常用的 MCP 配置记录
常用的 MCP 配置记录 什么是 MCP？ MCP (Model Context Protocol) 是一种为 AI 助手提供扩展功能的协议，通过这些服务，AI 可以执行更复杂的任务，如文件操作、浏览器自动化、时间处理等。 MCP 服务器市场 MCP 服务器市场提供了丰富的扩展服务，以下是一些主要的 MCP 服务器来源： windsurf内置MCP市场 Modelscope MCP市场 MCP Server Finder 常用 MCP 服务 1. Playwright Playwright 是一个强大的浏览器自动化工具，用于执行网页操作、截图、表单填写等任务。它支持多种浏览器（Chromium、Firefox、WebKit），可以模拟真实用户的浏览器行为，非常适合自动化测试和数据采集。 2. Excel Excel MCP 服务可以直接操作 Excel 文件，包括读取、写入、格式化等功能。特别值得注意的是，配置中设置了 EXCEL_MCP_PAGING_CELLS_LIMIT 为 4000，这样可以处理更大规模的表格数据，避免因数据量过大而导致的性能问题。 3....
Opencode 配置技巧
OpenCode 配置技巧 什么是 OpenCode？ OpenCode 是一款功能强大的 AI 代码助手，它可以帮助开发者更高效地编写代码、解决问题、理解代码库等。通过合理的配置，OpenCode 可以成为你开发过程中的得力助手。 Oh-My-OpenCode 插件安装 安装步骤 使用 pnpm 安装 12345# MacOSpnpm add -g oh-my-opencode# Linuxpnpm add -g oh-my-opencode-linux-x64 安装后，可执行文件路径在：~/.local/share/pnpm/oh-my-opencode 配置插件 1oh-my-opencode install MCP 配置 官方文档 MCP配置文档：https://opencode.ai/docs/mcp-servers/ 配置示例 opencode的mcp配置和cursor/windsurf不一样，需要指定一个type字段，指定local、remote，还有一个enabled字段，用来控制是否启用该服务。另外，并没有args字段，而是直接在command...
Synology Docker常用命令以及问题解决
服务常用命令 查询服务状态 1234567$ sudo systemctl status -l pkg-Docker-dockerd.service● pkg-Docker-dockerd.service - Docker Application Container Engine Loaded: loaded (/usr/local/lib/systemd/system/pkg-Docker-dockerd.service; static; vendor preset: disabled) Active: active (running) since Mon 2025-06-16 01:06:55 CST; 8h ago Docs: https://docs.docker.com Main PID: 17391 (dockerd) Memory: 472.0M 从输出可以看得出配置文件路径: /usr/local/lib/systemd/system/pkg-Docker-dockerd.service 查询日志 1sudo journalctl -xe...
整理一下mcp和prompts相关的资料
mcp相关 glama https://github.com/punkpeye/awesome-mcp-servers https://glama.ai/mcp/servers smithery https://smithery.ai/ dart mcp server https://github.com/its-dart/dart-mcp-server prompts相关 cursor提示词库 https://cursor.directory/ cursor memory bank https://gist.github.com/ipenywis/1bdb541c3a612dbac4a14e1e3f4341ab
微调Qwen2.5 VL-7B-Instruct
简介 记录训练通义千问Qwen2.5 VL-7B-Instruct模型Lora的一些主要步骤和命令。任务简单来说就是质检，微观结构的判定。 环境准备 租用AutoDL服务器，远程ssh。 硬件配置 GPU: H20-NVLink(96GB) * 1 CPU: 20 vCPU Intel® Xeon® Platinum 8457C RAM: 200GB 费用 ￥7.98/时 软件依赖 PyTorch 2.5.1 Python 3.12(ubuntu22.04) CUDA 12.4 ssh配置 配置端口映射和ssh私钥登陆, 将swift/tensorboard/vllm/ollama等选择性映射到本机 123456789Host autodl HostName xxxx User root Port xxxxx IdentityFile ~/.ssh/xxxxx LocalForward 0.0.0.0:7860 localhost:7860 LocalForward 0.0.0.0:6006 localhost:6006 LocalForwa...
记录旧笔记本数据迁移过程
迁移旧笔记本数据 背景 换了一台m4 mbp做便携开发机，淘汰掉旧的msi 7700+1060，把重要资料备份，然后删了数据重新格式化，然后挂咸鱼。 迁移步骤 scoop应用列表 MSI上安装了这堆scoop应用，不管有没有用，先mark着。 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051Name Version Source Updated Info---- ------- ------ ------- ----7zip 24.09 main 2024-12-09 00:40:23adb 35.0.2 main 2024-12-09 00:40:26adopt8-hotsp...
记录一下最近的Shell配置和工具
CLI tools atop: 监控系统资源使用情况(偏IRQ) btop: 监控系统资源使用情况(好看) fzf: 模糊查找 zsh 安装 1brew install zsh Oh My Zsh 1sh -c "$(curl -fsSL https://raw.githubusercontent.com/ohmyzsh/ohmyzsh/master/tools/install.sh)" powerlevel10k主题 定制PS1 1git clone --depth=1 https://github.com/romkatv/powerlevel10k.git ${ZSH_CUSTOM:-$HOME/.oh-my-zsh/custom}/themes/powerlevel10k zsh-autosuggestions 自动建议，右键补全，alt+右键补单词 1git clone https://github.com/zsh-users/zsh-autosuggestions ${ZSH_CUSTOM:-~/.oh-...
记第一次LoRA训练
记第一次LoRA训练 这两天断断续续的在了解一些关于LLM fine-tuning和LoRA训练的知识，但是一直还没上手实践，感觉眼睛学会了个7、8成。 就在刚才到处逛看到一个叫伶荔的project，一看owner好家伙是深圳大学计算机视觉研究所，母校。 洗澡前打算交点活给GPU干，于是想让它训练一个LoRA。数据集就用Linly提到的instructions，我只取了其中的CSL部分。 原本打算基于Llama-2 13B GQPT模型训练，但是它报错，训练GPTQ模型的LoRA需要一个叫monkeypatch的包。这个包装不上 123 except ImportError, e: ^^^^^^^^^^^^^^SyntaxError: multiple exception types must be parenthesized 好像是太老了，新python已经不支持except这种写法。急着洗澡没去仔细研究，于是换了个vicuna-13b-v1.3-hf，可以跑起来，就走开了。 洗澡真是个彻底放松的时间，sparks of inspiration co...
Stable diffusion上手试玩
Stable diffusion上手试玩 前几天尝试搭了个Stable diffusion webui，可以说整个过程十分简单，很傻瓜化，只碰到了一个pip安装问题，从issue也找到了解决方式。 然后抄了c站上的prompt，尝试画甘雨 其他画的一些感觉还不错的图
K-means与KNN
K-means 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162import numpy as npimport matplotlib.pyplot as pltdef kmeans(x, k, norm=2): # n samples n = x.shape[0] if n < k: raise "len(x) < k" y = np.ones(n) * -1 centroid_idx = np.linspace(0, n - 1, int(n / (n / k)), dtype=int) centroid = x[centroid_idx, :] updated = -1 distance = np.zeros(k) epoch = 0 while updated != 0 and epoc...