技术

上下文记忆 agentic chat 图数据库的一些考量 LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

bert rerank微调 大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件
上下文记忆 agentic chat bert rerank微调 大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象(LLM)? AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

得到课程笔记汇总

2020年07月16日

简介

《怎样成为精力管理的高手》

运动加快大脑的新陈代谢,达到最优效果是每天1h,达到最大心率(220-年龄)的六七成 ==> 找到适合自己的运动项目;碎片时间也运动一下

人受昼夜节律影响;睡的越久越容易醒,醒的越久越想睡;

  1. 高碳水化合物(米饭、面条)的食物容易变成糖 ==> 让血糖升高快 ==> 胰岛素快速分泌 ==> 色氨酸进入大脑 ==> 色氨酸是合成褪黑素的重要原料 ==> 褪黑素越多人就越觉得困;
  2. 大脑大量血液来到消化道 ==> 大脑供血下降容易感受到疲惫
  3. 减少血糖的波动,一餐吃的太饱,两餐间隔太久,血糖波动就大

少吃多餐;吃低糖高营养的事物,尤其是绿叶的蔬菜;多喝水,保持充分的水化。

没事别上床,建立上床和睡觉之间的条件反射;户外多活动 日照 ==> 松果体 ==> 褪黑素;睡前做准备 屋子较黑,降低核心体温(洗澡、泡澡 ==> 核心体温骤降);增加白噪音。

人脑在一段时间内,只能主要存在一种情绪;人脑更容易产生负面情绪(损失比获得更敏感);把焦虑的事情写下来并想出相应的对策 ==> 担心转换为解决问题。

人的大脑有两类输出:事务性或应付性;系统性创造性输出;把精力主要聚焦于后者。准备个清单app将分神的事情先异步处理;把最好的时间留给最重要的事情。人的精力输出不是线性的,而是脉冲短跑式的。人生的意义就在于用自己所长(能给别人当老师的程度)服务他人,找到喜欢、擅长、别人所需要的交汇点。

《怎样成为快速识人的高手》

如果想把一个人看的全看的准,你首先要知道:获得了哪方面的信息,才算比较全面的了解一个人?关于行为风格、个性特质,作者总结了4个观察锚点(在人身上比较恒定;有可行的观测方法)

  1. 自我评价倾向,说的是一个人习惯性的高估还是低估自己,就是自信还是不自信。一个过度自信的人,很有可能会忽略风险,会有不客观的乐观。而一个自我评价偏低的人,风险意识太强会导致保守,不敢去去主动发起或承担有挑战性的事情。PS:如何看待自己
  2. 人际合作风格 PS: 如何看待世界与他人,接受还是改变?
    1. 能量值,内在动力大小,是不是拥有比较大的事业梦想,是不是愿意去搞事情。有的人天生欲望强烈,有的人则比较佛系。
    2. 边界感,边界感强的人天然会不喜欢涉入别人的事情,也不喜欢别人侵犯自己的领地,比较挑剔,跟外界产生的连接的可能性较小。边界感弱的人跟不同的人都能谈到一起、能展开合作,社交圈大。就好比一个插线板,有的人是两个接口,有的人有七八个接口。
  3. 内在诉求,一个人做事背后的动力机制,可能会激励一个人,也可能会阻碍一个人。 PS: 想要什么?
    1. 权力需要,追求掌控权和影响力
    2. 成就需要,追求有挑战性的目标,希望把事情做得完美,喜欢克服困难解决问题带来的成就感
    3. 亲和需要,追求建立友好亲密的人际关系,希望自己被人接纳和喜欢
  4. 稳定性,底层是情绪的稳定性,表现在外在包括:情绪波动,自我管理能力,工作中的稳定表现,意志的坚韧性,压力状态下的处事灵活性,敏感还是钝感等。PS: 看法本身是否稳定

我们看人不是看他说了什么,而是看他做了什么,所以交谈的核心,是要听对方怎么谈论自己过往做过的事情。

在社交场合,怎么样在对方不反感的情况下,获得更多信息呢?

  1. 一个小的沟通技巧:过桥语言。首先,你抛出的问题,不是无来由的,不要让对方觉得突兀。其次,你对自己想套取什么样的信息心里是有指向性的,就是说你知道这座“桥”会跨到哪里。过桥语言典型有三种:投石问路式、赞赏式、验证假设式(已经获得了一些信息,有了初步判断,验证下判断)。
  2. 一般来说,在破冰阶段,你要先判断,这个人是偏开放还是拘谨。对开放的人,只需要表现出对他的好奇,一般就能聊起来。面对比较拘谨的人, 你可以通过“信息交换”打开对方的话匣子,也就是先主动说自己的事情,用信息置换信息。
  3. 高能话题:“如果回到当初,你还这么干么?”以请教方式问两难的问题;你对将来有什么样的打算(可以观察内在诉求和能量值)。

PS:为什么电视剧很多计谋反派想不到, 因为人们喜欢以自己为出发点,来揣测别人。以己度人,是人性一大弱点。

《行为经济学》

有一个比较有名的策略叫做内幕交易策略,这里面讲的内幕交易策略当然不是指违法的那个内幕交易策略,而是跟着那些大股东、CEO、高管去做买卖,这些大股东和高管叫做内幕人员,所以这个交易叫做内幕交易,因为这些内幕人员的任何买卖,都要报备证监会、报备SEC。所以说这个策略是可行的,他们说要买,你就跟着他们买,他们说要卖,你就跟着他们卖。这个策略早期挺赚钱的,后来这个策略大家都知道了,就没有那么赚钱了。

怎么改进这个策略呢?假设内幕人员买了两个股票,A和B,两个股票的高管以前都是100块钱买的。股票A跟前面例子一样,从100块钱涨到150块,现在内幕人员把它卖掉了;股票B是从100块钱跌到80块,现在内幕人员也把它卖掉了。你觉得内幕人员卖出的哪只股票含有的信息量大?你想,股票A从100块钱涨到150块,把它卖掉,是不是符合人性的行为?正常人都想锁定盈利,所以它可能不一定含有什么坏的信息,只是想把它卖掉。B是从100块钱跌到80块,这个时候内幕人员在卖,是违反人性的行为,我们中国人把这个东西叫做“割肉”。你想这些内幕人员都在“割肉”,一定是含有更多的信息量,可能是内幕人员觉得这个股票将来真的不行了,所以要忍痛割肉了。

如何证明人性是不是进化来的? 你想,如果连猴子都有损失厌恶,基本上说明损失厌恶是由于进化过来的,那就说明损失厌恶在过去曾经帮助过我们生存和繁衍后代。