Lucent

2026 年，微信终于开放了合法的个人 Bot API。本文通过逆向分析 @tencent-weixin/openclaw-weixin 源码，完整还原了这套 iLink Bot 协议的技术细节，并给出可运行的裸调 Demo。 一、背景：这是历史性时刻 在此之前，开发者想让程序控制微信，只有两条路： 方式 典型实现 性质 逆向 iPad 协议 WeChatPadPro、itchat 灰色地带，违反协议，随时封号

大多数人把 Claude Code 当成"更强的 Copilot"在用。 打开终端，输入指令，等它写代码。这个用法没错，但你可能错过了它真正的价值。 Claude Code 不是代码补全工具，也不是简单的 AI 对话助手。它是一个基于文件系统作为上下文、终端为交互方式、操作系统为执行环境的通用 Agent 产品。换句话说，它是一个超级智能体。 这个定位的差异，决定了你能用它做什么。如果只是写代码，那它和 Cursor、GitHub Copilot

AI时代的挑战 在 AI 大模型盛行的今天，字符串处理变得比以往任何时候都更加重要 提示词工程（Prompt Engineering）： * 需要精确构造和格式化输入文本 * 多行提示词需要合理的缩进和格式 * 动态参数需要安全的字符串拼接 AI 输出处理： * 大模型返回的结果往往包含多余的空白、转义字符 * 输出格式不稳定，需要大量的 ETL（提取、转换、加载）过程 * 需要清洗、标准化处理来保证数据质量 实际场景： // AI 返回的不稳定输出 String aiResponse = """                  {           "name&

实现效果 实现思路（Architecture & Design） 1. 系统目标与边界 * 目标：将任意常见音频/视频格式经转码为 16k 单声道 WAV → 做说话人分离（Diarization）→ 对每个说话人片段进行ASR 转写 → 轻量标点/情绪/语言修正 → 输出结构化分段结果。 * 交互形态：提供 1. 同步 HTTP（小中型文件） 2. 异步 HTTP + Redis（大文件） 3. WebSocket

功能点 * 基于令牌窗口的多轮对话 * 多用户 * 多会话 * 聊天记录持久化 实现思路 使用大模型流式输出接口 + Langchain4J的记忆管理 + Redis缓存 + 数据库持久化 进行实现 使用 spring-webflux 进行流式输出 Langchain4J版本: 1.3.0 此时的最新版 数据库设计 我们首先需要先设计两个表来存储聊天数据，这样在用户更换了设备也可以同步之前的聊天记录 ai_chat_log 对话记录表 create table ai_chat_log (   id          bigint

起因是发现 fget_object 方法一直报AccessDenied,但是无论怎样排查 AK/SK都是权限正常的，并且在Java的框架中所有都是正常的。 然后直接尝试直接使用 ip:9000 连接，是正常使用的，所以问题出在了代理上。 我们使用nginx 反向代理了9000端口，看日志发现，所有HEAD请求都变成403了。 原因 Nginx 或中间层缓存可能对 HEAD 请求返回旧的或篡改的响应，最终触发： S3Error: AccessDenied - Access denied 解决方法: 在反向代理 location 块内加入： proxy_buffering

启动命令 docker run -itd \ --device=/dev/davinci6 \ --device=/dev/davinci7 \ --device=/dev/davinci_manager \ --device=/dev/hisi_hdc \ --device=/dev/devmm_svm \ -v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro \ -v /usr/

上一个文章，我们已经成功在昇腾910B平台上部署了Qwen3,现在我们就利用已经配置好环境的容器，制作一个专门方便部署的推理镜像 制作镜像 编写python脚本用来自动设置推理配置文件 vim /usr/local/Ascend/update_mindie_config.py 在文件中写入下面的代码 import sys import json import argparse import os parser = argparse.ArgumentParser(description="") parser.add_argument("--model&

终于拿到了华为的最新版本Mindie镜像 mindie_2.0.T17.B010-800I-A2-py3.11-openeuler24.03-lts-aarch64.tar.gz 终于可以在昇腾平台上部署Qwen3了 Qwen3简介 Qwen3是Qwen系列中最新一代的大型语言模型，提供了密集和混合专家(MoE)模型的全面套件。基于广泛的训练，Qwen3在推理、指令遵循、代理功能和多语言支持方面取得了很大的进展，主要具有以下功能： * 思维模式（用于复杂的逻辑推理、数学和编码）和非思维模式（用于高效、通用的对话）在单个模型内无缝切换，

千问3已经发布几天了，华为公开最新的Mindeie镜像，我们可以暂时使用vllm-ascend进行推理 下载镜像 docker pull quay.io/ascend/vllm-ascend:v0.8.4rc2 下载模型 我们这里以Qwen3-32B为例，其它模型同理 权重在这里下载: https://www.modelscope.cn/models/Qwen/Qwen3-32B 下载到你想要的位置 编写启动命令 docker run --rm -d