博客主要记录个人的一些技术文章，99%都是原创的，还有一些生活分享。网站始建2015年，当初为了学习Spring Boot+Struts+Jsp而建立，然后改为Spring Boot+Mybatis Plus+Jsp，经历过了
2026/3/8小于 1 分钟
2026/3/9小于 1 分钟
1.OpenClaw配置千问Qwen免费大模型教程
https://www.beizigen.com/post/openclaw-configuration-qwen/
2026/3/9小于 1 分钟
准备用openclaw开始炒股试试了，前期估计还是得找一些skills，结合自己交易策略来搞下，毕竟量化炒股的核心还是策略，工具只是辅助，openclaw的优势在于它的开源和社区支持，可以让我们更灵活地定制和优化我们的交易策略。
2026/3/8小于 1 分钟
一、 背景与目标
监控最主要还是上报到Prometheus，可惜成本实在是高昂，特别是存储时间要求得越久，我们这里探索了下micrometer转换成json，然后存储到starrocks这类mpp olap引擎，通过starrocks的存算分离架构，降低成本。
2025/11/27大约 6 分钟
终于实现了环岛自驾了，可惜的是台风天，只能在不多的时间里多走走，海口-东方-三亚-陵水-文昌-海口，有一说一，感觉文昌的海估计会很好看，可惜去到那里已经是下午6点了（路过了文昌航天中心），有机会再去一次吧，话不多说，直接看图
2025/10/6小于 1 分钟
1. 背景与挑战
在互联网电商、内容平台等实际业务中，商品库动辄百万量级，如何为每位用户从海量商品中迅速召回个性化、高相关的候选商品，是推荐系统最基础也最关键的一环。 如果只依赖商品的原始属性（如标题、描述）匹配，不仅难以刻画深层语义，还会因为暴力检索计算巨大，难以支撑在线业务实时性需求。
2025/6/10大约 5 分钟
推荐系统首先收集用户的历史行为数据,然后通过预处理的方法得到用户-评价矩阵,再利用机器学习领域中相关推荐技术形成对用户的个性化推荐。有的推荐系统还搜集用户对推荐结果的反馈,并根据实际的反馈信息实时调整推荐策略,产生更符合用户需求的推荐结果。为了更好的去了解一个推荐系统，从0到1了解推荐过程，我们通过一些网上开源的数据来搭建一个推荐系统
2025/4/20大约 5 分钟
离职已有好几个月，准备写一篇关于之前在腾讯做Java开发的经历，现在来谈谈在Java领域里，在腾讯做Java开发的体验。随便写写别较真。
2025/2/25大约 6 分钟
一、mac端
mac是typec的，用了个转接头+网线直连主机，初始化的时候跟下面一致，默认都是自动的
2024/11/29大约 2 分钟