logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

【Python基础】零基础入门到实战,这一篇就够了!(附详细代码)

大家好,我是ji'feng,今天给大家带来一篇全网最贴心的Python保姆级入门教程。在这个AI与大数据爆发的时代,“人生苦短,我用Python”早已不仅仅是一句口号。无论是Web开发、数据分析、人工智能还是日常办公自动化,Python都以其简洁优雅的语法和强大的生态库,成为了初学者首选的语言。如果你是完全零基础的小白,或者刚接触编程不久,不用担心,这篇文章将带你从安装环境开始,一步步走进Pyth

文章图片
#python#开发语言
LangChain 学习笔记:大模型应用开发的“万能钥匙”

从零开始认识 LangChain,搞懂它解决了什么问题、怎么用、环境怎么搭。

文章图片
#学习
LangChain Agent 从零入门:让大模型学会“自己动手“

Middleware** 能自动压缩历史消息: from langchain.agents.middleware import SummarizationMiddleware agent = SummarizationMiddleware(agent) 它的工作方式是: 每 5 轮对话触发一次总结 把前面的对话压缩成一条摘要消息 后续对话基于摘要继续 这样 Token 消耗就稳定了。类似的中间件还

文章图片
#前端#python
手把手教你用 Dify 搭建“一键生成调研报告”工作流

拖一个大模型节点到循环体内,跟在 Firecrawl 节点后面。模型选择:如果 DeepSeek 容易超时,就换成 Dify 内置的。系统提示词:只输出用户需要的内容,不要添加额外说明。用户提示词:基于以下文本总结与 {{target}} 相关的核心内容,如果与 {{target}} 无关则输出空字符串。其中{{target}}选开始节点的target,「文本」选 Firecrawl 输出的tex

#数据库#服务器#运维
CentOS 7 下 Docker 安装完整指南(含阿里云源 + 镜像加速)

至此,你已经成功在CentOS 7上完成了Docker的安装、启动、镜像加速配置和用户权限设置。替换系统YUM源为阿里云源安装Docker CE(推荐24.0.7或20.10.9版本)启动Docker并设置开机自启配置国内镜像加速(解决拉取慢问题)把当前用户加入docker组(免sudo)全部完成后,就可以开始用Docker拉取镜像、运行容器了。祝你一次安装成功!

#centos#docker#阿里云
学伴(KnowAI)项目开发实战:从零构建一个AI驱动的在线教育平台

摘要 学伴(KnowAI)是一个AI驱动的个性化学习平台,旨在解决当前在线教育中缺乏反馈和学习路径规划的问题。该项目通过以下核心功能提供完整学习闭环: 智能评测:学完自动生成AI测验验证学习效果 24小时学伴:基于LangGraph+RAG的对话助手随时答疑 个性化推荐:根据学习历史智能推荐课程 技术栈采用全栈方案: 前端:Vue3+TS+Element Plus 后端:FastAPI异步架构 数

文章图片
#python#fastapi#vue.js +3
做电商项目必看的5个解决方案

做电商项目,最头疼的不是写代码,而是架构怎么选、高并发怎么扛、多平台订单怎么管。我整理了5个实战中验证过的解决方案,从技术选型到落地细节全都有,不管你是自己搭还是用现成的,看完心里就有数了。

#python#架构
手把手教你用 Dify 搭建“一键生成调研报告”工作流

拖一个大模型节点到循环体内,跟在 Firecrawl 节点后面。模型选择:如果 DeepSeek 容易超时,就换成 Dify 内置的。系统提示词:只输出用户需要的内容,不要添加额外说明。用户提示词:基于以下文本总结与 {{target}} 相关的核心内容,如果与 {{target}} 无关则输出空字符串。其中{{target}}选开始节点的target,「文本」选 Firecrawl 输出的tex

#数据库#服务器#运维
从零打造一个电影推荐系统:我的全栈+AI实战项目分享

大家好!我是一名Python初学者,最近刚完成了一个比较完整的项目——MovieRec电影推荐与评价系统。回想几个月前,我还是只会写简单Python脚本的小白,没想到现在能做出一个从前端到后端、从数据库到AI的全栈项目。今天我把整个过程和代码经验分享出来,希望能给同样在学习路上的你一些启发和信心。项目源码已整理好,需要的同学可以按文末的方式获取。那我们开始吧!

#python#fastapi#json +4
FastAPI + SQLAlchemy ORM 初探:那些新手必踩的坑与思考

这次踩坑经历虽然只有半天,但收获颇丰:区分了 SQLAlchemy ORM 模型和 Pydantic 模型 —— 本质是「数据存储」与「数据传输」的分离。学会了主动写小代码块验证自己的猜想,而不是盲目复制粘贴。留意并解决了两个老旧写法导致的 warning,为以后升级依赖扫清了障碍。如果你也是 Python 初学者,正在学习 FastAPI 和 SQLAlchemy,希望这篇博客能帮你少走一些弯路

#oracle#数据库#服务器
    共 13 条
  • 1
  • 2
  • 请选择