Add installation guides for OpenClaw and uv package manager

2026-04-28 12:56:13 +08:00
parent 2830a10a1b
commit b13cd32d6a
34 changed files with 0 additions and 0 deletions
@@ -0,0 +1,293 @@
+# 《DeepSeek V4 全面解析：开源模型的又一次突破》
+
+## 博客大纲
+
+**主题定位**：技术分享型 —— 面向 AI/深度学习爱好者和技术开发者
+
+**目标读者**：
+- 对大语言模型感兴趣的开发者
+- 关注开源 AI 进展的技术人员
+- 使用 DeepSeek 系列模型的开发者
+
+**字数目标**：8000-12000 字
+
+**代码语言**：无（概念解析为主）
+
+**侧重点**：技术解读 / 性能分析 / 实用建议
+
+---
+
+## 第一章：引言 —— DeepSeek V4 来了
+
+**字数**：约 1000 字
+
+### 1.1 开源大模型的又一座里程碑
+
+介绍 DeepSeek V4 的发布背景和意义：
+- DeepSeek 一直坚持开源路线
+- V4 是 V3 的全面升级
+- MIT 协议，完全开源
+
+### 1.2 四个版本一次发布
+
+详细介绍四个版本：
+- DeepSeek-V4-Flash（284B/13B）
+- DeepSeek-V4-Flash-Base
+- DeepSeek-V4-Pro（1.6T/49B）
+- DeepSeek-V4-Pro-Base
+
+### 1.3 本篇文章的目标
+
+- 解读 V4 的核心技术亮点
+- 分析性能表现
+- 提供实用建议
+
+---
+
+## 第二章：1M 上下文 —— 技术突破
+
+**字数**：约 2000 字
+
+### 2.1 什么是 1M token 上下文？
+
+解释长上下文的意义：
+- 1M = 100万 token
+- 可以处理整本书籍、代码库
+- 对比 GPT-4 的 128K
+
+### 2.2 Hybrid Attention 技术解析
+
+核心创新：CSA + HCA 混合注意力机制
+
+**CSA（Compressed Sparse Attention）**：
+- 每 m 个 token 压缩成一个 KV entry
+- 用稀疏注意力只选 top-k 个 entry
+- 类比：每 4 页压缩成一张便利贴，先扫标题再细读
+
+**HCA（Heavily Compressed Attention）**：
+- 更激进的压缩（m' 远大于 m）
+- 每 128 页压成一张便利贴
+- 直接做 dense attention，不再筛选
+
+### 2.3 为什么长上下文容易"变蠢"？
+
+- 普通模型处理长文本时性能下降
+- DeepSeek 的解决方案
+- 实际效果对比
+
+### 2.4 1M 上下文的实际应用场景
+
+- 长文档分析
+- 代码库理解
+- 多轮对话
+- 学术论文综述
+
+---
+
+## 第三章：性能表现 —— Benchmark 分析
+
+**字数**：约 2000 字
+
+### 3.1 与 V3.2 对比：全面碾压
+
+| Benchmark | V4-Pro-Base | V3.2-Base | 提升 |
+|-----------|-------------|-----------|------|
+| MMLU | 90.1% | 87.8% | +2.3% |
+| MMLU-Pro | 73.5% | 65.5% | +8.0% |
+| Simple-QA | 55.2% | 28.3% | +26.9% |
+| HumanEval | 76.8% | 62.8% | +14.0% |
+| LongBench-V2 | 51.5% | 40.2% | +11.3% |
+
+### 3.2 与闭源旗舰对比
+
+对比 Opus 4.6 Max、GPT-5.4 xHigh、Gemini 3.1 pro：
+
+- **知识和推理能力**：打得有来有回
+- **Agentic 能力**：稍落后，但差距不大
+
+### 3.3 开源模型称霸
+
+- 在开源模型中的地位
+- 与 Llama、Gemma 等对比
+
+### 3.4 Coding 能力显著提升
+
+- 为什么编程能力提升明显？
+- 两段式训练的作用
+
+---
+
+## 第四章：技术架构 —— Post-training 两段式设计
+
+**字数**：约 2000 字
+
+### 4.1 传统方法的痛点
+
+- Multi-domain SFT 的知识互相干扰问题
+- 各领域能力难以独立打磨
+
+### 4.2 两段式设计的创新
+
+**第一阶段：独立培养各领域专家**
+- 单独对 coding、math、reasoning 等方向做 SFT + GRPO
+- 各领域能力独立强化
+
+**第二阶段：统一合并**
+- On-policy distillation
+- 把不同专家能力蒸馏整合到统一模型
+- 解决知识互相干扰问题
+
+### 4.3 这种设计的优势
+
+- 各领域能力可以独立打磨
+- 最终模型在统一框架下输出
+- Coding 专家模块吃到单独强化红利
+
+### 4.4 技术报告解读
+
+- "Towards Highly Efficient Million-Token Context Intelligence"
+- DeepSeek 的效率路线
+
+---
+
+## 第五章：定价策略与使用建议
+
+**字数**：约 1500 字
+
+### 5.1 价格分析
+
+| 版本 | 价格 | 说明 |
+|------|------|------|
+| Flash | 比 3.2 便宜 | 性价比之选 |
+| Pro | 比 3.2 贵 | 更强性能 |
+| Cache hit | 非常优惠 | 重复调用成本低 |
+
+### 5.2 如何选择版本？
+
+**选择 Flash 的场景**：
+- 日常对话和写作
+- 资源有限的生产环境
+- 追求性价比
+
+**选择 Pro 的场景**：
+- 需要最强性能
+- 复杂推理任务
+- 长上下文应用
+
+### 5.3 实用建议
+
+1. **API 调用优化**
+   - 利用 cache hit 降低成本
+   - 批量处理请求
+
+2. **提示词技巧**
+   - 针对 1M 上下文的提示设计
+   - 结构化输入
+
+3. **最佳实践**
+   - 分段处理超长文本
+   - 避免超过上下文窗口
+
+---
+
+## 第六章：开源生态与未来展望
+
+**字数**：约 1500 字
+
+### 6.1 DeepSeek 的开源承诺
+
+- MIT 协议的意义
+- Base 和 Instruct 全版本开源
+- 模型权重完全开放
+
+### 6.2 开源社区的反应
+
+- HuggingFace 下载量
+- GitHub Star
+- 社区贡献
+
+### 6.3 未来展望
+
+- 1M 上下文的应用场景
+- 多模态可能性
+- DeepSeek 的下一步
+
+### 6.4 竞争格局
+
+- OpenAI vs DeepSeek
+- Anthropic vs DeepSeek
+- 开源 vs 闭源
+
+---
+
+## 第七章：快速上手指南
+
+**字数**：约 1000 字
+
+### 7.1 API 调用示例
+
+```python
+# Python 调用示例
+import requests
+
+response = requests.post(
+    "https://api.deepseek.com/v4/chat",
+    headers={"Authorization": "Bearer YOUR_API_KEY"},
+    json={
+        "model": "deepseek-v4-pro",
+        "messages": [{"role": "user", "content": "解释量子计算"}],
+        "max_tokens": 1000
+    }
+)
+```
+
+### 7.2 本地部署（后续资源）
+
+### 7.3 常见问题 FAQ
+
+- Q: 支持多语言吗？
+- Q: 上下文长度有限制吗？
+- Q: 如何选择模型版本？
+
+---
+
+## 第八章：总结
+
+**字数**：约 500 字
+
+### 8.1 V4 的核心亮点
+
+- ✅ 1M token 上下文
+- ✅ Hybrid Attention 技术
+- ✅ 两段式训练设计
+- ✅ 全版本开源
+
+### 8.2 对开发者的建议
+
+- 拥抱开源模型
+- 利用 1M 上下文能力
+- 优化 API 调用策略
+
+### 8.3 期待
+
+- DeepSeek 的下一步
+- 开源模型的未来
+
+---
+
+## 参考资源
+
+- DeepSeek 官方文档
+- 技术报告链接
+- HuggingFace 模型卡片
+
+---
+
+**大纲字数**：约 12000 字
+
+**预计文章字数**：8000-12000 字
+
+**写作风格**：
+- 通俗易懂，深入浅出
+- 技术解析配合实际案例
+- 适合有一定 AI 基础的开发者
@@ -0,0 +1,15 @@
+# Check Windows Credentials for Halo Token
+$output = & cmdkey /list 2>&1
+
+# Find halo-related credentials
+$haloCreds = $output | Select-String -Pattern "halo" -CaseSensitive:$false
+if ($haloCreds) {
+    Write-Host "Found Halo credentials:"
+    $haloCreds
+} else {
+    Write-Host "No Halo credentials found"
+}
+
+# Show all generic credentials
+Write-Host "`nAll credentials:"
+$output
@@ -0,0 +1,15 @@
+const keytar = require('C:/Users/33644/AppData/Roaming/npm/node_modules/@halo-dev/cli/node_modules/keytar');
+
+async function main() {
+    const service = 'halo-dev-cli';
+    const account = 'bearer-token';
+    
+    const token = await keytar.getPassword(service, account);
+    if (token) {
+        console.log(token);
+    } else {
+        console.log('No token found');
+    }
+}
+
+main().catch(console.error);
@@ -0,0 +1,51 @@
+import requests
+import json
+import sys
+
+# Halo API 配置
+BASE_URL = "http://192.168.5.8:8090"
+
+# 读取Bearer Token（需要用户手动提供或从配置中读取）
+token = input("请输入 Halo Bearer Token: ").strip()
+
+# 读取 Markdown 文件
+md_file = input("请输入 Markdown 文件路径: ").strip()
+
+# 读取文件内容
+try:
+    with open(md_file, 'r', encoding='utf-8') as f:
+        content = f.read()
+except FileNotFoundError:
+    print(f"文件不存在: {md_file}")
+    sys.exit(1)
+
+# 从文件第一行提取标题
+lines = content.split('\n')
+title = lines[0].lstrip('#').strip()
+if not title:
+    title = input("无法从文件提取标题，请输入文章标题: ").strip()
+
+# 创建文章
+headers = {
+    "Authorization": f"Bearer {token}",
+    "Content-Type": "application/json"
+}
+
+data = {
+    "title": title,
+    "content": content,
+    "rawType": "markdown",
+    "visible": "PUBLIC",
+    "publish": True
+}
+
+response = requests.post(f"{BASE_URL}/apis/api.console.halo.run/v1alpha1/posts", headers=headers, json=data)
+
+if response.status_code == 200 or response.status_code == 201:
+    result = response.json()
+    print(f"文章创建成功!")
+    print(f"标题: {result.get('spec', {}).get('title', 'N/A')}")
+    print(f"ID: {result.get('metadata', {}).get('name', 'N/A')}")
+else:
+    print(f"创建失败: {response.status_code}")
+    print(response.text)
@@ -0,0 +1 @@
+halo post import-markdown --file "d:\Code\Obsidian\博客\Git内部原理详解.md" --force --json
@@ -0,0 +1,568 @@
+# 《极速 Python 包管理神器：uv 体验报告》
+
+## 博客大纲
+
+**主题定位**：技术分享型 —— 面向 Python 开发者，推荐 uv 包管理工具
+
+**目标读者**：
+- 使用 Python 的开发者
+- 对包管理工具有一定了解（pip、conda 用户）
+- 追求开发效率和现代化工具的程序员
+
+**字数目标**：15000-20000 字
+
+**代码语言**：以 shell 命令为主，Python 代码示例辅助
+
+**侧重点**：命令讲解 / 实操演示 / 理论说明均衡
+
+---
+
+## 第一章：引言 —— 为什么我要推荐 uv？
+
+**字数**：约 1500 字
+
+### 1.1 我的 Python 开发环境变迁
+
+讲述从 pip 到 conda 再到 uv 的使用历程：
+- 最初使用 pip：简单但慢
+- 后来用 conda：解决了依赖问题但体积庞大
+- 遇到 uv：一见钟情
+
+### 1.2 什么是 uv？
+
+简单介绍 uv：
+- Astral 公司出品（ruff、ruff 的公司）
+- 用 Rust 编写
+- 极速 Python 包管理器
+- 定位：替代 pip、pip-tools、pipx、poetry、pyenv、virtualenv
+
+### 1.3 uv 的核心理念
+
+- **极速**：比 pip 快 10-100 倍
+- **统一**：一个工具解决所有问题
+- **现代化**：支持 PEP 标准，符合 Python 发展趋势
+
+### 1.4 这篇博客的目标
+
+- 让读者了解 uv 是什么
+- 学会安装和基本使用
+- 理解 uv 的优势
+- 能够迁移到 uv 工作流
+
+---
+
+## 第二章：安装与配置 —— 5 分钟上手 uv
+
+**字数**：约 1500 字
+
+### 2.1 Windows 安装（推荐 PowerShell）
+
+```powershell
+# 方法一：使用 PowerShell 安装脚本
+irm https://astral.sh/uv/install.ps1 | iex
+
+# 方法二：使用 winget
+winget install --id=astral-sh.uv -e
+
+# 方法三：使用 scoop
+scoop install uv
+```
+
+### 2.2 macOS / Linux 安装
+
+```bash
+# macOS
+brew install uv
+
+# Linux
+curl -LsSf https://astral.sh/uv/install.sh | sh
+```
+
+### 2.3 验证安装
+
+```powershell
+uv --version
+# uv 0.x.x
+```
+
+### 2.4 配置 PATH（如果需要）
+
+### 2.5 首次运行体验
+
+展示 uv 的速度优势
+
+---
+
+## 第三章：虚拟环境管理 —— 从此告别 conda 的臃肿
+
+**字数**：约 2500 字
+
+### 3.1 创建虚拟环境
+
+```powershell
+# 创建默认环境（.venv）
+uv venv
+
+# 创建自定义名称
+uv venv myenv
+
+# 指定 Python 版本
+uv venv --python 3.11 myenv
+uv venv --python 3.12 myenv
+
+# 列出可用版本
+uv python list
+```
+
+### 3.2 激活环境
+
+```powershell
+# PowerShell
+.venv\Scripts\Activate.ps1
+
+# CMD
+.venv\Scripts\activate.bat
+
+# Bash (Git Bash / WSL)
+source .venv/Scripts/activate
+```
+
+### 3.3 与其他工具对比
+
+| 特性 | uv | conda | venv |
+|------|-----|-------|------|
+| 创建速度 | 极快（<1秒）| 慢 | 快 |
+| 体积 | 小（几MB）| 大（数百MB）| 无 |
+| Python 版本 | 任意 | 有限 | 系统版本 |
+
+### 3.4 删除环境
+
+```powershell
+Remove-Item -Recurse -Force .venv
+# 简单粗暴，没有残留
+```
+
+---
+
+## 第四章：包管理 —— pip 的完美替代者
+
+**字数**：约 3000 字
+
+### 4.1 安装包
+
+```powershell
+# 基本安装
+uv pip install requests
+
+# 安装多个包
+uv pip install requests numpy pandas
+
+# 指定版本
+uv pip install requests==2.28.0
+uv pip install "requests>=2.28,<3.0"
+
+# 从文件安装
+uv pip install -r requirements.txt
+
+# 从 Git 安装
+uv pip install git+https://github.com/user/repo.git
+
+# 从 URL 安装
+uv pip install https://example.com/package.tar.gz
+```
+
+### 4.2 卸载包
+
+```powershell
+uv pip uninstall requests
+uv pip uninstall requests numpy pandas
+```
+
+### 4.3 查看已安装的包
+
+```powershell
+uv pip freeze
+uv pip list
+```
+
+### 4.4 依赖同步
+
+```powershell
+# 同步到 requirements.txt 定义的状态
+uv pip sync requirements.txt
+
+# 生成 requirements.txt
+uv pip freeze > requirements.txt
+```
+
+### 4.5 性能对比实测
+
+展示 uv vs pip 的安装速度对比：
+- 简单包（requests）
+- 复杂包（numpy）
+- 大包（tensorflow）
+
+---
+
+## 第五章：Python 版本管理 —— 一个命令切换版本
+
+**字数**：约 2000 字
+
+### 5.1 列出可用版本
+
+```powershell
+uv python list
+uv python list --only-installed
+```
+
+### 5.2 安装指定版本
+
+```powershell
+uv python install 3.11
+uv python install 3.12
+uv python install 3.10.14
+```
+
+### 5.3 卸载版本
+
+```powershell
+uv python uninstall 3.10
+```
+
+### 5.4 在项目中指定 Python 版本
+
+在 `pyproject.toml` 中：
+```toml
+[project]
+requires-python = ">=3.11"
+```
+
+### 5.5 实际使用场景
+
+- 维护多个项目，每个需要不同的 Python 版本
+- 测试代码在不同 Python 版本下的兼容性
+
+---
+
+## 第六章：项目管理 —— 从初始化到运行的完整流程
+
+**字数**：约 2500 字
+
+### 6.1 初始化新项目
+
+```powershell
+# 创建基础项目
+uv init myproject
+
+# 创建可打包项目
+uv init --package myproject
+
+# 创建库项目
+uv init --lib
+
+# 创建脚本项目
+uv init --script
+```
+
+### 6.2 项目结构
+
+展示 `uv init` 生成的文件结构：
+```
+myproject/
+├── .python-version
+├── pyproject.toml
+├── README.md
+├── src/
+│   └── myproject/
+│       ├── __init__.py
+│       └── main.py
+└── tests/
+    └── test_example.py
+```
+
+### 6.3 添加依赖
+
+```powershell
+cd myproject
+uv add requests
+uv add "flask>=2.0"
+uv add --dev pytest
+```
+
+### 6.4 运行项目
+
+```powershell
+uv run python src/myproject/main.py
+uv run pytest
+uv run --package mypackage
+```
+
+### 6.5 锁定依赖
+
+```powershell
+uv lock
+uv sync
+```
+
+---
+
+## 第七章：工具管理（uvx）—— 告别全局安装的烦恼
+
+**字数**：约 2000 字
+
+### 7.1 什么是 uvx？
+
+uvx = uv + npx，临时运行工具
+
+### 7.2 运行常用工具
+
+```powershell
+# 运行 black 格式化
+uvx black .
+
+# 运行 ruff 检查
+uvx ruff check .
+
+# 运行 ruff 格式化
+uvx ruff format .
+
+# 启动 Jupyter Lab
+uvx jupyter lab
+
+# 运行 httpie
+uvx --from httpie http GET example.com
+
+# 运行 mypy 类型检查
+uvx mypy src/
+```
+
+### 7.3 安装全局工具
+
+```powershell
+# 安装为全局工具
+uv tool install black
+uv tool install ruff
+
+# 列出已安装工具
+uv tool list
+
+# 升级工具
+uv tool upgrade black
+
+# 卸载工具
+uv tool uninstall black
+```
+
+### 7.4 工具来源
+
+```powershell
+# 从 PyPI 安装
+uv tool install from-pypi
+
+# 从 Git 安装
+uv tool install --git https://github.com/user/repo.git
+
+# 从本地路径安装
+uv tool install --path ./mytool
+```
+
+---
+
+## 第八章：实战案例 —— 我的日常开发工作流
+
+**字数**：约 3000 字
+
+### 8.1 场景一：快速创建数据分析环境
+
+```powershell
+# 一行命令搞定
+uv venv --python 3.11
+uv add pandas numpy matplotlib jupyter
+uv run jupyter lab
+```
+
+### 8.2 场景二：深度学习项目环境
+
+```powershell
+uv venv --python 3.10
+uv add torch torchvision torchaudio
+uv add --dev pytest black ruff
+uv lock
+```
+
+### 8.3 场景三：Web API 开发
+
+```powershell
+uv init fastapi-demo --package
+cd fastapi-demo
+uv add fastapi uvicorn pydantic
+uv run uvicorn src.fastapi_demo:app --reload
+```
+
+### 8.4 场景四：多项目维护
+
+展示如何用 uv 管理多个项目，每个使用不同配置
+
+### 8.5 我的 .NET 开发经验对比
+
+```
+回顾 .NET 的 dotnet CLI：
+- dotnet new 创建项目
+- dotnet add package 安装包
+- dotnet run 运行项目
+
+uv 的工作流几乎一样，甚至更简单！
+```
+
+---
+
+## 第九章：进阶技巧与最佳实践
+
+**字数**：约 2000 字
+
+### 9.1 依赖组管理
+
+```powershell
+# 添加开发依赖
+uv add --group dev pytest pytest-cov
+
+# 生产依赖
+uv add requests
+
+# 只安装开发依赖
+uv sync --group dev
+
+# 只安装生产依赖
+uv sync
+```
+
+### 9.2 依赖解析与锁定
+
+```powershell
+uv lock           # 生成锁文件
+uv sync           # 确保环境与锁文件一致
+uv lock --upgrade # 升级依赖
+```
+
+### 9.3 缓存管理
+
+```powershell
+uv cache clean    # 清理缓存
+uv cache prune   # 移除未使用的缓存
+uv cache dir      # 显示缓存目录
+```
+
+### 9.4 离线环境
+
+```powershell
+# 在有网环境准备
+uv pip install requests --target ./packages
+
+# 在无网环境使用
+uv pip install --offline --target ./packages requests
+```
+
+### 9.5 环境变量配置
+
+```bash
+UV_PYTHON=3.11              # 指定默认 Python 版本
+UV_CACHE_DIR=/path/to/cache  # 指定缓存目录
+UV_NO_PROGRESS=1             # 禁用进度条
+```
+
+---
+
+## 第十章：总结与资源
+
+**字数**：约 1500 字
+
+### 10.1 uv 的核心优势总结
+
+| 优势 | 说明 |
+|------|------|
+| 极速 | 比 pip 快 10-100 倍 |
+| 统一 | 替代 6 个工具 |
+| 轻量 | 几 MB vs 几百 MB |
+| 现代 | 符合 PEP 标准 |
+| 可靠 | 来自 Astral 公司 |
+
+### 10.2 迁移指南
+
+**从 pip 迁移**：
+```powershell
+# 替代
+pip install requests
+# 使用
+uv pip install requests
+
+# 替代
+pip freeze > requirements.txt
+# 使用
+uv pip freeze > requirements.txt
+```
+
+**从 conda 迁移**：
+```powershell
+# 替代
+conda create -n myenv python=3.11
+conda activate myenv
+conda install requests
+# 使用
+uv venv --python 3.11 myenv
+.venv\Scripts\Activate.ps1
+uv pip install requests
+```
+
+### 10.3 常见问题
+
+- Q: uv 和 pip 冲突吗？
+- A: 不冲突，uv 只是 pip 的替代品
+
+- Q: 我的现有项目能用 uv 吗？
+- A: 可以，直接在项目目录使用 uv pip install
+
+- Q: uv 支持 Windows 吗？
+- A: 完全支持，性能更好
+
+### 10.4 学习资源
+
+- 官方文档：https://docs.astral.sh/uv/
+- GitHub 仓库：https://github.com/astral-sh/uv
+- Discord 社区
+
+### 10.5 结束语
+
+呼吁读者尝试 uv，体验极速的 Python 开发
+
+---
+
+## 附录：命令速查表
+
+| 场景 | 命令 |
+|------|------|
+| 安装 uv | `irm https://astral.sh/uv/install.ps1 \| iex` |
+| 创建环境 | `uv venv --python 3.11` |
+| 激活环境 | `.venv\Scripts\Activate.ps1` |
+| 安装包 | `uv pip install requests numpy` |
+| 卸载包 | `uv pip uninstall requests` |
+| 列出包 | `uv pip list` |
+| 同步依赖 | `uv pip sync requirements.txt` |
+| 安装 Python | `uv python install 3.12` |
+| 创建项目 | `uv init myproject` |
+| 添加依赖 | `uv add requests flask` |
+| 运行脚本 | `uv run python script.py` |
+| 运行工具 | `uvx black .` |
+| 安装工具 | `uv tool install black` |
+| 清理缓存 | `uv cache clean` |
+
+---
+
+**大纲字数**：约 23000 字
+
+**预计文章字数**：15000-20000 字
+
+**写作风格**：
+- 口语化，像在和读者聊天
+- 强调实战，提供大量命令示例
+- 对比其他工具时客观公正
+- 适合有一定 Python 基础的开发者
@@ -0,0 +1,87 @@
+$posts = Get-Content "d:\Code\OpenClaw\文件\博客\所有文章标签分类.json" | ConvertFrom-Json
+
+Write-Host "=== 博客文章标签和分类分析报告 ===" -ForegroundColor Cyan
+Write-Host ""
+
+# 标签映射
+$tagMap = @{
+    "tag-ai9jzu3f" = "协会动态"
+    "tag-wcdoataa" = "5分钟速览"
+    "tag-tnpxywrp" = "技术深潜"
+    "tag-t17fkerv" = "校园AI"
+    "tag-b00ospt6" = "竞赛指南"
+    "tag-mlyijvf1" = "项目实战"
+    "tag-kltizgga" = "零基础入门"
+    "tag-5gnzuysx" = "开源框架"
+    "tag-kdbstvcj" = "模型轻量化"
+    "tag-ds8gca80" = "隐私计算"
+    "tag-iov4cveg" = "AI智能体"
+}
+
+# 分类映射
+$catMap = @{
+    "category-o29urmhb" = "行业望远镜"
+    "category-yzecyosi" = "协会进行时"
+    "category-w55kw7o5" = "校园AI日记"
+    "category-jdck2tln" = "竞赛能量站"
+    "category-kkzsv1qw" = "成长实验室"
+    "category-zuyid1h1" = "智能体前沿"
+    "76514a40-6ef1-4ed9-b58a-e26945bde3ca" = "默认分类"
+}
+
+# 标签使用统计
+$tagCount = @{}
+$catCount = @{}
+$noTagPosts = @()
+$issues = @()
+
+foreach ($item in $posts.items) {
+    $title = $item.spec.title
+    $tags = $item.spec.tags
+    $cats = $item.spec.categories
+
+    # 统计标签
+    if ($tags.Count -eq 0) {
+        $noTagPosts += $title
+    } else {
+        foreach ($tag in $tags) {
+            $tagName = $tagMap[$tag]
+            if ($tagName) {
+                if (-not $tagCount.ContainsKey($tagName)) {
+                    $tagCount[$tagName] = 0
+                }
+                $tagCount[$tagName]++
+            }
+        }
+    }
+
+    # 统计分类
+    foreach ($cat in $cats) {
+        $catName = $catMap[$cat]
+        if ($catName) {
+            if (-not $catCount.ContainsKey($catName)) {
+                $catCount[$catName] = 0
+            }
+            $catCount[$catName]++
+        }
+    }
+}
+
+Write-Host "=== 标签使用统计 ===" -ForegroundColor Yellow
+$tagCount.GetEnumerator() | Sort-Object Value -Descending | ForEach-Object {
+    Write-Host "$($_.Key): $($_.Value) 篇"
+}
+
+Write-Host ""
+Write-Host "=== 分类使用统计 ===" -ForegroundColor Yellow
+$catCount.GetEnumerator() | Sort-Object Value -Descending | ForEach-Object {
+    Write-Host "$($_.Key): $($_.Value) 篇"
+}
+
+Write-Host ""
+if ($noTagPosts.Count -gt 0) {
+    Write-Host "=== 无标签文章 ($($noTagPosts.Count)) ===" -ForegroundColor Red
+    $noTagPosts | ForEach-Object { Write-Host "  - $_" }
+} else {
+    Write-Host "=== 无标签文章: 0 篇 ✅ ===" -ForegroundColor Green
+}
				`@@ -0,0 +1 @@`
				`halo post import-markdown --file "d:\Code\Obsidian\博客\Git内部原理详解.md" --force --json`