Jerry_FaGe's Blog

🥧本文汇总 Markdown 格式以及外挂标签在网页端的渲染效果，可作为文档进行查询

每次写完一篇博客，在本地 hexo s 预览完觉得没问题了，还得手动敲一遍 hexo g && hexo d，等它慢慢推到 GitHub 上……说实话，烦死了。有几次我写完文章都凌晨两点了，敲完部署命令就去睡了，第二天起来发现 TM 的部署失败了，原因是本地 Node 版本跟远程不一致，生成的页面样式全崩了。 后来我寻思，这玩意儿不就是 CI/CD 最典型的场景吗？push 代码 → 自动构建 → 自动部署。GitHub Actions 免费额度够用，配一次永久生效，咱就搞起来吧。 为什么要自动化部署先说说我之前手动部署的痛苦： 本地环境不稳定 —— 我电脑上装了 Node 16、18、20 三个版本（用 nvm 管理的），有时候切错版本，hexo generate 直接报错 忘记部署 —— 有好几次文章写完了，commit 推上去了，结果忘了 hexo d，过了两天才发现博客上还是旧内容 换电脑就抓瞎 —— 出去玩的时候用笔记本写文章，结果那台机器没装 Hexo 环境，还得现装 用 GitHub Actions 的话，这些问题统统不存在了。只要 gi ...

之前写了篇 Docker 配代理的文章，把 Docker 拉镜像慢的坑给填了。这次来聊聊一个更实际的话题——咋把 Python 项目正经地 Docker 化部署。 说实话，刚开始搞 Docker 的时候，我写的 Dockerfile 那叫一个粗糙，镜像动辄 1G+，构建还贼慢。后来踩了不少坑，才算摸出一套相对靠谱的写法。今天就从基础到进阶，一次性给大伙儿捋清楚。 一个最基础的 Dockerfile咱先从最简单的来，假设你有个 Python 项目，结构大概长这样： 123456my-project/├── app/│ ├── __init__.py│ └── main.py├── requirements.txt└── Dockerfile 最基本的 Dockerfile 写法： 12345678910FROM python:3.10-slimWORKDIR /appCOPY requirements.txt .RUN pip install --no-cache-dir -r requirements.txtCOPY . .CMD ["python", ...

之前写了篇 frp 内网穿透的教程，当时是直接把 frps 二进制文件丢服务器上用 systemd 管理的。后来寻思这玩意儿能不能用 Docker 跑，一来方便管理不怕环境搞乱，二来换服务器的时候 docker-compose up -d 一行命令就搞定了不用重新配。折腾了一下发现还真挺好使，搞了个精简镜像才不到 30M，干脆开个仓库记录一下。 仓库地址：https://github.com/Jerry-FaGe/frps-docker 先决条件 Docker Docker Compose 一台有公网 IP 的服务器（云服务器就行） 为什么用 Docker 跑 frps直接跑二进制文件有啥问题呢？倒也不是不行，就是有点烦： 环境依赖 —— 虽然 frps 本身是静态编译的没啥依赖，但你想改配置、看日志、管理进程，还是得手动搞 systemd service 文件 升级麻烦 —— 每次升级得手动下载、解压、替换文件、重启服务 ...

在日常使用 Docker 的过程中，我们可能会遇到需要通过代理服务器来进行网络通信的情况。例如，在构建 Docker 镜像、运行容器或者下载 Docker 镜像时，可能需要配置代理以访问外部网络。下面我们将详细介绍在这三种情况下如何配置代理。 构建镜像 docker build 的时候，使用 --build-arg 参数配置代理 Docker 容器运行的时候，需要设置宿主机 docker 的 config.json 文件来设置代理。 下载镜像 docker pull 的时候，使用的 Docker 服务的环境变量来设置 dockerd 进程的代理。 1. 构建镜像 docker build 时构建镜像的时候跟别的环境都是隔离的，所以要通过命令行参数 --build-arg 来传递代理配置给 docker build 命令。 12345docker build . \ --build-arg "HTTP_PROXY=http://proxy.example.com:7890" \ --build-arg "HTTPS_PROXY=http://prox ...

之前搭了个 frp 把本地的 stable-diffusion-webui 暴露到公网上，当时在那篇隐藏 cmd 窗口的文章里简单提了一嘴 frp，但没细讲怎么配。后来有不少同学私信问 frp 咋搭的，干脆写一篇从零开始的完整教程吧。 本文基于 frp v0.52.0+ 版本，使用 TOML 格式配置文件。旧版的 INI 格式（frps.ini / frpc.ini）已经不推荐使用了，新功能只能在 TOML/YAML/JSON 格式下生效。 什么是内网穿透？简单说，内网穿透就是让外网能访问你局域网里的设备。你家的电脑在路由器后面，没有公网 IP，外面根本连不进来。frp 就是干这事的——你有一台带公网 IP 的服务器当中转，把流量转发到你内网的机器上。 frp 的架构frp 分两个角色： frps（Server）：部署在有公网 IP 的服务器上，负责接收外部请求并转发 frpc（Client）：部署在你的内网机器上，负责把本地服务注册到 frps 上 1外网用户 --> 公网服务器(frps) --> 内网机器(frpc) --&g ...

之前一直在用线上的 Stable Diffusion 服务，生图速度嘛……懂的都懂，排队排到天荒地老。想着本地部署一个，毕竟咱有张 N 卡，不用白不用对吧？结果好家伙，这一部署直接给我整破防了，踩的坑比我画的二次元老婆还多。今天就把这些坑都记录下来，希望能帮到后面入坑的兄弟们。 前期准备在开始之前，先确认一下你的环境： 操作系统：Windows 10 / 11 显卡：NVIDIA 显卡（GTX 1060 6G 及以上，显存至少 4GB，推荐 8GB+） Git：Git for Windows Python：强烈推荐 Python 3.10.6，不要用 3.11 或更高版本！ 坑点一：Python 版本千万别选最新的！ 我一开始装的 Python 3.11，好家伙，后面 pip install 的时候各种报错，torch 和 xformers 的版本对不上，折腾了半天才发现是 Python 版本的锅。AUTOMATIC1111 的 WebUI 官方推荐的就是 Python 3.10.6，别问我为什么不用最新的，问就是血泪教训。 安装 Python 的时候记得勾选 Add ...

前言好家伙，OpenAI 这帮人真的是不让人睡觉。6月13号大半夜的，我又收到了那封熟悉的邮件——「OpenAI API Updates」。点开一看，好嘛，GPT-4 和 GPT-3.5 Turbo 都更新了，还降了价，但这都不是重点。重点是一个叫 Function Calling 的新功能。 之前写了那篇 ChatGPT API 初体验，当时就吐槽过 ChatGPT 不能直接调外部接口，输出的格式也不好控制。现在 OpenAI 直接给你整了个大活——让模型学会「打电话」叫函数了。 二话不说，赶紧来试一波。 Function Calling 到底是啥？说人话就是：你给 ChatGPT 一堆函数的「说明书」，它看完之后，当你问它问题的时候，它会告诉你：「兄弟，你应该调这个函数，参数给你准备好了」。 举个栗子🌰： 你问：「今天北京天气咋样？」 ChatGPT 回你：「你去调 get_current_weather 这个函数吧，location 填 北京」 你拿到参数，调你的天气 API，把结果扔回给 ChatGPT ChatGPT 再用自然语言把天气告诉你 是不是有种「我全都要」 ...

OpenAI 大半夜 4 点给我发邮件说 ChatGPT 使用的模型 gpt-3.5-turbo 的 API 开放了，好家伙赶紧试试。 生成 API Key调用 API 需要 API Key ，前提是你得有个 OpenAI 的账号，咋注册就不在这说了教程一大把。 打开这个页面，点击 Creat new secret key 。 弹出的窗口里就是你的 API Key ，复制出来找个地方妥善保存，因为这个 key 就只会显示这一次，关掉了这个弹框你就再也找不到完整的 key 了，如果不及时保存就只能删除目前这个再重新生成一个。 编写代码咋装 Python 啥的咱就不讲了，先装个包 1pip install openai 当然不用这个包也行，随便用个请求库比如 requests，在请求头里写上 "Authorization": "Bearer 你的API Key" post 方式直接请求 API 地址。 代码： 123456789101112131415161718192021222324252627282930313233343536 ...

命令行程序配置 Windows 开机自启动并隐藏启动时的 cmd 窗口