公司博客

1、创建用户、设置密码

通过一个星期的努力，写出了这个小的脚本，方便工作中使用。其中可能会有些bug，希望大家提出来，多多交流，一起修改。

1. 项目概述：cc平台与openrouter的深度整合 在ai工具链快速发展的当下，cc平台与openrouter的集成方案正在成为开发者社区的热门话题。这个组合本质上是通过cc平台的中控能力，实现对openrouter多模型api的统一调度管理。我最近在实际项目中完整走通了这套技术路线，发现它能显著降低多模型切换的复杂度，特别适合需要同时调用gpt-4、claude、deepseek等不同ai服务的场景。

作者：梦帮集团（dreamvfia union）安全架构实验室 发表时间：2026年7月15日 版权标识：© 2026 梦帮集团 版权所有。保留一切权利。未经授权，禁止任何形式的商业转载与摘编。

        上次完成ce巡检模块后，老大要求从堡垒机上进行跳转，实现输入堡垒机上自己的个人账号和密码即可巡检。

#!/usr/bin/expect -f #用户名 set user test #堡垒机ip set fortress_machine 192.168.2.3 #永不超时 set timeout -1 spawn ssh $user@$fortress_machine #输入堡垒机登陆密

2026年怎么部署openclaw？openclaw部署含大模型api、skill教程。还在为部署openclaw到处找教程踩坑吗？别再瞎折腾了！openclaw一键部署攻略来了，无需代码、只需两步，新手小白也能轻松拥有专属ai助理！

1. 项目概述：理解大模型推理的“快”与“贵” 最近在部署和优化大语言模型（llm）服务时，一个绕不开的话题就是推理模式的选择。大家可能都听说过“流式输出”（streaming）和“非流式输出”（non-streaming），但更底层的，其实是推理引擎在处理请求时采用的两种核心调度策略： prefill/decode 模式 和 batch 处理模式 。标题里提到的“fast 模式”，在很多高性能推理框架（如 vllm, tensorrt-llm, tgi）中，通常指的就是为了追求极致单请求响应速度而优化的模式，它本质上深度依赖 prefill/decode 的精细调度，并有意避开了 batch 处理。这种模式确实能让第一个 token 的延迟（time to first token, ttft）和后续 token 的吞吐（token per second, tps）看起来非常漂亮，但账单也会随之变得“漂亮”起来。这背后不是简单的“一分钱一分货”，而是一套严谨的“推理经济学”。