- 博客(72)
- 收藏
- 关注
RSS订阅原创 RAG初阶学习
本文系统介绍了基于LlamaIndex与Milvus构建RAG（检索增强生成）系统的全流程：通过conda环境隔离，使用LlamaIndex完成数据加载、清洗、多策略分块（固定大小、句子、语义、递归、LLM分块），结合BGE-m3嵌入模型实现向量化，并在Milvus中存储与检索。通过提示词增强（过滤、压缩、模板化）提升生成质量，最终调用DeepSeek大模型生成精准回答。项目落地于医疗问答场景，封装为FastAPI服务，支持重建索引与实时问答，实现从数据处理到应用部署的完整闭环。
2026-09-21 22:04:58
139
原创 禅道AI自动补全插件
本文记录了一个禅道 AI 自动补全项目的完整开发过程。项目背景是公司测试人员在禅道提交 Bug 时，需要填写规范的复现步骤、现象截图、预期结果和实际结果，但不同人的语言描述差异较大。为此，项目引入 AI 来统一 Bug 描述标准，减少编写 Bug 的时间。文章从禅道安装、要求书编写开始，依次介绍了 S0 需求冻结、S1 演示数据与持久化基线、S2 仓库与工程骨架、S3 中央 FastAPI 与 Redis 服务、S4 用户脚本基础交互、S5 确定性模板与 ZenEditor 写入、S6 DeepSeek 接
2026-09-01 19:30:45
203
原创 解决vscode中连接不上远程服务器问题（磁盘使用率过高）
摘要：解决VSCode远程连接虚拟机失败问题，因磁盘占用率达95%。先通过du -hd1 ~/2>/dev/null | sort -h排查大文件（谨慎删除），但效果有限。关键步骤： 关机（非挂起）后，在VMware中扩展虚拟磁盘（如100GB→150GB）； 启动后依次执行： 扩展分区：sudo growpart /dev/sda3 扩容LVM：sudo pvresize /dev/sda3 分配空间：sudo lvextend -r -l +100%FREE /dev/ubuntu-vg/lv_0
2026-08-11 16:53:45
243
原创 虚拟机如何接入Codex并配置中转站（vscode插件版）
本文介绍了如何安装和配置VS Code的Codex插件。首先在插件市场搜索并安装Codex插件，安装后会在虚拟机中生成.codex文件夹。重点需要配置config.toml和auth.json两个文件：在config.toml中设置模型提供商（如OpenAI）、模型名称、API地址等参数；在auth.json中配置API密钥。完成配置后重启VS Code即可使用Codex插件。文中提供了详细的配置文件示例，适用于将虚拟机作为开发服务器使用Codex的情况。
2026-08-04 22:04:34
641
原创 基于 Vibe Coding 的 OJ 平台
本文记录了使用vibe coding思路开发一个C++实现的OJ平台的全过程，包括需求分析、架构设计、开发实现和测试验证。主要内容包括： 环境搭建：安装Node.js、OpenCode，配置DeepSeek模型API，连接远程开发环境 需求分析：通过与AI的深度访谈确定系统功能、技术栈和架构设计 系统架构：采用前后端一体部署的单体架构，后端基于cpp-httplib，前端采用原生HTML/CSS/JS 核心功能实现：包括用户系统、题目管理、测试用例管理、代码提交和判题引擎 测试验证
2026-07-26 09:05:35
206
原创 基于AI进行GUI自动化测试
基于QT的仿QQ音乐轻量级播放器的GUI自动化测试实践。项目采用Python技术栈（pytest+pywinauto），通过分层架构实现配置管理、核心功能封装和测试编排。测试覆盖应用生命周期、窗口导航、本地歌曲管理和播放控制等核心场景，共设计56个测试用例（含34个GUI用例）。测试通过Allure生成详细报告，并采用数据隔离机制确保测试不影响原始数据库。实践过程中发现被测程序存在搜索功能缺失、窗口行为不规范等8项不足。
2026-07-25 20:57:26
334
原创 GUI自动化测试
文章摘要： 本文系统介绍了GUI自动化测试的核心技术与实践流程。首先阐述了GUI自动化测试在提升效率、降低人力成本方面的优势，重点讲解了两大工具：基于Python的跨平台库pywinauto（支持Windows应用）和微软UI检查工具UISpy。详细解析了pywinauto的八大核心操作：程序启动/连接、窗口定位、控件交互（点击/输入）、鼠标键盘模拟、菜单操作、列表处理等，配合UISpy进行元素定位验证。其次，介绍了pytest测试框架的规则、参数化、fixture机制及Allure报告生成。
2026-07-25 10:43:16
196
原创 opencode如何配置中转站
本文介绍在Linux系统（Ubuntu 22.04）下配置OpenCode连接AI中转站的方法。核心步骤包括：1）获取中转站API密钥；2）定位OpenCode配置文件（opencode.json或opencode.jsonc）；3）用nano/vim编辑器替换完整配置模板，修改baseURL和apiKey为中转站信息；4）通过opencodemodels命令验证配置，选择可用模型测试连接。注意保留原项目文件，若测试失败需检查模型名称是否与配置文件一致。Windows系统操作类似，主要区别在配置文件路径查找
2026-07-19 08:43:13
797
原创 基于AI进行web界面自动化测试
基于AI驱动的问卷系统Web界面自动化测试项目。项目采用pytest+Selenium+PageObject架构，结合YAML数据驱动和Allure报告，实现了从测试用例生成到执行的完整自动化流程。 关键点： 创新性地引入大语言模型来自动生成和维护测试脚本，测试人员只需用自然语言描述意图 采用分层设计，将测试数据、页面操作、测试逻辑分离管理，提高可维护性 实现账号持久化和运行时数据共享，解决测试依赖问题 针对AntDesign等现代前端框架的特殊交互问题提供了解决方案 通过Allure生成详细测试报告
2026-07-18 19:15:33
526
原创 接口自动化测试的学习
本文介绍了基于pytest框架的接口自动化测试实现方案。主要内容包括：1）测试环境搭建，使用pytest框架配合requests、PyYAML等模块；2）项目架构设计，封装日志库、请求方法和YAML操作工具；3）具体接口测试实现，包括登录接口的正/异常测试用例编写和用户信息获取测试；4）测试报告生成，通过allure-pytest插件生成可视化测试报告。测试过程中采用参数化测试、JSONSchema校验等技术，确保测试覆盖率和准确性。最终通过9个测试用例验证了接口功能的正确性，并生成了完整的测试报告。
2026-04-19 11:08:38
400
原创 卷王问卷考试系统的项目测试
本文对"卷王"在线问卷考试系统进行了全面测试，包括功能测试、安全测试、性能测试等。测试发现系统存在以下主要问题：1）用户无法自行修改密码；2）模板搜索功能异常；3）高并发场景下系统性能表现较差。虽然系统基本功能可用，但建议优化密码修改权限、修复搜索功能，并提升系统并发处理能力。整体而言，系统满足基本使用需求，但仍需针对发现的问题进行改进优化。
2026-04-14 11:23:38
540
原创 C++AI大模型接入SDK项目
本文详细介绍了基于C++实现的多模型智能聊天助手项目。项目通过接入DeepSeek、ChatGPT和Gemini等云端大模型，并利用Ollama实现本地模型部署，构建了一个完整的对话系统。文章从环境搭建开始，详细阐述了项目架构设计、日志系统封装、策略模式应用、SSE流式响应处理、SQLite数据库集成等关键技术实现。重点展示了ChatSDK的封装过程，包括模型管理、会话管理和数据持久化等核心功能。最后介绍了RESTful API接口设计和前后端交互实现，完成了从底层模型接入到上层应用的全栈开发流程。
2026-04-11 14:15:49
662
原创 ChatServer的实现以及测试，main函数的实现，前端页面的生成以及项目总结
本文介绍了基于RESTful API风格的ChatServer设计与实现。该系统通过HTTP协议实现前端与服务器的交互，支持多种大模型（DeepSeek、ChatGPT、Gemini）及本地Ollama模型的接入。核心功能包括：1）采用RESTful架构设计7个API接口，涵盖会话管理、消息收发等功能；2）实现流式响应处理，通过SSE格式返回消息；3）使用单例模式和策略模式管理模型实例；4）集成spdlog、httplib等第三方库；5）支持SQLite数据库存储会话数据。系统测试验证了各接口功能正常，包括
2026-04-11 14:14:17
435
原创 ChatSDK的介绍，封装和测试以及编译成静态库
ChatSDK开发总结：本文介绍了ChatSDK的开发过程，SDK作为开发者工具包，集成了会话管理和数据管理功能。实现内容包括：1）头文件定义核心接口，包括模型初始化、会话管理、消息发送等功能；2）源文件实现具体逻辑，支持云端和本地(Ollama)大模型接入；3）测试验证功能正确性；4）通过CMake生成静态库，便于其他开发者直接集成使用。该SDK封装了复杂的底层交互，提供简洁API，支持流式和全量消息返回，可快速构建智能对话应用。
2026-04-11 14:08:56
438
原创 LLMManager的实现（管理大模型），会话管理和数据管理的实现
本文介绍了智能聊天助手的核心组件实现，主要包括三个部分： 大模型管理模块(LLMManager)：封装了模型注册、初始化、消息发送等功能，支持多模型管理和流式响应。 会话管理模块(SessionManager)：实现了会话生命周期管理，包括创建/删除会话、添加消息、获取历史记录等功能，使用智能指针管理会话对象，确保线程安全。 数据持久化模块(DataManager)：基于SQLite实现数据存储，将会话和消息信息持久化到数据库，支持会话恢复和历史查询。 系统采用分层设计，通过互斥锁保证线程安全，实现了内存和
2026-04-11 14:04:37
396
原创 云端模型和本地模型的介绍以及通过ollama接入本地模型
摘要： 云端大模型（如ChatGPT、DeepSeek）具有算力强、即开即用等优势，但存在隐私风险、网络依赖和高成本问题。本地部署大模型（通过Ollama等工具）可保护隐私、降低成本并支持离线使用，但硬件要求高且效果受限。Ollama作为开源工具，简化了本地模型的运行与管理，支持多平台和丰富模型，适合企业及敏感场景。本地接入需手动安装并配置模型，通过API实现全量或流式返回，兼顾灵活性与安全性。云端适合普通用户，而本地部署更适合高隐私需求场景。
2026-04-09 19:41:27
487
原创 ChatGPT和Gemini的接入和封装
本文详细介绍了如何封装和接入ChatGPT与Gemini大模型API。主要内容包括：1) ChatGPT接入部分，详细讲解了头文件编写、API调用方式、全量返回和流式返回的实现逻辑，重点分析了响应数据解析方法；2) Gemini接入部分，展示了与DeepSeek相似的实现流程，包括请求参数构造、消息体构建和响应处理；3) 针对两种模型的不同响应格式（ChatGPT的事件流和Gemini的SSE协议）分别设计了对应的解析方案。文章还记录了开发过程中遇到的实际问题（如头文件冲突、API key验证失败等）及解决
2026-04-08 12:13:29
506
原创 Provider的介绍和引入，deepseek的接入实现
主要内容包括： LLMProvider设计 采用策略模式封装不同大模型调用方式 定义抽象基类LLMProvider，包含初始化、消息发送等纯虚函数 通过多态机制实现不同模型提供者的灵活切换 DeepSeek模型接入 实现API调用封装，支持全量返回和流式返回两种模式 流式返回采用SSE协议实现实时响应 详细处理HTTP请求参数、响应解析和错误处理 通过回调函数处理增量返回的数据块 关键技术点 使用JSON进行请求/响应数据序列 通过环境变量管理敏感信息采用GoogleTest框架进行单元测试实现日志记录
2026-04-08 12:03:52
522
原创 基本数据结构的编写和日志库的认识和封装
本文介绍了AI项目开发中的关键步骤：1) 项目初始化与目录结构搭建，包括创建项目目录、Git仓库管理；2) 核心数据结构的实现，包含消息结构体、模型配置、会话信息等关键类的设计；3) 日志系统的封装，详细说明了日志级别分类、存储管理策略，并基于spdlog库实现了线程安全的单例日志工具。文章重点突出了代码组织规范（头/源文件分离）、命名注意事项以及日志系统在多线程环境下的安全处理机制，为AI项目开发提供了基础框架实现方案。
2026-04-08 11:19:39
418
原创 项目环境的搭建，项目的初步使用和deepseek的初步认识
本文介绍了基于字节Trae开发环境的ChatSDK项目实现过程。首先完成环境搭建，包括远程连接、代码克隆、编译安装等步骤。随后演示了ChatSDK的初步使用，展示了创建对话会话、配置DeepSeek模型参数、实现流式消息交互的核心代码实现。在调试过程中解决了因未设置环境变量导致的野指针问题。最后介绍了DeepSeek API的测试方法，包括使用AIPFox工具进行接口调用测试，验证了流式和非流式两种响应模式的功能实现。整个流程涵盖了从环境配置到API集成的完整开发过程。
2026-04-08 11:15:01
262
1原创 2024年10月22日练习
下面不是循环的就是考虑的那种扩容的情况例如999，那么新开一个数组，并且Size要比原数组。的大小多一，这里直接用memset函数将数组初始化，然后将数组的首元素调整1，这种就是针对。其他的情况利用循环从后面往前面走，每一位都判断一下是否变成十，只要变成十，就进位。这题考虑的麻烦点就在于每位都进位，最后进位扩展一位，此时就要另开空间，用来进位。这个循环写出来就包含了很多情况，但当要完成数组扩增时的情况就要重新考虑了。999，9999的情况。
2024-10-22 20:10:04
523
原创 2024年10月18日练习
needle的起始位置，第三个指针记录如果前面不匹配，那么从haystcak新的位置开始匹配的位置。这里要返回起始匹配位置的下标，我们可以发现tmp就是用来记录这个位置的，所以用x和tmp来保。这里我的思路就是用三个指针来完成，第一个指针指向haystack的起始位置，第二个指针指向。这就是第二层循环的条件的原因。
2024-10-18 19:46:47
376
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人