<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>知识笔记 on Somnus的博客</title><link>https://somnus.top/notes/</link><description>Recent content in 知识笔记 on Somnus的博客</description><generator>Hugo -- gohugo.io</generator><language>zh-cn</language><managingEditor>somnus0917chen@hotmail.com (Somnus)</managingEditor><webMaster>somnus0917chen@hotmail.com (Somnus)</webMaster><copyright>© 2026 Somnus</copyright><lastBuildDate>Fri, 15 May 2026 22:42:47 +0800</lastBuildDate><atom:link href="https://somnus.top/notes/index.xml" rel="self" type="application/rss+xml"/><item><title>Llm04 Position Encoding</title><link>https://somnus.top/notes/llm04-position-encoding/</link><pubDate>Fri, 15 May 2026 22:42:47 +0800</pubDate><author>somnus0917chen@hotmail.com (Somnus)</author><guid>https://somnus.top/notes/llm04-position-encoding/</guid><description>&lt;h2 class="relative group"&gt;位置编码
 &lt;div id="位置编码" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%bd%8d%e7%bd%ae%e7%bc%96%e7%a0%81" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;卷积具有局部性，天然地会注意元素之间的相对位置，但是基于自注意力的transformer模型则对位置不敏感，因此必须要把元素的位置信息在embedding阶段传给元素。
比如：&lt;/p&gt;</description></item><item><title>LLM03 Tokenizer</title><link>https://somnus.top/notes/llm03-tokenizer/</link><pubDate>Sat, 09 May 2026 17:02:18 +0800</pubDate><author>somnus0917chen@hotmail.com (Somnus)</author><guid>https://somnus.top/notes/llm03-tokenizer/</guid><description>&lt;h2 class="relative group"&gt;为什么要有tokenizer
 &lt;div id="为什么要有tokenizer" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%b8%ba%e4%bb%80%e4%b9%88%e8%a6%81%e6%9c%89tokenizer" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;tokenizer的作用是把文本序列转换成数字序列，即token编号，作为transformer的输入。&lt;/p&gt;</description></item><item><title>LLM02 Transformer</title><link>https://somnus.top/notes/llm02-transformer/</link><pubDate>Fri, 08 May 2026 18:26:47 +0800</pubDate><author>somnus0917chen@hotmail.com (Somnus)</author><guid>https://somnus.top/notes/llm02-transformer/</guid><description>&lt;h1 class="relative group"&gt;transformer
 &lt;div id="transformer" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#transformer" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h1&gt;
&lt;p&gt;transformer是在这篇&lt;a href="https://arxiv.org/abs/1706.03762" target="_blank" rel="noreferrer"&gt;attention is all you need&lt;/a&gt;中提出来的。&lt;/p&gt;</description></item><item><title>LLM01 Self Attention</title><link>https://somnus.top/notes/llm01-self-attention/</link><pubDate>Fri, 08 May 2026 18:23:20 +0800</pubDate><author>somnus0917chen@hotmail.com (Somnus)</author><guid>https://somnus.top/notes/llm01-self-attention/</guid><description>&lt;h2 class="relative group"&gt;attention
 &lt;div id="attention" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#attention" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;注意力机制，最早是在机器翻译论文**&lt;a href="https://arxiv.org/abs/1409.0473" target="_blank" rel="noreferrer"&gt;Neural Machine Translation by Jointly Learning to Align and Translate&lt;/a&gt;**中提出来的，他的核心是，用一个东西产生的query，去key/value中查询需要的东西。在上述论文中encoder-decoder attention的结构中。&lt;/p&gt;</description></item><item><title>Fastgpt初体验1</title><link>https://somnus.top/notes/fastgpt%E5%88%9D%E4%BD%93%E9%AA%8C1/</link><pubDate>Tue, 14 Apr 2026 17:18:43 +0800</pubDate><author>somnus0917chen@hotmail.com (Somnus)</author><guid>https://somnus.top/notes/fastgpt%E5%88%9D%E4%BD%93%E9%AA%8C1/</guid><description>&lt;blockquote&gt;&lt;p&gt;最近刚刚入职了某小厂，作为ai实习生，也是开启了自己的牛马生涯。
公司的第一个任务就是做一个电商客服，我在网络上搜罗了一下可能比较成形的方案，最终决定选择使用fastgpt框架调用qwen api+千牛后台。&lt;/p&gt;</description></item><item><title>Rust学习01-所有权</title><link>https://somnus.top/notes/rust%E5%AD%A6%E4%B9%A001-%E6%89%80%E6%9C%89%E6%9D%83/</link><pubDate>Sat, 04 Apr 2026 22:39:47 +0800</pubDate><author>somnus0917chen@hotmail.com (Somnus)</author><guid>https://somnus.top/notes/rust%E5%AD%A6%E4%B9%A001-%E6%89%80%E6%9C%89%E6%9D%83/</guid><description>&lt;h2 class="relative group"&gt;Trait
 &lt;div id="trait" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#trait" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;trait（特征）是一种&lt;strong&gt;定义共享行为&lt;/strong&gt;的机制，可以理解成其他语言中的接口，相当于是不管你底层是什么数据类型，只要定义了这个trait，就一定要实现这个trait的功能。&lt;/p&gt;</description></item><item><title>Eulerproj01</title><link>https://somnus.top/notes/eulerproj01/</link><pubDate>Sun, 29 Mar 2026 20:25:05 +0800</pubDate><author>somnus0917chen@hotmail.com (Somnus)</author><guid>https://somnus.top/notes/eulerproj01/</guid><description>&lt;h3 class="relative group"&gt;p002
 &lt;div id="p002" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#p002" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h3&gt;

&lt;h4 class="relative group"&gt;题目
 &lt;div id="题目" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e9%a2%98%e7%9b%ae" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h4&gt;
&lt;p&gt;Problem 2: Even Fibonacci numbers&lt;/p&gt;</description></item><item><title>Dify初体验1</title><link>https://somnus.top/notes/dify%E5%88%9D%E4%BD%93%E9%AA%8C1/</link><pubDate>Mon, 23 Mar 2026 18:38:32 +0800</pubDate><author>somnus0917chen@hotmail.com (Somnus)</author><guid>https://somnus.top/notes/dify%E5%88%9D%E4%BD%93%E9%AA%8C1/</guid><description>&lt;h2 class="relative group"&gt;工作流介绍。
 &lt;div id="工作流介绍" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%b7%a5%e4%bd%9c%e6%b5%81%e4%bb%8b%e7%bb%8d" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;&lt;figure&gt;&lt;img
 class="my-0 rounded-md"
 loading="lazy"
 decoding="async"
 fetchpriority="low"
 alt=""
 src="https://somnusblog.oss-cn-shanghai.aliyuncs.com/images/%E6%94%BF%E5%8A%A1%E5%88%86%E6%9E%90-whole-workflow%20%281%29.png"
 &gt;&lt;/figure&gt;

工作流整体如图所示。&lt;/p&gt;</description></item></channel></rss>