Files

T

gaoandClaude 8f47f4e9ea feat: 完善 DevOps 工具链配置和优化 Harbor 服务

- 更新 Gitea runner 配置，支持优化的 CI/CD 环境
- 完善 Harbor HTTPS 配置和远程访问支持
- 优化 Harbor 日志配置，改用 json-file 驱动
- 添加 Docker 构建加速和代理缓存脚本
- 新增完整的文档和使用指南
- 添加 AI 开发工具集成配置

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude <noreply@anthropic.com>

2025-11-03 06:39:53 +08:00

7.0 KiB

Raw Permalink Blame History

🎯 Claude-Qwen 交互式使用指南

🚀 启动交互式模式

# 方法1: 直接启动交互模式
claude-qwen chat

# 方法2: 使用完整路径
export PATH="$HOME/.local/bin:$PATH"
claude-qwen chat

# 方法3: 直接运行脚本
python3 /Users/brunogao/work/codes/tools/macos/ai/claude-qwen-interactive.py

💬 交互式界面

启动后你会看到：

🤖 Claude-Qwen Interactive Mode
==================================================
📋 模型: qwen3-coder:30b
🌐 服务: http://localhost:11434
🕐 会话: 20251030_003721
📝 历史: 0 条记录
==================================================
💡 输入 '/help' 查看命令，'/quit' 退出

🤖 Claude-Qwen>

📋 可用命令

基础命令

/help - 显示帮助信息
/quit 或 /exit - 退出程序
/clear - 清除当前会话历史

配置命令

/config - 显示当前配置
/status - 检查服务状态
/model <name> - 切换模型
/temp <0.0-1.0> - 设置温度参数
/tokens <number> - 设置最大 tokens

历史命令

/history - 显示对话历史

💡 使用示例

1. 代码生成

🤖 Claude-Qwen> 写一个 Python 函数计算斐波那契数列

🎯 这里是一个高效的斐波那契数列实现：

```python
def fibonacci(n):
    """计算斐波那契数列的第 n 项"""
    if n <= 0:
        return 0
    elif n == 1:
        return 1

    # 使用迭代方法，时间复杂度 O(n)
    a, b = 0, 1
    for _ in range(2, n + 1):
        a, b = b, a + b

    return b

# 测试
for i in range(10):
    print(f"F({i}) = {fibonacci(i)}")

这个实现比递归版本更高效，避免了重复计算。


### 2. 代码解释

🤖 Claude-Qwen> 解释这段 JavaScript 代码的作用：const users = data.filter(user => user.age >= 18);

🎯 这行 JavaScript 代码使用了数组的 filter() 方法来筛选数据：

const users = data.filter(user => user.age >= 18);

功能分解：

data.filter() - 创建一个新数组，包含通过测试的所有元素
user => user.age >= 18 - 箭头函数，测试每个用户的年龄是否 >= 18
const users - 将筛选结果存储在新变量中

结果： users 数组包含所有年龄大于等于18岁的用户对象。


### 3. 代码优化

🤖 Claude-Qwen> 帮我优化这个 SQL 查询： SELECT * FROM users WHERE name LIKE '%john%';

🎯 这里有几个优化建议：

*1. 添加具体字段（避免 SELECT ）

SELECT id, name, email, age
FROM users
WHERE name LIKE '%john%';

2. 考虑索引优化

-- 如果经常进行姓名搜索，考虑添加索引
CREATE INDEX idx_users_name ON users(name);

3. 使用全文搜索（如果支持）

-- MySQL
SELECT id, name, email, age
FROM users
WHERE MATCH(name) AGAINST('john' IN NATURAL LANGUAGE MODE);

-- PostgreSQL
SELECT id, name, email, age
FROM users
WHERE to_tsvector('english', name) @@ to_tsquery('john');

4. 考虑大小写不敏感

SELECT id, name, email, age
FROM users
WHERE LOWER(name) LIKE LOWER('%john%');


### 4. 问题解决

🤖 Claude-Qwen> 我的 Python 程序出现了 "ImportError: No module named pandas" 错误

🎯 这个错误表示 Python 无法找到 pandas 模块。解决方法：

1. 安装 pandas

pip install pandas

2. 检查虚拟环境

# 确保在正确的虚拟环境中
which pip
pip list | grep pandas

3. 重新安装（如果已安装但仍有问题）

pip uninstall pandas
pip install pandas

4. 检查 Python 路径

import sys
print(sys.path)

5. 使用完整导入测试

try:
    import pandas as pd
    print("pandas 导入成功")
    print(f"版本: {pd.__version__}")
except ImportError as e:
    print(f"导入失败: {e}")

最常见的原因是 pandas 没有安装或安装在错误的 Python 环境中。


## ⚙️ 配置管理

### 查看当前配置

🤖 Claude-Qwen> /config

⚙️ 当前配置: ollama_url: http://localhost:11434 model: qwen3-coder:30b max_tokens: 2048 temperature: 0.3


### 调整参数

🤖 Claude-Qwen> /temp 0.7 ✅ 已更新 temperature = 0.7

🤖 Claude-Qwen> /tokens 4096 ✅ 已更新 max_tokens = 4096


### 切换模型

🤖 Claude-Qwen> /model qwen2.5-coder:32b ✅ 已更新 model = qwen2.5-coder:32b


## 📊 状态监控

### 检查服务状态

🤖 Claude-Qwen> /status

🔍 服务状态检查

🌐 Ollama: ✅ 运行中 📦 模型 qwen3-coder:30b: ✅ 已安装 🎨 温度: 0.3 📏 最大 tokens: 2048 💾 历史记录: 5 条


### 查看历史记录

🤖 Claude-Qwen> /history

📝 对话历史 (最近 10 条)

[1] 2025-10-30 00:37:21 [20251030_003721] Q: help A: 🤖 Claude-Qwen 交互命令...

[2] 2025-10-30 00:37:25 [20251030_003721] Q: 写一个 Hello World 程序 A: 这里是几种编程语言的 Hello World 实现...


## 🎯 参数调优建议

### Temperature (创造性)
- **0.1-0.3**: 适合代码生成、技术问题（精确性高）
- **0.4-0.6**: 适合创意写作、头脑风暴（平衡性）
- **0.7-0.9**: 适合创意内容、故事创作（创造性高）

### Max Tokens (响应长度)
- **512-1024**: 简短回答、代码片段
- **2048**: 标准回答、完整函数
- **4096**: 详细解释、完整项目

## 🚨 故障排除

### 常见问题

1. **Ollama 服务未运行**

❌ Ollama 服务未运行，请先启动 Ollama 💡 运行: ollama serve

解决方案：启动 Ollama 服务

2. **模型未安装**

📦 模型 qwen3-coder:30b: ❌ 未安装

解决方案：`ollama pull qwen3-coder:30b`

3. **请求超时**

错误: 请求超时，请稍后重试。

解决方案：等待模型预热或检查系统资源

### 调试技巧

1. **查看详细日志**
```bash
tail -f ~/.claude-qwen/logs/claude-qwen.log

检查系统资源
```
top -pid $(pgrep -f ollama)
```
测试模型连接
```
claude-qwen test
```

💡 最佳实践

1. 提问技巧

具体明确: 明确说明需求和上下文
提供示例: 给出期望的输入输出格式
分步骤: 复杂问题可以分解为多个步骤

2. 参数优化

代码生成: 使用低 temperature (0.1-0.3)
创意内容: 使用高 temperature (0.7-0.9)
长文本: 增加 max_tokens 到 4096

3. 效率提升

使用历史: 利用上下文信息获得更好的回答
批量处理: 一次性提出相关问题
保存配置: 为不同任务预设参数

🎉 总结

Claude-Qwen 交互式模式提供了：

✅ 类 Claude 体验: 直观的对话界面 ✅ 本地化处理: 数据完全私有 ✅ 零成本使用: 仅消耗电力 ✅ 高度可定制: 参数灵活调整 ✅ 完整功能: 代码生成、解释、优化等

开始使用：

claude-qwen chat

享受你的个人 AI 编程助手！🚀

7.0 KiB Raw Permalink Blame History Unescape Escape