拥抱AI,还是大剑师兰特2025年博客创作详细总结

拥抱AI,还是大剑师兰特2025年博客创作详细总结

一、2025年创作心得

2025年是我技术探索极具突破性的一年。最大的转变在于主动拥抱AI工具,将其深度融入前端开发流程——从代码生成、调试优化到文档撰写,AI不仅提升了效率,更成为我理解复杂逻辑的“思维外挂”,尤其在处理地图库的底层机制时,它帮我快速穿透迷雾。

我的技术重心依然锚定在WebGIS与三维可视化领域:

  • OpenLayers 与 Leaflet 的定制化交互逻辑更加精熟,结合 Mapbox GL JS 的矢量切片与样式能力,构建了多个高性能二维地图应用;
  • CesiumJS 成为三维地球项目的主力,深入研究了3D Tiles流式加载、自定义着色器及时空数据动态可视化;
  • Three.js 则用于轻量化场景或与Cesium融合,实现更灵活的局部三维效果。
  • 尤为欣喜的是,Blender 技能的深化带来了质变。我不再仅用它做简单建模,而是系统学习了地理空间数据导入、地形生成、PBR材质制作及动画渲染。如今,我能将Blender产出的精细3D资产无缝集成到Cesium/Three.js场景中,让数字孪生项目兼具真实感与性能。

这一年,AI是加速器,地图框架是主战场,Blender则是打通虚实的关键桥梁。站在2025年末回望,技术纵深带来的不仅是能力提升,更是对“空间智能”这一方向更笃定的信心。

二、2025年底、2024年底、2023年底,互动成绩统计与对比

2025年末,互动总成绩

注:截图时间为2025年12月29日

在这里插入图片描述

2024年末,互动总成绩

注:截图时间为2025年1月11日

在这里插入图片描述

2023年末,互动总成绩

注:截图时间为2024年1月1日

在这里插入图片描述
名称2023年(截20240101)2024年(截20250111)2025年(截20251229)
总访问量2,641,5346,964,2468,255,777
原力年榜87名3名2名
原力分数112893067939819
总文章数84716972321
作者总榜58751名55名
粉丝总数164187442292406
铁粉总数8735115
获得赞数56004637864061
被评论数40302272729532
被收藏数53004270556727
代码分享数38171847324321

2023,2024年12个月,各自文章统计

2023年一共写了598篇文章(24年删掉1篇),2024年一共写了825篇文章,2025年一共写了650篇文章

月份2023年2024年2025年
1月186654
2月1016153
3月816760
4月696716
5月206211
6月576224
7月556282
8月2253126
9月2210471
10月418854
11月586148
12月547251
全年总数597825650

三、2026年创作目标

站在2026年的起点,我为自己立下明确目标:坚持日更,全年产出至少365篇技术博客。这不仅是一场写作马拉松,更是对深度思考与持续输出的自我淬炼。每一篇文章,都将是我探索、实践与沉淀的印记。

核心方向依然聚焦于二三维地图开发应用——OpenLayers、Leaflet、Mapbox GL JS 构建高性能二维底图;CesiumJS 与 Three.js 融合打造沉浸式三维地理空间体验。但今年的关键变量是 AI 的深度融入

  • 我将系统性使用 AI 辅助开发:从智能生成地图交互逻辑、自动优化 WebGL 渲染性能,到用 LLM 解析复杂 GIS 数据规范;
  • 更要主动探索 AI 与地图的创新结合点:如基于大模型的空间语义理解、AI 驱动的动态制图、或利用生成式 AI 创建虚拟地理场景;
  • 同时,用 AI 为知识体系赋能:通过智能摘要、关联推荐和自动化测试,构建个人前端+GIS 知识图谱。

365 篇文章,意味着每天都要动手、动脑、动笔。内容可能是一段优化 Cesium 加载效率的代码片段,一次 Mapbox 自定义图层的实战复盘,或对 AI 如何重构 WebGIS 工作流的深度思考。

2026,让 AI 成为我的副驾驶,以日拱一卒的坚持,在二三维地图的数字疆域里,绘制属于这个时代的开发者坐标。

Read more

【VLM】Qwen3-VL模型架构和训练流程

【VLM】Qwen3-VL模型架构和训练流程

note * Qwen3-VL模型,提供稠密型(2B/4B/8B/32B)和混合专家型(30B-A3B/235B-A22B)两种变体。通过集成高质量的多元模态数据迭代和架构创新(如增强的交错MRoPE、DeepStack视觉-语言对齐和基于文本的时间对齐) * 其原生支持256K token的交错序列,使其能够在长复杂文档、图像序列和视频上进行稳健的推理,特别适用于现实世界应用中高保真跨模态理解的需求。Qwen3-VL系列的密集和MoE变体确保了在不同延迟和质量要求下的灵活部署,后训练策略包括非思考模式和思考模式,进一步提升了模型的应用范围。 * 数据过滤方面,去除噪声、低对齐样本,确保数据质量与多样性。 * 模型架构方面,使用DeepStack 跨层融合,提取视觉编码器多中间层特征,通过轻量残差连接注入 LLM 对应层,强化视觉-语言对齐,保留从低级到高级的丰富视觉信息。 * RoPE旋转位置编码的高低频含义: * 低频:转得慢,擅长远距离位置区分(长序列、大图、长视频等) * 高频:转得快,位置稍微一变,角度就剧变,擅长近距离精细区分(小区域、局部细

By Ne0inhk
Docker 安装 OpenClaw 报错排查:如何解决Gateway auth is set to token, but no token is configured``Missing config

Docker 安装 OpenClaw 报错排查:如何解决Gateway auth is set to token, but no token is configured``Missing config

Docker 安装 OpenClaw 报错排查:如何解决Gateway auth is set to token, but no token is configured``Missing config. Run openclaw setup``control ui requires HTTPS or localhost``Proxy headers detected from untrusted address 按错误关键词 Ctrl+F 秒搜定位,建议收藏备用! 文章目录 * Docker 安装 OpenClaw 报错排查:如何解决`Gateway auth is set to token, but

By Ne0inhk
SpringAI 大模型应用开发篇-SpringAI 项目的新手入门知识

SpringAI 大模型应用开发篇-SpringAI 项目的新手入门知识

🔥博客主页: 【小扳_-ZEEKLOG博客】 ❤感谢大家点赞👍收藏⭐评论✍ 文章目录         1.0 SpringAI 概述         1.1 大模型的使用         2.0 SpringAI 新手入门         2.1 配置 pom.xml 文件         2.2 配置 application.yaml 文件         2.3 配置 ChatClient         2.4 同步调用         2.5 流式调用         2.6 System 设定         2.7 日志功能         2.8 会话记忆功能

By Ne0inhk