GaGa's Blog

Allure Framework 是一个开源测试报告框架，专注于生成可视化、结构化、可追溯的测试报告，广泛应用于自动化测试体系（UI/API/性能等）。

核心特点：

• 支持多语言：Java / Python / JS / .NET 等

• 多测试框架集成：

  • Python：pytest
  • Java：JUnit、TestNG

• 报告维度丰富：

  • 用例维度（feature / story / severity）
  • 步骤级（step）
  • 附件（截图 / 日志 / 请求响应）

• 历史趋势分析（CI/CD中非常关键）

Appium 是一个跨平台移动自动化测试框架，本质是：基于 WebDriver 协议，通过驱动桥接不同平台的原生自动化能力，实现统一接口控制移动设备

核心关键词：

• WebDriver（协议标准）
• Client/Server 架构
• Driver（平台适配层）
• Automation Backend（系统级自动化引擎）

1.编译

• https://www.openssl.org/source/

1
2
3
4
5
6
7
8
9

cd /usr/local/src

wget https://www.openssl.org/source/openssl-3.0.13.tar.gz
tar -xzf openssl-3.0.13.tar.gz
cd openssl-3.0.13

./config --prefix=/usr/local/openssl3
make -j$(nproc)
make install

2.配置openssl动态库

在 .toml（Tom’s Obvious, Minimal Language）配置文件中，**注释只支持一种形式：使用 #**。

1. 单行注释

1
2

# 这是一个注释
key = "value"  # 行尾注释

GGUF 是一种 大语言模型权重文件格式，主要用于 llama.cpp 生态，目的是让模型在本地推理时更容易加载、部署、量化和兼容不同运行环境。

可以理解成：

• GGML/GGJT 的后继格式

• 专门为 本地运行 LLM 设计的模型封装格式

• 常见于 .gguf 文件，例如：

  • model-q4_k_m.gguf
  • Qwen2-7B-Instruct-Q5_K_M.gguf

MariaDB 11.8 LTS 一个非常重要的新方向，就是：原生支持 Vector（向量）能力。这意味着：MariaDB 正式进入 AI / RAG / Embedding / Semantic Search 时代。

这是数据库未来几年最重要的演进方向之一，尤其适用于：

• LLM（大模型）
• RAG（检索增强生成）
• AI Agent
• Recommendation（推荐系统）
• Semantic Search（语义搜索）
• Similarity Search（相似度检索）
• Image Retrieval（图像检索）
• Multimodal（多模态）

fiddler基本功能和 fiddler everywhere 功能都差不多，但是fiddler everywhere又多了一些postman的功能，可以简单理解 fiddler everywhere = fiddler + postman。

env

• macos26
• m1
• fiddler everywhere v5.14.0

德川幕府（Tokugawa Shogunate），又称江户幕府，是日本历史上最后一个武家统治幕府。由德川家康于1603年创立，止于1867年“大政奉还”，统治时间长达264年。

一个将日本从战国时代的动乱带向长期和平、稳定与孤立的时代。

1. 核心政治体制：幕藩体制

MariaDB 11.8 是 MariaDB 社区推出的一个 LTS（Long Term Support，长期支持）版本，主要面向企业生产环境，强调：

• 长期稳定性
• 企业级可维护性
• 性能优化
• 安全增强
• 云原生与现代架构支持

相较于普通 GA（General Availability）版本，LTS 更适合：

• 金融系统
• 核心业务数据库
• 高可用集群
• 云平台数据库底座
• 长周期运维场景

K-Means（K均值）是一种无监督学习算法，用于将数据划分为 (K) 个簇（Cluster）。其核心目标是：

使同一簇内的数据尽可能相似，不同簇之间尽可能不同。

本质是一个基于距离的聚类优化问题。

问题

基于git-lfs二进制安装git插件，提示异常。

• https://github.com/git-lfs/git-lfs/releases/tag/v3.7.1

解决

扩散型模型，英文 Diffusion Model，是一类生成模型，核心思想是：

先把真实数据逐步加噪声，变成纯噪声；再训练模型学会从噪声一步步还原出真实数据。

它常用于：

• 图像生成：Stable Diffusion、DALL·E 类模型
• 视频生成
• 语音生成
• 3D 生成
• 图像修复、超分辨率、风格迁移