AHumanBeing-优快云博客

原创 Python实践1:从零到一用 Streamlit 打造 Web 应用全攻略

Streamlit是一个专为Python开发者设计的低代码Web开发框架，让用户无需前端知识即可快速构建交互式数据科学和AI应用。它支持纯Python开发，内置丰富交互组件，无缝集成主流数据分析和AI库（如Pandas、Matplotlib、TensorFlow等），并具备实时预览功能。安装过程简单，通过pip或conda即可完成。本文通过创建"Hello, Streamlit!"示例应用，展示了Streamlit的易用性，帮助开发者快速将Python代码转化为可分享的Web应用。

2025-09-30 22:52:05 2608 1

原创零基础上手AI编程：Python2025最新安装与环境配置

在蓬勃发展的人工智能（AI）浪潮中，Python无疑是驱动创新的核心语言。它的简洁语法、庞大的库生态以及在数据科学、机器学习和深度学习领域的卓越表现，使其成为 AI 工程师和数据科学家们的首选工具。从复杂的模型训练到精细的数据预处理，Python 提供了实现这些强大功能的无缝体验。然而，要驾驭 Python 的强大力量，拥有一个正确配置的开发环境至关重要。尤其对于 AI 领域的开发者而言，一个最新、稳定且易于管理的 Python 环境是高效进行模型开发、实验和部署的基石。

2025-09-09 13:53:54 1255

原创零基础上手AI编程：Anaconda安装与Jupyter Notebook高效配置指南

Anaconda与Jupyter Notebook人工智能开发环境搭建指南 Anaconda是一个集成了Python/R语言和科学计算库的开源发行版，为AI开发提供强大的环境管理工具。其核心优势包括：简化安装流程、支持虚拟环境隔离、预装NumPy/Pandas等关键库。本文详细介绍了Anaconda的安装步骤：从官网下载安装包，完成基础配置，到验证安装成功。重点演示了如何通过Anaconda启动Jupyter Notebook，并运行第一个Python程序"Hello world!"。A

2025-09-09 13:22:02 1635

原创零基础上手 AI 编程：VS Code 2025 最新安装与环境配置（含Python/Jupyter）

摘要：本文详细介绍VS Code的安装与AI开发环境配置。作为微软推出的跨平台代码编辑器，VS Code凭借轻量级、高扩展性成为开发者首选。文章首先说明系统兼容性要求及官网下载步骤，并以Windows系统为例图文演示安装流程。随后重点讲解三个关键插件配置：中文语言包、Python扩展（含Pylance等工具）和Jupyter扩展（支持Notebook交互开发）。通过环境搭建，用户可高效结合Python生态与Jupyter交互特性，为AI项目开发提供完整解决方案。

2025-09-09 12:13:56 3032

原创解决 GitHub 克隆项目时出现 “Permission denied (publickey)” 问题

通过以上步骤，我们成功解决了在克隆 GitHub 项目时出现的问题。检查是否已生成 SSH Key。生成新的 SSH Key（如果需要）。将公钥添加到 GitHub。验证 SSH Key 配置是否成功。重新克隆项目。这是我在学习过程中遇到的问题，也希望这篇文章能够帮助您顺利解决类似问题。如果您在操作过程中遇到其他问题，欢迎在评论区留言交流。版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载时请附上原文出处链接和本声明。

2025-05-02 09:32:01 2021

原创 Windows平台（Win10）：最新版本Git 安装

Git Bash 是一个命令行工具，提供了类似于 Linux Shell 的环境，使用户能够在 Windows 系统上使用类Unix命令，通过 Git Bash，用户可以使用 Git 的命令行功能，执行版本控制任务，例如克隆仓库、提交更改等。

2025-02-14 10:18:24 4753

原创 RPA学习01：RPA概述

RPA（Robotic Process Automation）即机器人流程自动化，又称为Digital Labor（数字化劳动力）它是指根据预先设定好的业务处理规则，模拟用户与计算机系统的交互过程，自动完成一系列特定的工作流程和预期任务的智能化技术。传统自动化是指使用机械、电器、控制工程等传统手段，通过编程或预设规则来实现对任务或流程的自动执行和控制的技术。它依据预先设定的程序或逻辑来知道设备或系统的运行，以完成特定的操作或任务，从而降本增效，提升产品质量和稳定性。

2025-02-12 22:20:24 2680

原创 Moonshot 的API调用以及通过扣子平台封装插件

其实就相当于通过python调用OpenAI的方法实现访问Kimi的API，本质就是python开发，有些区别的是，不要删除handler（）方法，这相当于一个主函数，是返回最终数据的，如果删除会报错。本次主要讲一下如何申请Moonshot （kimi）的API，并将Moonshot的API封装在扣子平台的插件里，实现智能体通过加载这个插件，可以调用kimi的大模型进行代码生成、智能问答等功能。如果看到测试结果正常，插件基本已经开发完成，可以直接发布到扣子平台了。

2025-02-10 14:59:57 3290 1

AHumanBeing的博客