linjiuxiansheng的博客

本文介绍了如何使用 Python 构建一个 WeaviateHelper 工具类，用于管理 Weaviate 向量数据库中的数据。通过结合本地向量模型（如 Ollama 部署的 nomic-embed-text），该工具类支持数据插入、语义搜索、混合检索以及集合管理等功能。文章详细讲解了工具类的核心功能，包括创建集合、批量插入数据、混合搜索与语义搜索的实现，并提供了代码示例。该工具类适用于私有部署场景，能够有效管理非结构化数据，提升数据检索效率。

为我们打开了一扇通往 AI 驱动的浏览器自动化的新大门。它将强大的 LLM 能力与成熟的 Playwright 浏览器控制相结合，提供了简单易用且功能丰富的解决方案。无论你是想自动化处理日常的网页任务、构建复杂的工作流，还是探索 AI Agent 的前沿应用，都值得一试！

我们需要创建一个工具，它可以接收文本描述，并返回 AI 生成的图像 URL。

通过本文的介绍，我们实现了一个基于OpenAI API解析PDF使用 PyMuPDF 解析 PDF 文本构造 AI 提示词，让大模型精准提取发票信息调用 OpenAI API 并解析返回 JSON 结果这一方案可以广泛应用于财务报销、企业票据管理等场景，极大提高工作效率。如果你有更复杂的需求，可以尝试调整prompt或使用更强大的LLM模型。

在本篇文章中，我们将探讨一个使用Python和MinIO进行多线程文件上传的示例代码。该代码能够高效地处理从Gzip文件中提取任务并将其上传到MinIO对象存储的过程。我们将逐步解析代码的各个部分，并解释其工作原理。

通过 Notion API 和 Python，我们可以轻松地批量更新 Notion 页面图标，尤其适合需要批量操作大量页面的用户。此方法不仅简洁高效，还能通过日志记录帮助调试和错误排查。

通过pyotp和qrcode，我们能够快速实现 TOTP 动态验证码的生成、验证和二维码绑定功能。这种方案简单高效，适用于多种需要双因素认证的场景。

在实际企业级项目中，Python 和 MySQL 存储过程的结合能够有效提高数据处理的性能、简化代码逻辑、增强安全性和事务管理能力。通过合理设计存储过程，可以使系统更加高效和易于维护。

YOLO系列模型凭借其优秀的性能，在物体检测领域展现了强大的能力。本文通过一个简单的示例展示了如何使用YOLOv8进行视频物体检测。希望对你在深度学习和计算机视觉的探索有所帮助！

了解软件系统设计和微服务。本课程是学习使用 Python、Kubernetes、RabbitMQ、MongoDB、mySQL 的微服务架构和分布式系统的实践方法。

在DRF中，接口的实现可以根据需求逐渐封装、抽象。从基础的APIView到高度封装的，开发者可以灵活选择适合自己项目的实现方式。

特性请求分发通过dispatch分发到getpost等方法继承自View，同时增加了请求对象的初始化请求处理只负责 HTTP 方法的处理增加了认证、权限、限流机制适用场景适用于通用的 Web 开发适用于 API 开发，安全机制健全。

本文档将介绍如何使用 Django 和 Django REST Framework 构建一个 AI 聊天机器人项目，并结合 OpenAI 的 GPT 模型提供代码解释服务。步骤包括创建 Django 项目、配置 API、与 OpenAI 集成，并最终提供一个可通过 REST API 调用的服务。使用环境变量来存储 OpenAI API 密钥。创建一个新的 Django 应用。

在企业级后端接口项目中，为了满足不同环境（开发和生产）的需求，我们通常需要区分不同的配置。本指南将详细介绍如何在 Flask 应用中实现这一区分。

本文介绍了如何在Python中使用Flask和gRPC创建一个简单的示例应用程序。内容包括环境设置、定义gRPC服务、生成Python代码、实现gRPC和Flask服务器以及使用requests库进行测试。

PyQt6是Python绑定的Qt库，可以用来开发跨平台的桌面应用程序。本教程将介绍如何使用PyQt6创建一个简单的登录界面，包括用户名和密码输入框以及登录按钮。当用户点击登录按钮时，程序会验证输入的凭据并显示相应的消息。

在 Python 中，可以使用 PythonMagick 库来处理图像，包括调整大小并生成图标。以下是使用 PythonMagick 调整图像大小并生成图标的详细步骤。直接安装 PythonMagick，你需要手动下载适用于你系统和 Python 版本的预编译包。通过以上步骤，你可以使用 PythonMagick 轻松地调整图像大小并生成图标。，从中找到适用于你系统和 Python 版本的 PythonMagick 预编译包。为你自己的图像文件路径，并根据需要调整目标大小和文件名。

StableDiffusion是一个非常强大的模型，它可以根据我们的描述生成各种各样的图片。在今天的文章中，我们将学习如何使用StableDiffusion这个强大的模型来生成可爱的熊猫图片。StableDiffusion是一个基于深度学习的图像生成模型，它能够根据我们提供的文字描述生成相应的图片。接下来，我们将从Hugging Face的模型库中加载预训练的StableDiffusion模型。如果你的计算机有NVIDIA的GPU，并且安装了CUDA，那么你可以将模型转移到GPU上以加速计算。

如何使用ResNet50模型对图像进行分类。

在图像处理领域中，检测两张图片之间的差异是一项重要的任务。本文将介绍一个使用OpenCV库进行图片差异检测的简单示例代码，并详细注释每个步骤。

在图像处理领域中，轮廓检测是一项重要的任务，用于寻找并标定图像中的物体边缘。本文将介绍如何使用OpenCV库进行图像轮廓检测，并展示一个简单的示例代码。代码中的注释将详细解释每一步的操作。

在图像处理中，滤波是一种常见的技术，用于去除图像中的噪声、平滑图像或突出图像的某些特征。本文将通过OpenCV库演示几种常见的滤波方法，每个滤波方法的原理和适用场景。

图像处理中的水印添加是一种常见的操作，用于在图片上叠加一些信息或标识。本文将介绍如何使用OpenCV库在图片上添加水印，并通过详细的代码注释来解释每一步的操作。

眼睛疲劳对于长时间使用电子设备的人群来说是一个常见的问题。为了帮助用户及时发现眼睛疲劳并采取相应的措施，本文介绍了一个实时眼睛疲劳检测与提醒系统的简单实现。使用了OpenCV、MediaPipe以及Playsound库，通过摄像头捕捉实时图像，检测眼睛疲劳并在需要时播放提示音。

在计算机视觉领域，图像处理是一项关键的任务，其中图像裁剪和匹配是常见的操作之一。本文将介绍如何使用OpenCV库进行图像裁剪与匹配，并展示一个简单的示例代码。

Python是一门强大而灵活的编程语言，通过使用其内置的os和json模块，我们可以轻松地处理JSON文件。本教程将引导你逐步学习如何遍历指定路径下的所有JSON文件，并演示如何打开、解析以及处理这些JSON数据。

Nacos是一个开源的动态服务发现、配置和服务管理平台。本文将介绍在Windows环境下搭建Nacos服务，并提供一个简单的Python示例，演示如何通过Nacos实现服务注册与发现。

Faker是一个Python库，用于生成各种测试数据，如姓名、地址、电子邮件、日期等。它的设计初衷是帮助开发者在开发和测试阶段快速构建测试数据，而无需依赖真实的信息。Faker支持多种语言和地区的数据生成。可以使用来指定中文环境。# 创建一个中文Faker实例# 生成中文姓名print("中文姓名:", fake.name())Faker库是一个强大而灵活的工具，为开发者提供了轻松创建测试数据的方式。从基本的姓名、地址、电子邮件到高级的Provider和方法链，Faker满足了各种生成测试数据的需求。

在微服务架构中，通过FastAPI框架创建一个简单的Python微服务Demo涉及多个步骤，包括定义服务、使用框架、进行通信等。在这篇文章中，我们将使用FastAPI框架创建两个简单的微服务，它们通过RESTful API进行通信。

当谈论装饰器的实际应用时，下面是一些简单的示例代码，演示了不同类型的装饰器在项目中的用途。这些示例代码是基于 Python 的。

在Python中，单例模式是一种设计模式，它确保类只有一个实例，并提供一种全局访问该实例的方式。在Python中，模块是单例的，因此可以将需要共享的数据放在模块中。这是一种简单的单例模式的实现方法。通常，实现Python单例模式的方法包括使用模块级别的变量、元类或装饰器。以上这些方法都可以用来实现单例模式，你可以根据自己的需求选择其中一种方法来确保在应用程序中只有一个类的实例。装饰器是一种在函数或方法上应用的修饰器，也可以用于实现单例模式。这样，每次创建Singleton类的实例时，都会返回相同的实例。

这将创建一个名为 “blog_project” 的Django项目文件夹，并在其中包含项目的基本结构。这将在项目中创建一个名为 “blog” 的应用程序

在许多应用中，任务分发和处理是一个常见的问题。例如，一个任务可以是处理数据、计算结果或执行任何需要分布式处理的操作。本文将展示如何使用 Python 和 Flask 创建一个简单的任务分发系统，其中服务器端提供任务，客户端请求获取任务并标记任务为已领取，客户端完成任务后可以将其标记为已完成，并且可以重新获取任务。

Centos7下使用selenium，无头模式

这段代码实现了一个可以使用鼠标控制安卓设备的小工具。它使用了Pygame库来显示设备屏幕和捕获鼠标事件，以及使用了ADB命令来模拟屏幕滑动和鼠标点击事件

Python的一些知识

代码实现了将 PDF 文件转换为 DOCX 文件的功能。它使用了第三方库 pdf2docx，该库提供了一个 parse 函数，用于将 PDF 文件解析为 DOCX 文件。代码定义了两个函数：convert_pdf_to_docx(pdf_path) 函数：用于将输入的 PDF 文件转换为 DOCX 文件，将输出文件路径保存在变量 docx_path 中，并返回该路径。

Requests报错：requests.exceptions.ChunkedEncodingError

整理文件是程序员的一个好习惯，在整理文件的时候，目录和文件太多，但想知道目录结构是怎么样的，再来构思怎么整理文件。

该代码使用 ReportLab 和 PyPDF4 库生成 PDF 报告，提供添加文本、图片和表格的方法，并保存为指定文件名。包含 STXINGKA 字体显示中文字符。主程序实例化 PDFGenerator 对象，添加内容后保存文件。