Flask01——最小实例及路由传参

生产级模型服务化:从Notebook到高可用实时推理的落地实践 模型服务化是机器学习工程化的关键跃迁,其本质是将离线训练成果转化为稳定、低延迟、可观测的实时推理能力。它涉及模型序列化(如ONNX替代Pickle)、协议层设计(gRPC+Protobuf保障API契约)、运行时隔离(Triton/KServe实现动态批处理与GPU资源管控)及全链路可观测性(Prometheus+OpenTelemetry)。技术价值在于解决生产环境的不确定性(数据漂移)、不可见性(无指标盲区)、不可控性(显存/超时失控)和不可扩展性(水平伸缩瓶颈)。典型应用场景包括电商推荐、金融风控、N 阅读详情

适合人群:

本教程适合于掌握了Python的基础语法,掌握了基本的MySQL语法,了解HTML,CSS,JS等前端技术,了解基本的Web技术原理,了解HTTP协议更好。

从黑窗口到浏览器

有过Python基础的同学应该都知道,在我们之前写Python代码后,想要查看运行结果一般都是在IDE工具pycharm等的黑窗口来显示我们代码的运行结果的,而现在我们知道无论是网站,还是app,再或者微信相关应用都是展示在一个好看的网页上面的,那我们怎么将我们的运行结果展示到网页上呢?这个时候就需要用到我们的web服务器了。
结合我们日常生活中碰到的实例,比如我们要发送邮件,当然我们可以用QQ或者163邮箱去给别人发送邮件,作为普通用户我们所做的就只是填上对方的邮箱地址,写上我们要发送的内容,点击发送即可。可大家了解这封邮件发送背后的事情吗?很明显,背后是有一个邮件服务器为我们提供发送邮件服务的。这个邮件服务器就是安装到物理服务器里面的一个类似软件的邮件服务器程序,这个邮件服务器就像我们装在电脑里面的QQ,微信等。只是邮件服务器做的事情是要帮助别人在互联网上发送邮件,而QQ和微信是提供给个人聊天用的工具。但是他们本质都是用代码写的软件程序。
那么回到我们的web应用上,我们要做一个网站,实际上,最重要的就是要提供一个可供浏览器通过URL访问的web服务,而我们的web框架比如flask、django都内置了web服务,首先我们要先运行这个web服务,运行以后,这个服务就会给我们提供一个ip地址,比如:127.0.0.1:5000 (ip地址:端口号)。我们就可以通过在这个地址后面加上不同的地址来访问到不同的函数了。
早前提到web开发,一般指网站开发,当然现在web开发包括的范围更广了,包括电脑端网站,移动端(手机、平板等)网站,App,微信内嵌页面,微信小程序。

原理:以电脑端网站举例,在浏览器地址栏输入URL地址,向web服务器发送请求,服务器根据URL地址找到相应资源,返回所请求的资源,浏览器接收到返回的结果(HTML,CSS,JS,图片),将这些资源进行解析并组装,就形成了我们看到的各种绚丽多彩,功能齐全的网站了。

那么web服务器是怎么解析由浏览器端发起的一次HTTP请求呢?
为了搞明白这个过程,让我们首先来看一下什么是url
URL是Uniform Resource Locator的简写,统一资源定位符。

一个URL由以下几部分组成:

scheme://host:port/path/?query-string=xxx&aaa=ccc

scheme:代表的是访问的协议,一般为http或者https以及ftp等。
host:主机名,域名,比如www.baidu.com。
port:端口号。当你访问一个网站的时候,浏览器默认使用80端口。
path:查找路径。比如:www.jianshu.com/trending/now,后面的trending/now就是path。
query-string:查询字符串,比如:www.baidu.com/s?wd=python,后面的wd=python就是查询字符串。

下面我们再看看,我们如果通过上面的地址访问到某个网站的服务器后,会发生什么。
用图示的方式来给大家展示一下请求的过程:
在这里插入图片描述
web服务器(Nginx)和应用服务器(uWSGI)以及web应用框架(flask):
web服务器:负责处理http请求,响应静态文件如HTML,css,js,图片等这些都可以通过web服务器直接返回,常见的有Apache,Nginx以及微软的IIS.
uWSGI应用服务器:对于需要业务逻辑的请求,是不能直接通过nginx这种web服务器来处理的,只能通过应用服务器来处理,常见的应用服务器有uWSGI、tomcat等。Nginx通过自身的HttpUwsgiMouduel模块将请求转发给uWSGI,uWSGI再通过WSGI协议将请求转发给flask框架进行业务逻辑的处理。
web应用框架(flask):一般使用某种语言,封装了常用的web功能的框架就是web应用框架,flask、Django以及Java中的SSH框架都是web应用框架。

flask简介

flask是一款非常流行的Python web框架,Flask诞生于2010年,是Armin ronacher(人名)用 Python 语言基于 Werkzeug 工具箱编写的轻量级Web开发框架。
flask框架自发布以来,深得开发者喜爱,flask能如此流行的原因在于:
①、微框架、简洁、只做他需要做的,给开发者提供了很大的扩展性。
②、开发效率非常高。
③、设计非常优秀。

Flask 本身相当于一个内核,其他几乎所有的功能都要用到扩展(操作数据库的扩展Flask-SQLAlchemy),都需要用第三方的扩展来实现。

两大核心模块 Werkzeug(路由模块)和 Jinja2(模板引擎)。为flask解决了路由和模板两个web开发的必要功能。更多功能的实现就需要安装各种扩展包了。

安装flask框架

pip install flask

最小实例

# 从flask这个框架中导入Flask这个类
from flask import Flask

# 初始化一个Flask对象
# Flaks()
# 需要传递一个参数__name__
# 方便flask框架去寻找静态资源css、js、图片等
app = Flask(__name__)


# @app.route是一个装饰器
# @开头,并且在函数的上面,说明是装饰器
# 这个装饰器的作用,是做一个url与视图函数的映射
# 127.0.0.1:5000/   ->  去请求hello_world这个函数,然后将结果返回给浏览器
@app.route('/')
def hello_world():
    return 'Index'


# 如果当前这个文件是作为入口程序运行,那么就执行app.run()
if __name__ == '__main__':
    # app.run()
    # 启动一个应用服务器,来接受用户的请求
    # while True: 相当于一直做while循环 ,监听某个端口的请求,从而发出响应
    #   listen()
    app.run()

以上代码就是flask的最小实例,在IDE工具pycharm中,将上面代码保存到名为start.py的文件当中,然后在pycharm中在该文件上击右键运行该文件,或者在命令行输入python start.py来运行该文件。如果你的pycharm配置好了Python的开发环境,正常就会提示你此应用已经正常启动,也就是我们的web服务器启动成功,可以看到给出的地址:http://127.0.0.1:5000/ 。把此地址输入到url中进行访问,就可以看到浏览器显示出来:Hello World。就此我们的flask的第一个最小实例,书写,运行,测试成功!
刚才发生了什么?

让我来一行行解释下上面的代码,

from flask import Flask  # 导入flask核心包

我们现在要做的web开发就是基于flask框架的web开发,所以,自然我们第一步就是要导入我们flask框架(库)的核心包,我们下面做的所有的操作都是基于这个包的各种方法。

app = Flask(__name__)  # 实例化Flask类为app对象,传递当前文件所在位置

引入核心包之后,自然就要进行实例化,然后赋值给一个变量app,这样我们就可以通过app这个变量,来调用各种方法,实现我们下面要做的功能。另外传递进去的参数__name__相当于定义了我们web服务的根目录。(这一点的作用现在还体现不出来,当以后引入静态文件的时候就能看出它的作用了。)

@app.route('/')  # 通过装饰器形式设定路由规则,同时绑定到下面紧跟着的函数上
def index():  # 由于此函数设置了路由规则之后,就可以供浏览器进行访问了,所有叫做视图函数
    return 'Index'  # 此函数的返回值即展示到浏览器上的信息

定义路由和视图函数的对应关系。什么叫做路由:就像我们的路由器一样,将我们不同的url一一对应到我们不同的函数上。@app.route(’/’)通过装饰器的形式,使用flask的路由模块定义路由规则,此路由规则所对应的函数就是下面紧跟着的这个函数,在flask框架中,一般将这种可以通过地址访问展示到浏览器的函数叫做视图函数,而且展示的是此视图函数的返回值,如果改成print,则只会打印到控制台,而不会展示到浏览器中。

if __name__ == '__main__':  # 为了避免由别的文件通过import引入当前文件后造成的重复启动web服务器的问题
    app.run()

这段代码就是启动了flask框架内置的一个简易的web服务器,当然这种服务器只适合在开发时候测试用,真正上线的时候还是要使用Gunicorn等web服务器。

设置服务器启动端口

由上面我们知道,我们启动服务器之后,在控制台就会提示我们访问http://127.0.0.1:5000 ,这里的5000就是flask框架服务器的运行端口。那么我们是否i可以自定义启动端口呢?答案是肯定的,我们可以通过传递参数的形式来改变服务器的启动端口。

if __name__ == '__main__':
    app.run(port=8000)  #  设置服务器端口

此时我们如果修改index视图函数当中的返回值为index666,我们现在刷新页面,是不能看到修改的结果的,我们必须重启下服务器才能看到修改后的返回值。那么有什么好的办法能让我们每次修改之后不用手动重启服务器呢?可以再设置一下服务器的启动模式为调试模式。

if __name__ == '__main__':  
    app.run(port=8000, debug=True)  # 设置开启debug模式,使得每次修改代码都能重启服务器,从而可以立即查看修改后的结果。

配置文件

我们在真正开发的时候,一般会把各种配置项放到一个单独的文件当中,然后在需要使用配置项的地方引入该文件。下面我们新建一个文件setting.py,在此文件当中写入如下代码。

DEBUG = True

将启动服务器的代码去掉debug参数的配置。修改为如下:

if __name__ == '__main__':  
    app.run(port=8000)

现在我们再次重启的话,我们能看到调试模式已经变成off了。我们怎么来使用配置文件呢?需要在app下面引入配置文件。

app = Flask(__name__)
app.config.from_object('setting') # 引入.py的配置文件

再次启动的话,就可以看到配置文件已经成功生效了。
我们还有另外的一种配置文件形式,就是新建一个setting.ini的文件,里面同样写入跟setting.py一样的配置。同理也是需要引入的,可以注释掉刚才的引入配置项的代码,来引入新的setting.ini文件,我们需要这样引入。

app = Flask(__name__)
# app.config.from_object('setting') # 引入.py的配置文件
app.config.from_pyfile('setting.ini')  # 引入.ini的配置文件,主要需要带上后缀名

再次重启,同样达到了效果。

路由传参

我们可以看到,当前文章的地址为:https://blog.youkuaiyun.com/lingjiphp/article/details/89477266 根据这个地址我们能推测到什么呢?我们是不是能够看出对于此网站的文章详情页面,前面的地址都是一样的,不一样的就是最后一个斜杠后面的数字呢?我们可以通过传递不同的数字来显示不同的文章详情页面。那么,我们是不是也可以通过flask框架实现这种效果呢?答案是肯定的,我们可以用路由传参的方式来实现这一效果。我们可以定义一个这样的视图函数:

@app.route('/detail/<id>')
def detail(id):
    return '文章ID为{}的内容'.format(id)

flask框架就是利用这种尖括号的形式来传递地址栏输入的数据,然后通过函数的参数的形式,再把参数传递到视图函数内部供内部使用。注意这里的id必须要从外到内对应进来。然后我们就可以通过访问地址:http://127.0.0.1:8000/detail/1 就可以看到显示为:文章ID为1的内容。这里涉及到format函数的使用,{}相当于设置了一个占位符,然后后面紧跟着.format,把需要替换占位符中内容的变量传递给format函数。那么变量id就可以替换掉{}占位符的内容了。
另外,我们还可以规定传递过来的参数的类型。比如定义下面的视图函数:

@app.route('/user_info/<int:user_id>')
def user_info(user_id):
    return '用户ID为{}'.format(user_id)

对于这个视图函数,我们输入数字的话,肯定可以正常访问,如果我们输入字符串,就会提示我们找不到地址,这就表示,此地址只支持后面跟着整型,不支持字符串。
下面定义一个支持字符串的视图函数:

@app.route('/user/<string:name>')
def user(name):
    return '用户名为{}'.format(name)

当然传递字符串肯定没有问题,那么我们如果传递数字呢?我们发现也是可以正常访问的?那么为什么呢?很明显,把数字当成字符串来对待了,所以可以正常访问,但是对于上面传递字符串的话是无论如何也无法当成整型来对待的吧?

url_for和重定向

以下两个函数都需要提前引入一下

from flask import Flask, url_for, redirect

url_for函数

flask框架帮我们提供了在视图函数内部可以获取别的视图函数地址的方法url_for。比如我们定义如下视图函数:

@app.route('/demo')
def demo():
    print(url_for('hello'))  # url_for当中传递的是视图函数名称,而不是路由规则,且要放在引号中。
    return 'demo'

如果访问:http://127.0.0.1:8000/demo 就会在控制台看到打印/hello字样。这就是打印出了hello视图函数的地址。在我们正在使用的时候,会自动加上前面的网站跟路径。最终得到这样的地址:http://127.0.0.1:8000/hello 很明显这就是我们访问视图函数hello的地址。

redirect函数

结合重定向函数redirect,我们就可以在我们访问一个视图函数的时候跳转到另一个视图函数。

@app.route('/demo_hello')
def demo_hello():
    return redirect(url_for('hello'))

我们现在访问:http://127.0.0.1:8000/demo_hello 就会立即跳转到:http://127.0.0.1:8000/hello

url_for函数第二个参数

url_for还支持传递第二个参数

@app.route('/demo_detail')
def demo_detail():
    return redirect(url_for('detail', id=3))

这样,在我们访问:http://127.0.0.1:8000/demo_detail 就会立即跳转到:http://127.0.0.1:8000/detail/3 注意这里的id是必须和detail的id对应起来的。

Feature Store实战指南:从特征孤岛到标准化工厂 Feature Store 是面向机器学习工程化落地的核心基础设施,本质是解决多团队间特征定义不一致、存储分散、计算重复导致的协作熵增问题。其原理在于通过注册中心(Registry)统一元数据契约,结合离线/在线双存储保障训练与推理一致性,并以可复用的特征转换逻辑支撑敏捷迭代。技术价值体现在缩短特征交付周期、杜绝一致性事故、提升跨团队复用率。典型应用场景包括推荐系统、实时风控、用户画像等需高频更新与强一致性保障的AI服务。本文聚焦中小团队快速落地路径,覆盖轻量架构选型、最小闭环验证及生产级避坑经验。 阅读详情

相关推荐

Context Engineering实战:对抗上下文腐烂的系统化方法

上下文管理是大语言模型工程落地的核心瓶颈,其本质是应对信息在长程交互中不可避免的语义衰减与冲突——即‘上下文腐烂’(Context Rot)。不同于依赖经验调优的Prompt Engineering,Context Engineering以状态建模为起点,通过上下文压缩(Compaction)、结构化笔记(Structured Note-taking)和状态路由(State Routing)三大技术组件,实现对显式、隐式与元上下文的协同治理。该方法显著提升多轮对话一致性、跨Agent协作可靠性及法规/医疗等

weixin_34026276的博客 414

27、flask--query可用参数

### query可用参数: 1. 模型对象。指定查找这个模型中所有的对象。 2. 模型中的属性。可以指定只查找某个模型的其中几个属性。 3. 聚合函数。 * func.count:统计行的数量。 * func.avg:求平均值。 * func.max:求最大值。 * func.min:求最小值。 * func.sum:求和。 `func`上,其实没有任何聚合函数。但是因为他底层做了一些魔术,只要mysql中有的聚合函数,都可以通过func调用。 ...

qq_39432161的博客 1231

用Quicker编排多模态AI工作流:DeepSeek API实战指南

多模态AI正在从概念走向工程落地,核心挑战并非模型本身,而是如何把图像理解、OCR、文档解析等能力,从网页对话框变成可编程、可批量执行的API工作流。Quicker作为桌面效率工具,承担任务触发与结果展示的入口角色;DeepSeek API提供稳定的语言理解与结构化输出;deepseekharness则负责把提示词、图片路径、日志与重试机制编排成自动化链路。将这样一条链路应用到截图识文、票据提取、白板整理等高频场景,可把日常AI操作转化为可重复、可排查的桌面自动化任务。从最小环境准备到批量任务排错,围绕Qu

weixin_30896825的博客 333

flasgger的GET qury传参、POST form传参,以及返回示例

网上flasgger的相关资料较少,很多不能用,且不能很好的展示respons的示例。基于此,笔者整理了相关模板供大家使用

qq_43495412的博客 1881

Triton+Feast构建高可靠ML推理服务实战

机器学习模型部署不是简单封装API,而是涉及模型序列化、特征一致性、动态批处理与实时监控的系统工程。从PyTorch模型落地物流时效预测场景出发,深入解析Triton Inference Server如何通过强契约式配置(config.pbtxt)、原子化模型重载和GPU实例分组实现毫秒级低延迟推理;结合Feast特征仓库,构建具备时间旅行能力、freshness校验与版本锁死的特征服务,彻底解决线上线下特征不一致这一核心信任断层。该方案已在日均380万请求、P99延迟<120ms的严苛生产环境稳定运行17

张沈鹏,在路上 ... 508

工业级模型服务化:Triton+Feast构建高可靠ML推理流水线

模型服务化(Model Serving)是机器学习从实验走向生产的核心环节,其本质是将训练好的模型封装为稳定、可扩展、可观测的API服务。它依赖于底层推理引擎的高效调度、特征计算的一致性保障,以及全链路的可观测能力。Triton Inference Server凭借动态批处理、多框架原生支持和零停机模型更新,成为GPU加速场景下的工业首选;而Feast等特征平台则通过统一注册、版本化与在线/离线一致性机制,彻底解决‘训练与线上特征不一致’这一高频故障根源。在电商推荐、金融风控、IoT预测性维护等低延迟、高可

cumian9828的博客 613

Flask03_路由传参

C、利用url_map找到所请求URL对应的endpoint访问点(通过url地址映射到端点endpoint),利用view_functions表(默认空字典,存储endpoint:view_func键值对)查找到访问点对应的视图函数,最终匹配到函数,执行响应的功能函数。(1)Flask根据HTTP请求的URL在路由表中匹配定义好的路由规则,找到对应的函数处理请求,查询路由表的这个过程需要一个URL到函数的映射关系,这个映射关系就称之为路由。B、传递参数:传入在路由中已经定义的参数,路由直接拼接;

weixin_43867837的博客 1991

从Notebook到生产:机器学习模型服务化四层解耦架构

机器学习模型服务化是将训练完成的模型部署为稳定、可靠、可运维API的关键工程环节。其核心在于突破‘能跑通’的脚本思维,建立模型封装、服务托管、流量编排与可观测性四大技术支柱。通过ONNX标准化模型格式、Triton推理服务器实现多框架统一托管、Kubernetes+Argo Rollouts支撑灰度发布,以及OpenTelemetry驱动的全链路观测,系统可应对数据漂移、GPU资源争抢、配置变更失控等真实生产挑战。本文聚焦工业级ML交付中的模型包规范、config.pbtxt性能调优、声明式发布与故障关联分

xSTARx 522

Python轻量级Web框架Flask(3)——Flask路由参数/Flask请求与响应/重定项/异常处理

以后再pycharm中写代码导包,就直接把包拼出来,然后等标红时,选中,然后alt+回车,自动导包,有的没有提示的就需要手动导包了。对于Flask的学习,应该熟练掌握虚拟环境的搭建和使用(一种是直接在电脑上导入一个虚拟环境的库,然后创建虚拟环境,另一种是通过pycharm来搭虚拟环境)熟悉Flask框架的特点及组成掌握蓝图Blueprint的使用掌握路由Route的使用掌握请求Request和响应Response的使用。

sz1125218970的博客 2207

Notebook到生产环境的ML模型部署实战指南

机器学习模型部署(ML Deployment)是将训练完成的算法转化为稳定、可扩展、低延迟服务的关键环节。其核心原理在于从交互式、状态化、单用户导向的开发范式(如Jupyter Notebook),转向无状态、高并发、强隔离的生产范式。技术价值体现在稳定性保障(7×24小时不中断)、推理准确性维持(避免数据漂移与类型错配)及业务节奏对齐(支持金丝雀发布与自动回滚)。典型应用场景覆盖金融风控、智能推荐、工业预测性维护等需实时决策的领域。本文聚焦Notebook to Production这一高频痛点,结合Fa

人生的意義在於修煉!修煉之路~ 653

python爬虫自动下载网页链接

需求分析 今天遇到一个简单的需求,需要下载澳大利亚电力市场NEM日前市场的发电商报价数据(http://nemweb.com.au/Reports/Current/Next_Day_Offer_Energy/),页面观感是这样的: Ctrl + F 一下,看到一共有395个zip链接。于是就想着用python爬虫自动下载。这个网页很简单,没有验证码,甚至不需要登录,因此自动下载的pytho...

da_kao_la的博客 1万+

falsk路由传递参数

falsk路由传递参数

573

ESP32系列之LVGL(四):输入设备(外部按键)对接

本文详细介绍了如何在ESP32上使用LVGL库对接外部按键作为输入设备,包括硬件连接、驱动层实现和LVGL输入设备移植。通过具体代码示例和实战案例,帮助开发者快速实现按键控制UI界面,解决常见问题如按键无反应和控件跳转不正常。

weixin_30907935的博客 242

Legal RAG:基于 LangChain 的轻量化法律智能问答系统

面向中国法律领域的检索增强生成(RAG)系统:以 LangChain 为编排框架,通过硅基流动(SiliconFlow) 云端 API 调用 DeepSeek-V3.2 生成模型与 BGE-M3 嵌入模型,结合 ChromaDB 向量数据库,实现了从文档加载、智能分块、向量化存储到语义检索与生成的完整 RAG 流程。

m0_59777389的博客 227

内网CentOS离线部署LibreOffice:从依赖缺失到服务启动的完整避坑指南

本文详细介绍了在CentOS内网环境中离线部署LibreOffice的完整流程,包括依赖包准备、安装顺序优化及常见报错解决方案。针对金融等封闭网络场景,提供从rpm包选择到服务启动的全套避坑指南,特别解决libXinerama等图形库缺失问题,确保文档转换服务稳定运行。

weixin_33416697的博客 246

AB脉冲详解(编码器,PLC,上位机)

编码器线有些是用不到的。Z脉冲:360度中,只有1度是输出,输出能力是。编码器实际就是发光二极管,所以电流超过20ma会缩短寿命或损坏。

cfqq1989的博客 1万+

应对AI服务数据留存政策:Claude API集成架构与合规实践

在AI即服务(AIaaS)的架构中,数据留存(Data Retention)是连接数据安全、隐私合规与系统设计的关键技术概念。其核心原理在于服务提供商对用户请求与模型输出数据的存储时长与后续处理方式的定义,直接关系到数据生命周期管理。从技术价值看,合理的数据留存策略能有效平衡模型优化需求与用户隐私保护,是构建可信AI系统的基础。在实际应用场景中,开发者集成如Claude API等大语言模型服务时,必须将数据留存政策作为系统设计的重要输入,它深刻影响着日志审计、成本控制及故障排查等工程实践。近期,行业领先服务

weixin_33785108的博客 350

【华为鸿蒙3.0/荣耀安卓12使用VMOS Pro的激活方式 方法二】

关于荣耀手机安卓12如何解除进程限制,这里提供以下教程供小伙伴们参考。

Amy_mumu的博客 13万+

AI编排:企业级LLM集成中的数据可信与模型协同架构

AI编排(AI Orchestration)是面向企业生产环境的智能调度中枢,解决大语言模型(LLM)与ERP、CRM等异构业务系统深度集成时的核心矛盾——即数据实时性、模型专业性与企业合规性的统一。其原理在于将确定性流程(如API调用、权限控制、数据脱敏)交由企业集成平台(如MuleSoft)处理,而将不确定性推理(如自然语言理解、多步生成)交由LangChain等AI框架执行,形成职责清晰的混合架构。该技术显著提升AI应用的数据可信度与审计可控性,广泛应用于销售风险分析、智能客服摘要、合同续约提醒等需强

weixin_30336061的博客 452

安卓端目标检测模型部署血泪史:从NCNN/TFLite/MNN全军覆没到Torchscipts终见光明

公司需在Android设备部署目标检测模型,要求: ✅ 实时检测速度≥15FPS ✅ 模型精度损失<5% ✅ 兼容中低端安卓设备👉 GitHub项目地址:pytorch/android-demo-app/ObjectDetection我已上传这份源码到csdn下载准备模型(必须走这步才能跑通安卓端源码)如果您没有设置PyTorch环境来运行该脚本,可以下载模型文件此处转到“android演示app/ObjectDetection/app/src/main/assets”文件夹,然后跳过此步骤的其余部分,直

机器学习、深度学习、强化学习、迁移学习 1577

第81篇:Vibe Coding时代:LangGraph + Eval评估体系实战,解决 Agent 优化全靠感觉的问题

本文介绍了一个为LangGraph Coding Agent设计的评估体系解决方案。文章首先指出了当前AI Coding Agent开发中的常见问题:优化过程缺乏客观评估标准,导致改进效果难以量化。随后提出了一个完整的评估框架,包括评估指标(任务成功率、质量指标、安全指标、成本指标和流程指标)、项目结构设计和评估案例集。 核心内容包括: 设计了JSON格式的评估案例集,覆盖正常任务、边界任务和高风险场景 实现了模拟Agent输出的演示代码 构建了多维度评分系统,包括关键词匹配、禁用词检测和成本评估 提供了评

sundong_81的博客 48

Python开发提效实战:用ChatGPT做代码协作者的7种高价值用法

Python作为主流通用编程语言,其开发效率常受限于重复性技术劳动——查文档、写样板、解报错、补注释、调性能、转语法、读源码。这些任务逻辑明确但耗时费力,属于典型的高认知负荷、低创造性、强模式化环节。ChatGPT凭借对Python生态的深度语义理解与结构化输出能力,可精准承担‘超级搜索引擎+资深同事+即时编译器’三重角色,在不替代开发者决策的前提下,将传统调试链路压缩为自然语言交互。它擅长快速生成PEP8合规的样板代码、逐行解析Traceback堆栈、翻译晦涩库API、补全Google风格docstrin

weixin_30915951的博客 406

开源模型应用落地-qwen模型小试-Qwen3-8B-快速体验(一)

阿里云推出国内首个集成“快思考”与“慢思考”能力的 Qwen3-8B 大语言模型,以80亿参数和 128K 上下文支持,重塑AI应用边界并助力开发者高效部署

以微薄之力,予他人些许温暖. 2万+

Python旅游景点信息可视化系统:Django+ECharts+大模型Agent实战

在数据可视化项目中,图表往往只是最终呈现的一环,真正的核心在于数据管道与业务服务的打通。当旅游景点数据分散在Excel、数据库甚至爬虫接口中时,如何用Python生态完成清洗、聚合与挖掘,并通过接口稳定输出,成为系统能否长期使用的关键。Django作为业务骨架,提供ORM、权限与API服务;Pandas负责数据分析与特征提取;ECharts以最小集成成本呈现游客趋势、热度排行等图表;而接入大模型Agent后,系统从固定看板升级为可自然语言问答的数据服务,用户可直接查询“上周哪个景区游客量下降最明显”这类开放

weixin_32501329的博客 218

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

Triton模型服务实战:医疗AI生产环境的稳定性保障

模型服务化是机器学习落地的核心环节,其本质是将离线训练好的模型转化为高可用、低延迟、可观测的在线API服务。理解Triton Inference Server的架构原理,有助于解耦GPU/CPU异构计算、实现零停机模型更新与动态批处理优化;掌握config.pbtxt配置调优、特征漂移监控(PSI)、灰度发布熔断等关键技术,可显著提升服务SLA与资源利用率。在医保、金融、工业等强合规、高并发场景中,模型服务的稳定性往往比准确率更具业务决定性。本文聚焦真实产线中的Triton部署实践,覆盖Kubernetes

weixin_34033624的博客 628

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

Streamlit数据应用开发:Python原生低代码交互式Web框架

Streamlit是一种面向数据科学场景的声明式Python Web框架,其核心原理是通过全量脚本重运行机制实现状态驱动UI,天然规避前端工程复杂性。技术价值在于将pandas、matplotlib等数据处理逻辑直接映射为可交互Web界面,显著降低数据产品化门槛。典型应用场景包括BI看板、模型诊断工具、内部监控面板等轻量级数据应用。它并非通用Web框架替代品,而是聚焦于‘数据科学家写Python即交付Web应用’这一垂直需求,与Flask、FastAPI形成互补关系。本文深入解析其缓存机制、状态管理、多页面

weixin_30628077的博客 452

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

上一篇: Flask10——蓝图
下一篇: Flask08——数据库操作-增删改查作者书籍
零寂前端
博客等级 码龄11年 59粉丝 16原创
评论
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