<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_73983707的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_73983707</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_73983707]]></copyright><item><title><![CDATA[大模型应用开发 12.FastAPI ② ORM]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/161463562</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/161463562</guid><author>m0_73983707</author><pubDate>Wed, 03 Jun 2026 22:56:16 +0800</pubDate><description><![CDATA[ORM（Object-RelationalMapping，对象关系映射）是一种编程技术，用于在面向对象编程语言和关系型数据库之间建立映射。它允许开发者通过操作对象的方式与数据库进行交互，而无需直接编写复杂的SQL语句。① 减少重复的 SQL 代码② 代码更简洁易读③ 自动处理数据库连接和事务④ 自动防止 SQL 注入攻击1.基类，基础DeclarativeBase（包含通用属性和字段的映射）2.定义数据库表对应的模型类是SQLAlchemy 2.0 版本中，用于定义。]]></description><category></category></item><item><title><![CDATA[大模型应用开发 11.FastAPI ① 请求与响应]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/160594171</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/160594171</guid><author>m0_73983707</author><pubDate>Wed, 27 May 2026 23:13:36 +0800</pubDate><description><![CDATA[是路径操作装饰器(如 @app.get或 @app.post)的关键参数，它通过一个Pydantic 模型来严格定义和约束 API 端点的输出格式。这一机制在提供自动数据验证和序列化的同时，更是保障数据安全性的第一道防线。# 需求：定义一个新闻接口id: inttitle: strreturn {"id": id,"title": f"这是第{id}本书","content": "这是一本好书"# 启动代码FasrAPI中，怎么定义自定义响应数据的格式？# 需求：定义一个新闻接口。]]></description><category></category></item><item><title><![CDATA[大模型应用开发 9.Agent Skills]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/161422965</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/161422965</guid><author>m0_73983707</author><pubDate>Tue, 26 May 2026 15:58:43 +0800</pubDate><description><![CDATA[Skill = 技能，一般包含：流程规则、经验配方、所需工具、其他材料。]]></description><category></category></item><item><title><![CDATA[大模型应用开发 10.DeepSpeed]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/161387192</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/161387192</guid><author>m0_73983707</author><pubDate>Mon, 25 May 2026 15:33:41 +0800</pubDate><description><![CDATA[DeepSpeed是一个针对PyTorch的优化工具。它旨在加快训练速度和减小模型的内存占用。DeepSpeed通过一系列优化技术，如模型并行和梯度累计，来提高训练速度。此外，DeepSpeed还提供了内存优化的功能，能够有效地减小模型在GPU/NPU上的内存占用。DeepSpeed是一个由微软开发的开源深度学习优化库，旨在提高大规模模型训练的效率和可扩展性。它通过多种技术手段来加速训练，包括模型并行化、梯度累积、动态精度缩放、本地模式混合精度等。]]></description><category></category></item><item><title><![CDATA[【NLP 79、强化学习串讲】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/155542777</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/155542777</guid><author>m0_73983707</author><pubDate>Wed, 03 Dec 2025 22:49:17 +0800</pubDate><description><![CDATA[如果你想入门理解原理：死磕Q-Learning，只要把那几行代码搞懂，后面都是通的。如果你想做个打游戏 AI：直接上PPO，它是目前最好用的“万金油”。如果你关注DeepSeek 和大模型前沿：去研究GRPO，这是当下的版本答案。如果你想训练自己的 ChatGPT：你必须走RLHF的全流程。]]></description><category></category></item><item><title><![CDATA[【测试理论和实践 5.测试分类】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/154084696</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/154084696</guid><author>m0_73983707</author><pubDate>Thu, 30 Oct 2025 21:10:19 +0800</pubDate><description><![CDATA[• 白盒测试主要应用于单元测试阶段• 先执行静态设计用例的方法，再执行动态设计测试用例的方法• 设计用例一般使用路径测试，重点模块追加使用逻辑覆盖方法。]]></description><category></category></item><item><title><![CDATA[【测试理论和实践 4.测试用例】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/154018566</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/154018566</guid><author>m0_73983707</author><pubDate>Tue, 28 Oct 2025 22:53:50 +0800</pubDate><description><![CDATA[总用例数: 45执行用例: 45通过用例: 43失败用例: 2阻塞用例: 0通过率: 95.6%]]></description><category></category></item><item><title><![CDATA[【测试理论和实践 3.BUG篇】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/153988383</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/153988383</guid><author>m0_73983707</author><pubDate>Tue, 28 Oct 2025 14:57:59 +0800</pubDate><description><![CDATA[一个计算机bug指在计算机程序中存在的一个错误(error)、缺陷(flaw)、疏忽(mistake)或者故障(fault)，这些bug使程序无法正确的运行。Bug产生于程序的源代码或者程序设计阶段的疏忽或者错误。准确的来说：1. 当且仅当规格说明（需求文档）是存在的并且正确，程序与规格说明之间的不匹配才是错误。2. 当需求规格说明书没有提到的功能，判断标准以最终用户为准：当程序没有实现其最终用户合理预期的功能要求时，就是软件错误。① 评估程序员的开发能力② 修复BUG的优先级排序。]]></description><category></category></item><item><title><![CDATA[【测试理论和实践 2.测试概念】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/153940363</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/153940363</guid><author>m0_73983707</author><pubDate>Mon, 27 Oct 2025 22:03:46 +0800</pubDate><description><![CDATA[瀑布模型是软件开发中最经典、最线性的生命周期模型。它将项目划分为一系列按顺序执行的阶段，每个阶段的输出作为下一个阶段的输入，如同瀑布一般自上而下流动。特点优点缺点工作方式1. 简单易用，易于理解和管理• 阶段划分清晰，流程简单明了，对技术和管理经验要求较低。2. 阶段性强，纪律严明• 要求每个阶段都必须有明确的交付物，并且需要经过严格的评审。这保证了开发过程的规范性和可追溯性。3. 便于计划和管理• 在项目初期就设定了明确的时间表和里程碑，便于项目经理进行进度跟踪和资源分配。]]></description><category></category></item><item><title><![CDATA[【大模型应用开发 6.LangChain多任务应用开发】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/150986452</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/150986452</guid><author>m0_73983707</author><pubDate>Sun, 26 Oct 2025 22:24:47 +0800</pubDate><description><![CDATA[把不同的模型，统一封装成一个接口，方便更换模型而不用重构代码。langchain：一个开源的大语言模型（LLM）应用开发框架，旨在简化基于大语言模型的复杂应用构建（如智能问答、RAG、AI 智能体、工具调用等）。langchain.chat_models： 框架下的子模块，专门用于处理 “聊天型大语言模型” 的交互逻辑。model：LangChain 聊天模型实例，封装了与 OpenAI 服务交互的逻辑（如 API 调用、参数配置等），是后续调用  模型的 “入口对象”。response：LangChain]]></description><category></category></item><item><title><![CDATA[【大模型应用开发 LangChain模型输出属性速查表】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/153932019</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/153932019</guid><author>m0_73983707</author><pubDate>Sun, 26 Oct 2025 21:14:54 +0800</pubDate><description><![CDATA[返回）分类，涵盖核心属性的作用、示例值及使用场景，适配主流模型（DeepSeek、OpenAI、通义千问等）。返回）和 “流式片段对象”（如。按 “完整回答对象”（如。]]></description><category></category></item><item><title><![CDATA[【测试理论和实践 1.认识测试】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/153882921</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/153882921</guid><author>m0_73983707</author><pubDate>Sat, 25 Oct 2025 21:38:53 +0800</pubDate><description><![CDATA[测试在生活中处处可见软件测试就是验证软件产品特性是否满足用户的需求。]]></description><category></category></item><item><title><![CDATA[【大模型应用开发 8.LangGraph从入门到实战·下】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/153588744</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/153588744</guid><author>m0_73983707</author><pubDate>Thu, 23 Oct 2025 23:02:04 +0800</pubDate><description><![CDATA[os： 是 Python 标准库的内置模块，无需额外安装，导入即可使用（代码中  就是导入该模块）。它封装了不同操作系统（Windows、Linux、macOS 等）的底层接口，让开发者可以用统一的代码实现跨平台的系统操作，无需针对不同系统编写不同逻辑。typing：Python 标准库模块，提供类型提示工具，用于指定变量、函数参数 / 返回值的类型，支持静态类型检查（如 IDE 提示、mypy 校验），增强代码可读性和健壮性。TypedDict：typing模块中的类型工具，用于定义结构化字典类型，明确指]]></description><category></category></item><item><title><![CDATA[【大模型应用开发 7.LangGraph从入门到实战·上】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/150986506</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/150986506</guid><author>m0_73983707</author><pubDate>Sun, 19 Oct 2025 22:16:07 +0800</pubDate><description><![CDATA[LangGraph 是由 LangChain 团队开发的一个开源框架，旨在帮助开发者构建基于大型语言模型（LLM）的复杂、有状态、多主体的应用。它通过将工作流表示为图结构（graph），提供了更高的灵活性和控制能力，特别适合需要循环逻辑、状态管理以及多主体协作的场景，比如智能代理（agent）和多代理工作流。LangGraph 是为智能体和工作流设计一套底层编排框架。]]></description><category></category></item><item><title><![CDATA[【大模型应用开发 5.LlamaIndex-Workflow】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/151331491</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/151331491</guid><author>m0_73983707</author><pubDate>Wed, 10 Sep 2025 20:23:40 +0800</pubDate><description><![CDATA[工作流顾名思义是对一系列工作步骤的抽象。LlamaIndex 的工作流是事件（event工作流由step组成每个step处理特定的事件step也会产生新的事件（交由后继的step进行处理）直到产生StopEvent整个工作流结束文本查询→检索相关表→生成 SQL→执行 SQL→生成回答# TextToSQLWorkflow1 工作流流程├─ 1. 依赖导入。]]></description><category></category></item><item><title><![CDATA[【大模型应用开发 4.LlamaIndex知识管理与信息检索】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/150451644</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/150451644</guid><author>m0_73983707</author><pubDate>Mon, 08 Sep 2025 21:27:19 +0800</pubDate><description><![CDATA[LlamaIndex 是一个为开发「知识增强」的大语言模型应用的框架（也就是 SDK）。知识增强：泛指任何在私有或特定领域数据基础上应用大语言模型的情况。例如Question-Answering Chatbots (也就是 RAG)Document Understanding and Extraction （文档理解与信息抽取）Autonomous Agents that can perform research and take actions （智能体应用）]]></description><category></category></item><item><title><![CDATA[【大模型应用开发 3.RAG高级技术与实践】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/150337134</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/150337134</guid><author>m0_73983707</author><pubDate>Sat, 23 Aug 2025 13:02:39 +0800</pubDate><description><![CDATA[Qwen-Agent是一个开发框架。充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。Qwen-AgentDashScope服务提供的Qwen模型服务支持通过OpenAI API方式接入开源的Qwen模型服务RagasRagas (Retrieval-Augmented Generation Assessment) 它是一个框架，它可以帮助我们来快速评估RAG系统的性能用户输入的问题。从 RAG 系统生成的答案(由LLM给出)。]]></description><category></category></item><item><title><![CDATA[【大模型应用开发 2.RAG技术应用与Faiss向量数据库】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/150222767</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/150222767</guid><author>m0_73983707</author><pubDate>Sat, 16 Aug 2025 18:50:37 +0800</pubDate><description><![CDATA[Qwen-Agent是一个开发框架。充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。Qwen-Agent支持的模型形式：DashScope服务提供的Qwen模型服务支持通过OpenAI API方式接入开源的Qwen模型服务。]]></description><category></category></item><item><title><![CDATA[【大模型应用开发 1.嵌入模型与向量数据库 Chroma】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/150013207</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/150013207</guid><author>m0_73983707</author><pubDate>Sat, 16 Aug 2025 18:50:25 +0800</pubDate><description><![CDATA[向量是一种有大小和方向的数学对象。它可以表示为从一个点到另一个点的有向线段。例如，二维空间中的向量可以表示为（x，y），表示从原点（0，0）到点（x，y）的有向线段。以此类推，我可以用一组坐标（x_0, x_1, x_2, …, x_n）表示一个N维空间中的向量，N 叫向量的维度。嵌入（Embedding）是指非结构化数据转换为向量的过程，通过神经网络模型或相关大模型，将真实世界的离散数据投影到高维数据空间上，根据数据在空间中的不同距离，反映数据在物理世界的相似度。]]></description><category></category></item><item><title><![CDATA[【Python 算法零基础 6.贪心算法】]]></title><link>https://blog.youkuaiyun.com/m0_73983707/article/details/148558760</link><guid>https://blog.youkuaiyun.com/m0_73983707/article/details/148558760</guid><author>m0_73983707</author><pubDate>Wed, 11 Jun 2025 22:14:36 +0800</pubDate><description><![CDATA[给定一个长度为 n 的整数数列 A，A 中第 i 个元素为 Ai​（1≤i≤n），整数 res 初始为 0，如果一个数 a 存在于 A 且 a+1,a+2 均存在于 A 中，则 res 加 1，请输出最后 res 的值。例如：字符串 abe，可分为 (ab)(e)，与(a)(be)，前者括号内的字母数组成的数组为 2,1，后者为 1,2，所以答案为 (ab)(e)。现在小明的问题是：如果已知了初始状态和要达到的目标状态，每次只能同时翻转相邻的两个硬币,那么对特定的局面，最少要翻动多少次呢？]]></description><category></category></item></channel></rss>