河岳日星的博客

前言作为一名运维工程师，同时热爱写作与技术分享，我一直希望拥有一套 「源码私有、部署自动、在线可写、双保险保底」 的个人博客系统。 传统 Hexo 博客需要本地编译、手动部署，源码直接放在公开仓库不安全，也不方便多设备协作。本文将以 我自己的实际搭建过程（全程踩坑记录） 为蓝本，从零带你完成： 私有仓库存储 Hexo 源码（保护源码安全，仅自己可见） 公开仓库 用户名.github.io 托管 GitHub Pages（公网访问） GitHub Actions 实现「推源码即自动部署」（彻底解放双手） Qexo 在线管理后台（浏览器直接写文章，无需本地环境） 双远程方案保留手动部署保底（零风险，不影响原有使用习惯） 全程保姆级，每一步点哪里、填什么、踩什么坑、怎么解决，全部写透，小白也能一次成功。 前置准备在开始前，请确保你已准备好以下环境： GitHub 账号：已注册，牢记你的 GitHub 用户名（本文以 HYRX-TG 为例） 本地 Hexo 博客环境：已搭建完成，本地可正常运行 hexo s 预览，有完整的博客源码（包含 _config.yml、source、theme ...

大模型应用岗的面试，和纯算法岗差异很大：不考你训模型，考你怎么把一个模型变成能用的产品。我把高频题按 RAG、微调、Agent、工程四块拆开，每道都附「标准答法」和「加分答法」。 一、RAG 类Q1：RAG 最常见的失败模式是什么？怎么治？标准答：检索质量差（召回不对）→ 回答跑题或幻觉。治法是混合检索（向量 + 关键词 BM25）+ 重排序（reranker）。加分答：我踩过的真实坑是「检索到了但没用上」——长上下文里模型被无关段落带偏。解法是检索结果做压缩/摘要再进 prompt，以及给每段打引用来做事实约束。这在我写的 RAGFlow 实战三（检索调参）里展开过。 Q2：怎么评估一个 RAG 系统？标准答：离线用召回率@k、答案准确率（LLM-as-judge）；在线看用户满意度。加分答：要分两层测——检索层（chunk 切得对不对、召回全不全）和生成层（有没有幻觉、有没有引用）。两层分开测才能定位问题，否则只会笼统说「效果不好」。 二、微调类Q3：什么时候该微调，什么时候用 RAG？标准答：RAG 解决「知识更新」，微调解决「能力/风格塑造」。知识类用 RAG，语气/格式/特定 ...

给短剧做视觉资产，第一个会踩的坑不是”提示词写不好”，而是把提示词当成了图片。 具体是这样的：资产阶段写好了一份《图片提示词》，每个角色一个 IMG-001 编号。到了分镜阶段，写到某一镜需要主角的参考图，就在”输入参考图”里填了 IMG-001。跑生成的时候报错——因为项目里根本没有这张图，只有一个编号。 IMG-001 只是这份提示词文档里的一个条目 ID。它不声明图片已生成、已提供或可用。 一、三个槽位，含义完全不同这套流程里跟”图”有关的槽位有三个，混用一次就会出事： 槽位 含义 能否投产 IMG-... 《图片提示词》里的提示词条目编号 不能，它只是文字 REF-... 文件此刻就在项目里 能 PLAN-... 创作者在自己的工具里出图，生成时自行挂载 不能，项目内没有文件 判断标准很简单也很硬： REF-... 的意思是「文件此刻在项目里」。只要文件不在项目里，就不能写 REF——哪怕你已经看过图、哪怕图就在手边。 这条规则听起来教条，但它挡掉的是最贵的一类错误：下游拿到一个不存在的路径，安静地降级、或者干脆失败，而你以为一切正常。 二、每张图先 ...

用 AI 写剧本，最大的问题从来不是”写不出来”，是写出来的东西一眼就能看出是 AI 写的。 具体表现：每场都有一个精确到秒的倒计时、每个道具都是关键物证、每句台词都在解释刚才发生了什么事、每个配角都被安排了秘密和反转。 这些都不算错，问题是——输入根本没要求这些东西。它们是模型在”显得自己很专业”时加上的机关，而不是故事需要的结果。 下面这套写法，核心就一条：先服从输入给出的事实，不要补造题面没有的东西。 一、每场戏必须先回答：这场改变了什么判断标准是硬的：信息、权力、关系、情绪、物理状态、风险——六项里至少变一项。 一项都不变的场，删掉或者合并。 还有一条更严格的：核心阻力的转向必须有可追溯的依据。靠”对手突然不想打了”来转向，是最常见的偷懒——真正能转向的东西是事实、筹码、权限、代价或人物行动，四者之一。 二、对白在干什么？一句对白如果只是传递信息，它就是废的。好的对白在： 争取 · 回避 · 试探 · 逼迫 · 重新定义关系 五种里占至少一种。 两条禁令： 不用解释替代行动——“我刚才偷看了他的文件”是解释，把那张纸塞进兜里被人看见才是行动 不把已经演清的机制再说一遍——观众 ...