一、调整工作进程数和线程数Nginx采用异步非阻塞的方式处理请求，这种方式可以充分利用CPU资源，提高并发处理能力。但是，过多的工作进程和线程会导致系统资源浪费，降低性能。因此，需要根据实际情况调整Nginx的工作进程数和线程数。
unsetunset调整工作进程数unsetunsetNginx的工作进程数是指Nginx启动后生成的子进程数量。可以通过修改Nginx配置文件中的worker_processes参数来调整工作进程数。
例如：
1worker_processes 4;
表示将Nginx的工作进程数设置为4。
unsetunset调整线程数unsetunset每个工作进程都有一个默认的线程数，即Nginx的事件处理模型中包含的线程数。可以通过修改Nginx配置文件中的worker_connections参数来调整线程数。
例如：
1worker_connections 1024;
表示将每个工作进程的线程数设置为1024。
需要注意的是，线程数并不是越大越好，因为线程之间的竞争可能会导致性能下降。因此，需要根据实际情况进行调整。
二、启用Gzip压缩Gzip压缩是一种常 ...
项目简介Mazanoke是一款开源的图片优化工具，它可以在用户的浏览器中运行，无需上传图片至服务器，从而确保了图片的私密性。支持多种图片格式的压缩和转换，比如 JPG、PNG、WebP，甚至还支持 HEIC 和 AVIF 这样的新兴格式。不仅如此，它还能作为渐进式 Web 应用（PWA）安装到桌面或手机上，离线也能用，简直是“随身图片处理厂”！
Mazanoke 的界面简洁友好，无论是技术小白还是资深开发者，都能快速上手。你可以调整图片质量、设置目标文件大小、限制最大尺寸，甚至批量处理一堆图片。更贴心的是，它支持从剪贴板直接粘贴图片，省去繁琐的上传步骤。
目前在Github上收获了1.3K star，非常受开发者的欢迎！
性能特色
灵活优化参数：支持手动调节画质压缩率或指定目标文件大小，系统自动匹配最优压缩方案；可限制图片最大宽高并保持比例缩放，避免画面变形。
全格式转换支持：覆盖 JPG/PNG/WebP 主流格式互转，特别支持 HEIC/AVIF/GIF/SVG 转换为通用格式，轻松适配多设备场景。
三重隐私防护：完全离 ...
初始化和配置
git init - 初始化一个新的Git仓库。
git config --global user.name "Your Name" - 设置全局用户名，用于提交。
git config --global user.email "your_email@example.com" - 设置全局用户邮箱，用于提交。
文件操作
git status - 查看当前工作目录的状态，显示有变更的文件。
git add <file> - 将指定文件添加到暂存区。
git add . - 添加当前目录下所有变更的文件到暂存区。
git add -A - 添加所有新文件和变更的文件到暂存区。
git reset <file> - 取消暂存区中指定文件的变更。
git rm <file> - 删除指定文件，并将其添加到暂存区。
git rm --cached <file> - 从暂存区中移除指定文件，但不删除工作目录中的文件。
提交和历史
git commit -m "Commit messa ...
作为 .NET 开发者，你是否经常需要查找命令行指令？本文为你整理了开发过程中最常用的 dotnet 命令，涵盖项目创建、构建、测试、部署等多个方面，助你提升开发效率！
重要的操作命令一些常用的命名
创建并添加项目到解决方案1234567891011# 创建 Web API 项目dotnet new webapi -o MyWebApi# 创建空解决方案dotnet new sln -o MySolution# 进入解决方案目录cd MySolution# 将 Web API 项目添加到解决方案中dotnet sln add ../MyWebApi/MyWebApi.csproj
发布为独立部署应用（带运行时）12# 发布 Web API 项目，配置为 Release，平台为 win-x64，且自带运行时dotnet publish ../MyWebApi/MyWebApi.csproj -c Release -r win-x64 --self-contained
查看 SDK 和运行时信息12345# 查看所有已安装的 .NET SDK 版本dotnet --list-sdks ...
今天我们不学习，来聊一聊MCP服务的未来。通过前面几期的学习，我们知道使用MCP服务有两种方式。
一、stdio方式，即服务端和客户端在本地一起。
优点：
1.可以利用现有的助手类工具，如Cursor，VSC+插件，或者最近开源并快速发展的DeepChat。通过搜寻开源的MCP服务，如高德MCP，CloudFlare MCP等。
2.可以使用对本机操作的MCP服务。
缺点：
1.只能1:1绑定客户端，每个客户端都要重新安装配置一遍。
2.因需要本地运行，依赖本机的运行环境。
二、sse方式，即服务端和客户端逻辑分开，可以不在一台机器上。
优点：
1.可以在组织内共享服务，真正的服务运行在远端服务器上。
2.降低助手类工具使用门槛。
缺点：
1.增加服务端运维的复杂性。
2.无法对使用者本地机器进行控制。
不同的使用场景，需要使用不同的方式。同时，即使确定某种方式，也还存在落地上的问题。因此为了更好的解决实现和使用上的问题，MCP继续完善协议(大家都有活干了)。我们来看看官方的规划吧！
**01.**H1Roadmap1.Remote MCP Support
目前主流的工具 ...
今天我们将继续学习，将了解MCP服务的SSE通信的客户端编写。当完成之后，就可以连接上节课的SSE服务了。
等系列课学习完成，你将能了解什么是MCP，如何开发MCP和如何实际使用它（当然我们会回归到Dify中，配合LLM，更加完善我们的AI应用适用场景）。
**01.**动手做一做我们再来复习一下协议的架构。
我们看到Client和Server之间是MCP Protocol通讯的，但是我们已经用了两篇文章来解释服务端开发，显然他们一个是stdio，另一个是SSE，是不一样的。
因此，Client必然是有差异的，今天我们就来看看如何实现目标。
同样从TypeScript的SDK开始，来写一个Client(SSE通信方式)。
在目录下新建一个client.ts文件，引用SDK的client和sse，其余代码见下图。
代码不多，仅作演示。谜题揭晓，SSE的服务需要用SSEClientTransport去连接。而本地stdio服务，就需要用StdioServerTransport去连接。目前大部分助手类工具都是用的stdio的方式。这里卖个关子，在Dify应用中，会讲如何更好的使用MCP。 ...
今天我们将继续学习，将了解MCP服务的另一种通信方式。当然这两种都是有不同的适用场景的，并非竞争的关系。后面也会说明，其各自的优缺点和场景。
等系列课学习完成，你将能了解什么是MCP，如何开发MCP和如何实际使用它（当然我们会回归到Dify中，配合LLM，更加完善我们的AI应用适用场景）。
**01.**动手准备在我们动手写一个自己的SSE版本的MCP之前，又需要了解协议的一些概念，这样做起来就得心应手了。
Resoures：暴露结构化数据的内容给LLM。
Prompts：提供给LLM应用的可重用Prompt模板。
Tools：提供在服务端给LLM应用特别是Agent使用的工具。
Roots：定义API的接入点和访问路径
Sampling：允许服务器通过客户端请求LLM完成
当然以上不是全部都必须，比如可以只实现Tools功能，那我们同样从TypeScript的SDK开始。
上一课的例子是通过stdio传输数据，即数据是本地机器的进程间通信。适合AI助手工具来软件使用。
而今天我们来尝试实现远程通信。
**02.**动手做一做复制一下上节课的项目，做以下修改：
1234 ...
今天我们将继续学习，基于model context protocol的SDK来开发自己的MCP服务。
等系列课学习完成，你将能了解什么是MCP，如何开发MCP和如何实际使用它（当然我们会回归到Dify中，配合LLM，更加完善我们的AI应用适用场景）。
**01.**动手准备今天就来展开说说开发MCP应用，应该如何做。既然是开发，那就离不开代码了。处理的顺序正好和概念反过来，我们先来实现一个MCP服务端。
同时需要理解两个重要的概念：
1 通信机制MCP协议支持两种主要的通信机制：基于标准输入输出的本地通信和基于SSE(Server-Sent Events)的远程通信。
也就是说MCP服务端，根据和客户端连接时所在的位置不同，分成本地通信和远程通信。
本地通信是通过stdio传输数据，即数据是本地机器的进程间通信。适合AI助手工具等软件使用。
而远程通信则是利用SSE技术，通过HTTP来通信和传输数据。适合于共享MCP服务，在企业内使用或者服务给互联网用户。
2 运行语言和环境一般涉及到开发，必定是要和开发语言有关。但是MCP协议是和语言无关的，也就是说大家可以尽量使用自己熟悉的开发语言 ...
上一节Dify应用实战课，我们学习了如何将数据表生成图，可以更直接的展示数据的意义。
今天我们将暂时将Dify的学习搁置一下。来学习AI工具中重要的一个知识：MCP(Model Context Protocol)。
等系列课学习完成，你将能了解什么是MCP，如何开发MCP和如何实际使用它（当然我们会回归到Dify中，配合LLM，更加完善我们的AI应用适用场景）。
**01.**基础概念MCP(Model Context Protocol)是一种开放协议，它标准化了应用程序如何为LLM提供上下文。
将MCP想象成AI应用程序的USB-C端口。正如USB-C提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP也提供了一种将AI模型连接到不同数据源和工具的标准化方式。
它是去年11月才被Claude公司提出来的，但是不到半年时间，基于MCP的生态就如雨后春笋般涌现。过去以API方式提供服务的传统互联网，迅速拥抱这一变化，大量的MCP服务被开发，开源和提供出来。
要想开发MCP应用，首先需要了解的是其架构和几个重要的概念。
简单的图示中，提到了主机，客户端和服务器。
1 主机MC ...
最近还是有网友问，代码执行节点为啥运行报错，说找不到模块。但自己的Python环境是安装了这些模块的。还有就是按照麦金叔的数据库连接，为啥连不上。今天我们再详细说说。
**01.**库和权限 当你运行代码节点出现如下两种错误的时候，这一篇就是为你准备的。
最简单的方式就是在Dify的沙箱环境进行依赖库的安装和权限设置。
库安装：
工程目录下docker/volumes/sandbox/dependencies下有一个空文件python-requirements.txt，打开文件后
增加一行”pandas==2.2.3”，如果你代码使用了其他第三方库，也像正常pip install或者conda install一样，将使用的库，依次添加即可。
权限修改：
工程目录下docker/volumes/sandbox/conf里面有一个config.yaml文件，找到allowed_syscalls段，把需要的权限加进去。
还是有同学不知道怎么操作，也有不放心权限太大的，麦金叔把所有的code和解释都放这 ...
