一直很好奇 Mineru 中 pipeline 模式下，跨页的段落是怎么合并的，看了一下代码，简单了解下 相关文件位置： mineru/backend/pipeline/model_json_to_middle_json.py > mineru/backend/pipeline/para_split.py 跨页合并操作是在将model_json转换成middle_json的过程中实...
又是时隔好久的更新，这阵子忙于论文，每天画图写文章实在烧脑…一晃一个月又快要结束了呢…好在今天终于算是勉强完活投稿，希望能中！😁😁😁 好不容易有时间抽空写写博客，打开 Obsidian 的时候差点傻眼，Banners 插件显示封面变小偏左，起初以为是 Banners 插件的原因，去 github 官网发现此插件已经快三年没更新了；又看了一下 Obsidian 的更新日志，果然是最近一周...
自 2024/07/01 进组以来，再过几小时就算是刚刚好好进组一年半了！（🥰🥰🥰）不过会想起这一年，过的真挺快的，或许是在公司待了半年的缘故？或许是习惯了现在的生活？或许是我真的上了年纪了吗？😂 直到现在，我也总觉得昨天还是 3 月份刚宣布需要去公司的那一天。算下来，真的是从进组到现在，几乎每天都在干活（天选狂奔牛马体质），刚进组两天就开始正式做大模型开发，暑假两月从实体提取-&g...
grounding_dino 是 23 年就已经推出的多模态目标检测模型，和过去的 Yolo 系列模型不同的是，YoloV 系列模型只能支持按固定的训练类别进行目标检测（Yolo World 现在也可以支持抽象文本），而 grounding dino 可以支持用户输入抽象文本（比如“the bottle handed by the man who worn white T-shirt”）进行...
今年 Google 在大模型上的进展着实很令人惊叹，去年诸神大战的时候 Gemini 一直不温不火的，但是自从 gemini2.5 以来发生了很大改变，我自己用了一个多月的 gemini-2.5，个人体验觉得非常不错（尤其是 gemini-2.5-flash，个人感觉是真快啊！），在编写代码方面个人感觉略强于 grok3，显著强于 qwen3。 简单介绍 Gemini-cli 是 Goog...
更换起因：今天早上师兄看到服务器上 weaviate 一直占用着大量的 cpu 资源，但是也不清楚它到底在干什么，正好上次探索 RAG 之后项目开始使用 milvus 了，师兄就说要不直接也把 dify 换成 milvus 好了。 查看了一下官方文档：Dify:迁移 Weaviate 向量数据到其他向量数据库，发现步骤并不复杂，其实就是更新一下.env 文件还有 docker-compose...
1. dify的rag流程 dify内置的rag比较简单，主要流程如下所示： 2.Extractor 文件内容提取器 提取文件的内容。对于doc、pdf、excel、csv、markdown等不同格式的文件，使用不同的方式提取文件内容。目前存在两类解析方案： 基于 Unstructured 的文件解析方案，支持接入付费的 Unstructured 服务，部分的格式解析只有付费版本才支...
1.dify工作流运行流程 我发现调用的流程大概是这样的： 1234567891011121314151617181920212223workflowAppRunner.run() -> workflow_entry.run() -> GraphEngine.run() { if 流程类型 is CHAT: 使用AnswerStr...
~~好久没写博客了，自从上月去导师公司体验早九晚五的工作生活之后，每天回来就想开躺，Obsidian都懒得开了（在此为我的懒惰道歉😭）。 不过总体说来，这一个月在项目架构、打包部署方面收获还是挺多，之前干的活基本都是堆屎造梦，当发生改动的时候很可能要修改很多东西，甚至是要重写。这一个月以来主要是对之前项目进行解耦，提前约定好各个模块的输入和输出格式，每个人可以先做自己的模块，然后我再负责整...
