1774877281

.obsidian/app.json

@@ -22,7 +22,5 @@
   "showIndentGuide": false,
   "spellcheck": false,
   "foldIndent": false,
-  "userIgnoreFilters": [
+  "userIgnoreFilters": null
-    "attachment/"
-  ]
 }

.obsidian/appearance.json

@@ -1,7 +1,5 @@
 {
-  "enabledCssSnippets": [
+  "enabledCssSnippets": [],
-    "myTheme"
-  ],
   "monospaceFontFamily": "JetBrainsMono Nerd Font Mono",
   "textFontFamily": "思源黑体",
   "interfaceFontFamily": "JetBrainsMono Nerd Font Mono",

.obsidian/bookmarks.json

@@ -5,12 +5,6 @@
       "ctime": 1736742940138,
       "path": "work/移动杭研/业务梳理/接口收纳.md"
     },
-    {
-      "type": "file",
-      "ctime": 1768964533760,
-      "path": "work/移动杭研/开发记录/7.18.0/开发笔记.md",
-      "title": "7.18.0 开发笔记"
-    },
     {
       "type": "file",
       "ctime": 1772680366639,

.obsidian/command-palette.json

@@ -2,7 +2,6 @@
   "pinned": [
     "file-explorer:reveal-active-file",
     "file-explorer:move-file",
-    "open-with-default-app:show",
     "app:reload"
   ]
 }

.obsidian/community-plugins.json

@@ -1,9 +1,6 @@
 [
-  "obsidian-paste-image-rename",
   "update-relative-links",
-  "quickadd",
   "calendar",
-  "recent-files-obsidian",
   "oz-clear-unused-images",
   "obsidian-excalidraw-plugin",
   "templater-obsidian",

.obsidian/daily-notes.json

@@ -1,5 +1,5 @@
 {
   "folder": "calendar/diary",
-  "template": "attachment/templates/日记模板",
+  "template": "attachment/templates/日常记录-日记模板",
   "autorun": false
 }

.obsidian/hotkeys.json

@@ -1,4 +1,5 @@
 {
+  "app:open-help": [],
   "workspace:goto-tab-1": [],
   "workspace:goto-tab-2": [],
   "workspace:goto-tab-3": [],
@@ -7,45 +8,29 @@
   "workspace:goto-tab-6": [],
   "workspace:goto-tab-7": [],
   "workspace:goto-tab-8": [],
+  "workspace:goto-last-tab": [],
   "editor:set-heading-1": [
     {
-      "modifiers": [
+      "modifiers": ["Mod"],
-        "Mod"
-      ],
       "key": "1"
     }
   ],
   "editor:set-heading-2": [
     {
-      "modifiers": [
+      "modifiers": ["Mod"],
-        "Mod"
-      ],
       "key": "2"
     }
   ],
   "editor:set-heading-3": [
     {
-      "modifiers": [
+      "modifiers": ["Mod"],
-        "Mod"
-      ],
       "key": "3"
     }
   ],
-  "workspace:goto-last-tab": [],
+  "templater-obsidian:create-attachment/templates/日常记录-闪念笔记.md": [
-  "app:open-help": [],
-  "app:open-settings": [],
-  "obsidian-memos:show-thino-editor": [
     {
       "modifiers": [],
       "key": "F1"
     }
-  ],
+  ]
-  "editor:toggle-comments": [],
-  "quickadd:runQuickAdd": [
-    {
-      "modifiers": [],
-      "key": "F1"
-    }
-  ],
-  "workspace:close-window": []
 }

.obsidian/plugins/obsidian-excalidraw-plugin/manifest.json

@@ -1,7 +1,7 @@
 {
   "id": "obsidian-excalidraw-plugin",
   "name": "Excalidraw",
-  "version": "2.21.0",
+  "version": "2.21.2",
   "minAppVersion": "1.5.7",
   "description": "Sketch Your Mind. An Obsidian plugin to edit and view Excalidraw drawings. Enter the world of 4D Visual PKM.",
   "author": "Zsolt Viczian",

.obsidian/plugins/obsidian-paste-image-rename/data.json

@@ -1,10 +0,0 @@
-{
-  "imageNamePattern": "image-{{DATE:YYYYMMDDHHmmssSSS}}",
-  "dupNumberAtStart": false,
-  "dupNumberDelimiter": "-",
-  "dupNumberAlways": false,
-  "autoRename": true,
-  "handleAllAttachments": false,
-  "excludeExtensionPattern": "",
-  "disableRenameNotice": true
-}

.obsidian/plugins/obsidian-paste-image-rename/main.js

@@ -1,942 +0,0 @@
-/* THIS IS A GENERATED/BUNDLED FILE BY ESBUILD */
-var __defProp = Object.defineProperty;
-var __defProps = Object.defineProperties;
-var __getOwnPropDesc = Object.getOwnPropertyDescriptor;
-var __getOwnPropDescs = Object.getOwnPropertyDescriptors;
-var __getOwnPropNames = Object.getOwnPropertyNames;
-var __getOwnPropSymbols = Object.getOwnPropertySymbols;
-var __hasOwnProp = Object.prototype.hasOwnProperty;
-var __propIsEnum = Object.prototype.propertyIsEnumerable;
-var __defNormalProp = (obj, key, value) => key in obj ? __defProp(obj, key, { enumerable: true, configurable: true, writable: true, value }) : obj[key] = value;
-var __spreadValues = (a, b) => {
-  for (var prop in b || (b = {}))
-    if (__hasOwnProp.call(b, prop))
-      __defNormalProp(a, prop, b[prop]);
-  if (__getOwnPropSymbols)
-    for (var prop of __getOwnPropSymbols(b)) {
-      if (__propIsEnum.call(b, prop))
-        __defNormalProp(a, prop, b[prop]);
-    }
-  return a;
-};
-var __spreadProps = (a, b) => __defProps(a, __getOwnPropDescs(b));
-var __commonJS = (cb, mod) => function __require() {
-  return mod || (0, cb[__getOwnPropNames(cb)[0]])((mod = { exports: {} }).exports, mod), mod.exports;
-};
-var __export = (target, all) => {
-  for (var name in all)
-    __defProp(target, name, { get: all[name], enumerable: true });
-};
-var __copyProps = (to, from, except, desc) => {
-  if (from && typeof from === "object" || typeof from === "function") {
-    for (let key of __getOwnPropNames(from))
-      if (!__hasOwnProp.call(to, key) && key !== except)
-        __defProp(to, key, { get: () => from[key], enumerable: !(desc = __getOwnPropDesc(from, key)) || desc.enumerable });
-  }
-  return to;
-};
-var __toCommonJS = (mod) => __copyProps(__defProp({}, "__esModule", { value: true }), mod);
-var __async = (__this, __arguments, generator) => {
-  return new Promise((resolve, reject) => {
-    var fulfilled = (value) => {
-      try {
-        step(generator.next(value));
-      } catch (e) {
-        reject(e);
-      }
-    };
-    var rejected = (value) => {
-      try {
-        step(generator.throw(value));
-      } catch (e) {
-        reject(e);
-      }
-    };
-    var step = (x) => x.done ? resolve(x.value) : Promise.resolve(x.value).then(fulfilled, rejected);
-    step((generator = generator.apply(__this, __arguments)).next());
-  });
-};
-
-// package.json
-var require_package = __commonJS({
-  "package.json"(exports, module2) {
-    module2.exports = {
-      name: "obsidian-paste-image-rename",
-      version: "1.6.1",
-      main: "main.js",
-      scripts: {
-        start: "node esbuild.config.mjs",
-        build: "tsc -noEmit -skipLibCheck && BUILD_ENV=production node esbuild.config.mjs && cp manifest.json build",
-        version: "node version-bump.mjs && git add manifest.json versions.json",
-        release: "npm run build && gh release create ${npm_package_version} build/*"
-      },
-      keywords: [],
-      author: "Reorx",
-      license: "MIT",
-      devDependencies: {
-        "@types/node": "^18.11.18",
-        "@typescript-eslint/eslint-plugin": "^5.49.0",
-        "@typescript-eslint/parser": "^5.49.0",
-        "builtin-modules": "^3.3.0",
-        esbuild: "0.16.17",
-        obsidian: "^1.1.1",
-        tslib: "2.5.0",
-        typescript: "4.9.4"
-      },
-      dependencies: {
-        "cash-dom": "^8.1.2"
-      }
-    };
-  }
-});
-
-// src/main.ts
-var main_exports = {};
-__export(main_exports, {
-  default: () => PasteImageRenamePlugin
-});
-module.exports = __toCommonJS(main_exports);
-var import_obsidian2 = require("obsidian");
-
-// src/batch.ts
-var import_obsidian = require("obsidian");
-
-// src/utils.ts
-var DEBUG = false;
-if (DEBUG)
-  console.log("DEBUG is enabled");
-function debugLog(...args) {
-  if (DEBUG) {
-    console.log(new Date().toISOString().slice(11, 23), ...args);
-  }
-}
-function createElementTree(rootEl, opts) {
-  const result = {
-    el: rootEl.createEl(opts.tag, opts),
-    children: []
-  };
-  const children = opts.children || [];
-  for (const child of children) {
-    result.children.push(createElementTree(result.el, child));
-  }
-  return result;
-}
-var path = {
-  // Credit: @creationix/path.js
-  join(...partSegments) {
-    let parts = [];
-    for (let i = 0, l = partSegments.length; i < l; i++) {
-      parts = parts.concat(partSegments[i].split("/"));
-    }
-    const newParts = [];
-    for (let i = 0, l = parts.length; i < l; i++) {
-      const part = parts[i];
-      if (!part || part === ".")
-        continue;
-      else
-        newParts.push(part);
-    }
-    if (parts[0] === "")
-      newParts.unshift("");
-    return newParts.join("/");
-  },
-  // returns the last part of a path, e.g. 'foo.jpg'
-  basename(fullpath) {
-    const sp = fullpath.split("/");
-    return sp[sp.length - 1];
-  },
-  // return extension without dot, e.g. 'jpg'
-  extension(fullpath) {
-    const positions = [...fullpath.matchAll(new RegExp("\\.", "gi"))].map((a) => a.index);
-    return fullpath.slice(positions[positions.length - 1] + 1);
-  }
-};
-var filenameNotAllowedChars = /[^\p{L}0-9~`!@$&*()\-_=+{};'",<.>? ]/ug;
-var sanitizer = {
-  filename(s) {
-    return s.replace(filenameNotAllowedChars, "").trim();
-  },
-  delimiter(s) {
-    s = this.filename(s);
-    if (!s)
-      s = "-";
-    return s;
-  }
-};
-function escapeRegExp(s) {
-  return s.replace(/[.*+?^${}()|[\]\\]/g, "\\$&");
-}
-function lockInputMethodComposition(el) {
-  const state = {
-    lock: false
-  };
-  el.addEventListener("compositionstart", () => {
-    state.lock = true;
-  });
-  el.addEventListener("compositionend", () => {
-    state.lock = false;
-  });
-  return state;
-}
-
-// src/batch.ts
-var ImageBatchRenameModal = class extends import_obsidian.Modal {
-  constructor(app, activeFile, renameFunc, onClose) {
-    super(app);
-    this.activeFile = activeFile;
-    this.renameFunc = renameFunc;
-    this.onCloseExtra = onClose;
-    this.state = {
-      namePattern: "",
-      extPattern: "",
-      nameReplace: "",
-      renameTasks: []
-    };
-  }
-  onOpen() {
-    this.containerEl.addClass("image-rename-modal");
-    const { contentEl, titleEl } = this;
-    titleEl.setText("Batch rename embeded files");
-    const namePatternSetting = new import_obsidian.Setting(contentEl).setName("Name pattern").setDesc("Please input the name pattern to match files (regex)").addText((text) => text.setValue(this.state.namePattern).onChange(
-      (value) => __async(this, null, function* () {
-        this.state.namePattern = value;
-      })
-    ));
-    const npInputEl = namePatternSetting.controlEl.children[0];
-    npInputEl.focus();
-    const npInputState = lockInputMethodComposition(npInputEl);
-    npInputEl.addEventListener("keydown", (e) => __async(this, null, function* () {
-      if (e.key === "Enter" && !npInputState.lock) {
-        e.preventDefault();
-        if (!this.state.namePattern) {
-          errorEl.innerText = 'Error: "Name pattern" could not be empty';
-          errorEl.style.display = "block";
-          return;
-        }
-        this.matchImageNames(tbodyEl);
-      }
-    }));
-    const extPatternSetting = new import_obsidian.Setting(contentEl).setName("Extension pattern").setDesc("Please input the extension pattern to match files (regex)").addText((text) => text.setValue(this.state.extPattern).onChange(
-      (value) => __async(this, null, function* () {
-        this.state.extPattern = value;
-      })
-    ));
-    const extInputEl = extPatternSetting.controlEl.children[0];
-    extInputEl.addEventListener("keydown", (e) => __async(this, null, function* () {
-      if (e.key === "Enter") {
-        e.preventDefault();
-        this.matchImageNames(tbodyEl);
-      }
-    }));
-    const nameReplaceSetting = new import_obsidian.Setting(contentEl).setName("Name replace").setDesc("Please input the string to replace the matched name (use $1, $2 for regex groups)").addText((text) => text.setValue(this.state.nameReplace).onChange(
-      (value) => __async(this, null, function* () {
-        this.state.nameReplace = value;
-      })
-    ));
-    const nrInputEl = nameReplaceSetting.controlEl.children[0];
-    const nrInputState = lockInputMethodComposition(nrInputEl);
-    nrInputEl.addEventListener("keydown", (e) => __async(this, null, function* () {
-      if (e.key === "Enter" && !nrInputState.lock) {
-        e.preventDefault();
-        this.matchImageNames(tbodyEl);
-      }
-    }));
-    const matchedContainer = contentEl.createDiv({
-      cls: "matched-container"
-    });
-    const tableET = createElementTree(matchedContainer, {
-      tag: "table",
-      children: [
-        {
-          tag: "thead",
-          children: [
-            {
-              tag: "tr",
-              children: [
-                {
-                  tag: "td",
-                  text: "Original path"
-                },
-                {
-                  tag: "td",
-                  text: "Renamed Name"
-                }
-              ]
-            }
-          ]
-        },
-        {
-          tag: "tbody"
-        }
-      ]
-    });
-    const tbodyEl = tableET.children[1].el;
-    const errorEl = contentEl.createDiv({
-      cls: "error",
-      attr: {
-        style: "display: none;"
-      }
-    });
-    new import_obsidian.Setting(contentEl).addButton((button) => {
-      button.setButtonText("Rename all").setClass("mod-cta").onClick(() => {
-        new ConfirmModal(
-          this.app,
-          "Confirm rename all",
-          `Are you sure? This will rename all the ${this.state.renameTasks.length} images matched the pattern.`,
-          () => {
-            this.renameAll();
-            this.close();
-          }
-        ).open();
-      });
-    }).addButton((button) => {
-      button.setButtonText("Cancel").onClick(() => {
-        this.close();
-      });
-    });
-  }
-  onClose() {
-    const { contentEl } = this;
-    contentEl.empty();
-    this.onCloseExtra();
-  }
-  renameAll() {
-    return __async(this, null, function* () {
-      debugLog("renameAll", this.state);
-      for (const task of this.state.renameTasks) {
-        yield this.renameFunc(task.file, task.name);
-      }
-    });
-  }
-  matchImageNames(tbodyEl) {
-    const { state } = this;
-    const renameTasks = [];
-    tbodyEl.empty();
-    const fileCache = this.app.metadataCache.getFileCache(this.activeFile);
-    if (!fileCache || !fileCache.embeds)
-      return;
-    const namePatternRegex = new RegExp(state.namePattern, "g");
-    const extPatternRegex = new RegExp(state.extPattern);
-    fileCache.embeds.forEach((embed) => {
-      const file = this.app.metadataCache.getFirstLinkpathDest(embed.link, this.activeFile.path);
-      if (!file) {
-        console.warn("file not found", embed.link);
-        return;
-      }
-      if (state.extPattern) {
-        const m0 = extPatternRegex.exec(file.extension);
-        if (!m0)
-          return;
-      }
-      const stem = file.basename;
-      namePatternRegex.lastIndex = 0;
-      const m1 = namePatternRegex.exec(stem);
-      if (!m1)
-        return;
-      let renamedName = file.name;
-      if (state.nameReplace) {
-        namePatternRegex.lastIndex = 0;
-        renamedName = stem.replace(namePatternRegex, state.nameReplace);
-        renamedName = `${renamedName}.${file.extension}`;
-      }
-      renameTasks.push({
-        file,
-        name: renamedName
-      });
-      createElementTree(tbodyEl, {
-        tag: "tr",
-        children: [
-          {
-            tag: "td",
-            children: [
-              {
-                tag: "span",
-                text: file.name
-              },
-              {
-                tag: "div",
-                text: file.path,
-                attr: {
-                  class: "file-path"
-                }
-              }
-            ]
-          },
-          {
-            tag: "td",
-            children: [
-              {
-                tag: "span",
-                text: renamedName
-              },
-              {
-                tag: "div",
-                text: path.join(file.parent.path, renamedName),
-                attr: {
-                  class: "file-path"
-                }
-              }
-            ]
-          }
-        ]
-      });
-    });
-    debugLog("new renameTasks", renameTasks);
-    state.renameTasks = renameTasks;
-  }
-};
-var ConfirmModal = class extends import_obsidian.Modal {
-  constructor(app, title, message, onConfirm) {
-    super(app);
-    this.title = title;
-    this.message = message;
-    this.onConfirm = onConfirm;
-  }
-  onOpen() {
-    const { contentEl, titleEl } = this;
-    titleEl.setText(this.title);
-    contentEl.createEl("p", {
-      text: this.message
-    });
-    new import_obsidian.Setting(contentEl).addButton((button) => {
-      button.setButtonText("Yes").setClass("mod-warning").onClick(() => {
-        this.onConfirm();
-        this.close();
-      });
-    }).addButton((button) => {
-      button.setButtonText("No").onClick(() => {
-        this.close();
-      });
-    });
-  }
-};
-
-// src/template.ts
-var dateTmplRegex = /{{DATE:([^}]+)}}/gm;
-var frontmatterTmplRegex = /{{frontmatter:([^}]+)}}/gm;
-var replaceDateVar = (s, date) => {
-  const m = dateTmplRegex.exec(s);
-  if (!m)
-    return s;
-  return s.replace(m[0], date.format(m[1]));
-};
-var replaceFrontmatterVar = (s, frontmatter) => {
-  if (!frontmatter)
-    return s;
-  const m = frontmatterTmplRegex.exec(s);
-  if (!m)
-    return s;
-  return s.replace(m[0], frontmatter[m[1]] || "");
-};
-var renderTemplate = (tmpl, data, frontmatter) => {
-  const now = window.moment();
-  let text = tmpl;
-  let newtext;
-  while ((newtext = replaceDateVar(text, now)) != text) {
-    text = newtext;
-  }
-  while ((newtext = replaceFrontmatterVar(text, frontmatter)) != text) {
-    text = newtext;
-  }
-  text = text.replace(/{{imageNameKey}}/gm, data.imageNameKey).replace(/{{fileName}}/gm, data.fileName).replace(/{{dirName}}/gm, data.dirName).replace(/{{firstHeading}}/gm, data.firstHeading);
-  return text;
-};
-
-// src/main.ts
-var DEFAULT_SETTINGS = {
-  imageNamePattern: "{{fileName}}",
-  dupNumberAtStart: false,
-  dupNumberDelimiter: "-",
-  dupNumberAlways: false,
-  autoRename: false,
-  handleAllAttachments: false,
-  excludeExtensionPattern: "",
-  disableRenameNotice: false
-};
-var PASTED_IMAGE_PREFIX = "Pasted image ";
-var PasteImageRenamePlugin = class extends import_obsidian2.Plugin {
-  constructor() {
-    super(...arguments);
-    this.modals = [];
-  }
-  onload() {
-    return __async(this, null, function* () {
-      const pkg = require_package();
-      console.log(`Plugin loading: ${pkg.name} ${pkg.version} BUILD_ENV=${"production"}`);
-      yield this.loadSettings();
-      this.registerEvent(
-        this.app.vault.on("create", (file) => {
-          if (!(file instanceof import_obsidian2.TFile))
-            return;
-          const timeGapMs = new Date().getTime() - file.stat.ctime;
-          if (timeGapMs > 1e3)
-            return;
-          if (isMarkdownFile(file))
-            return;
-          if (isPastedImage(file)) {
-            debugLog("pasted image created", file);
-            this.startRenameProcess(file, this.settings.autoRename);
-          } else {
-            if (this.settings.handleAllAttachments) {
-              debugLog("handleAllAttachments for file", file);
-              if (this.testExcludeExtension(file)) {
-                debugLog("excluded file by ext", file);
-                return;
-              }
-              this.startRenameProcess(file, this.settings.autoRename);
-            }
-          }
-        })
-      );
-      const startBatchRenameProcess = () => {
-        this.openBatchRenameModal();
-      };
-      this.addCommand({
-        id: "batch-rename-embeded-files",
-        name: "Batch rename embeded files (in the current file)",
-        callback: startBatchRenameProcess
-      });
-      if (DEBUG) {
-        this.addRibbonIcon("wand-glyph", "Batch rename embeded files", startBatchRenameProcess);
-      }
-      const batchRenameAllImages = () => {
-        this.batchRenameAllImages();
-      };
-      this.addCommand({
-        id: "batch-rename-all-images",
-        name: "Batch rename all images instantly (in the current file)",
-        callback: batchRenameAllImages
-      });
-      if (DEBUG) {
-        this.addRibbonIcon("wand-glyph", "Batch rename all images instantly (in the current file)", batchRenameAllImages);
-      }
-      this.addSettingTab(new SettingTab(this.app, this));
-    });
-  }
-  startRenameProcess(file, autoRename = false) {
-    return __async(this, null, function* () {
-      const activeFile = this.getActiveFile();
-      if (!activeFile) {
-        new import_obsidian2.Notice("Error: No active file found.");
-        return;
-      }
-      const { stem, newName, isMeaningful } = this.generateNewName(file, activeFile);
-      debugLog("generated newName:", newName, isMeaningful);
-      if (!isMeaningful || !autoRename) {
-        this.openRenameModal(file, isMeaningful ? stem : "", activeFile.path);
-        return;
-      }
-      this.renameFile(file, newName, activeFile.path, true);
-    });
-  }
-  renameFile(file, inputNewName, sourcePath, replaceCurrentLine) {
-    return __async(this, null, function* () {
-      const { name: newName } = yield this.deduplicateNewName(inputNewName, file);
-      debugLog("deduplicated newName:", newName);
-      const originName = file.name;
-      const linkText = this.app.fileManager.generateMarkdownLink(file, sourcePath);
-      const newPath = path.join(file.parent.path, newName);
-      try {
-        yield this.app.fileManager.renameFile(file, newPath);
-      } catch (err) {
-        new import_obsidian2.Notice(`Failed to rename ${newName}: ${err}`);
-        throw err;
-      }
-      if (!replaceCurrentLine) {
-        return;
-      }
-      const newLinkText = this.app.fileManager.generateMarkdownLink(file, sourcePath);
-      debugLog("replace text", linkText, newLinkText);
-      const editor = this.getActiveEditor();
-      if (!editor) {
-        new import_obsidian2.Notice(`Failed to rename ${newName}: no active editor`);
-        return;
-      }
-      const cursor = editor.getCursor();
-      const line = editor.getLine(cursor.line);
-      const replacedLine = line.replace(linkText, newLinkText);
-      debugLog("current line -> replaced line", line, replacedLine);
-      editor.transaction({
-        changes: [
-          {
-            from: __spreadProps(__spreadValues({}, cursor), { ch: 0 }),
-            to: __spreadProps(__spreadValues({}, cursor), { ch: line.length }),
-            text: replacedLine
-          }
-        ]
-      });
-      if (!this.settings.disableRenameNotice) {
-        new import_obsidian2.Notice(`Renamed ${originName} to ${newName}`);
-      }
-    });
-  }
-  openRenameModal(file, newName, sourcePath) {
-    const modal = new ImageRenameModal(
-      this.app,
-      file,
-      newName,
-      (confirmedName) => {
-        debugLog("confirmedName:", confirmedName);
-        this.renameFile(file, confirmedName, sourcePath, true);
-      },
-      () => {
-        this.modals.splice(this.modals.indexOf(modal), 1);
-      }
-    );
-    this.modals.push(modal);
-    modal.open();
-    debugLog("modals count", this.modals.length);
-  }
-  openBatchRenameModal() {
-    const activeFile = this.getActiveFile();
-    const modal = new ImageBatchRenameModal(
-      this.app,
-      activeFile,
-      (file, name) => __async(this, null, function* () {
-        yield this.renameFile(file, name, activeFile.path);
-      }),
-      () => {
-        this.modals.splice(this.modals.indexOf(modal), 1);
-      }
-    );
-    this.modals.push(modal);
-    modal.open();
-  }
-  batchRenameAllImages() {
-    return __async(this, null, function* () {
-      const activeFile = this.getActiveFile();
-      const fileCache = this.app.metadataCache.getFileCache(activeFile);
-      if (!fileCache || !fileCache.embeds)
-        return;
-      const extPatternRegex = /jpe?g|png|gif|tiff|webp/i;
-      for (const embed of fileCache.embeds) {
-        const file = this.app.metadataCache.getFirstLinkpathDest(embed.link, activeFile.path);
-        if (!file) {
-          console.warn("file not found", embed.link);
-          return;
-        }
-        const m0 = extPatternRegex.exec(file.extension);
-        if (!m0)
-          return;
-        const { newName, isMeaningful } = this.generateNewName(file, activeFile);
-        debugLog("generated newName:", newName, isMeaningful);
-        if (!isMeaningful) {
-          new import_obsidian2.Notice("Failed to batch rename images: the generated name is not meaningful");
-          break;
-        }
-        yield this.renameFile(file, newName, activeFile.path, false);
-      }
-    });
-  }
-  // returns a new name for the input file, with extension
-  generateNewName(file, activeFile) {
-    let imageNameKey = "";
-    let firstHeading = "";
-    let frontmatter;
-    const fileCache = this.app.metadataCache.getFileCache(activeFile);
-    if (fileCache) {
-      debugLog("frontmatter", fileCache.frontmatter);
-      frontmatter = fileCache.frontmatter;
-      imageNameKey = (frontmatter == null ? void 0 : frontmatter.imageNameKey) || "";
-      firstHeading = getFirstHeading(fileCache.headings);
-    } else {
-      console.warn("could not get file cache from active file", activeFile.name);
-    }
-    const stem = renderTemplate(
-      this.settings.imageNamePattern,
-      {
-        imageNameKey,
-        fileName: activeFile.basename,
-        dirName: activeFile.parent.name,
-        firstHeading
-      },
-      frontmatter
-    );
-    const meaninglessRegex = new RegExp(`[${this.settings.dupNumberDelimiter}\\s]`, "gm");
-    return {
-      stem,
-      newName: stem + "." + file.extension,
-      isMeaningful: stem.replace(meaninglessRegex, "") !== ""
-    };
-  }
-  // newName: foo.ext
-  deduplicateNewName(newName, file) {
-    return __async(this, null, function* () {
-      const dir = file.parent.path;
-      const listed = yield this.app.vault.adapter.list(dir);
-      debugLog("sibling files", listed);
-      const newNameExt = path.extension(newName), newNameStem = newName.slice(0, newName.length - newNameExt.length - 1), newNameStemEscaped = escapeRegExp(newNameStem), delimiter = this.settings.dupNumberDelimiter, delimiterEscaped = escapeRegExp(delimiter);
-      let dupNameRegex;
-      if (this.settings.dupNumberAtStart) {
-        dupNameRegex = new RegExp(
-          `^(?<number>\\d+)${delimiterEscaped}(?<name>${newNameStemEscaped})\\.${newNameExt}$`
-        );
-      } else {
-        dupNameRegex = new RegExp(
-          `^(?<name>${newNameStemEscaped})${delimiterEscaped}(?<number>\\d+)\\.${newNameExt}$`
-        );
-      }
-      debugLog("dupNameRegex", dupNameRegex);
-      const dupNameNumbers = [];
-      let isNewNameExist = false;
-      for (let sibling of listed.files) {
-        sibling = path.basename(sibling);
-        if (sibling == newName) {
-          isNewNameExist = true;
-          continue;
-        }
-        const m = dupNameRegex.exec(sibling);
-        if (!m)
-          continue;
-        dupNameNumbers.push(parseInt(m.groups.number));
-      }
-      if (isNewNameExist || this.settings.dupNumberAlways) {
-        const newNumber = dupNameNumbers.length > 0 ? Math.max(...dupNameNumbers) + 1 : 1;
-        if (this.settings.dupNumberAtStart) {
-          newName = `${newNumber}${delimiter}${newNameStem}.${newNameExt}`;
-        } else {
-          newName = `${newNameStem}${delimiter}${newNumber}.${newNameExt}`;
-        }
-      }
-      return {
-        name: newName,
-        stem: newName.slice(0, newName.length - newNameExt.length - 1),
-        extension: newNameExt
-      };
-    });
-  }
-  getActiveFile() {
-    const view = this.app.workspace.getActiveViewOfType(import_obsidian2.MarkdownView);
-    const file = view == null ? void 0 : view.file;
-    debugLog("active file", file == null ? void 0 : file.path);
-    return file;
-  }
-  getActiveEditor() {
-    const view = this.app.workspace.getActiveViewOfType(import_obsidian2.MarkdownView);
-    return view == null ? void 0 : view.editor;
-  }
-  onunload() {
-    this.modals.map((modal) => modal.close());
-  }
-  testExcludeExtension(file) {
-    const pattern = this.settings.excludeExtensionPattern;
-    if (!pattern)
-      return false;
-    return new RegExp(pattern).test(file.extension);
-  }
-  loadSettings() {
-    return __async(this, null, function* () {
-      this.settings = Object.assign({}, DEFAULT_SETTINGS, yield this.loadData());
-    });
-  }
-  saveSettings() {
-    return __async(this, null, function* () {
-      yield this.saveData(this.settings);
-    });
-  }
-};
-function getFirstHeading(headings) {
-  if (headings && headings.length > 0) {
-    for (const heading of headings) {
-      if (heading.level === 1) {
-        return heading.heading;
-      }
-    }
-  }
-  return "";
-}
-function isPastedImage(file) {
-  if (file instanceof import_obsidian2.TFile) {
-    if (file.name.startsWith(PASTED_IMAGE_PREFIX)) {
-      return true;
-    }
-  }
-  return false;
-}
-function isMarkdownFile(file) {
-  if (file instanceof import_obsidian2.TFile) {
-    if (file.extension === "md") {
-      return true;
-    }
-  }
-  return false;
-}
-var ImageRenameModal = class extends import_obsidian2.Modal {
-  constructor(app, src, stem, renameFunc, onClose) {
-    super(app);
-    this.src = src;
-    this.stem = stem;
-    this.renameFunc = renameFunc;
-    this.onCloseExtra = onClose;
-  }
-  onOpen() {
-    this.containerEl.addClass("image-rename-modal");
-    const { contentEl, titleEl } = this;
-    titleEl.setText("Rename image");
-    const imageContainer = contentEl.createDiv({
-      cls: "image-container"
-    });
-    imageContainer.createEl("img", {
-      attr: {
-        src: this.app.vault.getResourcePath(this.src)
-      }
-    });
-    let stem = this.stem;
-    const ext = this.src.extension;
-    const getNewName = (stem2) => stem2 + "." + ext;
-    const getNewPath = (stem2) => path.join(this.src.parent.path, getNewName(stem2));
-    const infoET = createElementTree(contentEl, {
-      tag: "ul",
-      cls: "info",
-      children: [
-        {
-          tag: "li",
-          children: [
-            {
-              tag: "span",
-              text: "Origin path"
-            },
-            {
-              tag: "span",
-              text: this.src.path
-            }
-          ]
-        },
-        {
-          tag: "li",
-          children: [
-            {
-              tag: "span",
-              text: "New path"
-            },
-            {
-              tag: "span",
-              text: getNewPath(stem)
-            }
-          ]
-        }
-      ]
-    });
-    const doRename = () => __async(this, null, function* () {
-      debugLog("doRename", `stem=${stem}`);
-      this.renameFunc(getNewName(stem));
-    });
-    const nameSetting = new import_obsidian2.Setting(contentEl).setName("New name").setDesc("Please input the new name for the image (without extension)").addText((text) => text.setValue(stem).onChange(
-      (value) => __async(this, null, function* () {
-        stem = sanitizer.filename(value);
-        infoET.children[1].children[1].el.innerText = getNewPath(stem);
-      })
-    ));
-    const nameInputEl = nameSetting.controlEl.children[0];
-    nameInputEl.focus();
-    const nameInputState = lockInputMethodComposition(nameInputEl);
-    nameInputEl.addEventListener("keydown", (e) => __async(this, null, function* () {
-      if (e.key === "Enter" && !nameInputState.lock) {
-        e.preventDefault();
-        if (!stem) {
-          errorEl.innerText = 'Error: "New name" could not be empty';
-          errorEl.style.display = "block";
-          return;
-        }
-        doRename();
-        this.close();
-      }
-    }));
-    const errorEl = contentEl.createDiv({
-      cls: "error",
-      attr: {
-        style: "display: none;"
-      }
-    });
-    new import_obsidian2.Setting(contentEl).addButton((button) => {
-      button.setButtonText("Rename").onClick(() => {
-        doRename();
-        this.close();
-      });
-    }).addButton((button) => {
-      button.setButtonText("Cancel").onClick(() => {
-        this.close();
-      });
-    });
-  }
-  onClose() {
-    const { contentEl } = this;
-    contentEl.empty();
-    this.onCloseExtra();
-  }
-};
-var imageNamePatternDesc = `
-The pattern indicates how the new name should be generated.
-
-Available variables:
-- {{fileName}}: name of the active file, without ".md" extension.
-- {{imageNameKey}}: this variable is read from the markdown file's frontmatter, from the same key "imageNameKey".
-- {{DATE:$FORMAT}}: use "$FORMAT" to format the current date, "$FORMAT" must be a Moment.js format string, e.g. {{DATE:YYYY-MM-DD}}.
-
-Here are some examples from pattern to image names (repeat in sequence), variables: fileName = "My note", imageNameKey = "foo":
-- {{fileName}}: My note, My note-1, My note-2
-- {{imageNameKey}}: foo, foo-1, foo-2
-- {{imageNameKey}}-{{DATE:YYYYMMDD}}: foo-20220408, foo-20220408-1, foo-20220408-2
-`;
-var SettingTab = class extends import_obsidian2.PluginSettingTab {
-  constructor(app, plugin) {
-    super(app, plugin);
-    this.plugin = plugin;
-  }
-  display() {
-    const { containerEl } = this;
-    containerEl.empty();
-    new import_obsidian2.Setting(containerEl).setName("Image name pattern").setDesc(imageNamePatternDesc).setClass("long-description-setting-item").addText((text) => text.setPlaceholder("{{imageNameKey}}").setValue(this.plugin.settings.imageNamePattern).onChange(
-      (value) => __async(this, null, function* () {
-        this.plugin.settings.imageNamePattern = value;
-        yield this.plugin.saveSettings();
-      })
-    ));
-    new import_obsidian2.Setting(containerEl).setName("Duplicate number at start (or end)").setDesc(`If enabled, duplicate number will be added at the start as prefix for the image name, otherwise it will be added at the end as suffix for the image name.`).addToggle((toggle) => toggle.setValue(this.plugin.settings.dupNumberAtStart).onChange(
-      (value) => __async(this, null, function* () {
-        this.plugin.settings.dupNumberAtStart = value;
-        yield this.plugin.saveSettings();
-      })
-    ));
-    new import_obsidian2.Setting(containerEl).setName("Duplicate number delimiter").setDesc(`The delimiter to generate the number prefix/suffix for duplicated names. For example, if the value is "-", the suffix will be like "-1", "-2", "-3", and the prefix will be like "1-", "2-", "3-". Only characters that are valid in file names are allowed.`).addText((text) => text.setValue(this.plugin.settings.dupNumberDelimiter).onChange(
-      (value) => __async(this, null, function* () {
-        this.plugin.settings.dupNumberDelimiter = sanitizer.delimiter(value);
-        yield this.plugin.saveSettings();
-      })
-    ));
-    new import_obsidian2.Setting(containerEl).setName("Always add duplicate number").setDesc(`If enabled, duplicate number will always be added to the image name. Otherwise, it will only be added when the name is duplicated.`).addToggle((toggle) => toggle.setValue(this.plugin.settings.dupNumberAlways).onChange(
-      (value) => __async(this, null, function* () {
-        this.plugin.settings.dupNumberAlways = value;
-        yield this.plugin.saveSettings();
-      })
-    ));
-    new import_obsidian2.Setting(containerEl).setName("Auto rename").setDesc(`By default, the rename modal will always be shown to confirm before renaming, if this option is set, the image will be auto renamed after pasting.`).addToggle((toggle) => toggle.setValue(this.plugin.settings.autoRename).onChange(
-      (value) => __async(this, null, function* () {
-        this.plugin.settings.autoRename = value;
-        yield this.plugin.saveSettings();
-      })
-    ));
-    new import_obsidian2.Setting(containerEl).setName("Handle all attachments").setDesc(`By default, the plugin only handles images that starts with "Pasted image " in name,
-			which is the prefix Obsidian uses to create images from pasted content.
-			If this option is set, the plugin will handle all attachments that are created in the vault.`).addToggle((toggle) => toggle.setValue(this.plugin.settings.handleAllAttachments).onChange(
-      (value) => __async(this, null, function* () {
-        this.plugin.settings.handleAllAttachments = value;
-        yield this.plugin.saveSettings();
-      })
-    ));
-    new import_obsidian2.Setting(containerEl).setName("Exclude extension pattern").setDesc(`This option is only useful when "Handle all attachments" is enabled.
-			Write a Regex pattern to exclude certain extensions from being handled. Only the first line will be used.`).setClass("single-line-textarea").addTextArea((text) => text.setPlaceholder("docx?|xlsx?|pptx?|zip|rar").setValue(this.plugin.settings.excludeExtensionPattern).onChange(
-      (value) => __async(this, null, function* () {
-        this.plugin.settings.excludeExtensionPattern = value;
-        yield this.plugin.saveSettings();
-      })
-    ));
-    new import_obsidian2.Setting(containerEl).setName("Disable rename notice").setDesc(`Turn off this option if you don't want to see the notice when renaming images.
-			Note that Obsidian may display a notice when a link has changed, this option cannot disable that.`).addToggle((toggle) => toggle.setValue(this.plugin.settings.disableRenameNotice).onChange(
-      (value) => __async(this, null, function* () {
-        this.plugin.settings.disableRenameNotice = value;
-        yield this.plugin.saveSettings();
-      })
-    ));
-  }
-};

.obsidian/plugins/obsidian-paste-image-rename/manifest.json

@@ -1,10 +0,0 @@
-{
-	"id": "obsidian-paste-image-rename",
-	"name": "Paste image rename",
-	"version": "1.6.1",
-	"minAppVersion": "0.12.0",
-	"description": "Rename pasted images and all the other attchments added to the vault",
-	"author": "Reorx",
-	"authorUrl": "https://github.com/reorx",
-	"isDesktopOnly": false
-}

.obsidian/plugins/obsidian-paste-image-rename/styles.css

@@ -1,79 +0,0 @@
-/* src/styles.css */
-:root {
-  --shadow-color: 0deg 0% 0%;
-  --shadow-elevation-medium:
-    0.5px 0.5px 0.7px hsl(var(--shadow-color) / 0.14),
-    1.1px 1.1px 1.5px -0.9px hsl(var(--shadow-color) / 0.12),
-    2.4px 2.5px 3.3px -1.8px hsl(var(--shadow-color) / 0.1),
-    5.3px 5.6px 7.3px -2.7px hsl(var(--shadow-color) / 0.09),
-    11px 11.4px 15.1px -3.6px hsl(var(--shadow-color) / 0.07);
-}
-.image-rename-modal .modal {
-  width: 65%;
-  min-width: 600px;
-}
-.image-rename-modal .modal-content {
-  padding: 10px 5px;
-}
-.image-rename-modal .image-container {
-  display: flex;
-  justify-content: center;
-}
-.image-rename-modal .info {
-  padding: 10px 0;
-  color: var(--text-muted);
-  user-select: text;
-}
-.image-rename-modal .info li > span:nth-of-type(1) {
-  display: inline-block;
-  width: 6em;
-  margin-right: .5em;
-}
-.image-rename-modal .info li > span:nth-of-type(1):after {
-  content: ":";
-  float: right;
-}
-.image-rename-modal .image-container img {
-  display: block;
-  max-height: 300px;
-  box-shadow: var(--shadow-elevation-medium);
-}
-.image-rename-modal .setting-item-control input {
-  min-width: 300px;
-}
-.image-rename-modal .error {
-  border: 1px solid rgb(201, 90, 90);
-  color: rgb(134, 22, 22);
-  padding: 10px;
-}
-.image-rename-modal table {
-  font-size: .9em;
-  line-height: 1.8;
-  margin-bottom: 1.5em;
-  user-select: text;
-}
-.image-rename-modal table td {
-  padding-right: 1em;
-}
-.image-rename-modal table thead td {
-  font-weight: 700;
-}
-.image-rename-modal table tbody td .file-path {
-  font-size: .8em;
-  color: var(--text-faint);
-  line-height: 1;
-}
-.long-description-setting-item {
-  flex-wrap: wrap;
-}
-.long-description-setting-item .setting-item-description {
-  white-space: pre-wrap;
-  line-height: 1.3em;
-}
-.long-description-setting-item .setting-item-control {
-  padding-top: 10px;
-}
-.long-description-setting-item .setting-item-control input {
-  min-width: 300px;
-  width: 50%;
-}

.obsidian/plugins/quickadd/data.json

@@ -1,214 +0,0 @@
-{
-  "choices": [
-    {
-      "id": "0462f0ba-4349-4531-b1a0-6634e5fc146f",
-      "name": "日常记录-闪念笔记",
-      "type": "Template",
-      "command": false,
-      "templatePath": "attachment/templates/时间戳笔记.md",
-      "fileNameFormat": {
-        "enabled": true,
-        "format": "{{DATE:YYYYMMDDHHmmSS}}"
-      },
-      "folder": {
-        "enabled": true,
-        "folders": [
-          "000-Inbox"
-        ],
-        "chooseWhenCreatingNote": false,
-        "createInSameFolderAsActiveFile": false,
-        "chooseFromSubfolders": false
-      },
-      "appendLink": false,
-      "openFileInNewTab": {
-        "enabled": true,
-        "direction": "vertical",
-        "focus": true
-      },
-      "openFile": true,
-      "openFileInMode": "default",
-      "fileExistsMode": "Increment the file name",
-      "setFileExistsBehavior": false,
-      "fileOpening": {
-        "location": "tab",
-        "direction": "vertical",
-        "focus": true,
-        "mode": "default"
-      }
-    },
-    {
-      "id": "eccc9792-8b8b-42bd-a20d-8c061ece98cf",
-      "name": "移动杭研-问题记录",
-      "type": "Template",
-      "command": false,
-      "templatePath": "attachment/templates/移动杭研-问题记录.md",
-      "fileNameFormat": {
-        "enabled": true,
-        "format": "{{DATE:MMDD}}-{{value}}"
-      },
-      "folder": {
-        "enabled": true,
-        "folders": [
-          "000-Inbox"
-        ],
-        "chooseWhenCreatingNote": false,
-        "createInSameFolderAsActiveFile": false,
-        "chooseFromSubfolders": false
-      },
-      "appendLink": false,
-      "openFileInNewTab": {
-        "enabled": true,
-        "direction": "vertical",
-        "focus": true
-      },
-      "openFile": true,
-      "openFileInMode": "default",
-      "fileExistsMode": "Increment the file name",
-      "setFileExistsBehavior": false,
-      "fileOpening": {
-        "location": "split",
-        "direction": "vertical",
-        "focus": true,
-        "mode": "default"
-      }
-    },
-    {
-      "id": "4ad23b51-d9fd-445e-aed8-f332e99f2350",
-      "name": "移动杭研-开发笔记",
-      "type": "Template",
-      "command": false,
-      "templatePath": "attachment/templates/移动杭研-开发笔记.md",
-      "fileNameFormat": {
-        "enabled": true,
-        "format": "开发笔记"
-      },
-      "folder": {
-        "enabled": true,
-        "folders": [
-          "000-Inbox"
-        ],
-        "chooseWhenCreatingNote": false,
-        "createInSameFolderAsActiveFile": false,
-        "chooseFromSubfolders": false
-      },
-      "appendLink": false,
-      "openFileInNewTab": {
-        "enabled": true,
-        "direction": "vertical",
-        "focus": true
-      },
-      "openFile": true,
-      "openFileInMode": "default",
-      "fileExistsMode": "Nothing",
-      "setFileExistsBehavior": true,
-      "fileOpening": {
-        "location": "split",
-        "direction": "vertical",
-        "focus": true,
-        "mode": "default"
-      }
-    },
-    {
-      "id": "83f6f73d-a391-4096-b07f-a9626f10980e",
-      "name": "openTerminal",
-      "type": "Macro",
-      "command": false,
-      "runOnStartup": false,
-      "macro": {
-        "name": "openTerminal",
-        "id": "2417c310-3ca2-4a95-9962-761529241e84",
-        "commands": [
-          {
-            "name": "openTerminal",
-            "type": "UserScript",
-            "id": "22516ce4-03d7-4f5b-b210-b15dd82340e5",
-            "path": "resource/工具/obsidian/scripts/openTerminal.js",
-            "settings": {}
-          }
-        ]
-      }
-    }
-  ],
-  "inputPrompt": "multi-line",
-  "persistInputPromptDrafts": true,
-  "useSelectionAsCaptureValue": true,
-  "devMode": false,
-  "templateFolderPath": "attachment/templates",
-  "announceUpdates": "all",
-  "version": "2.12.0",
-  "globalVariables": {},
-  "onePageInputEnabled": false,
-  "disableOnlineFeatures": true,
-  "enableRibbonIcon": false,
-  "showCaptureNotification": true,
-  "showInputCancellationNotification": false,
-  "enableTemplatePropertyTypes": false,
-  "dateAliases": {
-    "t": "today",
-    "tm": "tomorrow",
-    "yd": "yesterday",
-    "nw": "next week",
-    "nm": "next month",
-    "ny": "next year",
-    "lw": "last week",
-    "lm": "last month",
-    "ly": "last year"
-  },
-  "ai": {
-    "defaultModel": "Ask me",
-    "defaultSystemPrompt": "As an AI assistant within Obsidian, your primary goal is to help users manage their ideas and knowledge more effectively. Format your responses using Markdown syntax. Please use the [[Obsidian]] link format. You can write aliases for the links by writing [[Obsidian|the alias after the pipe symbol]]. To use mathematical notation, use LaTeX syntax. LaTeX syntax for larger equations should be on separate lines, surrounded with double dollar signs ($$). You can also inline math expressions by wrapping it in $ symbols. For example, use $$w_{ij}^{\text{new}}:=w_{ij}^{\text{current}}+etacdotdelta_jcdot x_{ij}$$ on a separate line, but you can write \"($eta$ = learning rate, $delta_j$ = error term, $x_{ij}$ = input)\" inline.",
-    "promptTemplatesFolderPath": "",
-    "showAssistant": true,
-    "providers": [
-      {
-        "name": "OpenAI",
-        "endpoint": "https://api.openai.com/v1",
-        "apiKey": "",
-        "models": [
-          {
-            "name": "gpt-3.5-turbo",
-            "maxTokens": 4096
-          },
-          {
-            "name": "gpt-3.5-turbo-16k",
-            "maxTokens": 16384
-          },
-          {
-            "name": "gpt-3.5-turbo-1106",
-            "maxTokens": 16385
-          },
-          {
-            "name": "gpt-4",
-            "maxTokens": 8192
-          },
-          {
-            "name": "gpt-4-32k",
-            "maxTokens": 32768
-          },
-          {
-            "name": "gpt-4-1106-preview",
-            "maxTokens": 128000
-          },
-          {
-            "name": "text-davinci-003",
-            "maxTokens": 4096
-          }
-        ],
-        "modelSource": "auto"
-      }
-    ]
-  },
-  "migrations": {
-    "migrateToMacroIDFromEmbeddedMacro": true,
-    "useQuickAddTemplateFolder": true,
-    "incrementFileNameSettingMoveToDefaultBehavior": true,
-    "mutualExclusionInsertAfterAndWriteToBottomOfFile": true,
-    "setVersionAfterUpdateModalRelease": true,
-    "addDefaultAIProviders": true,
-    "removeMacroIndirection": true,
-    "migrateFileOpeningSettings": true,
-    "setProviderModelDiscoveryMode": true,
-    "backfillFileOpeningDefaults": true,
-    "migrateProviderApiKeysToSecretStorage": true
-  }
-}

.obsidian/plugins/quickadd/manifest.json

@@ -1,12 +0,0 @@
-{
-	"id": "quickadd",
-	"name": "QuickAdd",
-	"version": "2.12.0",
-	"minAppVersion": "1.11.4",
-	"description": "Quickly add new pages or content to your vault.",
-	"author": "Christian B. B. Houmann",
-	"authorUrl": "https://bagerbach.com",
-	"fundingUrl": "https://www.buymeacoffee.com/chhoumann",
-	"helpUrl": "https://quickadd.obsidian.guide/docs/",
-	"isDesktopOnly": false
-}

.obsidian/plugins/recent-files-obsidian/data.json

@@ -1,212 +0,0 @@
-{
-  "recentFiles": [
-    {
-      "basename": "tg-bot",
-      "path": "000-inbox/tg-bot.md"
-    },
-    {
-      "basename": "Redis 安装",
-      "path": "000-inbox/Redis 安装.md"
-    },
-    {
-      "basename": "杭州服务器-AI",
-      "path": "000-inbox/杭州服务器-AI.md"
-    },
-    {
-      "basename": "常用命令",
-      "path": "resource/常用命令.md"
-    },
-    {
-      "basename": "20260316213546",
-      "path": "000-Inbox/20260316213546.md"
-    },
-    {
-      "basename": "IBS 智能体具体落实技术方案",
-      "path": "work/移动杭研/AI 项目/IBS 智能体具体落实技术方案.md"
-    },
-    {
-      "basename": "20260316160264",
-      "path": "000-Inbox/20260316160264.md"
-    },
-    {
-      "basename": "20260316102936",
-      "path": "000-Inbox/20260316102936.md"
-    },
-    {
-      "basename": "20260316105203",
-      "path": "000-Inbox/20260316105203.md"
-    },
-    {
-      "basename": "0316-配管任务限流问题",
-      "path": "work/移动杭研/问题处理/2026-03/0316-配管任务限流问题.md"
-    },
-    {
-      "basename": "0316-配管任务限流问题",
-      "path": "000-Inbox/0316-配管任务限流问题.md"
-    },
-    {
-      "basename": "1107-试用单删除问题",
-      "path": "work/移动杭研/问题处理/2025-11/1107-试用单删除问题.md"
-    },
-    {
-      "basename": "20260313151563",
-      "path": "000-Inbox/20260313151563.md"
-    },
-    {
-      "basename": "Prompt 02 COSMIC 功能过程",
-      "path": "resource/ai/prompts/cosmic/Prompt 02 COSMIC 功能过程.md"
-    },
-    {
-      "basename": "Prompt 03 COSMIC 子过程",
-      "path": "resource/ai/prompts/cosmic/Prompt 03 COSMIC 子过程.md"
-    },
-    {
-      "basename": "Prompt 01 COSMIC 需求扩写",
-      "path": "resource/ai/prompts/cosmic/Prompt 01 COSMIC 需求扩写.md"
-    },
-    {
-      "basename": "Prompt 06 COSMIC 锐评",
-      "path": "resource/ai/prompts/cosmic/Prompt 06 COSMIC 锐评.md"
-    },
-    {
-      "basename": "Prompt 05 COSMIC 时序图",
-      "path": "resource/ai/prompts/cosmic/Prompt 05 COSMIC 时序图.md"
-    },
-    {
-      "basename": "Prompt 04 COSMIC PRD 文档",
-      "path": "resource/ai/prompts/cosmic/Prompt 04 COSMIC PRD 文档.md"
-    },
-    {
-      "basename": "Prompt 00 COSMIC v1",
-      "path": "resource/ai/prompts/cosmic/Prompt 00 COSMIC v1.md"
-    },
-    {
-      "basename": "BUSI_REQUIREMENT_COSMIC",
-      "path": "resource/ai/prompts/cosmic 业务版本/BUSI_REQUIREMENT_COSMIC.md"
-    },
-    {
-      "basename": "BUSI_REQUIREMENT_FLOWCHART",
-      "path": "resource/ai/prompts/cosmic 业务版本/BUSI_REQUIREMENT_FLOWCHART.md"
-    },
-    {
-      "basename": "Prompt 高级彩虹屁",
-      "path": "resource/ai/prompts/Prompt 高级彩虹屁.md"
-    },
-    {
-      "basename": "Prompt 考勤数据规整助手 小杨",
-      "path": "resource/ai/prompts/Prompt 考勤数据规整助手 小杨.md"
-    },
-    {
-      "basename": "RAG Flow",
-      "path": "work/移动杭研/AI 项目/RAG Flow.md"
-    },
-    {
-      "basename": "ibs-ai 项目梳理",
-      "path": "work/移动杭研/AI 项目/ibs-ai 项目梳理.md"
-    },
-    {
-      "basename": "开发备注",
-      "path": "work/移动杭研/AI 项目/开发备注.md"
-    },
-    {
-      "basename": "CLAUDE.md",
-      "path": "work/移动杭研/AI 项目/CLAUDE.md.md"
-    },
-    {
-      "basename": "RAG Flow 部署",
-      "path": "work/移动杭研/AI 项目/RAG Flow 部署.md"
-    },
-    {
-      "basename": "settings.local.json",
-      "path": "work/移动杭研/AI 项目/settings.local.json.md"
-    },
-    {
-      "basename": "Prompt 公司智能体",
-      "path": "resource/ai/prompts/临时/Prompt 公司智能体.md"
-    },
-    {
-      "basename": "Prompt 需求-考勤转换-小杨",
-      "path": "resource/ai/prompts/临时/Prompt 需求-考勤转换-小杨.md"
-    },
-    {
-      "basename": "Prompt 专家模板",
-      "path": "resource/ai/prompts/Prompt 专家模板.md"
-    },
-    {
-      "basename": "Prompt ChatBI 查询规划器",
-      "path": "resource/ai/prompts/Prompt ChatBI 查询规划器.md"
-    },
-    {
-      "basename": "Prompt Linus",
-      "path": "resource/ai/prompts/Prompt Linus.md"
-    },
-    {
-      "basename": "Prompt Lisp 语言",
-      "path": "resource/ai/prompts/Prompt Lisp 语言.md"
-    },
-    {
-      "basename": "Prompt PPT 大纲制作专家",
-      "path": "resource/ai/prompts/Prompt PPT 大纲制作专家.md"
-    },
-    {
-      "basename": "Prompt PPT 逐字稿编写专家",
-      "path": "resource/ai/prompts/Prompt PPT 逐字稿编写专家.md"
-    },
-    {
-      "basename": "开发笔记",
-      "path": "work/移动杭研/开发记录/7.19.0/开发笔记.md"
-    },
-    {
-      "basename": "20260312105716",
-      "path": "000-Inbox/20260312105716.md"
-    },
-    {
-      "basename": "服务器-香港",
-      "path": "personal/服务器-香港.md"
-    },
-    {
-      "basename": "20260311142461",
-      "path": "000-Inbox/20260311142461.md"
-    },
-    {
-      "basename": "K-V 功能",
-      "path": "work/移动杭研/项目备忘/K-V 功能.md"
-    },
-    {
-      "basename": "IBS NG 日志模板",
-      "path": "work/移动杭研/项目备忘/IBS NG 日志模板.md"
-    },
-    {
-      "basename": "项目杂记",
-      "path": "work/移动杭研/项目备忘/项目杂记.md"
-    },
-    {
-      "basename": "数据库信息",
-      "path": "work/移动杭研/项目备忘/数据库信息.md"
-    },
-    {
-      "basename": "获取企业 token 脚本",
-      "path": "work/移动杭研/项目备忘/获取企业 token 脚本.md"
-    },
-    {
-      "basename": "环境账号",
-      "path": "work/移动杭研/项目备忘/环境账号.md"
-    },
-    {
-      "basename": "工作账号",
-      "path": "work/移动杭研/项目备忘/工作账号.md"
-    },
-    {
-      "basename": "20260311083458",
-      "path": "000-Inbox/20260311083458.md"
-    }
-  ],
-  "omittedPaths": [
-    "^attachment/",
-    "^calendar/"
-  ],
-  "omittedTags": [],
-  "updateOn": "file-open",
-  "omitBookmarks": false,
-  "maxLength": null
-}

.obsidian/plugins/recent-files-obsidian/manifest.json

@@ -1,16 +0,0 @@
-{
-  "id": "recent-files-obsidian",
-  "name": "Recent Files",
-  "version": "1.7.6",
-  "minAppVersion": "0.16.3",
-  "description": "List files by most recently opened",
-  "author": "Tony Grosinger",
-  "authorUrl": "https://grosinger.net",
-  "isDesktopOnly": false,
-  "fundingUrl": {
-    "Github Sponsor": "https://github.com/sponsors/tgrosinger",
-    "Buy me a Coffee": "https://buymeacoffee.com/tgrosinger",
-    "Paypal": "https://paypal.me/tgrosinger"
-  },
-  "donation": "https://buymeacoffee.com/tgrosinger"
-}

.obsidian/plugins/recent-files-obsidian/styles.css

@@ -1,34 +0,0 @@
-.recent-files-file {
-  .tree-item-spacer {
-    flex-grow: 1;
-  }
-}
-
-.recent-files-title {
-  justify-content: flex-start;
-  align-items: unset;
-}
-
-.recent-files-file-delete {
-  justify-content: right;
-  display: none;
-}
-
-.recent-files-title:hover .recent-files-file-delete {
-  display: flex;
-  cursor: var(--cursor);
-}
-
-.recent-files-file-delete:hover {
-  color: var(--nav-item-color-hover);
-}
-
-.recent-files-donation {
-  width: 70%;
-  margin: 0 auto;
-  text-align: center;
-}
-
-.recent-files-donate-button {
-  margin: 10px;
-}

.obsidian/plugins/templater-obsidian/data.json

@@ -23,7 +23,9 @@
   ],
   "syntax_highlighting": true,
   "syntax_highlighting_mobile": false,
-  "enabled_templates_hotkeys": [],
+  "enabled_templates_hotkeys": [
+    "attachment/templates/日常记录-闪念笔记.md"
+  ],
   "startup_templates": [],
   "intellisense_render": 1,
   "enable_ribbon_icon": true

.obsidian/snippets/myTheme.css

@@ -1,25 +0,0 @@
-/* === 颜色变量 === */
-:root {
-  --h1-color: #172a4f;
-  --h2-color: #4a5c7a;
-  --h3-color: #6b7280;
-
-  --bold-color: var(--h1-color);
-}
-
-/* === 标题样式 === */
-h1 {
-  color: var(--h1-color);
-}
-h2 {
-  color: var(--h2-color);
-}
-h3 {
-  color: var(--h3-color);
-}
-
-/* === 粗体样式 === */
-div.cm-line span.cm-strong,
-div p strong {
-  color: var(--bold-color) !important;
-}

.obsidian/workspace.json

@@ -4,20 +4,41 @@
     "type": "split",
     "children": [
       {
-        "id": "b29f1eccf46b0980",
+        "id": "0a4507548b25ff58",
         "type": "tabs",
         "children": [
           {
-            "id": "431eb252187a1635",
+            "id": "1184ee15ec1fc896",
             "type": "leaf",
             "state": {
-              "type": "empty",
+              "type": "markdown",
-              "state": {},
+              "state": {
+                "file": "personal/服务器-香港.md",
+                "mode": "source",
+                "source": false,
+                "backlinks": false
+              },
               "icon": "lucide-file",
-              "title": "新标签页"
+              "title": "服务器-香港"
+            }
+          },
+          {
+            "id": "c3b31f156a70117f",
+            "type": "leaf",
+            "state": {
+              "type": "markdown",
+              "state": {
+                "file": "000-inbox/2026-03-29_16-52-52.md",
+                "mode": "source",
+                "source": false,
+                "backlinks": false
+              },
+              "icon": "lucide-file",
+              "title": "2026-03-29_16-52-52"
             }
           }
-        ]
+        ],
+        "currentTab": 1
       }
     ],
     "direction": "vertical"
@@ -29,7 +50,6 @@
       {
         "id": "6836caf2765d7139",
         "type": "tabs",
-        "dimension": 69.27016645326505,
         "children": [
           {
             "id": "c8718c0c63702202",
@@ -50,7 +70,7 @@
             "state": {
               "type": "search",
               "state": {
-                "query": "培训",
+                "query": "file:香港",
                 "matchingCase": false,
                 "explainSearch": true,
                 "collapseAll": false,
@@ -72,27 +92,10 @@
             }
           }
         ]
-      },
-      {
-        "id": "729e97c586d5eaa9",
-        "type": "tabs",
-        "dimension": 30.72983354673495,
-        "children": [
-          {
-            "id": "4c0b938080320781",
-            "type": "leaf",
-            "state": {
-              "type": "recent-files",
-              "state": {},
-              "icon": "clock",
-              "title": "Recent Files"
-            }
-          }
-        ]
       }
     ],
     "direction": "horizontal",
-    "width": 222.5
+    "width": 255.5
   },
   "right": {
     "id": "ca733f6d5936ae40",
@@ -101,7 +104,7 @@
       {
         "id": "1f21045435bfa327",
         "type": "tabs",
-        "dimension": 57.8883495145631,
+        "dimension": 57.03883495145632,
         "children": [
           {
             "id": "43a2e8e1d9201229",
@@ -109,12 +112,13 @@
             "state": {
               "type": "outline",
               "state": {
+                "file": "000-inbox/2026-03-29_16-52-52.md",
                 "followCursor": true,
                 "showSearch": false,
                 "searchQuery": ""
               },
               "icon": "lucide-list",
-              "title": "大纲"
+              "title": "2026-03-29_16-52-52 的大纲"
             }
           },
           {
@@ -123,7 +127,7 @@
             "state": {
               "type": "backlink",
               "state": {
-                "file": "000-Inbox/20260305103657.md",
+                "file": "attachment/templates/查找未引用图片.md",
                 "collapseAll": false,
                 "extraContext": false,
                 "sortOrder": "alphabetical",
@@ -133,7 +137,7 @@
                 "unlinkedCollapsed": false
               },
               "icon": "links-coming-in",
-              "title": "20260305103657 的反向链接列表"
+              "title": "查找未引用图片 的反向链接列表"
             }
           },
           {
@@ -142,12 +146,11 @@
             "state": {
               "type": "outgoing-link",
               "state": {
-                "file": "000-Inbox/20260305103657.md",
                 "linksCollapsed": false,
                 "unlinkedCollapsed": true
               },
               "icon": "links-going-out",
-              "title": "20260305103657 的出链列表"
+              "title": "出链"
             }
           },
           {
@@ -184,9 +187,7 @@
             "type": "leaf",
             "state": {
               "type": "footnotes",
-              "state": {
+              "state": {},
-                "file": "000-Inbox/20260305103657.md"
-              },
               "icon": "lucide-file-signature",
               "title": "脚注"
             }
@@ -194,12 +195,12 @@
         ]
       },
       {
-        "id": "ea8a40d57ef90e62",
+        "id": "e2c44b9c5d0747bb",
         "type": "tabs",
-        "dimension": 42.1116504854369,
+        "dimension": 42.96116504854368,
         "children": [
           {
-            "id": "499dbd491c6fb256",
+            "id": "736f0891b55bede0",
             "type": "leaf",
             "state": {
               "type": "calendar",
@@ -212,7 +213,7 @@
       }
     ],
     "direction": "horizontal",
-    "width": 287.5
+    "width": 281.5
   },
   "left-ribbon": {
     "hiddenItems": {
@@ -222,58 +223,58 @@
       "daily-notes:打开/创建今天的日记": false,
       "canvas:新建白板": false,
       "bases:新建数据库": false,
-      "templater-obsidian:Templater": true,
+      "obsidian-excalidraw-plugin:New drawing": false,
-      "obsidian-excalidraw-plugin:New drawing": false
+      "templater-obsidian:Templater": false
     }
   },
-  "active": "c8718c0c63702202",
+  "active": "c3b31f156a70117f",
   "lastOpenFiles": [
-    "calendar/diary/2026-03-17.md",
+    "000-inbox/2026-03-29_16-51-46.md",
-    "calendar/diary/2026-03-16.md",
+    "personal/服务器-香港.md",
-    "000-inbox/tg-bot.md",
+    "000-inbox/2026-03-30_20-38-38.md",
-    "000-inbox/Redis 安装.md",
+    "resource/系统/ubuntu.md",
-    "000-inbox/杭州服务器-AI.md",
+    "resource/ai/大模型安装笔记/关于模型思考问题.md",
-    "000-inbox/20260316213546.md",
+    "000-inbox/n8n 安装.md",
-    "resource/常用命令.md",
+    "000-inbox/2026-03-29_16-55-23.md",
-    "000-Inbox/20260316213546.md",
+    "000-inbox/2026-03-29_22-08-03.md",
-    "work/移动杭研/AI 项目/IBS 智能体具体落实技术方案.md",
+    "000-inbox/2026-03-29_16-52-52.md",
-    "000-Inbox/20260316160264.md",
+    "attachment/Pasted image 20260329165253.png",
-    "000-inbox/20260316105203.md",
+    "000-inbox/2026-03-291.md",
-    "000-Inbox/20260316102936.md",
+    "000-inbox/2026-03-291111111111111111111.md",
-    "000-Inbox/20260316105203.md",
+    "000-inbox/2026-03-2911.md",
-    "calendar/diary/2026-03-13.md",
+    "000-inbox/202603292037501.md",
-    "calendar/diary/2026-03-15.md",
+    "attachment/templates/time.md",
-    "calendar/weeks/2026-W11.md",
+    "000-inbox/2026-03-29_19-37-09.md",
-    "calendar/diary/2026-03-14.md",
+    "000-inbox/2026-03-29_17-01-36.md",
-    "calendar/diary/2026-03-12.md",
+    "attachment/Pasted image 20260329170137.png",
-    "calendar/diary/2026-03-11.md",
+    "attachment/Pasted image 20260329165321.png",
-    "calendar/diary/2026-03-10.md",
+    "attachment/Pasted image 20260329165301.png",
-    "calendar/diary/2026-03-09.md",
+    "attachment/templates/日常记录-闪念笔记.md",
-    "work/移动杭研/问题处理/2026-03/0316-配管任务限流问题.md",
+    "resource/go/待总结/010 Go 语言 IO 流.md",
+    "attachment/images-paste/image-20230226203841579.png",
+    "attachment/templates/打开控制台.md",
+    "attachment/templates/移动杭研-开发笔记.md",
+    "attachment/templates/移动杭研-问题记录.md",
+    "calendar/diary/2026-03-29.md",
+    "attachment/templates/查找未引用图片.md",
+    "calendar/diary/2026-03-28.md",
+    "calendar/diary/2026-03-27.md",
+    "000-inbox/Untitled 2.md",
+    "attachment/Pasted image 20260329133947.png",
+    "attachment/jsscripts/openTerminal.js",
+    "attachment/jsscripts/新建文本文档.txt",
+    "attachment/jsscripts",
+    "attachment/images-paste/image-20260325102650978.png",
+    "attachment/images-paste/image-20260325224014579.png",
+    "attachment/images-paste/image-20260325224132102.png",
+    "attachment/images-paste/image-20260325224152205.png",
+    "resource/ai/大模型安装笔记",
     "work/移动杭研/问题处理/2026-03",
-    "000-inbox/20260313151563.md",
-    "000-Inbox/0316-配管任务限流问题.md",
-    "work/移动杭研/问题处理/2025-11/1107-试用单删除问题.md",
-    "000-Inbox/20260313151563.md",
     "resource/ai/prompts/cosmic 业务版本",
     "resource/ai/prompts/cosmic",
     "resource/ai/prompts/临时",
     "resource/工具/rime",
-    "attachment/images-paste/image-20260304153545122.png",
     "work/移动杭研/开发记录/7.19.0",
-    "work/移动杭研/AI 项目",
+    "000-inbox/未命名.canvas"
-    "resource/前端",
-    "resource/英语",
-    "attachment/images-paste/image-20260305082403915.png",
-    "attachment/image-20260305103708566.png",
-    "attachment/Pasted image 20260305103645.png",
-    "attachment/Pasted image 20260305103633.png",
-    "000-inbox/未命名.canvas",
-    "attachment/images-uuid/dd32291e71724c52a904aa80ce1fc59a.png",
-    "attachment/images-uuid/e9d6d33cd6a44bd0ab62b5999e04c7be.png",
-    "attachment/image-20260302225213302.png",
-    "attachment/Pasted image 20260302225154.png",
-    "resource/mermaid",
-    "attachment/images-uuid/1b6c8b1c84064481ac7c72347ba8e259.png"
   ]
 }

000-inbox/2026-03-29_16-52-52.md

@@ -0,0 +1,9 @@
+![](../attachment/Pasted%20image%2020260329165253.png)
+
+![](../attachment/Pasted%20image%2020260329165301.png)
+
+![](../attachment/Pasted%20image%2020260329165321.png)
+
+```
+MPLkv5dlbyKh_q0DdvH5ECxaUHVr5BVg0Ogf5AOH
+```

000-inbox/2026-03-29_17-01-36.md

@@ -0,0 +1,3 @@
+![](../attachment/Pasted%20image%2020260329170137.png)
+
+2026-01-13 21:46

000-inbox/Docker 核心知识与实战笔记.md

@@ -0,0 +1,123 @@
+# 🐳 Docker 核心知识与实战笔记
+
+## 一、 Docker 核心工作流与常用命令速查表
+
+### 1. 自定义镜像与分享工作流
+
+- **流程**：下载镜像 -> 启动容器 -> 修改页面/配置 -> 保存镜像 (`commit`) -> 导出镜像 (`save`) -> 分享/加载 (`load`)
+- `docker commit`：将修改后的容器提交为新的本地镜像。
+- `docker save`：将镜像保存为 tar 归档文件（用于离线传输）。
+- `docker load`：从 tar 归档文件中加载镜像。
+
+### 2. 常用命令分类速查 (Cheat Sheet)
+
+| 分类 | 命令示例 | 功能说明 |
+| :--- | :--- | :--- |
+| **镜像 (Image)** | `docker search` | 检索 Docker Hub 上的镜像 |
+| | `docker pull` | 下载镜像到本地 |
+| | `docker images` | 列出本地所有镜像 |
+| | `docker rmi` | 删除本地镜像 |
+| **容器 (Container)**| `docker run` | 创建并运行一个新容器 |
+| | `docker ps` | 查看当前正在运行的容器 (`-a` 查看所有) |
+| | `docker stop` / `start`| 停止 / 启动 容器 |
+| | `docker restart` | 重启容器 |
+| | `docker stats` | 查看容器资源实时使用状态 |
+| | `docker logs` | 查看容器内部日志（排错必备） |
+| | `docker exec` | 进入正在运行的容器内部执行命令 |
+| | `docker rm` | 删除已停止的容器 |
+| **分享与管理** | `docker login` | 登录 Docker 镜像仓库 |
+| | `docker tag` | 给镜像打标签（重命名，准备推送） |
+| | `docker push` | 将镜像推送到远程仓库 |
+
+---
+
+## 二、 数据持久化：目录挂载 vs 卷映射
+
+Docker 提供了两种主要的数据持久化方式，通过 `-v` 参数实现：
+
+### 1. 目录挂载 (Bind Mounts)
+
+将宿主机的**绝对路径**直接挂载到容器内。
+
+- **语法**：`-v /宿主机绝对路径:/容器内路径`
+- **示例**：`-v /app/nghtml:/usr/share/nginx/html`
+- **特点**：路径完全由用户掌控，适合挂载需要频繁修改的代码或配置文件。
+
+### 2. 卷映射 (Named Volumes)
+
+由 Docker 自动管理宿主机的存储目录，只需提供一个“卷名”。
+
+- **语法**：`-v 卷名:/容器内路径`
+- **示例**：`-v ngconf:/etc/nginx`
+- **底层路径**：Docker 默认会将命名卷存放在宿主机的 `/var/lib/docker/volumes/<volume-name>/_data` 目录下。
+- **特点**：Docker 统一管理，不用担心宿主机路径权限问题，适合持久化数据库数据等。
+
+### 3. Volume 常用管理命令
+
+- `docker volume ls`：列出所有由 Docker 管理的卷。
+- `docker volume create <卷名>`：提前创建一个数据卷。
+- `docker volume inspect <卷名>`：查看卷的详细信息（包含具体的 `Mountpoint` 宿主机物理路径）。
+
+> ⚠️ **排错注意**：在挂载配置文件（如 nginx.conf）时，如果宿主机对应路径下没有该文件，直接挂载会导致容器内部找不到配置文件而启动失败（如截图中 `Exited (1)` 且日志报错 `open() "/etc/nginx/nginx.conf" failed`）。
+
+---
+
+## 三、 容器网络机制与自定义网络
+
+### 1. 默认网络 (`docker0`) 的局限性
+
+- Docker 会为每个容器分配一个唯一的内网 IP。
+- **痛点**：由于容器重启等原因，**容器的 IP 是动态变化的**。默认的 `docker0` 桥接网络**不支持通过容器名（域名）进行内部互相解析**。
+
+### 2. 解决方案：创建自定义网络
+
+- **核心优势**：在自定义网络（如命名为 `mynet`）中，**容器名就是稳定的域名**。即使 IP 变了，容器之间依然可以通过容器名互相访问。
+
+### 3. 实战案例：Redis 主从同步集群（通过容器名通信）
+
+使用自定义网络，让从节点通过主节点的**容器名**进行连接，实现读写分离。
+
+- **Master (主节点 - redis01)**:
+    - 宿主机端口: `6379`
+    - 环境变量: `REDIS_REPLICATION_MODE=master`, `REDIS_PASSWORD=123456`
+- **Slave (从节点 - redis02)**:
+    - 宿主机端口: `6380`
+    - 环境变量:
+        - `REDIS_REPLICATION_MODE=slave`
+        - `REDIS_MASTER_HOST=redis01` (**重点：直接使用主节点的容器名**)
+        - `REDIS_MASTER_PORT_NUMBER=6379` (主节点内部端口)
+        - `REDIS_MASTER_PASSWORD=123456`
+        - `REDIS_PASSWORD=123456`
+
+---
+
+## 四、 Docker Compose 容器编排
+
+当项目包含多个容器（如 App + MySQL + Redis）时，单个单个 `run` 非常繁琐，此时需要使用 Docker Compose。
+
+### 1. 核心概念
+
+通过一个 `compose.yaml` (或 `docker-compose.yml`) 声明式文件，一键管理整个项目的多个服务。
+
+### 2. 常用操作命令
+
+- `docker compose up -d`：**上线**（解析 yaml，创建网络/数据卷，后台启动所有容器）。
+- `docker compose down`：**下线**（停止并删除 yaml 中定义的所有容器、网络）。
+- `docker compose start [服务名1 服务名2]`：单独启动定义好的服务。
+- `docker compose stop [服务名1 服务名2]`：单独停止服务。
+- *(扩展)* `docker compose scale <服务名>=<数量>`：对某个服务进行扩缩容（注：新版语法多推荐使用 `up --scale`）。
+
+### 3. `compose.yaml` 顶级元素构成
+
+编写 yaml 文件时，主要包含以下几个顶级块（Top-level elements）：
+
+- `name`：项目名称
+- `services`：**【核心】** 定义各个服务（如 web, db, cache），每个服务包含镜像、端口映射、环境变量等。
+- `networks`：定义项目使用的自定义网络。
+- `volumes`：定义项目使用的数据卷。
+- `configs`：定义配置信息。
+- `secrets`：定义敏感信息（如密码密钥）。
+
+**官方参考文档查阅地址**：
+
+`https://docs.docker.com/compose/compose-file/` (编写 yaml 遇到属性不会写时，随时查阅 Reference 官方文档)。

000-inbox/jinja.md

@@ -0,0 +1,3 @@
+```
+{% if not add_generation_prompt is defined %}{% set add_generation_prompt = false %}{% endif %}{% set ns = namespace(is_first=false, is_tool=false, is_output_first=true, system_prompt='') %}{%- for message in messages %}{%- if message['role'] == 'system' %}{% set ns.system_prompt = message['content'] %}{%- endif %}{%- endfor %}{{bos_token}}{{ns.system_prompt}}{%- for message in messages %}{%- if message['role'] == 'user' %}{%- set ns.is_tool = false -%}{{'<｜User｜>' + message['content']}}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is none %}{%- set ns.is_tool = false -%}{%- for tool in message['tool_calls']%}{%- if not ns.is_first %}{{'<｜Assistant｜><｜tool▁calls▁begin｜><｜tool▁call▁begin｜>' + tool['type'] + '<｜tool▁sep｜>' + tool['function']['name'] + '\\n' + '```json' + '\\n' + tool['function']['arguments'] + '\\n' + '```' + '<｜tool▁call▁end｜>'}}{%- set ns.is_first = true -%}{%- else %}{{'\\n' + '<｜tool▁call▁begin｜>' + tool['type'] + '<｜tool▁sep｜>' + tool['function']['name'] + '\\n' + '```json' + '\\n' + tool['function']['arguments'] + '\\n' + '```' + '<｜tool▁call▁end｜>'}}{{'<｜tool▁calls▁end｜><｜end▁of▁sentence｜>'}}{%- endif %}{%- endfor %}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is not none %}{%- if ns.is_tool %}{{'<｜tool▁outputs▁end｜>' + message['content'] + '<｜end▁of▁sentence｜>'}}{%- set ns.is_tool = false -%}{%- else %}{% set content = message['content'] %}{% if '</think>' in content %}{% set content = message['content'].replace('</think>', '').split('<think>')[-1] %}{% endif %}{{'<｜Assistant｜>' + content + '<｜end▁of▁sentence｜>'}}{%- endif %}{%- endif %}{%- if message['role'] == 'tool' %}{%- set ns.is_tool = true -%}{%- if ns.is_output_first %}{{'<｜tool▁outputs▁begin｜><｜tool▁output▁begin｜>' + message['content'] + '<｜tool▁output▁end｜>'}}{%- set ns.is_output_first = false %}{%- else %}{{'\\n<｜tool▁output▁begin｜>' + message['content'] + '<｜tool▁output▁end｜>'}}{%- endif %}{%- endif %}{%- endfor -%}{% if ns.is_tool %}{{'<｜tool▁outputs▁end｜>'}}{% endif %}{% if add_generation_prompt and not ns.is_tool %}{{'<｜Assistant｜>'}}{% endif %}
+```

000-inbox/n8n 安装.md

@@ -0,0 +1,37 @@
+```
+services:
+  n8n:
+    image: ${N8N_IMAGE}
+    container_name: rebuild-n8n
+    restart: unless-stopped
+    ports:
+      - "127.0.0.1:5678:5678"
+    environment:
+      TZ: ${TZ}
+      GENERIC_TIMEZONE: ${GENERIC_TIMEZONE}
+
+      N8N_HOST: ${N8N_HOST}
+      N8N_PORT: 5678
+      N8N_PROTOCOL: https
+      WEBHOOK_URL: ${WEBHOOK_URL}
+      N8N_EDITOR_BASE_URL: ${N8N_EDITOR_BASE_URL}
+      N8N_PROXY_HOPS: 1
+
+      N8N_DEFAULT_LOCALE: zh
+      N8N_ENCRYPTION_KEY: ${N8N_ENCRYPTION_KEY}
+      N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS: "true"
+      N8N_RUNNERS_ENABLED: "true"
+
+    volumes:
+      - /opt/docker/data/n8n:/home/node/.n8n
+```
+
+```
+N8N_IMAGE=ghcr.io/aliveranme/n8n:2.12.2
+N8N_HOST=n8n.excalicode.org
+WEBHOOK_URL=https://n8n.excalicode.org/
+N8N_EDITOR_BASE_URL=https://n8n.excalicode.org/
+TZ=Asia/Shanghai
+GENERIC_TIMEZONE=Asia/Shanghai
+N8N_ENCRYPTION_KEY=3moa87LB!RMDuf
+```

000-inbox/杭州服务器-AI.md

@@ -1,20 +0,0 @@
-```
-测试云主机信息 172.21.30.23  用户名：root 密码:Melo@3023
-测试mysql：	172.21.33.224 用户名：cosmic_ai	密码:Cosmic@3306
-测试redis:	172.21.43.68:6379	密码：chRdw@redis
-
-1.DeepSeek-671B  http://36.137.208.165:5020/v1/chat/completions
-2.Qwen3-8B http://172.21.9.104:31554/v1/chat/completions
-
-redis-cli -h 127.0.0.1 -p 6379 -a '5sTb7fHFbsYl6KmI6pvC^XMw!7Y^Pbc1'
-```
-
-| 项目  | 配置                 |
-| --- | ------------------ |
-| 系统  | Anolis OS 8.6      |
-| 内核  | 4.18               |
-| CPU | Intel Xeon Skylake |
-| 核心  | **8 vCPU**         |
-| 主频  | 2.2 GHz            |
-| 虚拟化 | KVM                |
-| 架构  | x86_64             |

000-inbox/需求-命中率计算.md

@@ -0,0 +1,44 @@
+
+```
+http://dev.p.cdn.10086.cn:8080
+
+/statistics/getHitRatio
+
+?cpId=*
+&product=*
+&affectAreas=
+&domainNames=
+&provider=*
+&startTime=2026-03-27%2010:25
+&endTime=2026-03-27%2010:25
+&productId=
+&isps=
+&granular=0
+&_=1774580169469
+```
+
+com.cmcc.cdn.platform.selfservice.controller.StatisticsController#getHitRatio
+
+给我梳理下这个接口的功能，输出一个 markdown 文档到项目的根目录。
+
+主要是用到哪些参数，有哪些校验，有没有参数转换和默认值。掉了哪些三方接口，调了接口后做了哪些事情。尽量清晰。注意细节。
+
+---
+
+com.cmcc.cdn.platform.selfservice.controller.StatisticsController#getHitRatio
+
+getHitRatio接口分析.md 是我 getHitRatio 命中率接口的梳理，是在跑的业务。我现在给你安排一个艰巨的任务。
+
+ 因为我们有一个 MCP 注册中心。我要接入进去。接入我们只需要提供标准的 http 接口就行了。所以按照这个接口做 3 个新接口出来：
+
+1. 请求数
+2. 命中请求数
+3. 计算命中率（命中率 = 命中请求数 / 总请求数）的接口。
+
+controller 在 ibs-portal\cdn-web\src\main\java\com\cmcc\cdn\platform 下建一个 mcp 文件夹写。
+
+service 在 ibs-portal\cdn-service\src\main\java\com\cmcc\cdn\platform 下建一个 mcp 文件夹写。
+
+因为是新接口代码一定要标准易读清晰，不要用原来的垃圾逻辑。
+
+再帮我额外提供一个接口。可以实现比如 AI 获取 请求数 然后获取 命中请求数 。然后可以计算他们两个得出命中率的工具接口。方便我测试是调用一次计算命中率比较好，还是调用 请求数 然后调用 命中请求数 然后调用计算工具计算合适。

attachment/templates/打开控制台.md

@@ -0,0 +1,7 @@
+<%*
+const vaultPath = tp.app.vault.adapter.basePath;
+const command = `wt -d "${vaultPath}"`;
+const { exec } = require("node:child_process");
+exec(command);
+return "";
+-%>

attachment/templates/日常记录-闪念笔记.md

@@ -0,0 +1,11 @@
+<%*
+const name = tp.date.now("YYYY-MM-DD_HH-mm-ss");
+await tp.file.rename(name);
+setTimeout(() => {
+    const editor = app.workspace.activeEditor?.editor;
+    if (editor) {
+        editor.setCursor(0, 0);
+        editor.focus();
+    }
+}, 150);
+-%>

attachment/templates/时间戳笔记.md

@@ -1 +0,0 @@
-<% tp.file.cursor() %>

attachment/templates/移动杭研-开发笔记.md

@@ -1,4 +1,7 @@
-# 需求1
+<%*
+await tp.file.rename("开发笔记");
+-%>
+# 需求 1
 
 ## 需求评审
 
@@ -12,7 +15,7 @@
 
 
 
-# 需求2
+# 需求 2
 
 ## 需求评审
 

attachment/templates/移动杭研-问题记录.md

@@ -1,3 +1,10 @@
+<%*
+const monthDay = tp.date.now("MMDD");
+const name = await tp.system.prompt("笔记名称", "");
+if (name) {
+    await tp.file.rename(monthDay + "-" + name);
+}
+-%>
 ---
 日期: <% tp.date.now("YYYY-MM-DD HH:mm") %>
 来源:

calendar/diary/2024年/2024-07-26.md

@@ -11,7 +11,9 @@
 寅杰说需要配管反向提交资料，确认下提交什么。
 
 3.8 系统提示优化 - 信安错误提醒优化（5 天）
+
 4.1 政企侧用户体验优化（2 天）
+
 5.5 试商用客户峰值带宽增加引入省份信息（2 天）
 
 # 总结

calendar/diary/2026-03-12.md

@@ -24,10 +24,6 @@ excalicode-ai 是我之前的一个大项目，其中包含各种模块和功能
 
 11：融合 1 平面
 
-cli_a9381b92c0b8dbd8
-
-KySVktr83JyJGaQR9GnJDesxLx5z3Gw2
-
 OpenClaw: access not configured.
 
 Your Feishu user id: ou_5c0794859a5a52712cbfb49aaa334b70

calendar/diary/2026-03-17.md

@@ -1,8 +1,38 @@
 # 任务
 
-- [ ] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。（李春良 0.5）
+- [x] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。（李春良 0.5）
-- [ ] 开发：开发 IBS V7.19.0 需求。（新业务平面引入与系统集成实施 50% 李春良 5）
+- [x] 开发：开发 IBS V7.19.0 需求。（新业务平面引入与系统集成实施 70% 李春良 7）
+- [x] 客响：周一的信安信息邮件未发送。
 
 # 日志
 
+```
+[1Panel 2026-03-17 10:07:10 install Log]: =================感谢您的耐心等待，安装已完成==================
+[1Panel 2026-03-17 10:07:10 install Log]:
+[1Panel 2026-03-17 10:07:10 install Log]: 请使用您的浏览器访问面板：
+[1Panel 2026-03-17 10:07:10 install Log]: 外部地址： http://182.255.32.64:22448/e506222c7e
+[1Panel 2026-03-17 10:07:10 install Log]: 内部地址： http://192.168.126.129:22448/e506222c7e
+[1Panel 2026-03-17 10:07:10 install Log]: 面板用户： fcee1b68c9
+[1Panel 2026-03-17 10:07:10 install Log]: 面板密码： 2692d0bd2c
+[1Panel 2026-03-17 10:07:10 install Log]:
+[1Panel 2026-03-17 10:07:10 install Log]: 官方网站：https://1panel.cn
+[1Panel 2026-03-17 10:07:10 install Log]: 项目文档：https://1panel.cn/docs
+[1Panel 2026-03-17 10:07:10 install Log]: 代码仓库：https://github.com/1Panel-dev/1Panel
+[1Panel 2026-03-17 10:07:10 install Log]: 前往 1Panel 官方论坛获取帮助：https://bbs.fit2cloud.com/c/1p/7
+[1Panel 2026-03-17 10:07:10 install Log]:
+[1Panel 2026-03-17 10:07:10 install Log]: 如果您使用的是云服务器，请在安全组中打开端口 22448
+[1Panel 2026-03-17 10:07:10 install Log]:
+[1Panel 2026-03-17 10:07:10 install Log]: 为了您的服务器安全，离开此屏幕后您将无法再次看到您的密码，请记住您的密码。
+[1Panel 2026-03-17 10:07:10 install Log]:
+[1Panel 2026-03-17 10:07:10 install Log]: ================================================================
+```
+
 # 总结
+
+```
+更新方式也究极无敌简单，你直接把这段话，发给你的Agent就行，无论是Claude code、OpenClaw、OpenCode等等等等：https://github.com/anthropics/skills/tree/main/skills/skill-creator，这个skills更新了，帮我更新到最新版本  
+```
+
+调研了 Dify，今天小杨下班比较早。
+
+晚上割接，自己页放开了。

calendar/diary/2026-03-18.md

@@ -0,0 +1,12 @@
+# 任务
+
+- [x] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。（李春良 0.5）
+- [x] 开发：开发 IBS V7.19.0 需求。（新业务平面引入与系统集成实施 代发完成 李春良 7）
+
+# 日志
+
+# 总结
+
+今天发现了在 Java 枚举类中可以使用 spring context 获取已经注册的 service，并从而实现枚举的业务过滤，从而简化了大部分的代码，是一个很好的技巧
+
+下班时，李虎和我讨论了关于 rag 的实现，能为他的材料提供一些功能。我发现沟通是成长最好的途径，因为在沟通中，你可以知道每个人擅长的和了解的领域进行知识交换，从而发现每个人对从功能上到，就是整个对相同的事情有不同的学习领域、学习方式以及了解程度和多多维度的知识扩展

calendar/diary/2026-03-19.md

@@ -0,0 +1,23 @@
+# 任务
+
+- [x] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。（李春良 0.5）
+- [x] 开发：自测 IBS V7.19.0 需求。（新业务平面引入与系统集成实施 代发完成 李春良 5）
+- [x] 测试：IBS 7.19.0 测试用例评审。（961-570-648 郑子雯 2.5）
+
+# 日志
+
+130623200701082153
+
+tianhao123@
+
+---
+
+511725200605244415
+
+wang8023941@
+
+---
+
+# 总结
+
+早晨帮田昊强了四六级。8 点准时拿下。

calendar/diary/2026-03-20.md

@@ -0,0 +1,14 @@
+# 任务
+
+- [x] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。（李春良 0.5）
+- [x] 开发：自测 IBS V7.19.0 需求。（新业务平面引入与系统集成实施 自测完成 李春良 7）
+
+# 日志
+
+# 总结
+
+最近自己心态变化了一些，这次提测也没那么紧张了。
+
+和志龙走用例。
+
+下班带田宝去剪头发。二月二龙抬头。

calendar/diary/2026-03-21.md

@@ -0,0 +1,11 @@
+# 任务
+
+# 日志
+
+# 总结
+
+早晨起来收拾了一下屋子，上午去小寨大集吃东西。中午叫张泽过来吃饭。
+
+下午去了全季酒店。
+
+晚上回来带田宝去公园玩儿了会儿。

calendar/diary/2026-03-22.md

@@ -0,0 +1,17 @@
+# 任务
+
+# 日志
+
+# 总结
+
+今天早晨起来之后，我们打算带田宝去白浮泉公园玩。
+
+我们先去了上次那个有攀爬项目的一侧。发现田宝其实比较胆小，他在看到一些比较危险的东西后，是不会去做任何尝试的。我感觉这其实非常好，对他这个年龄段来说，这种性格能起到很好的保护作用。
+
+后面我们去玩了滑梯。白浮泉这个滑梯有一个很大的问题，就是大人不能快速地上下看护小孩。看到好多老人自己带孩子，在那儿就很无力，因为小朋友从滑梯滑下去后，老人再下去会非常费劲。不过今天在外边吹风感觉很舒服，白浮泉那边的整体环境也要好很多。
+
+中午 12 点左右，我们回家去肯德基吃了一个冰淇淋。田宝吃完饭之后就去睡觉了。
+
+下午起床后，我看了一些 React 的课程，田宝则去公园找他的好朋友瑞瑞和凯凯玩。他们一直疯狂地跑到 7 点钟才回家，吃完饭后明显感觉他今天累坏了。
+
+晚上我跟着 React 课程完成了那个“井字棋”的游戏。我感觉这个 React 课程真的让我眼前一亮，老师经常能预料到学习者会遇到什么问题以及如何去解决，没有站在高位者的姿态去讲课。

calendar/diary/2026-03-23.md

@@ -0,0 +1,75 @@
+# 任务
+
+- [x] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。明确外协人员 AI 代码提交规范。（李春良 0.5）
+- [x] 开发：支撑 IBS V7.19.0 版本测试。新业务平面引入与系统集成实施。运营管理/统计分析/数据统计,全部的其他五个选项分别选择后查询,可以得出结论数据来源于新增平面（李春良 1）
+- [x] 客响：每周一信安信息更新通知未发送。Mail rejected because email has 钓鱼网站2（张鹏豪 3）
+- [x] 项目：外协日报通报问题。2026.03.01-2026.03.22 这段时间一直在做 IBS 7.19.0 需求梳理、开发、自测，还有 IBS 智能体方案调研，工作内容连续性比较强。有些内容写得比较像，所以被判定为重复雷同。后面我会按每天实际完成的工作分别写明白，尽量写清当天处理了什么、进展到哪一步，避免再出现类似情况。（张鹏豪 1）
+- [x] 项目：IBS 7.19.0 能力引入。NRWLXT-30741 BYOC 接口幂等核心代码能力输出，实现接口调用的稳定性和可重复执行能力。NRWLXT-30742 BYOC 文件管理核心代码能力输出，支持文件上传、下载、存储及访问全流程管理。NRWLXT-30743 BYOC 报表导出核心代码能力输出，实现报表数据高效生成、格式化与导出，支持多种格式和大数据量处理。（李春良 1）
+- [x] 项目：BIS 7.19.0 AI 代码。Add NRWLXT-30729 BYAC CSPID-2026-00AQ1M AI 优化 新业务平面引入与系统集成实施。Add NRWLXT-30729 BYRC CLID-00ABRP 代码复用 新业务平面引入与系统集成实施。（李春良 0.5）
+- [x] 项目：CDN 智能体技术研讨。关于语义路由是否需要通过 mcp 去决定方向。（张鹏豪 1）
+
+# 日志
+
+[关注点分离](https://zh.wikipedia.org/wiki/%E5%85%B3%E6%B3%A8%E7%82%B9%E5%88%86%E7%A6%BB)
+
+[一次且仅一次](https://zh.wikipedia.org/wiki/%E4%B8%80%E6%AC%A1%E4%B8%94%E4%BB%85%E4%B8%80%E6%AC%A1)
+
+每个需求必须有一次提交。
+
+由于连续多天进行测试，所以出现XX天日报重复的情况
+
+问题：2026-03-01至2026-03-22日存在10条日报异常记录
+
+导向：
+
+```
+提醒：外协如有持续一段时间进行相同测试或者开发工作，请通知外协，日报中不要复制黏贴，会造成异常。有重复的工作，请每天展开描述一下，具体的工作内容和进展，降低重复率。如已经造成异常了，请在台账上备案，并确保下不为例
+```
+
+表格：
+
+![](../../attachment/images-paste/image-20260323102328859.png)
+
+序号	外协姓名	直属上级	自查问题分类	日报时间	原因说明	附件（截图）	备注
+
+例	张三	李四	格式不规范/缺少归档路径/出现外链/重复雷同	2025.03.01-2025.03.05	由于连续多天进行测试，所以出现XX天日报重复的情况	截图
+
+日报：
+
+2026-03-16 的 归档地址 归档地址问题我写了。根据我的日报给我一份：重复雷同。原因说明。
+
+这段时间一直在做 IBS 7.19.0 需求梳理、开发、自测，还有 IBS 智能体方案调研，工作内容连续性比较强。有些内容写得比较像，所以被判定为重复雷同。后面我会按每天实际完成的工作分别写明白，尽量写清当天处理了什么、进展到哪一步，避免再出现类似情况。
+
+```
+
+Add NRWLXT-30741 BYOC 接口幂等核心代码能力输出，实现接口调用的稳定性和可重复执行能力。
+
+Add NRWLXT-30742 BYOC 文件管理核心代码能力输出，支持文件上传、下载、存储及访问全流程管理。
+
+Add NRWLXT-30743 BYOC 报表导出核心代码能力输出，实现报表数据高效生成、格式化与导出，支持多种格式和大数据量处理。
+
+```
+
+```
+
+Add NRWLXT-30729 BYAC CSPID-2026-00AQ1M AI 优化 新业务平面引入与系统集成实施
+
+CSPID-2026-00AQ1M
+
+Add NRWLXT-30729 BYRC CLID-00ABRP 代码复用 新业务平面引入与系统集成实施
+
+```
+
+```
+
+ps -ef | grep xinan
+
+ 1983  2025-12-08 18:13:12 root kill -9 25856
+
+ 1984  2025-12-08 18:13:15 root nohup java -jar xinan-ibs-mock.jar > xinan.log &
+
+```
+
+# 总结
+
+日报有问题。了解了一些概念。

calendar/diary/2026-03-24.md

@@ -0,0 +1,10 @@
+# 任务
+
+- [x] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。追踪信安信息邮件问题。（李春良 0.5）
+- [x] 开发：支撑 IBS V7.19.0 版本测试。新业务平面引入与系统集成实施。合作服务商 显示问题。（李英浩 1）
+
+# 日志
+
+# 总结
+
+张雪峰去世了。

calendar/diary/2026-03-25.md

@@ -0,0 +1,33 @@
+# 任务
+
+- [x] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。（李春良 0.5）
+- [x] 开发：支撑 IBS V7.19.0 版本测试。新业务平面引入与系统集成实施。接口确认（郑子雯 1）
+- [x] 项目：IBS 智能体调研，简化 MCP 接口逻辑。（张鹏豪 6.5）
+
+# 日志
+
+杭州是满血大概只有 8K。
+
+咋们的蒸馏大概只有 4K。
+
+1. vllm 可以控制请求时间么？
+2. 是否开启思考是否可以控制？
+3. vllm 启动有哪些可以控制。
+
+deepseek-reasoner
+
+DeepSeek-V3.2  
+（思考模式）
+
+可以控制是否思考？
+
+| 参数                          | 不传默认值       | 传什么                                                                     | 作用                | 影响什么                                               |
+| --------------------------- | ----------- | ----------------------------------------------------------------------- | ----------------- | -------------------------------------------------- |
+| `--enable-auto-tool-choice` | 默认关闭（False） | 传 `--enable-auto-tool-choice` 开启；或显式传 `--no-enable-auto-tool-choice` 关闭 | 允许模型自己决定是否调用工具    | 不开时，模型通常不会主动发起 tool call；开了后，模型可根据问题自动选择 MCP/tool  |
+| `--tool-call-parser`        | 默认无（None）   | 传一个解析器名字，比如 `openai`、`llama3_json`、`hermes`、`mistral`、`qwen3_xml` 等     | 指定如何解析模型输出的工具调用格式 | 不传时，即使模型输出了工具调用内容，也可能无法被正确识别；传错了会导致 tool call 解析失败 |
+
+![](../../attachment/images-paste/image-20260325141838198.png)
+
+# 总结
+
+这两天在自己部署模型。想了解一些模型的概念。

calendar/diary/2026-03-26.md

@@ -0,0 +1,22 @@
+# 任务
+
+- [x] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。（李春良 0.5）
+- [x] 开发：支撑 IBS V7.19.0 版本测试。新业务平面引入与系统集成实施。确认 2.7查询某域名具体配置信息（基础+高级配置）为什么无法触发平面。（郑子雯 1）
+- [x] 客响：直播控制台无法导出。（后台时间过长）(李春良 0.5)
+- [x] 前端：企业白名单、cache+二级域名白名单问题。（白寰宇 0.5）
+- [x] 项目：IBS 智能体调研讨论，模型功能方向。（田卓 5.5）
+
+# 日志
+
+CoT 思考链
+
+1. 到底是不是想要的。
+2. 组件选型。
+
+# 总结
+
+这两天仔细了解了一下模型的安装部署，性能，以及工具调用协议等等。
+
+首先感觉脑子里清晰了很多。
+
+我发现我现在一个毛病，我想过多的了解更多的内容，导致我其实有个很大的问题，我总会挖的过深。然后脑子里积压过多的东西。然后当我瞬间轻松下来脑子里又一股脑的都出来了。笔记工具是我一个巨大的助力和习惯，让我有的追溯。

calendar/diary/2026-03-27.md

@@ -0,0 +1,46 @@
+# 任务
+
+- [x] 开发：参加 IBS 项目晨会，同步昨日问题跟进事项。（李春良 0.5）
+- [x] 项目：内容网络IBS系统研发项目_IBS子项目3月任务清单。（李春良 1.5）
+- [x] 开发：MCP统计接口服务实现，请求命中率计算问题。（张鹏豪 6）
+
+# 日志
+
+同步两个我个人的想法你们可以看看
+
+ DeepSeek-R1-Distill-Qwen-32B 接口似乎不支持 Tool Calling 和 Function Calling，虽然能靠底座 Qwen 的能力绕过，但接口标准是否一致还需本地验证。现在测试一直是用的官方的 API，别到最后咋们这边不适配就很难受。
+
+128G 卡跑 32B，如果追求效果用 16bit 加大上下文比如顶满 128K ，剩下的显存留给 KV Cache 根本撑不住几个并发；如果为了高并发切到 8bit 量化加 8K 上下文，工具调用能力大概率会直线下降。所以这个资源和模型最好能快些定下来，用自己的资源测试，就会有一些实际的体感。
+
+模型牛，人就轻松；模型弱，调试提示词和工具就要好久好久时间。
+
+总是用官方满血测试就有一种啥啥都好的错觉。
+
+实际效果我不知道，但我感觉涉及工具调用决策等等应该更看模型能力了。
+
+评估具体实现方案，分为四大模块处理：
+
+1. 运营数据
+2. 话单
+3. CDN集中运管平台接口规范扩展
+4. BPM对接接口规范扩展
+
+完成数据统计、实时监控、内容中心、用量查询、统计报表、运营指标导出、业务运维/配置管理、全站加速控制台/统计分析/数据统计、直播控制台/域名管理、冲突域名管理等页面开发。
+
+完成计费对账、自有业务中间话单统计等页面开发。
+
+完成以下接口适配创建/修改加速域名信息、域名配置回调接口（接口方向：CDN集中运维平台->IBS平台）、启用/停用加速域名、查询平面分发的所有加速域名列表、查询加速域名列表(基础配置)、查询某域名具体配置信息（基础+高级配置）、增加/修改域名高级配置、内容预热、内容刷新、内容分发、Url封禁/解禁。
+
+完成以下接口适配IBS通用运维任务创建接口（IBS->BPM）、通用任务状态回传接口（BPM->IBS）、业务适配工单验收反馈接口（BPM->IBS）、业务适配工单阶段反馈接口（BPM->IBS）、域名平面同步接口（BPM->IBS）
+
+完成运营数据需求开发自测，具备联调条件
+
+完成话单需求开发自测，具备联调条件
+
+完成CDN集中运管平台接口规范扩展需求开发自测，具备联调条件
+
+完成BPM对接接口规范扩展需求开发自测，具备联调条件
+
+# 总结
+
+早晨思考了一些关于 LLM 性能的问题，更新了 OpenClaw，下午写了两个接口，感觉最近集赞了很多东西没有消化了。

calendar/diary/2026-03-28.md

@@ -0,0 +1,7 @@
+# 任务
+
+# 日志
+
+# 总结
+
+修脚，下午睡了会儿觉，最近田宝和另一个瑞瑞玩儿的很不错。

calendar/diary/2026-03-29.md

@@ -0,0 +1,7 @@
+# 任务
+
+# 日志
+
+# 总结
+
+上午去医院。去了昌平线程的国泰，给团团买了一个小金豆子。

calendar/weeks/2026-W12.md

@@ -0,0 +1 @@
+cosmic ai 工具部署、Dify、割接、Java 枚举问题、李虎 rag、四六级、龙抬头、小寨、张泽、全季、白浮泉、react

personal/TG 备忘录.md

@@ -4,11 +4,7 @@
 
 ```
 https://t.me/tgcnx【Telegram 中文社群】
-https://t.me/jisou2【极搜大船团】
-https://t.me/animation_cn_chat【小乔国产动漫交流】
 https://t.me/gmjlq【动漫交流群 Anime Group】
-https://t.me/IPTV6789【IPTV📺軟件&直播源】
-https://t.me/se_talk【SE-索引社群】
 https://t.me/pixelexperiencechat_chn【Pixel Experience China】
 https://t.me/simpreadgroup【简悦 - SimpRead】
 https://t.me/eryidebiji【二一交流群】
@@ -22,8 +18,6 @@ https://t.me/BinanceChinese【币安官方中文群】
 https://t.me/OKXGroup_CN【欧易OKX官方中文群】
 https://t.me/ChinaPumpNow【中国密码鲸公司 WHALE CHINESE 🇨🇳🐳🚀🌖】
 https://t.me/airdrop_newer【币圈 小白 撸 空投】
-https://t.me/SZ399001【A股🚀股票炒股投资📈】
-https://t.me/anyplus【A股@炒股笔记 股票 股市 股吧】
 https://t.me/tonkeeper_chinese_chat【Tonkeeper中文频道 Chat】
 https://t.me/InvestSoftGroup【InvestSoft】
 ```
@@ -33,31 +27,24 @@ https://t.me/InvestSoftGroup【InvestSoft】
 ```
 https://t.me/haitunspeed【🐬海豚测速|公益EMBY|后端招募】
 https://t.me/ShadowrocketApp【Shadowrocket】
-https://t.me/SURGEPRO【SURGE PRO】
 https://t.me/Loon0x00【Loon-0x00】
 https://t.me/projectXray【Project X】
-https://t.me/jichang_user【机场交流群|吃瓜群众】
 https://t.me/v2rayN【v2rayN&G】
 https://t.me/Clashclient【Clash 交流群】
-https://t.me/qichiyuchat【七尺宇交流群】
 https://t.me/airport_chat【离港[̲̅V̲̅I̲̅P̅]候机室|机场交流🅥】
-https://t.me/qichiyu_bot【七尺宇私聊】
 ```
 
 ## 技术
 
 ```
 https://t.me/gekugou2【iOS破解软件交流】
-https://t.me/gpt_user【ChatGPT AI】
 https://t.me/BotTalk【Telegram Bot Talk】
 https://t.me/JavaBotsApi【Telegram Bots】
-https://t.me/linux_home【Linux窝】
 ```
 
 ## 业务
 
 ```
-https://t.me/SVIP334179【开户 话费 电费 油卡 Q币 E卡7折优惠 赚钱项目】
 https://t.me/hezu1【[合租社群]Netflix|YouTube|Spotify |office365|Hbo|Surge|美剧|等音乐影视聊天机场电影盒子软路由】
 https://t.me/voicebygoogle【Google Voice 中文群】
 ```
@@ -66,7 +53,6 @@ https://t.me/voicebygoogle【Google Voice 中文群】
 
 ```
 https://t.me/Deno333【Denis D】备注：mt4 插件。
-https://t.me/ycmjdev【Kennel，GPT 拼车】
 https://t.me/xinchent【似水流年】
 https://t.me/Cococeo【奇迹】
 ```
@@ -74,11 +60,13 @@ https://t.me/Cococeo【奇迹】
 ## 机器人
 
 ```
+https://t.me/jisou【极搜🔍资源搜索@JISOU】
 https://t.me/OkayPayBot【Okpay💰】
 https://t.me/freenodeshare_bot【免费节点自动分享】
 https://t.me/SpamBot【Spam Info Bot】
 https://t.me/aaooVbot【退押中·Kvmidc海外服务器🧑‍💻负责人】
 https://t.me/dmssrobot【动漫搜索 Bot】
+https://t.me/qichiyu_bot【七尺宇私聊】
 ```
 
 # Google Voice 选购清单

personal/服务器-香港.md

@@ -4,6 +4,8 @@
 
 # 1Panel【域名】
 
+## （1）安装面板
+
 [1Panel 服务器运维管理面板](https://1panel.cn/)
 
 ```
@@ -13,106 +15,44 @@
 面板密码:  6cd500f202
 ```
 
-Cloudflare DNS 账户
+## （2）申请面板证书
+
+DNS 账户 Cloudflare
 
 ```
 MPLkv5dlbyKh_q0DdvH5ECxaUHVr5BVg0Ogf5AOH
 ```
 
+为 1panel.excalicode.org 申请证书
+
+## （3）面板设置
+
+1. 面板设置 - 安全 里关掉安全入口，对绑定域名后用域名访问面板友好
+2. 面板设置 - 安全 里 开启面板 SSL
+3. 在系统 - SSH 管理修改链接端口、关闭密码认证、开启密钥认证、授权密钥
+4. 配置终端，方便后续操作
+
+```
+ssh-ed25519 AAAAC3NzaC1lZDI1NTE5AAAAIBfW4LWZ/HxIHdQcT+bnUUa5Tqbbag5otkv+y6OkDa9I
+ssh-ed25519 AAAAC3NzaC1lZDI1NTE5AAAAIP87fXzm4HSwkS3XaJHGTsEeiu4o9lLlu+ZEwHGuSbzS github-actions
+```
+
+## （4）CF 设置
+
 1. cloudflare DNS 添加记录
-2. 在 面板设置 - 安全 里关掉安全入口，对绑定域名后用域名访问面板友好
+2. 在 Cloudflare 中先设定好 Origin Rules 以准备将面板域名请求自动重写到 1Panel 端口，目标端口： 选择 重写到 面板端口号
-3. 为 1panel.excalicode.org 申请证书
-4. 在 Cloudflare 中先设定好 Origin Rules 以准备将面板域名请求自动重写到 1Panel 端口，目标端口： 选择 重写到 面板端口号
-5. 在 1Panel 设置 SSL、绑定域名
-6. 在面板中设置 ssh 管理，增加安全性
 
-一些建议设置
+CF 小技巧：
 
-```
+1. 在 Cloudflare 的侧栏点击 SSL/TLS，选择**完全（严格）**
-在 Cloudflare 中将 SSL/TLS 加密模式改为完全（严格），并修改一些其他设置
+2. 在侧栏点击**边缘证书**，开启下列选项：
-在 Cloudflare 的侧栏点击 SSL/TLS
+  - 始终使用 HTTPS
-选择 完全（严格）
+  - 随机加密
-在侧栏点击 边缘证书
+  - TLS 1.3
-开启下列选项
+  - 自动 HTTPS 重写
-始终使用 HTTPS
+  - 证书透明度监视
-随机加密
-TLS 1.3
-自动 HTTPS 重写
-证书透明度监视
-```
 
----
+## （5）安装 Openresty
-
-# OpenClaw【域名】
-
-```
-r5hzczwdpd2bin2zxapbnqjmwdjny2kz
-
-mq7swt5pxdhhz6mmryz28n3ytgma83fb
-
-18789
-18790
-
-http://82.158.226.4:18789?token=r5hzczwdpd2bin2zxapbnqjmwdjny2kz
-
-https://openclaw.excalicode.org?token=mq7swt5pxdhhz6mmryz28n3ytgma83fb
-```
-
-# Openresty
-
-# MySQL
-
-```
-root
-ykz2WKZ@vke6rmk*req
-
-端口 13306
-```
-
-# Redis
-
-```
-jgw5wpe!HVB@vem2wmp
-
-端口 16379
-```
-
-# Gitea
-
-```
-数据库 gitea
-数据库用户 gitea
-数据库密码 ykz2WKZ@vke6rmk*req
-
-HTTP 端口 3000
-SSH 端口 222
-```
-
-# PostgreSQL
-
-```
-user_kJd5rr
-uPN2gbSgWI5yb5
-
-端口 15432
-```
-
-# sonarqube
-
-```
-http://82.158.226.4:19000
-数据库名 sonarqube
-数据库用户 sonarqube
-数据库用户密码 8hIu5ys14x7mbT
-端口 19000
-
-登录用户
-
-admin
-WhrNNu*Lcd5&2h
-```
-
----
 
 # Sub-Store【域名】
 
@@ -129,19 +69,65 @@ services:
       SUB_STORE_BACKEND_API_HOST: 127.0.0.1
       SUB_STORE_BACKEND_API_PORT: 3001
       SUB_STORE_BACKEND_MERGE: true
-      SUB_STORE_FRONTEND_BACKEND_PATH: /PVM!xwm7hkz4hek2xjy
+      SUB_STORE_FRONTEND_BACKEND_PATH: /AZmFbXAp9Tyhws
       PORT: 9876
       HOST: 127.0.0.1
     volumes:
-      - /opt/docker/data/sub-store:/opt/app/data
+      - sub-store-data:/opt/app/data
+
+volumes:
+  sub-store-data:
 ```
 
-在 Openresty 中反向代理 3001
+申请证书并在 Openresty 中反向代理 3001
 
 访问地址
 
 ```
-https://sub-store.excalicode.org?api=https://sub-store.excalicode.org/PVM!xwm7hkz4hek2xjy
+https://sub-store.excalicode.org?api=https://sub-store.excalicode.org/AZmFbXAp9Tyhws
+```
+
+# OpenClaw【域名】
+
+```
+r5hzczwdpd2bin2zxapbnqjmwdjny2kz
+
+mq7swt5pxdhhz6mmryz28n3ytgma83fb
+
+18789
+18790
+
+http://82.158.226.4:18789?token=r5hzczwdpd2bin2zxapbnqjmwdjny2kz
+
+https://openclaw.excalicode.org?token=mq7swt5pxdhhz6mmryz28n3ytgma83fb
+```
+
+# MySQL
+
+```
+root
+ykz2WKZ@vke6rmk*req
+
+13306
+```
+
+# Redis
+
+```
+jgw5wpe!HVB@vem2wmp
+
+16379
+```
+
+# Gitea
+
+```
+数据库 gitea
+数据库用户 gitea
+数据库密码 ykz2WKZ@vke6rmk*req
+
+HTTP 端口 3000
+SSH 端口 222
 ```
 
 # s-ui

resource/ai/prompts/cosmic/Prompt 01 COSMIC 需求扩写.md

@@ -63,3 +63,5 @@
 5、建立客户跟进记录管理体系，支持对跟进情况的记录、查询、修改和删除。
 
 6、建立自动化的预警机制，支持预警规则的自定义配置，支持查询、修改、删除预警规则，并能定时生成预警提醒，防范业务风险。
+
+帮我看下现在 spring ai 底层的重试机制是怎么样的？会重试多少次？我怎么看到过 30 多次的日志。

resource/ai/大模型安装笔记/000 autodl 机器信息.md

@@ -0,0 +1,43 @@
+硬件：NVIDIA A800 80GB GPU，30GB 系统盘 和 100GB 数据盘 (`/root/autodl-tmp`)。
+
+> **19.5 TFLOPS** = 普通生产线能力
+> **312 Tensor TFLOPS** = AI 专用流水线能力
+
+模型：deepseek-ai/DeepSeek-R1-Distill-Qwen-32B
+
+> Tensor type BF16
+> Tensor type（张量类型）通常指 PyTorch 或 TensorFlow 等框架中，用于表示多维数组的数据对象。通俗理解模型内部数字是用什么“数据格式”来存的。
+> 33B × 2 字节 ≈ 66GB
+
+服务器启动日志
+
+```
++-----------------------------------------------AutoDL-----------------------------------------------------+
+目录说明:
+╔═════════════════╦════════╦════╦═════════════════════════════════════════════════════════════════════════╗
+║目录             ║名称    ║速度║说明                                                                     ║
+╠═════════════════╬════════╬════╬═════════════════════════════════════════════════════════════════════════╣
+║/                ║系 统 盘║一般║实例关机数据不会丢失，可存放代码等。会随保存镜像一起保存。               ║
+║/root/autodl-tmp ║数 据 盘║ 快 ║实例关机数据不会丢失，可存放读写IO要求高的数据。但不会随保存镜像一起保存 ║
+╚═════════════════╩════════╩════╩═════════════════════════════════════════════════════════════════════════╝
+CPU ：14 核心
+内存：120 GB
+GPU ：NVIDIA A800 80GB PCIe, 1
+存储：
+  系 统 盘/               ：1% 53M/30G
+  数 据 盘/root/autodl-tmp：1% 12K/100G
++----------------------------------------------------------------------------------------------------------+
+*注意:
+1.系统盘较小请将大的数据存放于数据盘或文件存储中，重置系统时数据盘和文件存储中的数据不受影响
+2.清理系统盘请参考：https://www.autodl.com/docs/qa1/
+3.终端中长期执行命令请使用screen等工具开后台运行，确保程序不受SSH连接中断影响：https://www.autodl.com/docs/daemon/
+
+```
+
+显卡检测
+
+```
+root@autodl-container-c6d54aa471-4479d4d0:~# python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"
+True
+NVIDIA A800 80GB PCIe
+```

resource/ai/大模型安装笔记/001 大模型启动流程.md

@@ -0,0 +1,172 @@
+# 第一步：准备环境与配置下载源
+
+`DeepSeek-R1-Distill-Qwen-32B` 的模型权重（BF16/FP16精度）大约需要占用 **64GB 的磁盘空间** 和 **约 65GB 的显存**。
+
+**A800 80GB 显存完美支持该模型单卡运行**，但**系统盘（30GB）空间不足**，因此将模型下载到数据盘（`/root/autodl-tmp`）中。
+
+通过国内镜像站下载，并**强制将缓存路径设置在数据盘**，防止系统盘撑爆导致实例死机。
+
+在终端中依次执行以下命令：
+
+```bash
+# 1. 进入数据盘目录
+cd /root/autodl-tmp
+
+# 2. 必须：设置 Hugging Face 缓存目录到数据盘
+export HF_HOME=/root/autodl-tmp/hf_cache
+
+# 3. 设置 Hugging Face 国内镜像加速下载
+export HF_ENDPOINT=https://hf-mirror.com
+
+# 4. 安装 huggingface-cli 及加速传输依赖
+pip install -U huggingface_hub hf_transfer
+
+如果遇到风险
+pip install -U huggingface_hub hf_transfer --break-system-packages
+
+export HF_HUB_ENABLE_HF_TRANSFER=1
+```
+
+# 第二步：下载模型
+
+**方式一**
+
+使用 `huggingface-cli` 将模型直接下载到数据盘的指定文件夹中。下载大概需要十几到几十分钟（约 64 GB）。
+
+```bash
+hf download deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --local-dir /root/autodl-tmp/DeepSeek-R1-32B
+
+hf download deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B --local-dir /root/autodl-tmp/DeepSeek-R1-1.5B
+
+hf download deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B --local-dir /root/autodl-tmp/DeepSeek-R1-Distill-Qwen-7B
+```
+
+**方式二**
+
+```bash
+python - <<'PY'
+import os
+from huggingface_hub import snapshot_download
+
+os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"
+os.environ["HF_HOME"] = "/root/autodl-tmp/hf_cache"
+os.environ["HF_HUB_ENABLE_HF_TRANSFER"] = "1"
+
+print("⏳ 开始下载模型...")
+path = snapshot_download(
+    repo_id="deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B",
+    local_dir="/root/autodl-tmp/DeepSeek-R1-1.5B",
+)
+
+print("✅ 下载完成，模型目录：", path)
+PY
+```
+
+# 第三步：安装并启动 vLLM 推理框架
+
+**1. 安装 vLLM：**
+
+```bash
+pip install vllm
+```
+
+**2. 开启后台运行：**
+
+使用 `screen` 创建一个叫 `vllm_server` 的后台窗口：
+
+```bash
+创建
+screen -U -S vLLM
+
+列表
+screen -U -ls
+
+重新进入
+screen -U -r 89505.vllm_server
+
+退出
+screen -U -S 7394 -X quit
+
+离开
+Ctrl-a d
+```
+
+**3. 启动类似 OpenAI 的 API 服务：**
+
+注意：我们将端口设为 `6006`，这是 AutoDL 官方支持对外暴露的默认端口
+
+前台
+
+```bash
+python -m vllm.entrypoints.openai.api_server \
+    --model /root/autodl-tmp/DeepSeek-R1-Distill-Qwen-7B \
+    --served-model-name deepseek-r1 \
+    --tensor-parallel-size 1 \
+    --max-model-len 131072 \
+    --gpu-memory-utilization 0.95 \
+    --reasoning-parser deepseek_r1 \
+    --tool-call-parser qwen3_xml \
+    --enable-auto-tool-choice \
+    --port 6006
+```
+
+后台
+
+```bash
+deepseek-ai/DeepSeek-R1-Distill-Qwen-7B
+
+screen -U -L -Logfile /root/vllm_server.log -dmS vllm_server bash -c 'python -m vllm.entrypoints.openai.api_server \
+    --model /root/autodl-tmp/DeepSeek-R1-32B \
+    --served-model-name deepseek-r1 \
+    --tensor-parallel-size 1 \
+    --max-model-len 8192 \
+    --gpu-memory-utilization 0.95 \
+    --port 6006'
+    
+screen -U -L -Logfile /root/vllm_server.log -dmS vllm_server bash -c 'python -m vllm.entrypoints.openai.api_server \
+    --model /root/autodl-tmp/DeepSeek-R1-1.5B \
+    --served-model-name deepseek-r1 \
+    --tensor-parallel-size 1 \
+    --max-model-len 131072 \
+    --gpu-memory-utilization 0.95 \
+    --port 6006'
+    
+screen -U -L -Logfile /root/vllm_server.log -dmS vllm_server bash -c 'python -m vllm.entrypoints.openai.api_server \
+    --model /root/autodl-tmp/DeepSeek-R1-Distill-Qwen-7B \
+    --served-model-name deepseek-r1 \
+    --tensor-parallel-size 1 \
+    --max-model-len 131072 \
+    --gpu-memory-utilization 0.95 \
+    --port 6006'
+```
+
+```
+可以决定
+--reasoning-parser deepseek_r1
+```
+
+**参数解释：**
+
+- `--max-model-len 8192`：限制最大上下文为 8K token（因为模型本身 64G，A800 剩约 15G 显存留给 KV Cache，8K 是比较安全且不会 OOM 的长度）。
+- `--gpu-memory-utilization 0.95`：允许 vLLM 使用 95% 的显存。
+- `--served-model-name`：客户端调用时填写的模型名称。
+
+等待终端显示 `Uvicorn running on http://0.0.0.0:6006` 字样，即代表部署成功。
+
+# 第四步：测试调用 (与 OpenAI API 完全兼容)
+
+您可以在同一个实例新开一个终端，或者直接在当前终端输入以下命令进行测试：
+
+```bash
+curl http://localhost:6006/v1/chat/completions \
+  -H "Content-Type: application/json" \
+  -d '{
+    "model": "deepseek-r1",
+    "messages":[
+      {"role": "system", "content": "你是一个有用的AI助手。"},
+      {"role": "user", "content": "请用Python写一个快速排序算法。"}
+    ],
+    "max_tokens": 1024,
+    "temperature": 0.6
+  }'
+```

resource/ai/大模型安装笔记/002 vllm 安装日志.md

@@ -0,0 +1,883 @@
+## 安装命令
+
+如何实现离线安装：
+
+```
+pip install vllm
+pip download -d /tmp/vllm_pkgs vllm
+```
+
+```bash
+root@autodl-container-c6d54aa471-4479d4d0:~# pip show vllm
+Name: vllm
+Version: 0.18.0
+Summary: A high-throughput and memory-efficient inference and serving engine for LLMs
+Home-page:
+Author: vLLM Team
+Author-email:
+License:
+Location: /root/miniconda3/lib/python3.12/site-packages
+Requires: aiohttp, anthropic, blake3, cachetools, cbor2, cloudpickle, compressed-tensors, depyf, diskcache, einops, fastapi, filelock, flashinfer-python, gguf, ijson, lark, llguidance, lm-format-enforcer, mcp, mistral_common, model-hosting-container-standards, msgspec, ninja, numba, numpy, nvidia-cudnn-frontend, nvidia-cutlass-dsl, openai, openai-harmony, opencv-python-headless, opentelemetry-api, opentelemetry-exporter-otlp, opentelemetry-sdk, opentelemetry-semantic-conventions-ai, outlines_core, partial-json-parser, pillow, prometheus-fastapi-instrumentator, prometheus_client, protobuf, psutil, py-cpuinfo, pybase64, pydantic, python-json-logger, pyyaml, pyzmq, quack-kernels, regex, requests, sentencepiece, setproctitle, setuptools, six, tiktoken, tokenizers, torch, torchaudio, torchvision, tqdm, transformers, typing_extensions, watchfiles, xgrammar
+Required-by:
+```
+
+一些建议：
+
+```bash
+conda create -n vllm python=3.12 -y
+conda activate vllm
+pip install vllm
+```
+
+## 安装日志
+
+```
+root@autodl-container-c6d54aa471-4479d4d0:~/autodl-tmp# pip install vllm
+Looking in indexes: http://mirrors.aliyun.com/pypi/simple
+Collecting vllm
+  Downloading http://mirrors.aliyun.com/pypi/packages/4f/e9/59cf9b8939b51e859d2166ac3336b353f52ec4f9ceda34228aae7b386840/vllm-0.18.0-cp38-abi3-manylinux_2_31_x86_64.whl (433.2 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 433.2/433.2 MB 7.0 MB/s eta 0:00:00
+Collecting regex (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/9e/40/bb226f203caa22c1043c1ca79b36340156eca0f6a6742b46c3bb222a3a57/regex-2026.2.28-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl (802 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 802.0/802.0 kB 13.3 MB/s eta 0:00:00
+Collecting cachetools (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/06/f3/39cf3367b8107baa44f861dc802cbf16263c945b62d8265d36034fc07bea/cachetools-7.0.5-py3-none-any.whl (13 kB)
+Requirement already satisfied: psutil in /root/miniconda3/lib/python3.12/site-packages (from vllm) (7.0.0)
+Collecting sentencepiece (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/04/88/14f2f4a2b922d8b39be45bf63d79e6cd3a9b2f248b2fcb98a69b12af12f5/sentencepiece-0.2.1-cp312-cp312-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (1.4 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.4/1.4 MB 11.1 MB/s eta 0:00:00
+Requirement already satisfied: numpy in /root/miniconda3/lib/python3.12/site-packages (from vllm) (2.3.2)
+Requirement already satisfied: requests>=2.26.0 in /root/miniconda3/lib/python3.12/site-packages (from vllm) (2.31.0)
+Requirement already satisfied: tqdm in /root/miniconda3/lib/python3.12/site-packages (from vllm) (4.66.2)
+Collecting blake3 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/5b/94/eafaa5cdddadc0c9c603a6a6d8339433475e1a9f60c8bb9c2eed2d8736b6/blake3-1.0.8-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (388 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 388.0/388.0 kB 30.7 MB/s eta 0:00:00
+Collecting py-cpuinfo (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/e0/a9/023730ba63db1e494a271cb018dcd361bd2c917ba7004c3e49d5daf795a2/py_cpuinfo-9.0.0-py3-none-any.whl (22 kB)
+Collecting transformers<5,>=4.56.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/03/b8/e484ef633af3887baeeb4b6ad12743363af7cce68ae51e938e00aaa0529d/transformers-4.57.6-py3-none-any.whl (12.0 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 12.0/12.0 MB 9.5 MB/s eta 0:00:00
+Collecting tokenizers>=0.21.1 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/2e/76/932be4b50ef6ccedf9d3c6639b056a967a86258c6d9200643f01269211ca/tokenizers-0.22.2-cp39-abi3-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (3.3 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 3.3/3.3 MB 10.6 MB/s eta 0:00:00
+Collecting protobuf!=6.30.*,!=6.31.*,!=6.32.*,!=6.33.0.*,!=6.33.1.*,!=6.33.2.*,!=6.33.3.*,!=6.33.4.*,>=5.29.6 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/53/1b/3b431694a4dc6d37b9f653f0c64b0a0d9ec074ee810710c0c3da21d67ba7/protobuf-7.34.1-cp310-abi3-manylinux2014_x86_64.whl (324 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 324.3/324.3 kB 32.1 MB/s eta 0:00:00
+Collecting fastapi>=0.115.0 (from fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/8f/ea/18f6d0457f9efb2fc6fa594857f92810cadb03024975726db6546b3d6fcf/fastapi-0.135.2-py3-none-any.whl (117 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 117.4/117.4 kB 31.5 MB/s eta 0:00:00
+Collecting aiohttp>=3.13.3 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/86/f6/a62cbbf13f0ac80a70f71b1672feba90fdb21fd7abd8dbf25c0105fb6fa3/aiohttp-3.13.3-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl (1.8 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.8/1.8 MB 11.9 MB/s eta 0:00:00
+Collecting openai<2.25.0,>=1.99.1 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/c9/30/844dc675ee6902579b8eef01ed23917cc9319a1c9c0c14ec6e39340c96d0/openai-2.24.0-py3-none-any.whl (1.1 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.1/1.1 MB 6.8 MB/s eta 0:00:00
+Collecting pydantic>=2.12.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/5a/87/b70ad306ebb6f9b585f114d0ac2137d792b48be34d732d60e597c2f8465a/pydantic-2.12.5-py3-none-any.whl (463 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 463.6/463.6 kB 12.2 MB/s eta 0:00:00
+Requirement already satisfied: prometheus_client>=0.18.0 in /root/miniconda3/lib/python3.12/site-packages (from vllm) (0.22.1)
+Requirement already satisfied: pillow in /root/miniconda3/lib/python3.12/site-packages (from vllm) (11.3.0)
+Collecting prometheus-fastapi-instrumentator>=7.0.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/27/72/0824c18f3bc75810f55dacc2dd933f6ec829771180245ae3cc976195dec0/prometheus_fastapi_instrumentator-7.1.0-py3-none-any.whl (19 kB)
+Collecting tiktoken>=0.6.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/f4/90/3dae6cc5436137ebd38944d396b5849e167896fc2073da643a49f372dc4f/tiktoken-0.12.0-cp312-cp312-manylinux_2_28_x86_64.whl (1.2 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.2/1.2 MB 14.4 MB/s eta 0:00:00
+Collecting lm-format-enforcer==0.11.3 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/a0/ef/11292bb0b85cf4c93447cab5a29f64576ed14d3ab4280e35ddd23486594a/lm_format_enforcer-0.11.3-py3-none-any.whl (45 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 45.4/45.4 kB 21.0 MB/s eta 0:00:00
+Collecting llguidance<1.4.0,>=1.3.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/83/a8/1ff2bedb8f9acb46a2d2d603415d272bb622c142ea86f5b95445cc6e366c/llguidance-1.3.0-cp39-abi3-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (3.0 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 3.0/3.0 MB 11.0 MB/s eta 0:00:00
+Collecting outlines_core==0.2.11 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/92/c7/a65d1fddf49830ebc41422294eacde35286d9f68994a8aa905cb14f5aade/outlines_core-0.2.11-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (2.3 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.3/2.3 MB 12.9 MB/s eta 0:00:00
+Collecting diskcache==5.6.3 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/3f/27/4570e78fc0bf5ea0ca45eb1de3818a23787af9b390c0b0a0033a1b8236f9/diskcache-5.6.3-py3-none-any.whl (45 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 45.5/45.5 kB 16.4 MB/s eta 0:00:00
+Requirement already satisfied: lark==1.2.2 in /root/miniconda3/lib/python3.12/site-packages (from vllm) (1.2.2)
+Collecting xgrammar<1.0.0,>=0.1.32 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/69/62/65e664d861cdadf2d788c03dd8fe67f1faaa7bd4bd2317a2ab850aebee20/xgrammar-0.1.32-cp312-cp312-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (37.7 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 37.7/37.7 MB 11.5 MB/s eta 0:00:00
+Requirement already satisfied: typing_extensions>=4.10 in /root/miniconda3/lib/python3.12/site-packages (from vllm) (4.14.1)
+Requirement already satisfied: filelock>=3.16.1 in /root/miniconda3/lib/python3.12/site-packages (from vllm) (3.18.0)
+Collecting partial-json-parser (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/42/32/658973117bf0fd82a24abbfb94fe73a5e86216e49342985e10acce54775a/partial_json_parser-0.2.1.1.post7-py3-none-any.whl (10 kB)
+Requirement already satisfied: pyzmq>=25.0.0 in /root/miniconda3/lib/python3.12/site-packages (from vllm) (27.0.1)
+Collecting msgspec (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/5c/a2/488517a43ccf5a4b6b6eca6dd4ede0bd82b043d1539dd6bb908a19f8efd3/msgspec-0.20.0-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl (224 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 224.9/224.9 kB 44.8 MB/s eta 0:00:00
+Collecting gguf>=0.17.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/5e/0c/e0f1eae7535a97476fb903f65301e35da2a66182b8161066b7eb312b2cb8/gguf-0.18.0-py3-none-any.whl (114 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 114.2/114.2 kB 45.5 MB/s eta 0:00:00
+Collecting mistral_common>=1.10.0 (from mistral_common[image]>=1.10.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/87/c6/1429a0a3ab40f8530492b62b52eb792266c261b22ed62aa7f25d61d531ae/mistral_common-1.10.0-py3-none-any.whl (6.5 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 6.5/6.5 MB 9.6 MB/s eta 0:00:00
+Collecting opencv-python-headless>=4.13.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/4b/33/b5db29a6c00eb8f50708110d8d453747ca125c8b805bc437b289dbdcc057/opencv_python_headless-4.13.0.92-cp37-abi3-manylinux_2_28_x86_64.whl (60.4 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 60.4/60.4 MB 10.7 MB/s eta 0:00:00
+Requirement already satisfied: pyyaml in /root/miniconda3/lib/python3.12/site-packages (from vllm) (6.0.2)
+Requirement already satisfied: six>=1.16.0 in /root/miniconda3/lib/python3.12/site-packages (from vllm) (1.17.0)
+Collecting setuptools<81.0.0,>=77.0.3 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/94/b8/f1f62a5e3c0ad2ff1d189590bfa4c46b4f3b6e49cef6f26c6ee4e575394d/setuptools-80.10.2-py3-none-any.whl (1.1 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.1/1.1 MB 14.2 MB/s eta 0:00:00
+Collecting einops (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/2a/09/f8d8f8f31e4483c10a906437b4ce31bdf3d6d417b73fe33f1a8b59e34228/einops-0.8.2-py3-none-any.whl (65 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 65.6/65.6 kB 26.7 MB/s eta 0:00:00
+Collecting compressed-tensors==0.13.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/0b/b5/61ac2563c62490922b603c09113a083fd74af3630ec3931e769484d6dcb5/compressed_tensors-0.13.0-py3-none-any.whl (192 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 192.6/192.6 kB 42.8 MB/s eta 0:00:00
+Collecting depyf==0.20.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/cf/65/4df6936130b56e1429114e663e7c1576cf845f3aef1b2dd200c0a5d19dba/depyf-0.20.0-py3-none-any.whl (39 kB)
+Collecting cloudpickle (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/88/39/799be3f2f0f38cc727ee3b4f1445fe6d5e4133064ec2e4115069418a5bb6/cloudpickle-3.1.2-py3-none-any.whl (22 kB)
+Collecting watchfiles (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/cf/68/5707da262a119fb06fbe214d82dd1fe4a6f4af32d2d14de368d0349eb52a/watchfiles-1.1.1-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (456 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 456.8/456.8 kB 40.0 MB/s eta 0:00:00
+Requirement already satisfied: python-json-logger in /root/miniconda3/lib/python3.12/site-packages (from vllm) (3.3.0)
+Collecting ninja (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/ed/de/0e6edf44d6a04dabd0318a519125ed0415ce437ad5a1ec9b9be03d9048cf/ninja-1.13.0-py3-none-manylinux2014_x86_64.manylinux_2_17_x86_64.whl (180 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 180.7/180.7 kB 39.5 MB/s eta 0:00:00
+Collecting pybase64 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/62/f7/965b79ff391ad208b50e412b5d3205ccce372a2d27b7218ae86d5295b105/pybase64-1.4.3-cp312-cp312-manylinux1_x86_64.manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_5_x86_64.whl (71 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 71.6/71.6 kB 36.8 MB/s eta 0:00:00
+Collecting cbor2 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/db/9d/7ede2cc42f9bb4260492e7d29d2aab781eacbbcfb09d983de1e695077199/cbor2-5.9.0-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl (288 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 288.2/288.2 kB 19.8 MB/s eta 0:00:00
+Collecting ijson (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/6d/81/2fee58f9024a3449aee83edfa7167fb5ccd7e1af2557300e28531bb68e16/ijson-3.5.0-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl (149 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 149.7/149.7 kB 28.8 MB/s eta 0:00:00
+Collecting setproctitle (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/d0/99/71630546b9395b095f4082be41165d1078204d1696c2d9baade3de3202d0/setproctitle-1.3.7-cp312-cp312-manylinux1_x86_64.manylinux_2_28_x86_64.manylinux_2_5_x86_64.whl (32 kB)
+Collecting openai-harmony>=0.0.3 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/25/3f/1a192b93bb47c6b44cd98ba8cc1d3d2a9308f1bb700c3017e6352da11bda/openai_harmony-0.0.8-cp38-abi3-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (3.0 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 3.0/3.0 MB 11.9 MB/s eta 0:00:00
+Collecting anthropic>=0.71.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/63/5f/67db29c6e5d16c8c9c4652d3efb934d89cb750cad201539141781d8eae14/anthropic-0.86.0-py3-none-any.whl (469 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 469.4/469.4 kB 27.6 MB/s eta 0:00:00
+Collecting model-hosting-container-standards<1.0.0,>=0.1.13 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/48/94/052452842d39c562237a70345c57ec213a9db22bd25bba998fd2b32d70a7/model_hosting_container_standards-0.1.14-py3-none-any.whl (121 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 121.4/121.4 kB 32.0 MB/s eta 0:00:00
+Collecting mcp (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/fd/d9/eaa1f80170d2b7c5ba23f3b59f766f3a0bb41155fbc32a69adfa1adaaef9/mcp-1.26.0-py3-none-any.whl (233 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 233.6/233.6 kB 28.6 MB/s eta 0:00:00
+Collecting opentelemetry-sdk>=1.27.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/2c/c5/6a852903d8bfac758c6dc6e9a68b015d3c33f2f1be5e9591e0f4b69c7e0a/opentelemetry_sdk-1.40.0-py3-none-any.whl (141 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 142.0/142.0 kB 32.3 MB/s eta 0:00:00
+Collecting opentelemetry-api>=1.27.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/5f/bf/93795954016c522008da367da292adceed71cca6ee1717e1d64c83089099/opentelemetry_api-1.40.0-py3-none-any.whl (68 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 68.7/68.7 kB 32.4 MB/s eta 0:00:00
+Collecting opentelemetry-exporter-otlp>=1.27.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/2d/fc/aea77c28d9f3ffef2fdafdc3f4a235aee4091d262ddabd25882f47ce5c5f/opentelemetry_exporter_otlp-1.40.0-py3-none-any.whl (7.0 kB)
+Collecting opentelemetry-semantic-conventions-ai>=0.4.1 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/a7/18/35fec29ed6e49bcbbe629b790cc0deb5bb58da9caceee29b39b54d3d7f47/opentelemetry_semantic_conventions_ai-0.5.0-py3-none-any.whl (10.0 kB)
+Collecting numba==0.61.2 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/9a/2d/e518df036feab381c23a624dac47f8445ac55686ec7f11083655eb707da3/numba-0.61.2-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.whl (3.9 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 3.9/3.9 MB 10.1 MB/s eta 0:00:00
+Collecting torch==2.10.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/b3/7a/abada41517ce0011775f0f4eacc79659bc9bc6c361e6bfe6f7052a6b9363/torch-2.10.0-3-cp312-cp312-manylinux_2_28_x86_64.whl (915.6 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 915.6/915.6 MB 4.6 MB/s eta 0:00:00
+Collecting torchaudio==2.10.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/98/25/e55a30d7138f8fe56ed006df25b0a3c27681f0ec7bc9989e1778e6d559c3/torchaudio-2.10.0-cp312-cp312-manylinux_2_28_x86_64.whl (1.9 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 1.9/1.9 MB 14.1 MB/s eta 0:00:00
+Collecting torchvision==0.25.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/68/2f/f24b039169db474e8688f649377de082a965fbf85daf4e46c44412f1d15a/torchvision-0.25.0-cp312-cp312-manylinux_2_28_x86_64.whl (8.1 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 8.1/8.1 MB 10.9 MB/s eta 0:00:00
+Collecting flashinfer-python==0.6.6 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/e0/61/385d06755f3ab66333018285657adf0daf8a90a129448231fd09e315bd2e/flashinfer_python-0.6.6-py3-none-any.whl (7.8 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 7.8/7.8 MB 11.1 MB/s eta 0:00:00
+Collecting nvidia-cudnn-frontend<1.19.0,>=1.13.0 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/c6/52/08f98262e77b1cbcc834cc1a5db494d0661ea1dbdea58c2e2d51a57fdaca/nvidia_cudnn_frontend-1.18.0-cp312-cp312-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (2.2 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.2/2.2 MB 13.7 MB/s eta 0:00:00
+Collecting nvidia-cutlass-dsl>=4.4.0.dev1 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/a9/03/678dab0383db1ddfc449da216220f40404189eb36eeed9d87a4fa4bdb0e6/nvidia_cutlass_dsl-4.4.2-py3-none-any.whl (10 kB)
+Collecting quack-kernels>=0.2.7 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/45/e6/fb900aa5d6053069c3180382874520e7313362fa03994a034626906e7094/quack_kernels-0.3.5-py3-none-any.whl (195 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 195.7/195.7 kB 28.3 MB/s eta 0:00:00
+Collecting loguru (from compressed-tensors==0.13.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/0c/29/0348de65b8cc732daa3e33e67806420b2ae89bdce2b04af740289c5c6c8c/loguru-0.7.3-py3-none-any.whl (61 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 61.6/61.6 kB 33.3 MB/s eta 0:00:00
+Collecting astor (from depyf==0.20.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/c3/88/97eef84f48fa04fbd6750e62dcceafba6c63c81b7ac1420856c8dcc0a3f9/astor-0.8.1-py2.py3-none-any.whl (27 kB)
+Collecting dill (from depyf==0.20.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/1e/77/dc8c558f7593132cf8fefec57c4f60c83b16941c574ac5f619abb3ae7933/dill-0.4.1-py3-none-any.whl (120 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 120.0/120.0 kB 2.4 MB/s eta 0:00:00
+Collecting apache-tvm-ffi!=0.1.8,!=0.1.8.post0,<0.2,>=0.1.6 (from flashinfer-python==0.6.6->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/70/ef/5402da5d37f5270fd88ea0348acca78dba9be8bdbf6c2bcae0935eb03ef1/apache_tvm_ffi-0.1.9-cp312-abi3-manylinux_2_24_x86_64.manylinux_2_28_x86_64.whl (2.3 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.3/2.3 MB 10.0 MB/s eta 0:00:00
+Requirement already satisfied: click in /root/miniconda3/lib/python3.12/site-packages (from flashinfer-python==0.6.6->vllm) (8.3.1)
+Collecting nvidia-ml-py (from flashinfer-python==0.6.6->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/8a/24/fc256107d23597fa33d319505ce77160fa1a2349c096d01901ffc7cb7fc4/nvidia_ml_py-13.595.45-py3-none-any.whl (51 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 51.8/51.8 kB 23.7 MB/s eta 0:00:00
+Collecting packaging>=24.2 (from flashinfer-python==0.6.6->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/b7/b9/c538f279a4e237a006a2c98387d081e9eb060d203d8ed34467cc0f0b9b53/packaging-26.0-py3-none-any.whl (74 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 74.4/74.4 kB 32.2 MB/s eta 0:00:00
+Collecting tabulate (from flashinfer-python==0.6.6->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/99/55/db07de81b5c630da5cbf5c7df646580ca26dfaefa593667fc6f2fe016d2e/tabulate-0.10.0-py3-none-any.whl (39 kB)
+Collecting interegular>=0.3.2 (from lm-format-enforcer==0.11.3->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/c4/01/72d6472f80651673716d1deda2a5bbb633e563ecf94f4479da5519d69d25/interegular-0.3.3-py37-none-any.whl (23 kB)
+Collecting llvmlite<0.45,>=0.44.0dev0 (from numba==0.61.2->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/cb/da/8341fd3056419441286c8e26bf436923021005ece0bff5f41906476ae514/llvmlite-0.44.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (42.4 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 42.4/42.4 MB 9.8 MB/s eta 0:00:00
+Collecting numpy (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/8c/3d/1e1db36cfd41f895d266b103df00ca5b3cbe965184df824dec5c08c6b803/numpy-2.2.6-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (16.5 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 16.5/16.5 MB 10.4 MB/s eta 0:00:00
+Requirement already satisfied: sympy>=1.13.3 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (1.14.0)
+Requirement already satisfied: networkx>=2.5.1 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (3.5)
+Requirement already satisfied: jinja2 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (3.1.6)
+Requirement already satisfied: fsspec>=0.8.5 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (2025.7.0)
+Collecting cuda-bindings==12.9.4 (from torch==2.10.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/a9/c1/dabe88f52c3e3760d861401bb994df08f672ec893b8f7592dc91626adcf3/cuda_bindings-12.9.4-cp312-cp312-manylinux_2_24_x86_64.manylinux_2_28_x86_64.whl (12.2 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 12.2/12.2 MB 10.3 MB/s eta 0:00:00
+Requirement already satisfied: nvidia-cuda-nvrtc-cu12==12.8.93 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (12.8.93)
+Requirement already satisfied: nvidia-cuda-runtime-cu12==12.8.90 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (12.8.90)
+Requirement already satisfied: nvidia-cuda-cupti-cu12==12.8.90 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (12.8.90)
+Requirement already satisfied: nvidia-cudnn-cu12==9.10.2.21 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (9.10.2.21)
+Requirement already satisfied: nvidia-cublas-cu12==12.8.4.1 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (12.8.4.1)
+Requirement already satisfied: nvidia-cufft-cu12==11.3.3.83 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (11.3.3.83)
+Requirement already satisfied: nvidia-curand-cu12==10.3.9.90 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (10.3.9.90)
+Requirement already satisfied: nvidia-cusolver-cu12==11.7.3.90 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (11.7.3.90)
+Requirement already satisfied: nvidia-cusparse-cu12==12.5.8.93 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (12.5.8.93)
+Requirement already satisfied: nvidia-cusparselt-cu12==0.7.1 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (0.7.1)
+Collecting nvidia-nccl-cu12==2.27.5 (from torch==2.10.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/6e/89/f7a07dc961b60645dbbf42e80f2bc85ade7feb9a491b11a1e973aa00071f/nvidia_nccl_cu12-2.27.5-py3-none-manylinux2014_x86_64.manylinux_2_17_x86_64.whl (322.3 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 322.3/322.3 MB 7.1 MB/s eta 0:00:00
+Collecting nvidia-nvshmem-cu12==3.4.5 (from torch==2.10.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/b5/09/6ea3ea725f82e1e76684f0708bbedd871fc96da89945adeba65c3835a64c/nvidia_nvshmem_cu12-3.4.5-py3-none-manylinux2014_x86_64.manylinux_2_17_x86_64.whl (139.1 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 139.1/139.1 MB 8.9 MB/s eta 0:00:00
+Requirement already satisfied: nvidia-nvtx-cu12==12.8.90 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (12.8.90)
+Requirement already satisfied: nvidia-nvjitlink-cu12==12.8.93 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (12.8.93)
+Requirement already satisfied: nvidia-cufile-cu12==1.13.1.3 in /root/miniconda3/lib/python3.12/site-packages (from torch==2.10.0->vllm) (1.13.1.3)
+Collecting triton==3.6.0 (from torch==2.10.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/ab/a8/cdf8b3e4c98132f965f88c2313a4b493266832ad47fb52f23d14d4f86bb5/triton-3.6.0-cp312-cp312-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (188.3 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 188.3/188.3 MB 8.1 MB/s eta 0:00:00
+Collecting cuda-pathfinder~=1.1 (from cuda-bindings==12.9.4->torch==2.10.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/c0/66/7b2c3d23dac4bb9629b4d9702f1f796bd41c01142c2b47be6fcfdeaf4ee4/cuda_pathfinder-1.4.4-py3-none-any.whl (48 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 48.8/48.8 kB 18.4 MB/s eta 0:00:00
+Collecting aiohappyeyeballs>=2.5.0 (from aiohttp>=3.13.3->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/0f/15/5bf3b99495fb160b63f95972b81750f18f7f4e02ad051373b669d17d44f2/aiohappyeyeballs-2.6.1-py3-none-any.whl (15 kB)
+Collecting aiosignal>=1.4.0 (from aiohttp>=3.13.3->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/fb/76/641ae371508676492379f16e2fa48f4e2c11741bd63c48be4b12a6b09cba/aiosignal-1.4.0-py3-none-any.whl (7.5 kB)
+Requirement already satisfied: attrs>=17.3.0 in /root/miniconda3/lib/python3.12/site-packages (from aiohttp>=3.13.3->vllm) (25.3.0)
+Collecting frozenlist>=1.1.1 (from aiohttp>=3.13.3->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/6a/bd/d91c5e39f490a49df14320f4e8c80161cfcce09f1e2cde1edd16a551abb3/frozenlist-1.8.0-cp312-cp312-manylinux1_x86_64.manylinux_2_28_x86_64.manylinux_2_5_x86_64.whl (242 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 242.4/242.4 kB 4.8 MB/s eta 0:00:00
+Collecting multidict<7.0,>=4.5 (from aiohttp>=3.13.3->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/f3/8d/5e5be3ced1d12966fefb5c4ea3b2a5b480afcea36406559442c6e31d4a48/multidict-6.7.1-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl (256 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 256.3/256.3 kB 14.4 MB/s eta 0:00:00
+Collecting propcache>=0.2.0 (from aiohttp>=3.13.3->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/46/4b/3aae6835b8e5f44ea6a68348ad90f78134047b503765087be2f9912140ea/propcache-0.4.1-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl (221 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 221.6/221.6 kB 17.2 MB/s eta 0:00:00
+Collecting yarl<2.0,>=1.17.0 (from aiohttp>=3.13.3->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/66/3e/868e5c3364b6cee19ff3e1a122194fa4ce51def02c61023970442162859e/yarl-1.23.0-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl (100 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100.1/100.1 kB 15.2 MB/s eta 0:00:00
+Requirement already satisfied: anyio<5,>=3.5.0 in /root/miniconda3/lib/python3.12/site-packages (from anthropic>=0.71.0->vllm) (4.10.0)
+Requirement already satisfied: distro<2,>=1.7.0 in /root/miniconda3/lib/python3.12/site-packages (from anthropic>=0.71.0->vllm) (1.9.0)
+Collecting docstring-parser<1,>=0.15 (from anthropic>=0.71.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/55/e2/2537ebcff11c1ee1ff17d8d0b6f4db75873e3b0fb32c2d4a2ee31ecb310a/docstring_parser-0.17.0-py3-none-any.whl (36 kB)
+Requirement already satisfied: httpx<1,>=0.25.0 in /root/miniconda3/lib/python3.12/site-packages (from anthropic>=0.71.0->vllm) (0.28.1)
+Collecting jiter<1,>=0.4.0 (from anthropic>=0.71.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/f8/4c/09b93e30e984a187bc8aaa3510e1ec8dcbdcd71ca05d2f56aac0492453aa/jiter-0.13.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (360 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 360.7/360.7 kB 16.4 MB/s eta 0:00:00
+Requirement already satisfied: sniffio in /root/miniconda3/lib/python3.12/site-packages (from anthropic>=0.71.0->vllm) (1.3.1)
+Collecting starlette>=0.46.0 (from fastapi>=0.115.0->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/0b/c9/584bc9651441b4ba60cc4d557d8a547b5aff901af35bda3a4ee30c819b82/starlette-1.0.0-py3-none-any.whl (72 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 72.7/72.7 kB 15.4 MB/s eta 0:00:00
+Collecting typing-inspection>=0.4.2 (from fastapi>=0.115.0->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/dc/9b/47798a6c91d8bdb567fe2698fe81e0c6b7cb7ef4d13da4114b41d239f65d/typing_inspection-0.4.2-py3-none-any.whl (14 kB)
+Requirement already satisfied: annotated-doc>=0.0.2 in /root/miniconda3/lib/python3.12/site-packages (from fastapi>=0.115.0->fastapi[standard]>=0.115.0->vllm) (0.0.4)
+Collecting fastapi-cli>=0.0.8 (from fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/c7/4b/68f9fe268e535d79c76910519530026a4f994ce07189ac0dded45c6af825/fastapi_cli-0.0.24-py3-none-any.whl (12 kB)
+Collecting python-multipart>=0.0.18 (from fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/1b/d0/397f9626e711ff749a95d96b7af99b9c566a9bb5129b8e4c10fc4d100304/python_multipart-0.0.22-py3-none-any.whl (24 kB)
+Collecting email-validator>=2.0.0 (from fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/de/15/545e2b6cf2e3be84bc1ed85613edd75b8aea69807a71c26f4ca6a9258e82/email_validator-2.3.0-py3-none-any.whl (35 kB)
+Collecting uvicorn>=0.12.0 (from uvicorn[standard]>=0.12.0; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/0a/89/f8827ccff89c1586027a105e5630ff6139a64da2515e24dafe860bd9ae4d/uvicorn-0.42.0-py3-none-any.whl (68 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 68.8/68.8 kB 16.4 MB/s eta 0:00:00
+Collecting pydantic-settings>=2.0.0 (from fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/00/4b/ccc026168948fec4f7555b9164c724cf4125eac006e176541483d2c959be/pydantic_settings-2.13.1-py3-none-any.whl (58 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 58.9/58.9 kB 18.5 MB/s eta 0:00:00
+Collecting pydantic-extra-types>=2.0.0 (from fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/17/c1/3226e6d7f5a4f736f38ac11a6fbb262d701889802595cdb0f53a885ac2e0/pydantic_extra_types-2.11.1-py3-none-any.whl (79 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 79.5/79.5 kB 25.0 MB/s eta 0:00:00
+Requirement already satisfied: jsonschema>=4.21.1 in /root/miniconda3/lib/python3.12/site-packages (from mistral_common>=1.10.0->mistral_common[image]>=1.10.0->vllm) (4.25.0)
+Collecting jmespath (from model-hosting-container-standards<1.0.0,>=0.1.13->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/14/2f/967ba146e6d58cf6a652da73885f52fc68001525b4197effc174321d70b4/jmespath-1.1.0-py3-none-any.whl (20 kB)
+Requirement already satisfied: supervisor>=4.2.0 in /root/miniconda3/lib/python3.12/site-packages (from model-hosting-container-standards<1.0.0,>=0.1.13->vllm) (4.2.5)
+Collecting nvidia-cutlass-dsl-libs-base==4.4.2 (from nvidia-cutlass-dsl>=4.4.0.dev1->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/56/98/e264964741d9cc9816625d9600d17a5249fd5cbd8c2d166fb0d0c34dfe5a/nvidia_cutlass_dsl_libs_base-4.4.2-cp312-cp312-manylinux_2_28_x86_64.whl (74.4 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 74.4/74.4 MB 8.7 MB/s eta 0:00:00
+Collecting cuda-python>=12.8 (from nvidia-cutlass-dsl-libs-base==4.4.2->nvidia-cutlass-dsl>=4.4.0.dev1->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/4a/da/b4dbe129f941afe1c24a09ba53521b78875626763d96414798a74763282f/cuda_python-13.2.0-py3-none-any.whl (8.1 kB)
+Collecting importlib-metadata<8.8.0,>=6.0 (from opentelemetry-api>=1.27.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/fa/5e/f8e9a1d23b9c20a551a8a02ea3637b4642e22c2626e3a13a9a29cdea99eb/importlib_metadata-8.7.1-py3-none-any.whl (27 kB)
+Collecting opentelemetry-exporter-otlp-proto-grpc==1.40.0 (from opentelemetry-exporter-otlp>=1.27.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/96/6f/7ee0980afcbdcd2d40362da16f7f9796bd083bf7f0b8e038abfbc0300f5d/opentelemetry_exporter_otlp_proto_grpc-1.40.0-py3-none-any.whl (20 kB)
+Collecting opentelemetry-exporter-otlp-proto-http==1.40.0 (from opentelemetry-exporter-otlp>=1.27.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/a0/3a/8865d6754e61c9fb170cdd530a124a53769ee5f740236064816eb0ca7301/opentelemetry_exporter_otlp_proto_http-1.40.0-py3-none-any.whl (19 kB)
+Collecting googleapis-common-protos~=1.57 (from opentelemetry-exporter-otlp-proto-grpc==1.40.0->opentelemetry-exporter-otlp>=1.27.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/69/28/23eea8acd65972bbfe295ce3666b28ac510dfcb115fac089d3edb0feb00a/googleapis_common_protos-1.73.0-py3-none-any.whl (297 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 297.6/297.6 kB 15.8 MB/s eta 0:00:00
+Requirement already satisfied: grpcio<2.0.0,>=1.63.2 in /root/miniconda3/lib/python3.12/site-packages (from opentelemetry-exporter-otlp-proto-grpc==1.40.0->opentelemetry-exporter-otlp>=1.27.0->vllm) (1.74.0)
+Collecting opentelemetry-exporter-otlp-proto-common==1.40.0 (from opentelemetry-exporter-otlp-proto-grpc==1.40.0->opentelemetry-exporter-otlp>=1.27.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/8b/ca/8f122055c97a932311a3f640273f084e738008933503d0c2563cd5d591fc/opentelemetry_exporter_otlp_proto_common-1.40.0-py3-none-any.whl (18 kB)
+Collecting opentelemetry-proto==1.40.0 (from opentelemetry-exporter-otlp-proto-grpc==1.40.0->opentelemetry-exporter-otlp>=1.27.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/b9/b2/189b2577dde745b15625b3214302605b1353436219d42b7912e77fa8dc24/opentelemetry_proto-1.40.0-py3-none-any.whl (72 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 72.1/72.1 kB 14.7 MB/s eta 0:00:00
+Collecting protobuf!=6.30.*,!=6.31.*,!=6.32.*,!=6.33.0.*,!=6.33.1.*,!=6.33.2.*,!=6.33.3.*,!=6.33.4.*,>=5.29.6 (from vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/16/92/d1e32e3e0d894fe00b15ce28ad4944ab692713f2e7f0a99787405e43533a/protobuf-6.33.6-cp39-abi3-manylinux2014_x86_64.whl (323 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 323.4/323.4 kB 15.5 MB/s eta 0:00:00
+Collecting opentelemetry-semantic-conventions==0.61b0 (from opentelemetry-sdk>=1.27.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/b2/37/cc6a55e448deaa9b27377d087da8615a3416d8ad523d5960b78dbeadd02a/opentelemetry_semantic_conventions-0.61b0-py3-none-any.whl (231 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 231.6/231.6 kB 16.4 MB/s eta 0:00:00
+Collecting starlette>=0.46.0 (from fastapi>=0.115.0->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/81/0d/13d1d239a25cbfb19e740db83143e95c772a1fe10202dda4b76792b114dd/starlette-0.52.1-py3-none-any.whl (74 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 74.3/74.3 kB 16.1 MB/s eta 0:00:00
+Collecting annotated-types>=0.6.0 (from pydantic>=2.12.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/78/b6/6307fbef88d9b5ee7421e68d78a9f162e0da4900bc5f5793f6d3d0e34fb8/annotated_types-0.7.0-py3-none-any.whl (13 kB)
+Collecting pydantic-core==2.41.5 (from pydantic>=2.12.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/0d/76/941cc9f73529988688a665a5c0ecff1112b3d95ab48f81db5f7606f522d3/pydantic_core-2.41.5-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (2.1 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 2.1/2.1 MB 13.5 MB/s eta 0:00:00
+Collecting torch-c-dlpack-ext (from quack-kernels>=0.2.7->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/e2/79/a914539b4785f3e44f891aa012a886edb8bc10fe081c440981c57543ce21/torch_c_dlpack_ext-0.1.5-cp312-cp312-manylinux_2_24_x86_64.manylinux_2_28_x86_64.whl (897 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 897.8/897.8 kB 17.5 MB/s eta 0:00:00
+Requirement already satisfied: charset-normalizer<4,>=2 in /root/miniconda3/lib/python3.12/site-packages (from requests>=2.26.0->vllm) (2.0.4)
+Requirement already satisfied: idna<4,>=2.5 in /root/miniconda3/lib/python3.12/site-packages (from requests>=2.26.0->vllm) (3.7)
+Requirement already satisfied: urllib3<3,>=1.21.1 in /root/miniconda3/lib/python3.12/site-packages (from requests>=2.26.0->vllm) (2.1.0)
+Requirement already satisfied: certifi>=2017.4.17 in /root/miniconda3/lib/python3.12/site-packages (from requests>=2.26.0->vllm) (2024.2.2)
+Requirement already satisfied: huggingface-hub<2.0,>=0.16.4 in /root/miniconda3/lib/python3.12/site-packages (from tokenizers>=0.21.1->vllm) (1.7.2)
+Collecting huggingface-hub<2.0,>=0.16.4 (from tokenizers>=0.21.1->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/a8/af/48ac8483240de756d2438c380746e7130d1c6f75802ef22f3c6d49982787/huggingface_hub-0.36.2-py3-none-any.whl (566 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 566.4/566.4 kB 13.5 MB/s eta 0:00:00
+Collecting safetensors>=0.4.3 (from transformers<5,>=4.56.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/a0/60/429e9b1cb3fc651937727befe258ea24122d9663e4d5709a48c9cbfceecb/safetensors-0.7.0-cp38-abi3-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (507 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 507.2/507.2 kB 32.9 MB/s eta 0:00:00
+Collecting httpx-sse>=0.4 (from mcp->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/d2/fd/6668e5aec43ab844de6fc74927e155a3b37bf40d7c3790e49fc0406b6578/httpx_sse-0.4.3-py3-none-any.whl (9.0 kB)
+Collecting pyjwt>=2.10.1 (from pyjwt[crypto]>=2.10.1->mcp->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/e5/7a/8dd906bd22e79e47397a61742927f6747fe93242ef86645ee9092e610244/pyjwt-2.12.1-py3-none-any.whl (29 kB)
+Collecting sse-starlette>=1.6.1 (from mcp->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/78/e2/b8cff57a67dddf9a464d7e943218e031617fb3ddc133aeeb0602ff5f6c85/sse_starlette-3.3.3-py3-none-any.whl (14 kB)
+Collecting dnspython>=2.0.0 (from email-validator>=2.0.0->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/ba/5a/18ad964b0086c6e62e2e7500f7edc89e3faa45033c71c1893d34eed2b2de/dnspython-2.8.0-py3-none-any.whl (331 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 331.1/331.1 kB 33.9 MB/s eta 0:00:00
+Requirement already satisfied: typer>=0.16.0 in /root/miniconda3/lib/python3.12/site-packages (from fastapi-cli>=0.0.8->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm) (0.24.1)
+Collecting rich-toolkit>=0.14.8 (from fastapi-cli>=0.0.8->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/fb/3c/c923619f6d2f5fafcc96fec0aaf9550a46cd5b6481f06e0c6b66a2a4fed0/rich_toolkit-0.19.7-py3-none-any.whl (32 kB)
+Collecting fastapi-cloud-cli>=0.1.1 (from fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/40/cc/1ccca747f5609be27186ea8c9219449142f40e3eded2c6089bba6a6ecc82/fastapi_cloud_cli-0.15.0-py3-none-any.whl (32 kB)
+Requirement already satisfied: httpcore==1.* in /root/miniconda3/lib/python3.12/site-packages (from httpx<1,>=0.25.0->anthropic>=0.71.0->vllm) (1.0.9)
+Requirement already satisfied: h11>=0.16 in /root/miniconda3/lib/python3.12/site-packages (from httpcore==1.*->httpx<1,>=0.25.0->anthropic>=0.71.0->vllm) (0.16.0)
+Requirement already satisfied: hf-xet<2.0.0,>=1.1.3 in /root/miniconda3/lib/python3.12/site-packages (from huggingface-hub<2.0,>=0.16.4->tokenizers>=0.21.1->vllm) (1.4.2)
+Collecting zipp>=3.20 (from importlib-metadata<8.8.0,>=6.0->opentelemetry-api>=1.27.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/2e/54/647ade08bf0db230bfea292f893923872fd20be6ac6f53b2b936ba839d75/zipp-3.23.0-py3-none-any.whl (10 kB)
+Requirement already satisfied: MarkupSafe>=2.0 in /root/miniconda3/lib/python3.12/site-packages (from jinja2->torch==2.10.0->vllm) (3.0.2)
+Requirement already satisfied: jsonschema-specifications>=2023.03.6 in /root/miniconda3/lib/python3.12/site-packages (from jsonschema>=4.21.1->mistral_common>=1.10.0->mistral_common[image]>=1.10.0->vllm) (2025.4.1)
+Requirement already satisfied: referencing>=0.28.4 in /root/miniconda3/lib/python3.12/site-packages (from jsonschema>=4.21.1->mistral_common>=1.10.0->mistral_common[image]>=1.10.0->vllm) (0.36.2)
+Requirement already satisfied: rpds-py>=0.7.1 in /root/miniconda3/lib/python3.12/site-packages (from jsonschema>=4.21.1->mistral_common>=1.10.0->mistral_common[image]>=1.10.0->vllm) (0.26.0)
+Collecting pycountry>=23 (from pydantic-extra-types[pycountry]>=2.10.5->mistral_common>=1.10.0->mistral_common[image]>=1.10.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/9c/42/7703bd45b62fecd44cd7d3495423097e2f7d28bc2e99e7c1af68892ab157/pycountry-26.2.16-py3-none-any.whl (8.0 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 8.0/8.0 MB 10.6 MB/s eta 0:00:00
+Collecting python-dotenv>=0.21.0 (from pydantic-settings>=2.0.0->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/0b/d7/1959b9648791274998a9c3526f6d0ec8fd2233e4d4acce81bbae76b44b2a/python_dotenv-1.2.2-py3-none-any.whl (22 kB)
+Requirement already satisfied: cryptography>=3.4.0 in /root/miniconda3/lib/python3.12/site-packages (from pyjwt[crypto]>=2.10.1->mcp->vllm) (42.0.5)
+Requirement already satisfied: mpmath<1.4,>=1.1.0 in /root/miniconda3/lib/python3.12/site-packages (from sympy>=1.13.3->torch==2.10.0->vllm) (1.3.0)
+Collecting httptools>=0.6.3 (from uvicorn[standard]>=0.12.0; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/84/a6/b3965e1e146ef5762870bbe76117876ceba51a201e18cc31f5703e454596/httptools-0.7.1-cp312-cp312-manylinux1_x86_64.manylinux_2_28_x86_64.manylinux_2_5_x86_64.whl (517 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 517.7/517.7 kB 43.0 MB/s eta 0:00:00
+Collecting uvloop>=0.15.1 (from uvicorn[standard]>=0.12.0; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/5f/6f/e62b4dfc7ad6518e7eff2516f680d02a0f6eb62c0c212e152ca708a0085e/uvloop-0.22.1-cp312-cp312-manylinux2014_x86_64.manylinux_2_17_x86_64.manylinux_2_28_x86_64.whl (4.4 MB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 4.4/4.4 MB 12.6 MB/s eta 0:00:00
+Collecting websockets>=10.4 (from uvicorn[standard]>=0.12.0; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/18/29/71729b4671f21e1eaa5d6573031ab810ad2936c8175f03f97f3ff164c802/websockets-16.0-cp312-cp312-manylinux1_x86_64.manylinux_2_28_x86_64.manylinux_2_5_x86_64.whl (184 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 184.9/184.9 kB 22.0 MB/s eta 0:00:00
+Requirement already satisfied: cffi>=1.12 in /root/miniconda3/lib/python3.12/site-packages (from cryptography>=3.4.0->pyjwt[crypto]>=2.10.1->mcp->vllm) (1.16.0)
+INFO: pip is looking at multiple versions of cuda-python to determine which version is compatible with other requirements. This could take a while.
+Collecting cuda-python>=12.8 (from nvidia-cutlass-dsl-libs-base==4.4.2->nvidia-cutlass-dsl>=4.4.0.dev1->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/cd/08/b5e3b9822662d72d540d830531e3ab6a7cabbda3dd56175696aabccfeb76/cuda_python-13.1.1-py3-none-any.whl (8.0 kB)
+  Downloading http://mirrors.aliyun.com/pypi/packages/3d/4d/876c2f87d34ccde0f11688f07e98a43cb3498cc115ee85fc7ae79711b7ae/cuda_python-13.1.0-py3-none-any.whl (7.6 kB)
+  Downloading http://mirrors.aliyun.com/pypi/packages/31/5f/beaa12a11b051027eec0b041df01c6690db4f02e3b2e8fadd5a0eeb4df52/cuda_python-13.0.3-py3-none-any.whl (7.6 kB)
+  Downloading http://mirrors.aliyun.com/pypi/packages/36/4d/d04772e5ba415aad4633796d636a3abbd8f779b438c3441d795e6bc9f172/cuda_python-13.0.2-py3-none-any.whl (7.6 kB)
+  Downloading http://mirrors.aliyun.com/pypi/packages/02/02/078f4cba58349faad5597306ca54bf0bf129f8c713b261e1def59468a505/cuda_python-13.0.1-py3-none-any.whl (7.6 kB)
+  Downloading http://mirrors.aliyun.com/pypi/packages/05/99/7df7b57a5eba85b25a76c9c247c88e79770b4902bce266dbf0fc58f21198/cuda_python-13.0.0-py3-none-any.whl (7.6 kB)
+  Downloading http://mirrors.aliyun.com/pypi/packages/57/69/4a79126959ad6f1653504122ee1eb22d089dd6272d3fa37694dcdeb78ba5/cuda_python-12.9.6-py3-none-any.whl (7.6 kB)
+INFO: pip is still looking at multiple versions of cuda-python to determine which version is compatible with other requirements. This could take a while.
+  Downloading http://mirrors.aliyun.com/pypi/packages/0a/02/ce79a804a2d6ee7dc2d1637b75b7c3f01eb90a796915d4d3a1ac42e2d6e6/cuda_python-12.9.5-py3-none-any.whl (7.6 kB)
+  Downloading http://mirrors.aliyun.com/pypi/packages/af/f3/6b032a554019cfb3447e671798c1bd3e79b5f1af20d10253f56cea269ef2/cuda_python-12.9.4-py3-none-any.whl (7.6 kB)
+Collecting rignore>=0.5.1 (from fastapi-cloud-cli>=0.1.1->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/85/e5/7f99bd0cc9818a91d0e8b9acc65b792e35750e3bdccd15a7ee75e64efca4/rignore-0.7.6-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (959 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 959.8/959.8 kB 9.2 MB/s eta 0:00:00
+Collecting sentry-sdk>=2.20.0 (from fastapi-cloud-cli>=0.1.1->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/9a/66/20465097782d7e1e742d846407ea7262d338c6e876ddddad38ca8907b38f/sentry_sdk-2.55.0-py2.py3-none-any.whl (449 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 449.3/449.3 kB 16.4 MB/s eta 0:00:00
+Collecting fastar>=0.8.0 (from fastapi-cloud-cli>=0.1.1->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm)
+  Downloading http://mirrors.aliyun.com/pypi/packages/41/df/d663214d35380b07a24a796c48d7d7d4dc3a28ec0756edbcb7e2a81dc572/fastar-0.9.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (819 kB)
+     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 819.0/819.0 kB 8.8 MB/s eta 0:00:00
+Requirement already satisfied: rich>=13.7.1 in /root/miniconda3/lib/python3.12/site-packages (from rich-toolkit>=0.14.8->fastapi-cli>=0.0.8->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm) (14.3.3)
+Requirement already satisfied: shellingham>=1.3.0 in /root/miniconda3/lib/python3.12/site-packages (from typer>=0.16.0->fastapi-cli>=0.0.8->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm) (1.5.4)
+Requirement already satisfied: pycparser in /root/miniconda3/lib/python3.12/site-packages (from cffi>=1.12->cryptography>=3.4.0->pyjwt[crypto]>=2.10.1->mcp->vllm) (2.21)
+Requirement already satisfied: markdown-it-py>=2.2.0 in /root/miniconda3/lib/python3.12/site-packages (from rich>=13.7.1->rich-toolkit>=0.14.8->fastapi-cli>=0.0.8->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm) (4.0.0)
+Requirement already satisfied: pygments<3.0.0,>=2.13.0 in /root/miniconda3/lib/python3.12/site-packages (from rich>=13.7.1->rich-toolkit>=0.14.8->fastapi-cli>=0.0.8->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm) (2.19.2)
+Requirement already satisfied: mdurl~=0.1 in /root/miniconda3/lib/python3.12/site-packages (from markdown-it-py>=2.2.0->rich>=13.7.1->rich-toolkit>=0.14.8->fastapi-cli>=0.0.8->fastapi-cli[standard]>=0.0.8; extra == "standard"->fastapi[standard]>=0.115.0->vllm) (0.1.2)
+Installing collected packages: py-cpuinfo, nvidia-ml-py, zipp, websockets, uvloop, uvicorn, typing-inspection, triton, tabulate, setuptools, setproctitle, sentry-sdk, sentencepiece, safetensors, rignore, regex, python-multipart, python-dotenv, pyjwt, pydantic-core, pycountry, pybase64, protobuf, propcache, partial-json-parser, packaging, outlines_core, nvidia-nvshmem-cu12, nvidia-nccl-cu12, nvidia-cudnn-frontend, numpy, ninja, multidict, msgspec, loguru, llvmlite, llguidance, jmespath, jiter, interegular, ijson, httpx-sse, httptools, frozenlist, fastar, einops, docstring-parser, dnspython, diskcache, dill, cuda-pathfinder, cloudpickle, cbor2, cachetools, blake3, astor, apache-tvm-ffi, annotated-types, aiohappyeyeballs, yarl, watchfiles, tiktoken, starlette, pydantic, opentelemetry-proto, opencv-python-headless, numba, importlib-metadata, huggingface-hub, googleapis-common-protos, gguf, email-validator, depyf, cuda-bindings, aiosignal, torch, tokenizers, sse-starlette, rich-toolkit, pydantic-settings, pydantic-extra-types, prometheus-fastapi-instrumentator, opentelemetry-exporter-otlp-proto-common, opentelemetry-api, openai-harmony, openai, lm-format-enforcer, fastapi, cuda-python, anthropic, aiohttp, transformers, torchvision, torchaudio, torch-c-dlpack-ext, opentelemetry-semantic-conventions, nvidia-cutlass-dsl-libs-base, model-hosting-container-standards, mcp, fastapi-cloud-cli, fastapi-cli, xgrammar, opentelemetry-sdk, nvidia-cutlass-dsl, mistral_common, compressed-tensors, quack-kernels, opentelemetry-semantic-conventions-ai, opentelemetry-exporter-otlp-proto-http, opentelemetry-exporter-otlp-proto-grpc, flashinfer-python, opentelemetry-exporter-otlp, vllm
+  Attempting uninstall: triton
+    Found existing installation: triton 3.4.0
+    Uninstalling triton-3.4.0:
+      Successfully uninstalled triton-3.4.0
+  Attempting uninstall: setuptools
+    Found existing installation: setuptools 69.5.1
+    Uninstalling setuptools-69.5.1:
+      Successfully uninstalled setuptools-69.5.1
+  Attempting uninstall: protobuf
+    Found existing installation: protobuf 6.31.1
+    Uninstalling protobuf-6.31.1:
+      Successfully uninstalled protobuf-6.31.1
+  Attempting uninstall: packaging
+    Found existing installation: packaging 23.2
+    Uninstalling packaging-23.2:
+      Successfully uninstalled packaging-23.2
+  Attempting uninstall: nvidia-nccl-cu12
+    Found existing installation: nvidia-nccl-cu12 2.27.3
+    Uninstalling nvidia-nccl-cu12-2.27.3:
+      Successfully uninstalled nvidia-nccl-cu12-2.27.3
+  Attempting uninstall: numpy
+    Found existing installation: numpy 2.3.2
+    Uninstalling numpy-2.3.2:
+      Successfully uninstalled numpy-2.3.2
+  Attempting uninstall: huggingface-hub
+    Found existing installation: huggingface_hub 1.7.2
+    Uninstalling huggingface_hub-1.7.2:
+      Successfully uninstalled huggingface_hub-1.7.2
+  Attempting uninstall: torch
+    Found existing installation: torch 2.8.0+cu128
+    Uninstalling torch-2.8.0+cu128:
+      Successfully uninstalled torch-2.8.0+cu128
+  Attempting uninstall: torchvision
+    Found existing installation: torchvision 0.23.0+cu128
+    Uninstalling torchvision-0.23.0+cu128:
+      Successfully uninstalled torchvision-0.23.0+cu128
+Successfully installed aiohappyeyeballs-2.6.1 aiohttp-3.13.3 aiosignal-1.4.0 annotated-types-0.7.0 anthropic-0.86.0 apache-tvm-ffi-0.1.9 astor-0.8.1 blake3-1.0.8 cachetools-7.0.5 cbor2-5.9.0 cloudpickle-3.1.2 compressed-tensors-0.13.0 cuda-bindings-12.9.4 cuda-pathfinder-1.4.4 cuda-python-12.9.4 depyf-0.20.0 dill-0.4.1 diskcache-5.6.3 dnspython-2.8.0 docstring-parser-0.17.0 einops-0.8.2 email-validator-2.3.0 fastapi-0.135.2 fastapi-cli-0.0.24 fastapi-cloud-cli-0.15.0 fastar-0.9.0 flashinfer-python-0.6.6 frozenlist-1.8.0 gguf-0.18.0 googleapis-common-protos-1.73.0 httptools-0.7.1 httpx-sse-0.4.3 huggingface-hub-0.36.2 ijson-3.5.0 importlib-metadata-8.7.1 interegular-0.3.3 jiter-0.13.0 jmespath-1.1.0 llguidance-1.3.0 llvmlite-0.44.0 lm-format-enforcer-0.11.3 loguru-0.7.3 mcp-1.26.0 mistral_common-1.10.0 model-hosting-container-standards-0.1.14 msgspec-0.20.0 multidict-6.7.1 ninja-1.13.0 numba-0.61.2 numpy-2.2.6 nvidia-cudnn-frontend-1.18.0 nvidia-cutlass-dsl-4.4.2 nvidia-cutlass-dsl-libs-base-4.4.2 nvidia-ml-py-13.595.45 nvidia-nccl-cu12-2.27.5 nvidia-nvshmem-cu12-3.4.5 openai-2.24.0 openai-harmony-0.0.8 opencv-python-headless-4.13.0.92 opentelemetry-api-1.40.0 opentelemetry-exporter-otlp-1.40.0 opentelemetry-exporter-otlp-proto-common-1.40.0 opentelemetry-exporter-otlp-proto-grpc-1.40.0 opentelemetry-exporter-otlp-proto-http-1.40.0 opentelemetry-proto-1.40.0 opentelemetry-sdk-1.40.0 opentelemetry-semantic-conventions-0.61b0 opentelemetry-semantic-conventions-ai-0.5.0 outlines_core-0.2.11 packaging-26.0 partial-json-parser-0.2.1.1.post7 prometheus-fastapi-instrumentator-7.1.0 propcache-0.4.1 protobuf-6.33.6 py-cpuinfo-9.0.0 pybase64-1.4.3 pycountry-26.2.16 pydantic-2.12.5 pydantic-core-2.41.5 pydantic-extra-types-2.11.1 pydantic-settings-2.13.1 pyjwt-2.12.1 python-dotenv-1.2.2 python-multipart-0.0.22 quack-kernels-0.3.5 regex-2026.2.28 rich-toolkit-0.19.7 rignore-0.7.6 safetensors-0.7.0 sentencepiece-0.2.1 sentry-sdk-2.55.0 setproctitle-1.3.7 setuptools-80.10.2 sse-starlette-3.3.3 starlette-0.52.1 tabulate-0.10.0 tiktoken-0.12.0 tokenizers-0.22.2 torch-2.10.0 torch-c-dlpack-ext-0.1.5 torchaudio-2.10.0 torchvision-0.25.0 transformers-4.57.6 triton-3.6.0 typing-inspection-0.4.2 uvicorn-0.42.0 uvloop-0.22.1 vllm-0.18.0 watchfiles-1.1.1 websockets-16.0 xgrammar-0.1.32 yarl-1.23.0 zipp-3.23.0
+WARNING: Running pip as the 'root' user can result in broken permissions and conflicting behaviour with the system package manager. It is recommended to use a virtual environment instead: https://pip.pypa.io/warnings/venv
+root@autodl-container-c6d54aa471-4479d4d0:~/autodl-tmp#
+
+```
+
+## 一、你最终安装的核心东西是什么？
+
+你执行的是：
+
+```bash
+pip install vllm
+```
+
+最终成功安装了：
+
+- **vllm 0.18.0**
+
+它不是单独一个包，而是顺带安装了一大堆依赖，主要可以分成几类：
+
+---
+
+## 二、最核心的大件
+
+这几个是体积最大、最关键的：
+
+### 1. vLLM 本体
+
+- **vllm-0.18.0**
+
+这是高性能大模型推理框架本身，用来部署/推理 LLM。
+
+---
+
+### 2. PyTorch 整套
+
+你安装/替换了：
+
+- **torch 2.10.0**
+- **torchvision 0.25.0**
+- **torchaudio 2.10.0**
+- **triton 3.6.0**
+
+这说明 vLLM 把你原来环境里的 PyTorch 升级/替换成了它需要的版本。
+
+日志里明确显示它卸载了原有版本：
+
+- 卸载了 **torch 2.8.0+cu128**
+- 卸载了 **torchvision 0.23.0+cu128**
+- 卸载了 **triton 3.4.0**
+
+也就是说，你现在的推理底座已经变成：
+
+- **PyTorch 2.10.0**
+- CUDA 12 相关依赖配套版本
+
+---
+
+### 3. CUDA / NVIDIA 相关高性能组件
+
+新装或调整了这些：
+
+- **nvidia-nccl-cu12 2.27.5**
+- **nvidia-nvshmem-cu12 3.4.5**
+- **nvidia-cudnn-frontend 1.18.0**
+- **cuda-bindings 12.9.4**
+- **cuda-python 12.9.4**
+- **cuda-pathfinder 1.4.4**
+- **nvidia-cutlass-dsl 4.4.2**
+- **nvidia-cutlass-dsl-libs-base 4.4.2**
+- **nvidia-ml-py 13.595.45**
+
+这些主要作用：
+
+- GPU 通信
+- CUDA API 绑定
+- 高性能 kernel
+- 多卡推理支持
+- NVIDIA 底层算子优化
+
+其中：
+
+- **NCCL**：多卡通信关键组件
+- **NVSHMEM**：高性能 GPU 间共享内存通信
+- **CUTLASS DSL**：NVIDIA 高性能 GEMM/算子支持
+- **CUDA Python / Bindings**：让 Python 能直接调用 CUDA 能力
+
+---
+
+### 4. vLLM 专用高性能推理加速组件
+
+这几个也很关键：
+
+- **flashinfer-python 0.6.6**
+- **quack-kernels 0.3.5**
+- **torch-c-dlpack-ext 0.1.5**
+- **compressed-tensors 0.13.0**
+- **depyf 0.20.0**
+- **apache-tvm-ffi 0.1.9**
+
+作用大概是：
+
+- 加速 attention / decoding
+- 优化张量操作
+- 支持压缩权重
+- 支持更底层高性能 kernel
+- 一些编译/调度/FFI 能力
+
+---
+
+## 三、模型生态相关依赖
+
+这些是为了支持 HuggingFace 模型、tokenizer、权重格式等：
+
+- **transformers 4.57.6**
+- **tokenizers 0.22.2**
+- **huggingface-hub 0.36.2**
+- **safetensors 0.7.0**
+- **sentencepiece 0.2.1**
+- **tiktoken 0.12.0**
+- **gguf 0.18.0**
+- **mistral_common 1.10.0**
+- **openai-harmony 0.0.8**
+
+### 它们分别干嘛：
+
+- **transformers**：加载 HuggingFace 模型
+- **tokenizers / sentencepiece / tiktoken**：分词器
+- **huggingface-hub**：从 HF 下载模型
+- **safetensors**：加载 safetensors 权重
+- **gguf**：支持 GGUF 格式模型
+- **mistral_common**：Mistral 模型相关支持
+
+---
+
+## 四、API 服务相关依赖
+
+vLLM 很常见的用法是启动 OpenAI 兼容服务，所以安装了 Web/API 框架：
+
+- **fastapi 0.135.2**
+- **starlette 0.52.1**
+- **uvicorn 0.42.0**
+- **uvloop 0.22.1**
+- **httptools 0.7.1**
+- **websockets 16.0**
+- **watchfiles 1.1.1**
+- **python-multipart 0.0.22**
+- **email-validator 2.3.0**
+- **fastapi-cli 0.0.24**
+- **fastapi-cloud-cli 0.15.0**
+- **prometheus-fastapi-instrumentator 7.1.0**
+
+作用：
+
+- 启动 HTTP 服务
+- 提供 OpenAI 风格 API
+- 处理 websocket / multipart
+- 自动监控接口指标
+- 热更新/文件监控
+
+也就是说，你现在环境已经具备了直接跑：
+
+```bash
+vllm serve ...
+```
+
+或者类似 OpenAI API 服务的能力。
+
+---
+
+## 五、OpenAI / Anthropic / MCP 相关客户端
+
+你还安装了：
+
+- **openai 2.24.0**
+- **anthropic 0.86.0**
+- **mcp 1.26.0**
+- **httpx-sse 0.4.3**
+- **sse-starlette 3.3.3**
+- **pyjwt 2.12.1**
+
+这部分主要是为了：
+
+- 兼容 OpenAI 接口风格
+- 兼容 Anthropic 风格
+- 支持 MCP（Model Context Protocol）相关功能
+- 支持 SSE 流式输出
+- 认证/鉴权
+
+---
+
+## 六、约束解码 / 结构化输出相关
+
+这些是 vLLM 比较新的一类能力，支持 JSON schema、语法约束解码等：
+
+- **lm-format-enforcer 0.11.3**
+- **llguidance 1.3.0**
+- **outlines_core 0.2.11**
+- **xgrammar 0.1.32**
+- **partial-json-parser 0.2.1.1.post7**
+- **interegular 0.3.3**
+
+作用：
+
+- 强制模型输出符合 JSON/语法规则
+- 结构化生成
+- grammar-guided decoding
+- 部分 JSON 流式解析
+
+如果你要做“模型输出必须是 JSON”这种功能，这些包就是相关支持。
+
+---
+
+## 七、监控 / 可观测性相关
+
+安装了 OpenTelemetry 一整套：
+
+- **opentelemetry-api 1.40.0**
+- **opentelemetry-sdk 1.40.0**
+- **opentelemetry-exporter-otlp 1.40.0**
+- **opentelemetry-exporter-otlp-proto-common 1.40.0**
+- **opentelemetry-exporter-otlp-proto-grpc 1.40.0**
+- **opentelemetry-exporter-otlp-proto-http 1.40.0**
+- **opentelemetry-proto 1.40.0**
+- **opentelemetry-semantic-conventions 0.61b0**
+- **opentelemetry-semantic-conventions-ai 0.5.0**
+- **googleapis-common-protos 1.73.0**
+- **protobuf 6.33.6**
+
+作用：
+
+- 打点
+- tracing
+- metrics
+- 将监控数据发给 OTLP 后端
+
+如果你部署线上服务，这部分是有用的。
+
+---
+
+## 八、数值计算 / 编译优化相关
+
+- **numba 0.61.2**
+- **llvmlite 0.44.0**
+- **numpy 2.2.6**
+- **einops 0.8.2**
+- **cloudpickle 3.1.2**
+- **msgspec 0.20.0**
+- **ijson 3.5.0**
+- **cbor2 5.9.0**
+- **blake3 1.0.8**
+
+这些属于：
+
+- 数值计算
+- JIT/LLVM 编译支持
+- 数据序列化/反序列化
+- 哈希
+- JSON 流式解析
+
+---
+
+## 九、图像/多模态相关
+
+你还装了：
+
+- **opencv-python-headless 4.13.0.92**
+- **pillow** 已经存在
+- **torchvision**
+- **mistral_common[image]** 相关依赖
+
+这说明 vLLM 这版不只是纯文本，也带了一些多模态/图像处理支持。
+
+---
+
+## 十、一些工具类依赖
+
+比如：
+
+- **regex**
+- **cachetools**
+- **diskcache**
+- **py-cpuinfo**
+- **ninja**
+- **setproctitle**
+- **pybase64**
+- **loguru**
+- **tabulate**
+- **packaging 26.0**
+- **setuptools 80.10.2**
+- **importlib-metadata 8.7.1**
+- **zipp 3.23.0**
+- **dnspython 2.8.0**
+- **python-dotenv 1.2.2**
+- **docstring-parser 0.17.0**
+- **jmespath 1.1.0**
+- **rignore 0.7.6**
+- **sentry-sdk 2.55.0**
+- **fastar 0.9.0**
+
+这些一般是：
+
+- 构建工具
+- 日志
+- 配置管理
+- 缓存
+- 监控
+- 辅助解析
+
+---
+
+## 十一、这次安装替换了你环境里的哪些已有包？
+
+从日志里能明确看到，以下包被替换了：
+
+### 被卸载并重装/降级/升级的
+
+- **triton**：3.4.0 → 3.6.0
+- **setuptools**：69.5.1 → 80.10.2
+- **protobuf**：6.31.1 → 6.33.6
+- **packaging**：23.2 → 26.0
+- **nvidia-nccl-cu12**：2.27.3 → 2.27.5
+- **numpy**：2.3.2 → 2.2.6
+- **huggingface-hub**：1.7.2 → 0.36.2
+- **torch**：2.8.0+cu128 → 2.10.0
+- **torchvision**：0.23.0+cu128 → 0.25.0
+
+### 这里要特别注意两点：
+
+#### 1）huggingface-hub 被“降版本”了
+
+从：
+
+- 1.7.2 → 0.36.2
+
+这通常是因为 `transformers/tokenizers/vllm` 当前依赖链要求 `<1.0` 风格版本。
+
+#### 2）numpy 被换成了 2.2.6
+
+原来是 2.3.2，现在是 2.2.6。
+
+这是依赖兼容性导致的，不算异常。
+
+---
+
+## 十二、按功能给你一个简版总结
+
+你这次安装，本质上装了：
+
+### 1. vLLM 主程序
+
+- vllm
+
+### 2. 大模型推理底座
+
+- torch / torchvision / torchaudio / triton
+
+### 3. GPU 高性能依赖
+
+- NCCL / NVSHMEM / CUDA bindings / CUTLASS / flashinfer / quack kernels
+
+### 4. HuggingFace 模型生态
+
+- transformers / tokenizers / huggingface-hub / sentencepiece / safetensors / tiktoken
+
+### 5. Web 服务框架
+
+- fastapi / uvicorn / starlette / websockets
+
+### 6. 结构化输出与语法约束
+
+- lm-format-enforcer / llguidance / xgrammar / outlines_core
+
+### 7. 监控与可观测性
+
+- prometheus / opentelemetry 全家桶
+
+### 8. 多模态支持
+
+- opencv-python-headless / torchvision / mistral_common
+
+---
+
+## 十三、占空间最大的几个包
+
+从日志看，比较大的有：
+
+- **torch-2.10.0**：915.6 MB
+- **vllm-0.18.0**：433.2 MB
+- **nvidia-nccl-cu12**：322.3 MB
+- **triton-3.6.0**：188.3 MB
+- **nvidia-nvshmem-cu12**：139.1 MB
+- **nvidia-cutlass-dsl-libs-base**：74.4 MB
+- **opencv-python-headless**：60.4 MB
+- **llvmlite**：42.4 MB
+- **xgrammar**：37.7 MB
+
+所以这次安装是很重的一次安装，不是一个轻量包。
+
+---
+
+## 十四、最终结论
+
+一句话总结：
+
+**你安装的不只是 vLLM 本身，而是一整套“LLM 推理服务运行环境”**，包括：
+
+- vLLM 本体
+- PyTorch 2.10 + Triton
+- CUDA/NVIDIA 高性能推理组件
+- HuggingFace 模型加载生态
+- FastAPI/uvicorn 服务框架
+- OpenAI 兼容 API 支持
+- 结构化输出/语法约束生成
+- 监控和可观测性组件
+- 一部分多模态支持
+
+同时它还**替换了你环境中原有的 torch、torchvision、triton、numpy、protobuf、huggingface-hub 等包**。
+
+---
+
+如果你愿意，我还可以进一步帮你做两件事里的任意一种：
+
+1. **把这份日志整理成“安装包清单表格”**（包名 / 版本 / 作用）
+2. **帮你判断这个 vllm 环境是否和你当前 CUDA、显卡、驱动兼容**

resource/ai/大模型安装笔记/003 vllm 启动日志.md

@@ -0,0 +1,730 @@
+```
+(APIServer pid=17207) INFO 03-24 13:28:31 [api_server.py:580] Starting vLLM server on http://0.0.0.0:6006
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:37] Available routes are:
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /openapi.json, Methods: HEAD, GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /docs, Methods: HEAD, GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /docs/oauth2-redirect, Methods: HEAD, GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /redoc, Methods: HEAD, GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /tokenize, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /detokenize, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /load, Methods: GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /version, Methods: GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /health, Methods: GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /metrics, Methods: GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/models, Methods: GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /ping, Methods: GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /ping, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /invocations, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/chat/completions, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/responses, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/responses/{response_id}, Methods: GET
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/responses/{response_id}/cancel, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/completions, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/messages, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/messages/count_tokens, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /inference/v1/generate, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /scale_elastic_ep, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /is_scaling_elastic_ep, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/chat/completions/render, Methods: POST
+(APIServer pid=17207) INFO 03-24 13:28:31 [launcher.py:46] Route: /v1/completions/render, Methods: POST
+(APIServer pid=17207) INFO:     Started server process [17207]
+(APIServer pid=17207) INFO:     Waiting for application startup.
+(APIServer pid=17207) INFO:     Application startup complete.
+
+```
+
+# 一、最前面的基础信息
+
+## 1）版本和模型路径
+
+```bash
+version 0.18.0
+model   /root/autodl-tmp/DeepSeek-R1-32B
+```
+
+表示：
+
+- 当前 vLLM 版本：`0.18.0`
+- 加载的模型目录：`/root/autodl-tmp/DeepSeek-R1-32B`
+
+这是最基础的确认信息。
+
+---
+
+## 2）非默认启动参数
+
+```bash
+non-default args: {
+  'port': 6006,
+  'model': '/root/autodl-tmp/DeepSeek-R1-32B',
+  'max_model_len': 8192,
+  'served_model_name': ['deepseek-r1'],
+  'gpu_memory_utilization': 0.95
+}
+```
+
+这里列的是你手动指定、不同于默认值的参数。
+
+你的关键参数含义：
+
+- `port: 6006`
+  服务监听端口是 6006
+
+- `model: /root/autodl-tmp/DeepSeek-R1-32B`
+  模型目录
+
+- `max_model_len: 8192`
+  最大上下文长度 8192 token
+
+- `served_model_name: deepseek-r1`
+  API 层暴露给客户端的模型名
+
+- `gpu_memory_utilization: 0.95`
+  vLLM 最多使用 95% GPU 显存来做模型和缓存分配
+
+---
+
+# 二、模型识别与调度信息
+
+## 3）模型架构识别
+
+```bash
+Resolved architecture: Qwen2ForCausalLM
+```
+
+说明 vLLM 识别出这个模型底层架构是：
+
+- `Qwen2ForCausalLM`
+
+虽然你目录叫 DeepSeek-R1-32B，但很多 DeepSeek 模型底层是兼容 Qwen 架构的，所以这是正常的。
+
+---
+
+## 4）最大长度设置
+
+```bash
+Using max model len 8192
+```
+
+表示最终采用的最大序列长度是 8192。
+
+这个值会直接影响：
+
+- KV Cache 占用
+- 最大并发
+- 显存使用
+
+---
+
+## 5）Chunked Prefill
+
+```bash
+Chunked prefill is enabled with max_num_batched_tokens=8192.
+```
+
+说明启用了 **分块预填充（chunked prefill）**。
+
+作用：
+
+- 输入 prompt 很长时，不是一次性全部 prefill，而是按块处理
+- 能改善吞吐和显存使用
+- 对长上下文模型很有帮助
+
+---
+
+## 6）异步调度
+
+```bash
+Asynchronous scheduling is enabled.
+```
+
+表示启用了 **异步调度器**。
+
+作用：
+
+- 更好地调度多个请求
+- 通常提升吞吐
+- 对服务化部署更友好
+
+---
+
+# 三、Engine 初始化配置
+
+这段很重要：
+
+```bash
+Initializing a V1 LLM engine (v0.18.0) with config: ...
+```
+
+这是整个推理引擎的详细配置总表。里面关键信息包括：
+
+---
+
+## 7）dtype
+
+```bash
+dtype=torch.bfloat16
+```
+
+模型以 `bfloat16` 精度运行。
+
+说明：
+
+- 显存比 fp32 小很多
+- 通常速度更快
+- 需要 GPU 支持 bf16
+
+---
+
+## 8）并行配置
+
+```bash
+tensor_parallel_size=1
+pipeline_parallel_size=1
+data_parallel_size=1
+```
+
+表示当前都是单卡/单副本：
+
+- 张量并行 TP = 1
+- 流水线并行 PP = 1
+- 数据并行 DP = 1
+
+也就是：**你现在实际上是单卡部署**。
+
+---
+
+## 9）前缀缓存
+
+```bash
+enable_prefix_caching=True
+```
+
+表示启用了 **prefix caching（前缀缓存）**。
+
+作用：
+
+- 如果多个请求共享相同前缀 prompt
+- 可以复用前缀计算结果
+- 节省时间，提高吞吐
+
+---
+
+## 10）编译配置
+
+```bash
+compilation_config=...
+backend='inductor'
+cudagraph_mode=FULL_AND_PIECEWISE
+```
+
+说明 vLLM 启用了编译优化和 CUDA Graph：
+
+- `torch.compile`
+- `inductor`
+- CUDA Graph
+
+这会提高推理性能，但启动时会多花一些时间做 warmup 和 graph capture。
+
+---
+
+# 四、分布式与 rank 信息
+
+## 11）world size / rank
+
+```bash
+world_size=1 rank=0 local_rank=0 ... backend=nccl
+```
+
+说明：
+
+- 总进程数：1
+- 当前 rank：0
+- 本地 rank：0
+- 通信后端：NCCL
+
+虽然你只有单卡，但 vLLM 内部还是走统一的分布式初始化逻辑，这是正常的。
+
+---
+
+## 12）并行角色分配
+
+```bash
+rank 0 in world size 1 is assigned as DP rank 0, PP rank 0, PCP rank 0, TP rank 0
+```
+
+表示当前唯一这个进程兼任所有角色。
+
+---
+
+# 五、模型加载阶段
+
+## 13）开始加载模型
+
+```bash
+Starting to load model /root/autodl-tmp/DeepSeek-R1-32B...
+```
+
+开始读取模型权重。
+
+---
+
+## 14）Attention 后端
+
+```bash
+Using FLASH_ATTN attention backend ...
+Using FlashAttention version 2
+```
+
+说明 vLLM 最终选用了：
+
+- `FLASH_ATTN`
+- 版本 `FlashAttention v2`
+
+这是高性能 attention 实现，通常是比较理想的情况。
+
+候选后端里还有：
+
+- FLASHINFER
+- TRITON_ATTN
+- FLEX_ATTENTION
+
+但最终选择了 FlashAttention。
+
+---
+
+## 15）checkpoint shard 加载进度
+
+```bash
+Loading safetensors checkpoint shards: ...
+```
+
+表示模型权重是分片存储的，一共 `8` 个 shard。
+
+日志里看到：
+
+- 0/8
+- 1/8
+- …
+- 8/8
+
+说明模型权重成功全部加载完成。
+
+---
+
+## 16）权重加载耗时
+
+```bash
+Loading weights took 13.38 seconds
+```
+
+纯粹“读权重文件并装入”的时间是 13.38 秒。
+
+---
+
+## 17）模型加载显存占用
+
+```bash
+Model loading took 61.06 GiB memory and 14.101032 seconds
+```
+
+这是一个非常关键的信息：
+
+- 模型加载后占用了 `61.06 GiB` 显存
+- 总耗时约 `14.1 秒`
+
+这能帮助你判断：
+
+- 模型本体有多大
+- 剩余显存还能留多少给 KV Cache 和 CUDA Graph
+
+---
+
+# 六、编译和缓存信息
+
+## 18）torch.compile 缓存目录
+
+```bash
+Using cache directory: /root/.cache/vllm/torch_compile_cache/...
+```
+
+说明 vLLM 使用这个目录缓存 `torch.compile` 的编译结果。
+
+好处：
+
+- 下次重启如果配置没变，可能直接复用缓存
+- 启动速度更快
+
+---
+
+## 19）编译耗时
+
+```bash
+Dynamo bytecode transform time: 4.52 s
+torch.compile took 7.13 s in total
+```
+
+表示：
+
+- Dynamo 变换用了 4.52 秒
+- 整体 compile 用了 7.13 秒
+
+---
+
+## 20）直接从缓存加载编译图
+
+```bash
+Directly load the compiled graph(s) ... from the cache
+Directly load AOT compilation from path ...
+```
+
+说明你这次并不是全量重新编译，而是 **命中了历史缓存**。
+
+所以启动会快很多。
+
+---
+
+# 七、warmup 和 profiling
+
+## 21）初始 profiling / warmup
+
+```bash
+Initial profiling/warmup run took 2.69 s
+```
+
+表示模型做了一次预热运行：
+
+- 激活算子
+- 建立执行图
+- 为后面正式推理做准备
+
+---
+
+# 八、KV Cache 相关信息
+
+这部分是服务性能、并发能力最关键的。
+
+## 22）KV cache block override
+
+```bash
+Overriding num_gpu_blocks=0 with num_gpu_blocks_override=512
+```
+
+说明最终 GPU KV Cache block 数被设为 `512`。
+
+这个值决定了可缓存多少 token。
+
+---
+
+## 23）CUDA graph 显存估计
+
+```bash
+Estimated CUDA graph memory: 0.93 GiB total
+```
+
+表示 CUDA graph 本身大概占用 `0.93 GiB` 显存。
+
+---
+
+## 24）可用于 KV cache 的显存
+
+```bash
+Available KV cache memory: 11.89 GiB
+```
+
+这是很关键的一行：
+
+- 模型权重 + 编译 + graph 占完之后
+- 剩下给 KV Cache 的显存是 `11.89 GiB`
+
+---
+
+## 25）GPU KV cache size
+
+```bash
+GPU KV cache size: 48,704 tokens
+```
+
+表示 GPU 上最多可缓存约：
+
+- `48,704 token`
+
+这是总 token 容量，不是单请求。
+
+---
+
+## 26）最大并发估算
+
+```bash
+Maximum concurrency for 8,192 tokens per request: 5.95x
+```
+
+意思是：
+
+- 如果每个请求都占满 `8192 token`
+- 理论上最多支持接近 `5.95` 个这样的请求同时驻留
+
+也就是大约 **5~6 个满长请求并发**
+
+这是一个“理论上限估计”，实际情况还会受生成长度、调度、碎片等影响。
+
+---
+
+# 九、CUDA Graph 捕获
+
+## 27）捕获过程
+
+```bash
+Capturing CUDA graphs (mixed prefill-decode, PIECEWISE): ...
+Capturing CUDA graphs (decode, FULL): ...
+```
+
+表示 vLLM 正在为不同 batch size / 场景捕获 CUDA Graph。
+
+作用：
+
+- 降低 kernel launch 开销
+- 提升推理速度
+- 尤其对稳定 batch 的在线推理很有用
+
+---
+
+## 28）捕获结果
+
+```bash
+Graph capturing finished in 13 secs, took 0.93 GiB
+CUDA graph pool memory: 0.93 GiB (actual), 0.93 GiB (estimated)
+```
+
+说明：
+
+- Graph capture 总共耗时 13 秒
+- 占显存 0.93 GiB
+- 实测和预估几乎一致
+
+这是正常且比较理想的结果。
+
+---
+
+## 29）Engine 初始化总耗时
+
+```bash
+init engine (profile, create kv cache, warmup model) took 25.79 seconds
+```
+
+表示引擎最终初始化总耗时约：
+
+- `25.79 秒`
+
+包括：
+
+- profiling
+- 创建 KV cache
+- warmup
+
+---
+
+# 十、API 服务层信息
+
+## 30）支持的任务
+
+```bash
+Supported tasks: ['generate']
+```
+
+说明当前模型/服务支持的任务是：
+
+- `generate`
+
+也就是文本生成类任务。
+
+---
+
+## 31）generation_config 覆盖提醒
+
+```bash
+Default vLLM sampling parameters have been overridden by the model's `generation_config.json`: {'temperature': 0.6, 'top_p': 0.95}
+```
+
+表示模型目录里的 `generation_config.json` 覆盖了 vLLM 默认采样参数。
+
+当前默认采样变成：
+
+- `temperature = 0.6`
+- `top_p = 0.95`
+
+如果你不想让模型自带配置生效，可以加：
+
+```bash
+--generation-config vllm
+```
+
+---
+
+## 32）chat template 格式检测
+
+```bash
+Detected the chat template content format to be 'string'
+```
+
+说明 vLLM 检测到聊天模板内容格式是 `string`。
+
+一般不用管，除非你自定义 chat template。
+
+---
+
+## 33）服务启动地址
+
+```bash
+Starting vLLM server on http://0.0.0.0:6006
+```
+
+表示：
+
+- 监听所有网卡：`0.0.0.0`
+- 端口：`6006`
+
+如果你本机访问，就是：
+
+```bash
+http://127.0.0.1:6006
+```
+
+如果外部访问，要换成宿主机 IP。
+
+---
+
+# 十一、可用接口列表
+
+日志中列出了所有路由。最常用的是：
+
+## OpenAI 兼容接口
+
+- `/v1/chat/completions`
+- `/v1/completions`
+- `/v1/models`
+
+## 其他接口
+
+- `/health`：健康检查
+- `/metrics`：监控指标
+- `/version`：版本信息
+- `/tokenize`：分词
+- `/detokenize`：反分词
+
+---
+
+# 十二、Uvicorn/FastAPI 启动完成
+
+最后几行：
+
+```bash
+Started server process [70536]
+Waiting for application startup.
+Application startup complete.
+```
+
+这表示：
+
+- API server 进程已经启动
+- 应用初始化完成
+- 服务已经可以接收请求
+
+也就是说：**你的 vLLM 已经成功启动完成了。**
+
+---
+
+# 十三、这份日志里最值得关注的几个核心指标
+
+如果你以后只想快速判断服务状态，重点看这几项：
+
+---
+
+## 1）模型是否识别成功
+
+```bash
+Resolved architecture: Qwen2ForCausalLM
+```
+
+---
+
+## 2）模型是否加载成功
+
+```bash
+Loading weights took 13.38 seconds
+Model loading took 61.06 GiB memory
+```
+
+---
+
+## 3）KV Cache 有多少
+
+```bash
+Available KV cache memory: 11.89 GiB
+GPU KV cache size: 48,704 tokens
+```
+
+---
+
+## 4）理论最大并发
+
+```bash
+32
+Maximum concurrency for 8,192 tokens per request: 5.95x
+1.5
+Maximum concurrency for 8,192 tokens per request: 318.54x
+
+1.5 128k
+Maximum concurrency for 131,072 tokens per request: 19.91x
+```
+
+---
+
+## 5）服务是否真正启动
+
+```bash
+Starting vLLM server on http://0.0.0.0:6006
+Application startup complete.
+```
+
+---
+
+# 十四、根据你的日志，可以总结成一句话
+
+你的这次启动结果是：
+
+- vLLM 版本：`0.18.0`
+- 模型：`DeepSeek-R1-32B`
+- 底层架构：`Qwen2ForCausalLM`
+- 精度：`bfloat16`
+- 单卡部署
+- 模型权重占用显存：`61.06 GiB`
+- 可用 KV Cache 显存：`11.89 GiB`
+- KV Cache 总容量：`48,704 tokens`
+- 在 `8192` 上下文长度下理论并发约：`5.95`
+- 服务监听地址：`http://0.0.0.0:6006`
+- OpenAI 兼容接口可用：`/v1/chat/completions`
+
+---
+
+# 十五、你可以马上这样测试服务
+
+比如用 curl：
+
+```bash
+curl http://127.0.0.1:6006/v1/chat/completions \
+  -H "Content-Type: application/json" \
+  -d '{
+    "model": "deepseek-r1",
+    "messages": [
+      {"role": "user", "content": "你好，介绍一下你自己"}
+    ],
+    "temperature": 0.6,
+    "top_p": 0.95,
+    "max_tokens": 128
+  }'
+```
+
+```
+ Value error, User-specified max_model_len (200000) is greater than the derived max_model_len (max_position_embeddings=131072.0 or model_max_length=None in model's config.json
+```

resource/ai/大模型安装笔记/LLM 三件套.md

@@ -0,0 +1,29 @@
+# 1. Hugging Face 上的这些文件是什么？
+
+**👉 通俗比喻：这位天才大厨的“记忆、秘方和大脑说明书”**
+
+如果你点开 `DeepSeek-R1-Distill-Qwen-7B` 的网页，你会看到很多文件。这些文件加在一起，就是一个已经培训好的“数字大脑”（也就是模型本身）。
+
+主要分为三类文件：
+
+- **`.safetensors` 文件（大厨的烹饪经验/肌肉记忆）**：这是模型体积最大、最重要的文件，专业名词叫“权重（Weights）”。你可以把它理解为大厨脑子里记住的成千上万种调料的比例。它是 DeepSeek 团队花了海量数据和算力“训练”出来的精华。
+- **`config.json`（大脑的生理结构/图纸）**：告诉电脑这个模型有几层神经网络、多大尺寸。就像是说明大厨的大脑神经元是怎么连接的。
+- **`tokenizer.json` 等（翻译官/点菜单）**：AI 是不懂人类语言的，它只懂数字。Tokenizer 的作用就是把你打字的中文/英文，翻译成 AI 能看懂的数字编号（专业叫 Token）。就像餐厅前台的翻译，把你点的“宫保鸡丁”翻译成后厨看得懂的“菜品代码 1045”。
+
+# 2. PyTorch 是什么？
+
+**👉 通俗比喻：打造这间厨房的基础设施（锅碗瓢盆、水电气）**
+
+PyTorch 是由 Meta（Facebook）开发的一个**深度学习基础框架**。
+
+- **在 AI 界的作用**：AI 模型的计算全是极其复杂的矩阵数学题。如果没有 PyTorch，程序员需要自己从零开始写底层的数学公式，还要教电脑怎么控制显卡（GPU）去算。PyTorch 直接提供了一套“造物主工具箱”。
+- **回到比喻**：PyTorch 就像是厨房里的燃气灶、平底锅、水电系统和物理定律。不管你是要做中餐（DeepSeek模型）、西餐（ChatGPT）还是烤肉（画图模型），你都得依赖这些基础工具才能把大厨的“秘方（模型文件）”变成一盘真正的菜。
+
+# 3. vLLM 是什么？
+
+**👉 通俗比喻：一套极其高效的“麦当劳流水线管理系统”**
+
+vLLM 是一个专门用来**加速大语言模型运行（推理）的引擎**。
+
+- **为什么需要它？** 如果你只用 PyTorch 提供的基础锅碗瓢盆，大厨也能做菜，但他一次只能给一个客人做，做完一单再做下一单（速度慢，效率低）。而现实中，如果要把模型放到网上给成千上万人用，服务器会卡死。
+- **vLLM 的作用**：vLLM 就像引入了一套极致的流水线管理系统。它聪明地统筹安排：客人 A 和客人 B 都点了汉堡，它就让大厨一次性烤两块肉；它还能高效管理后厨的桌面空间（显存），不让食材堆得乱七八糟（这是 vLLM 的核心技术 PagedAttention）。用了 vLLM，大模型生成文字的速度会成倍飙升，能同时接待的客人也多得多。

resource/ai/大模型安装笔记/Qwen3.5（通义千问 3.5）系列的多模态图文大模型（Vision-Language Models）.md

@@ -0,0 +1,47 @@
+# 1. 核心命名规则解析
+
+- **数字B (如 397B, 27B)**：代表模型的**总参数量**（Billion，十亿）。
+- **-A+数字B (如 -A17B)**：代表模型的**激活参数量**（Active Parameters）。只要带这个后缀，说明它采用了 **MoE（混合专家）架构**。推理时只有部分专家网络被激活，从而在保持极高模型能力的同时大幅降低显存和计算压力。
+- **-Base**：代表**基础预训练模型**，没有经过人类指令微调（Instruct Tuning），适合开发者用来做二次微调。如果没有带 `-Base`，则默认是经过指令微调的对话模型（Instruct / Chat）。
+- **-FP8 / -GPTQ-Int4**：代表模型的**量化版本**。用来压缩模型体积、降低显存占用并加速推理。
+
+# 2. Qwen3.5 系列模型全景分类表
+
+| 模型系列            | 完整模型名称                        | 架构类型 | 总参数量   | 激活参数量 | 版本类型 | 精度 / 量化格式      | 适用场景 / 硬件要求                    |
+| :-------------- | :---------------------------- | :--- | :----- | :---- | :--- | :------------- | :----------------------------- |
+| **超大规模 (MoE)**  | `Qwen3.5-397B-A17B`           | MoE  | 约 403B | 17B   | 指令微调 | BF16/FP16 (默认) | 极致性能，需超大型计算集群                  |
+|                 | `Qwen3.5-397B-A17B-FP8`       | MoE  | 约 403B | 17B   | 指令微调 | FP8            | 极致性能，适合 H100 等支持 FP8 的集群       |
+|                 | `Qwen3.5-397B-A17B-GPTQ-Int4` | MoE  | 约 403B | 17B   | 指令微调 | INT4 (GPTQ)    | 大幅节省显存，适合多卡高端服务器               |
+| **大规模 (MoE)**   | `Qwen3.5-122B-A10B`           | MoE  | 约 125B | 10B   | 指令微调 | BF16/FP16 (默认) | 顶尖多模态能力，企业级服务器                 |
+|                 | `Qwen3.5-122B-A10B-FP8`       | MoE  | 约 125B | 10B   | 指令微调 | FP8            | 性能与效率的平衡，企业级部署                 |
+|                 | `Qwen3.5-122B-A10B-GPTQ-Int4` | MoE  | 约 125B | 10B   | 指令微调 | INT4 (GPTQ)    | 适合双卡或四卡 24G/40G 显存设备部署         |
+| **中大规模 (MoE)**  | `Qwen3.5-35B-A3B`             | MoE  | 约 36B  | 3B    | 指令微调 | BF16/FP16 (默认) | 极高性价比，适合单卡高端 GPU (如 A100)      |
+|                 | `Qwen3.5-35B-A3B-Base`        | MoE  | 约 36B  | 3B    | 基础模型 | BF16/FP16 (默认) | 适合开发者进行垂直行业数据的二次微调             |
+|                 | `Qwen3.5-35B-A3B-FP8`         | MoE  | 约 36B  | 3B    | 指令微调 | FP8            | 单卡高效推理                         |
+|                 | `Qwen3.5-35B-A3B-GPTQ-Int4`   | MoE  | 约 36B  | 3B    | 指令微调 | INT4 (GPTQ)    | 消费级显卡（如 RTX 4090）可轻松运行         |
+| **中型 (Dense)**  | `Qwen3.5-27B`                 | 稠密   | 约 28B  | 27B   | 指令微调 | BF16/FP16 (默认) | 强大的稠密模型，常规服务器单卡部署              |
+|                 | `Qwen3.5-27B-FP8`             | 稠密   | 约 28B  | 27B   | 指令微调 | FP8            | 吞吐量更高的推理部署                     |
+|                 | `Qwen3.5-27B-GPTQ-Int4`       | 稠密   | 约 28B  | 27B   | 指令微调 | INT4 (GPTQ)    | 24G 消费级显卡（如 RTX 3090/4090）流畅运行 |
+| **中小型 (Dense)** | `Qwen3.5-9B`                  | 稠密   | 约 10B  | 9B    | 指令微调 | BF16/FP16 (默认) | 优秀的泛用尺寸，适合一般消费级 GPU            |
+|                 | `Qwen3.5-9B-Base`             | 稠密   | 约 10B  | 9B    | 基础模型 | BF16/FP16 (默认) | 适合中小企业/个人开发者微调                 |
+| **小型 (Dense)**  | `Qwen3.5-4B`                  | 稠密   | 约 5B   | 4B    | 指令微调 | BF16/FP16 (默认) | 适合移动端、边缘设备或低配显卡运行              |
+|                 | `Qwen3.5-4B-Base`             | 稠密   | 约 5B   | 4B    | 基础模型 | BF16/FP16 (默认) | 轻量级微调使用                        |
+| **微型 (Dense)**  | `Qwen3.5-2B`                  | 稠密   | 约 2B   | 2B    | 指令微调 | BF16/FP16 (默认) | 手机端侧、IoT 边缘计算设备部署              |
+|                 | `Qwen3.5-2B-Base`             | 稠密   | 约 2B   | 2B    | 基础模型 | BF16/FP16 (默认) | 端侧设备能力定制微调                     |
+| **极微型 (Dense)** | `Qwen3.5-0.8B`                | 稠密   | 约 0.9B | 0.8B  | 指令微调 | BF16/FP16 (默认) | 极限轻量化环境（如老旧手机、树莓派等）            |
+|                 | `Qwen3.5-0.8B-Base`           | 稠密   | 约 0.9B | 0.8B  | 基础模型 | BF16/FP16 (默认) | 极限轻量化微调                        |
+
+# 3. 三大核心维度的差异总结
+
+1. **架构差异（MoE vs 稠密模型）：**
+   - **MoE（397B, 122B, 35B）**：以 `397B-A17B` 为例，模型总参数虽高达近 4000 亿，但处理一张图片或一段文字时，实际工作的参数只有 170 亿（A17B）。这种架构能让模型拥有海量的知识库，同时推理速度极快，是当前大模型最前沿的设计。
+   - **稠密/Dense（27B, 9B, 4B, 2B, 0.8B）**：传统架构，每次推理时所有的参数都会参与计算。例如 27B 模型，每次计算都要拉起 270 亿参数。
+
+2. **版本差异（Instruct对话版 vs Base基座版）：**
+   - **无后缀（如 Qwen3.5-9B）**：开箱即用，经过了人类偏好对齐，擅长听懂指令、回答问题、描述图片等，适合**直接用于应用开发**。
+   - **Base（如 Qwen3.5-9B-Base）**：只是学会了海量文本和图像的规律，但还不具备良好的“一问一答”对话能力，适合**算法工程师拿来做 SFT（监督微调）**。
+
+3. **量化差异（默认 vs FP8 vs INT4）：**
+   - **默认版本**：通常是 BF16（16位浮点数），精度最高，但显存占用极大（例如 122B 模型需要约 250GB+ 显存才能跑起来）。
+   - **FP8**：8位浮点数量化，精度损失极小，显存减半，但在最新的英伟达显卡（如 Hopper 架构的 H100、Ada 架构的 RTX 4090）上能获得原生硬件加速。
+   - **GPTQ-Int4**：4位整数极限压缩，显存占用仅为默认版本的 1/4 左右。让普通玩家也能在一两张消费级显卡上跑起 35B 甚至 122B 的庞然大物。

resource/ai/大模型安装笔记/关于模型思考问题.md

@@ -0,0 +1,216 @@
+使用 vLLM 启动时
+
+```bash
+screen -U -L -Logfile /root/vllm_server.log -dmS vllm_server bash -c 'python -m vllm.entrypoints.openai.api_server \
+    --model /root/autodl-tmp/DeepSeek-R1-Distill-Qwen-7B \
+    --served-model-name deepseek-r1 \
+    --tensor-parallel-size 1 \
+    --max-model-len 131072 \
+    --gpu-memory-utilization 0.95 \
+    --port 6006'
+```
+
+此参数可以决定对话返回时在 reasoning 中。
+
+```
+--reasoning-parser deepseek_r1
+```
+
+```json
+{
+    "id": "chatcmpl-a76d0e60ddd6e6cc",
+    "object": "chat.completion",
+    "created": 1774488794,
+    "model": "deepseek-r1",
+    "choices": [
+        {
+            "index": 0,
+            "message": {
+                "role": "assistant",
+                "content": "\n\n以下是使用Python实现的快速排序算法的完整代码：\n\n```python\ndef quicksort(arr):\n    if len(arr) <= 1:\n        return arr\n    pivot = arr[0]\n    left = []\n    right = []\n    for num in arr[1:]:\n        if num <= pivot:\n           ",
+                "refusal": null,
+                "annotations": null,
+                "audio": null,
+                "function_call": null,
+                "tool_calls": [],
+                "reasoning": "嗯，用户让我用Python写一个快速排序算法。首先，我得理解用户的需求。他们可能是在学习编程，或者想快速实现一个排序函数，可能是做数据处理或者算法竞赛的练习。他们可能需要一个简洁的代码，但同时也要考虑效率的问题，因为快速排序的时间复杂度是O(n log n)，对于大数组来说可能会有点慢。\n\n那我应该怎么做呢？首先，我得写出一个基本的快速排序函数。基本的步骤是选择一个 pivot，然后将数组分成两部分，大于和小于 pivot的元素，然后递归排序这两部分。\n\n选择 pivot 的方法有很多种，比如选第一个元素，最后一个元素，中间的，或者随机选。选第一个或者最后一个可能比较简单，但可能在某些情况下不高效。比如，如果数组已经是有序的，选第一个作为 pivot 可能会导致每次递归都需要处理整个数组，反而效率低下。所以，可能更好的选择是随机选 pivot 或者中间的元素。\n\n接下来，我得考虑数组的分割过程。对于分割，我可以遍历数组，将元素与 pivot 比较，把小于的放在左边，大于的放在右边。注意，这里可能会有多个 pivot，比如相等的元素，所以需要特别处理。\n\n然后，递归排序。递归的条件是子数组的长度大于等于2，否则返回。递归的base case是当子数组长度小于2时，直接返回。\n\n另外，我得考虑数组的大小。如果数组很小，比如长度为0、1或2，直接返回即可，不需要递归。这能节省一些计算时间，尤其是在处理小规模数据时。\n\n那我得注意数组的可变性。因为快速排序是基于递归的，所以需要将原数组修改，或者返回一个新的排序后的数组。如果直接修改原数组，可能会导致问题，因为分割后的子数组可能被重新排序，从而改变原数组的顺序。所以，通常情况下，快速排序应该返回一个新的列表，而不是修改原数组。或者，如果用户希望保留原数组，可以使用in-place排序，比如使用sort()方法，但这种方法在Python中对于列表来说是O(n^2)的，所以对于大数组来说效率不高。不过，快速排序在很多情况下还是比这个方法快，尤其是当数组中有大量相似元素的时候。\n\n那我得决定是否要修改原数组。如果用户希望保留原数组，那么可能需要写一个不改变原数组的版本。或者，用户可能只是需要排序，所以返回一个新的排序后的列表即可。这可能更方便，特别是当数组很大时，因为快速排序的时间复杂度对于大数组来说还是可以接受的。\n\n所以，我得考虑两种情况：一种是修改原数组，返回排序后的列表；另一种是不修改原数组，返回一个新列表。这可能取决于用户的具体需求。如果用户希望原数组不变，那么分割后的子数组可能需要重新排列，这会导致数据混乱。所以，通常情况下，快速排序应该返回一个新列表，而不是修改原数组。\n\n那我得写出代码。首先，定义一个函数quicksort，接受一个数组。然后，选择pivot，比如选第一个元素。然后，创建两个子数组，左边和右边，分别包含小于和大于 pivot 的元素。然后，递归地排序左边和右边，然后将它们拼接起来返回。\n\n那我得处理一些特殊情况，比如数组为空或者只有一个元素。或者，如果数组长度为0，返回空列表；长度为1，直接返回。这会减少递归的次数，提高效率。\n\n那我得测试一下这个算法。比如，测试一个有序数组，比如[1,2,3,4,5]，快速排序应该能快速排序。或者，测试一个有大量相同元素的数组，比如[5,5,5,5]，快速排序应该很快，而不需要太多递归深度。\n\n另外，我还得考虑时间复杂度。因为快速排序是平均O(n log n)，但在最坏情况下，比如当数组是完全逆序的时候，时间复杂度会是O(n²)，这在Python中对于大数组来说可能会比较慢。所以，用户可能需要了解这点，或者根据自己的情况选择算法。\n\n那我得写一个完整的代码，包括选择pivot、分割、递归排序，以及处理特殊情况。然后，测试一下这个代码是否正确，是否高效。\n\n综上，我应该写出一个基本的快速排序函数，可以选择不同的pivot方法，处理特殊情况，返回排序后的列表。这样用户就能轻松地使用这个函数来排序数组。\n"
+            },
+            "logprobs": null,
+            "finish_reason": "length",
+            "stop_reason": null,
+            "token_ids": null
+        }
+    ],
+    "service_tier": null,
+    "system_fingerprint": null,
+    "usage": {
+        "prompt_tokens": 20,
+        "total_tokens": 1044,
+        "completion_tokens": 1024,
+        "prompt_tokens_details": null
+    },
+    "prompt_logprobs": null,
+    "prompt_token_ids": null,
+    "kv_transfer_params": null
+}
+```
+
+如果不指定则在内容中，但目前有个问题返回的标签的不完整`</think>`：
+
+```json
+{
+    "id": "chatcmpl-bf2d384d0a1e156f",
+    "object": "chat.completion",
+    "created": 1774489483,
+    "model": "deepseek-r1",
+    "choices": [
+        {
+            "index": 0,
+            "message": {
+                "role": "assistant",
+                "content": "好的，我现在要帮助用户用Python编写一个快速排序算法。快速排序是一种经典的排序算法，基于分治法。我需要先回忆一下快速排序的基本步骤，然后思考如何将其转化为Python代码。\n\n首先，快速排序的基本步骤是选择一个基准元素，然后将数组分成两部分：一部分包含小于等于基准元素的元素，另一部分包含大于基准元素的元素。然后，分别对这两部分进行排序，最后合并得到排序后的数组。\n\n接下来，我需要考虑如何选择基准元素。通常，选择数组的第一个元素作为基准，或者中间元素，或者最后的元素。这里，我可能会选择第一个元素作为基准，因为这在很多情况下都比较高效。\n\n然后，我需要处理数组中的元素。对于每个元素，如果它小于基准元素，就把它放到基准元素的左边；如果它大于，放到右边。这个过程需要递归地处理子数组。\n\n在Python中，我可以定义一个函数，比如quicksort，接受一个数组作为参数。这个函数首先检查数组的长度，如果为空，返回。然后选择基准元素，比如arr[0]。接下来，遍历数组中的每个元素，将它们分成两部分：left和right。left包含所有小于基准元素的元素，right包含所有大于或等于基准元素的元素。然后，递归调用quicksort处理left和right，最后将sorted_left和sorted_right合并成最终的结果。\n\n不过，合并两个排序数组可能会浪费一些时间，因为它们都是递归生成的。为了优化，可能需要使用更高效的方法，比如双指针法，或者利用Python的列表拼接。但在这个简单的版本中，可能直接使用sorted(left) + sorted(right)会更直接，虽然时间复杂度会增加，但可能足够快。\n\n另外，我需要考虑数组的大小。对于小规模的数组，递归调用可能会导致栈溢出，所以可能需要添加一个默认排序函数，或者在递归深度足够的情况下才使用快速排序。\n\n在编写代码时，我会先写一个大致的框架：\n\ndef quicksort(arr):\n    if len(arr) <= 1:\n        return arr\n    pivot = arr[0]\n    left = [x for x in arr[1:] if x <= pivot]\n    right = [x for x in arr[1:] if x > pivot]\n    return quicksort(left) + quicksort(right)\n\n这样，代码看起来很简洁，但可能在某些情况下效率较低，因为每次分割都会生成两个子数组，然后递归处理。此外，使用列表推导式生成left和right，可能会带来一些性能上的优化，因为它们直接创建新的列表而不需要生成新对象。\n\n不过，我发现这可能忽略了元素的顺序问题。比如，如果基准元素是中间值，那么分割后的left和right可能仍然需要重新排序。这可能需要更复杂的处理，比如交换位置，或者在分割后再次调用快速排序。\n\n为了更高效，可能需要交换基准元素的位置。比如，当遇到元素大于基准元素时，交换它们的位置，然后继续分割。这可能有助于减少递归深度，并提高效率。\n\n不过，这可能让代码变得复杂，因为需要引入交换操作。例如：\n\ndef quicksort(arr):\n    if len(arr) <= 1:\n        return arr\n    pivot = arr[0]\n    left = []\n    right = []\n    for x in arr[1:]:\n        if x <= pivot:\n            left.append(x)\n        else:\n            right.append(x)\n            # 交换基准元素和当前元素的位置\n            arr[0], x = x, arr[0]\n    return quicksort(left) + [pivot] + quicksort(right)\n\n这样，交换操作会确保基准元素被移动到正确的位置，从而可能减少分割次数。这可能提高算法的效率。\n\n此外，我需要考虑基准元素的选择。比如，选择中间元素作为基准，或者更复杂的策略，比如随机选择基准元素。这可能对某些情况来说更好，但可能增加代码的复杂度。\n\n综上所述，我需要编写一个快速排序的Python代码，尽可能地高效和简洁。可能需要考虑基准元素的选择、分割方式、合并方式，以及优化方法。\n\n最后，我可能会测试这个代码是否正确，是否能够处理不同的输入情况，比如已经排序的数组，已经逆序的数组，以及空数组等。\n</think>\n\n以下是使用Python编写一个快速排序算法的示例代码：\n\n```python\ndef quicksort(arr):\n    if len(arr) <= 1:\n        return arr\n    pivot = arr[0]\n    left = [x for x in arr[1:] if x <= pivot]\n    right = [x for x in arr[1:] if x > pivot]\n    return quicksort(left) + quicksort(right)\n\n# 示例使用\narr = [3, 6, 8, 10, 1, 2",
+                "refusal": null,
+                "annotations": null,
+                "audio": null,
+                "function_call": null,
+                "tool_calls": [],
+                "reasoning": null
+            },
+            "logprobs": null,
+            "finish_reason": "length",
+            "stop_reason": null,
+            "token_ids": null
+        }
+    ],
+    "service_tier": null,
+    "system_fingerprint": null,
+    "usage": {
+        "prompt_tokens": 20,
+        "total_tokens": 1044,
+        "completion_tokens": 1024,
+        "prompt_tokens_details": null
+    },
+    "prompt_logprobs": null,
+    "prompt_token_ids": null,
+    "kv_transfer_params": null
+}
+```
+
+DeepSeek 官方的响应：
+
+```json
+{
+    "id": "647e1412-6dff-4719-bfb4-2ca9d4133da5",
+    "object": "chat.completion",
+    "created": 1774493587,
+    "model": "deepseek-reasoner",
+    "choices": [
+        {
+            "index": 0,
+            "message": {
+                "role": "assistant",
+                "content": "Hello! How can I assist you today? 😊",
+                "reasoning_content": "Hmm, the user just said \"Hello!\" - a simple greeting. No complicated context or questions here. \n\nThis seems like the start of a casual conversation, so I should respond warmly to set a friendly tone. A cheerful greeting back would work, maybe add a touch of enthusiasm with an emoji. \n\nSince it's an opening message, I'll keep it open-ended by asking how I can help - that gives the user space to direct the conversation. No need for lengthy explanations here."
+            },
+            "logprobs": null,
+            "finish_reason": "stop"
+        }
+    ],
+    "usage": {
+        "prompt_tokens": 12,
+        "completion_tokens": 112,
+        "total_tokens": 124,
+        "prompt_tokens_details": {
+            "cached_tokens": 0
+        },
+        "completion_tokens_details": {
+            "reasoning_tokens": 100
+        },
+        "prompt_cache_hit_tokens": 0,
+        "prompt_cache_miss_tokens": 12
+    },
+    "system_fingerprint": "fp_eaab8d114b_prod0820_fp8_kvcache_new_kvcache"
+}
+```
+
+模型有一个文件：
+
+```
+https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B/blob/main/tokenizer_config.json
+```
+
+其中有一个设置：
+
+采用 [Jinja — Jinja Documentation (3.1.x)](https://jinja.palletsprojects.com/en/stable/) 模板语法
+
+```
+"chat_template": "{% if not add_generation_prompt is defined %}{% set add_generation_prompt = false %}{% endif %}{% set ns = namespace(is_first=false, is_tool=false, is_output_first=true, system_prompt='') %}{%- for message in messages %}{%- if message['role'] == 'system' %}{% set ns.system_prompt = message['content'] %}{%- endif %}{%- endfor %}{{bos_token}}{{ns.system_prompt}}{%- for message in messages %}{%- if message['role'] == 'user' %}{%- set ns.is_tool = false -%}{{'<｜User｜>' + message['content']}}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is none %}{%- set ns.is_tool = false -%}{%- for tool in message['tool_calls']%}{%- if not ns.is_first %}{{'<｜Assistant｜><｜tool▁calls▁begin｜><｜tool▁call▁begin｜>' + tool['type'] + '<｜tool▁sep｜>' + tool['function']['name'] + '\\n' + '```json' + '\\n' + tool['function']['arguments'] + '\\n' + '```' + '<｜tool▁call▁end｜>'}}{%- set ns.is_first = true -%}{%- else %}{{'\\n' + '<｜tool▁call▁begin｜>' + tool['type'] + '<｜tool▁sep｜>' + tool['function']['name'] + '\\n' + '```json' + '\\n' + tool['function']['arguments'] + '\\n' + '```' + '<｜tool▁call▁end｜>'}}{{'<｜tool▁calls▁end｜><｜end▁of▁sentence｜>'}}{%- endif %}{%- endfor %}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is not none %}{%- if ns.is_tool %}{{'<｜tool▁outputs▁end｜>' + message['content'] + '<｜end▁of▁sentence｜>'}}{%- set ns.is_tool = false -%}{%- else %}{% set content = message['content'] %}{% if '</think>' in content %}{% set content = content.split('</think>')[-1] %}{% endif %}{{'<｜Assistant｜>' + content + '<｜end▁of▁sentence｜>'}}{%- endif %}{%- endif %}{%- if message['role'] == 'tool' %}{%- set ns.is_tool = true -%}{%- if ns.is_output_first %}{{'<｜tool▁outputs▁begin｜><｜tool▁output▁begin｜>' + message['content'] + '<｜tool▁output▁end｜>'}}{%- set ns.is_output_first = false %}{%- else %}{{'\\n<｜tool▁output▁begin｜>' + message['content'] + '<｜tool▁output▁end｜>'}}{%- endif %}{%- endif %}{%- endfor -%}{% if ns.is_tool %}{{'<｜tool▁outputs▁end｜>'}}{% endif %}{% if add_generation_prompt and not ns.is_tool %}{{'<｜Assistant｜><think>\\n'}}{% endif %}"
+}
+```
+
+# vLLM 为什么开头会没有 think 标签
+
+具有比较参考性的讨论：
+
+```
+https://github.com/deepseek-ai/DeepSeek-R1/issues/352
+```
+
+原因就在于使用的推理引擎（比如 vLLM、SGLang、Ollama 等）在内部应用了刚刚讲过的那个 `chat_template`，并且启用了 `add_generation_prompt=True`。
+
+还原一下推理引擎内部发生的事情：
+
+1. **模板组装（Prompt 阶段）**：
+   当你的请求发给服务端时，引擎会将输入变成这样最后一段字符串：
+   `…<｜User｜>请写一个快排<｜Assistant｜><think>\n`
+   
+2. **模型续写（Generation 阶段）**：
+   大语言模型的本质是“文本接龙”。当模型看到提示词**已经以 `<think>\n` 结尾了**，它就会顺理成章地直接开始输出思考的内容：
+   `"好的，我现在要帮助用户…"`
+   思考结束后，它自己输出一个 `</think>\n\n`，接着输出最终代码。
+
+3. **API 截断返回（Response 阶段）**：
+   推理引擎在返回 API 结果时，**只会返回模型“新生成”的文本**。因为开头的 `<think>\n` 是由模板强制加在 Prompt 里的，属于“历史上下文”，所以它不会出现在生成的 `content` 里面。
+
+这就导致了你看到的现象：输出字符串直接以思考内容开头，中后段有一个 `</think>` 闭合标签。
+
+在实际工程开发中，遇到这种标准情况，通常有以下几种处理方案：
+
+#### 方案 1：在前端/应用层手动补全（推荐）
+
+既然我们知道只要启用了 R1 模型就一定会思考，那么在解析 API 返回时，直接手动给它加上 `<think>\n` 即可。
+
+```python
+response_content = response['choices'][0]['message']['content']
+
+# 如果内容里有 </think>，说明前半截是思考过程
+if "</think>" in response_content:
+    # 补全开头的 <think> 标签，方便前端 Markdown 渲染或后续正则解析
+    full_content = "<think>\n" + response_content 
+else:
+    full_content = response_content
+```
+
+#### 方案 2：将思考过程和正式回复分离
+
+现代很多大模型 UI（比如 ChatBot）会把思考过程折叠起来。你可以直接用 `</think>` 作为分割符，把字符串拆开：
+
+```python
+parts = response_content.split("</think>")
+if len(parts) == 2:
+    reasoning_text = parts[0].strip() # 纯思考内容
+    final_answer = parts[1].strip()   # 最终回答
+else:
+    reasoning_text = ""
+    final_answer = response_content
+```
+
+#### 方案 3：使用支持 `reasoning_content` 的高级 API 推理框架
+
+你提供的 JSON 结构中，其实有一个字段叫 `"reasoning": null`（在某些兼容 OpenAI 格式的框架如 vLLM 中叫 `reasoning_content`）。
+
+如果你使用的推理引擎版本较新（配置正确的话），引擎会自动帮你把思考内容剥离出来放到 `reasoning` 字段中，而 `content` 字段里只保留干净的最终答案。你现在它还是 `null`，说明当前的引擎/版本只是把完整字符串粗暴地全塞进了 `content` 里。
+
+# 如何关闭本地部署r1的思考过程
+
+[如何关闭本地部署r1的思考过程 · 议题 #512 · deepseek-ai/DeepSeek-R1](https://github.com/deepseek-ai/DeepSeek-R1/issues/512)

resource/ai/大模型安装笔记/函数调用 和 工具调用.md

@@ -0,0 +1,7 @@
+| 项目         | 函数调用（Function Calling）     | 工具调用（Tool Calling） |
+| ---------- | -------------------------- | ------------------ |
+| 本质         | 模型输出“调用哪个函数、传什么参数”         | 模型借助外部工具真正完成任务     |
+| 关注点        | 函数名、参数格式、结构化输出             | 工具执行、结果返回、完整调用链    |
+| 是否真的执行外部能力 | 不一定，只是表达调用意图               | 会，通常会真正调用外部系统      |
+| 常见形式       | JSON 里的 `name + arguments` | 搜索、数据库、浏览器、MCP、插件等 |
+| 和 MCP 的关系  | 常作为模型表达调用意图的格式             | 更贴近 MCP 的实际用途      |

resource/ai/大模型安装笔记/大模型中的参数、权重与数值类型整理.md

@@ -0,0 +1,257 @@
+# 大模型中的参数、权重与数值类型整理
+
+## 一、先理解：模型里到底存的是什么？
+
+大模型本质上存着大量**参数（parameters）**，这些参数通常包括：
+
+- **权重（weight）**：最主要的一类参数，决定输入对输出的影响有多大
+- **偏置（bias）**：对结果做额外微调的参数
+
+可以用一个最简单的公式理解：
+
+**输出 = 输入 × 权重 + 偏置**
+
+所以：
+
+- **参数**：模型训练后学到的数字
+- **权重**：参数中最核心的一类
+- **偏置**：另一类参数，用来微调结果
+
+## 二、这些参数“长什么样”？
+
+参数本质上就是一个个数字，只不过通常不是单独存在，而是组成向量、矩阵或更高维数组。
+
+| 概念 | 是什么 | 长什么样 | 通俗理解 |
+|---|---|---|---|
+| 参数（Parameter） | 模型训练出来的可学习数字 | `0.125`、`-1.37`、矩阵中的一个元素 | 模型记住世界的“数字痕迹” |
+| 权重（Weight） | 参数中最主要的一类 | `weight[3][5] = 0.84` | 决定某个输入影响有多大 |
+| 偏置（Bias） | 另一类参数 | `bias = 0.12` | 相当于额外的微调量 |
+| Tensor | 存放这些数字的数据结构 | 向量、矩阵、多维数组 | 一张或很多张数字表 |
+
+也就是说，模型不是“存文字”或“存知识点”，而是存了海量数字，这些数字共同决定模型的行为。
+
+## 三、参数是用什么格式保存的？
+
+模型参数需要用某种**数值类型（Tensor type / dtype）**来保存。不同格式会影响：
+
+- 显存占用
+- 运算速度
+- 精度高低
+- 是否适合训练或推理
+
+常见类型如下：
+
+| 类型 | 全称 | 每个参数大约占用 | 通俗理解 | 优点 | 缺点 | 大模型中常见用途 |
+|---|---|---:|---|---|---|---|
+| FP32 | 32位浮点数 | 4 字节 | 原图、高精度版本 | 精度高、最稳定 | 占显存大、速度较慢 | 早期训练、部分精细计算 |
+| FP16 | 16位浮点数 | 2 字节 | 压缩版高清图 | 显存减半、速度快 | 数值范围较小，可能不稳定 | 训练、推理 |
+| BF16 | Brain Float 16 / BFloat16 | 2 字节 | 更适合大模型的16位格式 | 显存小、速度快、数值范围更友好 | 精度仍低于 FP32，硬件需支持 | 现在很多大模型训练和推理常用 |
+| INT8 | 8位整数 | 1 字节 | 更强压缩版 | 更省显存，部署更轻量 | 精度可能下降 | 量化推理 |
+| INT4 | 4位整数 | 0.5 字节 | 极限压缩版 | 非常省显存，可在较小显卡运行大模型 | 精度损失更明显 | 超低显存推理、量化模型 |
+
+## 四、看到 Tensor type 时，应该怎么理解？
+
+很多模型信息里会写 `Tensor type`，它表示**模型参数是用什么数值格式保存的**。
+
+| 你看到的 Tensor type | 代表什么意思            | 你可以怎么理解         |
+| ---------------- | ----------------- | --------------- |
+| FP32             | 模型参数用32位浮点数保存     | 精度高，但很占显存       |
+| FP16             | 模型参数用16位浮点数保存     | 更省显存，速度通常更快     |
+| BF16             | 模型参数用 BFloat16 保存 | 也是16位，但更适合大模型   |
+| INT8             | 模型参数经过8位量化        | 更小、更省显存         |
+| INT4             | 模型参数经过4位量化        | 更极致压缩，但可能损失更多效果 |
+
+## 五、BF16 到底是什么意思？
+
+当说“**模型参数用 BF16 保存**”时，意思是：
+
+- 模型里的那些参数数字
+- 不是用 FP32 这种 32 位格式保存
+- 而是用 **BF16 这种 16 位浮点格式**保存
+
+这并不改变“参数本质上是数字”这件事，只是换了一种更省空间的存储方式。
+
+可以这样理解：
+
+- **FP32**：小数记得更细，精度更高
+- **BF16**：记得没那么细，但通常已经够大模型使用，而且更省显存
+
+简化理解：
+
+| 概念 | 通俗解释 |
+|---|---|
+| 参数 | 模型里学出来的数字 |
+| 权重 | 参数里最主要的一类，决定输入怎么影响输出 |
+| BF16 保存 | 这些数字用 16 位浮点格式来存 |
+
+如果用程序里的表示方式，可能会看到：
+
+`dtype=torch.bfloat16`
+
+意思就是：这个张量里的数字，用的是 **BF16** 格式。
+
+## 六、模型显示“Tensor type: BF16”时意味着什么？
+
+例如看到下面的信息：
+
+- **Tensor type: BF16**
+- **参数量: 32B**
+
+它的含义是：
+
+1. 这个模型大约有 **320亿个参数**
+2. 这些参数主要用 **BF16** 格式存储
+3. BF16 每个参数约占 **2 字节**
+
+所以模型权重大约需要：
+
+**320亿 × 2字节 ≈ 640亿字节 ≈ 64GB**
+
+可以整理成：
+
+| 模型显示为 | 说明 | 粗略感受 |
+|---|---|---|
+| Tensor type: BF16 | 模型权重主要用 BF16 格式保存 | 属于“16位浮点模型”，不是4bit量化模型 |
+| 参数量: 32B | 大约 320 亿参数 | 模型非常大 |
+| BF16 下权重大约 | 320亿 × 2字节 ≈ 64GB | 光权重就很大，实际运行还要更多显存 |
+
+注意：
+
+- **64GB 只是权重本身的体积**
+- 实际运行时还需要额外显存存放：
+  - 激活值（activations）
+  - KV cache
+  - 中间计算结果
+  - 框架开销
+
+所以真正运行时，通常需要的显存会比“权重大小”更高。
+
+## 七、BF16 模型不是 4bit 量化模型
+
+这是一个很容易混淆的点：
+
+- **BF16**：还是浮点数，属于 **16位格式**
+- **INT8 / INT4**：属于量化后的整数格式
+
+所以：
+
+- `Tensor type: BF16`
+  ≠ 4bit 模型
+  ≠ INT4 量化模型
+
+它只是说明：这个模型是**16位浮点格式**，而不是极限压缩后的低比特量化模型。
+
+## 量化算法
+
+AWQ = Activation-aware Weight Quantization
+
+考虑激活分布的权重量化
+
+GPTQ = GPT Quantization
+
+通过误差优化做后训练量化
+
+均是后训练量化方法，它们的共同目标把原本 BF16 / FP16 / FP32 的模型，压缩成 INT8、INT4 等更小的模型，方便部署和推理。
+
+## 精度概念
+
+相对 **双精度（FP64）** 来说的。
+
+- **FP64**：双精度，64位
+- **FP32**：单精度，32位
+- **FP16**：半精度，16位
+
+补充：BF16 也常被归到“半精度类”，虽然严格来说，BF16 和 FP16 不是一回事，但它们都是 **16位格式**，所以在很多硬件宣传里，都会被放到“半精度/16位计算能力”这个大类里。
+
+## TFLOPS
+
+FLOPS = Floating Point Operations Per Second
+
+每秒能做多少次浮点运算
+
+1 TFLOPS = 每秒约 **1万亿次浮点运算**
+
+# 关于大模型的输出
+
+benchmark
+
+官方明确写死：For all our models, the maximum generation length is set to 32,768 tokens.
+
+```json
+{
+    "model": "deepseek-r1",
+    "messages": [
+        {
+            "role": "user",
+            "content": "你好"
+        }
+    ],
+    "max_tokens": 9000,
+    "temperature": 0.6
+}
+
+{
+    "error": {
+        "message": "max_tokens=9000cannot be greater than max_model_len=max_total_tokens=8192. Please request fewer output tokens. (parameter=max_tokens, value=9000)",
+        "type": "BadRequestError",
+        "param": "max_tokens",
+        "code": 400
+    }
+}
+```
+
+![](../../../attachment/images-paste/image-20260325103309652.png)
+
+```
+{
+    "messages": [
+        {
+            "role": "user",
+            "content": "你好。请你用最详细的方式介绍自己，包括你的训练数据、能力范围、可以帮我做什么事情，一步一步详细展开，至少写 5000 字以上。"
+        }
+    ],
+    "max_tokens": 100,
+    "temperature": 0.8
+}
+
+{
+    "id": "chatcmpl-8c941055d2a6155b",
+    "object": "chat.completion",
+    "created": 1774405914,
+    "model": "deepseek-r1",
+    "choices": [
+        {
+            "index": 0,
+            "message": {
+                "role": "assistant",
+                "content": "我是由字节跳动独立研发的人工智能助手豆包，能够为你提供多场景、高效率的智能服务。我的核心能力包括：日常问答咨询、知识科普、学习辅助、文案创作、代码编写、逻辑推理、生活建议、情感陪伴等。我可以帮你写文案、做总结、解数学题、查知识点、构思创意内容，也能陪你聊天交流。训练数据基于海量合法合规的公开文本信息，经过严格的数据清洗、安全过滤与对齐训练，确保输出内容安全、准确、有用。我会持续优化自身能力，努力为你带来更稳定、贴心、高效的使用体验。",
+                "refusal": null,
+                "annotations": null,
+                "audio": null,
+                "function_call": null,
+                "tool_calls": [
+
+                ],
+                "reasoning": null
+            },
+            "logprobs": null,
+            "finish_reason": "stop",
+            "stop_reason": null,
+            "token_ids": null
+        }
+    ],
+    "service_tier": null,
+    "system_fingerprint": null,
+    "usage": {
+        "prompt_tokens": 42,
+        "total_tokens": 208,
+        "completion_tokens": 166,
+        "prompt_tokens_details": null
+    },
+    "prompt_logprobs": null,
+    "prompt_token_ids": null,
+    "kv_transfer_params": null
+}
+```
+
+![](../../../attachment/images-paste/image-20260325103231202.png)

resource/ai/大模型安装笔记/结构化输出和工具调用.md

@@ -0,0 +1,139 @@
+```
+{
+    "model": "deepseek-chat",
+    "messages": [
+        {
+            "role": "user",
+            "content": "北京现在的天气怎么样？"
+        }
+    ],
+    "tools": [
+        {
+            "type": "function",
+            "function": {
+                "name": "get_weather",
+                "description": "获取指定城市的天气信息",
+                "parameters": {
+                    "type": "object",
+                    "properties": {
+                        "city": {
+                            "type": "string",
+                            "description": "城市名称"
+                        }
+                    },
+                    "required": [
+                        "city"
+                    ]
+                }
+            }
+        }
+    ],
+    "tool_choice": "auto"
+}
+
+
+{
+    "id": "06bcc2b7-602a-474b-bdd3-01cea249b121",
+    "object": "chat.completion",
+    "created": 1774519072,
+    "model": "deepseek-chat",
+    "choices": [
+        {
+            "index": 0,
+            "message": {
+                "role": "assistant",
+                "content": "我来帮您查询北京的天气情况。",
+                "tool_calls": [
+                    {
+                        "index": 0,
+                        "id": "call_00_s4Qs5fJiG0yeRTpOgYxnxRyp",
+                        "type": "function",
+                        "function": {
+                            "name": "get_weather",
+                            "arguments": "{\"city\": \"北京\"}"
+                        }
+                    }
+                ]
+            },
+            "logprobs": null,
+            "finish_reason": "tool_calls"
+        }
+    ],
+    "usage": {
+        "prompt_tokens": 309,
+        "completion_tokens": 51,
+        "total_tokens": 360,
+        "prompt_tokens_details": {
+            "cached_tokens": 0
+        },
+        "prompt_cache_hit_tokens": 0,
+        "prompt_cache_miss_tokens": 309
+    },
+    "system_fingerprint": "fp_eaab8d114b_prod0820_fp8_kvcache_new_kvcache"
+}
+```
+
+```
+{
+    "model": "deepseek-chat",
+    "messages": [
+        {
+            "role": "user",
+            "content": "给我返回一个水果的信息，包含名称和颜色"
+        }
+    ],
+    "response_format": {
+        "type": "json_schema",
+        "json_schema": {
+            "name": "fruit",
+            "schema": {
+                "type": "object",
+                "properties": {
+                    "name": {
+                        "type": "string",
+                        "description": "水果名称"
+                    },
+                    "color": {
+                        "type": "string",
+                        "description": "水果颜色"
+                    }
+                },
+                "required": [
+                    "name",
+                    "color"
+                ]
+            }
+        }
+    }
+}
+```
+
+```
+{
+    "id": "chatcmpl-2b2225c5-02d0-4817-8039-329b3c790128",
+    "object": "chat.completion",
+    "created": 1774519551,
+    "model": "gpt-5.4",
+    "choices": [
+        {
+            "index": 0,
+            "message": {
+                "role": "assistant",
+                "content": "{\"color\":\"红色\",\"name\":\"苹果\"}"
+            },
+            "finish_reason": "stop"
+        }
+    ],
+    "usage": {
+        "prompt_tokens": 80,
+        "completion_tokens": 17,
+        "total_tokens": 97,
+        "prompt_tokens_details": {},
+        "completion_tokens_details": {
+            "reasoning_tokens": 0,
+            "accepted_prediction_tokens": 0,
+            "rejected_prediction_tokens": 0
+        }
+    }
+}
+```

resource/前端/如何成为一个 React 工程师呢？.md

@@ -216,6 +216,507 @@ export const User = (user: UserProps) => {
 
 ```
 
+关于 TypeScript 定义 Props 类型：
+
+```tsx
+type UserProps = {
+  name: string
+  age: number
+  isVerified: boolean
+  hobbies?: string[]
+}
+
+export const User = (user: UserProps) => {
+  const { name, age, isVerified, hobbies } = user // 这里是解构的意思。
+
+  return (
+    <div>
+      <h2>{name}</h2>
+      <p>Age: {age}</p>
+      <p>校验: {isVerified ? '已验证' : '未验证'}</p>
+      {hobbies && hobbies.length > 0 && <p>爱好: {hobbies.join(', ')}</p>}
+    </div>
+  )
+}
+
+```
+
+事件处理和合成事件系统
+
+这里相当于把函数当作了 Porps，此时实现了子组件决定函数的调用，但是父组件可以控制状态。
+
+```tsx
+export const Button = () => {
+  const handeClick = () => {
+    alert('按钮触发了事件')
+  }
+
+  return <button onClick={handeClick}>点击我</button>
+}
+
+```
+
+这里我们自己实现一个父子组件函数通信的能力。这里相当于我们自己声明了一个类似 onClick 的子组件。
+
+```tsx
+type LoginButtonProps = {
+  onLogin: () => void
+}
+
+export const LoginButton = ({ onLogin }: LoginButtonProps) => {
+  return <button onClick={onLogin}>登录</button>
+}
+
+```
+
+> 这里的时间对象不是原生浏览器对象，是一个合成事件。
+
+useState
+
+```tsx
+import { useState } from 'react'
+
+const Counter = () => {
+  const [count, setCount] = useState(0)
+  const handelClick = () => {
+    setCount(count + 1)
+  }
+
+  return (
+    <div>
+      <h1>Counter</h1>
+      <p>Count: {count}</p>
+      <button onClick={handelClick}>增加</button>
+    </div>
+  )
+}
+
+export default Counter
+
+```
+
+这里 `setUser` 要用一个新的对象，否则话是不会生效的。
+
+```tsx
+import { useState } from 'react'
+
+const ErrorState = () => {
+  const [user, setUser] = useState({ name: 'tianzhuo', age: 20 })
+  const handelClick = () => {
+    setUser({ ...user, age: user.age + 1 })
+  }
+
+  return (
+    <div>
+      <h1>ErrorState</h1>
+      <p>Name {user.name}</p>
+      <p>Age {user.age}</p>
+      <button onClick={handelClick}>Increment Age</button>
+    </div>
+  )
+}
+
+export default ErrorState
+
+```
+
+三元运算符
+
+```tsx
+import { useState } from 'react'
+
+export const Login = () => {
+  const [isLogin, setIsLogin] = useState(false)
+  return (
+    <div>
+      <h1>{isLogin ? 'Welcome Back!' : 'Please Login'}</h1>
+      <button onClick={() => setIsLogin(!isLogin)}>Toggle Login</button>
+    </div>
+  )
+}
+
+```
+
+`&&` 标签显示问题
+
+```tsx
+export const MaillBox = ({ messge }) => {
+  return (
+    <div>
+      <h1>MailBox</h1>
+      {messge.length > 0 && <h2>You have {messge.length} unread messages.</h2>}
+    </div>
+  )
+}
+
+```
+
+代办
+
+```tsx
+const todos = [
+  { id: 1, tesx: 'Learn React' },
+  { id: 2, tesx: 'Learn TypeScript' },
+  { id: 3, tesx: 'Build a React App' },
+]
+
+export const TodoList = () => {
+  return (
+    <div>
+      <h1>Todo List</h1>
+      <ul className="li">
+        {todos.map((todo) => (
+          <li key={todo.id}>{todo.tesx}</li>
+        ))}
+      </ul>
+    </div>
+  )
+}
+
+```
+
+## hook 生命周期
+
+因为 StrictMode 的关系，这里会展示两次挂载。
+
+同时如果依赖数组如果是空的话，只会渲染一次。
+
+```tsx
+import { useState, useEffect } from 'react'
+
+export const UserProfile = ({ userId }) => {
+  const [userData, setUserData] = useState(null)
+
+  useEffect(() => {
+    console.log('Fetching user data for userId:', userId)
+    const timer = setTimeout(() => {
+      setUserData({ name: 'John Doe', age: 30 })
+    }, 1000)
+    return () => {
+      clearTimeout(timer)
+      console.log('🧹 定时器已清理')
+    }
+  }, [userId])
+
+  if (!userData) {
+    return <div>Loading...</div>
+  }
+  return (
+    <div>
+      <h1>User Profile</h1>
+      <p>Name: {userData.name}</p>
+      <p>Age: {userData.age}</p>
+    </div>
+  )
+}
+
+```
+
+hook 的更新
+
+这里相当与用 useState 触发了依赖数组的更新。只得关注的是每变化的时候，是先执行上一次的 clean。
+
+```tsx
+import { useState, useEffect } from 'react'
+
+export const UserProfile = () => {
+  const [userId, setUserId] = useState(1) // ← 当前用户ID
+  const [userData, setUserData] = useState(null)
+
+  // 模拟不同ID返回不同数据
+  const mockUsers = {
+    1: { name: '张三', age: 28 },
+    2: { name: '李四', age: 35 },
+    3: { name: '王五', age: 42 },
+  }
+
+  useEffect(() => {
+    console.log(`🚀 开始请求 userId: ${userId}`)
+
+    const timer = setTimeout(() => {
+      setUserData(mockUsers[userId] || { name: '未知用户', age: 0 })
+      console.log(`✅ 数据加载完成！当前用户: ${mockUsers[userId]?.name}`)
+    }, 800)
+
+    // 清理函数（StrictMode 会展示）
+    return () => {
+      console.log(`🧹 清理上一次的定时器 (userId: ${userId})`)
+      clearTimeout(timer)
+    }
+  }, [userId]) // ← 关键！依赖 userId
+
+  if (!userData) {
+    return <div>加载中...</div>
+  }
+
+  return (
+    <div style={{ padding: '20px', border: '1px solid #ccc' }}>
+      <h1>用户资料（当前 ID: {userId}）</h1>
+      <p>姓名：{userData.name}</p>
+      <p>年龄：{userData.age}</p>
+
+      <hr />
+      <button onClick={() => setUserId(1)}>切换到张三 (ID=1)</button>
+      <button onClick={() => setUserId(2)} style={{ marginLeft: '10px' }}>
+        切换到李四 (ID=2)
+      </button>
+      <button onClick={() => setUserId(3)} style={{ marginLeft: '10px' }}>
+        切换到王五 (ID=3)
+      </button>
+    </div>
+  )
+}
+
+```
+
+hook 常见问题
+
+1. 无限循环
+
+```tsx
+import { useState, useEffect } from 'react'
+
+export const BadExample = () => {
+  const [count, setCount] = useState(0)
+
+  useEffect(() => {
+    console.log(`🔄 Effect 执行了！当前 count = ${count}`)
+
+    // 这里更新了 count，而 count 又是依赖项
+    setCount(count + 1) // ← 罪魁祸首！
+  }, [count]) // ← 依赖了 count
+
+  return (
+    <div style={{ padding: '20px', border: '2px solid red' }}>
+      <h1>无限循环演示</h1>
+      <p>当前 count: {count}</p>
+      <p style={{ color: 'red' }}>看控制台！页面会疯狂卡顿，count 一直加！</p>
+      <button onClick={() => setCount(0)}>重置（也没用）</button>
+    </div>
+  )
+}
+
+```
+
+2. 忘记放依赖项。
+
+useRef
+
+这里放的是 input
+
+```tsx
+import { useRef, useEffect } from 'react'
+
+export const RefExample = () => {
+  const inputRef = useRef(null)
+
+  useEffect(() => {
+    inputRef.current?.focus()
+  }, [])
+
+  return (
+    <div>
+      <h1>useRef 示例：自动聚焦输入框</h1>
+      <input ref={inputRef} type="text" placeholder="focus"></input>
+    </div>
+  )
+}
+
+```
+
+动态数据存储
+
+```tsx
+import { useRef, useState, useEffect } from 'react'
+
+export const Search = () => {
+  const [query, setQuery] = useState('')
+  const timeOutRef = useRef(null)
+
+  useEffect(() => {
+    timeOutRef.current = setTimeout(() => {
+      console.log('搜索：', query)
+    }, 500)
+
+    return () => {
+      console.log('清除上一次的定时器')
+      clearTimeout(timeOutRef.current)
+    }
+  }, [query])
+
+  return (
+    <input value={query} onChange={(e) => setQuery(e.target.value)}></input>
+  )
+}
+
+```
+
+## 第二部分
+
+新老表单
+
+```tsx
+export const OldForm = () => {
+  const handleSubmit = (e) => {
+    e.preventDefault() // 这里是为了阻止表单提交默认的动作。
+    const formData = new FormData(e.target)
+    const name = formData.get('name')
+    console.log(name)
+  }
+  return (
+    <form onSubmit={handleSubmit}>
+      <input type="text" name="name" />
+    </form>
+  )
+}
+
+```
+
+```tsx
+export const NewForm = () => {
+  const handleSubmit = async (formdata: FormData) => { // 异步操作
+    const name = formdata.get('name')
+    console.log(name)
+    await new Promise((resolve) => setTimeout(resolve, 1000))
+  }
+
+  return (
+    <form action={handleSubmit}>
+      <input type="text" name="name" />
+      <button type="submit">Submit</button>
+    </form>
+  )
+}
+
+```
+
+useActionState，这个我理解其实是一个对历史功能的封装优化。简化了自己需要声明很多的 state。
+
+```tsx
+import { useActionState } from 'react'
+
+export const UseActionState = ({ productId }) => {
+  const addToCart = async (previousState, formData) => {
+    const quantity = formData.get('quantity')
+    console.log('Added to cart')
+    const result = await addToCart1(productId, quantity)
+    if (result.success) {
+      return { success: true, message: 'Product added to cart successfully!' }
+    } else {
+      return { success: false, message: 'Failed to add product to cart.' }
+    }
+  }
+
+  const addToCart1 = (productId, quantity) => {
+    return new Promise((resolve) => {
+      setTimeout(() => {
+        resolve({ success: true })
+      }, 1000)
+    })
+  }
+
+  const [state, submitAction, isPending] = useActionState(addToCart, null)
+
+  return (
+    <form action={submitAction}>
+      <input type="number" name="quantity" defaultValue={1} min={1} />
+      <button type="submit" disabled={isPending}>
+        {isPending ? 'Adding...' : 'Add to Cart'}
+      </button>
+      {state?.message && <p>{state.message}</p>}
+    </form>
+  )
+}
+
+
+```
+
+useformState
+
+可使用 useFormState 获取父组件的表单状态。
+
+```tsx
+import { useFormStatus } from 'react-dom'
+
+const SubButton = () => {
+  const { pending } = useFormStatus()
+  return (
+    <button type="subbmit" disabled={pending}>
+      {pending ? 'Submitting...' : 'Submit'}
+    </button>
+  )
+}
+
+export const NewForm = () => {
+  const handeSubmit = async (formData) => {
+    const name = formData.get('name')
+    console.log('Form submitted with name:', name)
+    await new Promise((resolve) => setTimeout(resolve, 2000))
+    console.log('Form submission completed')
+  }
+  return (
+    <div>
+      <form action={handeSubmit}>
+        <input type="text" name="name" />
+        <SubButton />
+      </form>
+    </div>
+  )
+}
+
+
+```
+
+use
+
+这里的一个想法是实现了层级 fallback
+
+```tsx
+import React, { Suspense, use } from 'react'
+import { ErrorBoundary } from 'react-error-boundary'
+
+function fetchUser() {
+  return new Promise<{ name: string }>((resolve, reject) => {
+    setTimeout(() => {
+      const success = false
+
+      if (success) {
+        resolve({ name: '张三' })
+      } else {
+        reject(new Error('获取用户失败'))
+      }
+    }, 2000)
+  })
+}
+
+function UserInfo({ userPromise }: { userPromise: Promise<{ name: string }> }) {
+  const user = use(userPromise)
+  return <h2>用户名：{user.name}</h2>
+}
+
+export default function App() {
+  const userPromise = fetchUser()
+
+  return (
+    <ErrorBoundary fallback={<p>加载失败了</p>}>
+      <Suspense fallback={<p>用户加载中...</p>}>
+        <UserInfo userPromise={userPromise} />
+      </Suspense>
+    </ErrorBoundary>
+  )
+}
+
+```
+
+---
+
+| 模式  | 英文                      | 中文          | 类比               | 特点                   | SEO      |
+| --- | ----------------------- | ----------- | ---------------- | -------------------- | -------- |
+| CSR | Client-Side Rendering   | 客户端渲染       | 外卖（现点+等）         | 慢启动，但灵活              | ❌        |
+| SSR | Server-Side Rendering   | 服务端渲染       | 餐厅现做             | 平衡（快+动态）             | ✅        |
+| SSG | Static Site Generation  | 静态站点生成      | 预制菜              | 极快，但不灵活              | ✅        |
+| RSC | React Server Components | React 服务端组件 | 后厨分工（部分菜在厨房直接处理） | 组件在服务器执行，不进浏览器，减少 JS | ⚠️（间接有利） |
+
 # CSS
 
 顶级作用域

resource/工具/obsidian/scripts/openTerminal.js

@@ -1,9 +0,0 @@
-module.exports = async function openTerminal(params) {
-  const { app } = params;
-  const vaultPath = app.vault.adapter.basePath;
-  const command = `wt -d "${vaultPath}"`;
-  const { exec } = require("node:child_process");
-  exec(command, (error) => {
-    if (error) console.error("执行失败:", error);
-  });
-};

resource/系统/GNU Screen 命令全解析.md

@@ -0,0 +1,40 @@
+# 常用 Screen 命令大全
+
+## 创建会话（最常用）
+
+- `screen -U -S vllm_server` → 新建并命名
+- `screen -U -dmS vllm_server` → **新建后立即分离**（最推荐！直接后台启动）
+- `screen -U -dmS vllm_server "python -m vllm serve …"` → 新建 + 直接执行命令（一键启动服务）
+
+## 管理会话
+
+- `screen -U -ls` 或 `screen -U -list` → 列出所有会话（你现在用的）
+- `screen -U -r` → 进入最后一个会话
+- `screen -U -r vllm_server` → 按名字进入（推荐，比数字更稳）
+- `screen -U -r 89505` → 只输入数字也可以（简写）
+- `screen -U -S vllm_server -X quit` → 杀死指定会话（你现在用的）
+- `screen -wipe` → 清理已死亡的会话记录（偶尔用）
+
+# 在 screen 里面的快捷键（记住这几个就够用 90%）
+
+| 快捷键 | 功能 |
+|--------|------|
+| `Ctrl-a ?` | 显示帮助（所有快捷键列表） |
+| `Ctrl-a c` | 新建一个窗口（像 tab） |
+| `Ctrl-a n` / `Ctrl-a p` | 切换到下一个/上一个窗口 |
+| `Ctrl-a 0~9` | 直接跳到第几个窗口 |
+| `Ctrl-a d` | 分离（退出） |
+| `Ctrl-a k` | 杀死当前窗口（确认 y） |
+| `Ctrl-a A` | 重命名当前窗口（好认） |
+| `Ctrl-a "` | 显示窗口列表，选择切换 |
+
+# 高级实用技巧
+
+- 滚动屏幕：`Ctrl-a [` → 进入复制模式，用上下键翻历史，按 `Esc` 退出
+- 发送命令给后台会话：`screen -S vllm_server -X stuff "echo hello\n"`
+- 自动启动 vLLM（推荐写进脚本）：
+
+  ```bash
+  screen -U -dmS vllm_server
+  screen -S vllm_server -X stuff "python -m vllm serve --model /root/autodl-tmp/DeepSeek-R1-1.5B --port 8000\n"
+  ```

resource/系统/netflix 界面切换为简中.md

@@ -19,7 +19,7 @@
 4. 然后将请求发出去就可以了。（这里我是把 bash 的 cURL 放到了 Postman 中请求了一下。大家可以任意发挥，只要是能请求通就行啦。）
 5. 然后你的电脑和手机都会变为简中。
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250603220200282.png)
+![](../../attachment/images-paste/image-20260325224152205.png)
 
 > [!TIP]
 >
@@ -27,4 +27,4 @@
 >
 > 它可能是空白或者 Dansk，不用管，后台配置已经是简中了。
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250603220210272.png)
+![](../../attachment/images-paste/image-20260325224201537.png)

resource/系统/构建 HUGO 博客的完整指南：从搭建到部署.md

@@ -477,7 +477,7 @@ jobs:
 
 对应了设置中的如下配置，我图片存储在了 images 下：
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250428211114872.png)
+![](../../attachment/images-paste/image-20260325223507125.png)
 
 **Hugo 配置**
 
@@ -515,19 +515,19 @@ attachments/
 
 我的配置如下：
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250603213730484.png)
+![](../../attachment/images-paste/image-20260325223528301.png)
 
 上图重 `Attachment location` 需为 `/`，否则不适配插件会有找不到图片的异常信息。
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250603213835016.png)
+![](../../attachment/images-paste/image-20260325224014579.png)
 
 上图所需要的配置在 R2 配置界面均可以找到：
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250428212524005.png)
+![](../../attachment/images-paste/image-20260325224025519.png)
 
 存储桶设置中，推荐自定义域，当然前提时你需要在 Cloud flare 进行域名托管。才可以使用子域。
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250428212652549.png)
+![](../../attachment/images-paste/image-20260325224034041.png)
 
 # 缓存加速
 
@@ -541,21 +541,21 @@ attachments/
 
 将域名托管到 Cf 后，可以新增 Cache Rules。
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250428213040868.png)
+![](../../attachment/images-paste/image-20260325224046176.png)
 
 具体规则如下：
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250428213148844.png)
+![](../../attachment/images-paste/image-20260325224055087.png)
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250428213205719.png)
+![](../../attachment/images-paste/image-20260325224113880.png)
 
 ## 3. SSL/TLS 加密
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250428213426039.png)
+![](../../attachment/images-paste/image-20260325224123001.png)
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250428213528347.png)
+![](../../attachment/images-paste/image-20260325224132102.png)
 
-![](https://assets.404blog.org/assets/attachments/images/image-20250428213552615.png)
+![](../../attachment/images-paste/image-20260325224141721.png)
 
 CloudFlare 为用户提供的源服务器证书是由 Cloudflare 签名的免费 TLS 证书，该域名证书属于泛域名证书，最长支持 15 年，主要用于源服务器和 Cloudflare 之间的流量加密。但是这个证书属于自签名证书，证书链不完整，缺少根证书。
 

resource/组件/Anolis 系统 Redis 安装.md

@@ -1,17 +1,3 @@
-下面给你一份**适用于 Anolis OS 8.6 / x86_64 / 源码包 redis-8.6.1.tar.gz** 的**标准安装文档**，包含：
-
-- 安装编译依赖
-- 源码编译安装
-- 创建专用运行用户
-- 配置目录与日志目录
-- 设置 Redis 密码
-- 配置 systemd 开机自启
-- 启动、验证、常用维护命令
-
-我按**生产环境标准化安装方式**写，你可以直接照着执行。
-
----
-
 # Redis 8.6.1 标准安装文档
 
 适用系统：**Anolis OS 8.6 x86_64**
@@ -241,20 +227,6 @@ dbfilename dump.rdb
 requirepass 5sTb7fHFbsYl6KmI6pvC^XMw!7Y^Pbc1
 ```
 
-```
-/usr/local/redis/bin/redis-cli -a '5sTb7fHFbsYl6KmI6pvC^XMw!7Y^Pbc1' MODULE LIST
-/usr/local/redis/bin/redis-cli -a '5sTb7fHFbsYl6KmI6pvC^XMw!7Y^Pbc1' FT._LIST
-/usr/local/redis/bin/redis-cli -a '5sTb7fHFbsYl6KmI6pvC^XMw!7Y^Pbc1' INFO server
-
-AUTH 5sTb7fHFbsYl6KmI6pvC^XMw!7Y^Pbc1
-```
-
-例如：
-
-```conf
-requirepass Redis@2025#Strong
-```
-
 > 这是你最关心的“设置密码”方式，客户端连接时必须认证。
 
 ---
@@ -813,12 +785,3 @@ systemctl status redis --no-pager -l
 ```text
 PONG
 ```
-
----
-
-如果你愿意，我还可以继续给你补两份内容之一：
-
-1. **一份可直接执行的自动化安装脚本 install_redis_8.6.1.sh**
-2. **一份更严格的生产环境配置版（限制 IP、ACL 用户、systemd 安全加固、日志轮转）**
-
-如果你要，我可以直接继续输出。

work/移动杭研/AI 项目/IBS 智能体具体落实技术方案.md

@@ -8,6 +8,8 @@
 
 基于 vLLM 推理引擎部署 DeepSeek-R1-Distill-Qwen-32B
 
+推荐：Qwen3.5-35B-A3B、Qwen3.5-35B-A3B-FP8
+
 > 32K tokens（32768 约 2.4 万字中文）
 > 使用 vLLM 框架，注意需开启工具调用相关配置。
 
@@ -34,7 +36,7 @@ Function Calling / Tool Call / Tool Calling
 > 调用工具：客户端发起 call tool，带上符合 schema 的参数
 > 返回结果：服务器返回结构化结果（文本/数据/错误），客户端再交给模型继续推理
 
-**ReAct**: Synergizing Reasoning and Acting in Language Models
+**ReAct**: Synergizing Reasoning(推理) and Acting(行动) in Language Models
 
 > Question: 用户问题
 >
@@ -47,6 +49,36 @@ Function Calling / Tool Call / Tool Calling
 >
 > Final Answer: 最终结果
 
+Thought(思考) → Action(行动) → Observation(观察) → Thought → … → Final Answer
+
+- 用户：北京今天天气？
+- Thought：需要实时天气，我没有实时数据，调用天气API
+- Action：get_weather("北京")
+- Observation：北京晴天，15–25℃
+- Thought：信息足够，直接回答
+- Answer：北京今天晴天，15–25℃，适合户外活动
+
+例如在 Dify 中：
+
+```
+用户问题
+    ↓
+Dify Agent 接收
+    ↓
+选择策略 (Function Calling / ReAct)
+    ↓
+连接 MCP 服务器
+    ↓
+发现可用工具列表
+    ↓
+根据用户问题选择工具
+    ↓
+调用工具获取结果
+    ↓
+返回给模型生成回答
+
+```
+
 **RAGFlow**（开源的 RAG 工程化平台 / 系统）Python TypeScript
 
 本质是 RAG（Retrieval-Augmented Generation）检索增强生成
@@ -96,3 +128,13 @@ DeepSeek-R1-Distill-Qwen-32B 工具调用。
 后期 Tool 多了，我们是否提供 MCP 注册中心。
 
 DeepSeek-R1-Distill-Qwen-32B 工具调用。
+
+---
+
+- **可以商用**
+- **可以二次开发**
+- **可以作为企业应用开发平台使用**
+- 但如果你要：
+    - 搭建**多租户服务**
+    - 或修改/去掉其前端品牌标识
+- 那就**需要向官方购买商业授权**。

work/移动杭研/业务梳理/x-csrf-token.md

@@ -0,0 +1,41 @@
+`x-csrf-token` 是 Spring Security CSRF 防护机制 的一部分，用于防止跨站请求伪造（CSRF）攻击。后端接口需要通过请求头接收前端携带的 CSRF token，以验证请求的合法性。
+
+其中 IBSCsrfTokenRepository 管理 CSRF token，本质是一个 `UUID.randomUUID().toString()` 随机字符串。
+
+登录成功后，`SecurityConfig.writeLoginSuccessResult()（SecurityConfig.java:482）` 会将 token 存入 session。
+
+前端获取 Token，前端有两套机制，取决于环境：
+
+```
+生产环境（cdn-web 模板）：页面通过 Thymeleaf 模板将 token 渲染到 HTML meta 标签中
+
+<meta name="_csrf" th:content="${_csrf.token}">
+<meta name="_csrf_header" th:content="${_csrf.headerName}">
+前端通过 getCsrfHeaderFromMeta() 读取这两个 meta 标签，动态设置请求头。
+
+非生产环境（IBS-web）：通过调用 /admin/getCurrentUser 接口获取 token 并缓存在 window.XTOKEN 中。
+```
+
+后端 Filter 链验证 Token RequestReplaceFilter
+
+```
+response.setHeader("Access-Control-Allow-Headers", "content-type,x-requested-with,Authorization, x-request-with,x-ui-request,lang,x-csrf-token,csrf-token");
+```
+
+```
+        // CSRF
+        String[] ignorePathes = {"/v1/**", "/v2/**", "/v1.0/**", "/analyzer/**", "/puppet/**", "/api/**",
+            "/sso/**", "/ssoapi/**", "/dss/prohibit/**", "/dss/v1/log/subscribe/callback", "/portal/**",
+            "/param/config/**", "/bboss/**", "/sync/BBOSS/**", "/download/exportFile", "/action", "/actionpm",
+            "/action/cms", "/action/cdn/statistics", "/action/enterprise/domains","/action/enterprise/productId/domains",
+            "/action/js", "/content/delivery/**", "/information/**","/testAction","/api/v2/**",
+            "/home/page/help/Doc/**", "/home/page/security/**", "/query/cmcc/party/**", "/query/enterprise/domain/info", "/v2.0/log/template/**"};
+        http.csrf().ignoringAntMatchers(ignorePathes)
+                .csrfTokenRepository(new IBSCsrfTokenRepository(Arrays.asList(ignorePathes)));
+```
+
+如果请求路径在 ignorePathes 列表中（如 /v1/, /api/, /action, /actionpm 等），loadToken 返回硬编码的 "1111111111"，此时：
+
+请求带 X-CSRF-TOKEN: 1111111111 → 可以通过
+
+请求带 X-CSRF-TOKEN: 任意UUID → 失败

work/移动杭研/开发记录/7.19.0/开发笔记.md

@@ -10,6 +10,90 @@ Add/Fix/Mod JiraID BYMC 说明
 
 ## 需求开发
 
+```json
+{
+    "企业月流量": {
+        "华为平面": "1",
+        "中兴平面": "2",
+        "HCDN": "3",
+        "自研2.0": "8",
+        "自研RTMP": "5",
+        "合作服务商1": "10",
+        "合作服务商2": "11"
+    },
+    "试商用客户峰值带宽": {
+        "华为平面": "1",
+        "中兴平面": "2",
+        "HCDN": "3",
+        "自研2.0": "4",
+        "合作服务商1": "6",
+        "合作服务商2": "7"
+    },
+    "非系统分发域名日峰值": {
+        "华为": "1",
+        "中兴": "2",
+        "HCDN": "3",
+        "自研2.0": "8",
+        "合作服务商1": "10",
+        "合作服务商2": "11"
+    }
+}
+```
+
 # 用例评审
 
 # 冒烟自测
+
+企业名称：ECName1773900714
+
+订购：PRODUCTID1773900830
+
+网页加速
+
+融合2平面
+
+DevReq1773900714B.komect.com
+
+DevReq1773900714A.komect.com
+
+---
+
+企业名称：ECName1773900498
+
+订购：PRODUCTID1773900678
+
+网页加速
+
+融合1平面
+
+DevReq1773900498B.komect.com
+
+DevReq1773900498A.komect.com
+
+---
+
+企业名称：ECName1773972775
+
+订购：PRODUCTID1773972906
+
+网页加速
+
+合作服务商1
+
+devreq1773972775b.komect.com
+
+devreq1773972775a.komect.com
+
+---
+
+企业名称：ECName1773973012
+
+订购：PRODUCTID1773973126
+
+网页加速
+
+合作服务商2
+
+devreq1773973012b.komect.com
+
+devreq1773973012a.komect.com