什么是空白符？

最新推荐文章于 2025-06-25 10:37:23 发布
最新推荐文章于 2025-06-25 10:37:23 发布
阅读量3.5k 收藏
点赞数 1
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/q2546/p/9515534.html

什么是空白符？他对程序的执行有何影响？对程序的可读性有何影响？

空白符指程序中分隔字符和符号的字符，比如空格。编制器将忽略多余的空白符，所以空白符不影响程序的执行。

转载于:https://www.cnblogs.com/q2546/p/9515534.html

Chatlog：解锁微信聊天数据的MCP工具，实现本地化与API化的数据访问——技术解析与应用场景深度分析
这里汇聚了前沿的技术分享与实用的开发技巧，带你探索从创意到企业的技术创业之路。
04-25 652
Chatlog通过技术手段打破了微信数据的“黑箱”，为开发者、企业及个人提供了数据访问与分析的利器。在合法合规的前提下，它不仅简化了数据管理流程，更为AI与自动化工具的深度集成奠定了基础。随着开源社区的持续迭代，其应用场景将不断扩展，成为数字时代数据驱动的重要基础设施。）的出现填补了这一空白，通过直接解析微信本地数据库文件，提供命令行工具与API接口，实现微信数据的高效提取与自动化管理。本文将深入解析其技术实现、应用场景及使用价值。然而，微信官方API对开发者权限的限制，使得开发者难以直接访问本地数据。
Ollama本地私有化部署通义千问大模型Qwen2.5
L
09-26 5497
Qwen是阿里巴巴集团Qwen团队的大型语言模型和大型多模态模型系列。现在大型语言模型已经升级到Qwen2.5。语言模型和多模态模型都是在大规模多语言和多模态数据上进行预训练的，并在符合人类偏好的高质量数据上进行后训练。Qwen具有自然语言理解、文本生成、视觉理解、音频理解、工具使用、角色扮演、人工智能代理等功能。在Qwen2发布的过去三个月里，许多开发人员在Qwen2语言模型上构建了新的模型，向我们提供了宝贵的反馈。在此期间，我们专注于创建更智能、知识更丰富的语言模型。
微信群聊天记录总结
qq_35487669的博客
10-15 3565
GroupSum是一款免费的AI社群工具，可以一键总结微信群聊天记录，支持文本、网页、语音、图片、视频等多种类型，帮助你快速了解群聊内容。添加机器人免费体验～
每天 3000+ 微信群聊消息，我用 RPA+AI 一键总结群聊记录，效率提升 90%
热门推荐
木川的技术之路
05-29 1万+
大家好，我是木川周末我坐在书房的电脑前，眼前是 30 +微信群的未读消息，每天累计 3000+未读信息让我感到压力山大。过去，我常常需要花费一两个小时来刷这些群信息，但有时大部分内容都毫无价值，让我深感时间被浪费了。于是我决定尝试一种新的方法，运用 RPA（Robotic Process Automation）+ AI 技术，读取微信聊天记录，然后让大模型自动总结群聊记录并发送给我。不到 10...
Qwen3+QwenAgent 接入MCP服务端，打开大模型MCP工具新方式！
最新发布
大模型训练
06-25 1490
要说最近人工智能界最火热的开源大模型，必定是阿里发布不久的Qwen3系列模型。Qwen3模型凭借赶超DeepSeek-V3/R1的优异性能，创新的混合推理模式，以及极强的MCP能力迅速成为AI Agent开发的主流基座模型。有读者私信我： “Qwen3官网特地强调增强了Agent和代码能力，同时加强了对MCP的支持，那么我该如何利用Qwen3快速开发MCP应用呢？” 这就就需要使用我们今天的主角——Qwen官方推荐的开发工具
重磅！AI实时读取总结微信聊天记录，附MCP协议+智能体配置教程！
puyihuan的博客
06-05 4049
【摘要】本文介绍了一套AI实时分析微信聊天记录的解决方案，通过Chatlog+Trae+MCP协议实现智能整理群聊信息。Chatlog作为开源工具本地解析微信数据，确保隐私安全；Trae提供AI分析能力，支持自然语言处理。操作步骤包括：1）下载运行Chatlog并启动HTTP服务；2）安装Trae配置MCP协议；3）创建智能体设置提示词。该方案虽需初始配置，但能有效解决群聊信息过载问题，自动提炼关键内容，避免有价值信息被淹没。文中提供了详细教程链接和网盘资源。
微信聊天记录导出与AI大模型萃取文本
mainking2003的博客
04-13 3890
总体而言，这种操作流程提供了一种参考，适合在微信中有大量聊天记录、需要大跨度文本萃取和分析的工作人士。
微信群聊总结AI助手：智能管理你的社群沟通
gitblog_00010的博客
05-19 2550
微信群聊总结AI助手：智能管理你的社群沟通 去发现同类优质开源项目:https://gitcode.com/ 项目简介 微信群聊总结AI助手是一款基于JavaScript和Electron框架开发的桌面应用程序，它利用先进的人工智能技术，帮助群主和管理员轻松管理和汇总群内的日常聊天信息。该应用提供了实时监控、每日总结和一键分享等功能，让社群管理变得更加高效和智能化。 项目技术分析 这个项目融合了...
微信聊天记录总结升级啦～
qq_35487669的博客
02-26 1783
微信群聊天记录总结、微信群昨日群消息总结、微信账号绑定、微信聊天记录升级
qwen2.5 + langchain pip依赖包
11-15
根据提供的文件信息，我们可以识别出一系列关于Python编程语言中qwen2.5和langchain pip依赖包的详细知识点。以下是对这些知识点的梳理和总结： ### qwen2.5 + langchain pip依赖包知识点总结 #### 1. qwen2.5介绍...
Chatlog_Ripper:一个帮助你从聊天记录文件中提取 URL 的小程序
06-01
聊天记录开膛手 在 WDI 中，我们共享一切。 许多很棒的资源将不可避免地被遗忘。 这个非常简单的程序可以帮助任何人从 Slack、IRC 等中提取 URL（Melb WDI2 Slack 频道有超过 15000 行文本（呃……））。 笔记： 该程序将返回所有网址。 如果您不想要 .jpg、.png、.gif 等格式，只需在 logs.each_line 块中设置一个 if 条件。 如果您收到错误“in `scan': invalid byte sequence in UTF-8 (ArgumentError)”，只需将您的文本日志解析为可以转换为 UTF-8 的内容（例如 ）。 我将来会解决这个问题。
Chatlog源码
02-12
Chatlog源码Chatlog源码Chatlog源码Chatlog源码Chatlog源码Chatlog源码
ChatlogGrapher：创建聊天记录历史记录的漂亮图表
02-18
ChatlogGrapher 创建漂亮的聊天记录历史记录图！ 支持： Facebook Messenger（JSON导出） Discord（GDPR数据请求，TODO：DiscordChatExporter ???） Google环聊（外带） 请让我知道是否还有另一个聊天或聊天日志搜寻器服务，该服务提供格式一致的数据转储，我可以为其添加支持！ 如何使用： 下载资料 Facebook Messenger 说明 确保以JSON格式导出并包含您的聊天数据！ 解压下载文件，确保该文件夹的名称类似于“ facebook-Name12345”，然后将其放入data 不和谐（GDPR请求） 说明 解压下载文件，将名为“ package”的文件夹重命名为“ discord-YourUsername”，然后将其放入data 注意，Discord数据导出仅包括您发送的消息，不包括收到
使用Cursor + Qwen2.5 大模型 零经验研发微信小程序：自由构建个性化节拍器应用实战
老牛啊
01-03 823
本文介绍了如何利用Cursor工具结合Qwen2.5大模型快速开发一款个性化的微信小程序——老牛同学节拍器。通过详细的步骤，我们展示了从零开始创建一个功能完备的小程序所需的全部流程……
【Qwen3大模型+Ollama本地部署+Qwen-Agent代理+调用Mcp】
chuangshijie的专栏
06-17 1634
基于 Qwen3大模型，使用Ollama本地部署，Qwen-Agent代理启用本地Gui界面，交互实现使用多个Mcp服务的演示Demo。├── pyproject.toml # Poetry 配置与依赖管理。│ ├── core.py # 主程序入口，包含主要逻辑。tips: 推荐选择 Hosted标签的mcp服务，MCP广场中云托管服务的标识。tips: 每个模型广场的MCP服务点进其网页后都会有，服务详情，工具测试。文件夹，便于隔离和管理依赖。
ollama + qwen2.5-coder + VS Code + Continue 自动写代码
码农的专栏
12-02 2573
ollama + qwen2.5-coder + VS Code + Continue 自动写代码
微信聊天记录管理神器！ChatLog 让你轻松备份微信、企微聊天内容，还支持MCP协议，再也不怕重要信息丢失
dotNET跨平台
04-25 2138
目前已经支持微信和企业微信。与其他同类工具相比，ChatLog 的亮点在于它完全基于 Go 语言开发，不依赖任何浏览器环境，所以运行效率超高，而且跨平台兼容性好。我个人感觉最有用的是它能把多媒体文件一起导出，很多类似工具只能导出文本，图片和语音都丢失了，感觉不完整。用了这个工具后，再也不用担心换手机时聊天记录丢失的问题了，我已经把所有重要的工作聊天都备份了一份，存在云盘里，随时可以查阅，真是太方便了！对了，如果你是开发者，它还提供了命令行模式，可以集成到你自己的工具链中，实现自动化备份。
一款专为微信聊天记录管理而设计的开源工具：Chatlog
程序猿DD
04-29 780
Chatlog 是一个聊天记录工具，可以帮助用户轻松使用自己的聊天数据。它支持从本地数据库文件获取聊天数据，并提供了终端界面和命令行工具。此外，它还支持 HTTP API 服务和 MCP SSE 协议，可与支持 MCP 的 AI 助手无缝集成。提供 HTTP API 服务，支持查询聊天记录、联系人、群聊、最近会话等信息。支持 MCP SSE 协议，可与支持 MCP 的 AI 助手无缝集成。支持多媒体消息解密，包括图片和语音。支持多账号管理，可在不同账号间切换。支持自动解密数据，简化使用流程。
chatlog：一个基于MCP实现聊天记录总结和查询的开源工具
cybersnow精通 28 门计算机语言，凭借其超凡的技术能力，成功开发过上万个应用，广泛涉及政府、商业、个人等众多领域，甚至在检察院、环保局、公安局等专业场景中也大放异彩。不仅熟练掌握单片机和物联网开发，在软件架构设计方面更是独树一帜，自创了跨平台软件
06-06 672
直接下载安装包：打开 Chatlog Releases 页面。 go install github.com/sjzar/chatlog@latest http 服务 启动后，Chatlog 会自动开启一个本地 HTTP 服务（默认端口 5030），你可以用浏览器访问：http://localhost:5030 { "id": "chatlog", "type": "sse",
mcp+qwen调用
06-11
### 通过MCP调用Qwen模型或服务的实现方式 #### 1. MCP服务端封装过程 在MCP服务端，需要完成对Qwen模型或服务的封装。以天气查询为例，以下是服务端的核心封装流程[^1]： - **初始化MCP服务**：通过 `mcp = FastMCP("weather_mcp")` 创建一个MCP服务实例。 - **实现业务逻辑**：定义异步函数 `fetch_weather(city)` 调用外部API获取数据，并通过 `format_weather(data)` 格式化返回结果。 - **注册工具函数**：使用装饰器 `@mcp.tool()` 注册工具函数 `query_weather(city: str)`，该函数内部调用 `fetch_weather` 和 `format_weather`。 - **暴露MCP协议接口**：通过 `mcp.run(transport='stdio')` 启动服务，监听标准输入输出作为通信通道。 以下是一个示例代码片段： ```python import asyncio from fastmcp import FastMCP mcp = FastMCP("qwen_mcp") async def fetch_qwen_response(prompt: str) -> dict: # 调用Qwen模型API，例如通过HTTP请求 async with aiohttp.ClientSession() as session: async with session.post( "http://localhost:11434/v1", json={"prompt": prompt, "model": "qwen3"}, headers={"Authorization": "Bearer EMPTY"} ) as response: return await response.json() def format_qwen_response(data: dict) -> str: # 格式化Qwen返回的数据为易读文本 return data.get("choices", [{}])[0].get("text", "") @mcp.tool() async def query_qwen(prompt: str) -> str: data = await fetch_qwen_response(prompt) return format_qwen_response(data) if __name__ == "__main__": mcp.run(transport="stdio") ``` #### 2. 客户端调用MCP服务 客户端可以通过标准输入输出（stdio）与MCP服务端进行交互。以下是基于Qwen-Agent的完整调用示例[^2]： - **配置本地Qwen模型**：通过Ollama提供服务，指定模型路径和API地址。 - **定义工具列表**：将MCP服务器和代码解释器添加到工具列表中。 - **初始化智能助手**：创建 `Assistant` 实例并传入配置参数。 - **发送消息并获取响应**：通过 `bot.run(messages=messages)` 方法发送用户消息并获取结果。 以下是一个完整的客户端调用示例： ```python from qwen_agent.agents import Assistant # 配置本地Qwen模型 llm_cfg = { 'model': 'qwen3', 'model_server': 'http://localhost:11434/v1', # Ollama API 'api_key': 'EMPTY', } # 定义工具列表 tools = [ {'mcpServers': { 'qwen': { 'command': 'uvx', 'args': ['mcp-server-qwen'] } }}, 'code_interpreter', ] # 初始化智能助手 bot = Assistant(llm=llm_cfg, function_list=tools) # 发送用户消息 messages = [{'role': 'user', 'content': '请告诉我今天的天气如何？'}] # 运行智能助手并打印结果 for responses in bot.run(messages=messages): pass print(responses) ``` #### 3. 其他调用方式 除了通过MCP协议调用Qwen模型外，还可以直接运行SGLang服务器来调用Qwen模型[^3]。以下是一个示例命令： ```bash SGLANG_USE_MODELSCOPE=1 python -m sglang.launch_server --model-path Qwen/Qwen3-32B --reasoning-parser qwen3 ``` #### 4. 数据库操作场景下的MCP调用 在数据库操作场景下，Qwen-Agent可以接入 `mcp-server-sqlite` 服务端[^4]，从而实现对SQLite数据库的操作。以下是接入步骤： - **启动MCP服务端**：运行 `mcp-server-sqlite` 并暴露相关接口。 - **配置Qwen-Agent**：将 `mcp-server-sqlite` 添加到工具列表中。 - **发送自然语言指令**：通过Qwen-Agent解析用户指令并调用MCP服务端的功能函数。 ###
评论
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