记忆碎片之python在虚拟环境APP自动化时Windows10定时任务

Windows创建定时任务执行Python脚本 在windows 中如何定时运行一个python脚本? 解决方法是:使用windows 的“任务计划程序” 第一步:在 计算器右击 --> 选择管理 进入如下界面: 第二步:选择 系统工具 -->  任务计划程序 ,点击右侧的  “创建基本任务”,进入如下界面 第三步:输入任务名称,点击下一步,进入设置触发器的界面 第四步:选择之后点击下一步,进入设置时间界面 ... 阅读详情

在Python虚拟环境中创建了app自动化程序,在使用windows设置定时任务时,有一些地方需要注意,不然容易定时失败。
第一步:在桌面右键我的电脑–管理,在任务计划右侧–创建基本任务
在这里插入图片描述
第二步:根据向导一步一步进行设置
在这里插入图片描述
第三步:在任务列表页面双击刚刚创建的任务,进入任务属性面板,切换到操作标签里面
在这里插入图片描述
第一行是Python路径,这个路径跟项目使用的解释器的路径要一致
在这里插入图片描述
第二行是脚本的绝对路径(这里有一个注意点,往下接着看)这里是main_zi.py的绝对路径
第三行是D:\pythonProject\venv\Scripts,跟第一行基本一样
第四步:在pycharm中重新写一个启动脚本,用来执行CMD命令

# main_z1.py
import os
import time

cmd1 = r"cd /d D:\pythonProject\venv\Scripts"
cmd2 = 'activate'
cmd3 = 'python D:\pythonProject\ins\instagram_v02_z1.py'

os.system(command=cmd1)
time.sleep(0.5)
os.system(command=cmd2)
time.sleep(0.5)
os.system(command=cmd3)
time.sleep(0.5)

第五步:在任务列表选中创建的任务,右键运行即可
扩展:如果多个脚本同时创建定时任务,只需要创建多个定时任务,并且在项目里面创建多个启动脚本文件,如main_z2.py main_z3.py,让cmd3指向不同的脚本文件即可,如:
python D:\pythonProject\ins\instagram_v02_z2.py
注意:当时刚开始配置的时候,我自己也一直任务运行失败,后来发现是因为我用了虚拟环境,然后在网络搜集资料,看到有人用了下面的命令,但是我一直运行失败,所以我分步骤来实现,第一行是切换路径,第二行是激活虚拟环境,第三行是启动脚本程序,最终测试定时任务成功了,所以在这里记录一下。
cmd= D:\pythonProject activate venv % python instagram_v02_z1.py 这条命令我没有成功

Cognee开源项目:为AI Agent构建智能长期记忆系统 这次我们来看一个为AI Agent注入长期记忆的开源项目——Cognee。它不是一个简单的聊天记录存储器,而是一个旨在解决AI“金鱼脑”问题的智能记忆管理系统。简单来说,它能让你的AI助手记住过去的对话、你的偏好、甚至从交互中主动学习,从而提供更连贯、更个性化的服务。这个项目之所以备受关注,不仅因为其技术理念,更因为它获得了OpenAI创始人的投资,这无疑为其在AI Agent生态中的潜力投下了信任票。 对于开发者而言,Cognee的核心吸引力在于其“开箱即用”的集成能力和对复杂记忆场景的处理。它不是一个需 阅读详情

相关推荐

Cognee开源项目:为AI应用构建可扩展记忆系统的实践指南

在AI应用开发中,如何让模型记住对话历史、用户偏好和私有知识是一个核心挑战。传统方法依赖有限的上下文窗口,存在成本高、记忆碎片化等问题。向量数据库和知识图谱技术为解决这一问题提供了新思路,通过将信息结构化存储并建立关联关系,实现高效检索和推理。这种记忆系统的技术价值在于解耦记忆与推理过程,降低计算成本,支持长期、结构化的信息管理。在实际应用场景中,可应用于智能客服、个性化推荐、知识管理助手等需要持续交互的AI系统。本文以Cognee开源项目为例,展示如何构建一个具备长期记忆能力的智能问答机器人,涵盖环境搭建

weixin_30457551的博客 355

Win10 设置Python定时任务

文章目录Win10 设置Python定时任务Win10 中设置定时任务使用特定 Python 环境指定定时任务 Win10 设置Python定时任务 Win10 中设置定时任务 在 Windows 系统下可以通过【任务计划程序】设置定时任务,在【计算机管理】–> 【系统工具】–> 【任务计划程序】中的【创建任务】创建定时任务: 创建任务的窗口如下所示: 在【常规】中的【安全选项】选择【不管用户是否登录都要运行】时,可以使定时任务在锁屏时也能运行。 【触发器】中点击【新建】可以设置定时任务执行

XnCSD的博客 1651

BallonsTranslator安装指南:基于uv的Python本地化工作流搭建

BallonsTranslator并非普通翻译工具,而是面向视觉小说本地化的专业文本提取与注入引擎。其核心原理依赖Python生态构建的命令行工作流,强调环境隔离、ABI兼容与可复现性。技术价值在于打通日文/韩文游戏脚本的提取、翻译、回填全链路,避免字符错位、变量丢失等本地化常见故障。典型应用场景包括吉里吉里(.xp3)、NScripter(.dat)等引擎游戏的汉化工程。本文聚焦Windows平台下以uv替代pip的高效环境搭建,解决ModuleNotFoundError、TLS 1.3握手失败、家庭版D

561

Windows-设置Python定时任务

定时弹窗提醒 环境: win8+Python3.8 代码: import tkinter.messagebox tkinter.messagebox.showwarning('警告','该喝水了') 设置定时任务: 1、打开任务计划程序-创建任务 2、填写任务信息 3、报错指南 可查看任务计划程序库中的上次运行结果,结合提示搜索相应解决方法即可~ 正常情况下我们的任务计划会有反馈数值,通过它可以判断这个任务计划上次是否运行正常。 代码 0 或 0x0:操作成功完成 代码 1 或 0x1:调用的

Totoro1745的博客 2305

为LLM构建记忆系统:mem0架构解析与工程实践指南

大语言模型(LLM)在对话中常因缺乏记忆而显得“健忘”,无法形成连贯的个性化交互。其核心原理在于,传统LLM基于Transformer架构,每次推理仅依赖当前输入的上下文窗口,不具备跨会话存储与检索信息的能力。为解决此问题,记忆系统通过引入外部存储与智能检索机制,赋予LLM长期记忆,从而提升对话的连贯性与个性化水平,具有显著的技术价值。这类系统通常应用于智能助手、客服机器人和协作工具等场景,旨在让AI更“懂”用户。本文聚焦的mem0,正是一个为LLM设计的智能记忆管理系统,它通过观察、提取、存储与检索的完整

anmishi2025的博客 407

python每天定时执行一次任务

使用Python的timer来完成每天执行一次的定时任务,环境是windows,python3.4

python 设置windows 定时任务_利用windows计划任务设置python程序定时运行

如果想每天利用python程序更新数据怎么办?一、一种是在python代码中加入定时代码二、利用windows计划任务设置python程序定时运行第一种:在python代码中加入定时代码import sysimport timewhile True:current_time = time.localtime(time.time())# 定时,每天凌晨1点更新if((current_time....

weixin_31362539的博客 1116

windows 10 设定计划任务自动执行 python 脚本的方法

主要介绍了windows 10 设定计划任务自动执行 python 脚本的方法,本文图文并茂给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下

Win10环境下python脚本定时运行(Windows自带的定时任务)

实现步骤: 打开win10的计划任务 控制面板\系统和安全\管理工具\任务计划程序 打开创建基本任务向导 打开计划任务程序后,在右边的操作栏选择 创建基本任务向导 创建基本任务 首先输入任务的名称,描述写不写无所谓,不过如果要长期运行还是最好写一下,便于之后快速了解这个任务是干吗的。填写完毕点击下一步 触发器设定 这里的触发器就是决定你的python脚本是怎么启动的。这里非常的关键...

you 是 mine 6768

S-function入门及案例详解(1)——S-function基础介绍及基本案例

本专题将用三篇文章对S-function进行介绍及其案例详解。欢迎关注~ 目录一、S-Function简介二、详解sfuntmpl函数2.1 sfuntmpl函数介绍2.2 mdlInitializeSizes函数2.3 mdlDerivatives函数2.4 mdlUpdate函数2.5 mdlOutputs函数2.6 mdlGetTimeOfNextVarHit函数2.7 mdlTerminate函数三、案例1——对波形的幅值进行放大3.1 案例分析3.2 案例详解3.3 输出波形四、案例2——对波形的

Wendy的博客 7万+

新手别怕!用‘东北天’和‘右前上’坐标系,5分钟搞懂惯性导航姿态矩阵(含Python验证代码)

本文通过‘东北天(ENU)’和‘右前上(RFU)’坐标系,详细解析惯性导航中的姿态矩阵概念。包含Python代码验证,帮助新手快速理解坐标变换、欧拉角及旋转矩阵的构建与应用,特别强调有限转动不可交换性与无限转动次序无关的区别。

weixin_29062255的博客 331

终极开源AI记忆平台:Cognee如何为智能体赋予持久记忆

Cognee是一款革命性的开源AI记忆平台,专为智能体设计,通过自托管知识图谱引擎为AI代理提供跨会话的持久长期记忆。在人工智能快速发展的今天,Cognee解决了智能体记忆碎片化的核心痛点,让每个AI都能像人类一样积累、连接和应用知识。 ## 🚀 为什么AI智能体需要Cognee? 传统的AI系统面临一个根本性问题:每次对话都是"从零开始",缺乏真正的记忆连续性。Cognee通过以下方式彻底

gitblog_00619的博客 669

STM32串口DMA双缓冲机制实战:提升数据传输效率的终极方案

本文深入解析了STM32串口DMA双缓冲机制的核心原理与实战配置。通过对比传统中断方式,阐述了双缓冲如何实现数据接收与处理的“无缝接力”,从而在工业传感器数据采集等高负载场景下,将CPU占用率降至极低水平并彻底避免数据丢失。文章提供了基于标准外设库的详细配置步骤、中断处理逻辑及性能实测数据,是提升嵌入式系统串口通信效率和可靠性的终极方案。

weixin_29192365的博客 78

uv:用Rust重构Python开发工作流,解决环境管理与依赖安装痛点

在Python开发中,虚拟环境管理和依赖安装是构建可复现项目环境的基础环节。传统工具链如venv、pip和conda等组合使用,虽然功能完备,但存在工具碎片化、依赖解析慢、跨平台脚本不兼容等问题,导致开发体验存在诸多摩擦点。uv作为用Rust编写的极速Python包管理器,其技术价值在于将Python版本管理、虚拟环境创建、依赖解析锁定和包安装等环节整合为一条高度自动化、确定性强的流水线,从根本上提升了环境搭建的效率和一致性。在应用场景上,uv特别适合需要快速初始化项目、管理复杂依赖图以及确保团队协作环境一

weixin_33806300的博客 361

【蓝桥杯——单片机学习笔记】十三.点阵(STC15F2K60S2)

一.点阵内部图 点阵的有两种,分为共阴和共阳(与数码管类似,后续代码根据共阳点阵编写)。点阵的控制主要是每行和每列电平的控制。如图,以共阳为例:若要使左上角的灯亮,则第一行输出高电平(其他行均为低电平),第一列输出低电平(其他列均为高电平)。 二.原理图 与数码管共用接口,所以数码管和点阵的显示只能选一个使用! 原理图中点阵的接口R5即代表第5行(Row),C8即代表第8列(Column)。通...

默默无闻小菜鸡的博客 2011

基于51单片机+SYN6288语音播报

51单片机控制SYN6288语音播报资料SYN6288模块原理图语音合成命令接线如何接线实现原理程序代码main.csyn6288.cuart.cdelay.c基于 51单片机的其他项目基于51单片机+遥控灯基于51单片机+LCD1602显示基于51单片机+红外遥控解码+LCD1602显示基于51单片机+DHT11温湿度+LCD1602显示基于51单片机+DS18B20温度测温器+LCD1602显示尾声 资料 我用的是绿深电子技术的模块,资料也挺齐全的。也有相关例程。 SYN6288模块原理图 语音合成

weixin_47457689的博客 3万+

基于AI与向量数据库构建TTRPG战役记忆引擎实战指南

在当今AI技术驱动的应用开发领域,向量数据库与大型语言模型(LLM)的结合正成为构建智能知识系统的核心技术范式。向量数据库通过将非结构化文本转换为高维向量表示,实现了基于语义的相似性检索,解决了传统数据库在模糊匹配和上下文理解上的局限。其技术价值在于能够高效存储和检索海量语义信息,为AI应用提供了可靠的“记忆”基础。这一技术广泛应用于智能问答、个性化推荐、知识库构建等场景。本文聚焦于桌上角色扮演游戏(TTRPG)这一特定领域,展示了如何利用FastAPI、ChromaDB和Ollama等开源工具,构建一个专

weixin_30696427的博客 578

嘉立创EDA vs Altium Designer:新手如何选择?从界面到实战全对比

本文全面对比了嘉立创EDA与Altium Designer(AD)两大PCB设计工具,从设计哲学、界面交互、封装库管理、设计规则引擎、协作功能到成本生态六大维度进行深入分析。嘉立创EDA以极简设计和云端协作为特色,适合学生和创客快速上手;而AD则凭借专业级精准控制,成为高端电子设计的行业标准。通过实战案例和详细对比表格,帮助新手根据项目需求选择合适的EDA工具。

weixin_30296405的博客 720

如何一键备份QQ空间历史记录:GetQzonehistory终极数字记忆保存指南

你是否曾经翻看QQ空间时发现,那些承载青春记忆的说说、留言和照片正在悄然消失?在这个数字时代,我们的记忆越来越依赖云端平台,而平台政策变更、账号异常或服务器故障都可能让你珍贵的数字足迹面临风险。GetQzonehistory开源工具为你提供了一个简单、安全、高效的方式来备份和永久保存QQ空间历史数据,让你真正掌握自己的数字记忆命运。 ## 🎯 为什么你需要QQ空间数据备份? QQ空间作为80

gitblog_00054的博客 490

【论文复现】——基于欧式聚类的车载点云道路提取

针对车载激光点云道路信息提取的问题,提出了一种基于欧式聚类的道路提取方法。首先通过统计滤波去除噪点以免对后续处理结果产生影响,然后用坡度滤波去除路坎点,使道路边界与人行道、绿化带等与路坎相连的地物形成10~25 cm的高程阶跃,最后用欧式聚类将路面点云与其他地物点云聚类为一簇或多簇并保留道路簇,从而实现道路点云的精确提取。

点云侠的博客 1134

ABAP 7.40 新语法介绍系列之二 - ABAP 类型转换操作符 CONV

这个lv_input_s变量的唯一使命,就是接收来自 char10 类型的 lv_input_c 变量的值,然后传递到 print 方法里去。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1413

NEAL:基于Python的跨应用桌面自动化库,解放重复性工作

桌面自动化技术旨在通过程序模拟人工操作,自动执行计算机上的重复性任务,其核心原理是调用操作系统API或应用接口来控制软件界面与数据流。这项技术的价值在于将人力从繁琐、机械的流程中解放出来,极大提升工作效率并减少人为错误。在数据处理、报告生成、系统集成等场景中,自动化脚本能串联起浏览器、办公软件等多个独立应用,实现端到端的流程自动化。本文探讨的NEAL项目,正是这样一个基于Python的统一抽象层,它封装了底层技术细节,提供了简洁直观的API。通过整合Selenium、pywin32等库,NEAL降低了跨应用

weixin_33966095的博客 418

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

渗透测试集成化工具:从碎片化工具链到自动化工作流

在网络安全领域,渗透测试是评估系统安全性的核心方法。其原理是通过模拟攻击者行为,发现潜在漏洞。传统方式依赖众多独立工具,导致效率低下、学习成本高。集成化工具通过模块化架构和统一数据总线,将信息收集、漏洞扫描、利用等环节串联成自动化工作流,极大提升了测试效率和规范性。这类工具的核心技术价值在于降低操作复杂度,实现结果关联分析,并支持社区插件扩展。在实战中,它适用于红蓝对抗、安全评估和合规检测等场景。本文以“密探”为例,探讨如何通过集成Nmap、SQLMap等热词工具,构建高效统一的测试平台。

weixin_33701564的博客 370

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

一键备份你的QQ空间青春记忆:GetQzonehistory开源工具全攻略

你是否曾经想要找回多年前在QQ空间发布的那些说说和心情记录,却发现它们早已消失在数字海洋中?GetQzonehistory是一个专为普通用户设计的开源Python工具,它能够帮助你轻松备份和保存QQ空间的所有历史说说,让珍贵的数字记忆不再丢失。这个工具通过安全的本地化处理,让你完整导出空间内容、互动记录和图片链接,实现真正的**数据自主权**和**隐私保护**。 ## 🎯 核心关键词:为什么你

gitblog_00735的博客 669

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

QQ空间历史数据备份:用开源工具永久保存你的青春记忆

你是否还记得十年前在QQ空间写下的第一条说说?那些深夜的心情记录、毕业时的感慨留言、与好友的互动评论,构成了我们数字化的青春记忆。然而,随着时间流逝,这些珍贵的数字足迹正面临着被遗忘的风险。今天,我要向你介绍一个能够永久保存这些记忆的开源工具——GetQzonehistory,让你轻松实现**QQ空间历史数据备份**,将那些承载着青春的故事完整地保存在自己的设备中。 ## 🎯 为什么我们需要关

gitblog_00670的博客 369

基于LLM与RAG的碎片化信息理解与重构:从47个文本碎片到结构化报告的工程实践

在自然语言处理领域,如何让机器理解并整合零散、非结构化的文本信息,是构建智能客服、知识库问答等应用的核心挑战。其原理在于超越传统的关键词匹配,通过语义理解技术,将文本转化为高维向量表示,从而捕捉深层的语义关联。这项技术的核心价值在于,它能将看似无关的文本碎片(如用户反馈、邮件片段)进行有效关联、消解指代、推理时序并检测矛盾,最终生成连贯、结构化的信息输出。应用场景广泛覆盖了客户反馈分析、事故报告自动生成、多源文档摘要等需要信息整合的领域。本文以【大语言模型】和【向量数据库】为技术基石,通过检索增强生成(RA

weixin_34262482的博客 349
上一篇: 记忆碎片之python定位APP节点
下一篇: 记忆碎片之python装饰器及多个装饰器联合使用
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值