AI 学习继续，今天看了下 dify

1. 看法，一个创建 AI 工具低代码的配置平台，看到好多人评价，“非开发用不懂，开发不愿意用”， 这应该就是低代码平台的通病吧,最近还了解了下，anythingLLM, Ollama 与 vLLM

2. 这几天把之前的时间序列模型（ LSTM ）重新训练了下，来了新数据，总结了以下经验： 2.1 新数据（还是偏少） 特点：跨年，但没有完整一年的数据， 问题：导致再测试集遇到了没有遇到过的 month 和 year,LSTM 的预测会误差偏大，从测试集评估图中可以看到在 2025 年预测数据整体开始离谱 解决方案：调整了测试集和训练集按照年份拆分后重新训练和调整 最佳方案：当然至少能有一个完整年的数据量 2.2 数据清洗 数据中存在一些因为设备延迟上报的问题，导致数据异常，采用了设置阈值来控制，阈值外数据直接清理 2.3 心得 在排查问题中发现，LSTM 模型适合做几小时或者几天的预测，为了提高准确性还要考虑 lookback ，随着预测预测 时间长度增加，误差累计会导致模型预测效果越失真 2.4 没用 prophet 因为数据量太少了，使用预训练模型有点大材小用了，待数据量上来了在考虑调整

3. code review agent 项目小有成效了，接入 webhook 已经可以实现评论了，是借鉴上次那位老哥的代码，二次开发的，我接入的 gitlab api ，还是调用的 api 形式实现的，现在问题就是打算实现对每一个变更单独评论打分

思考：code review agent 应该完全可以在 dify 配置好 agent+工作流，开发调用 API 的形式接入 webhook