最近在使用tdsql pg版时发现一个问题，因为查询语句需要进行分页，所以mybatis会自动进行一次count获取总条数来统计页数等参数，但是进行连表后一个简单的count都需要4-5秒的时间，单表count很快，连表一对一也很快，但是遇到一对多的情况就会很慢。

最近在mybatis的xml文件中写字符串判断时发现有一个字段的if判断总是不生效，但是其他的if都是生效的，最后发现是符号的问题，在xml中单引号代表单字符判断，而双引号才会代表字符串，最后修改已恢复正常。

之前在使用easyexcel的时候在网络上抄了一个自适应excel宽度的源码，但是最近在另一个项目引入的时候导出excel发现报错了。更换了csdn的新版自适应宽度的源码之后发现正常了。

在mybatis的xml配置文件中添加了一对多查询的场景，调用接口后控制台报错：No serializer found for class org.apache.ibatis.executor.loader.javassist.JavassistProxyFactory$EnhancedResultObjectProxyImpl and no properties discovered to create BeanSerializer 但是接口可以正常返回数据

由于第三方组件经常会报可能存在某些漏洞，所以需要对pom文件中引入的组件进行jar包升级，最近将logback-core和logback-classic从1.2.12升级到1.3.15时报错NoClassDefFoundError: org/slf4j/impl/StaticLoggerBinder

今天想将一台电脑中已安装的python文件夹整个拷贝出来放到另一台电脑中使用，就可以不用到官网去下载直接使用了。使用pip拉包的时候报错：Fatal error in launcher: Unable to create process using ‘“c:\users\liuqi\appdata\local\programs\python\python39\python.exe’ “c:\users\luoq\appdata\local\programs\python\python39\pip.exe”

现在有两台windows电脑 其中A电脑拥有测试环境的访问权限，B电脑有测试环境和生产环境的访问权限，由于经常需要用到生产的访问权限所以希望在B电脑搭建一个代理服务，在A电脑中设置代理电脑为B的ip，所有流量都由B进行转发访问。

MCP（Model Context Protocol）全称模型上下文协议，是由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。

在 MCP 出现之前，如果大模型需要访问外部数据的时候了，通常使用 Function Calling 的方式。Function Calling 是通过给模型预设函数描述（包括函数名、参数说明、返回值格式等），让模型在合适的时候返回一个符合结构的 JSON 格式，外部系统再解析这个 JSON，调用实际的后端函数。

但 Function Calling 的方式没有一个统一的开发规范，你开发的函数我不能用，我开发的函数你不能用，而且开发起来很麻烦，为了解决这个问题，MCP 出现了。

MCP就是AI大模型的标准化工具箱，大模型可以通过MCP调用外界的AI工具，而AI工具在开发的时候也需要遵循MCP协议。MCP 允许应用程序以标准化方式为 LLM 提供上下文，将提供上下文的问题与实际的 LLM 交互分开

我们本地的数据，例如数据库、github上的代码，需要粘贴给AI工具的对话框中，他们获取到这样的数据。有了MCP之后，可以开发一个 MCP Server 来完成某个特定的功能，例如读取数据库，操作github以及获取当前时间等。

JetBrainsIDEsCrack致力于百分百自动化离线激活JetBrains全家桶，支持激活付费插件

简介

LangChain4j 是 LangChiain 的 java 版本，

LangChain 的 Lang 取自 Large Language Model，代表大语言模型，

Chain 是链式执行，即把语言模型应用中的各功能模块化，串联起来，形成一个完整的工作流。

它是面向大语言模型的开发框架，意在封装与 LLM 对接的细节，简化开发流程，提升基于 LLM 开发的效率。