codingmiao

@huanxianghao 计算机相关的东西还是挺容易规避 AI 扯淡的，我前段时间补 transformer 的知识，直接先把 github 上 transformer 代码拉下来，让 claude code 给我出个学习教程，每一章节找对应的代码把我当傻子给我讲，边跑 demo 边问，它不厌其烦地回答我，有代码卡着也不会跑偏，感觉很好。

知识库本身只是提供个工具，开源的随便弄弄，大头做好业务梳理，做好合理的分门别类，不然还是一坨放在那没什么大用

这玩意真能作为加解密方法吗？即使明天你把答案发出来，也没有一个快速验证的方法验证你发的答案对不对。反之如果你有快速验证的方法并公布出来，那这个加解密方法也会像 MD5 彩虹表那样迅速被破解掉

这玩意越高水越深，所以我们简单的需求 langchain4j(因为我们有好多 java 的基建)，复杂的直接套壳 claude code 😄

这个中转似乎非流式请求有点问题，下面这个请求，"stream"为 false 时就没有输出"content"，为 true 时是正常的

curl "https://www.hi-code.cc/v1/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer sk-xxx" \
-d '{
"model":"gpt-5.4",
"stream": false,
"messages":[
{"role":"user","content":"你好"}
]
}'


{"id":"resp_0f935c87f6d1df2d0169e7013c67c08196abb8a696e0191e21","object":"chat.completion","created":1776746813,"model":"gpt-5.3","choices":[{"index":0,"message":{"role":"assistant"},"finish_reason":"stop"}],"usage":{"prompt_tokens":18,"completion_tokens":41,"total_tokens":59}}

生成出来乍一看效果挺唬人，仔细看很多经不起推敲，我现在是让 claude code 自己去 arxiv 和 github 上搜了总结了，比直接 deep research 可控一点

@spribree 已补充微调脚本至[sft/run_sft.sh]( https://github.com/codingmiao/qwen35-short-cot/blob/main/sft/run_sft.sh)

用了 ms-swift 这个框架来做 lora 微调的，没写代码😄，配下参数一行命令就跑起来了😄。

这个似乎是 qwen3.5 系列太喜欢过度思考了，我这几天搞了点 deepseek-r1 的数据去微调它，让它学习 ds 的思考套路，效果好了不少 https://github.com/codingmiao/qwen35-short-cot

向量 API 还是没孵化出来，用这玩意写了个 RAG 的玩具，速度确实可以