水中投影，似真似幻

当前，大公司大模型几乎主导了AI行业。作为个人，把所有的数据和隐私全部上交，固然能获得很好的智能体验。不过，开源生态也一如既往的提供了一些丰富的选择，对许多个人和企业来说，用开源工具私有化部署开源模型不失为一种可行的方案。

这篇文章会基于开源的LLM模型（Qwen、Ollama、deepseek等）、开源的模型工具（Ollama）、开源的插件集成（VSCode+Continue插件）方案，搭建一个基础的编程编程助手。重点在于Ollama这个模型工具的用法。

Ollama 是一个开源的大型语言模型（LLM）工具，专注于在本地运行和管理各种 AI 模型。支持许多流行的模型，比如 deepseek-r1、gemma3、qwen3、llama4等。Ollama大大简化了用户下载和运行模型的过程。

同时，Ollama还获得了许多流行的集成工具的支持，比如Open WebUI、dify等等，许多开源工具都可以使用Ollama的接口。

经过调教的vim，肯定有很多插件，比如nerdtree，python-mode等等，很多插件在使用过程中，都通过新建buffer来展示其提供的内容。出于习惯，使用q退出文件，当时vim上还有许多插件的buffer未退出，需要额外的指令执行退出(qa)。怎么在退出文件时，同时退出其它buffer？本文以vim初学者的，编写了一段vimscript实现该功能。

日志是调试程序、记录代码执行过程和排查线上线下问题的重要手段，Python中内置了logging模块，可以很方便的根据需要输出日志。本文将详细的讲解和演示Python中logging模块的几个重要组件，并提供一些日志输出的经验和方法。

个人习惯，比较偏爱将某些视频资料下载到线下进行离线播放。

分析m6u8.sqlite的数据内容

这次想看某投资app的视频，于是先利用app自带的下载功能将视频下载到手机上。发现手机上保存的是 m3u8.sqlite 格式，为了方便分析，于是把这些文件全部转到电脑上，文件大小200M，基本确认视频内容就保存在这个文件中。传到电脑上之后，直接开始使用Linux的sqlite3命令进行分析。

DNS是当前互联网最重要的基础设施，一般企业内也会部署自己的私有DNS服务器，在我们公司就是部署BIND9做内部域名解析，用DnsPod做外部域名解析，为了配合Nginx的运维自动化，所以对外封装了DnsPod的api接口，对内自己用flask封装了一套api。目前的过程是使用数据库记录DNS的解析记录，通过模板生成DNS的配置文件，并推送到DNS服务器，然后reload生效，过程比较复杂。

在某些场景下，代码执行出现异常的时候，我们希望代码能自动进行重试。比如，某个三方接口的token时效时间是30分钟，在编码的时候，我希望能主动尝试登录。如果接口返回401了，重新获取token，再用新token请求一次。 ![retry][1]

每次使用Jupyter Notebook都是在本地终端运行jupyter-notebook启动的，家里的树莓派上面已经运行了seafile， transmission-daemon，minidlna.service等服务，这次想着把Jupyter Notebook也搭建到树莓派上，提供在线编程能力。下面是搭建的过程。

![1_m87_Htb_9Pstq0UcvNJ49w.png][1]

感觉gRPC似乎一直在流行与不流行之间，似乎周围没什么人用，但是每隔一段时间都会听到一些gRPC的消息,今天刚好有团队要gRPC的支持，所以就自己也测试下怎么用Python来写gRPC的服务。RPC是远程过程调用（Remote Procedure Call）的缩写形式，基本可以理解为RPC就是要像调用本地的函数一样去调远程函数，gRPC就是Google开源的RPC框架。闲话不多说，show you the code!

求笛卡尔积可能是最常用的集合操作了。

这也是个老问题，很早之前发现使用logging模块在flask里记录info日志记录不上，没在意，但是有时候习惯拿info级别在线调试服务的时候没有日志就很苦恼，网上关于设置日志级别的文档大多是错误的（不排除可能是flask版本差异导致的），花了点时间来研究怎么设置flask的日志级别。