杂项 | Hical

DeerFlow 2.0 本地部署与排坑实战指南

🦌 DeerFlow 2.0 本地化部署与排坑实战指南文档维护： Hical 适用环境： Windows + Docker Desktop (企业内网管控环境) 📌 项目简介 DeerFlow 是一个强大的多智能体（Multi-Agent）协作框架，专为长时间运行的复杂自主任务设计（如自动化编码、深度调研、排障分析）。底层基于 LangGraph，支持沙盒（Sandbox）隔离执行。 🛠️ 部署前置准备由于公司终端管控策略（如 IP-Guard 等防泄密软件）可能会禁用系统 WSL (Windows Subsystem for Linux) 或拦截 C 盘挂载，建议 Docker Desktop 配置如下：禁用 WSL：若启动 Docker 报错，修改 %APPDATA%\Docker\settings.json，将 "wslEngineEnabled" 改为 false，强制使用 Hyper-V 引擎。准备代码： 1 2 3 git clone https://github.com/bytedance/deer-flow.git cd deer-flow ⚙️ 核心配置修改 (避坑指南) 为了防止在启动和编译过程中出现各种“水土不服”的报错，在执行启动命令前，请务必完成以下 5 步修改：配置根目录 .env：复制 .env.example 重命名为 .env，并在末尾追加以下关键变量： 1 2 3 4 5 6 # 大模型 Token ANTHROPIC_API_KEY=XXXXXX # 必须配置 Auth 组件的 Base URL，否则前端 SSR 渲染会报 500 错误！(端口固定为 2026) BETTER_AUTH_BASE_URL=http://localhost:2026 BETTER_AUTH_SECRET=glacier_network_super_secret_key_2026 配置大模型 config.yaml：复制 config.example.yaml 重命名为 config.yaml，配置内网模型： models: name: claude-sonnet-4-6 display_name: Claude Sonnet 4.6 (Claude Code OAuth) use: langchain_anthropic:ChatAnthropic model: claude-sonnet-4-6 api_key: $ANTHROPIC_API_KEY max_tokens: 8192 记得把系统默认的模型指向刚才配置好的这个内网模型 default_model: claude-sonnet-4-6 ...

极客专属博客搭建全记录

🚀 极客专属博客搭建全记录 (Hugo + GitHub Actions) 技术栈：Hugo (Extended版) + GitHub Pages + GitHub Actions CI/CD 主题：PaperMod (极简名片风 / 深色模式) 作者：Hical 阶段一：基础设施搭建 (域名与云端仓库) 1. 配置 DNS 域名解析在域名控制台（如腾讯云 DNSPod）添加以下记录，将域名指向 GitHub 全球 CDN 节点： A 记录：主机记录 @，记录值分别填入（官方建议填2-4个做负载均衡）： 185.199.108.153 185.199.109.153 CNAME 记录：主机记录 www，记录值填入你的 GitHub 默认分配域名（如 hical61.github.io）。 2. 创建空白 GitHub 仓库登录 GitHub，新建一个 Public 仓库，命名为你的用户名.github.io。注意避坑：创建时务必保持完全空白，绝对不要勾选生成 README 或 .gitignore，以免与本地推送产生冲突。阶段二：本地引擎组装 (Hugo 初始化) 1. 安装 Hugo 引擎（windows环境下）去 GitHub Releases 下载带 extended 和 windows-amd64 的最新版 Hugo 压缩包。解压出 hugo.exe，放入固定目录（如 D:\hugo\bin）。将该路径加入 Windows 系统的环境变量 PATH 中。在终端执行 hugo version 验证安装成功。 2. 初始化博客目录与防掉线机制在本地新建一个空文件夹作为博客源码库，打开 Git 终端执行： ...

圆桌随机算法

前言多年项目开发，总是会遇到很多随机算法场景，特别是策划要求进行权重累加且不放回抽取模式的场景。现总结一套圆桌随机算法以供参考。第 1 版 —— 基础实现第 1 版为最初版本，为了解决基本的项目需求而设计，实现了权重区间查找的核心逻辑。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 -- 圆桌随机类 g_tRoundTable = {} g_tRoundTable.__index = g_tRoundTable -- 构造函数 function g_tRoundTable:new() local instance = { items = {}, -- 保存随机项，形式： { {id=1, weight=10}, {id=2, weight=20} } totalWeight = 0, -- 权重总和 lastError = "" -- 保存最近的错误信息 } setmetatable(instance, self) return instance end -- 添加随机项 function g_tRoundTable:addItem(id, weight) if weight <= 0 then self.lastError = "Invalid weight: " .. tostring(weight) return false end table.insert(self.items, {id = id, weight = weight}) self.totalWeight = self.totalWeight + weight return true end -- 清空所有随机项 function g_tRoundTable:clearItems() self.items = {} self.totalWeight = 0 end -- 获取随机数（工具函数） function g_tRoundTable:getRandom(low, high) return math.random(low, high) -- 返回 [low, high] 间的随机数 end -- 查找随机数属于哪个区间 function g_tRoundTable:getZoneIndex(randomValue) for i, item in ipairs(self.items) do if randomValue < item.weight then return i else randomValue = randomValue - item.weight end end -- 理论上不会执行到这里 self.lastError = "Random value out of range" return 1 end -- 提取随机项 function g_tRoundTable:fetchItems(count, independent) local ntotalItems = #self.items if self.totalWeight <= 0 or ntotalItems == 0 then self.lastError = "No items to fetch from" return {} -- 空数组 end local results = {} for _ = 1, count do if self.totalWeight <= 0 or ntotalItems == 0 then break -- 如果池中没有可用项，跳出 end -- 生成随机数[0, totalWeight) local randomValue = self:getRandom(0, self.totalWeight - 1) local zoneIndex = self:getZoneIndex(randomValue) -- 添加结果 table.insert(results, self.items[zoneIndex].id) -- 如果是非独立模式，需要移除已取出的项 if not independent then self.totalWeight = self.totalWeight - self.items[zoneIndex].weight table.remove(self.items, zoneIndex) end end return results end -- 获取最近的错误 function g_tRoundTable:getLastError() return self.lastError end 第 2 版 —— 性能与功能升级后来因需求越来越复杂，要求也越来越多，比如需要频繁动态调整、需要重复抽取，且性能也急需提升，故而 2.0 版本诞生了。 ...