分类： IT天地

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"
    ]
}

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？

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。

五一期间收到百度短信，提示我在千帆平台上有百万免费token，而且不是文心一言的，是deepseek的r1和v3，将在5月9号到期。
在家期间没有怎么用电脑，回京后给儿子机器调试相应程序后，觉得这百万token也不能浪费了，就通过cherrystudio测试了一下，速度不错。
上次测试MCP没控制好，结果耗费了腾讯那百万token不说，事后还收了我超出流量的几毛钱费用。
钱不多，主要是上次提示额度用光早，否则不知扣多少呢。所以这次小心为上，便登录千帆后台查看一下流量监控。结果登上去一看，那个乱啊，费半天劲找到流量监控了，结果只是到昨天的，看不到今天流量。
这几个大厂里，百度是最晚提供免费deepseek流量的，而后台管理也是最乱的。
这可能就是百度的现状吧。

BTW：刚写完，百度便来了短信，提示已经欠费……

在vscode将我的混元免费百万耗光后，我终于下定决心转到Trae了。
原先总觉得Trae就是一个集成了AI插件的IDE，这次投奔它，最为看重的是整体内置的大模型–DeepSeek 满血版，而且是无限量免费使用。
折腾了近一天，基本能够可以满足工作需要。只是作为开发环境，相比轻量精简得完全不像微软产品的vscode，Trae一启动就让我那华硕老机器的CPU和内存都满载了。
而且在安装测试了MCP后，感觉这满血deepsea也是有水分的。我只是通过fetch抓取了一个京剧戏考的剧本网页，大模型居然提示我“网页存在敏感内容”，害得我白白浏览了几遍也没看到什么历史糟粕。
而这个测试网页，无论是混元，还是deepseek，哪怕是蒸馏版的千问7b版，都没有类似提示。
看来我的猜测是对的，我们在免费使用厂商提供大模型的同时，也在被监控和利用。

昨天躺下后，一时睡不着，脑子里又结合近来的学习，把那个关于MCP视频过了一遍，算是一个总结。
视频中是认为MCP是为了解决RAG的功能缺陷的，它主要的缺陷通过最近实验检测，发现是难以通过自身升级解决的。
一是RAG中资料是平铺，离散的，缺少关联，更没有顺序，这就如此前所说，根本不适合小说类资料。
二是RAG过于依赖向量数据库，而资料在导入数据时，是通过内嵌大模型进行切片的，而资料被切片属于无差别分割，虽有重合设置，但难以保证数据完整性、关联性。
三是RAG中各资料库间缺少关联，合则繁冗，分则无序。
最后，就如UP主推荐的数据库替代方案所承认的缺陷那样，太耗费大模型的tokens了。
最终解决方案，还是以大模型为主，资料库为辅，甚至可以说，就是让资料库为大模型服务。

今年以来，已经慢慢习惯通过视频学习计算机技术。怎么说呢，总感觉越容易的表达方式，往往越随意，而且出口容易修改难，甚至是懒得修改。
下午看了一个介绍MCP在MongoDB数据库上的应用。其中印证了不少自己之前的的观点，而最后up主也承认，现在MCP还存在很多问题需要解决。其实总结一下就是：太过依赖大模型。
本来，这MCP最早就是anthropic推出的，绕不过去的。
看完视频，通过vscode测试了一下mcp的网页爬取，问题颇多，最后把我腾讯混元的免费额度都用光了，也没有成功。
看来不止是绕不过去，感觉还是一个流量陷阱。

自从换了办公地点后，跟外甥技术交流少多了。前几天他网上提到他现在使用的Trae，其新版本已经开始支持自建文档集了。
而我最近在测试的几个系统，版本频繁更新，几乎也都与知识库相关。连最近开始使用的obsidian，也在官方从笔记系统自诩为 扩展知识库。
当然，这些都是离不开外部AI大模型的支持。
同样，大模型开发商应该也不甘只为他人做嫁衣，将知识库纳入到大模型管理之中已经是必然，ChatGPT的全面记忆功能，只是第一步。
虽然如此，我还是看好知识库的自建，在信息泛滥的时代，知识库的专业性和准确性是立足之本。

昨天评论人形机器人半马比赛，是无聊且无知，主要是针对把这个放到竞技比赛中，而且还非要取成绩分名次。
既然是比赛，属于竞技范畴，就要有规则，规则是保证公平而设，哪怕是相对公平。
而昨天的比赛，毫无公平性可言，那机器人外形上高的矮的，电池有强有弱，比赛中螺丝刀时时抢镜。即便是那个“众望所归”的冠军机器人，也是在人的全程簇拥下完成比赛的。这岂止是不公平，简直不避讳作弊之嫌了。
所以刘慈欣说的是，“将带来”，至于什么时候，还早。但不排除deepseek那样的横空出世，但这不是央视这类媒体所能认知的。

刘慈欣谈机器人跑半马：具身机器人将给社会带来颠覆性影响

现在科技圈的标题党已经不亚于娱乐圈了。
ChatGPT 升级的所谓记忆功能，引用用户所有的历史对话，无非就是ChatGPT自建的用户RAG。
早年吐槽亚马逊电子书针对用户定价的短小说中，我曾幻想将来服务商由虚拟客服机器人为每个用户服务。
现在其实已经可以实现了，那就是为每个用户建立独立于大模型的类RAG数据库，然后由大模型根据用户的数据提供更为精准的服务。
这也是我认为在AI时代，RAG对个人用户而言是重中之重的原因。

http://ChatGPT的这个更新 竟然让奥特曼兴奋到睡不着觉

https://news.mydrivers.com/1/1041/1041285.htm