MySQL导入.sql文件后数据库乱码问题
本文分析了导入.sql文件后数据库备注出现乱码的原因，包括字符集不匹配、备注内容编码问题及MySQL版本或配置问题，并提供了详细的解决步骤，如检查和统一字符集设置、修改客户端连接方式、检查MySQL配置等，确保导入过程顺利。
Vanna：开源 AI 检索生成框架，自动生成精确的 SQL 查询
Vanna 是一个开源的 Python RAG（Retrieval-Augmented Generation）框架，能够基于大型语言模型（LLMs）为数据库生成精确的 SQL 查询。Vanna 支持多种 LLMs、向量数据库和 SQL 数据库，提供高准确性查询，同时确保数据库内容安全私密，不外泄。
金融行业 · 大模型挑战赛 ｜用大模型理解金融市场
2024金融行业大模型挑战赛即将开启，旨在推动大型语言模型在金融领域的应用。比赛提供金融多轮问答数据集，参赛者需使用GLM-4模型API，通过SQL、API等技术解决金融问题，涵盖数据查询、统计分析及复杂问题处理。赛事分初赛、复赛和决赛，总奖金20万元。报名时间为2024年12月2日至2025年2月6日。
数据库的行级锁与表锁？
表锁：存储引擎在SQL数据读写请求前对涉及的表加锁，分共享读锁和独占写锁，读锁阻塞写，写锁阻塞读写，易发锁冲突，并发性低。行级锁：InnoDB支持，通过索引加锁，提高并发性，但可能引起死锁，需注意索引使用，适用于避免不可重复读场景。
SQL优化方面的经验
在项目中优化SQL查询执行效率，主要从表设计、索引创建与使用三个维度考虑。表设计包括合理选择数据类型、主键设计等；索引创建关注大表、常用查询条件字段，区分度高的列优先建索引；使用时避免索引失效，利用explain检查执行计划。高级优化可采用读写分离和分库分表策略。
LLM的IDE使用一段时间后的体会
使用Windsurf开发Web应用，全程无需手写代码，仅通过自然语言交流指导大模型完成任务。初期体验流畅高效，尤其适合快速实现小规模项目。然而，面对需求变更时，代码设计易受影响，需细致指导大模型以保持良好设计。整体而言，LLM辅助编程如同结对编程中的导航员角色，用户需提升自身指导能力以发挥其最大效能。
SQLite 的挑战者
SQLite 是一款轻量级数据库，适合小微型应用程序的数据处理和计算需求，但面对复杂场景如多数据源支持、复杂计算和流程处理时存在局限。esProc SPL 作为 Java 下的数据处理引擎，不仅具备 SQLite 的优势，还克服了其不足，支持多种数据源、强大的计算能力和流程处理，更适合复杂应用场景。
PolarDB-PG AI最佳实践 1：基础能力实践
Polar_AI 是 PolarDB 数据库的 AI 扩展，集成了先进的人工智能模型和算法，使数据库能够执行机器学习和自然语言处理任务。它支持 PostgreSQL 及 Oracle 兼容版本，通过标准 SQL 轻松调用 AI 模型，具备简单易用、灵活可定制、无缝数据融合、数据安全和高性能等优势。用户可以通过 SQL 快速实现文本转向量、情感分类等功能，并能自定义扩展 AI 模型。
【赵渝强老师】PostgreSQL的运行日志文件
PostgreSQL的物理存储结构包括数据文件、日志文件等。运行日志默认未开启，需配置`postgresql.conf`文件中的相关参数如`log_destination`、`log_directory`等，以记录数据库状态、错误信息等。示例配置中启用了CSV格式日志，便于管理和分析。通过创建表操作，可查看生成的日志文件，了解具体日志内容。