AI Agent开发实战踩坑记录
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：本文最后更新于 2026-05-08。 AI Agent开发实战踩坑记录折腾AI Agent半年多，从最简单的单Agent工具调用到复杂的多Agent协作系统，踩过的坑够写本书。记录一下开发过程中的问题和解决方案。 Agent架构选型框架对比踩坑开始选框架时就纠结，试了LangChain、AutoGen、MetaGPT
标签：: Python
向量数据库RAG应用踩坑记录
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：本文最后更新于 2026-05-07。 向量数据库RAG应用踩坑记录折腾了半年RAG应用，从最简单的ChromaDB到生产环境的Milvus，踩过的坑不计其数。记录一下选型、部署和优化的实战经验。 向量数据库选型踩坑选型初期的混乱刚开始做RAG，面对一堆向量数据库完全不知道怎么选。试了一圈：ChromaDB、FAISS
大语言模型本地部署踩坑记录
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：本文最后更新于 2026-05-05，技术栈版本信息基于 Python 3.11、llama-cpp-python 0.2.90、PyTorch 2.3、CUDA 12.1。 大语言模型本地部署踩坑记录搞了大半年大模型本地部署，从最早的Llama 2折腾到现在的Llama 3和Qwen 3，踩的坑能写本书。记录一下部署
Python机器学习基础实战指南：NumPy、Pandas、Matplotlib三剑客完全教程
声明：本文内容经AI辅助优化，由人工审核编辑，确保技术示例准确可运行。 更新说明：内容适用于Python 3.x及最新ML库版本。 Python机器学习基础实战指南：NumPy、Pandas、Matplotlib三剑客完全教程Python凭借其简洁的语法和丰富的科学计算库，已成为数据科学和机器学习领域的首选语言。这里详细介绍机器学习三大基础库：NumPy（数值计算）、Pandas（数据处理
LLM本地部署踩坑记录：ChatGLM、Vicuna、InternLM实战经验
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：技术栈版本信息基于 Python 3.10+ / PyTorch 2.0+ / Transformers 4.3x+ / CUDA 12.x。 LLM本地部署踩坑记录：ChatGLM、Vicuna、InternLM实战经验去年折腾了快半年的大模型本地部署，踩了不少坑，记录一下供参考。主
LangChain与AI Agent开发踩坑记录
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：技术栈版本信息基于 LangChain 0.2.x / Python 3.10+ / OpenAI API。 LangChain与AI Agent开发踩坑记录LangChain去年火了一段时间，我折腾了几个月，把踩的坑和实战经验记录一下。核心就是Agent、Chain、Memory这几个概念，上
TensorBoard使用笔记：训练过程可视化踩坑记录
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：技术栈版本信息基于 TensorBoard 2.13+ / TensorFlow 2.13+ / PyTorch 2.0+。 TensorBoard使用笔记记录TensorBoard的安装配置和常用功能，TensorFlow和PyTorch都能用。 安装与启动12345678# 使用conda环
TensorFlow踩坑实录：从张量到神经网络的实战经验
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：技术栈版本信息基于 TensorFlow 2.13+ / Python 3.10+。 TensorFlow踩坑实录：从张量到神经网络的实战经验折腾TensorFlow的时候踩了不少坑，记录一下核心概念和代码实现，主要是张量操作、Session管理和神经网络搭建这几个部分。 张量到底是什么TensorFlo
Pandas数据处理踩坑记录：Series和DataFrame实战笔记
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：技术栈版本信息基于 Python 3.10+ / Pandas 2.x。 Pandas数据处理踩坑记录做数据分析时Pandas用得最多，记录一下Series和DataFrame的常用操作，主要是数据选择、清洗和合并这些高频需求。 Series：带标签的一维数组123456789101112131415im
强化学习踩坑记录：从环境搭建到DQN实现
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：技术栈版本信息基于 Python 3.10+ / TensorFlow 2.13+ / PyTorch 2.0+。 强化学习踩坑记录之前做强化学习项目时，从环境搭建到算法实现走了不少弯路，这里记录一下过程。 机器学习基础环境搭建CentOS环境TensorFlow安装Python 3.8安装在C
PKM纹理压缩踩坑记录：ETC格式与资源加密
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：技术栈版本信息基于 Python 3.10+ / OpenGL ES 3.0 / ETC2。 PKM纹理压缩踩坑记录在做游戏资源优化时，研究了ETC纹理压缩和PKM文件加密，记录一下实现过程。 纹理压缩技术基础为什么需要纹理压缩在移动设备上，未经压缩的纹理资源会带来严重问题： 问题 影响
Python 游戏构建自动化脚本指南：从压缩到多渠道打包
声明：本文内容经AI辅助优化，由人工审核编辑，确保代码示例准确可运行。 更新说明：代码兼容Python 3.x版本。 引言在游戏开发过程中，频繁地构建、打包、发布是日常工作的一部分。手动执行这些操作不仅耗时，还容易出错。通过 Python 脚本实现构建自动化，可以大大提高工作效率，确保打包过程的一致性和可靠性。这里详细介绍如何使用 Python 编写游戏构建自动化脚本，包括文件压缩、多渠道
Cocos Creator Facebook Playable Ad 单文件打包指南：Python 自动化脚本与资源内嵌实战
声明：本文部分内容使用AI辅助生成，经人工编辑、审核和补充个人经验。 更新说明：技术栈版本信息基于 Cocos Creator 3.x / Python 3.10+。 引言Facebook Playable Ad（试玩广告）是一种让用户在广告中直接体验游戏片段的创新广告形式。与传统视频广告不同，Playable Ad 要求所有资源（HTML、JavaScript、图片、音频）打包成一