cz285933169的专栏

大模型的缺点是支持的上下文长度有限，如果想要某个问题毕其功于一役的给大模型一次新回答出来，超出了大模型的Token长度限制，大模型会回答不出来。LangFlow可以将问题拆解成多个小问题，分多次调用OpenAIOllama结点，最终得到问题的答案。例如，想要对一段超长文章生成摘要，可以将文章拆解成10份，每一份文本片段都单独使用一个大模型结点生成摘要，然后将10份摘要汇聚在一起。LangFlow也支持多种类型的流程结点。除了前文中提到的Chat Input属于Inputs属于OutputsPrompt。

Ollama是一个强大且易于使用的本地大模型推理框架，它专注于简化和优化大型语言模型（LLMs）在本地环境中的部署、管理和推理工作流。可以将Ollama理解为一个大模型推理框架的后端服务。

是一个开源的、灵活的数据标注平台，旨在帮助开发者和数据科学家轻松创建高质量的训练数据集。它支持多种类型的数据（如文本、图像、音频、视频等）以及复杂的标注任务（如分类、命名实体识别、边界框标注、语义分割等）。通过直观的用户界面和强大的 API 集成，Label Studio 为构建和训练机器学习模型提供了坚实的基础。

【代码】ubuntu 安装 apache-airflow 教程。

ubuntu。

最近遇到了这样一个需求，将N个文本内容聚类成若干个主题词团，减少人工分析文本和分类文本的工作量。实现思路是使用K-means算法通过高频词对文本内容进行聚类，K-means算法实现原理简单易于理解，缺点是词与词之间的顺序性和相互关系不能在分类中得到体现。

更新包管理工具并安装Django环境（系统终端执行）pip3 install -U pippip3 install django==2.2.13检查Django环境并使用django-admin命令创建Django项目django-admin --versiondjango-admin startproject {{项目名称}}用PyCharm打开创建好的Djang项目，并为其添加虚拟环境下图展示了Django版本和Python版本的对应关系，请大家自行对号入座。Django版本

虚拟环境中安装连接MySQL数据库所需的依赖项pip install mysqlclient修改项目的settings.py文件,DATABASES = { 'default': { # 数据库引擎配置 'ENGINE': 'django.db.backends.mysql', # 数据库的名字 'NAME': 'vote', # 数据库服务器的IP地址（本机可以写localhost或127.0.0.1）

代码地址：https://github.com/chenzhaoplus/qty_finhttps://github.com/chenzhaoplus/qtyfinDockerfileFROM python:3.8COPY /app/ /app/RUN pip install -r /app/requirements.txtWORKDIR /appCMD ["python", "qty_fin.py", "runserver", "9999"]生成docker镜像...