Simple Search_Score System(简易查分系统)

Anthropic零层架构:用system指令替代中间件的AI工程范式革命 在大模型能力跃迁背景下,'AI中间层抽象失效'已成为新一代应用架构的核心命题。当基础模型具备强指令遵循、上下文感知与原生格式生成能力时,传统RAG协调器、提示词编排引擎和安全护栏代理等中间件,正从‘必要封装’退化为‘性能瓶颈’。Anthropic提出的‘零层’设计,本质是将系统约束内化为模型生成过程的一部分——通过自然语言定义的system指令实现角色锚定、操作契约与输出协议,以200K上下文承载原始知识、以概率化决策替代确定性路由。该范式已在金融合规、工业故障诊断等高确定性场景验证:延迟降低74%,幻觉率 阅读详情

今天我为了把前段时间学的知识(选择语句,分支语句,循环语句,函数,数组等)复习了一遍,写了一个很简易的查分系统。用一个数组存放10个学生的成绩,然后写了几个函数分别来实现打印成绩、查看最高分、查看最低分和平均分的函数(主要是想练习使用函数)。通过switch case语句来调用函数。这个程序看似很简单,但是在写代码的过程中也会遇到问题。正如大佬们所说:“好的程序是调试出来的。”在刚刚写完程序后,我就运行了,虽然没有语法错误,但是从运行结果上很明显地看出有逻辑错误。我打开监视器,输入变量值一步一步地跟踪,最终找到了问题所在。之后我又重新运行程序,并把打印的结果尽可能地修改地更美观了点。此前我也做过在一个数组里查询最大最小值,但今天我调整了算法, 尽可能地使代码更简洁。以下是我的代码,若还有可以优化的地方,希望读者们能指出来。

#include <stdio.h>

void menu()
{
	printf("                    ******************************\n") ;
	printf("                    **********1.显示成绩**********\n") ;   
	printf("                    **********2.  最高分 *********\n") ;   
	printf("                    **********3.  最低分 *********\n") ;  
	printf("                    **********4.  平均分 *********\n") ;
	printf("                    **********5. 退出系统 ********\n") ;
	printf("                    ******************************\n") ;
}

void Show_score(int arr_s[])
{
	int i = 0 ;
	printf("10个学生成绩分别是: ") ;
	for(i=0 ; i<10 ; i++)
	{
		printf("%d " , arr_s[i]) ;
	}
	printf("\n") ;
	printf("\n请键入你需要操作的选项: ") ;
}

void Max_score(int arr_s[])
{
	int i  = 0 ;
	int max = arr_s[0] ;
	for(i=0 ; i<10 ; i++)
	{
		 max = max > arr_s[i] ? max : arr_s[i] ;
	}
	printf("最高分为%d\n" , max) ;
	printf("\n请键入你需要操作的选项: ") ;
}

void Min_score(int arr_s[])
{
	int i = 0 ;
	int min = arr_s[0] ;
	for(i=0 ; i<10 ; i++)
	{
		 min = min < arr_s[i] ? min : arr_s[i] ;
	}
	printf("最低分为%d\n" , min) ;
	printf("\n请键入你需要操作的选项: ") ;
}

Ave_score(int arr_s[])
{
	int i = 0 ;
	float sum = 0 ;
	for(i=0 ; i<10 ; i++)
	{
		sum += arr_s[i] ;
	}
	printf("平均分为%f\n" , sum/10.0) ;
	printf("\n请键入你需要操作的选项: ") ;
}


int main()
{
	int arr_score[10]= {98 , 95 , 96 , 85 , 73 , 69 , 82 , 74 , 78 , 95} ;//存放学生的成绩
	int input = 0 ;
	menu();
	printf("\n欢迎使用查分系统!请根据提示选择您所需要的操作\n") ;
	printf("\n请键入你需要操作的选项: ") ;
	while(1)
	{
		scanf("%d" , &input) ;
	switch (input)
	{
	case 1 : 
		Show_score(arr_score) ;
		break ;
	case 2 : 
		Max_score(arr_score) ;
		break ;
	case 3 :
		Min_score(arr_score) ;
		break ;
	case 4 :
		Ave_score(arr_score) ;
		break ;
	case 5 :
		printf("\n即将退出本系统,感谢使用!\n") ;
		return 0 ;
	default :
		printf("输入非法,请重新输入:") ;
	}
	}
	return 0 ;
}

运行结果:
在这里插入图片描述
等我学完C语言后,我会将这段代码再扩充来实现更多的功能!Romeo 加油~

Anthropic零胶水层:推理编排层的协议级消融 在大模型工程实践中,'推理编排层'指代应用逻辑与原始模型API之间承担system prompt注入、token管理、流式解析、错误恢复等非核心任务的中间胶水代码。其本质是因模型能力不稳定、输出不可控而被迫上移的工程负债。随着Claude-3.5系列模型稳定性突破99.2%、Rust/WASM基础设施成熟,Anthropic将该层功能从SDK下沉为HTTP协议契约——通过X-Anthropic-System Header、自动token预算、JSON Lines流响应、RFC 7807标准化错误等机制,实现 阅读详情

相关推荐

大模型-LangChain

注:提示词模板调用invoke返回的就是PromptValue,可以直接传入大模型中。A链的结果可以输出,也可以作为输入传递给B链,B链执行结束,最终输出结果。A链的输出作为输入传递给B链,B链执行结束,最终输出结果。:阻塞式调用,等待所有结果生成后一次性输出。:流式调用,逐块输出生成结果。

ch_atu的博客 234

C++类再写一遍学生查分系统

学生类的.H文件: 学生属性声明#ifndef __STUDENT_H_ #define __STUDENT_H_ #include<string> using namespace std;class Student { public: string name, ID; int score[5]; Student *next; }; #endif链表类的.h文件:

LingXi__Y的博客 1123

GPT-4提示词驱动地理可视化:Streamlit零代码交互地图实战

地理可视化是空间数据分析的核心呈现方式,其本质是将位置、属性与业务逻辑转化为可交互的地图表达。传统实现依赖GIS库、坐标转换和前端框架,门槛高、周期长;而大语言模型(LLM)凭借强大的结构化输出与语义理解能力,正重塑这一流程——尤其当GPT-4作为地理数据生成引擎,结合Streamlit轻量级交互框架,可实现自然语言到GeoJSON的端到端映射。该方案不替代专业空间计算,但显著降低原型验证与业务看板开发成本,在选址分析、文旅规划、应急调度等场景中展现出‘提示即逻辑’的技术价值。本文聚焦GPT-4提示词工程与

weixin_30719711的博客 373

Lettuce Redis Search 实战指南:从全文检索到向量搜索与聚合分析

本篇技术指南以 Lettuce(当前仓库 lettuce-core,Redis Java client)对 Redis Search 的官方支持为主线,系统讲解如何在 Lettuce 6.8 及之后版本中,通过 `RediSearchCommands` 接口使用 Redis 的全文检索、向量搜索、地理查询与聚合分析能力。读完本文,你将掌握索引创建与字段建模、查询语法与参数控制、向量/地理数据写入与

gitblog_00409的博客 435

Agentic RAG实战:从简单检索到自主工作流的工程跃迁

RAG(检索增强生成)作为当前AI应用落地的核心范式,正经历从静态单次检索向动态智能工作流的关键演进。其底层逻辑在于突破传统‘检索→拼接→生成’的线性瓶颈,引入可编程的控制层实现任务规划、工具调用、中间校验与自适应重试。Agentic RAG并非模型堆叠,而是通过Orchestrator(编排层)、Tool Layer(工具层)和Execution Layer(执行层)的分治设计,赋予系统类人的分步推理与容错能力。该架构显著提升复杂查询准确率、结果可解释性与生产可观测性,广泛适用于金融合规分析、多源财报比对

weixin_33802505的博客 342

Python 实战:构建动态仪表盘快照与 Diff 平台,实现周期采集、结构变化检测与异常波动留证

我长期专注 Python 爬虫工程化实战,主理专栏 👉 《Python爬虫实战》:从采集策略到反爬对抗,从数据清洗到分布式调度,持续输出可复用的方法论与可落地案例。内容主打一个“能跑、能用、能扩展”,让数据价值真正做到——抓得到、洗得净、用得上。

喵手的博客 113

PaddleSpeech CTC 解码器源码解析:greedy 解码与 prefix beam search 的实现与使用指南

本文聚焦 PaddleSpeech 中 ASR(自动语音识别)离线模型的解码环节,围绕 API 文档 [paddlespeech.s2t.decoders.ctcdecoder.decoders_deprecated 模块](https://link.gitcode.com/i/f12ac8319e89a95cfc0e1e5b1d791fd7) 所对应的纯 Python 实现 [decoders_

gitblog_01116的博客 356

毕业论文管理系统的设计与实现

毕业论文工作是高等学校本科培养阶段的一个重要环节。目前论文管理工作存在着许多问题,例如人工管理极为不便;学生对论文所要撰写的内容并不十分了解,与指导老师的沟通非常不便;老师的指导监督也很难完全到位;手工评审的效率低等。而现有的一些毕业论文信息管理或答辩评审系统只是实现了部分网上交流和评审管理的功能,在答辩评审的自测和项目指标权重等方面都存在着一定的不足。因此,本文设计的毕业论文管理系统采用B/S模式开发。其中,Browser层使用JSP技术开发;

wqq_992250277的博客 3183

Folia 手机端 PWA 安装指南:桌面级歌词动画零安装装进手机主屏

Folia 把桌面级的全屏歌词动画搬进了浏览器,但手机 App 商店里搜不到它。这篇教你把 Folia Web 版部署上线,再以 PWA 形式钉进手机主屏——不装任何安装器,照样在竖屏上跑满屏歌词。读完你能自己把服务跑起来、在 Chrome 和 Safari 上完成安装、接上 Navidrome 听自己的歌,还知道出问题时先查哪里。 ## 📲 手机到底能干什么:10 秒能力对照 | 能 |

gitblog_00453的博客 280

软件测试 | 手把手教你如何使用 Charles 抓包工具(电脑+手机端)

软件测试 | 手把手教你如何使用 Charles 抓包工具(电脑+手机端)一、Charles简介二、Charles下载与安装三、Charles配置(1)Charles-PC端的配置如下:(2)过滤网络请求:(3)Charles抓取HTTPS请求包前置条件:(4)Charles抓取HTTPS双向认证包:关注我,免费领取学习资料 嘿。大家好,我是4U: 做过 APP 测试的同学都会接触抓包工具,通过抓包工具可以获取到客户端与服务端接口的交互数据,在实际测试APP的过程中,我们往往会发现服务端返回 的参数字段错

leboxy的博客 4154

Mac上Office合法安装与激活全指南:2021/2024/M365区别解析

Office是微软办公套件的核心产品,其在macOS平台的部署逻辑与Windows截然不同——不依赖传统密钥激活,而是基于Microsoft账户与设备标识的云端绑定机制。理解这一原理,是解决‘无法验证开发者’‘打不开’‘功能受限’等常见问题的前提。Office 2021代表永久许可模型,Office 2024 LTSC面向企业离线场景,Microsoft 365则是持续订阅服务,三者在授权验证方式、更新策略与系统兼容性上存在本质差异。实际应用中,需结合macOS版本、芯片架构(Intel/Apple Sil

weixin_33491377的博客 1281

PaddleNLP Neural Search 实战:从语义召回、精排到 Milvus 向量检索的完整检索系统搭建指南

本文基于 PaddleNLP 仓库中 [neural_search 应用模块](https://link.gitcode.com/i/248b95724d346588d8be2a0d5c27164e) 的完整实现,系统讲解如何从零搭建一个"输入 Query、从海量语料中快速返回 TopK 相关文档"的语义检索系统。你将掌握三种召回方案(SimCSE 无监督、In-batch Negatives 有

gitblog_00446的博客 787

YOLOv8 WIOU

本文介绍了如何在YOLOv8中实现WIOU(Weighted Intersection over Union)的修改方法。主要修改了ultralytics/utils/metrics.py文件中的bbox_iou函数,新增了WIoU_Scale类,支持单调性FM v2、非单调性FM v3两种模式,并提供了动态调整的动量参数。修改后的函数支持多种IoU变体(GIoU、DIoU、CIoU等),通过数学公式实现了更精确的边界框回归损失计算,特别针对小目标检测场景进行了优化。该实现使用了PyTorch框架,包含完整

FJN110的博客 2051

sentence-transformers 语义搜索实战指南:从向量检索原理到生产级部署方案

> **导读**:语义搜索(Semantic Search)通过理解查询与文档的语义含义而非仅靠字面匹配来提升检索准确率,是 sentence-transformers 项目最核心的应用场景之一。本文以仓库中 [examples/sentence_transformer/applications/semantic-search/README.md](https://link.gitcode.com

gitblog_00357的博客 306

Oracle EBS GL日记账批“选定以过账”状态数据修复

日记账来源:应收账款。用户操作过账以后,自动提交请求“过账:单一分类账”一直运行中,该请求执行5,6个小时甚至10多个小时无法完成,导致“标准管理器”阻塞大量请求待定,“冲突解决管理器”的待定数量不断增加。系统管理员不得不把该请求强制取消,此时,日记账批的状态处于“选定以过账”(GL_JE_BATCHES.STATUS为S),如下图 检查此日记账批有3千多条日记账题头,由于日记账比较多,日记账的科目余额计算需要大量服务器资源和执行时间比较长。

陈显平的专栏-Oracle EBS 3245

Java全栈开发:充电桩管理系统项目实战

技术收获深入理解分布式系统架构掌握高并发场景解决方案提升系统设计能力经验教训前期需求分析的重要性技术选型需要考虑长期维护测试覆盖率的重要性未来展望引入AI预测故障支持更多支付方式优化用户体验通过此项目的开发,不仅实现了充电桩的智能化管理,也积累了宝贵的全栈开发经验。项目中的很多技术方案和架构设计都具有普遍适用性,可以在其他类似项目中借鉴使用。@Componentstatic {// 初始化状态转换规则。

exlink2012的专栏 1252

Open Notebook 用户上手路线图:从 Sources 到 Chat、Podcasts 的八大核心功能实战指南

Open Notebook 是一个开源的 Notebook LM 类研究工具,让用户把 PDF、网页、音视频等资料收纳进 "Notebook"(笔记本),再通过 Chat、Search、Ask、Transformations、Podcasts 等功能把它们变成可验证、可复用的知识。这份用户指南(对应仓库 [docs/3-USER-GUIDE/index.md](https://link.gitco

gitblog_00290的博客 385

1、JMP脚本编程全面指南:从基础到高级应用

本博客全面介绍了JMP脚本编程的各个方面,从JMP基础和JSL入门,到数据类型、数据结构、编程方法、数据表操作、图形与三维场景脚本,再到应用程序创建与扩展功能。内容涵盖脚本工具使用、常见任务实现、兼容性说明及未来发展趋势,旨在帮助用户掌握JMP脚本语言的强大功能,提升数据分析的自动化与定制化能力。适合从初学者到高级用户的深入学习与实践参考。

flink9streamer的博客 266

Spacedrive 搜索界面(SRCH-000)设计实现指南:从全局搜索栏到 FTS5 与语义搜索的接口落地

本篇技术指南围绕 Spacedrive 仓库中 [.tasks/interface/SRCH-000-search-interface.md](https://link.gitcode.com/i/e8144ea44923b95518cc78ed8a909c1e) 任务规范展开,系统讲解搜索界面(Search Interface)的功能范围、实现约束与验收标准,并对照仓库中已落地的后端搜索实现([

gitblog_01109的博客 204

通过Robotstudio修改机器人程序的具体方法和步骤

通过Robotstudio修改机器人程序的具体方法和步骤

Robot_PLC_HMI_Automation 6393

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

用一条提示词让 Agent Factory 交付 PGVector 混合搜索 RAG 智能体:SAMPLE_PROMPT.md 实战拆解

本文以 [SAMPLE_PROMPT.md](https://link.gitcode.com/i/b2e43b8947f848ded198ba7b12c15eac) 这份真实需求提示词为骨架,完整还原"AI Agent Factory with Claude Code Subagents"框架如何将一段自然语言需求,自动编排为支持 PGVector 语义相似度搜索与混合搜索、带完整 CLI、测试

gitblog_00243的博客 957

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Anthropic Claude 工具使用(Tool Use)完整实战教程:从调用流程、结构化输出到多工具聊天机器人

本教程基于 Anthropic 官方教育课程(cours/courses 仓库的 [tool_use](https://link.gitcode.com/i/73f2010520d5ce286eeeeb2bc41bb406) 系列),系统讲解如何为 Claude 定义并调用外部工具(即 Function Calling)。你将掌握:工具使用为何重要、完整的四步调用工作流、工具定义的 JSON Sc

gitblog_00063的博客 969

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

AI 人物档案解析:Sam Altman 与 OpenAI 的崛起之路——RAG 知识库 doc7 的文档结构与检索实战

本文以 [doc7_sam_altman_profile.md](https://link.gitcode.com/i/92cfd3f64d8d4c79f832b39b1b23e1fc) 这份高管人物档案为主体,完整解析 Sam Altman 从创业者到 OpenAI CEO 的成长轨迹、领导力危机与战略哲学;同时结合所在 RAG 智能体仓库的源码,说明这类结构化人物档案是如何被摄入、分块、嵌入并

gitblog_00461的博客 84

A-Mem扩展开发:如何自定义记忆组织和检索算法的完整指南

A-Mem(Agentic Memory)是一个革命性的LLM智能体记忆系统,它通过动态记忆组织和智能检索算法,为大型语言模型智能体提供了强大的记忆管理能力。本文将为您提供一份全面的A-Mem扩展开发指南,帮助您深入了解如何自定义记忆组织和检索算法,构建更智能的AI代理系统。 ## 🧠 A-Mem核心架构解析 A-Mem系统基于创新的智能体记忆架构,将传统静态记忆系统转变为动态、可演化的知识

gitblog_00082的博客 823

Mac Mouse Fix 完整指南:安装、按键映射、兼容性与常见问题排查

Mac Mouse Fix 是一款 macOS 开源应用,能让普通鼠标拥有媲美 Apple 触控板与 Logitech MX Master 的体验:平滑滚动、触控板式手势、任意按键自定义动作。本文覆盖安装、版本兼容、收费模式、卸载清理与高频问题排查。 ## 它到底是怎么让鼠标变好的 先说清架构:真正处理鼠标事件的不是你看到的那个界面,而是后台常驻的 `Mac Mouse Fix Helper`

gitblog_00256的博客 878

GaussianDreamer代码架构详解:理解threestudio与3D Gaussian Splatting集成

GaussianDreamer作为CVPR 2024的前沿研究成果,实现了从文本到3D高斯表示的快速生成。本文将深入解析其核心代码架构,特别是如何巧妙地将threestudio框架与3D Gaussian Splatting技术相结合,打造出高效的三维内容生成系统。这个创新的架构设计使得用户能够在单GPU上15分钟内生成高质量的3D实例,相比传统方法大幅提升了生成速度。 [![GaussianD

gitblog_00507的博客 980
上一篇: 简谈几种常用的库函数
下一篇: C语言实现三子棋小游戏
Romeo  i
博客等级 码龄9年 151粉丝 80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