最近正在搭建毕业设计的后端系统，使用FastAPI对接MySql数据库，FastAPI框架依赖MySqlClient包，然而由于使用了conda虚拟环境，因此在安装这个依赖时走了不少弯路，简以记录。 1 使用conda install直接安装报错：在仓库中找不到可用版本。进入PYPI官网查询Python3.8+Win64对应可以使用的版本。 进入Conda官网搜索，也显示有2以上版本的包。 使用指

更新一些近期的规划。

承接上文。

突然想矫情一下，抒发一下自己。

累计十个小时的小电钻~

Github远端开发环境尝试 前情提要：经过前两次的Blog升级，现在已经可以从本地VSCode上传到Github，通过workflow actions在云上自动化编译并部署静态内容到相应的分支上。但是这要求本地需要有一个可以安装VSCode的环境，但背个iPad实在是太方便了，谁愿意背笔记本啊。由此对目前的云开发方式进行了一定的探索工作。 提示：网页版的VSCode在iPadOS16是无法成功

RAG系统理论学习 对于RAG应用的检索系统搭建的理论与工程部分进行学习。参考文献：https://arxiv.org/abs/2312.10997 0 引入当LLM遇到超出其训练数据或遇到需要查询当前数据时，就会产生hallucinations幻觉现象。现在通过RAG技术，在外部知识库中通过计算语义相似度semantic similarity calculation，检索相关文档块，降低幻觉产

Virtual Box 虚拟机配置 前情提要：无法使用增强模块且只能使用免费版的情况下，对虚拟机进行分辨率的修改。 百度了好一会都是只能给出一个使用增强模块的方法，情急之下，使用ChatGPT进行搜索，在合适的Prompt下，真的给出了相当可行的方案，由此进行记录。 1 修改虚拟机配置文件 关闭虚拟机。 找到虚拟机的配置文件（通常是.vbox文件）。 使用文本编辑器（如Notepad++）打开该

Prompt Engineering 人工构建Prompt 学习链接：微信公众号 人工构建Prompt适合Zero-Shot的情况，可以浅尝效果。人工构建Prompt相当泛用，因此学习一些它的应用场景。 1 LAMA 源码地址：Github LAMA数据集，是一个对预训练语言模型的探针，使用Prompt来分析预训练语言模型掌握了哪些知识。 2 GPT3GPT3 是通过大量语料训练得到的，对于大

Prompt Engineering学习 如何利用好大语言模型，就需要给模型合适的Prompt，引导它给出合适的答案，我认为是模型微调的一种新方法。本文是自用的一个学习笔记，方便后续回顾。 学习链接：微信公众号 0 NLP发展史 阶段一：feature engineering 这个阶段的模型十分依赖前期的特征工程，往往需要人工去手动提取和筛选定义特征，这个阶段特征质量会影响最后的模型效果。