https://www.gravatar.com/avatar/7a0c24f697ea1587001c36d00039b60f?s=240&d=mp

Docker多阶段构建实战:让你的Go镜像缩小90%

为什么你的Docker镜像那么大?

很多团队在容器化Go应用时,都会遇到一个典型问题:明明Go编译出的是静态二进制文件,镜像却有几百MB甚至超过1GB。

这通常是因为直接使用了 golang 官方镜像作为运行时基础镜像。一个基础的 golang:1.22 镜像大约 800MB,而实际的Go二进制可能只有 10-20MB。多出来的都是不必要的编译工具链、源代码和包管理器缓存。

LangChain + ChromaDB 实战:构建本地知识库 RAG 问答系统

前言

大语言模型(LLM)虽然强大,但存在两个核心痛点:知识截断幻觉问题。模型的训练数据有截止日期,且无法准确回答其训练数据之外的问题。RAG(Retrieval-Augmented Generation,检索增强生成)正是解决这两个问题的关键技术——它让模型在回答问题前,先从你提供的知识库中检索相关信息,再基于这些信息生成回答。

Docker多阶段构建实战:优化镜像大小与构建速度的完整指南

前言

在日常开发中,你是否遇到过这样的问题:

  • Docker 镜像动辄几个 GB,拉取部署要等好几分钟
  • 每次构建都要重新安装所有依赖,CI/CD 流水线慢得让人抓狂
  • 构建环境和运行环境混在一起,镜像里塞了大量不需要的工具

这些问题的根源在于:构建产物和运行环境没有分离。Docker 的多阶段构建(Multi-stage Build)正是为解决这一痛点而生的利器。本文将通过三个真实语言栈的案例,带你掌握这一核心技术。

用Python+LangChain从零搭建RAG系统:让大模型读懂你的私有文档

为什么需要RAG?

大语言模型(LLM)虽然强大,但它有一个致命短板——知识截止日期。ChatGPT不知道你公司上周发布的内部文档,Claude不了解你项目特有的业务逻辑。直接让LLM回答私有领域的问题,轻则答非所问,重则一本正经地胡说八道。

2023 11 08 阿里云Linux更新docker

前言

我的系统信息:

1
2
3
Distributor ID:	AlibabaCloud(AliyunLinux)
Description:	Alibaba Cloud Linux (Aliyun Linux) release 2.1903 LTS (Hunting Beagle)
Release:	2.1903

aliyun linux 2实际对应的是centos7。默认的docker版本是Docker version 1.13.1, build 7d71120/1.13.1,这个版本已经很老旧了,无法兼容一些新的容器。所以升级是非常有必要的。