Eson Wong's Blog

年度事购入的好产品推荐

为什么写，

以前追更的产品评测视频作者，如今大都由赞助商提供产品和费用，更恶劣的是有相当多的作者欺骗视频平台和观众，把视频标记为不含广告，所以他们的评测已经无法信任。

为了让中文网络上还能有真实的产品评测，我每年都会写一篇这个系列的文章。

• 2022 年我买过的最好用的商品
• 2023 年我买过的最好用的商品

下面是我 2024 年购买的亲身体验过的，并且经过了考验的最好用的商品。

拓竹 A1 3D 打印机

黑鲨无线充电宝

小米电动晾衣架

Milvus 是一个开源的向量数据库，它是为了生成式 AI 的应用设计的。它支持大规模的向量检索。

Milvus 的发音是 /ˈmil vəs/。

本文将是 Milvus 的使用入门。

HTTP Live Streaming (HLS) 是 Apple 开发的一种流媒体协议。能够根据用户的网络状况自动调整视频的清晰度。它将整个视频分成一系列小的 HTTP 文件，每个文件包含一小段视频内容。这种方式可以让视频在不同的网络环境下更加流畅地播放。

本文们将介绍如何在网页中使用实现基于 HLS 视频播放，并显示当前播放的分辨率。

最近在主导一个 AI 检索的项目，需要对检索增强生成（RAG）有所了解，下面是我对检索增强生成（RAG）的一个初浅的了解。

索增强生成（RAG）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。

检索增强生成（RAG）的原理图如下：

graph TB

  subgraph 用户交互
    Start([用户查询]):::user
    End([交互响应]):::user
  end

  subgraph 大语言模型
  end

  subgraph 知识库构建
    SD[(结构化知识库)] --> 向量化知识库 --> VD[(向量知识库)]
  end

  Start ==> 向量化用户查询 ==> 向量检索 ==> 相关知识


  Start ==> 提示词模版
  相关知识 ==> 提示词模版
  提示词模版 == 组合 ==> 模型输入

  模型输入 ==> 大语言模型 ==> 模型输出 ==> End
  相关知识 ==> End

  向量化知识库 o-.-o 大语言模型
  向量化用户查询 o-.-o 大语言模型
  向量检索 o-.-o VD
  相关知识 o-.匹配.-o SD


  classDef user fill:green,color:white

辅音字母的的读音通常是辅音字母发音的辅音部份。但是存在非常多的例外情况。

ESP-12F 是一款集成了 ESP8266EX 芯片的模块，在 ESP-12F 上 GPIO0 引脚 在 EN 引脚上升沿（从低电平到高电平）时，如果 GPIO0 引脚为低电平，ESP-12F 将进入下载模式。

最近在做 E-ink Todo List 项目，用到了 ESP8266，所以就简单的聊一下 ESP8266。

我在 Twitter 发布的一条 tweet，写了我使用了墨水屏制作了一个 Todo List，可以同步苹果提醒的全家待办列表。收到了很多推友的关注，所以我决定写一个教程，帮助大家制作一个墨水屏 Todo List。

同步服务由我开发的 einktodo.com 提供。

我在 2022 的年末写了一篇文章 2022 年我买过的最好用的商品，介绍了我 2022 年购入的我觉得最好用的商品。

在这个中文互联网自媒体觉大多数都依赖厂家推广费存活的时代，看到真实的商品评价越来越难。所以我打算每年年末都写一篇这样的文章，介绍我买过的那些我觉得好用或者每天者在使用的商品。让中文互联网上多一丝丝真实消费者的声音。

在我们的生活里，习惯就像是无声的指挥官，默默地引导着我们的行动和选择。在《Atomic Habits》这本书中，詹姆斯·克利尔（James Clear）用他洞见卓识的笔触，展现了如何通过习惯的力量来雕塑更好的自我。这本书不仅是养成好习惯的指南，更是一部自我改革的宝典，它教会我们将小变化累加成巨大的成果。