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

构建“Git 提交 AI 神器”:从零打通 DeepSeek 混合架构全栈开发

本文介绍了一个AI驱动的Git提交信息生成工具的开发过程。该项目采用前后端分离架构,前端使用React+TailwindCSS,后端基于Node.js/Express,集成DeepSeek-R1推理模型和LangChain框架。文章深入解析了关键技术点:1)Express中间件机制处理HTTP请求数据流;2)RESTful接口设计中GET与POST的语义区别;3)HTTP状态码的规范使用;4)选择

文章图片
#人工智能#架构#node.js +2
用AI设计Logo:一个基于DALL-E 3的Logo生成器实现

本文介绍了一个智能Logo生成器项目,该项目结合DALL-E 3 API与Bootstrap框架实现。系统通过简洁表单接收用户输入,利用AI模型自动生成专业Logo设计方案。技术栈包括Bootstrap 3.3.0前端框架、DALL-E 3 AI模型和Fetch API通信。文章详细解析了HTML结构布局、表单设计最佳实践、JavaScript核心逻辑(包括表单处理、事件监听和API调用),以及提

文章图片
#人工智能#前端框架#javascript +1
解锁自动化神力:n8n 入门完全指南,告别重复劳动!

n8n是一款基于节点的开源工作流自动化工具,能帮你轻松告别重复性劳动。与Zapier等工具相比,n8n具有自托管免费、数据隐私性高、自定义能力强等独特优势。本文通过构建"每日定时获取名言并发送到Slack"的完整实例,手把手教你掌握工作流、节点、连接等核心概念,并深入讲解了条件判断、代码节点、错误处理等进阶技巧。无论是同步数据、监控网站还是处理表单,n8n都能通过可视化拖拽实现复杂自动化流程。开源

文章图片
#自动化#运维#人工智能 +2
AIGC 时代如何优雅地操作数据库:SQLite + Python 实战与 SQL Prompt Engineering

摘要:本文探讨了AIGC时代如何利用大语言模型简化数据库操作。以SQLite+Python+DeepSeek为例,展示了从创建数据库到自动生成SQL查询的全流程。重点介绍了SQL提示词工程的三要素:数据库结构、自然语言查询和严格输出要求,指出AI能有效解决传统SQL开发中的记忆困难、语法复杂等问题。通过自然语言交互,非技术人员也能轻松操作数据库,预示着未来数据库操作将更智能化、平民化。这种AIGC

文章图片
#数据库#AIGC#sqlite
从 Mobile First 到 AI First:用 Python 和大模型让数据库“开口说话”

本文介绍了如何利用大模型(LLM)构建Text-to-SQL系统,实现自然语言查询数据库。通过Python、SQLite和DeepSeek API,演示了从创建数据库到AI生成SQL查询的全过程。关键步骤包括:搭建员工数据库、提取表结构作为AI上下文、设计Prompt让AI生成SQL语句,并执行查询/增删操作。文章还解答了常见的"database is locked"问题,并展

文章图片
#数据库#人工智能#python
深入理解现代 JavaScript 异步编程:从回调到 Async/Await

本文系统介绍了JavaScript异步编程的演进历程,从回调函数到Promise再到async/await的转变。重点演示了如何使用Fetch API调用大模型服务,包括基础用法和复杂请求处理,并强调了环境变量管理、错误处理等最佳实践。文章指出async/await让异步代码更直观易读,是现代前端开发的必备技能,特别适合当前AI应用开发场景。

文章图片
#javascript#开发语言#ecmascript
Trae Que:用智能提示词提升编程效率的新范式

本文探讨AI编程助手(如Trae Que)如何改变现代编程方式。通过案例分析展示了注释驱动开发模式的优势,强调详细的注释和类型注解能为AI提供上下文,实现更精准的代码补全(提升40-60%编写速度)。文章提出最佳实践:使用JSDoc标准注释、保持代码结构清晰、采用迭代式提示。未来趋势包括语义级理解、架构级建议等,指出表达意图的能力将成为程序员的核心竞争力。AI编程助手正推动编程范式转变,开发者需掌

文章图片
#代码规范#人工智能#ecmascript
使用 OpenAI API 生成文本与图片:从环境搭建到提示工程完全解析

本文完整介绍了基于Node.js和OpenAI API的AIGC应用开发全流程。从使用pnpm进行现代化依赖管理开始,详细解析了环境变量配置、OpenAI客户端初始化等关键技术环节。通过DALL-E 3图像生成和GPT-4o-mini文本分析两个具体案例,深入讲解了API调用参数配置、异步编程模型和响应处理机制。特别重点探讨了提示工程的系统化实践,包括角色设定、任务描述、上下文构建等核心原则,展示

文章图片
#javascript#前端#人工智能 +1
LangChain 第四课:拒绝“纸上谈兵”,给大模型装上“双手”

摘要: 本文介绍了如何通过LangChain的Tools模块为大型语言模型(LLM)赋予调用外部功能的能力。传统LLM无法直接访问实时数据或执行计算,而Tools模块通过Function Calling机制,让模型能识别用户意图并调用指定工具。文章以DeepSeek模型为例,演示了创建天气查询器和加法计算器两个工具的过程:1)用zod定义工具参数结构;2)通过bindTools绑定工具;3)模型分

文章图片
#人工智能#node.js#javascript
LangChain 第三课:拒绝“只有七秒记忆”,给 LLM 装上大脑 (Memory)

摘要: 大模型API调用本质是无状态的,导致LLM无法记住对话历史。文章探讨了LangChain的Memory模块解决方案,通过RunnableWithMessageHistory自动管理对话上下文。演示了如何通过内存存储实现多轮对话记忆,并指出生产环境中需解决持久化(如Redis存储)和Token爆炸(窗口记忆或摘要压缩)问题,为构建连贯的AI助手提供实践方案。(149字)

文章图片
#人工智能#node.js
    共 35 条
  • 1
  • 2
  • 3
  • 4
  • 请选择