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。
作者： 512song
科技市场淘宝的感觉回忆
前几天买的显卡牌子叫卡诺基，浓浓的山寨味，这几年主打的是旧芯片新显卡，比如rx580，gtx1060等，网上被怀疑是从矿卡拆芯片重新进厂生产成品显卡。现在做大了，显卡还提供两年质保。
昨天感觉淘到宝后，立马上天猫查看价格，发现已经下架，不知是优惠期结束调整，还是货已出空。
原同事小B有句名言：逛科技市场口袋里不能带钱。要不然看到好宝贝的就控制不住要买回家，这跟现在网购差不多，但看到实物的感觉还是不一样的。
而且那时候科技市场里关注的宝贝，不止是价格低，看中的还要出身名门，比如帝盟的声卡，原厂的显卡等等，还需要专业知识和眼光的。
比如买到过最贵的工包显卡8500le，也是在比较了多个品牌的9100产品后才狠心掏钱的。而确定是工包的一个依据，是把有电工经历的胖子拉到科技市场，他确认虽然各种品牌不同，甚至板型差异也不小，但上面电容等安装标准却是一致的。
现在这种乐趣已经只能在记忆里了。
咬牙买到宝
前几天咬牙买的显卡昨天到货了。无论是包装盒，还是打开后看到显卡，除去显卡块头，仿佛有种时光倒流20年之感。
不过时代还是进步的，原先杂牌显卡附带的驱动光盘换成了U盘。而看评论，这款显卡在网上受
冷落的主要原因，就是这个U盘里面的驱动，属于专用驱动，换成公版最新驱动，据说会花屏，甚至开不了机。
昨天到货，因为没有合适硬盘，今天下午才开始安装Ubuntu server。此前网上还没有看到先例，所以安装的时候开始并没有报特别大的希望，就把他按照标准的显卡安装的，大不了换回win11，反正不玩游戏。不过从安装NVIDIA官方最新570驱动准确识别显卡开始，我感觉自己可能买到宝了。
驱动安装完毕，后面的cuda、tensorrt也就一马平川了，而且现在技术进步，NVIDIA支持container toolkit，也就是说，docker中也能使用GPU了。
在经过漫长的下载后，ollama+qwen3 14B运行起来的时候，我才确信这次真的买到宝了。
rag初试成功
折腾了一段时间了，今天我的ragflow终于投入实战应用，辅助儿子论文成稿。
说实话，从导入三篇PDF文档开始，心里就开始忐忑，解析完成后，让儿子提问了一个专业问题，当系统提示“知识库未找到您要的答案！”时，顿时感觉一瓢凉水当头泼下。
流着汗忙检查知识库配置，确认无误后，以为是使用的本地部署的qwen3 8B模型有问题，换成硅基流动的免费7B模型，依然是同样的答案。
当时砸了机器的心都有了，咬牙换成付费的deepseek-v3，这会好了，回答的内容丰富，条理清楚。
感叹完有钱好办事，查看了一下系统运行状态，发现后台CPU占用颇高，这才意识到那三个文档有一个接近200M，文档上传解析后，系统还会进行进一步的OCR等处理。
待系统运行平缓后，换回本地部署模型后，这次回答正常了，相比收费模型的答案差别并不大。
初战成功，咱还是有点用的。
解决docker: Error response from daemon: Get “https://registry-1.docker.io/v2/”
最近在通过docker安装splash的时候总是遇到docker: Error response from daemon: Get “https://registry-1.docker.io/v2/”的错误，后面提示是(Client.Timeout exceeded while awaiting headers)，应该是连接https://registry-1.docker.io/v2/错误。
按照以往经验，新建了/etc/docker/daemon.json文件，添加了国内163等3个镜像站点，但问题一直未能解决。
后来参照网上一篇文章，添加了一大堆站点，问题解决。
{
"runtimes": {
"nvidia": {
"args": [],
"path": "nvidia-container-runtime"
}
},
"registry-mirrors": [
"https://docker.registry.cyou",
"https://docker-cf.registry.cyou",
"https://dockercf.jsdelivr.fyi",
"https://docker.jsdelivr.fyi",
"https://dockertest.jsdelivr.fyi",
"https://mirror.aliyuncs.com",
"https://dockerproxy.com",
"https://mirror.baidubce.com",
"https://docker.m.daocloud.io",
"https://docker.nju.edu.cn",
"https://docker.mirrors.sjtug.sjtu.edu.cn",
"https://docker.mirrors.ustc.edu.cn",
"https://mirror.iscas.ac.cn",
"https://docker.rainbond.cc"
]
}Trae，换机器的动力
昨晚一狠心下单了一款显卡，1100块钱还是分期，心理压力小。
下决心的原因，是新安装的Trae，老华硕台式机的8G内存没法升级，而Trae一启动居然内存与CPU全部拉满，更不用说升级后的lightworks直接半死机了。
选择Trae完全是因为其内置的免费AI模型。
昨晚在吐槽完qwen的不靠谱后，试着用Trae自带的doubao1.5pro试了一下同样三国演义的问题，结果其回答的简练而准确。先是出乎意料，静下心想，豆包这个虽是1.5，但跟qwen那个2.5还是不一样，他属于满血版的。不过，满血版的qwen3我也见识过，即便是紧跟deepseek的混元满血，也没法跟豆包1.5pro比啊？
后来结合刷抖音意识到，字节跳动是有自己百科的，他的知识库如果以百科为基础，那这种知识性答案自然靠谱。
而百度本来也有自己的百科的。
看来，字节跳动能够后来居上自有道理。
模型开源意义何在？
办公室的网络实在糟烂，今天才通过lmstudio断断续续把最新的qwen3的8B模型下载下来。
载入新模型后，发现上面有个《三国演义》的问题，当时回答的是qwen2.5的7B，于是复制了问题让新权重回答，结果虽然略有改进，但胡说八道的内容基本一致，都没脸截图了。
这表明虽然版本升级了，但二者的训练知识库是同一被严重污染的。
回到家后，怕冤枉了qwen，又使用cherrystudio向硅基流动的qwen相应版本询问，得到的答案同样是胡说八道，甚至2.5蒸馏版本答案中，解放军都出来了。
目前三大厂中，只有阿里的公布了开源大模型，但这种开源有什么意义？
另一角度的最佳华语恐怖片
五一期间，难得一家三口坐在一起，把计划中的《双瞳》完整版看了一遍。
此前看的是B站的解读视频，看说实话看完这所谓完整版，还是有些失望的。失望的是“二十年华语最佳恐怖片”这个名号，影片的恐怖元素，除了血腥镜头，无论是光影还是声乐，都距离恐怖片差远了。
现在依然记得大中午头，在朋友家电脑上看到《午夜凶铃》中男主角幻影指着包时，后背发冷的感觉。
不过如果将《双瞳》定义为恐怖片，那么以演员演技角度，那这绝对是最好的了。本片演员的表演，无论是主角，中国的美国的，还是配角，甚至是龙套，都堪称经典完美。
遗忘即死亡
昨天是极其抓狂的一天。
dify系统升级调试后，准备导入数据测试。我手头上价值最高，也体量最大的，是医学基础数据，包括从穴位到膳食。这些都是19年我初次学习scrapy的时候采集的。
因为过了六年了，我担心这些资料有更新，便想重新采集一下。结果在查看原始代码的时候，突然发现，我自己写的代码，我是一点也记不起来了。
真的是一点也记不起来，无论是程序如何运行，还是代码的作用。只是通过这简练的代码能记起，自己当时也颇为意外能这么高效的获取数据。
整整六年了，那时候老未老，新的篇章开始，满是热情，满是希望。每天早上把小外甥送上校车，然后坐公交到办公室，如饥似渴地学习蓄能。
现在回头看，那时候的成果，居然一点印象都没有了。
真是，遗忘即死亡。
升级高速的dify
4月下旬杂七杂八事情多，没太用心学习，只是想着如何在dify和ragflow中选择一个作为主力资料库。
结果在五一期间发现网上几篇技术文章，已经将二者整合了。其实根据之前学习也感觉到了，ragflow重在资料处理，而dify长于轻便，且以工作流闻名，真是天作之合。
回来后打开dify系统，发现这半个月没用，版本已经从1.1.3蹦到1.3.1了，而与ragflow的结合，正是从1.1版本后开始的。而且重要的一点就是dify改进了插件市场的服务器，使其不再是墙外的摆设。
升级后简单测试了一下，真是功能提升显著。
现在学习也不能空下来啊。