今天忙了大半天，在ERPNext中把所有业务都处理完了。
这个过程中发现了很多坑，也没有办法，这是写代码的给记账的做的系统，能用就很不错了。
也是因为记账的好欺负，所以这么多年国内的会计系统也就没什么进步。而这个ERPNext相比odoo，网上资料更是罕见。
不过在最后出报表的时候，发现报表简陋——说好听叫西式也就罢了，偏偏PDF文件里面汉字都成了方块。
老问题，没关系，这是国外程序员写的，更得感恩，能用就好，能用就好。
外挂也不差这一个功能了。
作者： 512song
时间一个比一个快
今天把上周忙的几个系统部署到云服务器上，顺手升级的时候，出现了系统错误，两个实例一样的错误，最后不得不重置。
忙完看了一下，问题应该出在长时间未升级，版本出现冲突。其中那个新开通的实例是去年双十二促销期间购买的，算来闲置半年了。
时间真快啊。
离上次全家崩溃已经过去三个月了。
往前算，高考也是四年前的事。
再往前，已经过去整整25年了。
换个角度，往前看，不过还有七个月。
丑陋的Django自带admin
计算机知识本就是越学越发现自己不会的越多，但如果不持续学，会发现自己很无知。
在选定调校了erp系统并建账后，算是了却了一件大的心事，重新开始准备日常的技术工作。
原本是准备使用Django进行整合的，但一想到xadmin的安装设置就头疼。最后一次安装成功，Django还是3.0，昨天硬着头皮整理资料时候，发现其实xadmin已经落伍了。
试着安装了一下网上推荐的simpleUI，NND，一行安装命令，一行配置就解决了。
感慨自己无知浪费时间的时候，忍不住还是吐槽一下这Django，从我接触的1.7版本，到昨天的5.2，版本更新的那么快，这后台的admin就没有变过，已经不能用简陋来形容，简直就是丑陋。
磨刀不误砍柴工，还是得学啊，哪怕是走马观花。
ERPNext调校完成
自从切换成程序员视角后，这两天将ERPNext调校完成后，开始实战操作，嘁哩喀嚓一年的业务，小半天就处理完了，几乎都刹不住车了。
在原单位的时候，虽同是kjc的缩写，但科技处一向看不起会计处，那白眼翻的。真如网上段子：天天受气，偏偏自己还不争气。
不过这ERPNext确实好用，相比odoo，系统占用小，速度快，操作简便，odoo可以扔一边凉快去了。
下一步就是跟当初使用odoo一样，自己开发一个外挂程序调用数据，转换成符合中国会计传统的凭证和报表。
其实，这么多年来，自己开发的程序里面，最得意的就是那套外挂了。
由国米夺冠阵容看穆里尼奥
昨天在微博新关注了詹俊，早上迷迷瞪瞪起床看到他最新微博，第一反应是错过了今早的欧冠决赛了呢。
看十五年前欧冠决赛的国米阵容，熟悉的名字，虽然没有梅罗那样的超巨，但每个位置也都是能征惯战的绿茵名将。穆里尼奥被称作魔力鸟，其实名过其实，他并没有点石成金的本领，他更像欧洲军事名将，善于堆砌军备，阵而后战，而高明之处在于抓细节补漏洞。
现在回看，穆里尼奥能在曼联领着那帮骄兵悍将夺得亚军，已经实属不易。
曼联，起止没落
早起看新闻，欧联杯决赛热刺1：0击败曼联夺冠，同时获得下赛季欧冠资格。
因为欧冠赛制改革，缺少了欧冠小组赛第三名的空降，本届欧联杯可称是近些年最水的一届，比赛的看点似乎是赛后孙兴慜的自嗨和阿莫林的嘴硬。
曼联的败落已经是不争的事实。衡量一个豪门球队的标准，是看你球队当家球星的水平，现在曼联这B费的水平，真是武大郎开店，撑不起门面不说，超级球星也不愿意来，就算强捧上大当家，也跌价。何况还要面临强龙难压地头蛇的风险。
滕哈赫我给他看面相，说他望似不像名帅。这阿莫林，也是癞蛤蟆垫桌腿，没长劲。
换角度看ERPNext
上周脑子短路，把odoo的便携主机升级到24.04，今天克服拖延症要账务处理了，发现系统崩了。
折腾半天，最后通过卸载重新安装的方式，让系统重新正常运转。
在这个过程中，因为不确定成功与否，就重新测试了一下前段时间外甥推荐的ERPNext。
当时放弃它的原因，是因为感觉他的会计系统怪怪的，特别是他的科目设置。今天换个角度看，发现它应该是科技人员为会计人员编写的，会计知识匮乏，属于知其然不知其所以然，我给你实现你要的功能就行了。
如果是这样，那ERPNext加以调教，顺着会计思路和流程处理业务，应该是堪用的。
换角度看ERPNext
上周脑子短路，把odoo的便携主机升级到24.04，今天克服拖延症要账务处理了，发现系统崩了。
折腾半天，最后通过卸载重新安装的方式，让系统重新正常运转。
在这个过程中，因为不确定成功与否，就重新测试了一下前段时间外甥推荐的ERPNext。
当时放弃它的原因，是因为感觉他的会计系统怪怪的，特别是他的科目设置。今天换个角度看，发现它应该是科技人员为会计人员编写的，会计知识匮乏，属于知其然不知其所以然，我给你实现你要的功能就行了。
如果是这样，那ERPNext加以调教，顺着会计思路和流程处理业务，应该是堪用的。
期待TensorRT在大模型的应用
这个我信。
因为从katago版本升级就能够看出来，使用tensorrt框架后，相比原cuda其性能提升显著，可以说上了一个台阶。
而从前几天全新安装A3000时发现，在Ubuntu下，从NVIDIA的驱动开始，直到tensorrt安装，整个流程相比两年前，已经有了大的改进，基本不需要手工设置。
而涉及到AI，其支持的5个ISV集成中，第一个就是lmstudio，如此一来，使用普通显卡本地部署的性能会有一个大的提升。
期待。
举头望山月？
昨天想通过给外甥家俩孩子学古诗测试ragflow，从GitHub上下载了一个高星评价的数据集，解压缩后有12G大小。
从中选择了一个全唐诗文件夹，将里面的json文件导入到资料库中，因为使用了外部免费内嵌服务器，解析过程有些漫长。
数据解析完成测试，随手打了一个关于李白的《静夜思》，qwen2.5的7B模型回答的也飞快，本想退出系统收兵，突然感觉哪里不对劲，一看，里面居然是“举头望山月”，而不是记忆里的“举头望明月”。再看，第一句也不是“床前明月光”，而是“床前看月光”。
第一反应是资料库有问题，便问了一句“举头望明月”出自哪一首诗。结果不问还好，这一问把qwen的劣根性彻底暴露，给我回了一个“出自唐代诗人王之涣的《登鹳雀楼》”，还一本正经列出全诗后，加上了举头望明月，低头思故乡。
气的我在问题后面加上了“根据资料库内容，别胡说八道”，这回才老老实实回答“知识库中未找到明确包含这一完整诗句的作品”。
又换到deepseek V3，其回答就全面的多，首先承认未找到“举头望明月”，然后解释现代流传版本多是如此。并建议查阅更多完整的《全唐诗》版本或其他文献。
由此看，资料固然是rag的基础，AI模型同样具有保驾护航的重要性。