Johnny-Zhao's TechBlog

1234567891011121314151617181920212223242526272829303132333435# -- TodoManager: structured state the LLM writes to --class TodoManager: def __init__(self): self.items = [] def update(self, items: list) -> str: if len(items) > 20: raise ValueError("Max 20 todos allowed") validated = [] in_progress_count = 0 for i, item in enumerate(items): text = str(item.get("text", "")).strip() status...

只有 bash 时, 所有操作都走 shell。cat 截断不可预测, sed 遇到特殊字符就崩, 每次 bash 调用都是不受约束的安全面。专用工具 (read_file, write_file) 可以在工具层面做路径沙箱。 123456789101112def safe_path(p: str) -> Path: path = (WORKDIR / p).resolve() if not path.is_relative_to(WORKDIR): raise ValueError(f"Path escapes workspace: {p}") return pathdef run_read(path: str, limit: int = None) -> str: text = safe_path(path).read_text() lines = text.splitlines() if limit and limit < len(lines): lin...

take a stroll 散步

12345678+--------+ +-------+ +---------+| User | ---> | LLM | ---> | Tool || prompt | | | | execute |+--------+ +---+---+ +----+----+ ^ | | tool_result | +----------------+ (loop until stop_reason != "tool_use") 12345678910111213141516171819202122def agent_loop(query): messages = [{"role": "user", "content&quo...

workflow、提示词链编排库、无代码……不是agent。 只是一个脆弱的流水线，pipline。 在开发agent时，只可能是两个意思 训练模型，通过强化学习、微调、rlhf去调整权重 构造harness，为模型提供一个可操作的环境。 1234567Harness = Tools + Knowledge + Observation + Action Interfaces + Permissions Tools: 文件读写、Shell、网络、数据库、浏览器 Knowledge: 产品文档、领域资料、API 规范、风格指南 Observation: git diff、错误日志、浏览器状态、传感器数据 Action: CLI 命令、API 调用、UI 交互 Permissions: 沙箱隔离、审批流程、信任边界 模型做决策，harness执行。模型做推理，harness提供上下文。模型是决策者，而harness是载具。 如何做一名master of harness？ 实现工具。要给agent...

读题干就是抓考点 REST 一，看范围：range：most main major 二，看情感趋势 三，看对象。一三考对话，二四考独白。part2考旅游场景较多，一般第一人称是导游。 四，看时间，early代表过去，currently现在，later是将来 origially 一开始 eventually 最终 used to do immediately shortly priority new=first time 二四考独白 continental 大洲 一般作为global和international的替换词 majority as most 数字不会替换 在保险中 出现take out 就是付费 claim 索赔 policy 保单 reservation 就是booking 预定 gift present treat a couple of 就是two almost most of you nearly everyone promotion 升职加薪 move up get motivated 否定词有四种考法： we aren’t family 重读一般是否定，因为...

第一章，商务智能 本章目录 本门课实际上是三个部分：数据仓库（DW）；多维数据分析（OLAP）；数据挖掘（DM） 第一节、数据信息知识 数据 定义：一些“无意义的符号”，是对客观实体、状态或变化的原始记录。 例子：数据库中的一个数字 “10”，本身没有任何具体含义。 信息 定义：对数据进行有目的、有规范的加工和处理，赋予其上下文。 关键点：我们专业叫“信息管理”而非“数据管理”，核心就在于“加工处理”。用熵去代表信息量。 例子：将 “10” 解释为 “这条生产线每小时能生产 10 个零件”。 知识 定义：对信息进行更深层次的理解、推理和归纳，将其浓缩后形成的“模式”或“规律”。 例子：通过长期观察总结出：“这条生产线的产能上限就是每天 10 个零件”。这是一种经验。 智慧 定义：应用已有的知识去解决问题、做出决策的能力。 例子：销售部门利用“产能上限 10 个”这一知识，避免做出“100 个零件 7 天交货”的错误决策。 例 如：“5 月 20 日”是 数 据，记录 的 是 你 好 朋 友 的 生 日 就 是 信 息，你 投 其 所 好 送 了 一 瓶 Ch...

最近 Z-Image-Turbo 模型在社区热度很高，以极快的推理速度著称。网上关于 Windows (NVIDIA 显卡) 的部署教程已经非常丰富，大多推荐使用 FP8 精度版本。 然而在 macOS (M 系列芯片) 上部署该模型时，情况完全不同。由于 MPS (Metal Performance Shaders) 后端对数据类型的支持差异，直接照搬 Windows 的流程会遇到不少阻碍。本文记录了在 Mac 上基于ComfyUI + GGUF 方案部署 Z-Image-Turbo，并封装 OpenAI 兼容 API 的全过程。 在这次部署中，我主要依赖了几个核心工具来构建整套系统。首先是 ComfyUI，这是一个基于节点流的 Stable Diffusion 操作界面，它极高的灵活性允许我们对推理管线进行精细的控制。其次是 GGUF 格式及其对应的 ComfyUI 插件，GGUF 原本是大语言模型领域常用的量化格式，现在被引入到图像生成领域，能够极大地降低显存占用并提升在 Mac 设备上的运行效率。最后是 ComfyUI API Bridge，这是一个基于 Python ...

第一题 信息经济学的作用 信息经济学有利于揭示市场经济中低效率的原因。有益于揭示信息分布的非对称性对激励机制、商业谈判、制度安排等的影响，对市场运行的不利影响及其弥补措施。 信息经济学可以帮助人们建立对市场经济中信息市场运行的认识框架。包括委托代理与激励、逆向选择与道德风险、信号发送与信息甄别，以及搜寻与信息系统选择等，从而可以更好地认识信息和信息系统的特性。 信息经济学揭示了信息作为经济中重要投入要素的作用，其作用具有边际效益递增的趋势。 信息经济学促使人们理解信息的可靠性、完整程度和披露方式对市场和政府有效运作的重要影响，信息不灵会导致市场配置和政府调控的失效 。 信息经济学推动人们认识到，越是复杂的经济活动越需要依赖信息，信息对这类活动的作用日益增大，缺乏信息和必要的信息处理能力，会极大影响这类活动的效率，甚至导致失败。 第二题 分离均衡与混同均衡的定义 混同均衡是指在不同的类型的参与者都采取相同的策略时，市场参与者无法区分不同类型的参与者。在这种情况下，信息不对称导致市场参与者无法根据其他参与者的类型来做出决策。导致市场低效率 分离均衡是指不同类型的参与者采取不...