分类： IT天地

这两天实际应用了一下Navicat的lite版本，可能是很多年不用Navicat了，没有对比过，只是感觉这个lite版本也太简陋了。
这个简陋是与DBeaver相比的，比如导出数据时，连导出数据中的日期格式都要设置一下，而DBeaver连文件名中的时间戳都是可以设置的，这应该也是DBeaver臃肿的一个原因。
Navicat之前广受欢迎的一个原因，是导出数据时文件格式可以选择Excel，在lite版本中，这个功能注明了需要升级到专业版，由此可见其重要性。
本来这个对我意义不大的，因为导出的CSV格式文件一样可以处理。但前几天遇到了麻烦，我做的Django应用中默认导出CSV格式文件后，因为数据库编码为UTF8，使用Excel打开是乱码。
还是那句话，如果不是垄断，微软早死了好几次了。

最近数据库操作比较密集，主要使用的是DBeaver，基本能接受他的慢和偶尔的无反应，只是最近postgresql的json字段用的多起来，而DBeaver导出的数据，对json进行了转义处理，这样处理的时候需要多一步操作。
昨天闲下来后，想找一个备选的数据库客户端，毕竟DBeaver社区版不支持MongoDB，还需要再安装一个客户端。
这方面Beekeeper是最合适，不但导出json数据干净，而且日常查询数据界面直观，不用手工输入，只是这个查询组合免费版只允许两个，这有些过于小气了。
于是想再换一个，选了一个名气大的DbGate，功能倒齐全，也跟Beekeeper一样支持MongoDB，只是导出json数据依然需要转义处理。
就在困的快睁不开眼时，手机抖音上看到一个视频介绍数据库客户端——很难让人不起疑心他会读取我PC上的访问记录，里面提到Navicat推出了免费的lite版本，而且也是集成了多数据库支持，不再像原先那样各自为战。
试了一下，界面清爽，操作简练，除了json数据仍需要转义，其他都满意，就是它了。
这Navicat兜兜转转十几年，又回来了。

前几天朋友从微信上发一个移动硬盘链接，问质量怎么样。我说不错啊，尤其是价格还没有涨价。
最近看IT新闻，市场上内存及SSD价格大涨，据说涨幅超过50%。但好在年初已经将机器升级，短时间内已经没有什么需求，所以并没有太关注。
结果朋友告诉我，那是我上次发给他的链接，再发过现在产品信息，价格已经大涨了。
让他早买不买，现在只能咬牙买，真是买涨不买跌，跟炒股一样了。
不过这内存涨价我见得多了，再厉害能有99年那波厉害？

前天晚上基本没睡，昨天中午忙完回到家本想洗洗衣服，洗澡补觉。但估计是作息混乱，反而睡不着。
既然睡不着，索性开始将原先日立老服务器上面的MongoDB数据备份到新机器上。
虽然睡不着，但脑子却不是十分清醒，数据迁移过程中并不顺利，MongoDB服务器启动不起来，折腾许久，冷静下来分析问题，原来问题不是出现在权限，而是数据库版本不同的格式兼容问题。
删除原目录重新建立并授权后，服务器顺利启动。
后面数据备份导入就简单对了。核对一下数据库，发现从20年开始，还是积攒了不少数据的。
如今天看到一个关于rag的视频所言，最重要的还是那些精简有效的数据。
数据才是根本。

前几天NVIDIA宣布以50亿美元入股Intel，成为大股东，同时Intel将为NVIDIA定制CPU。
说白了还是集成nvdia芯片的主板，只不过CPU已经沦为了配角。
真是三十年河东三十年河西。
其实，这也是习惯垄断的Intel自己做的孽，而始作俑者则是当年大名鼎鼎的810e芯片。
在这款主板之前，我在市场上看到的主板上，还有品牌机中，有集成ati芯片，有mga的，自由选择度非常高。
等Intel的810e一出现，利用芯片性能加CPU的垄断地位打压一切异己，别的显卡芯片厂的路就堵死了。
现在看，真是自作自受。

昨天下了火车坐上公交，从大观园到环山路，旁边一位一看就是技术人员的男士，一直在打电话，交流的是某个单位的网络隔离问题。
熟悉的话题，已经十余年了。
原先隔离的信息获取，现在已经早进入到大模型应用时代了，现在再隔离的已经不止是信息了。
网络上前几天看到一个话题，是shadowAI，就是员工在单位提供的大模型之外，最终自主选择的AI大模型。
如果本地大模型既要部署，又要隔离，那信息服务公司的真是不愁业务了。

最近没有怎么折腾本地部署大模型。除了最近烦心事多，主要还是在验证了“有多少人工智能，就有多少人工”这个现实后，感觉下一步大模型应用无非就是堆硬件、叠人工了。
因为用友系统出了点问题，昨天一时闲来无事，便将ChatTTS-Forge安装到恒源云的GPU服务器上了。
没想到大半年没用，原先一路畅行安装运行的系统状况百出，不知不觉大半天时间搭进去了。
问题主要出在Pyton版本上，3.8的运行不了，3.12的问题多多，最后无奈换成3.11版本的虚拟环境，这才运行起来，不过ChatTTS模型也需要进行相应调整才能正常将文本转换成语音。
ChatTTS模型的好处是已经集成了不少语音库，下一步再测试一下其他模型，自己生成一下语音库。

有一段时间了，短视频还有微信的广告持续不断给我推广告，是AMD锐龙7系列的笔记本，价格优惠，算上国补16G内存加512G硬盘，2.5K的高清屏都快跌破3000元了。
我有点动心，主要是看中广告里面提到的760M的apu显卡，想买来测试一下其NPU在lmstudio下运行7B大模型性能如何。
但因为现在的笔记本都用的好好的，也没有更换的需求，也就一直看着，一直继续动心着。
今天看到京东广告里面多了一个少见的品牌，价格略高，内存已经到了32G，并且专门提到了笔记本的NPU性能。
这让我重新研究了一下个笔记本的参数，发现原来其apu都叫780M，但具体到型号，差别巨大，只有第二位是8的，诸如7845，才有NPU辅助运行AI。
看来原先笔记本大降价，应该是AMD给厂家巨大的优惠，或者，就是厂家又被AMD忽悠了。

昨晚下了一阵急雨，关窗继续睡，早上居然给冻醒了。
既然醒了，就开工做ERPNext的外挂系统。忙到眼痛腰酸算是把系统数据库结构弄清楚了，于是出去改善一下生活。
现在技术进步太大了，不用说最初学习数据库，即便是第一次做odoo外挂的时候，都被一本正经的教导，数据表能分则分，通过字段关联，低耗而高效。现在看，ERPNext中的数据表，能放在一个表里面的统统放进去。毕竟现在无论机器性能还是存储容量，都已经不是问题了。
而这样的好处就是看数据，可以一目了然，不用再表内猜来猜去，表间查来查去。
不过，当年大厅里“某某某，快做个分录”养成的习惯，还是时不时误导思维，浪费了时间。

早上起来在抖音看到一个视频，是介绍SLM小模型的，这个SLM自然是针对LLM大模型而言的。
这个视频的源头是gemma推出了开源的小模型270m，这个模型只有不到300M，是小的不能再小了，应该针对的是手机应用。
视频中关于小模型的介绍，倒是跟我最近对小模型应用总结差不多，那就是小模型的本地部署是有实用价值的。主要针对的就是目的明确的批量处理任务，而非那种专业性的求索性应用。
同时本地部署模型可以处理本地资源，并确保用户隐私。
最后，那个视频的依据除了gemma3，还有英伟达的一篇重文本轻公式的小模型应用的论文。
所以，小模型的最为关键的优势不言而喻：成本低。