我们使用 docker compose 来安装 ClickHouse 但我们不是裸装 ClickHouse，实际上我们安装的是 ClickStack。有点儿像 elastic-stack 与 e

以下均为在 MinIO 所在服务器的操作 安装mc 工具 配置 MinIO 服务器连接 将需要上传的文件包上先压缩并上传至服务器的一个路径下，然后解压。 递归上传整个文件夹： 要上传整个文件夹及其子文

经过近 2 年的 AI 编程工具使用，积累了一些使用这些工具的经验和心得，本文分享出来。 以下分类纯属个人偏好，无任何客观依据，全是主观感受，仅供参考。 第一梯队 Claude Code、Cursor

想象一下，如果我们能把动辄几百MB的大型AI模型“压缩”到手机里运行，是不是很神奇？这并非天方夜谭，其中的关键就是量化技术。近年来，量化已成为人工智能领域的热门话题，通过给模型做“减法”，让AI模型变

前言 处理 Excel 文件时会遇到一些独特的挑战。与典型的结构化格式不同，由于合并单元格、多个表头、嵌入式图表和非传统的布局（这些布局主要设计用于人阅读而非机器解析）等元素，这些文件在数据提取和处理

一、固定大小切分（Fixed-size chunking） 优势 顾名思义且容易实现。由于直接分割可能会破坏语义流程，建议在两个连续的片段之间保持一些重叠。 劣势 破坏语义结构：固定大小切分可能在句子

Milvus 到底是干嘛的？ 它是“给向量找对象”的超高速数据库——存向量、比相似、返回前 K 名。 Milvus 就是给「向量」找对象的数据库——它能帮你把一堆高维向量存好、管好、飞快地按“相似度”

一、什么是 Milvus？ Milvus 是一款开源的向量数据库，用于存储、管理和检索高维向量数据。它适合构建各种 AI 场景下的向量检索系统，如推荐、图像搜索、问答系统等。 概念关系图（逻辑结构）