- 博客(16)
- 收藏
- 关注
RSS订阅原创 Python JSON 指南
JSON（JavaScript Object Notation）是一种轻量级的数据交换格式。data = {"name": "张三", "age": 25}# ===== 字符串操作（带 s）=====# dumps: Python → 字符串print(f"dumps 结果类型:typedata = {
2025-11-21 10:20:25
834
原创 扣子——插件问题完整排查报告
测试环境 ≠ 生产环境不要假设目录可写充分的错误处理和日志路径就是文件在电脑里的「家庭住址」。就像你的家庭住址是「北京市朝阳区XX街道XX号」，文件的地址就是从根目录到文件的完整路线。我的家：北京市 → 朝阳区 → XX街道 → XX号 → 3楼 → 301室/home→user→documents→project→video.mp4工作目录 = 你现在站在哪个文件夹里。你站在客厅 → 工作目录是「客厅」你走到卧室 → 工作目录变成「卧室」import os。
2025-11-14 11:27:39
870
原创 Docker 核心概念与 Python 应用部署指南
Docker 引擎：驱动容器化，管理镜像和容器。镜像/容器：镜像打包代码和依赖，容器运行程序。Dockerfile：定义环境，像菜谱。：管理多容器，像指挥家。Docker Hub：镜像仓库，像应用商店。：GUI 工具，简化本地开发。网络/卷：支持容器通信和数据持久化。
2025-06-30 01:21:54
1930
原创 Node.js 服务器运行逻辑 / Nginx原理详解
知识点定义：Node.js 是一个让 JavaScript 运行在服务器上的工具。平时 JavaScript 跑在浏览器里（处理网页交互，如按钮点击），而 Node.js 让 JavaScript 能干服务器的事，比如处理用户请求、读写文件、搭建网站后台。核心特点单线程：Node.js 只有一个主线程，像一个超级忙碌的收银员，一次只处理一个任务，但效率极高。异步驱动：慢任务（像访问网络、读文件）不会让主线程卡住，Node.js 把这些任务交给“后台帮手”，自己继续处理其他请求。轻量高效。
2025-06-29 01:19:46
2268
原创 网络通信与部署基础知识
网络演变：从点对点到广播，再到路由表导航，网络效率逐步提升，路由表分布在家用、公司、运营商路由器中。端口：区分服务的“门牌号”，需开放防火墙以允许访问。Socket与TCP：TCP确保数据可靠，Socket简化通信开发。内网部署：用私有IP，需开放本地防火墙和路由器防火墙，仅限内网访问。外网部署：用公网IP，需配置安全组和本地防火墙，全球可访问。公司与云服务器：云服务器可兼作公司服务器，支持内外网。VPN：通过加密隧道访问内网，适合远程场景。
2025-06-28 23:03:58
1394
原创 了解 GraphRAG 与 FalkorDB：用知识图谱提升 AI 推理能力
GraphRAG（Graph Retrieval-Augmented Generation，基于知识图谱的检索增强生成）是一种高级的检索增强生成（RAG）方法。它不像传统的 RAG 那样简单地搜索文本片段，而是通过构建一张“知识图谱”来组织信息，用这张“关系网”来回答复杂问题。简单来说，GraphRAG 就像一个超级聪明的图书管理员，不仅能找到书，还能把书里的内容整理成一张清晰的关系地图，帮你快速找到答案。GraphRAG。
2025-06-28 00:15:15
884
原创 理解 LangGraph 工作流与 ReAct 代理
StateGraph工作流就像一条“工厂流水线”，你需要手动设计每个步骤（节点）和步骤之间的连接（边）。它适合需要严格控制多步骤流程的任务，比如生成笑话或文章。ReAct 代理就像一个“智能助手”，你给它工具（比如查天气的函数），它根据用户输入动态决定如何处理，比如是直接回答还是调用工具。ReAct 是“推理（Reasoning）+行动（Acting）”的缩写，适合处理不确定的用户输入。StateGraph 工作流：像“工厂流水线”，你自己设计每条传送带，适合固定、复杂的任务，比如生成笑话或文章。
2025-06-15 20:19:51
873
原创 Python字符编码与字符串 总结
1个中文字符 = 3个UTF-8字节，1个英文字符 = 1个UTF-8字节。小明成绩从72分提升到85分，计算提升百分点，格式化显示为’xx.x%’
2025-05-24 15:26:08
633
原创 AI Agent 智能体 相关
Agent是一个能够感知环境，能够做出独立决策，并且能够主动执行行动的 人工智能系统。原本只能通过token来预测下一个token，是如何处理这些事情的呢？是因为它有以下四大能力。
2025-05-18 13:20:40
282
原创 Prompt相关
AI幻觉的产生通常是由于模型在缺乏相关信息 的情况下，通过概率性选择生成内容，而非基 于真实世界的知识库或逻辑推理，这使得其输 出不仅难以信赖，且可能误导用户。3. 基于一个链式思维cot，能够自主分析情况并作出决策，生成新的创意和解决方案，与人互动，理解人类的情感，处理多维和非结构化的问题。一些提示词：将xx转化为xx；：提供足够的上下文，突出最重要的2-3个要求，采用清晰的结构来组织需求，给出期望的示例。4. 控制提示语的长度，确保生成的准确性：避免嵌套复杂的指令，保持简洁，适用分步提示。
2025-05-11 16:44:23
937
原创 LangChain 相关
1. 因为大模型，例如 openai，只能通过api提供自然语言的处理能力，但本身无法做一些 联网，自动处理外部数据的事情。所以就需要一个开发框架 LangChain来实现。2. LangChain是一个用于开发由大预言模型驱动的应用程序框架。主要功能：（1）可以将 LLM模型与外部数据源进行连接（2）允许和LLM模型进行交互RAG（检索增强生成）：一种结合检索和生成的技术。用于构建更强大的问答系统和知识库应用。
2025-04-27 01:41:45
886
原创 React-fiber
3. fiber拆分任务后，会调用window支持的RequestIdelCallback API来检测主线程是否有空，如果有空，执行优先级高的任务，暂停渲染；如果没空，会先暂停任务，继续主线程的执行。并且fiber是链表的结构，通过父子，兄弟，叔叔等节点连接，让他可以保持渲染的状态，支持页面的中断和恢复。1. 16之前渲染过程是同步递归模式，react会一次递归遍历所有的组件，无法中断，如果组件树很大的话，就会造成页面的卡顿，用户无法交互等情况。因为是链表结构，内置了优先级概念，浏览器API的支持。
2025-04-20 18:02:06
222
原创 力扣—字母异位词分组
3. 再看map实例中有没有键值为‘abc’的，有的话，将当前遍历的元素‘acb’ push进去 以‘abc’为键的数组里面。5. 全部遍历完之后，需要返回的是 map实例中所有的键值，再进行Array.from变成一个二维数组。2. 这里先遍历数组，将每一个字符串排序，例如：‘acb’，‘bca’ 都会被排序成 ‘abc’4. 如果当前没有键值 ‘abc’，就set一个键为‘abc’，并将当前元素作为数组存进去。是由重新排列源单词的所有字母得到的一个新单词。注意：一些数据存储方式的转换 ，转换的方法。
2025-04-20 14:13:51
274
原创 力扣—两数之和
2. 先遍历数组，如果 (target-当前元素) 存在于map实例中，那么直接返回。3. 如果没找到，就把当前遍历到的元素以键值对的形式存进去map实例里面，供下次查找。因为 nums[0] + nums[1] == 9 ，返回 [0, 1]。你可以假设每种输入只会对应一个答案，并且你不能使用两次相同的元素。1. 实例化出一个Map实例来放键值对，其中，4. 遍历完还没找到，返回空数组。整数，并返回它们的数组下标。你可以按任意顺序返回答案。，请你在该数组中找出。
2025-04-20 02:07:12
212
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人