CF2OpenAI 部署与源码解析教程：将 Cloudflare Workers AI 转换为兼容 OpenAI Chat Completions 的 API 接口。

Cloud Mail 部署实战教程，包含 Dashboard 界面部署与 GitHub Actions 自动化部署全流程。

整理 CLIProxyAPI 的安装、配置、OAuth 登录、CC Switch 切换和 VSCode 接入流程，适合搭建自部署 API 中转站。

记录使用教育邮箱申请 GLaDOS 学生优惠的完整体验，包括注册、验证、权益确认和签到兑换时长。

本文介绍如何为哪吒监控V1配置反向代理和CDN，使其能够通过单一域名访问，同时提升访问速度和安全性。

详细教程：如何为 Hexo AnZhiYu 主题配置自定义 AI 摘要平台，支持 OpenAI 兼容 API

1 集成学习 1.1 集成学习思想 Bagging（随机森林） Boosting（AdaBoost、GBDT、XGBoost） 集成学习是机器学习中的一种思想，它通过多个模型的组合形成一个精度更高的模型，参与组合的模型成为弱学习器（基学习器）。训练时，使用训练集依次训练出这些弱学习器，对未知的样本进行预测时，使用这些弱学习器联合进行预测。 1.2 集成学习分类 Bagging：随机森林 Boosting：Adaboost、GBDT、XGBoost、LightGBM 1.2.1 Bagging思想 有放回的抽样(bootstrap抽样)产生不同的训练集，从而训练不同的学习器 通过平权投票、多数表决的方式决定预测结果 弱学习器可以并行训练 Bagging思想图 目标：把下图的圈和方块进行分类 采样不同数据集 训练分类器 平权投票，获取最终结果 1.2.2 Boosting思想 每一个训练器重点关注前一个训练器不足的地方进行训练 通过加权投票的方式，得出预测结果 串行的训练方式 Boosting思想生活中的举例 滚球兽→亚古兽→暴龙兽→机械 ...

前言 前言 Gemini 作为一款强大的 AI 工具，在日常使用中可能会遇到网络访问限制或直连不便的问题。本教程将详细介绍如何利用 1Panel 面板的强大反向代理功能，为 Gemini 服务搭建一个稳定、高效且易于访问的中转点。通过这种方式，您不仅可以解决潜在的访问障碍，还能进一步优化连接体验，确保流畅使用 Gemini 的各项功能。 准备工作 一台可以连接Gemini的外网服务器 已安装1Panel 一个域名（例如 gemini.yourdomain.com），用于通过反向代理访问 Gemini 服务。 域名解析配置，将您的域名指向 1Panel 所在服务器的 IP 地址。 反向代理配置 首先，我们需要在左侧网站创建一个反向代理网站来反向代理 Gemini 按照下图进行配置

通过本篇教程，您可以在 Linux 服务器上部署一个将 GitHub Copilot API 伪装为 OpenAI / Anthropic 兼容接口的代理服务，支持 Bun 运行、systemd 守护与反向代理增强，适合需要统一 AI 入口的个人或团队快速上手。

1 使用 Mybatis puls 引入 Mybatis plus 依赖，代替原有 Mybatis 依赖： 12345<dependency> <groupId>com.baomidou</groupId> <artifactId>mybatis-plus-boot-starter</artifactId> <version>3.5.3.1<version></dependency> 定义 mapper 接口，继承 BaseMapper： 12public interface UserMapper extends BaseMapper<User> { } 内容 说明 表名规则 默认以类名驼峰转下划线作为表名 主键规则 默认把名为 id 的字段作为主键 字段名规则 默认把变量名驼峰转下划线作为表字段名 常用注解 @TableName：指定表名及全局配置@TableId：指定主键字段及配置@TableFiel ...

使用 Zotero PDF2zh 插件接入 Ollama 本地模型，实现低成本、可控的 PDF 文献翻译与双语阅读。

介绍下如何用 GitHub Actions 来自动部署基于 Hexo 的 Blog。 建议大家先看一下 GitHub Actions 官方的介绍，不然对于下面的内容可能没有办法很好的理解。 Hexo 首先我们先要在本地确保 Hexo 是可以正确运行的，比如： 12hexo cleanhexo deploy 至于如何设置和使用 Hexo，请参考 [https://hexo.io/ 至于如何使用 GitHub Pages 部署自己的网站，请参考：https://pages.github.com/（我使用的腾讯云 EdgeOne Pages，国内访问挺快的，国外可以用 Vercel 或者 cloudflare） 确认 _config.yml 文件中有类似如下的 GitHub Pages 配置： 1234deploy: type: git repository: git@github.com:sssstarrr/sssstarrr.github.io.git branch: main 注意：请将 repository 修改为你自己的仓库地址。 生成秘钥 Windows 用户可以在 ...

前提精要：上一篇实讲 Hexo 博客自动化部署教程，适合想要提升博客维护效率的用户。教程从本地环境验证开始，逐步指导用户完成 SSH 密钥生成、GitHub 仓库配置、工作流文件创建等关键步骤。重点强调了私钥和公钥的正确配置方法，以及如何设置 GitHub Actions 的触发条件和执行环境。教程还提供了完整的 YAML 配置文件示例，用户只需替换相应的仓库地址和用户信息即可直接使用。通过这套方案，用户可以实现“一次推送，自动部署“的便捷体验。 个人纪录如何用腾讯云EdgeOne Pages 进行集成部署 CI（每次提交代码后，自动执行构建、单元测试、静态检查、打包等）、CD（在CI通过后，自动将产物发布到测试/预发/生产环境） 环境准备： 腾讯云账号 已完成之前在 Github Actions 自动部署 Hexo 01. EdgeOne Pages 授权 有两种方式，一种是普通网站，另一种是 Pages 这里选择Git，因为它可以直接关联 git 代码仓库，就无需自己执行 build 的流程，比较方便，使用上文在 hexo 源代码仓库自动进行构建后生成的构建产物仓库 于是选 ...

1 Hexo 数学渲染器插件 1.1 hexo-renderer-marked hexo-renderer-marked 是 Hexo 默认的渲染器，不支持复杂的数学公式，正是我需要换掉的。 1.2 hexo-renderer-kramed hexo-renderer-kramed 在默认渲染器的基础上添加了 MathJax 的支持，支持更多的数学公式，与原渲染器有冲突，需要先卸载默认的渲染器再使用它。 12npm uninstall hexo-renderer-marked --save # 先卸载原渲染器npm install hexo-renderer-kramed --save # 安装 hexo-renderer-kramed 配置 Hexo 根目录的配置文件 _config.yml： 12345678kramed: gfm: true pedantic: false sanitize: false tables: true breaks: true smartLists: true smartypants: true 采用这种渲染器对于大多数公式都没有 ...

1 KNN算法（k-近邻算法 K-Nearest Neighbors） 是一种基本的分类与回归算法，属于监督学习算法 1.1 工作原理 计算距离；计算待分类样本跟训练集中每个样本的距离。 选择K个近邻：根据计算的距离，选择距离最近的k个样本。 投票或平均： 分类任务：统计K个近邻各类别的数量，将待分类样本归为数量最多的类别。 回归任务：取K个近邻的平均值作为预测结果。 1.2 关键参数 距离度量方法 K值：K小容易过拟合（容易模拟噪声），K大容易欠拟合（如将K = n，只用计算哪一类最多） 1.3 优缺点： 优点： 简单直观，易于理解和实现 无需训练过程，直接利用训练数据进行预测 缺点： 计算量大，尤其是训练集较大时。 对噪声数据较敏感。 1.4 使用 123456789101112131415161718192021222324252627282930313233343536373839404142434445# 分类from nltk.app.nemo_app import colorsfrom sklearn.neighbors import KNeig ...

1 线性回归简介 1.1 什么是线性回归 线性回归（Linear Regression）是一种用于建模两个或多个变量之间线性关系的统计方法。它通过拟合一条直线（或超平面）来描述自变量（输入特征）与因变量（输出目标）之间的关联，并可用于预测或分析变量间的影响关系。 假设因变量y与自变量x1,x2,…,xn之间的关系可以用如下线性方程表示： y=β0+β1x1+β2x2+…+βnxn β0：截距，模型在自变量全为0时的基准值 β1,β2,…,βn：自变量的系数，表示每个自变量对因变量的影响程度 通过估计这些系数，使模型预测值尽可能接近真实值。 1.1.1 一元线性回归 仅有一个自变量： 1.1.2 多元线性回归 包含多个自变量： 1.2 线性回归应用场景 GDP预测：用历史数据（如投资、消费、出口）建立回归模型，预测GDP增长趋势。 广告效果评估：量化不同渠道广告投入对销售额的影响，优化预算分配。 药物剂量研究：分析药物剂量与患者生理指标（如血压、血糖）之间的关系。 产品质量控制：通过生产参数（温度、压力、原料配比）预测产品性能（如强度、耐久）。 政策效果评估：分析最低工 ...

通过hexo-abbrlink插件生成永久固定链接，解决Hexo默认URL格式冗长的问题，提高SEO效果

使用Docker自建Twikoo本地评论系统的完整教程，包括环境准备、部署配置和前端引用方法