怎样选择成长股 读书笔记(一)
文章目录
- 第一章 成长型投资的困惑
- 一、市场不可预测性的本质困惑
- 二、成长股的筛选悖论
- 三、管理层评估的认知盲区
- 四、长期持有与估值波动的博弈
- 五、实践中的认知升级路径
- 总结:破解困惑的行动框架
- 第二章 如何阅读应计制利润表
- 一、应计制利润表的本质与核心原则
- 1. 权责发生制基础
- 2. 与现金制的差异
- 二、分析工具:防御型与激进型利润表
- 1. 防御型利润表(保守视角)
- 2. 激进型利润表(成长视角)
- 三、常见陷阱与识别方法
- 1. 利润粉饰手段
- 2. 五步排雷法
- 四、实战应用与案例分析
- 1. 箭牌公司经典案例(网页1)
- 2. 宁德时代成长性验证
- 五、延伸学习建议
- 第三章 激进型投资者和防御型投资者
- 一、核心理念与底层逻辑
- 1. 目标分野
- 2. 财务分析基础
- 二、核心分析工具与指标
- 1. 盈利能力图
- 2. 五步快速测试法
- 三、投资策略对比与适配场景
- 四、实战案例解析
- 1. 戴尔电脑的成长验证
- 2. 宁德时代的双重验证
- 五、常见认知误区与修正
- 1. 误区一:高股息=安全
- 2. 误区二:小公司才有成长性
- 3. 误区三:短期高增长=长期价值
- 总结:策略选择与能力匹配
第一章 成长型投资的困惑
关于《怎样选择成长股》第一章“成长型投资的困惑”,结合书中核心观点与投资实践中的关键矛盾,以下从五个维度为你解读这一章节的深层逻辑与应对策略:
一、市场不可预测性的本质困惑
费舍开篇即点明金融市场的混沌特性:五种力量(商业周期、利率趋势、政府政策、通胀预期、技术革新)交织作用,形成难以预测的价格波动。例如:
-
技术颠覆的不可控性:如诺基亚无法预见苹果的崛起(案例源自通信行业迭代史)
-
周期判断的滞后性:商品价格顶部/底部往往事后才被验证(如铜价在2020年疫情后的V型反转)
核心启示:投资者需跳出短期预测陷阱,转而关注企业内生增长力,正如费舍强调的“真金不怕火炼”——优质成长股能穿越周期波动。
二、成长股的筛选悖论
书中指出投资者常陷入两类误区:
-
- 伪成长陷阱:误将短期高增长等同于持续价值创造(如2015年A股“互联网+”概念泡沫)
-
- 规模偏见:认为只有小公司才有高成长性(实则如苹果、微软等巨头仍能保持长期增长)
破解方法:费舍提出双重验证体系:
-
定量维度:连续3年营收增速>15%、利润率>行业均值(参考宁德时代2017-2020年数据)
-
定性维度:管理层研发投入决心(如华为年研发占比超20%)、销售网络壁垒(如海天味业覆盖全国的经销商体系)
三、管理层评估的认知盲区
第一章隐含一个关键矛盾:如何穿透财报表象判断管理层真实能力?费舍的解决方案是:
-
- 侧面信息收集:通过供应商账期、员工满意度(如脉脉匿名区舆情)、客户复购率等非财务指标交叉验证
-
- 行为一致性检验:观察高管是否言行一致(如董明珠坚持“不裁员”承诺与格力业绩的关联)
警示案例:某光伏企业董事长学历造假事件,暴露单纯依赖公开信息的风险。
四、长期持有与估值波动的博弈
投资者常困惑于高市盈率是否值得买入。费舍的应对策略是:
-
动态估值模型:若未来3年利润复合增速>30%,60倍PE可能被消化(参考药明康德2018-2021年估值变化)
-
持有条件:持续跟踪研发转化率(如恒瑞医药PD-1药物收入占比)、销售效率(存货周转天数缩短)
关键原则:宁可支付合理溢价买入优质股,也不贪便宜买平庸企业。
五、实践中的认知升级路径
针对初学者的困惑,费舍在第一章埋下方法论伏笔:
-
- 从“预测市场”转向“理解企业”:放弃判断宏观周期,聚焦企业护城河(如茅台的品牌溢价)
-
- 建立“排除法”思维:运用“十不要”原则过滤风险(如规避应收账款增速>营收增速的企业)
-
- 培养产业洞察力:通过产业链暗访(如调研硅料贸易商判断光伏景气度)获取一线情报
总结:破解困惑的行动框架
困惑类型 | 应对工具 | 典型案例参考 |
---|---|---|
市场波动焦虑 | 企业内生增长力模型 | 贵州茅台穿越牛熊 |
管理层信任危机 | 非财务信息交叉验证 | 格力电器治理结构优化 |
估值判断困境 | 动态PE-Growth模型 | 宁德时代戴维斯双击 |
行业趋势误判 | 产业链上下游调研法 | 新能源车电池供需分析 |
这一章的价值在于揭示:真正的成长型投资不是寻找“完美答案”,而是建立应对不确定性的系统方法论。正如费舍所言:“我要的是能翻十倍的利润,并愿意为此等待。”
第二章 如何阅读应计制利润表
关于《怎样选择成长股》第二章“如何阅读应计制利润表”,结合书中核心内容和相关文献,以下从原理、分析工具、常见陷阱及实践方法四个维度进行解读:
一、应计制利润表的本质与核心原则
1. 权责发生制基础
应计制利润表遵循权责发生制原则,收入与费用的确认以经济活动发生为依据,而非现金收付时间。例如:
-
收入确认:产品交付或服务完成时计入,如杂志订阅费需按季度分摊(网页1的《国家地理》案例)
-
费用匹配:费用与对应收入同期确认,如设备折旧需分摊至使用周期
2. 与现金制的差异
应计制更注重经营活动的完整周期,能反映企业长期盈利能力,但可能因会计政策调整导致利润与现金流偏离。例如:
- 高应计利润但低现金流的企业可能存在应收账款风险(如网页3提到的“粉饰信息”问题)
二、分析工具:防御型与激进型利润表
1. 防御型利润表(保守视角)
-
核心逻辑:关注企业自给自足能力,一次性扣除资本支出和并购费用,验证企业是否依赖外部融资
-
指标计算:
防御型利润 = 经营性现金流 - 资本支出 - 并购支出
-
应用场景:适合厌恶风险的投资者,如传统制造业企业需验证设备更新资金是否内生
2. 激进型利润表(成长视角)
-
核心逻辑:评估企业价值创造能力,将研发、广告等费用资本化为资产,计算资产收益率(ROE)
-
关键指标:
激进型利润 = 息税前利润(EBIT) / 总资产
(若>18%则为优质标的,>30%则具备高成长性) -
应用场景:科技企业需关注研发投入的长期转化效果(如网页3提到的无形资产比率警戒线为20%)
三、常见陷阱与识别方法
1. 利润粉饰手段
-
收入虚增:提前确认未交付订单收入(如网页3的“盈余重述”风险)
-
费用隐藏:将经营性支出资本化(如某教育公司把营销费计入长期待摊费用)
-
非经常性损失调节:通过资产减值、裁员遣散费调节利润(网页3建议关注此类异常波动)
2. 五步排雷法
费舍提出快速检验工具,5分钟内筛选优质企业:
-
审计意见:仅接受无保留意见报告
-
诉讼风险:排除存在重大未决诉讼的企业
-
无形资产比率:>20%则需警惕商誉泡沫(网页4案例)
-
产权比率:>75%提示过度依赖债务融资
-
收入增长质量:优先选择销售量驱动的增长(如网页3强调“近5年收入增速>30%”企业)
四、实战应用与案例分析
1. 箭牌公司经典案例(网页1)
-
收入确认:1891年通过发酵粉促销赠送口香糖,后续将口香糖业务独立核算,体现收入分阶段确认原则
-
费用匹配:大厦折旧费用分摊至百年使用周期,而非一次性计入成本
2. 宁德时代成长性验证
-
防御型视角:2017-2020年资本支出占经营性现金流60%,但内生增长仍支撑扩张(符合网页4的“自给自足”标准)
-
激进型视角:研发投入资本化率30%,ROE连续5年>15%(网页4的优质成长股特征)
五、延伸学习建议
若想深入掌握应计制利润表分析,可结合以下方法:
-
- 指标交叉验证:毛利率>40%+净利率>5%+ROE>15%(网页4筛选标准)
-
- 趋势对比:分析连续3-5年利润表,识别阶梯递增型盈利模式(网页3的“阶梯式图形”理论)
-
- 行业适配调整:消费行业关注销售费用率,科技行业侧重研发转化率(网页7的费用结构分析法)
通过这一章的学习,投资者能穿透会计数字表象,真正理解企业盈利质量。正如费舍所言:“利润表的价值不在于数字本身,而在于揭示企业创造价值的底层逻辑。”
第三章 激进型投资者和防御型投资者
以下从核心理念、财务分析工具、投资策略对比、实战案例及认知误区五个维度进行深度解读:
一、核心理念与底层逻辑
1. 目标分野
-
防御型投资者:以本金安全为核心,关注企业能否通过主营业务现金流实现自给自足(如箭牌公司通过经营性现金流覆盖资本支出)。
-
激进型投资者:追求超额收益,聚焦企业创造价值的能力,强调无形资产的长期转化(如辉瑞制药48亿美元研发投入的资本化处理)。
-
本质差异:防御型看重“活下去”,激进型关注“活得好”。
2. 财务分析基础
-
防御型利润表:扣除所有资本支出和营运资本投资,计算内生现金流是否覆盖经营成本(如家得宝门店扩张导致的资本支出虚高问题)。
-
激进型利润表:将研发、广告等无形支出资本化,关注资产收益率(ROE>15%)及税前资本收益率(>18%)。
二、核心分析工具与指标
1. 盈利能力图
-
通过防御型利润(横轴)与激进型利润(纵轴)绘制四象限图,判断企业盈利质量:
◦ 右上限:双正利润,优质标的(如戴尔1994-1999年业绩表现)。
◦ 左下限:双负利润,需立即止损。
-
连续两年处于右上限且趋势向上,可视为潜在成长股。
2. 五步快速测试法
-
审计意见筛选:仅接受无保留意见报告。
-
无形资产比率警戒线:>20%提示商誉泡沫风险(如安然破产前资本支出虚高)。
-
产权比率阈值:>75%提示债务依赖。
-
收入增长质量:优先选择销售量驱动增长(如戴尔订单生产模式降低存货)。
三、投资策略对比与适配场景
维度 | 防御型投资者策略 | 激进型投资者策略 |
---|---|---|
仓位配置 | 高等级债券+蓝筹股(股债比例25%-75%),极端情况优先债券 | 成长股占比超50%,侧重科技、医药等高ROE行业(如宁德时代研发资本化率30%) |
风险控制 | 规避高负债、诉讼缠身企业(如网页4剔除无形资产净值为负的公司) | 接受短期波动,但要求资产收益率>30%(如箭牌税前资本收益率38%) |
市场周期适配 | 熊市末期布局(如贵州茅台穿越周期能力) | 行业爆发期介入(如微软1990年代每股收益阶梯式增长) |
典型操作 | 定投行业龙头股(如格力电器中长线持有) | 挖掘被低估的冷门股(如格雷厄姆推荐的“非热门大公司”策略) |
四、实战案例解析
1. 戴尔电脑的成长验证
-
防御型视角:1990年代存货周转天数持续下降,经营性现金流支撑扩张。
-
激进型视角:直销模式重构供应链,1994-1999年盈利能力图右上限攀升,股价同步上涨。
2. 宁德时代的双重验证
-
防御型利润:2017-2020年资本支出占现金流60%,但内生增长仍可持续。
-
激进型利润:研发投入资本化率30%,ROE连续5年>15%。
五、常见认知误区与修正
1. 误区一:高股息=安全
- 修正:防御型更应关注留存收益再投资能力(如茅台低股息但ROE>20%)。
2. 误区二:小公司才有成长性
- 修正:巨头仍可通过技术迭代保持增长(苹果、微软案例)。
3. 误区三:短期高增长=长期价值
- 修正:需验证销售渠道壁垒(如海天味业全国经销商网络)及研发转化率(华为研发占比>20%)。
总结:策略选择与能力匹配
投资者需根据自身风险承受能力选择策略:
-
防御型:适合厌恶波动、追求稳定现金流的投资者(如退休人群)。
-
激进型:需具备产业链调研能力(如硅料贸易商暗访判断光伏景气度)及财务分析功底。
正如格雷厄姆在《聪明的投资者》中所言:“防御型避免重大错误,激进型需证明策略超越市场均值。” 无论选择何种路径,穿透财报看商业本质的能力始终是核心。
相关文章:
怎样选择成长股 读书笔记(一)
文章目录 第一章 成长型投资的困惑一、市场不可预测性的本质困惑二、成长股的筛选悖论三、管理层评估的认知盲区四、长期持有与估值波动的博弈五、实践中的认知升级路径总结:破解困惑的行动框架 第二章 如何阅读应计制利润表一、应计制利润表的本质与核心原则1. 权责…...
系统思考:个人与团队成长
四年前,我交付的系统思考项目,今天学员的反馈依然深深触动了我。 我常常感叹,系统思考不仅仅是一场培训,更像是一场持续的“修炼”。在这条修炼之路上,最珍贵的,便是有志同道合的伙伴们一路同行࿰…...
并行发起http请求
1. 使用 axios Promise.all <template><input type"file" multiple change"handleFileUpload" /> </template><script> import axios from axios;export default {methods: {async handleFileUpload(event) {const files event…...
【数据结构入门训练DAY-31】组合的输出
本文介绍了如何使用深度优先搜索(DFS)算法解决数的组合问题。题目要求从1到n的自然数中选取r个数,输出所有可能的组合,并按字典顺序排列。文章详细描述了解题思路,包括建立数组存储数字、使用DFS递归处理候选数、以及如…...
leetcode0815. 公交路线-hard
1 题目: 公交路线 官方标定难度:难 给你一个数组 routes ,表示一系列公交线路,其中每个 routes[i] 表示一条公交线路,第 i 辆公交车将会在上面循环行驶。 例如,路线 routes[0] [1, 5, 7] 表示第 0 辆公…...
花朵识别系统Python+深度学习+卷积神经网络算法+TensorFlow+人工智能
一、介绍 花朵识别系统。本系统采用Python作为主要编程语言,基于TensorFlow搭建ResNet50卷积神经网络算法模型,并基于前期收集到的5种常见的花朵数据集(向日葵、玫瑰、蒲公英、郁金香、菊花)进行处理后进行模型训练,最…...
LLM 论文精读(四)LLM Post-Training: A Deep Dive into Reasoning Large Language Models
这是一篇2025年发表在arxiv中的LLM领域论文,是一篇非常全面的综述类论文,介绍了当前主流的强化学习方法在LLM上的应用,文章内容比较长,但建议LLM方面的从业人员反复认真阅读。 写在最前面 为了方便你的阅读,以下几点的…...
网址为 http://xxx:xxxx/的网页可能暂时无法连接,或者它已永久性地移动到了新网址
这是由于浏览器默认的非安全端口所导致的,所谓非安全端口,就是浏览器出于安全问题,会禁止一些网络浏览向外的端口。 避免使用6000,6666这样的端口 6000-7000有很多都不行,所以尽量避免使用这个区间 还有在云服务器中,…...
【C++】16.继承
C三大特性:封装,继承,多态 在前面的章节中,我们讲过了封装,也就是通过类和访问修饰符来进行封装。 接下来我们就来认识一下新的特性——继承 1. 继承的概念及定义 1.1 继承的概念 继承(inheritance)机制是面向对…...
LlamaIndex 第七篇 结构化数据提取
大型语言模型(LLMs)在数据理解方面表现出色,这也促成了它们最重要的应用场景之一:能够将常规的人类语言(我们称之为非结构化数据)转化为特定的、规范的、可被计算机程序处理的格式。我们将这一过程的输出称…...
PHP API安全设计四要素:构建坚不可摧的接口防护体系
引言:API安全的重要性 在当今前后端分离和微服务架构盛行的时代,API已成为系统间通信的核心枢纽。然而,不安全的API可能导致: 数据泄露:敏感信息被非法获取篡改风险:传输数据被中间人修改重放攻击&#x…...
英语16种时态
时态应用场合格式例子一般现在时表示经常、反复发生的动作,客观事实或普遍真理主语 动词原形(第三人称单数作主语时动词加 -s/-es)The sun rises in the east.一般过去时表示过去某个时间发生的动作或存在的状态主语 动词的过去式I visited…...
使用 goaccess 分析 nginx 访问日志
介绍 goaccess 是一个在本地解析日志的工具, 可以直接在命令行终端环境中使用 TUI 界面查看分析结果, 也可以导出为更加丰富的 HTML 页面. 官网: https://goaccess.io/ 下载安装 常见的 Linux 包管理器中都包含了 goaccess, 直接安装就行. 以 Ubuntu 为例: sudo apt instal…...
什么是中央税
中央税(又称国家税)是指由中央政府直接征收、管理和支配的税种,其收入全额纳入中央财政,用于保障国家层面的财政支出和宏观调控。中央税通常具有税基广泛、收入稳定、涉及国家主权或全局性经济调控的特点。 --- 中央税的核心特征…...
AI Agent(10):个人助手应用
引言 本文聚焦AI Agent在个人助手领域的应用,探讨其如何在个人生产力提升、健康与生活管理、学习与教育辅助以及娱乐与社交互动四个方面,为用户创造价值并解决实际问题。 AI个人助手正从简单的指令执行者逐渐发展为具有自主性、适应性和个性化能力的智能伙伴。这一转变不仅…...
力扣70题解
记录 2025.5.8 题目: 思路: 1.初始化:p 和 q 初始化为 0,表示到达第 0 级和第 1 级前的方法数。r 初始化为 1,表示到达第 1 级台阶有 1 种方法。 2.循环迭代:从第 1 级到第 n 级台阶进行迭代: p 更新为前…...
2025御网杯wp(web,misc,crypto)
文章目录 miscxor10图片里的秘密被折叠的显影图纸 Cryptoeasy_rsagift**1. 礼物数学解析****最终答案** 草甸方阵的密语easy-签到题baby_rsa webYWB_Web_xffYWB_Web_未授权访问easywebYWB_Web_命令执行过滤绕过反序列化 misc xor10 ai一把梭 根据题目中的字符串和提示&#…...
【深度学习】将本地工程上传到Colab运行的方法
1、将本地工程(压缩包)上传到一个新的colab窗口:如下图中的 2.zip,如果工程中有数据集,可以删除掉。 2、解压压缩包。 !unzip /content/2.zip -d /content/2 如果解压出了不必要的文件夹可以递归删除: #…...
多模态大语言模型arxiv论文略读(六十九)
Prompt-Aware Adapter: Towards Learning Adaptive Visual Tokens for Multimodal Large Language Models ➡️ 论文标题:Prompt-Aware Adapter: Towards Learning Adaptive Visual Tokens for Multimodal Large Language Models ➡️ 论文作者:Yue Zha…...
Lua再学习
因为实习的项目用到了Lua,所以再来深入学习一下 函数 函数的的多返回值 Lua中的函数可以实现多返回值,实现方法是再return后列出要返回的值的列表,返回值也可以通过变量接收到,变量不够也不会影响接收对应位置的返回值 Lua中传…...
Linux计划任务与进程
at 命令使用方法 at 命令可在指定时间执行任务,适用于一次性任务调度。以下是基本用法: 安装 atd 服务(如未安装) # Debian/Ubuntu sudo apt-get install at# CentOS/RHEL sudo yum install at启动服务 sudo systemctl start atd…...
JavaEE--文件操作和IO
目录 一、认识文件 二、 树型结构组织和目录 三、文件路径 1. 绝对路径 2. 相对路径 四、文件类型 五、文件操作 1. 构造方法 2. 方法 六、文件内容的读写——数据流 1. InputStream概述 2. FileInputStream概述 2.1 构造方法 2.2 示例 3. OutputStream概述 3.…...
k8s的节点是否能直接 curl Service 名称
在 Kubernetes 中,节点(Node)默认情况下不能直接通过 Service 的 DNS 名称(如 my-svc.default.svc.cluster.local)访问 Service。以下是详细分析和解决方案: 1. 默认情况下节点无法解析 Service 的 DNS 名…...
Mask-aware Pixel-Shuffle Down-Sampling (MPD) 下采样
来源 简介:这个代码实现了一个带有掩码感知的像素重排下采样模块,主要用于图像处理任务(如图像修复或分割)。 论文题目:HINT: High-quality INpainting Transformer with Mask-Aware Encoding and Enhanced Attentio…...
本贴会成为记录贴
这几天有些心力交瘁了 一方面带着对互联网下行的伤心,一方面是对未来的担忧 一转眼好像就是20 21那个 可以在宿舍肆意玩手机 大学生活 可是我不小了 是个26岁的人了 时间很快 快的就好像和自己开了一个玩笑 我以为可以找到一个自己足够喜欢的 可爱的人 可是我没有 …...
redis数据结构-04 (HINCRBY、HDEL、HKEYS、HVALS)
哈希操作:HINCRBY、HDEL、HKEYS、HVALS Redis 中的哈希功能极其丰富,让您能够以类似于编程语言中对象的方式存储和检索数据。本课将深入探讨具体的哈希操作,这些操作为操作以下结构中的数据提供了强大的工具: HINCRBY 、 HDEL 、…...
python 写一个工作 简单 番茄钟
1、图 2、需求 番茄钟(Pomodoro Technique)是一种时间管理方法,由弗朗西斯科西里洛(Francesco Cirillo)在 20 世纪 80 年代创立。“Pomodoro”在意大利语中意为“番茄”,这个名字来源于西里洛最初使用的一个…...
复现MAET的环境问题(自用)
我的配置是3090,CUDA Version: 12.4 配置环境时总有冲突,解决好的环境如下 如果你的配置也是CUDA12.4,可以把下面的配置信息保存成 environment.yml 文件 然后执行下面的代码创建环境即可 conda env export > environment.yml name:…...
PDF2zh插件在zotero中安装并使用
1、首先根据PDF2zh说明文档,安装PDF2zh https://github.com/guaguastandup/zotero-pdf2zh/tree/v2.4.0 我没有使用conda,直接使用pip安装pdf2zh (Python版本要求3.10 < version <3.12) pip install pdf2zh1.9.6 flask pypd…...
第二十三节:图像金字塔- 图像金字塔应用 (图像融合)
一、引言:视觉信息的层次化表达 在数字图像处理领域,图像金字塔(Image Pyramid)作为一种多尺度表示方法,自20世纪80年代提出以来,始终在计算机视觉领域扮演着关键角色。这种将图像分解为不同分辨率层次的结构化表示方法,完美地模拟了人类视觉系统对场景的多尺度感知特性…...
一种混沌驱动的后门攻击检测指标
摘要 人工智能(AI)模型在各个领域的进步和应用已经改变了我们与技术互动的方式。然而,必须认识到,虽然人工智能模型带来了显著的进步,但它们也存在固有的挑战,例如容易受到对抗性攻击。目前的工作提出了一…...
LeetCode 高频题实战:如何优雅地序列化和反序列化字符串数组?
文章目录 摘要描述题解答案题解代码分析编码方法解码方法 示例测试及结果时间复杂度空间复杂度总结 摘要 在分布式系统中,数据的序列化与反序列化是常见的需求,尤其是在网络传输、数据存储等场景中。LeetCode 第 271 题“字符串的编码与解码”要求我们设…...
leetcode 15. 三数之和
题目描述 代码: class Solution { public:vector<vector<int>> threeSum(vector<int>& nums) {sort(nums.begin(),nums.end());int len nums.size();int left 0;int right 0;vector<vector<int>> res;for(int i 0;i <len…...
HTML难点小记:一些简单标签的使用逻辑和实用化
HTML难点小记:一些简单标签的使用逻辑和实用化 jarringslee 文章目录 HTML难点小记:一些简单标签的使用逻辑和实用化简单只是你的表象标签不是随便用的<div> 滥用 vs 语义化标签的本质嵌套规则的隐藏逻辑SEO 与可访问性的隐形关联 暗藏玄机的表单…...
Linux : 31个普通信号含义
Linux : 31个普通信号 信号含义特殊的两个信号 信号含义 信号编号信号名信号含义1SIGHUP如果终端接口检测到一个连接断开,则会将此信号发送给与该终端相关的控制进程,该信号的默认处理动作是终止进程。2SIGINT当用户按组合键(一般…...
软件测试都有什么???
文章目录 一、白盒测试(结构测试)二、黑盒测试(功能测试)三、灰盒测试四、其他测试类型五、覆盖准则对比六、应用场景 软件测试主要根据测试目标、技术手段和覆盖准则进行分类。分为白盒测试、黑盒测试、灰盒测试及其他补充类型 一…...
LangGraph框架中针对MCP协议的变更-20250510
MCP(Model Context Protocol)的出现为AI Agent与外部工具及数据源的集成提供了标准化接口,而LangGraph作为基于LangChain的智能体开发框架,在MCP协议的影响下也进行了适配性调整,主要体现在工具调用、异步交互和多步推…...
YashanDB(崖山数据库)V23.4 LTS 正式发布
2024年回顾 2024年11月我们受邀去深圳参与了2024国产数据库创新生态大会。在大会上崖山官方发布了23.3。这个也是和Oracle一样采用的事编年体命名。 那次大会官方希望我们这些在一直从事在一线的KOL帮助产品提一些改进建议。对于这样的想法,我们都是非常乐于合作…...
二、transformers基础组件之Tokenizer
在使用神经网络处理自然语言处理任务时,我们首先需要对数据进行预处理,将数据从字符串转换为神经网络可以接受的格式,一般会分为如下几步: - Step1 分词:使用分词器对文本数据进行分词(字、字词);- Step2 构建词典:根据数据集分词的结果,构建…...
git 报错:错误:RPC 失败。curl 28 Failed to connect to github.com port 443 after 75000
错误:RPC 失败。curl 28 Failed to connect to github.com port 443 after 75000 ms: Couldnt connect to server致命错误:在引用列表之后应该有一个 flush 包 方法一: 直接换一个域名:把 git clone https://github.com/zx59530…...
软考 系统架构设计师系列知识点之杂项集萃(56)
接前一篇文章:软考 系统架构设计师系列知识点之杂项集萃(55) 第91题 商业智能关注如何从业务数据中提取有用的信息,然后采用这些信息指导企业的业务开展。商业智能系统主要包括数据预处理、建立()、数据分…...
数据库的脱敏策略
数据库的脱敏策略:就是屏蔽敏感的数据 脱敏策略三要求: (1)表对象 (2)生效条件(脱敏列、脱敏函数) (3)二元组 常见的脱敏策略规则: 替换、重排、…...
Lora原理及实现浅析
Lora 什么是Lora Lora的原始论文为《LoRA: Low-Rank Adaptation of Large Language Models》,翻译为中文为“大语言模型的低秩自适应”。最初是为了解决大型语言模在进行任务特定微调时消耗大量资源的问题;随后也用在了Diffusion等领域,用于…...
力扣热题100之合并两个有序链表
题目 将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。 代码 方法一:新建一个链表 这里就先随便新建一个节点作为一个链表的头节点,然后每次遍历都将小的那个节点放入这个链表,遍历完一…...
Linux511SSH连接 禁止root登录 服务任务解决方案 scp Vmware三种模式回顾
创造一个临时文件 引用 scp -p 3712 atthistime.txt code11.1.1.100:/at ssh connect to host 11.1.1.100 port 22:No route to host lost connection 对方虚拟机是[rootlocalhost caozx26]# ll -d /at drwxr-xr-x. 2 root root 6 5月 11 11:10 /at sshd_config文件修改了port为…...
python实现用户登录
使用python实现用户登录,输入用户名和密码,进行验证,正确登录成功,错误登录失败,允许用户输入三次。 代码: 下面展示一些 内联代码片。 for i in range(3):username input(请输入用户名:)pas…...
信息系统项目管理师-软考高级(软考高项)2025最新(十五)
个人笔记整理---仅供参考 第十五章项目风险管理 15.1管理基础 15.2项目风险管理过程 15.3规划风险管理 15.4识别风险 15.5实施定性风险分析 15.6实施定量风险分析 15.7规划风险应对 15.8实施风险应对 15.9监督风险...
力扣-二叉树-101 对称二叉树
思路 分解问题为,该节点的左孩子的左子树和右孩子的右子树是不是同一棵树 && 该节点的左孩子的右字数和右孩子的左子树是不是同一课树 && 该节点的左右孩子的值相不相同 代码 class Solution {public boolean isSymmetric(TreeNode root) {// 层…...
07.three官方示例+编辑器+AI快速学习webgl_buffergeometry_attributes_integer
本实例主要讲解内容 这个Three.js示例展示了WebGL 2环境下的整数属性渲染技术。通过创建大量随机分布的三角形,并为每个三角形分配不同的整数索引,实现了基于索引动态选择纹理的效果。 核心技术包括: WebGL 2环境下的整数属性支持顶点着色…...
Python Day 22 学习
学习讲义Day14安排的内容:SHAP图的绘制 SHAP模型的基本概念 参考学习的帖子:SHAP 可视化解释机器学习模型简介_shap图-CSDN博客 以下为学习该篇帖子的理解记录: Q. 什么是SHAP模型?它与机器学习模型的区别在哪儿? …...