cnblogs.com

在 SQLcl 中管理多个数据库连接时，如果所有连接都堆在根目录下，查找起来会非常麻烦。笔者在实际使用中发现，conn 命令本身并没有提供 -folder 之类的参数，无法在保存连接时直接指定文件夹。想要让连接归入某个目录，需要采用“先建后移”的思路。 01 | 为什么不能直接保存到文件夹 使用 conn -save 连接名 ...

写于 2026 年 10 月 12 日。起点是 Skycloak 那篇《Keycloak 26.8 Token Exchange Delegation for AI Agents》，往下挖了 Keycloak 官方文档、RFC 8693、IETF 几个相关草案和主流厂商的方案。所有事实都带原始出处。 这篇博客在说什么 Keycloak 26.8.0 在 2026 年 10 月 1 日发布，其中一个不大不小的变化是：Token Exchange 的委托（Delegation）功能从实验状态升到了预览状态，并且加了一个新的委托类型——客户端委托（Client Delegation），官方定位就是给 AI Agent 用的（Keycloak Release Notes）。 机制本身不复杂。用户登录时，客户端在 scope 里带上 delegation:client:actor-app 这样的参数化 scope，Keycloak 校验这个叫 actor-app 的客户端存在、开着服务账号、并且拿到了 FGAP V2 里针对当前用户的 delegate...

Solution 我们不能直接查询数列前几项，只能查询 \(L\le i<M\) 的位置。这意味着很可能需要利用数列本身的数学结构和性质。 我们需要一个可以让我们从任意靠后的几项推出 \(p,q\) 的性质。 这里直接上结论 \[f_i^2-f_{i-1}f_{i+1}\equiv(-q)^i \] 不难归纳证明。（专门对着这个式子出的题吧，没学过二阶齐次线性递推做不出来很正常） 最自然的想法是问 \(f_{M-3},f_{M-2},f_{M-1}\)。 此时根据结论，有 \[f_{M-2}^2-f_{M-3}f_{M-1}\equiv(-q)^{M-2} \] 由费马小定理，\((-q)^{M-2}\equiv(-q)^{-1}\)，因此 \[q\equiv-\left(f_{M-2}^2-f_{M-3}f_{M-1}\right)^{-1} \] 我们就得到了 \(q\)。再来考虑如何得到 \(p\)。 由递推式得 \[\begin{aligned} f_{M-1}&\equiv qf_{M-3}+pf_{M-2} \\ pf_{M-2}&\equiv...

一、为什么企业级 Agent 需要分层架构？ 随着大语言模型（LLM）技术的发展，Agent 正在从简单的智能对话工具，逐渐发展为能够理解任务、制定计划、调用工具、执行操作并交付结果的智能应用。 例如，一个企业营销 Agent 可以根据用户提出的目标，自动分析市场、搜索行业资料、生成营销方案、撰写公众号文章、制作小红书文案，最后将内容整理为可供团队审核的交付物。 但如果要真正实现这样的系统，仅仅接入一个大模型是不够的。 企业级 Agent 还需要解决很多工程问题： 如何统一接入不同的大语言模型？ 如何让 Agent 使用数据库、搜索引擎和企业业务系统？ 如何让 Agent 将复杂任务拆分为多个步骤？ 如何管理对话、任务状态、长期记忆和知识库？ 如何支持长时间运行、失败重试和中断恢复？ 如何限制 Agent 的操作权限，防止误操作？ 如何追踪执行过程、评估结果质量并控制成本？ 如果把所有功能都写在一个 Agent 程序中，系统很快就会变得复杂：模型调用与业务逻辑混在一起，工具之间相互依赖，任务状态难以管理，安全策略也很难统一维护。...

下载地址：ComAssistant.exe https://url16.ctfile.com/f/55319716-17569905083438-726a20?p=MMOiQPvV 源码下载地址：敬请稍后！ 核心功能：参数配置：一键枚举串口，波特率300–15200bps全覆盖，数据位/停止位/校验位/全自定义，适配RS232/485/422、USB转串口等几乎所有串口设备。 双模式数据可视化：HEX/ASCII实时切换显示，毫秒级时间戳、收发字节/帧数/错误率统计，通信时序一目了然。 五大发送区+灵活发送：内置5组独立发送区，支持手动/自动/循环发送，可自定义发送间隔、次数，一键轮询指令，调试效率拉满。唐老鸭的只有三个发送区。这里增加到5个。 附加优化功能：8大可命名按钮发送自定义指令区，增加可发送指令集数量。 CRC校验+报文构造：内置CRC校验计算/修改，支持十六进制编辑器式手动构造复杂报文，协议调试更省心。 轻量无负担：单文件免安装，下载即用，不占资源，C#编写，提供源码。新老电脑都可以流畅运行。 帧数据保存：可保存帧数据，留存调试记录。做系统分析。...

本文为MQTT系列开篇，结合8年实战经验，剖析物联网接入层为何普遍选择MQTT：低功耗、发布订阅模型、QoS保障及断线恢复能力。揭示项目中高频踩坑：QoS误配、CleanSession配置错误、ClientId冲突、心跳失效等真实问题。提出从协议基础到生产落地的六阶段学习路线，聚焦.NET生态与工程实践，助力开发者系统掌握MQTT，避免重复踩坑，迈向架构级能力。 本篇为MQTT系列文章的开篇之作，主要围绕以下3点展开： 为什么物联网接入层普遍选择MQTT？ 日常项目里最容易踩哪些坑？ 以及整个系列完整学习路线。 01、8年MQTT生涯，我是怎么"混"过来的 我是2016年开始接触MQTT的。那时候.NET生态里几乎没有MQTT的资料，NuGet上连一个像样的客户端库都找不到。 我的学习路径是这样的： Google搜"MQTT tutorial" → 找到HiveMQ的博客，看了几篇入门文章; GitHub搜"MQTT .NET" → 找到MQTTnet，看了README和Demo; Stack Overflow搜报错 → 复制粘贴，能跑就行; 生产环境出问题 →...

用 NumPy 写代码的人很多，但很多人写出来的代码还是慢。 原因通常只有一个：虽然用了 NumPy 的数组，但逻辑上还是在一行一行地 for 循环。 NumPy 快的根源在于底层调用的是 C 和 Fortran 的优化库，能一次性处理整个数组——前提是你得把循环改成向量化操作。 这需要的不是背 API，而是换一种思维方式：从"逐个遍历判断"变成"描述对数据做什么变换，让底层去批量执行"。 本文列举 7 个具体场景，演示从循环到向量化的改写过程，每个场景都带模拟数据，你可以直接跑起来看效果。 先看下面这张图，感受一下两种思维方式的不同： 做数据分析时，经常遇到"满足条件的元素做一种处理，不满足的做另一种"的需求。 比如一份销售数据，正数是实际销售额、负数是退货金额，现在要把所有实际销售额翻倍，退货金额保持不变。 先造一批模拟数据： import numpy as np np.random.seed(42) sales = np.random.normal(loc=50, scale=30, size=100_000) # 大致是均值为50、标准差为30的正态分布，会有不少负数...

DevEco Studio，基于IntelliJ IDEA社区开源版打造。它是面向 HarmonyOS 应用与元服务的一站式集成开发环境，用于开发鸿蒙全场景多端应用，适配手机、平板、折叠屏、PC 等设备。支持多语言智能编码、多端 UI 实时预览，集成 Hvigor 构建工具与 OHPM 包管理器；内置本地模拟器，可完成跨语言调试与性能分析； AI 辅助编程以及 AppAnalyzer 应用体检能力。 动画视频在《5.

博客园是一个面向开发者的知识分享社区。

博客园是一个面向开发者的知识分享社区。