EIGHTJIU

Jev的定义Jev是TypeSafe AI推出的一种 System One模型。 与ChatGPT、Claude等传统LLM不同，Jev的核心目标不是： 生成自然语言文本 而是： 根据输入状态，对预先定义的问题进行结构化决策，并返回可以直接被程序使用的结果。 简单来说： 1234567传统LLM：输入 ↓LLM ↓自然语言 Jev： 1234567输入状态 ↓Jev ↓结构化决策 ↓程序执行 例如： 1234567891011121314输入：“客户要求退款，并表示商品存在质量问题。”问题：客户是否要求退款？→ 0.97客户的主要诉求是什么？→ refund客户情绪等级？→ concerned 这些结果可以直接被程序使用。 Jev的官方生态资料将其定位为面向软件的“System One”模型，通过 Choice、Score 和 Noul 等类型返回结构化判断，而不是生成普通文本。 为什么需要Jev？传统LLM非常擅长： 写文章 写代码 总结 对话 推理 内容生成 但是很多软件任务实际上不需要“写一段话”。 例如： 1这个工单应该交给哪个部门？ 真正需要的可能...

Harness的定义Harness（Agent Harness）可以理解为： 给定一个大语言模型，通过增加工具调用、上下文管理、任务循环、权限控制、记忆、状态管理、评估等基础设施，让LLM从“只能回答问题的模型”变成“能够持续完成任务的智能体”。 简单来说： LLM负责思考，Harness负责让它真正做事。 传统LLM： 12345用户问题 ↓LLM ↓文本回答 Agent： 1234567891011121314151617用户任务 ↓LLM ↓判断下一步做什么 ↓调用工具 ↓获得工具结果 ↓重新交给LLM ↓继续判断 ↓…… ↓完成任务 而控制这个循环的基础设施，就是Agent Harness。 微软对 Agent Harness 的定义也强调了这一点：Harness负责驱动模型调用与工具调用、管理会话状态和上下文、执行审批策略，并让Agent能够持续推进多步骤任务。 Coding Agent|Browser Agent|Research Agent|Data Agent|DevOps Agent Harness解决什...

AI Infra的定义Infra 是 Infrastructure（基础设施） 的缩写。 简单来说： Infra不是直接给用户提供具体功能的业务，而是为上层软件提供运行所需要的基础能力。 例如一个普通网站： 123456789用户 ↓前端 ↓后端 ↓数据库 ↓服务器 其中： 前端：用户直接使用 后端：实现业务逻辑 数据库：保存数据 服务器：提供计算资源 而服务器、网络、存储、数据库等底层能力，就属于软件系统的： Infrastructure 为什么叫“基础设施”？可以类比现实世界。 一个城市： 1234567城市│├── 道路├── 电力├── 自来水├── 通信网络└── 物流 这些东西通常不是最终产品。 例如： 用户不是为了“用电网”才去买手机。 但是： 没有电网，手机也很难正常工作。 因此： 123456789基础设施 ↓提供底层能力 ↓上层系统 ↓提供具体业务 ↓用户 软件里的Infra也是同样的思想。 什么是AI Infra？AI Infra就是： 为了让AI模型能够训练、部署、运行、扩展和被上层应用稳定使用，而建...

Windows C 盘安全清理笔记 目标：在不影响系统正常运行的前提下，快速释放 C 盘空间。 一、先查看空间被谁占用了方法一：Windows 存储分析操作步骤 按 Win + I 打开： 1系统 → 存储 可以看到： 应用和功能 临时文件 文档 图片 其他 点击每一项可以查看详细占用情况。 方法二：使用磁盘分析工具推荐工具： WizTree（速度最快） WinDirStat（功能全面） 作用： 查看哪些文件夹占用了大量空间 快速定位几十 GB 的大文件 避免盲目删除系统文件 二、清理临时文件方法一：Windows 设置进入： 1设置 → 系统 → 存储 → 临时文件 建议勾选： ✅ Windows 更新清理 ✅ 临时文件 ✅ DirectX 着色器缓存 ✅ 缩略图 ✅ 回收站（确认没有需要恢复的文件） 谨慎勾选： ⚠️ 下载（Downloads） ⚠️ 以前的 Windows 安装 最后点击： 1删除文件 方法二：磁盘清理工具操作步骤 按 Win + R 输入： 1cleanmgr 选择： 1C: 点击： 1清理系统文件 建议勾选：...

Solidity 学习随记本文集中记录 Solidity 函数可见性、状态可变性和数据位置。理解这三部分能够避免调用上下文混淆、状态误修改和不必要的 Gas 消耗。 函数可见性 可见性 合约内部调用 外部调用 典型用途 private 仅当前合约 不允许 局部实现细节 internal 当前合约与派生合约 不允许 可继承的内部逻辑 public 允许 允许 同时服务内部与外部 external 不能按函数名直接调用 允许 外部接口入口 external 的正确调用方式同一合约中的 external 函数不能写成 operation() 进行内部调用。使用 this.operation() 可以调用，但它会经过 ABI 编码并执行一次 EVM 外部调用，msg.sender 也会变为当前合约地址。 1234567891011121314151617181920// SPDX-License-Identifier: MITpragma solidity ^0.8.20;contract VisibilityDemo { function op...

特征工程特征工程是把原始数据转换为模型可学习信号的过程。目标不是盲目增加字段，而是用稳定、可解释且可复现的方式表达与任务相关的信息，同时避免数据泄漏。 标准流程123456789flowchart LR A[原始数据] --> B[数据剖析] B --> C[清洗与缺失处理] C --> D[特征构造] D --> E[编码与缩放] E --> F[特征选择] F --> G[训练与交叉验证] G --> H[线上特征服务] H --> I[漂移监控] 常用处理方法数值特征 缺失值可使用中位数、分组统计量或模型方法填补，并增加缺失指示字段。 偏态分布可使用对数变换或分位数变换。 对距离敏感的模型可执行标准化或归一化，树模型通常不依赖缩放。 极端值应结合业务规则截断，不宜仅凭统计阈值删除。 类别特征低基数类别适合独热编码。高基数类别可使用频次编码、哈希编码或带交叉验证的目标编码。未知类别必须有稳定的兜底值，避免线上推理失败。 时间与文本特征时间字段可拆分为小时、星期、月份和节假日，也...

比赛官网 :https://competition.ai4s.com.cn/race/10/description 赛题解读 ：https://ailc.datawhale.cn/hall/group/91/task/162 RNA-蛋白结构预测算法竞赛经验总结一、总体竞赛流程这类结构生物学竞赛与传统机器学习竞赛最大的区别在于： 传统竞赛关注的是： 数据 → 特征 → 模型 → 分数 而结构预测竞赛更接近： 序列 → 结构生成 → 候选结构筛选 → 提交结构 → 分数 因此整体流程建议按照以下顺序推进： 第一阶段：Baseline复现目标： 跑通官方代码 生成完整预测结果 获得第一版提交成绩 重点检查： 是否所有样本均成功预测 是否存在OOM（显存爆炸） 是否成功生成全部cif文件 是否成功生成confidence文件 不要急于优化。 先确保： 所有题目都有答案。 第二阶段：结果筛选优化目标： 从模型已经生成的多个候选结构中挑出最优答案。 流程： 生成多个候选结构 → 读取置信度指标 → 筛选最优结构 → 提交 这类优化成本极低。 往往是最容易获得收益的方向。 ...

CrossTickSwapCrossTickSwap 指集中流动性自动做市商中的跨刻度交换。交易推动当前价格越过一个或多个已初始化刻度时，协议必须分段计算成交量，并在每个边界更新有效流动性。理解该过程的关键是区分当前有效流动性、刻度上的净流动性变化和价格方向。 核心对象 sqrtPriceX96：当前价格平方根乘以 2^96 后的定点数。 tick：离散价格索引，价格近似满足 price = 1.0001^tick。 liquidity：当前价格区间内可参与交易的有效流动性。 liquidityNet：穿越某个已初始化刻度时应加入或移除的净流动性。 feePips：以百万分之一为精度表示的手续费率。 跨刻度执行流程12345678910111213flowchart TD A[接收输入数量与价格限制] --> B[定位当前刻度和有效流动性] B --> C[查找交易方向上的下一个初始化刻度] C --> D[计算到目标价格所需的输入和输出] D --> E{本轮输入是否足够到达目标价格} E -- 否 -...

LiquidityNetLiquidityNet 是集中流动性池在某个刻度边界上的净流动性变化量。它不是该刻度拥有的流动性总额，而是价格穿越边界后，当前有效流动性应增加或减少的差值。 与 LiquidityGross 的区别 liquidityGross 记录引用该刻度的所有仓位流动性绝对值之和，用于判断刻度是否已初始化。 liquidityNet 记录从低价方向向高价方向穿越刻度时，有效流动性的净变化。 一个刻度可以具有较大的 liquidityGross，同时 liquidityNet 接近零。这说明在该边界开始和结束的仓位规模相近。 仓位如何影响边界流动性提供者在区间 [tickLower, tickUpper) 增加数量 L 时，两个边界按以下规则记录： 12liquidityNet[tickLower] += LliquidityNet[tickUpper] -= L 12345flowchart LR A[低于 tickLower] -->|向上穿越下界 加 L| B[仓位处于有效区间] B -->|向上穿越上界 减 L| C[高于 tic...

Viem 与 Ethers.js 对比Viem 与 Ethers.js 都能完成以太坊 RPC 调用、合约交互、日志解析和交易签名。选择时应关注项目现有技术栈、类型安全要求、插件兼容性与团队经验，而不是简单判断某个库更先进。 设计差异 维度 Viem Ethers.js API 风格 函数式客户端与显式账户 面向对象的 Provider、Signer 与 Contract 类型系统 基于 ABI 推导参数和返回类型 类型支持完善，可配合 TypeChain 模块组织 公共客户端与钱包客户端分离 读取与签名能力通过对象组合 包体与导入 支持细粒度导入 核心入口统一，使用直观 生态 常与 Wagmi 等现代前端工具配合 历史项目、脚本和教程覆盖广泛 迁移成本 API 差异较大，需要重写调用层 版本升级也需关注破坏性变化 12345678910flowchart LR A[应用业务层] --> B{客户端库} B --> C[Viem publicClient] B --> D[Ethers Pr...