Articles
225
Tags
45
Categories
23
Home
Tags
Categories
About
Archives
Fenglielie
Vibe coding 实现简单网页游戏
Back to Home
Search
Home
Tags
Categories
About
Archives
Vibe coding 实现简单网页游戏
Created
2026-01-17
|
Updated
2026-06-22
|
code
|
Word Count:
26
|
Reading Time:
1mins
记录一下通过 Vibe coding 实现的简单网页游戏。
贪吃蛇
👉 snake.html
扫雷
👉 minesweeper.html
Author:
Fenglielie
Link:
https://blog-fenglielie.pages.dev/p/141df46c/
Copyright Notice:
All articles on this blog are licensed under
CC BY-NC-SA 4.0
unless otherwise stated.
Previous
LLM 学习笔记——理论基础
这份笔记按“大模型理论学习”的场景整理，重点覆盖基础原理、关键论文、训练流程，以及训练/推理系统与硬件资源，主要回答一个问题：“LLM 为什么能工作、是怎样训练和部署出来的”。 作者并不是大模型相关专业，这里的学习笔记仍然是非常浅显的，只是希望了解一些基本概念。 毫无疑问的是，在大模型领域，实践是远远走在理论前面的，但是基础理论的缺乏并不是致命的阻碍。一个历史上的例子是：“在蒸汽机已经大规模应用的年代，热力学的重要定理一条都还没搞出来，工程师完全凭借的是经验或错误的热质说。等到这些热力学定理终于写出来时，蒸汽机已经跑了几十年甚至上百年。” 一、先建立整体框架可以先把现代大语言模型理解成一条主线： 12345Transformer 架构→ 大规模预训练→ Scaling Laws→ 指令微调与对齐→ 部署与推理优化 如果只看最核心的几件事，大语言模型之所以成功，主要是以下因素叠加： Transformer 提供了可扩展的序列建模方式。 预训练语言模型范式让模型可以先学通用能力，再适配具体任务。 海量文本和代码数据提供了足够丰富的训练信号。 自监督学习让数据规模...
Next
LLM 代码练习——API 代理
一个单文件的 OpenAI 兼容 API 代理脚本，用来转发请求到上游服务，并记录请求与响应日志，可以用来测试大模型服务。 flowchart LR; A[OpenAI 兼容客户端] -->|HTTP 请求| B[llm-proxy] B -->|转发请求| C[上游大模型服务] C -->|返回响应| B B -->|返回响应| A B -.->|记录请求与响应| D[日志文件] 用法直接运行： 1uv run llm-proxy.py --upstream-base-url https://your-upstream.example.com/v1 常用参数： --upstream-base-url：上游服务地址 --host：监听地址，默认 127.0.0.1 --port：监听端口，默认 8000 --log-dir：日志目录，默认 ./logs --upstream-timeout：上游请求超时，默认 300 llm_proxy.py 头部已内联声明依赖，uv run 会自动处理单脚本的依赖：提...
Contents
贪吃蛇
扫雷
Search
Loading Database
