python3
文章平均质量分 91
何双新
拥有 9 年 Python 开发经验,精通 Odoo8到18 版本,熟练掌握 PostgreSQL、Vue、Go 语言及 RabbitMQ 等技术。具备丰富的企业级应用开发经验,涵盖 ERP 系统、异步任务处理及高并发服务架构。当前专注于大模型应用开发,致力于 AI 技术落地与智能化解决方案
odoo模块上架作品:https://apps.odoo.com/apps/modules/browse?search=melon
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
为什么人工智能选择Python?深入解析AI界的“胶水语言“ [特殊字符]
Python成为AI领域主导语言的原因可概括为:1)完善的生态系统,提供从数据处理到模型部署的全套工具链;2)简洁语法与高效开发特性,大幅提升科研效率;3)强大的社区网络效应,形成学术与工业界的良性循环;4)卓越的扩展能力,可无缝集成高性能组件。相比之下,其他主流语言如Go、Java等在表达力、开发效率或生态完备性方面难以满足AI研发需求。Python通过"底层高性能+上层高易用"的分层设计,实现了性能与效率的完美平衡,使其成为AI领域不可替代的"胶水语言"。原创 2025-09-26 08:56:52 · 462 阅读 · 0 评论 -
第 2 篇:Kafka Topic 与 Partition 基础
Kafka核心机制解析:Topic与Partition 本课程深入探讨Kafka的核心机制,重点讲解Topic和Partition的设计原理及实践应用。主要内容包括: 核心概念:Topic作为逻辑分类,Partition作为物理分片,通过副本机制保证数据安全 高可用机制:Leader-Follower架构与ISR同步副本集合,确保故障自动切换 分区策略:轮询、Key Hash和自定义分区三种方式,平衡负载与消息顺序 数据存储:Segment文件结构与顺序写入机制,保证高性能持久化 实践应用:通过电商案例展示原创 2025-09-02 14:53:16 · 964 阅读 · 0 评论 -
第1篇、Kafka 初识与环境搭建
Kafka 简介与快速入门指南 Apache Kafka 是一个分布式消息队列和流处理平台,具有高吞吐、低延迟、可扩展等特点,广泛应用于日志收集和实时数据处理。核心组件包括生产者、消费者、Broker、Topic和分区。与RabbitMQ、RocketMQ相比,Kafka更适合大数据场景。本地环境可通过Homebrew、手动安装或Docker快速搭建,并配合Python的kafka-python库进行开发。安装完成后,可创建Topic进行消息生产消费测试,是构建分布式系统的理想消息中间件选择。原创 2025-09-02 10:59:30 · 1126 阅读 · 0 评论 -
Odoo 18 通用图片导入工具:从零到一的企业级开发实战
本文介绍了一个基于Odoo 18的企业级通用图片批量导入工具的开发实践。文章从电商、人力资源等实际业务场景出发,分析了传统图片导入方式在通用性、匹配规则、性能等方面的痛点,提出了一套完整的解决方案。 系统采用模块化设计,包括向导控制器、文件解析器、智能匹配引擎和图片处理器等核心组件。关键技术亮点包括:跨模块的通用性架构、支持复杂规则的智能匹配引擎、企业级安全机制和性能优化策略。实现上使用Python+Odoo框架,通过动态模型配置、ZIP文件流式处理、灵活的记录匹配算法等技术手段,解决了大规模图片导入的效率原创 2025-08-20 12:30:01 · 1026 阅读 · 0 评论 -
基于Tornado的WebSocket实时聊天系统:从零到一构建与解析
WebSocket实时聊天系统实现摘要 核心技术架构: 采用Tornado框架构建高性能WebSocket服务器,支持异步非阻塞通信 基于HTML5/JavaScript实现现代化Web客户端,提供实时交互体验 实现全双工通信机制,支持多用户实时消息广播 核心功能: 服务器端维护WebSocket连接池,自动处理连接/断开事件 支持自动广播用户上下线通知及实时消息转发 客户端提供自定义服务器地址、连接状态显示、消息历史记录等功能 内置心跳检测机制确保连接稳定性 技术亮点: 单TCP连接持久化,相比HTTP轮原创 2025-07-23 21:33:48 · 1203 阅读 · 0 评论 -
第4课:Flask请求与响应对象深度解析
本文介绍了 Flask 框架中请求与响应机制的核心概念,涵盖了 request 和 response 对象的使用方法。主要内容包括:获取 URL 查询参数、处理表单数据、解析 JSON 数据以及文件上传的实现。文章通过代码示例详细展示了不同类型请求的处理方式,并介绍了响应构造与错误处理的最佳实践。适合希望深入掌握 Flask 请求-响应流程的开发者学习参考,包含从基础 GET/POST 请求到 RESTful API 开发的实用技巧。原创 2025-07-01 11:06:33 · 1144 阅读 · 0 评论 -
第 3 课:模板渲染与 Jinja2 实战
本文介绍了Flask默认模板引擎Jinja2的核心用法。主要内容包括:1)基础语法结构(变量{{}}、控制结构{%%}和注释{##});2)常用控制逻辑如条件判断、循环遍历和过滤器应用;3)通过render_template()实现后端数据渲染;4)模板继承机制与模块化布局设计,包括base.html父模板定义、子模板扩展和组件化开发。文章通过代码示例展示了如何构建动态、可复用的网页结构,是掌握Jinja2模板开发的实用指南。原创 2025-07-01 09:40:25 · 514 阅读 · 0 评论 -
第2课、Flask 路由与视图函数详解
本文介绍了Flask框架中的路由系统核心概念与应用方法。主要内容包括:基础路由定义、多路由绑定技巧、动态路由参数类型转换(string/int/float/path等)、HTTP方法绑定(GET/POST/PUT/DELETE)、URL反向构造(url_for)与跳转技术。文章还提供了推荐的项目结构,涵盖视图函数、模板、静态文件等模块的组织方式。通过完整示例代码展示了如何构建一个包含多种路由功能的Flask应用,适合开发者系统学习Flask路由机制。原创 2025-07-01 00:18:03 · 1087 阅读 · 0 评论 -
第 1 课:Flask 简介与环境配置(Markdown 教案)
本文介绍了Python轻量级Web框架Flask的核心知识与开发实践。主要内容包括:Flask的特点(轻量灵活、开发友好、丰富生态)及与Django的对比;开发环境配置(创建虚拟环境、安装Flask);创建第一个Flask应用(路由定义、请求处理);项目结构规范与调试模式设置;进阶功能如模板渲染、JSON API和错误处理;以及开发最佳实践(虚拟环境、依赖管理、安全配置)和常见问题解答。通过示例代码和练习任务,帮助开发者快速掌握Flask的基础开发能力。原创 2025-06-30 23:59:59 · 1183 阅读 · 0 评论 -
第3讲、LangChain性能优化:上下文缓存与流式响应实战指南
本文介绍了基于LangChain的对话系统性能优化方案,通过多级缓存架构和智能预测机制提升响应速度。系统采用三级缓存(内存、Redis、磁盘)实现热数据快速访问,结合查询分类和模式分析进行预加载。动态资源管理根据使用率自动调整缓存策略,流式响应优化用户体验。性能监控闭环实现实时分析→自动调优→策略调整的全流程优化,可将命中情况下的响应时间控制在10-100ms。该架构有效解决了复杂对话场景中的延迟、重复计算和上下文管理问题。原创 2025-06-20 10:13:40 · 594 阅读 · 0 评论 -
第2讲、LangChain应用架构与核心组件:构建LLM应用的基石
摘要:本文深入探讨了LangChain框架在构建大型语言模型(LLM)应用中的关键作用。首先介绍了LangChain的分布式架构特点,包括其模块化设计、弹性扩展能力和支持多种应用模式(如RAG、Agent等)。随后详细解析了其六大核心组件:Models(支持Chat/Embedding/LLM模型)、Prompts(动态提示管理)、Indexes(文档检索)、Memory(状态保持)、Chains(流程编排)和Agents(自主决策),重点阐述了各组件功能及实际应用场景。通过代码案例展示了LangChain原创 2025-06-15 15:30:03 · 1312 阅读 · 1 评论 -
Python环境安装与虚拟环境配置详解
《Python多平台开发环境安装指南》摘要 本文为Python开发者提供Windows、macOS和Linux三大系统的详细安装教程与虚拟环境配置方法。主要内容包括:1) Windows系统通过官方安装程序和Chocolatey安装;2) macOS使用Homebrew、官方安装程序等途径;3) Ubuntu通过APT/PPA仓库安装;4) CentOS通过EPEL/IUS仓库配置。同时详细介绍了venv和Conda虚拟环境创建的最佳实践,并提供了环境变量配置、多版本共存等常见问题的解决方案。文档包含快速安原创 2025-06-09 20:30:20 · 2122 阅读 · 0 评论 -
第1讲、包管理和环境管理工具Conda 全面介绍
Conda是一个开源的跨平台包管理和环境管理系统,最初由Anaconda公司开发,现已成为数据科学和科学计算领域的重要工具。它支持多语言包管理、环境隔离和依赖解析,适用于Windows、macOS和Linux平台。Conda生态系统包括包管理器、隔离环境、软件包存储库(如conda-forge)以及发行版(如轻量级的Miniconda和预装大量科学计算包的Anaconda)。Miniconda因其体积小、高度可定制而特别适合服务器部署和生产环境。Conda在处理复杂依赖关系、提供二进制包安装和确保跨平台一致原创 2025-06-07 23:27:40 · 948 阅读 · 0 评论 -
构建具备推理与反思能力的高级 Prompt:LLM 智能代理设计指南
随着大语言模型能力的不断提升,构建具备推理与反思能力的高级Prompt已成为充分发挥LLM潜力的关键。本文介绍的四个关键原则—明确角色与任务、引导链式推理、加入反思机制和增强行动能力,为开发者提供了系统化的Prompt设计框架。这些技术正在改变我们与AI系统的交互方式。多模态智能代理:结合图像、音频等多种输入形式,实现更全面的场景理解和决策记忆增强代理:通过外部知识库和长期记忆机制,实现更连贯的对话和任务执行自我完善系统:代理能够从经验中学习,自动优化自身的推理流程和反思能力协作型智能网络。原创 2025-04-20 23:33:39 · 677 阅读 · 0 评论 -
Prompt工程:引导AI高效完成任务的艺术
提示词工程是与大型语言模型有效交互的关键技能。通过精心设计提示词的各个组成部分,我们可以引导AI模型产生更加准确、有用的回答,从而更好地满足特定任务需求。相比微调,提示词工程更加灵活,不需要额外的模型训练过程,是快速适应各种AI应用场景的有效方法。随着人工智能技术的发展,掌握提示词工程的技巧将成为每个与AI打交道的开发者、研究者和普通用户的必备技能。原创 2025-04-16 23:43:41 · 480 阅读 · 0 评论 -
基于Flask实现一个AI聊天室
在当今AI技术迅速发展的时代,将AI能力集成到Web应用中已成为一种趋势。本文将我如何使用Flask框架和OpenAI API构建一个实时聊天应用,原创 2025-04-15 13:53:07 · 1117 阅读 · 0 评论 -
SSE 流式响应:打造丝滑的 AI 对话体验
在人工智能蓬勃发展的时代,即时对话已成为众多应用的核心体验。本文深入探讨如何运用 SSE (Server-Sent Events) 流式技术,为您的 AI 应用构建流畅、自然的对话交互,让用户体验如丝般顺滑。原创 2025-04-14 23:29:17 · 1411 阅读 · 0 评论 -
WebSocket 即时消息推送系统
后端:Go(使用 gorilla/websocket 实现 WebSocket 服务器)本项目实现了一个 WebSocket 即时消息推送系统,支持: ✅ 多客户端连接。客户端 A 负责发送消息,并接收 WebSocket 服务器的响应。前端:Python(websockets 库作为客户端示例)并发管理:sync.Map 维护在线客户端,支持高并发。2.2 WebSocket 客户端 A(Python)2.3 WebSocket 客户端 B(Go 语言)异常处理:超时检测、心跳检测、自动断线处理。原创 2025-04-14 23:13:25 · 1037 阅读 · 0 评论 -
WebSocket vs SSE:现代 Web 实时通信技术对比分析(一)
WebSocket是 HTML5 引入的全双工通信协议,允许客户端和服务器之间保持持久连接,实现低延迟的双向通信。SSE是基于 HTTP 的服务器推送技术,允许服务器主动向客户端发送数据,但客户端无法主动向服务器发送消息。WebSocket更强大,适用于需要双向实时交互的场景,但需要额外的连接管理。SSE更简单,适用于服务器单向推送的场景,且支持自动重连,但不支持二进制数据。如果你的应用需要实时通信,并且只需要服务器推送数据,SSE 是更简单的选择。但如果你需要双向交互或二进制数据支持,原创 2025-04-14 21:41:08 · 992 阅读 · 0 评论 -
AI工具 Cursor + MCP服务:提效与落地的完美组合
MCP 是一种协议,旨在让模型理解和处理上下文中的复杂信息,比如项目结构、任务目标等。你可以把它理解为模型与项目之间的"翻译层"或"记忆层"。它将:项目文件结构、说明、模块依赖、历史上下文封装成统一格式提供给 AI 模型作为参考,提升模型对项目的"理解能力"当 Cursor + MCP 搭配使用时,模型可以变得"更懂你",尤其是在大型项目或团队协作时。原创 2025-04-10 10:40:39 · 1659 阅读 · 0 评论 -
Streamlit入门:10分钟搭建数据可视化界面
Streamlit是一个用Python构建数据应用的开源框架,它能让我们快速创建漂亮的数据可视化界面。本文将通过一个简单的示例,展示如何使用Streamlit构建数据可视化应用。页面布局和组件使用数据处理和可视化交互功能实现快速开发简单易用丰富的组件良好的可扩展性。原创 2025-04-10 10:38:17 · 1078 阅读 · 0 评论 -
基于Streamlit的BS直聘数据爬取可视化平台(爬虫)
本项目是一个基于Streamlit和Selenium的BOSS直聘职位数据爬虫系统,提供了友好的Web界面,支持自定义搜索条件、扫码登录、数据爬取和导出等功能。本项目通过Streamlit和Selenium技术栈,实现了一个功能完整的职位数据采集系统。友好的Web操作界面完善的反爬虫机制稳定的数据采集功能便捷的数据导出功能通过这个项目,我们不仅实现了数据采集的自动化,还提供了良好的用户体验,使得非技术用户也能方便地获取职位数据。原创 2025-04-10 10:37:04 · 2408 阅读 · 0 评论 -
BS直聘职位数据采集与分析(爬虫)
本项目通过Python实现了BS直聘职位数据的自动化采集和处理。在开发过程中,我们重点解决了以下问题:反爬虫机制的突破模拟浏览器行为控制请求频率使用代理IP大量数据的高效处理异步请求优化数据结构优化存储方式优化程序的稳定性保证完善的异常处理日志记录机制数据备份策略。原创 2025-04-10 10:34:33 · 3708 阅读 · 0 评论
分享