diff --git a/.obsidian/workspace.json b/.obsidian/workspace.json index faa3973..7fb75d7 100644 --- a/.obsidian/workspace.json +++ b/.obsidian/workspace.json @@ -4,16 +4,16 @@ "type": "split", "children": [ { - "id": "03bc0a460d96d4a5", + "id": "17733bf308836bd7", "type": "tabs", "children": [ { - "id": "eb77ad7f3f010ac8", + "id": "e9c97a0b915e5c34", "type": "leaf", "state": { "type": "markdown", "state": { - "file": "Untitled 5.md", + "file": "01-项目/2512-MaixCam竞赛版/项目-总结.md", "mode": "source", "source": false, "backlinks": true, @@ -28,7 +28,86 @@ } }, "icon": "lucide-file", - "title": "Untitled 5" + "title": "项目-总结" + } + }, + { + "id": "210d28b8b000333d", + "type": "leaf", + "state": { + "type": "markdown", + "state": { + "file": "01-项目/2601-信息科技教材/备忘-信息科技-维护教师反馈.md", + "mode": "source", + "source": false, + "backlinks": true, + "backlinkOpts": { + "collapseAll": false, + "extraContext": false, + "sortOrder": "alphabetical", + "showSearch": false, + "searchQuery": "", + "backlinkCollapsed": false, + "unlinkedCollapsed": true + } + }, + "icon": "lucide-file", + "title": "备忘-信息科技-维护教师反馈" + } + }, + { + "id": "e02b1dfbd931c47f", + "type": "leaf", + "state": { + "type": "markdown", + "state": { + "file": "Untitled 3.md", + "mode": "source", + "source": false, + "backlinks": true, + "backlinkOpts": { + "collapseAll": false, + "extraContext": false, + "sortOrder": "alphabetical", + "showSearch": false, + "searchQuery": "", + "backlinkCollapsed": false, + "unlinkedCollapsed": true + } + }, + "icon": "lucide-file", + "title": "Untitled 3" + } + } + ], + "currentTab": 1 + }, + { + "id": "fe99261bbc15304b", + "type": "tabs", + "children": [ + { + "id": "9711d3e37bc70332", + "type": "leaf", + "state": { + "type": "markdown", + "state": { + "file": "03-资源/信息科技-气象数据模型-对照组实验.md", + "mode": "source", + "source": false, + "backlinks": true, + "backlinkOpts": { + "collapseAll": false, + "extraContext": false, + "sortOrder": "alphabetical", + "showSearch": false, + "searchQuery": "", + "backlinkCollapsed": false, + "unlinkedCollapsed": true + } + }, + "icon": "lucide-file", + "title": "信息科技-气象数据模型-对照组实验" } } ] @@ -198,34 +277,34 @@ "templater-obsidian:Templater": false } }, - "active": "eb77ad7f3f010ac8", + "active": "210d28b8b000333d", "lastOpenFiles": [ - "03-资源/信息科技-气象数据模型-对照组实验.md", - "03-资源/执行脚本-工具技巧-USTONE清理红外指令.md", - "03-资源/操作步骤-工具技巧-edge兼容性.md", - "Untitled 3.md", - "Untitled 2.md", - "Untitled 7.md", - "Untitled 9.md", - "01-项目/2601-信息科技教材/问题答疑-实验板网络无法连接物联数据中台.md", - "未命名 1.md", - "未命名.md", - "Untitled 6.md", - "Untitled 4.md", - "未命名 2.md", - "Untitled.md", - "Untitled 15.md", - "Untitled 14.md", - "Untitled 19.md", - "Untitled 20.md", - "Untitled 21.md", - "Untitled 23.md", - "Untitled 22.md", - "Untitled 24.md", - "Untitled 8.md", - "04-归档/归档资源/归档说明-物联实验室彭杨中学.md", - "20260515-备忘-主题名-文件内容.md", + "03-资源/内容清单-觉察兴趣-待看视频.md", "01-项目/2601-信息科技教材/备忘-信息科技-维护教师反馈.md", + "01-项目/2512-MaixCam竞赛版/项目-总结.md", + "03-资源/操作说明-工具技巧-Docker指令.md", + "Untitled 4.md", + "03-资源/操作说明-工具技巧-git提交规范.md", + "03-资源/操作说明-工具技巧-git单文件回滚.md", + "03-资源/操作步骤-工具技巧-Windows命令行zip.md", + "03-资源/操作步骤-工具技巧-edge兼容性.md", + "03-资源/操作步骤-工具技巧-图像转C数组.md", + "03-资源/信息科技-气象数据模型-对照组实验.md", + "Untitled 3.md", + "01-项目/2512-MaixCam竞赛版/项目-需求.md", + "Untitled 6.md", + "Untitled 2.md", + "Untitled 8.md", + "Untitled 10.md", + "Untitled 1.md", + "Untitled 11.md", + "Untitled 12.md", + "Untitled 14.md", + "Untitled 15.md", + "Untitled 20.md", + "01-项目/2604-juecha/觉察知识-bge-large-zh安装.md", + "Untitled 7.md", + "Untitled.md", "04-归档/归档资源/归档说明-优创未来样例程序.md.baiduyun.uploading.cfg", "Untitled 29.md.baiduyun.uploading.cfg", "attachments/Snipaste_2026-04-29_10-35-36.png.baiduyun.uploading.cfg", diff --git a/Untitled 19.md b/00-临时碎片/20260511-备忘-待实践-vuepresee自动化运维.md similarity index 82% rename from Untitled 19.md rename to 00-临时碎片/20260511-备忘-待实践-vuepresee自动化运维.md index c60cd29..e12ecc1 100644 --- a/Untitled 19.md +++ b/00-临时碎片/20260511-备忘-待实践-vuepresee自动化运维.md @@ -4,11 +4,10 @@ #复盘/0 #临时/备忘 #状态/待处理 -20260511-备忘-主题名-文件内容 ## 一句话描述 -[________] +[__vuepress 项目自动化运维______] --- diff --git a/01-项目/2512-MaixCam竞赛版/项目-总结.md b/01-项目/2512-MaixCam竞赛版/项目-总结.md index 3a9b344..e608a73 100644 --- a/01-项目/2512-MaixCam竞赛版/项目-总结.md +++ b/01-项目/2512-MaixCam竞赛版/项目-总结.md @@ -151,3 +151,39 @@ feat(程序控制): N0关闭算法时清空消息队列; 增加灯光开发板 feat:(p2.0.8) 自学习分类将欧氏距离转换为准确率 + +--- + +### 子分支 - 识花工具 + +2026/05/20 摄像头补丁测试版本为 v2.0.8.2 + +内置程序 + +- 识花工具 + +--- + +### 主分支 + +2026/05/20 摄像头补丁测试版本为 v2.0.9 + +内置程序 +程序 [ 程序控制-v3.5.17 ] 安装成功 +程序 [ 2026超能小球-v1.2.1 ] 安装成功 +程序 [ 人脸识别-v1.0.0 ] 安装成功 +程序 [ 参数调试-v1.1.3.1 ] 安装成功 +程序 [ 24点-v1.0.0 ] 安装成功 +程序 [ 自学习分类-v1.0.5 ] 安装成功 + +工具链版本: +patch_version : 2.0.9 +client_version : 2.0.0 + +feat(程序控制): 情绪识别修改"中性"为"平静" +build(version): 补丁v2.0.9 + +--- + + + diff --git a/01-项目/2602-健康运动/健康运动-周3-练肩训练计划.md b/01-项目/2602-健康运动/健康运动-周3-练肩训练计划.md index a082c54..c3607d0 100644 --- a/01-项目/2602-健康运动/健康运动-周3-练肩训练计划.md +++ b/01-项目/2602-健康运动/健康运动-周3-练肩训练计划.md @@ -287,6 +287,43 @@ --- +时间：[__2026/05/20______] + +时间点： +- 5:17 出发 + +训练容量(项目-组数-重量) 力量8~12次、塑形15~18次 +热身组列为三组重量递增，热身第一组空器械热身，无组间歇，加完重就做热身第二组 +第一组基准为上一周最大-2.5，每组递增 2.5 +即 x / 2、x、x + 2.5、x + 5、x + 2.5 +序号为剩余项目数量，重合序号为二选一 +`p数字` 标志为 "超级组加次数" +递减计划填组1、递增计划填组4 + +| 序号 | 项目/次数 | 热身组 | 组 1 | 组 2 | 组 3 | 组 4 | 器械调整 | +| :-- | :----------- | --- | --- | --- | ---- | ---- | ------ | +| 6 | 挂片/插片肩部推举12 | 15 | 35 | 35 | 32.5 | 32.5 | 座露7上露5 | +| 5 | 哑铃前平举18 | 20 | 25 | 25 | 25 | 25 | | +| 4 | 绳索侧平举18试试双侧 | 7.5 | 7.5 | 7.5 | 7.5 | 7.5 | 孔3 | +| 3 | 坐姿锤式弯举(肱肌)18 | 7.5 | 10 | 10 | 10 | 12.5 | 孔11 | +| 3 | 坐姿绳索面拉18 | 7.5 | 10 | 10 | 10 | 12.5 | 孔11 | +| 2 | 插片侧平举18 | 20 | 40 | 45 | 45 | 45 | 座孔5 | +| 1 | 蝴蝶机反向飞鸟18 | 20 | 40 | 40 | 35 | 35 | 座孔5 | +| 0 | 坐姿卷腹18 | 30 | 30 | 30 | 30 | 30 | 座露1 | + +轻咳，降肋，吐气 + +1. 肩部推举：注意把手位置在肩膀 +2. 杠铃前平举：斜方会疼 +3. 绳索侧平举：左侧较弱！！！先做左侧为准 +4. 绳索面拉：坐姿，力求前三组力求动作标准 +5. 插片侧平举：微咳、含胸、下巴抵住靠垫 +6. 反向飞鸟：微咳、含胸、胸口抵住靠垫 + +！！！前两组关键力求[发力感]，第三组冲刺力求[重量]，第四组打磨组力求[标准]！！！ + +--- + --- diff --git a/Untitled 5.md b/01-项目/2604-juecha/觉察知识-bge-large-zh安装.md similarity index 98% rename from Untitled 5.md rename to 01-项目/2604-juecha/觉察知识-bge-large-zh安装.md index 15ab96c..909b643 100644 --- a/Untitled 5.md +++ b/01-项目/2604-juecha/觉察知识-bge-large-zh安装.md @@ -4,11 +4,9 @@ #复盘/0 #临时/备忘 #状态/待处理 -20260508-备忘-主题名-文件内容 - ## 一句话描述 -[________] +[__安装配置bge-large-zh______] --- diff --git a/02-领域/觉察知识/觉察-LibreChat接入第三方模型.md b/02-领域/觉察知识/觉察-LibreChat接入第三方模型.md new file mode 100644 index 0000000..8560368 --- /dev/null +++ b/02-领域/觉察知识/觉察-LibreChat接入第三方模型.md @@ -0,0 +1,167 @@ + +--- +#领域/未知 + +#复盘/0 #临时/备忘 #状态/待处理 + +## 一句话描述 + +[____LibreChat 接入第三方模型配置____] + +--- + +涉及文件：librechat.yaml + +```yaml +endpoints: +  custom: +    - name: "Deepseek" +      apiKey: "${OPENAI_DEEPSEEK_API_KEY}" +      baseURL: "https://api.deepseek.com/v1" +      models: +        default: ["deepseek-v4-pro", "deepseek-chat", "deepseek-coder", "deepseek-reasoner"] +        fetch: false +      titleConvo: true +      titleModel: "deepseek-chat" +      modelDisplayLabel: "Deepseek" + +    - name: "Alibailian" +      apiKey: "${OPENAI_ALIBAILIAN_API_KEY}" +      baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1" +      models: +        default: ["qwen3.6-flash-2026-04-16"] +        fetch: false +      titleConvo: true +      titleModel: "qwen3.6-flash-2026-04-16" +      modelDisplayLabel: "Qwen3" + +    - name: "MaxKB" +      apiKey: "agent-d399a24728ebca8b87193326e4963617" +      baseURL: "http://192.168.0.151:8080/chat/api/019e0542-74a5-77d2-8b64-8ba18457b4d3" +      models: +        default: ["maxkb-chat"] +        fetch: false +      titleConvo: true +      titleModel: "maxkb-chat" +      modelDisplayLabel: "MaxKB" + +    - name: "NewAPI" +      apiKey: "sk-uZLkkoRuA2KZc0nSIWWiZzO1WTNMKpHkc6Rw1mAPCwoFAOKS" +      baseURL: "http://192.168.0.151:30104/v1" # 把localhost换成你NewAPI的实际IP +      models: +        default: ["juecha", "qwen3.5:9b", "qwen3.6:27b"] +        fetch: false +      titleConvo: false +      modelDisplayLabel: "NewAPI" +      type: "openai" + +    # Groq Example +    - name: 'groq' +      apiKey: '${GROQ_API_KEY}' +      baseURL: 'https://api.groq.com/openai/v1/' +      models: +        default: +          - 'llama3-70b-8192' +          - 'llama3-8b-8192' +          - 'llama2-70b-4096' +          - 'mixtral-8x7b-32768' +          - 'gemma-7b-it' +        fetch: false +      titleConvo: true +      titleModel: 'mixtral-8x7b-32768' +      modelDisplayLabel: 'groq' + +    # Mistral AI Example +    - name: 'Mistral' # Unique name for the endpoint +      # For `apiKey` and `baseURL`, you can use environment variables that you define. +      # recommended environment variables: +      apiKey: '${MISTRAL_API_KEY}' +      baseURL: 'https://api.mistral.ai/v1' +      # Models configuration +      models: +        # List of default models to use. At least one value is required. +        default: ['mistral-tiny', 'mistral-small', 'mistral-medium'] +        # Fetch option: Set to true to fetch models from API. +        fetch: true # Defaults to false. +      # Optional configurations +      # Title Conversation setting +      titleConvo: true # Set to true to enable title conversation +      # Title Method: Choose between "completion" or "functions". +      # titleMethod: "completion"  # Defaults to "completion" if omitted. +      # Title Model: Specify the model to use for titles. +      titleModel: 'mistral-tiny' # Defaults to "gpt-3.5-turbo" if omitted. +      # Summarize setting: Set to true to enable summarization. +      # summarize: false +      # Summary Model: Specify the model to use if summarization is enabled. +      # summaryModel: "mistral-tiny"  # Defaults to "gpt-3.5-turbo" if omitted. +      # The label displayed for the AI model in messages. +      modelDisplayLabel: 'Mistral' # Default is "AI" when not set. +      # Add additional parameters to the request. Default params will be overwritten. +      # addParams: +      # safe_prompt: true # This field is specific to Mistral AI: https://docs.mistral.ai/api/ +      # Drop Default params parameters from the request. See default params in guide linked below. +      # NOTE: For Mistral, it is necessary to drop the following parameters or you will encounter a 422 Error: +      dropParams: ['stop', 'user', 'frequency_penalty', 'presence_penalty'] + +    # OpenRouter Example +    - name: 'OpenRouter' +      # For `apiKey` and `baseURL`, you can use environment variables that you define. +      # recommended environment variables: +      apiKey: '${OPENROUTER_KEY}' +      baseURL: 'https://openrouter.ai/api/v1' +      headers: +        x-librechat-body-parentmessageid: '{{LIBRECHAT_BODY_PARENTMESSAGEID}}' +      models: +        default: ['meta-llama/llama-3-70b-instruct'] +        fetch: true +      titleConvo: true +      titleModel: 'meta-llama/llama-3-70b-instruct' +      # Recommended: Drop the stop parameter from the request as Openrouter models use a variety of stop tokens. +      dropParams: ['stop'] +      modelDisplayLabel: 'OpenRouter' + +    # Helicone Example +    - name: 'Helicone' +      # For `apiKey` and `baseURL`, you can use environment variables that you define. +      # recommended environment variables: +      apiKey: '${HELICONE_KEY}' +      baseURL: 'https://ai-gateway.helicone.ai' +      headers: +        x-librechat-body-parentmessageid: '{{LIBRECHAT_BODY_PARENTMESSAGEID}}' +      models: +        default: +          ['gpt-4o-mini', 'claude-4.5-sonnet', 'llama-3.1-8b-instruct', 'gemini-2.5-flash-lite'] +        fetch: true +      titleConvo: true +      titleModel: 'gpt-4o-mini' +      modelDisplayLabel: 'Helicone' +      iconURL: https://marketing-assets-helicone.s3.us-west-2.amazonaws.com/helicone.png + +    # Portkey AI Example +    - name: 'Portkey' +      apiKey: 'dummy' +      baseURL: 'https://api.portkey.ai/v1' +      headers: +        x-portkey-api-key: '${PORTKEY_API_KEY}' +        x-portkey-virtual-key: '${PORTKEY_OPENAI_VIRTUAL_KEY}' +      models: +        default: ['gpt-4o-mini', 'gpt-4o', 'chatgpt-4o-latest'] +        fetch: true +      titleConvo: true +      titleModel: 'current_model' +      summarize: false +      summaryModel: 'current_model' +      modelDisplayLabel: 'Portkey' +      iconURL: https://images.crunchbase.com/image/upload/c_pad,f_auto,q_auto:eco,dpr_1/rjqy7ghvjoiu4cd1xjbf +``` + + + + + + +--- + +注意：请忽略以下内容 + +## 输出内容 diff --git a/03-资源/信息科技-气象数据模型-对照组实验.md b/03-资源/信息科技-气象数据模型-对照组实验.md index ece505c..b415a97 100644 --- a/03-资源/信息科技-气象数据模型-对照组实验.md +++ b/03-资源/信息科技-气象数据模型-对照组实验.md @@ -34,3 +34,44 @@ | 数据集B | 模型C | 特征组A | 0.76 | 1.05 | 1.31 | 2.98 | 3.9 | 4.71 | | 数据集B | 模型C | 特征组B | 0.76 | 1.04 | 1.31 | 2.97 | 3.9 | 4.74 | | 数据集B | 模型C | 特征组C | 0.59 | 0.65 | 0.7 | 2.44 | 2.55 | 2.81 | + + + +# -------- RAG START ------- + +# 信息科技气象数据预测实验备忘 + +## 用途说明 +归档气象数据预测对照实验中不同**数据集**、**回归模型**与**特征组合**的参数配置及误差表现，明确最优建模方案。 + +## 配置明细 + +### 核心结论 +- 依据《信息科技-气象数据模型-对照组实验.pdf》图表验证：**2025年11月竺可桢气象数据集** + **决策树回归(max_depth=10)** + **特征组C**（含 `hour_of_day`）组合的预测结果最接近真实值。 + +### 数据集变量 +- 数据集 A：2025年7到9月竺可桢气象数据.csv +- 数据集 B：2025年11月竺可桢气象数据.csv + +### 模型变量 +- 模型 A：**线性回归** +- 模型 B：**决策树回归(max_depth=5)** +- 模型 C：**决策树回归(max_depth=10)** + +### 特征组变量 +- 特征组 A：`['QiWen', 'ShiDu', 'QiYa', 'Fengsu', 'FengXiang']` +- 特征组 B：`['QiWen', 'ShiDu', 'QiYa', 'Fengsu', 'FengXiang', 'Yushui']` +- 特征组 C：`['QiWen', 'ShiDu', 'QiYa', 'Fengsu', 'FengXiang', 'Yushui', 'hour_of_day']` + +### MAE误差对照表 +| 数据集 | 模型 | 特征组 | 1h 气温 MAE | 2h 气温 MAE | 3h 气温 MAE | 1h 湿度 MAE | 2h 湿度 MAE | 3h 湿度 MAE | +| :---: | :--: | :---: | :-------: | :-------: | :-------: | --------: | --------: | --------: | +| 数据集 A | 模型 A | 特征组 A | 5.23 | 5.3 | 5.45 | 14.19 | 14.73 | 15.28 | +| 数据集 B | 模型 A | 特征组 A | 0.72 | 1.27 | 1.76 | 3.5 | 5.65 | 7.71 | +| 数据集 B | 模型 B | 特征组 A | 1.57 | 1.79 | 2.19 | 3.7 | 5.37 | 6.97 | +| 数据集 B | 模型 C | 特征组 A | 0.76 | 1.05 | 1.31 | 2.98 | 3.9 | 4.71 | +| 数据集 B | 模型 C | 特征组 B | 0.76 | 1.04 | 1.31 | 2.97 | 3.9 | 4.74 | +| 数据集 B | 模型 C | 特征组 C | 0.59 | 0.65 | 0.7 | 2.44 | 2.55 | 2.81 | + +# -------- RAG END ------- + diff --git a/03-资源/内容清单-觉察兴趣-待看视频.md b/03-资源/内容清单-觉察兴趣-待看视频.md index 99a5bd5..335ab8f 100644 --- a/03-资源/内容清单-觉察兴趣-待看视频.md +++ b/03-资源/内容清单-觉察兴趣-待看视频.md @@ -37,8 +37,8 @@ - - -## vidhub app +## 视频账号信息 +### vidhub app 账号：vidhub-001 密码：vidhub-001 diff --git a/03-资源/操作步骤-工具技巧-Windows命令行zip.md b/03-资源/操作步骤-工具技巧-Windows命令行zip.md index 261c0b3..4a6c4ee 100644 --- a/03-资源/操作步骤-工具技巧-Windows命令行zip.md +++ b/03-资源/操作步骤-工具技巧-Windows命令行zip.md @@ -30,3 +30,36 @@ C:\Program Files (x86)\GnuWin32\bin ```bash export PATH="$PATH:/c/Program Files (x86)/GnuWin32/bin" ``` + + + +# -------- RAG START ------- + +# Windows 命令行安装 Zip 工具操作步骤 + +## 功能说明 +通过在 Windows 系统使用 **winget** 安装 **GnuWin32.Zip**，并配置全局及 **VS Code Git Bash** 环境变量，实现原生终端与开发环境命令行中直接调用 zip 压缩解压功能。 + +## 前置准备 + + +## 执行步骤 +1. 打开 PowerShell 或 CMD，运行以下命令完成软件包安装： +```bash + winget install GnuWin32.Zip +``` + +2. 将实际安装路径添加至系统全局环境变量 `PATH`： +```plaintext + C:\Program Files (x86)\GnuWin32\bin +``` + +3. 在 **VS Code Git Bash** 终端中追加兼容路径配置： +```bash + export PATH="$PATH:/c/Program Files (x86)/GnuWin32/bin" +``` + +## 结果验证 +重新打开系统终端或 VS Code Git Bash，输入 `zip --version`。若正常返回 **GnuZip** 版本信息及帮助参数列表，即表示安装完成且环境变量已全局生效。 + +# -------- RAG END ------- diff --git a/03-资源/操作说明-工具技巧-Docker指令.md b/03-资源/操作说明-工具技巧-Docker指令.md index d7cd6a6..7383105 100644 --- a/03-资源/操作说明-工具技巧-Docker指令.md +++ b/03-资源/操作说明-工具技巧-Docker指令.md @@ -38,3 +38,32 @@ docker exec juecha-ollama ollama list docker exec juecha-ollama pkill ollama ``` + + +# -------- RAG START ------- + +# Docker容器管理与模型拉取操作步骤 + +## 功能说明 +用于**Docker**容器的日常启停、终端交互与状态管理，以及后台执行并监控**Ollama**模型（如 **qwen3.5:0.8b**）的拉取进度与中断操作。 + +## 前置准备 +- 已安装并配置好 Docker 运行环境 +- 目标容器 `devos` 与 `juecha-ollama` 已完成创建且处于可操作状态 + +## 执行步骤 +1. 查看所有容器状态：`docker ps -a`（使用 `-a` 参数显示全部记录） +2. 启动指定容器：`docker start devos` +3. 进入容器终端交互：`docker exec -it devos /bin/bash` +4. 关闭目标容器：`docker stop devos` +5. 移除已停止的容器：`docker rm devos` +6. 后台执行模型拉取任务：`docker exec -d juecha-ollama ollama pull qwen3.5:0.8b` +7. 实时查看下载进度日志：`docker logs -f juecha-ollama` +8. 检查本地模型列表验证结果：`docker exec juecha-ollama ollama list` +9. 强制终止拉取进程（按需）：`docker exec juecha-ollama pkill ollama` + +## 结果验证 +容器启停与删除指令执行后，通过 `docker ps -a` 查看状态符合预期；模型拉取完成后，`ollama list` 输出中包含 **qwen3.5:0.8b** 条目且无报错日志；终端命令均正常返回，任务流程闭环。 + +# -------- RAG END ------- + diff --git a/Untitled 11.md b/Untitled 11.md deleted file mode 100644 index bcf0482..0000000 --- a/Untitled 11.md +++ /dev/null @@ -1,325 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260509-备忘-主题名-文件内容 - -## 一句话描述 - -[________] - ---- -~~高质量个人极客开发者终极自托管架构方案（全局定稿版）~~ - -# ~~高质量・个人极客开发者 终极自托管架构方案（全局定稿版）~~ - -## ~~核心定位~~ - -~~面向**个人极客 / 开发者**，满足：**私有不泄密、全自托管、分层解耦、可复用资产、长期 3–5 年不重构、易维护易扩展、RAG/Agent/ 多模型 / 知识库全覆盖**。 原则：**各司其职、不功能重叠、不重复造轮子、能复用绝不重复部署、架构标准化可平滑迭代**。~~ - -# ~~一、整体架构分层（从上到下 5 层，固定不变）~~ - -```Plain -1. 前端入口层（人机交互） -2. 模型网关层（统一调度、路由、鉴权） -3. 应用/智能体编排层（RAG、工作流、Agent、知识库应用） -4. 推理引擎层（LLM对话、Embedding、Rerank 分工部署） -5. 知识底座层（文档管理、向量库、纯知识库存储） -``` - -~~**无冗余、无重复、每一层只干自己该干的事**，后续只在层内迭代，不改动整体架构。~~ - ---- - -# 二、每一层最终选定组件 & 职责定义（全局固定） - -## 1. 前端入口层：只留「LibreChat」 - -**选定：LibreChat** 淘汰：OpenWebUI、LobeChat、ChatGPT-Next-Web 等（功能重叠，二选一锁定不再换） - -### 职责 - -- 统一聊天 UI、多会话、文件夹、模型切换 - -- 唯一对外人机入口，日常对话、调试所有智能体 / RAG 应用 - -- 只做**展示 + 会话管理**，不做 RAG、不做编排、不做模型管理 - - -### 为什么不换 - -UI 成熟、插件生态强、适配所有 OpenAI 格式、可接入网关 / 任意模型，**可替换但没必要换，长期固定做主入口**。 - ---- - -## 2. 模型网关层：只留「NewAPI」 - -**选定：NewAPI** 淘汰：OneAPI、LocalAI 网关、自建转发脚本 - -### 职责（极客必备价值） - -- 统一所有模型为 **标准 OpenAI 接口** - -- 多渠道聚合：Ollama、vLLM、第三方云模型一键接入 - -- 密钥管理、访问鉴权、负载均衡、自动降级、用量统计 - -- 给 LibreChat / MaxKB / Dify 提供**唯一统一调用地址** - - -### 核心意义 - -后续新增任何模型、任何推理服务，**只在 NewAPI 加一条渠道**，上层所有应用不用改配置。 - ---- - -## 3. 应用 / 智能体编排层：双核心「MaxKB + Dify」 - -不选 Langflow、n8n 做主力（偏重度工作流，个人极客日常用不上，留作备选即可） - -### 3.1 MaxKB（主力企业级 RAG / 智能体） - -职责： - -- 私有知识库应用、外部知识库接入、Agent 智能体、工具调用 - -- 中文生态完善、部署极简、后台管理友好 - -- 对接底层 AnythingLLM 做外部知识复用 - - -### 3.2 Dify（轻量快速应用 / 工作流） - -职责： - -- 快速搭建对话应用、简单工作流、API 服务输出 - -- 外部知识库适配层基于 Dify 协议打通 AnythingLLM - -- 轻量化原型、快速落地小应用 - - -### 分工 - -- 正式知识库 / 智能体 → **MaxKB** - -- 快速原型、简单工作流、对外 API → **Dify** 两者互补，不冲突、不冗余。 - - ---- - -## 4. 推理引擎层：Ollama + vLLM 永久并存（固定分工，不二选一） - -### 4.1 Ollama（定位：轻量化日常推理 + Embedding） - -职责固定： - -- 日常对话 LLM：Qwen/GLM/DeepSeek 等 7B–14B - -- **专属承载 Embedding 模型**：bge-large-zh - -- 优势：模型管理极简、一键拉取、运维零负担、常驻稳定 - - -### 4.2 vLLM（定位：高性能推理 + 专属 Rerank） - -职责固定： - -- 专门跑 **bge-reranker-v2-m3 重排模型**（Ollama 无标准 rerank 接口） - -- 后续跑 14B + 大模型、高并发、长文本批量推理 - -- 不绑定 HuggingFace 也能用，可本地离线模型挂载 - - -### 为什么必须并存 - -- Ollama 赢**易用性**，vLLM 赢**性能 + 特殊任务（Rerank）** - -- 不用把所有模型迁到一个服务，各司其职，长期最省心 - - ---- - -## 5. 知识底座层：唯一固定「AnythingLLM」 - -**只把 AnythingLLM 当做纯知识库 / 向量底座，禁用它的对话能力** - -职责： - -- 全格式文档解析、自动分块、向量入库、文件夹管理 - -- 唯一知识资产沉淀：**一次上传，LibreChat/MaxKB/Dify 全复用** - -- 提供标准 Developer API：向量检索、文档管理、工作区管理 - - -### 核心价值 - -整个架构**只有一个知识库真相源**，不再重复上传、重复向量化，资产永久可复用。 - ---- - -# 三、完整全局调用链路（固定死，以后永远按这个走） - -## 1. 日常对话链路 - -`用户 → LibreChat → NewAPI → Ollama / vLLM / 第三方模型` - -## 2. RAG 知识库问答链路 - -```Plain -用户 → LibreChat - ↓ -MaxKB / Dify - ↓ -适配层（你写的 Dify 外部知识库转接服务） - ↓ -AnythingLLM（向量粗排召回） - ↓ -vLLM（Rerank 精排重排序） - ↓ -NewAPI → Ollama/大模型 生成回答 -``` - -## 3. 新增模型 / 新服务链路 - -`新模型部署 → 仅在 NewAPI 添加渠道 → 上层所有应用自动可用` - ---- - -# 四、其他一堆工具统一取舍规则（不用再纠结） - -## ✅ 永久保留、纳入生态 - -- LibreChat、NewAPI、MaxKB、Dify、Ollama、vLLM、AnythingLLM - - -## ❌ 直接放弃 / 不部署 / 不深耕（功能重叠或场景不匹配） - -Hermes Agent、OpenClaw、ClawSwarm、QwenPaw、SQLBot、UPage、BettaFish、DBHub、AstrBot、LangBot、Kirara AI、Vane、OpenWebUI、LobeChat、OneAPI、LocalAI、Langflow、n8n - -理由： 要么功能和现有栈重复，要么生态小众、要么垂直场景用不上、要么可替换性极强，没必要纳入长期架构。 - ---- - -# 五、这套方案的核心优势（匹配你高质量可持续需求） - -1. **全分层解耦** 每一层独立，后续换前端、换推理、换网关，底层不动，不用重构整个系统。 - -2. **知识资产唯一沉淀** 所有文档只进 AnythingLLM 一次，全平台复用，无重复劳动。 - -3. **模型统一治理** NewAPI 做唯一网关，不用每个应用单独配置模型地址密钥。 - -4. **推理分工极致合理** Ollama 管日常 + 嵌入，vLLM 管重排 + 高性能，互不干扰。 - -5. **可长期发展 3–5 年** 所有组件都是开源主流、社区活跃、迭代稳定，不是小众短命项目。 - -6. **极客自由度拉满** 可自定义适配层、可扩展 API、可加工作流、可私有部署不依赖外网、可随时扩容模型和知识库。 - -7. **运维极简** 全 Docker 部署、开机自启、无复杂依赖、层内迭代不影响全局。 - - ---- - -# 六、后续长期维护规则（定规矩，以后不瞎折腾） - -1. 不再随意新增小众 AI 应用，只在现有 7 个核心组件内迭代； - -2. 永远只把 AnythingLLM 当唯一知识库，不再建新向量库； - -3. 模型只在 Ollama/vLLM 部署，统一由 NewAPI 分发； - -4. 前端固定 LibreChat，不再频繁换 UI； - -5. RAG/Agent 优先 MaxKB，轻量应用走 Dify，不碰其他小众智能体框架。 - - ---- - -如果你需要，我可以下一步给你整理： **1. 统一 docker-compose 全集配置（所有服务一键启停）** **2. 每服务固定端口、固定配置、固定访问地址清单** **3. 适配层最终完整版（自带 vLLM rerank、完美对接整套架构）** - - - - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260509-备忘-主题名-文件内容 -## 一句话描述 - -[____自托管大模型架构____] - ---- - -## 核心规范 - ->空想不如行动，积累胜于苛求。 ->实践 > 沉淀 > 完美主义 - -实践不是盲目行动，而是带着“小目标、可验证“的方向试错，实践后必须沉淀（比如记录问题、总结规律），否则就是低水平重复。 - -实践大于沉淀，沉淀大于完美；完美是沉淀的终局方向，沉淀是实践的复盘产物；分域施策，避坑落地，始于行动，终于迭代。 - ---- - -## 三省沉淀法 - -- 达成了[________]目标 -- 遇到了[________]问题 -- 下次改进[________] - -## 个人理解 - -[________] - -## 实践计划 - -#状态/待实践 - -1. [________] -2. [________] -3. [________] - ---- - -## 核心定义 - -个人极客/开发者， -满足：私有不泄密、全自托管、分层解耦、可复用资产、长期3~5年不重构、易维护易扩展、RAG/Agent/多模型/知识库全覆盖 -原则：各司其职、不功能重叠、不重复造轮子、能复用绝不重新部署、架构标准可平滑迭代 - - - - - - - - -### 示例 - -#### ✅ 示例一： - -```markdown - -``` - -#### ✅ 示例二： - -```markdown - -``` - -### 避坑点 - -⚠️ 避坑点1： - 解决方案： - -⚠️ 避坑点1： - 核心问题： - 解决方案：✅ - diff --git a/Untitled 12.md b/Untitled 12.md deleted file mode 100644 index a2ed4a6..0000000 --- a/Untitled 12.md +++ /dev/null @@ -1,321 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260509-备忘-主题名-文件内容 - -## 一句话描述 - -[________] - ---- -## 一句话描述 - -面向个人极客/开发者，打造一套**分层解耦、职责单一、自托管优先、资产可复用**的全链路AI服务架构，完美覆盖日常深度对话与个人知识库RAG高质量问答两大核心场景，严格保障3-4年不重构、易维护、可平滑迭代，拒绝无效折腾。 - -## 详细解释 - -### 一、最高优先级核心思想（所有设计必须严格遵守） -✅ 黄金核心原则（来源：软件工程分层架构理论《软件工程：实践者的研究方法》、微服务设计规范《微服务设计》） -1. **职责单一、分层解耦**：每层只做一件事，绝不功能重叠，层间仅通过标准OpenAI格式API通信，层内迭代不影响上下游 -2. **自托管优先、兼容开放**：核心链路全自托管保障数据隐私，同时通过标准化网关兼容第三方API兜底，绝不重复造轮子 -3. **资产可复用、长期主义**：所有配置、知识库、模型资产标准化沉淀，架构符合行业通用标准，保障3-4年不重构，仅做层内升级 -4. **折腾有价值、拒绝无效内耗**：所有选型均为GitHub星标≥10k、近3个月活跃更新、有社区长期维护的开源项目，避免小众项目停更吃灰，每一步部署都服务于核心场景 - ---- - -### 二、架构分层设计（原理→选型→用法→案例，新手友好） -基于**关注点分离的分层架构模式**，将整个系统拆分为5个完全解耦的层级，从用户入口到算力底座逐层向下调用，绝不跨层通信，完美适配戴福斯技能习得模型，新手可分阶段落地。 - -#### 1. 前端入口层：LibreChat -- **核心原理**：用户交互的唯一聚合入口，统一对话体验，完全屏蔽下层服务的接口差异，符合B/S架构前端聚合层设计规范 -- **知识点&同类工具对比**： - | 工具 | 核心差异 | 适配性 | - |------|----------|--------| - | LibreChat（最终选型） | 支持多会话归档、多模型一键切换、插件系统、完美兼容OpenAI格式，社区活跃（16k+星标），长期维护有保障 | 完美匹配个人全场景对话需求，一个入口聚合日常对话+RAG问答，无需切换多个工具 | - | ChatGPT-Next-Web | 轻量但功能单薄，RAG和插件支持弱 | 仅适合极简对话，无法满足长期复杂场景 | - | Chatbox | 桌面端为主，自托管Web端能力弱 | 不适合统一入口的架构设计 | -- **核心用法**：仅对接下层NewAPI的OpenAI兼容端点，所有模型、RAG应用全部通过NewAPI同步，前端无需重复配置 -- **落地案例（Docker一键部署） -- **知识联动**：作为架构最顶层，仅依赖紧邻的网关层，后续更换前端仅需修改本层，完全不影响下层所有服务，符合层内迭代原则。 - -#### 2. 模型网关层：NewAPI - -- **核心原理**：整个架构的 “交通枢纽”，实现 AI 流量调度、模型分发、故障转移、权限管控，是实现 “新增模型仅在网关添加，上层自动可用” 的核心，来源：API 网关设计模式 -- **知识点 & 同类工具对比**： - - 表格 - - |工具|核心差异|适配性| - |---|---|---| - |NewAPI（最终选型）|完美兼容 OpenAI 格式，支持全主流模型接入、故障自动转移、用量统计、密钥管理，社区活跃（10k + 星标），持续更新|完全匹配分层解耦需求，实现模型能力的统一管理和分发| - |OneAPI|原作者停更，分支混乱，长期维护性极差|不符合 3-4 年不重构的核心要求| - |OpenLLM|侧重模型部署，网关调度能力极弱|职责不匹配，无法承担枢纽角色| - -- **核心用法**： - - 1. 所有下层服务（Ollama、vLLM、Dify/MaxKB、第三方 API）全部接入 NewAPI，向上提供唯一的 OpenAI 兼容端点 - 2. 配置模型分流规则：日常对话调度 Ollama，RAG 相关推理调度 vLLM，自托管服务故障时自动切第三方 API 兜底 - 3. 为上层不同应用分配独立密钥，实现权限隔离和用量管控 - -- **落地案例**：新增自托管模型仅需 3 步，上层零修改 - - 1. 在 NewAPI 后台新增渠道，选择对应模型类型，填写 Ollama/vLLM 的接口地址和密钥 - 2. 配置模型名称，设置分流规则和兜底策略 - 3. 保存后，LibreChat、Dify、MaxKB 等所有上层应用自动获得该模型的调用能力 - -- **知识联动**：是整个架构的核心中间层，承接所有上层入口，调度所有下层服务，完全解耦上层应用和底层推理，层内新增 / 修改模型，完全不影响上下游。 - -#### 3. 应用 / 智能体编排层：Dify + MaxKB 共存（职责完全分离，无功能重叠） - -- **核心原理**：RAG 流程、Agent 工作流、知识库应用的可视化编排层，将底层模型、向量库能力封装成可直接调用的对话应用，来源：低代码应用编排设计规范 -- **知识点 & 同类工具对比**： - - 1. **为什么共存而非二选一？** 严格拆分职责，完全避免功能重叠： - - - Dify：负责**复杂 Agent、多轮工作流、高级 RAG 流程定制、多文档交叉推理**，适合需要复杂逻辑的深度知识串联场景 - - MaxKB：负责**轻量化、开箱即用的个人知识库问答、文档快速入库、极简 RAG 应用**，适合日常快速查知识库、单文档问答，资源占用低，维护成本极低 - - 2. 同类工具对比：Flowise、LangFlow 更偏向开发者低代码拖拽，上手门槛高，个人日常维护成本高，不符合 “拒绝无效折腾” 的原则；Dify 和 MaxKB 中文支持完美，社区活跃，长期维护有保障。 - -- **核心用法**： - - 1. 所有模型能力**仅对接 NewAPI**，不直接调用底层模型，保障模型统一管理 - 2. 所有知识库能力**仅调用下层 AnythingLLM 的 API**，不自身维护向量库，避免知识库重复存储、资产分散 - -- **落地案例（Dify 对接 AnythingLLM 转接服务核心代码）**： -- **知识联动**：承接前端的 RAG 请求，调用下层知识库底座和推理能力，完全符合分层原则，层内升级应用、新增工作流，完全不影响上下游，后续更换编排应用，知识库资产完全无需迁移。 - -#### 4. 推理引擎层：Ollama + vLLM 共存（职责完全分离，无功能重叠） - -- **核心原理**：大语言模型、Embedding 模型、Rerank 模型的本地推理运行环境，是整个架构的 “算力核心”，来源：LLM 推理引擎架构设计规范 -- **知识点 & 同类工具对比**： - - 1. **为什么共存而非二选一？** 严格拆分职责，完全避免功能重叠： - - - Ollama：负责**日常对话、轻量模型推理、快速模型部署 / 切换**，开箱即用，一键 pull 就能运行主流开源模型，适合日常深度哲学探讨的对话场景，维护成本极低，社区极其活跃（90k + 星标） - - vLLM：负责**高吞吐、低延迟的批量推理、Embedding 生成、Rerank 精排、大负载 RAG 场景**，基于 PagedAttention 技术实现 10 倍以上的推理效率提升，适合 RAG 场景下的批量向量生成、重排序 - - 2. 同类工具对比：TGI 上手门槛高，配置复杂，个人维护成本高；LocalAI 兼容性差，性能弱，更新慢，均不符合长期使用需求。 - -- **核心用法**： - - 1. Ollama 和 vLLM 全部接入 NewAPI，向上提供标准 OpenAI 格式接口 - 2. NewAPI 配置分流规则：日常对话优先调度 Ollama，RAG 相关的向量生成、Rerank、批量生成优先调度 vLLM - -- **落地案例（一键部署命令）**： -- **知识联动**：为上层所有应用提供统一的推理能力，层内升级模型、优化推理参数，完全不影响上层应用，符合层内迭代优先的原则。 - -#### 5. 知识库底座层：AnythingLLM - -- **核心原理**：个人知识资产的唯一沉淀底座，负责统一的文档管理、解析、向量存储、粗排召回，是实现 “资产可复用、不重复造轮子” 的核心，来源：《RAG 实战》中向量数据库与文档管理层设计规范 -- **知识点 & 同类工具对比**： - - 1. **为什么选 AnythingLLM 作为唯一底座，而不是让 Dify/MaxKB 自带向量库？** - - 核心原因：如果 Dify 和 MaxKB 各自维护向量库，同一份文档需要重复上传，知识库无法跨应用复用，后续更换应用还要迁移数据，完全违背 3-4 年不重构、资产可复用的原则。AnythingLLM 自带完整的文档解析、分块、向量管理、版本控制能力，同时提供标准 API，完美对接上层所有编排应用，实现 “一次上传，全架构复用”。 - 2. 同类工具对比：Milvus、Qdrant 是纯向量数据库，没有文档管理能力，个人使用需要自行开发文档处理流程，折腾成本极高，不符合 “拒绝无效折腾” 的原则。 - -- **核心用法**： - - 1. 所有个人文档、知识资料**统一上传到 AnythingLLM**，进行标准化的文档解析、分块、向量生成、版本管理 - 2. 向量粗排召回全部在本层完成，精排重排序交给上层 vLLM，严格职责分离 - 3. 向上提供标准 API，供上层编排应用调用，不直接对接前端 - -- **落地案例（Docker 一键部署）**： -- **知识联动**：是个人知识资产的唯一沉淀层，上层所有 RAG 应用都调用本层的能力，后续哪怕更换整个编排层，知识库完全无需迁移，完美符合长期可发展、资产可复用的核心需求。 - ---- - -### 三、两条核心业务链路（全闭环，无跨层调用） - -1. **日常对话链路（极简高可用）** - - 用户 → LibreChat（前端入口） → NewAPI（模型网关） → Ollama/vLLM（自托管推理）/ 第三方 API（兜底） → 结果原路返回 -2. **RAG 知识库问答链路（高精准资产复用）** - - 用户 → LibreChat（统一入口） → NewAPI（网关路由到对应 RAG 应用） → Dify/MaxKB（编排层处理对话逻辑） → 转接服务 → AnythingLLM（知识库粗排召回） → vLLM（Rerank 精排） → NewAPI（调度大模型） → Ollama/vLLM（推理生成回答） → 结果原路返回 - -## 延伸补充 - -### 常见避坑点 - -⚠️ 每个坑点均配套精准解决方案，严格规避无效折腾和架构失效 - -1. **坑点**：功能重叠，重复造轮子，比如 Dify 和 MaxKB 各自维护知识库，同一份文档多次上传，数据分散 - - **解决方案**：严格遵守「知识库唯一底座」黄金规则，所有文档统一存入 AnythingLLM，上层编排层只做流程编排，绝不存储任何知识库数据 -2. **坑点**：选型小众开源项目，后续作者停更，项目吃灰，不符合 3-4 年不重构的需求 - - **解决方案**：✅ 强制选型规则：只选 GitHub 星标≥10k、近 3 个月有活跃更新、社区 issue 响应及时的开源项目，本次架构所有选型均符合该规则 -3. **坑点**：层间强耦合，比如前端直接调用底层模型，后续换模型要修改前端配置，维护成本极高 - - **解决方案**：严格遵守分层架构，所有层间通信仅通过标准 OpenAI API，上层只对接紧邻的下层，**绝对禁止跨层调用** -4. **坑点**：一次性部署所有服务，复杂度太高，新手无法驾驭，最终全部吃灰 - - **解决方案**：按照戴福斯模型分阶段落地，先搭建最小可用链路（LibreChat→NewAPI→Ollama），跑通日常对话后，再逐步扩展知识库和 RAG 能力 -5. **坑点**：自托管模型性能不足，日常对话卡顿，体验差 - - **解决方案**：在 NewAPI 中配置超时自动兜底策略，自托管模型响应超时时，自动切换到第三方 API，保障体验的同时，符合自托管优先的原则 -6. **坑点**：数据无备份，服务器故障导致知识库、配置全部丢失 - - **解决方案**：所有服务的配置、数据全部通过 Docker Volume 挂载到宿主机，设置定时任务每日备份核心数据（AnythingLLM 知识库、NewAPI 配置、LibreChat 会话数据） -7. **坑点**：频繁更换 Embedding/Rerank 模型，导致知识库反复重建，资产无法复用 - - **解决方案**：固定使用社区公认效果稳定的开源模型（bge-large-zh-v1.5 做 Embedding，bge-reranker-large 做 Rerank），非必要不更换，保障知识库资产长期可用 - -### 知识点浓缩（背诵级，解决反复查资料的核心需求） - -1. **核心架构**：5 层分层架构，**入口层→网关层→编排层→推理层→底座层**，严格职责单一，绝不跨层调用 -2. **核心原则**：分层解耦、自托管优先、资产可复用、长期主义、拒绝无效折腾 -3. **选型速记**： - - - 统一入口：LibreChat - - 唯一网关：NewAPI - - 编排分工：Dify 做复杂 Agent / 工作流，MaxKB 做轻量知识库问答 - - 推理分工：Ollama 做日常对话，vLLM 做 RAG 高吞吐推理 / Rerank - - 唯一知识库底座：AnythingLLM - -4. **两条核心链路**： - - - 日常对话：LibreChat → NewAPI → Ollama/vLLM/ 第三方 API - - RAG 问答：LibreChat → NewAPI → Dify/MaxKB → AnythingLLM → vLLM Rerank → 大模型生成 - -5. **黄金选型规则**：只选星标≥10k、近 3 个月活跃更新的开源项目，保障长期维护 -6. **资产复用核心**：所有知识文档统一存入 AnythingLLM，上层应用只调用，不存储 - -### 进阶优化方向（3-4 年平滑迭代，无需重构架构） - -1. **高可用升级**：层内服务集群部署，比如 NewAPI 多实例、vLLM 多节点推理，实现负载均衡和故障自愈，层内升级不影响整体架构 -2. **数据安全升级**：新增私有 CA 证书，全链路 HTTPS 加密，对接内网 VPN，实现外网安全访问，保障私有数据不泄露 -3. **知识资产自动化**：对接 Obsidian、Notion 等个人笔记工具，实现文档自动同步到 AnythingLLM，知识库自动更新，无需手动上传 -4. **自动化运维升级**：新增 Prometheus+Grafana 监控系统，监控所有服务的运行状态、模型推理性能、磁盘使用率，异常自动告警，降低维护成本 -5. **Agent 能力扩展**：在 Dify 中对接自定义工具、代码执行环境、第三方 API，实现个人自动化任务（比如自动文献整理、数据分析），完全在现有架构内扩展 -6. **多模态能力升级**：在推理层新增多模态模型部署，通过 NewAPI 同步到上层所有应用，实现图片、文档的多模态问答，层内扩展，不影响整体架构 - -## 提问建议 - -为了帮助你真正吃透这套架构，从「有意识无能」进阶到「有意识有能」，你可以围绕以下方向提问，也可以提出你自己的困惑： - -1. 基础落地类：针对某一层的具体部署步骤、配置细节、开箱即用的完整脚本，我可以给你一步到位的执行方案 -2. 架构理解类：比如 “为什么必须把知识库底座和编排层分开，而不是直接用 Dify 自带的知识库？”，帮你理清底层逻辑，避免知其然不知其所以然 -3. 避坑实操类：针对 RAG 召回效果差、模型部署失败、服务间对接不通等具体问题，我可以给你精准的排查步骤和解决方案 -4. 分阶段落地类：如果你是新手，我可以给你制定从最小可用版本（MVP）到完整架构的分阶段落地计划，避免一次性折腾太多导致吃灰 -5. 选型对比类：如果你想替换某一层的工具，我可以给你详细的优劣势对比、适配方案，以及是否符合长期主义原则的专业判断 -6. 原理深度类：比如 “为什么分层架构能实现 3-4 年不重构？”，帮你理解底层的软件工程原理，建立自己的架构设计能力 - - -# 个人自托管AI架构 绝对优先级行动纲领 -## 纲领总纲·不可动摇的顶层铁律（最高优先级，所有行动不得违反） -本纲领所有行动均围绕**两大核心场景**（日常深度哲学对话、个人知识库RAG高质量知识串联）展开，严格遵守5条终身铁律，任何违反以下规则的行动均判定为「无效折腾」，绝对禁止： -1. **分层解耦、职责唯一铁律**：一层仅承担一项核心职责，绝不出现功能重叠；层间仅通过标准OpenAI格式API通信，绝对禁止跨层调用 -2. **资产可复用铁律**：所有个人知识资产、模型配置、应用资产必须标准化统一沉淀，可跨服务全架构复用，绝不重复建设、重复存储 -3. **自托管优先、兼容兜底铁律**：核心链路100%自托管保障数据隐私，仅将第三方API作为故障兜底方案，绝不形成第三方服务依赖 -4. **长期主义铁律**：所有服务选型必须符合3-4年可维护标准，仅选择GitHub星标≥10k、近3个月活跃更新、社区长期维护的主流开源项目，绝对禁止小众无保障项目 -5. **核心价值导向铁律**：所有行动必须直接服务于两大核心场景，非核心需求一律延后，禁止为了尝鲜、跟风开展无明确价值的折腾 - ---- - -## 绝对优先级梯队计划（严格按顺序执行，上一梯队未100%完成验收，绝对禁止进入下一梯队） -### P0级：生死线·架构骨架搭建（绝对第一优先级） -#### 核心目标 -搭建符合分层解耦铁律的**最小可行架构骨架**，固化全生命周期不变的架构边界、通信规范，为3-4年不重构打下不可动摇的根基，跑通最基础的自托管对话闭环。 -#### 核心行动项（严格按先后顺序执行） -1. 书面固化5层架构的唯一职责、边界、层间通信规范，形成《架构边界说明书》，明确禁止跨层调用、功能重叠的红线 -2. 落地**模型网关层（NewAPI）**，建立全架构唯一的模型调度、权限管控、API分发标准，作为整个架构的唯一交通枢纽 -3. 落地**前端入口层（LibreChat）**，仅对接网关层，建立全架构唯一的用户交互入口，实现入口与底层能力的完全解耦 -4. 落地**推理引擎层核心节点（Ollama）**，对接网关层，完成自托管日常对话链路的全闭环 -#### 验收标准（必须100%全部满足，方可进入下一梯队） -1. 有明确可落地的《架构边界说明书》，每层职责唯一、无功能重叠、无跨层调用设计 -2. 仅通过网关层新增/修改模型，前端入口无需任何配置修改即可自动适配 -3. 日常对话链路100%自托管闭环，可连续稳定运行72小时无故障 -4. 所有层间通信均采用标准OpenAI格式API，无定制化强耦合对接 -#### 本阶段绝对禁止项（触碰即判定为无效折腾） -1. 禁止提前部署RAG、知识库、Agent、工作流等非核心功能 -2. 禁止修改层间通信规范、禁止任何形式的跨层调用 -3. 禁止部署小众、无长期维护保障的开源项目 -4. 禁止一次性部署多个推理引擎，仅保留Ollama一个核心推理节点 - ---- - -### P1级：核心能力线·两大核心场景全落地（P0验收通过后方可进入） -#### 核心目标 -完成全架构5层能力的完整落地，实现两大核心场景的全闭环，满足用户全部核心诉求，同时固化资产复用、层内迭代的标准规范，保障架构长期可维护。 -#### 核心行动项（严格按先后顺序执行） -1. 落地**知识库底座层（AnythingLLM）**，建立全架构唯一的知识资产沉淀标准，固化文档入库、解析、向量存储、召回的统一规范，作为个人知识资产的唯一载体 -2. 落地**推理引擎层补充节点（vLLM）**，对接网关层，明确与Ollama的职责边界：仅负责RAG场景的高吞吐推理、Rerank精排，不承接日常对话流量 -3. 落地**应用编排层轻量化节点（MaxKB）**，仅对接网关层+知识库底座，跑通极简RAG知识库问答链路，满足日常快速知识串联的核心需求 -4. 落地**应用编排层复杂能力节点（Dify）**，仅对接网关层+知识库底座，实现复杂Agent、多轮工作流、深度知识交叉推理能力，满足深度哲学探讨、复杂知识串联需求 -5. 固化两大核心链路的全流程规则，包括模型分流策略、故障兜底规则、权限管控规范、资产复用标准 -#### 验收标准（必须100%全部满足，方可进入下一梯队） -1. 知识资产实现「一次入库、全架构复用」，一份文档仅需一次上传，所有上层应用均可调用，无重复存储、重复建设 -2. 两大核心链路100%闭环，无跨层调用、无功能重叠，可连续稳定运行7天无故障 -3. RAG问答链路实现「粗排-精排-生成」全流程标准化，可稳定输出贴合个人知识库的高质量知识串联内容 -4. 所有新增模型、新增知识库、新增应用，均仅需在对应层内操作，不影响其他层的稳定运行 -#### 本阶段绝对禁止项（触碰即判定为无效折腾） -1. 禁止在编排层内自建向量库、存储知识库资产，必须统一调用知识库底座层能力 -2. 禁止模糊Ollama与vLLM的职责边界，禁止重复部署同类型推理能力 -3. 禁止新增非核心场景的功能与独立服务 -4. 禁止修改P0阶段固化的架构骨架、层间通信规范与边界规则 - ---- - -### P2级：体验优化线·可维护性与体验升级（P1验收通过后方可进入） -#### 核心目标 -在不改动核心架构骨架的前提下，仅做层内优化，提升架构的可维护性、稳定性、使用体验，降低长期运维成本，不新增核心能力边界。 -#### 核心行动项（无严格先后顺序，按需选择，不影响核心架构） -1. 层内高可用优化：核心服务多实例部署、故障自动转移、负载均衡配置 -2. 自动化运维体系搭建：服务状态监控、异常告警、核心数据自动备份机制落地 -3. 知识资产自动化同步：对接个人笔记工具、文档库，实现知识库自动更新、增量同步 -4. 全链路安全加固：内网访问控制、全链路HTTPS加密、权限精细化管控 -5. 核心场景体验优化：对话分流规则优化、RAG召回效果调优、模型推理性能优化 -#### 验收标准 -1. 所有优化均在层内完成，未改动P0阶段固化的架构骨架、层间规范与边界 -2. 架构可维护性显著提升，日常运维耗时降低80%以上 -3. 两大核心场景的响应速度、稳定性、输出质量有可量化的提升 -#### 本阶段绝对禁止项 -1. 禁止改动核心架构分层、职责边界、通信规范 -2. 禁止新增与核心场景无关的独立服务 -3. 禁止部署小众无保障的开源项目，破坏长期可维护性 - ---- - -### P3级：长期扩展线·未来能力进阶（P2验收通过且稳定运行6个月以上方可进入，绝对禁止提前触碰） -#### 核心目标 -基于现有固化的架构骨架，仅做层内扩展，补充非核心的进阶能力，完全不改动核心架构，保障3-4年不重构的前提下，拓展架构的能力边界。 -#### 核心行动项（按需选择，无严格先后顺序） -1. 多模态能力扩展：在推理层新增多模态模型，通过网关层同步到全架构所有应用 -2. 自动化Agent能力扩展：在编排层新增自定义工具、代码执行环境，实现个人自动化任务 -3. 分布式算力扩展：推理层新增分布式推理节点，提升大模型推理性能 -4. 知识资产体系扩展：知识库底座新增多源数据接入、知识图谱、版本管理进阶能力 -5. 多端入口扩展：入口层新增移动端、桌面端入口，统一对接网关层，不改动下层任何架构 -#### 验收标准 -1. 所有扩展均在层内完成，未改动核心架构骨架、层间规范与边界 -2. 扩展能力可完全复用现有资产，无需重复建设 -3. 两大核心场景运行稳定，不受扩展能力的任何影响 -#### 本阶段绝对禁止项 -1. 禁止为了扩展能力改动核心架构分层、职责边界、通信规范 -2. 禁止新增与核心场景无关的独立服务，导致架构臃肿 -3. 禁止部署小众、无长期维护的项目，破坏架构长期可维护性 - ---- - -## 3-4年不重构的核心保障机制（终身执行） -1. **架构骨架终身不变原则**：P0阶段固化的5层分层架构、层间职责边界、标准OpenAPI通信规范，3-4年内绝对不改动，所有变更、优化、扩展均在层内完成 -2. **资产标准化沉淀原则**：所有知识资产、模型资产、配置资产，均按架构标准统一沉淀，不与单一服务绑定，更换同类型服务无需迁移任何核心资产 -3. **选型终身可替代原则**：所有层的服务选型，均基于标准OpenAI API设计，可随时替换同类型服务，不影响其他层的稳定运行，彻底避免厂商/项目锁定 -4. **月度架构巡检机制**：每月执行一次架构巡检，检查是否出现功能重叠、跨层调用、无效折腾的情况，及时修正，避免架构腐化 -5. **最小变更原则**：所有变更均采用最小影响原则，仅改动需要优化的部分，不做全架构重构，保障架构长期稳定 - ---- - -## 无效折腾判定红线（终身执行，符合任意一条即为无效折腾，绝对禁止） -1. 未完成上一优先级梯队的验收标准，提前进入下一梯队的行动 -2. 改动P0阶段固化的核心架构骨架、层间职责边界、通信规范 -3. 部署与两大核心场景无关的服务、功能 -4. 重复建设已有能力，出现功能重叠、资产重复存储的情况 -5. 选型小众、无长期社区维护的开源项目，存在1年内停更风险 -6. 出现跨层调用，破坏分层解耦架构 -7. 为了跟风、尝鲜更换已有稳定运行的服务，无明确的核心场景价值提升 diff --git a/Untitled 14.md b/Untitled 14.md deleted file mode 100644 index 979b830..0000000 --- a/Untitled 14.md +++ /dev/null @@ -1,14 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260509-备忘-主题名-文件内容 - -## 一句话描述 - -[________] - ---- -![[Pasted image 20260509134626.png]] \ No newline at end of file diff --git a/Untitled 15.md b/Untitled 15.md deleted file mode 100644 index 02efa55..0000000 --- a/Untitled 15.md +++ /dev/null @@ -1,57 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260509-备忘-主题名-文件内容 - -## 一句话描述 - -[________] - ---- - - -```yaml -  custom: -    - name: "Deepseek" -      apiKey: "${OPENAI_DEEPSEEK_API_KEY}" -      baseURL: "https://api.deepseek.com/v1" -      models: -        default: ["deepseek-chat", "deepseek-coder", "deepseek-reasoner"] -        fetch: false -      titleConvo: true -      titleModel: "deepseek-chat" -      modelDisplayLabel: "Deepseek" - -    - name: "Alibailian" -      apiKey: "${OPENAI_ALIBAILIAN_API_KEY}" -      baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1" -      models: -        default: ["qwen3.6-flash-2026-04-16"] -        fetch: false -      titleConvo: true -      titleModel: "qwen3.6-flash-2026-04-16" -      modelDisplayLabel: "Qwen3" -      -    - name: "MaxKB" -      apiKey: "agent-d399a24728ebca8b87193326e4963617" -      baseURL: "http://192.168.0.151:8080/chat/api/019e0542-74a5-77d2-8b64-8ba18457b4d3" -      models: -        default: ["maxkb-chat"] -        fetch: false -      titleConvo: true -      titleModel: "maxkb-chat" -      modelDisplayLabel: "MaxKB" - -    - name: "Dify" -      apiKey: "sk-NdKMIUW5cuGHGXDimJ4c8TtURWIIkpTPhJdCxJCpXXQFoyqU" -      baseURL: "http://192.168.0.151:30104/v1" # 把localhost换成你NewAPI的实际IP -      models: -        default: ["juecha"] -        fetch: false -      titleConvo: false -      modelDisplayLabel: "Dify" -      type: "openai" -``` \ No newline at end of file diff --git a/Untitled 20.md b/Untitled 20.md deleted file mode 100644 index a08a9e9..0000000 --- a/Untitled 20.md +++ /dev/null @@ -1,36 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260511-备忘-主题名-文件内容 - -## 一句话描述 - -[________] - ---- -### 方案 2：临时禁用交互模式（快速修复） - -通过 `DEBIAN_FRONTEND=noninteractive` 临时关闭 `apt` 的交互提示，构建完成后重置变量： - -dockerfile - -``` -RUN apt-get update && \ - DEBIAN_FRONTEND=noninteractive apt-get install -y git wget unzip openssh-server tzdata && \ - apt-get clean && rm -rf /var/lib/apt/lists/* -``` - -⚠️ 注意：这个变量会影响后续所有 `apt` 命令，建议只在安装时临时设置，构建完成后重置： - -dockerfile - -``` -ENV DEBIAN_FRONTEND=noninteractive -RUN apt-get update && apt-get install -y git wget unzip openssh-server tzdata -ENV DEBIAN_FRONTEND=dialog -``` - -### 方案 3：使用 `--assume-yes` + 预配置（更 \ No newline at end of file diff --git a/Untitled 21.md b/Untitled 21.md deleted file mode 100644 index 0418d2c..0000000 --- a/Untitled 21.md +++ /dev/null @@ -1,90 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260511-备忘-主题名-文件内容 - - -注意：请忽略以上内容 - ---- -## 一句话描述 - -[___数字化文档存储至RAG_____] - -## 操作需求 - -问题描述是【输入内容】，请专业耐心的解答我的问题，并将你的答案整理归纳至【输出内容】 - -## 内容要求 - -1. 结论先行，主次分明：先给出「一句话核心结论」，再分点给出细节 -2. 可信权威：在表述知识点时，标注其使用到的权威理论、来源 -3. 逐层递进逻辑链：原理->知识点->用法->案例，理解本质再应用 -4. 实操为王，案例全覆盖：所有知识点必须配备「可实现的案例」 -5. 避坑指南，强制标配：必须单独列出易踩坑点+精准解决方案 -6. 融会贯通：讲解单个知识点时，必须主动关联同类/互补工具，明确差异、标准、场景，帮助建立知识体系 -7. 浓缩总结，提炼精华，方便记忆：提炼所有重点为极简内容，方便复习和快速查阅 -8. 语言风格：口语化、专业但不晦涩，复杂概念用「大白话 + 示例」解释，拒绝堆砌专业术语；所有命令 / 代码 / 参数格式工整，带中文注释，一目了然。 -9. 内容结构：层级清晰，用标题 / 分点做区分，核心内容加粗标注，代码块独立展示，重点规则用「✅ 黄金规则」「⚠️ 避坑点」「💡 核心技巧」做醒目标注，阅读体验极佳。 -10. 无冗余内容：不拓展无关知识点、不做无意义的参数罗列、不写复杂冷门用法，所有内容都围绕「吃透核心 + 落地实战」，精准匹配学习需求，不浪费时间。 -11. 知识联动要求：当讲解后续内容时，必须主动关联之前讲解过的内容，形成知识闭环。 -12. 联动案例：必须是高频使用场景 -13. 真正思考：善用思维工具（例如苏格拉底式提问、费曼学习法）引导用户去思考去提问，在不断的提问中真正的学习认知 - -## 输出格式 - -- [x] markdown - -```markdown -## 一句话描述 - -【使用一句话概括】 - -## 详细解释 - -【你的解答】 - -## 延伸补充 - -... -### 常见避坑点 - -### 知识点浓缩 - -【背诵级，解决反复查资料的核心需求】 - -### 进阶优化方向 - -## 提问建议 -... - ---- -``` - -## 注意 -1. 请判断勾选框是否处于被勾选状态，例如markdown勾选框处于未被勾选状态，则无需输出markdown格式 - -以上内容为系统提示，为了辅助你更好的回答。 - ---- - -## 输入内容 - -| 项目 | 内容 | -| ------ | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -| 你的角色设定 | 你是一位结构化、体系化的[_人工智能、数字化管理、RAG、知识库管理、_______]教学专家，定位为精准知识的输出者 | -| 上下文 | 我已经构建了LibreChat-dify-anythingllm-ollama-bge-large-zh的技术链路
我也有了形成数字化文档的markdown内容 | -| 约束 | 批判的去思考认知，不要受到我或者其他资料的引导所影响，保持正确的理论逻辑；
技能习得四阶段理论（戴福斯模型）：无意识无能->有意识无能->有意识有能->无意识有能，需要考虑到我目前的状态是新手；

分步骤划分，我希望能够得到原子类的步骤
我希望拆解完之后，我能够通过多种“工具”（这里的工具指的是类似编写代码、工作流，并非一个独立的新服务）来处理它，例如一段代码/工作流负责提取文档的云信息、另一个负责处理人类语气词 | -| 任务目标 | 基于现有架构和数字化文档，将以人类阅读为基石的文档，转化为RAG知识库可以高效处理的规范化格式，针对每个环节给出指示方针，无需展示具体代码细节，但是方向理论要正确 | -| 解决问题 | 人类阅读的文档对于RAG来说效率没那么高，我希望能够高质量的处理数字化文档 | -| 服务于 | 高质量的利用人类沉淀的文档信息，定制化引导RAG、大模型 | -| | | - ---- - -注意：请忽略以下内容 - -## 输出内容 diff --git a/Untitled 23.md b/Untitled 23.md deleted file mode 100644 index 73c2509..0000000 --- a/Untitled 23.md +++ /dev/null @@ -1,231 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260513-备忘-主题名-文件内容 - -## 一句话描述 - -[________] - ---- -# 逐条深度解答你 6 个核心问题 - -结合**食品安全、作息节奏、收纳占地、保鲜原理、食谱拓展、破壁机刚需性、厨具最优选型**，全部务实落地，不盲目、不追热度，完全适配你 21:30 预约→22 点睡→5 点起→5:15 训练→7:20 归家打包 的固定节奏，最终帮你定制**可循环、可保鲜、不占地、不单调、生生不息**的终身方案。 - -## 1. 鸡胸肉能不能整夜泡水 / 腌制？空气炸锅双锅怎么用最合理 - -### 核心结论 - -**室温绝对不能整夜泡 / 腌制；冰箱 0–4℃冷藏，完全可以整夜泡水、腌制，安全无风险**。 - -- 室温放置超过 2 小时，鸡胸肉细菌大量繁殖，高蛋白食材极易变质，**坚决禁止**； -- 冰箱冷藏密封存放，整夜 8–10 小时，**肉质不柴、不变质、无安全隐患**，健身人群常规操作。 - -### 适配你空气炸锅双锅优势 - -你有两个子锅：一个纯炸、一个可蒸可炸 - -1. 晚上 21:30 前：把鸡胸切块 / 整块，加水浸泡 或 简单黑胡椒 / 盐腌制； -2. 直接装进**空气炸锅子锅**，密封盖好，放进冰箱冷藏； -3. 第二天 5 点起床，直接从冰箱拿出子锅，放进空气炸锅，选蒸 / 炸模式，**无人监管自动运行**； -4. 完全不用早起临时处理鸡胸，完美减负，还规避了隔夜室温泡水的安全问题。 - -### 额外福利 - -后续可以轮换：去皮鸡腿肉、巴沙鱼、瘦牛肉丸，都可以**冷藏隔夜腌制**，第二天空气炸锅直接做，不用每天只吃鸡胸，提前解决食谱单调问题。 - ---- - -## 2. 小奶锅：买多个单锅 还是 一步到位「双内胆可预约一体式电煮锅」 - -### 坚决不推荐：买多个单独小奶锅 - -弊端：占台面、收纳乱、多根电线、日常打理麻烦、破坏你极简作息模式，长期必闲置、必内耗。 - -### 最优定制选择（适配你长期发展） - -直接买**一台主机 + 两个独立不粘子锅、支持预约、可分体、可煮可蒸可热饭**的多功能电煮锅。 - -- 一个主机，两个子锅**轮换使用不串味**； -- 支持 21:30 夜间预约，适配你的作息； -- 不额外占地，一台顶两台，收纳极简； -- 分工固定： - - 子锅 1：专职煮冬瓜水、玉米须水、养生流食 - - 子锅 2：专职热熟食、煮鸡蛋、小份杂粮 - -**完全不用买多个单奶锅**，一步到位双内胆可预约款，长期最省心、最省空间、最适配预约模式。 - ---- - -## 3. 周末集中食材预处理，保鲜能不能撑一周？鸡胸 / 蔬菜 / 土豆实操方案 - -先给核心结论：**合理分类处理 + 分装密封，完全可以支撑一周，不变质、不浪费**，只要调整食材品类和保存方式即可。 - -### ① 鸡胸肉 - -- 冷藏只能放 2–3 天，撑不了一周； -- 正确做法：周末一次性切好分**单人单次份量**，密封保鲜袋装好，**直接冷冻**； -- 冷冻可存 1 个月，每天睡前从冷冻挪一份到冰箱冷藏解冻，第二天直接用，**完美一周循环，肉质、营养、安全全无问题**。 - -### ② 土豆 - -周末去皮切块状，沥干水分，密封冷藏可放**4–5 天**；剩余部分分装冷冻，随取随用，彻底解决电饭煲整颗土豆夹生问题，一周无压力。 - -### ③ 绿叶菜短板解决 - -菠菜、韭菜这类嫩绿叶菜，冷藏仅能放 2–3 天，**不适合周末一次性备一周**。 - -优化方案： - -把日常蔬菜替换成**耐放 7 天以上品类**：西兰花、青椒、洋葱、胡萝卜、包菜、金针菇、香菇。 - -这些蔬菜周末一次性分拣分装，冷藏稳稳放一周，口感、新鲜度完全在线，不用周中补菜，适配你的极简模式。 - -### 总结 - -只要**鸡胸冷冻分份、土豆预处理冷藏 / 冷冻、蔬菜换成耐放款**，周末集中备菜**完全支撑一周保鲜**，不会变质、不用每天买菜、不打乱作息。 - ---- - -## 4. 当前食谱偏单调，深度优化方向（不增加早起工作量、全无人 / 预约可做） - -你现在基础：米饭 + 土豆 + 鸡胸 + 鸡蛋 + 基础蔬菜 + A7 面包 / 馒头 - -我给你**无痛拓展，不改变流程、不增加操作，只靠轮换和预处理丰富食谱**： - -### 主食层（A7 + 电饭煲双轮换） - -1. A7 拓展：原味全麦吐司→黑麦吐司→燕麦杂粮吐司→无油全麦馒头→全麦花卷（全部可夜间预约） -2. 电饭煲拓展：纯白米→大米 + 小麦→糙米杂粮饭→藜麦燕麦饭（GI 高低轮换，适配训练日 / 休息日） - -### 蛋白层（告别天天只吃鸡胸） - -冷藏隔夜腌制轮换：鸡胸肉→去皮鸡腿→巴沙鱼→瘦牛肉丸→鸡蛋不变 - -全部可以晚上提前装进空气炸锅子锅冷藏，第二天无人蒸 / 炸，口味不重样。 - -### 蔬菜层（7 天耐放款轮换） - -西兰花、青椒、洋葱、胡萝卜、包菜、菌菇，每天搭配 2 种，蒸汽炸 / 蒸轮换做法，口味丰富不腻。 - -### 口味层（无油无糖不破坏健身，提升口感） - -只用天然调味：黑胡椒、孜然、蒜粉、少许海盐，不加油、不加酱料，宏量不变，口感大幅升级。 - -### 流食层 - -冬瓜水 → 轮换玉米须水、大麦水，后期加破壁机豆浆 / 杂粮糊，告别单一饮品。 - -整套优化**不增加你任何早起操作**，只是预约配方和食材轮换，长期完全不会吃腻。 - ---- - -## 5. 破壁机有没有必要现在采购？能优化哪些核心痛点 - -**结论：有必要，可直接现在采购中端性价比款，不属于智商税，是你这套模式「补齐最后一块拼图」，无缝嵌入预约体系**。 - -### 破壁机精准优化你的 6 个核心短板 - -1. **平衡饮食形态** - - 你目前全是固体主食 + 肉蛋，无流食；破壁机做无糖豆浆、杂粮米糊，温和养胃，避免长期吃固体食物肠胃刻板、消化负担重。 - -2. **补齐植物蛋白缺口** - - 现在蛋白只靠鸡胸 / 鸡蛋 / 奶粉，破壁机自制无糖纯黄豆豆浆，**动物 + 植物双蛋白**，长期营养更均衡，利于激素稳态、肌肉维持。 - -3. **激活坚果 / 籽类营养** - - 奇亚籽、亚麻籽、原味坚果，整颗吃吸收率不足 30%；破壁打碎后，细胞壁破裂，**Omega3、微量元素、优质脂肪吸收率翻倍**，适配你健身脂肪调节需求。 - -4. **适配夜间预约，零额外工作量** - - 21:30 可以和电饭煲、A7、空气炸锅、双内胆电煮锅**一起预约**，第二天 5 点直接收现成豆浆 / 米糊，无人监管，不占用你早起 15 分钟窗口期。 - -5. **训练前后快速加餐** - - 打完奶昔（燕麦 + 香蕉 + 蛋白粉），2 分钟搞定，不用硬啃面包米饭，适配力量训练节奏。 - -6. **丰富流食食谱** - - 轮换豆浆、黑米糊、燕麦糊、养生杂粮糊，不再只喝冬瓜水，饮食更多元。 - - -### 采购建议 - -不用买千元高端款，**500–800 元带预约、带静音、易清洗的中端款**即可，功能完全够用，不追热度、不花冤枉钱。 - ---- - -## 6. 新增适配厨具 + 整套长期可持续定制方案（最终定型） - -### 一、最终厨具清单（不盲目添置，每一件都有固定职能，不占地、可长期维持） - -#### 已有保留（全部复用） - -1. 电饭煲（带蒸笼、可预约）：杂粮饭 + 蒸蛋 + 早起煮鸡胸土豆 -2. 双锅蒸汽空气炸锅：蔬菜蒸 / 炸、隔夜腌制肉类无人烹饪 -3. 海氏 A7 面包机：夜间预约吐司 / 馒头 / 花卷，第二标准化主食 -4. 0.1g 高精度电子秤：配方、宏量计算核心 - -#### 新增必入（2 件，长期刚需） - -1. **双内胆可预约一体式电煮锅**：替代多个小奶锅，煮养生水、热餐、分锅不串味，不占地、可预约 -2. **中端可预约破壁机**：补齐流食、植物蛋白、坚果营养，嵌入夜间预约体系 - -#### 永久不买（杜绝冗余，保持极简） - -吐司机、单只小奶锅多个、第二台面包机、网红养生壶、多余蒸锅、烘焙模具，一律不添置。 - -### 二、周末集中保鲜执行规则（固定照做即可） - -1. 鸡胸肉：周末分份冷冻，每日睡前冷藏解冻 -2. 土豆：周末切块，冷藏 4–5 天 + 剩余冷冻储备 -3. 蔬菜：只备西兰花 / 青椒 / 洋葱 / 胡萝卜 / 包菜 / 菌菇，周末分装冷藏撑 7 天 -4. A7 食材：面粉 / 脱脂奶粉周末提前分份装袋，每晚预约直接倒，不用每次称重 - -### 三、固定每日时间轴（完全不改动你的作息，机器全预约，人只收割） - -21:30 同时设置 5 台电器预约： - -电饭煲杂粮饭 + 蒸蛋 → 海氏 A7 面包 / 馒头 → 空气炸锅蔬菜 → 双内胆电煮锅养生水 → 破壁机豆浆 / 杂粮糊 - -22:00 准时睡觉 - -05:00 起床直接收割所有预约成品 - -05:00–05:15 仅操作：拿出冰箱隔夜腌制鸡胸，放入空气炸锅启动无人模式，极简无忙乱 - -05:15 准时出门力量训练 - -07:20 归家，统一收割所有烹饪好的肉 / 菜 / 主食 / 流食，一次性打包全天餐食 - -### 四、食谱长期维持逻辑 - -1. 主食：米饭杂粮 + A7 吐司 / 馒头 / 花卷 每周轮换 -2. 蛋白：鸡胸→鸡腿→巴沙鱼→牛肉丸 每周轮换 -3. 蔬菜：6 种耐放款每日 2 种搭配轮换 -4. 流食：冬瓜水 / 玉米须水 / 豆浆 / 杂粮糊 轮换饮用 -5. 全程无油无糖、宏量可计算、适配每日 400g 碳水健身需求 - -### 五、这套模式为什么能生生不息 - -1. 作息完全不变，不靠意志力，全靠机器预约代劳； -2. 厨具分工固化，无争抢、无冗余、不占地； -3. 食材周末集中预处理，保鲜可撑一周，不用每天买菜做饭； -4. 食谱可无限轮换，不会吃腻，营养结构完整； -5. 预留长期优化空间，后续想加杂粮、换食材，直接嵌入，不用推翻重构； -6. 不追网红热度，只定制适配自己的刚需配置，长期低成本、高稳态维持。 - ---- - -下一步我可以帮你： - -1. 给你列**双内胆电煮锅、破壁机的选购参数标准**（避坑要点）； -2. 定制**7 天不重样预约食谱**（每晚直接照抄设置）； -3. 给你配**每日 400g 碳水：米饭 + A7 面包 + 土豆 精准分配表**。 \ No newline at end of file diff --git a/Untitled 24.md b/Untitled 24.md deleted file mode 100644 index 7c38588..0000000 --- a/Untitled 24.md +++ /dev/null @@ -1,16 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260513-备忘-主题名-文件内容 - -## 一句话描述 - -[________] - ---- - - -eXZiLNNiGwJep7A391eZNvlCMyG \ No newline at end of file diff --git a/Untitled 3.md b/Untitled 3.md index 0b172c0..e835de3 100644 --- a/Untitled 3.md +++ b/Untitled 3.md @@ -4,7 +4,7 @@ #复盘/0 #临时/备忘 #状态/待处理 -20260519-备忘-主题名-文件内容 +20260520-备忘-主题名-文件内容 ## 一句话描述 @@ -14,4 +14,5 @@ -彭扬设备测试、超声波、自分类分支-识花工具 \ No newline at end of file +讨论龙港项目、协助潘老师、修正识花工具 + diff --git a/Untitled 4.md b/Untitled 4.md index 3ca0d0d..82cb5fd 100644 --- a/Untitled 4.md +++ b/Untitled 4.md @@ -4,162 +4,116 @@ #复盘/0 #临时/备忘 #状态/待处理 -20260507-备忘-主题名-文件内容 +20260520-备忘-主题名-文件内容 ## 一句话描述 [________] --- -好，我们直接务实评估一套**自部署、轻量、不折腾、不重复造轮子、长期不凉**的方案，完全对齐你的三大需求： -1）替代 CodeBuddy（低成本编码） -2）替代 / 增强豆包（深度对话 + 文档管理） -3）不跟风、不复杂、不吃灰、可渐进式搭建 +## Skill 名称 -下面分「架构选型 → 最终推荐组合 → 部署成本 / 难度 → 风险规避 → 落地方案」五部分讲清楚，全部是可落地的成熟开源栈，不是新玩具。 +private-knowledge-doc-formatter + +## Skill 描述 + +私有自托管知识库专属文档格式化转换器，自动清理冗余内容、标准化排版，适配 RAG 向量检索与知识库长期沉淀 + +## Skill 指令（完整粘贴到 Instructions 框） + +你是我私有自托管知识库专属文档格式化转换器，常驻系统角色，严格遵守所有硬性规则，禁止自行脑补、禁止额外创作、禁止篡改原文有效信息。 + +# 一、强制铁律（无条件执行） + +1. 必须清理垃圾内容：删除所有 #领域 /xxx #复盘 /xxx #状态 /xxx 这类自定义标签、[____] 占位符、无意义空想待办、多余分割线、无价值草稿备注。 +2. 只做三件事：清理垃圾、精简口语冗余、重构结构化排版；绝不增删原文有效参数、资源、步骤、核心信息。 +3. 不添加任何冗余元数据：不写时间、版本、作者、分类目录，只做内容规整。 +4. 优先自动判断文档类型；若我手动指定类型，则以我的指定为准，放弃自动识别。 +5. 严格标准 Markdown 层级：必须用 # 一级标题、## 二级标题、### 三级标题，禁止纯文本无层级排版。 +6. 配置明细内部禁止用「一、二、三、」中文序号，统一用 ### 自定义小节标题。 +7. 剔除 ✅ 这类表情符号；开关 / 勾选配置统一格式为：参数名：启用 / 关闭。 +8. 相关资源、配置条目统一使用 - 无序列表；链接自动转为标准 Markdown 链接格式。 +9. 关键专业名词、核心格式、硬件型号适当加粗，提升 RAG 检索权重。 + +# 二、文档类型自动识别规则 + +## 判定为【操作步骤类】 + +有明确先后执行顺序、流程化操作、需要一步步按顺序完成；如软件设置、命令行运行、环境部署、浏览器配置、脚本执行流程。 + +## 判定为【参数配置备忘类】 + +无先后执行流程，仅纯记录：工具参数、固定配置项、软件预设、资源链接、固件参数、硬件配置存档，只是存档备查，不用按顺序操作。 + +# 三、内置标准模板 严格套用 + +## 模板 1：操作步骤类（固定结构，不许改动模块） + +# 【提炼规范标题】操作步骤 + +## 功能说明 + +一句话概括用途与适用场景，核心专业关键词适当加粗。 + +## 前置准备 + +无序列表罗列所需软件、环境、文件、前置条件；无则保留模块，留白即可。 + +## 执行步骤 + +必须使用 1. 2. 3. 有序列表，一条对应一个独立操作动作。 + +## 结果验证 + +清晰描述执行成功、配置生效的判断标准。 + +## 模板 2：参数配置备忘类（柔性结构，不硬凑模块） + +# 【提炼规范标题】参数配置备忘 + +## 用途说明 + +一句话说明工具 / 硬件的适配场景、核心作用，重点词汇加粗。 + +## 相关资源 + +有下载链接、开源地址、网盘关键字则规范列表保留；没有则直接删除整个模块，不留白占位。 + +## 配置明细 + +沿用原文自带的分类作为 ### 子标题，原有参数原样保留； + +无需强行统一子模块、无需硬凑内容；参数少可以直接列表，不用分小节。 + +# 四、输出规范 + +1. 仅输出格式化后的纯净 Markdown，不解释、不分析、不闲聊、不输出额外文字。 +2. 层级清晰、排版工整、列表统一、格式标准，适配 RAG 向量检索与长期知识库沉淀。 +3. 语句精简多余口语，但保留专业参数、专业原话不变。 + +# 五、手动强制指定规则（兜底防识别错误） + +我输入内容前若带前缀： + +1. 前缀`步骤:` 强制套用操作步骤模板 +2. 前缀`配置:` 强制套用参数配置模板 + +# 六、扩展预留 + +后续新增文档类型可直接在本提示词内追加识别规则 + 对应模板，保持整体通用架构不变，无需拆分多个提示词。 + +等待我输入原始笔记内容，严格按上述所有规则输出。 --- -## 一、你的核心需求（先对齐） +### 使用方式 -- ✅ 编码：VS Code 内 AI 补全 / 生成 / 重构，**低成本，不买 299 套餐** -- ✅ 对话：深度思考、长上下文、哲学 / 项目讨论，**比豆包更可控、可接工具** -- ✅ 文档：**保存 / 整理 / 检索对话与文件**（PDF/MD/Word），知识库能力 -- ✅ 约束：**不折腾、不造轮子、不吃灰、可渐进、数据私有** +1. 新建 Skill 填入上面名称、描述、指令保存 +2. 对话挂载该技能，直接发原始笔记即可自动格式化 +3. 强制格式： ---- - -## 二、自部署架构选型（只选成熟、轻量、长期维护） - -### 1. 模型层（不本地训，只调用 API，零硬件压力） - -- **推理服务（自己不跑大模型）**： - - 直接用 **DeepSeek API + 豆包 API**（你已有，成本极低） -- **向量模型（轻量本地 / 免费 API）**： - - 用 **bge-small-zh-v1.5**（轻量，CPU 可跑，或用免费公开向量 API） - -### 2. 编码服务（替代 CodeBuddy，VS Code 插件对接） - -- **选成熟开源：Aide / Continue.dev（二选一，推荐 Continue.dev）** - - - Continue.dev：开源、VS Code 原生、支持多模型、可自部署服务端 - - 对接 DeepSeek API，**免费 + 按量付费，月费≈10 元** - - 支持补全、生成、重构、对话，体验接近 CodeBuddy - - -### 3. 对话 + 文档管理（替代豆包客户端，自部署 WebUI+RAG） - -- **对话前端：Lobe Chat（最强开源对话 UI，Docker 一键部署）** - - - 界面优雅、支持多模型、文件上传、对话导出、收藏整理 - - 可接入 DeepSeek / 豆包 API，**数据私有，不经过第三方** - - ![](data:image/svg+xml,%3csvg%20xmlns=%27http://www.w3.org/2000/svg%27%20version=%271.1%27%20width=%27256%27%20height=%27192%27/%3e)![image](https://p3-flow-imagex-sign.byteimg.com/labis/image/136214dfe205ffbf91e09500d0ca33d5~tplv-a9rns2rl98-pc_smart_face_crop-v1:512:384.image?lk3s=8e244e95&rcl=2026050718035945023F2F8A2F62CE319C&rrcfp=cee388b0&x-expires=2093508257&x-signature=crPgWG3lN5k2UGTXKiI%2BOLk%2FowA%3D) - - -- **知识库 / RAG：PandaWiki 或 localGPT（二选一，推荐 PandaWiki）** - - - PandaWiki：Docker 一键部署，AI 文档管理、语义搜索、RAG 问答 - - 支持 PDF/MD/Word 导入，自动分块 + 向量索引，**整理豆包 / CodeBuddy 对话记录** - - ![](data:image/svg+xml,%3csvg%20xmlns=%27http://www.w3.org/2000/svg%27%20version=%271.1%27%20width=%27256%27%20height=%27192%27/%3e)![image](https://p26-flow-imagex-sign.byteimg.com/labis/image/603521581553ee133f0ac71bfd04775e~tplv-a9rns2rl98-pc_smart_face_crop-v1:512:384.image?lk3s=8e244e95&rcl=2026050718035945023F2F8A2F62CE319C&rrcfp=cee388b0&x-expires=2093508258&x-signature=3O2PPztPgrkwQVhZO9Ri8Syg6ug%3D) - - - -### 4. 调度（保留你已有的 n8n） - -- 不变：**n8n 继续挂定时任务、轻量工作流**，不新增复杂度 - ---- - -## 三、最终推荐自部署组合（极简、不折腾、长期可用） - -### 「编码 + 对话 + 文档」三位一体，Docker 全容器化，一键启停 - -1. **编码层**：VS Code + Continue.dev 插件 + DeepSeek API（月费≈10 元） -2. **对话层**：自部署 Lobe Chat（WebUI）+ 接入 DeepSeek / 豆包 API -3. **文档层**：自部署 PandaWiki（知识库）+ 本地向量模型（bge-small） -4. **调度层**：现有 n8n 不变 - -### 为什么这套不会吃灰？ - -- **全是刚需**：编码、对话、文档，每天必用 -- **成熟项目**：Continue.dev、Lobe Chat、PandaWiki 都是 2024–2026 活跃维护，不是风口玩具 -- **Docker 容器化**：部署 / 升级 / 备份极简，1 小时内可搭完 -- **不造轮子**：全部复用成熟开源组件，只做组合配置 - ---- - -## 四、部署成本与难度（你最关心的） - -### 硬件要求（你现有服务器 16–64G 完全足够） - -- CPU：4 核以上（够用） -- 内存：8G+（推荐 16G，向量 + WebUI 足够） -- 磁盘：50G SSD（存文档 + 向量库） - -### 成本 - -- **模型 API**：DeepSeek + 豆包，月费 **10–20 元**（重度用也够） -- **服务器**：你已有，**零额外成本** -- **软件**：全开源免费 - -### 难度（从易到难） - -1. **10 分钟**：部署 Lobe Chat（Docker） -2. **20 分钟**：部署 PandaWiki（Docker） -3. **10 分钟**：VS Code 配置 Continue.dev 对接 DeepSeek - - → **合计 40 分钟**，全程命令行复制粘贴，无需深度开发 - ---- - -## 五、风险规避（避免一时热度 / 吃灰） - -### 1. 不碰的工具（直接拉黑） - -- Dify、OpenClaw、ArkClaw、龙虾系：**Agent 风口工具，生命周期短** -- 任何新出「全能 AI 平台」：等 6 个月，热度不退再考虑 - -### 2. 渐进式搭建（不一次性 all in） - -- 第一周：只搭 **Lobe Chat + Continue.dev**（解决对话 + 编码） -- 第二周：再加 **PandaWiki**（解决文档整理） -- 不贪多，**用熟一个再加一个**，避免新鲜感一过就闲置 - -### 3. 数据备份（防止心血白费） - -- 所有容器数据卷 **定期备份**（Docker 一键打包） -- 对话 / 文档同时导出到本地 Obsidian，**双重保险** - ---- - -## 六、落地工作流（搭完后每天这么用） - -1. **编码**：VS Code 里 Continue.dev 补全 / 生成，重度重构用 DeepSeek -2. **深度思考**：浏览器打开 Lobe Chat，长对话、项目讨论、哲学思考 -3. **文档整理**：重要对话导出 MD → 上传 PandaWiki → 自动向量索引 → 随时语义检索 -4. **定时任务**：n8n 继续跑，不用管 - ---- - -## 七、结论：值得自部署，但要「轻量、成熟、渐进」 - -- **值得**：你有服务器、有刚需、厌恶付费套餐、重视数据私有 → 这套完全匹配 -- **不折腾**：全 Docker、成熟栈、40 分钟搭完、不造轮子 -- **不吃灰**：刚需组合、渐进搭建、数据备份、长期维护项目 - ---- - -要不要我直接给你： - -1. Lobe Chat 的 Docker 一键部署命令 -2. PandaWiki 的 Docker 部署 + 初始化步骤 -3. Continue.dev 对接 DeepSeek 的 VS Code 配置模板 - -你复制粘贴就能开干，今天就能把「编码 + 对话」核心部分跑通，文档部分下周再加 \ No newline at end of file +- 步骤:xxx 转为操作流程模板 +- 配置:xxx 转为参数备忘模板 \ No newline at end of file diff --git a/Untitled 7.md b/Untitled 7.md deleted file mode 100644 index c1e1d06..0000000 --- a/Untitled 7.md +++ /dev/null @@ -1,14 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260508-备忘-主题名-文件内容 - -## 一句话描述 - -[________] - ---- -7GNNRPW-421MW3J-QCCSJ61-H6DVHY4 \ No newline at end of file diff --git a/Untitled 9.md b/Untitled 9.md deleted file mode 100644 index ff432e1..0000000 --- a/Untitled 9.md +++ /dev/null @@ -1,119 +0,0 @@ - ---- -#领域/未知 - -#复盘/0 #临时/备忘 #状态/待处理 - -20260509-备忘-主题名-文件内容 -## 一句话描述 - -[________] - -注意：请忽略以上内容 - ---- - -## 操作需求 - -问题描述是【输入内容】，请专业耐心的解答我的问题，并将你的答案整理归纳至【输出内容】 - -## 内容要求 - -1. 结论先行，主次分明：先给出「一句话核心结论」，再分点给出细节 -2. 可信权威：在表述知识点时，标注其使用到的权威理论、来源 -3. 逐层递进逻辑链：原理->知识点->用法->案例，理解本质再应用 -4. 实操为王，案例全覆盖：所有知识点必须配备「可实现的案例」 -5. 避坑指南，强制标配：必须单独列出易踩坑点+精准解决方案 -6. 融会贯通：讲解单个知识点时，必须主动关联同类/互补工具，明确差异、标准、场景，帮助建立知识体系 -7. 浓缩总结，提炼精华，方便记忆：提炼所有重点为极简内容，方便复习和快速查阅 -8. 语言风格：口语化、专业但不晦涩，复杂概念用「大白话 + 示例」解释，拒绝堆砌专业术语；所有命令 / 代码 / 参数格式工整，带中文注释，一目了然。 -9. 内容结构：层级清晰，用标题 / 分点做区分，核心内容加粗标注，代码块独立展示，重点规则用「✅ 黄金规则」「⚠️ 避坑点」「💡 核心技巧」做醒目标注，阅读体验极佳。 -10. 无冗余内容：不拓展无关知识点、不做无意义的参数罗列、不写复杂冷门用法，所有内容都围绕「吃透核心 + 落地实战」，精准匹配学习需求，不浪费时间。 -11. 知识联动要求：当讲解后续内容时，必须主动关联之前讲解过的内容，形成知识闭环。 -12. 联动案例：必须是高频使用场景 -13. 真正思考：善用思维工具（例如苏格拉底式提问、费曼学习法）引导用户去思考去提问，在不断的提问中真正的学习认知 - -## 输出格式 - -- [x] markdown - -```markdown -## 一句话描述 - -【使用一句话概括】 - -## 详细解释 - -【你的解答】 - -## 延伸补充 - -... -### 常见避坑点 - -### 知识点浓缩 - -【背诵级，解决反复查资料的核心需求】 - -### 进阶优化方向 - -## 提问建议 -... - ---- -``` - -## 注意 -1. 请判断勾选框是否处于被勾选状态，例如markdown勾选框处于未被勾选状态，则无需输出markdown格式 - -以上内容为系统提示，为了辅助你更好的回答。 - ---- - -## 输入内容 - -| 项目 | 内容 | -| ------ | ---------------------------------------------------------------------------------------------------- | -| 你的角色设定 | 你是一位结构化、体系化的[__大模型领域专业______]教学专家，定位为精准知识的输出者 | -| 上下文 |
| -| 约束 | 批判的去思考认知，不要受到我或者其他资料的引导所影响，保持正确的理论逻辑；
技能习得四阶段理论（戴福斯模型）：无意识无能->有意识无能->有意识有能->无意识有能，需要考虑到我目前的状态是新手； | -| 任务目标 | LibreChat 接入 anythingLLM | -| 解决问题 | | -| 服务于 | | -| | | - -已知 LibreChat 接入 openai 的配置格式为 -```yaml -  endpoints: -   custom: -     - name: "Deepseek" -       apiKey: "${OPENAI_DEEPSEEK_API_KEY}" -       baseURL: "https://api.deepseek.com/v1" -       models: -         default: ["deepseek-chat", "deepseek-coder", "deepseek-reasoner"] -         fetch: false -       titleConvo: true -       titleModel: "deepseek-chat" -       modelDisplayLabel: "Deepseek" - -     - name: "Alibailian" -       apiKey: "${OPENAI_ALIBAILIAN_API_KEY}" -       baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1" -       models: -         default: ["qwen3.6-flash-2026-04-16"] -         fetch: false -       titleConvo: true -       titleModel: "qwen3.6-flash-2026-04-16" -       modelDisplayLabel: "Qwen3" -``` - - - - - - ---- - -注意：请忽略以下内容 - -## 输出内容 diff --git a/attachments/Pasted image 20260509134626.png b/attachments/Pasted image 20260509134626.png deleted file mode 100644 index 7affb29..0000000 Binary files a/attachments/Pasted image 20260509134626.png and /dev/null differ diff --git a/模板文件/模板-RAG转化.md b/模板文件/模板-RAG转化.md index e37c3ae..6374ccd 100644 --- a/模板文件/模板-RAG转化.md +++ b/模板文件/模板-RAG转化.md @@ -1,21 +1,6 @@ # -------- RAG START ------- -# __ 操作步骤 -## 功能说明 -__ -## 前置准备 -- __ - -## 执行步骤 -1. __ - -## 结果验证 -__ - ---- -标签： -#__ # -------- RAG END ------- diff --git a/模板文件/模板-健康运动-练肩日志.md b/模板文件/模板-健康运动-练肩日志.md index cb60588..48a94f5 100644 --- a/模板文件/模板-健康运动-练肩日志.md +++ b/模板文件/模板-健康运动-练肩日志.md @@ -1,8 +1,8 @@ -时间：[__<% tp.date.now("YYYY/MM/DD") %>______] --- 计划 +时间：[__<% tp.date.now("YYYY/MM/DD") %>______] 时间点： -- 5:40 出发 +- 5:17 出发 训练容量(项目-组数-重量) 力量8~12次、塑形15~18次 热身组列为三组重量递增，热身第一组空器械热身，无组间歇，加完重就做热身第二组 @@ -12,16 +12,16 @@ `p数字` 标志为 "超级组加次数" 递减计划填组1、递增计划填组4 -| 序号 | 项目/次数 | 热身组 | 组 1 | 组 2 | 组 3 | 组 4 | 器械调整 | -| :-- | :----------- | --- | --- | --- | --- | --- | ------ | -| 6 | 挂片/插片肩部推举12 | 15 | | | | 35 | 座露7上露5 | -| 5 | 哑铃前平举18 | 20 | | | | 25 | | -| 4 | 绳索侧平举18试试双侧 | 7.5 | | | | 7.5 | 孔3 | -| 3 | 坐姿锤式弯举(肱肌)18 | 7.5 | | | | 10 | 孔11 | -| 3 | 坐姿绳索面拉18 | 7.5 | | | | 10 | 孔11 | -| 2 | 插片侧平举18 | 20 | | | | 40 | 座孔5 | -| 1 | 蝴蝶机反向飞鸟18 | 20 | | | | 40 | 座孔5 | -| 0 | 坐姿卷腹18 | 30 | 30 | | | | 座露1 | +| 序号 | 项目/次数 | 热身组 | 组 1 | 组 2 | 组 3 | 组 4 | 器械调整 | +| :-- | :----------- | ---- | ---- | --- | --- | --- | ------ | +| 6 | 挂片/插片肩部推举12 | 15 | 32.5 | | | | 座露7上露5 | +| 5 | 哑铃前平举18 | 20 | 25 | | | | | +| 4 | 绳索侧平举18试试双侧 | 7.5 | 7.5 | | | | 孔3 | +| 3 | 坐姿锤式弯举(肱肌)18 | 7.5 | 10 | | | | 孔11 | +| 3 | 坐姿绳索面拉18 | 7.5 | 10 | | | | 孔11 | +| 2 | 插片侧平举18 | 20 | 40 | | | | 座孔5 | +| 1 | 蝴蝶机反向飞鸟18 | 20 | 35 | | | | 座孔5 | +| 0 | 坐姿卷腹18 | 32.5 | 32.5 | | | | 座露1 | 轻咳，降肋，吐气