这段时间研究了下裁判文书网的反爬策略感觉挺有意思的，这里给大家分享一下思路分析我们先在裁判文书网上随便搜索点东西，我这里搜的是"经济犯罪"，可以看到返回了很多页的数据，我们点击下一页然后看下请求观察上图中的参数，并试着在postman中调用一下试试看可以看到直接能发送成功，并且修改pageNum值之后仍然能够正常拿到返回结果，可是返回结果是加密的。那我们先来研究下如何进行解密。观察可以看到返回结构

这段时间研究了下百度翻译的反爬策略感觉挺有意思的，这里给大家分享一下思路分析首先我们打开浏览器的控制台(alt+command+i),然后输入 https://fanyi.baidu.com/，然后随便输入一个词语翻译一下，分析network标签页能很容易找到翻译接口观察这个post请求的参数在postman中构建此请求发现请求可以发送成功(注意，需要把网页中的cookie也拷过来才能请求成功);

在一些需要处理众多独立指令集的任务中，先对查询的类型进行分类，然后根据这个分类来确定需要的指令，这样做往往是有益的。就像在软件工程中，我们会习惯于把复杂的系统分解成一套模块化的组件，对于提交给语言模型的任务也是同样的道理。而更进一步，我们常常可以把这些复杂任务重新设定为一系列的工作流程，每一个流程就是一个更简单的任务，而且这些任务之间是相互联系的，前一个任务的输出会作为后一个任务的输入。当涉及到一

Pydantic 程序是一个多用途框架，能将输入的文本字符串转化成结构化的 Pydantic 对象。文本自动完成 Pydantic 程序：通过结合使用文本自动完成的 API 和输出解析功能，这类程序能处理并将输入文本转换成用户定义的结构化对象。函数调用 Pydantic 程序：这类程序接受文本输入，并依据用户的设定，通过调用大语言模型的函数 API，转换成特定的结构化对象。预封装 Pydantic

创造真正商业价值的生成式 AI 需要付出真正的努力，但这绝对值得。生成式 AI (Generative AI) 已经无处不在。各行各业的组织正迫切要求他们的团队加入这场风潮 — 有 77% 的商业领导 担心他们已经错过了利用生成式 AI 的机遇。数据团队正在努力应对这一挑战。但是，打造一个真正能促进商业增长的生成式 AI 模型并非易事。长期来看，仅依靠快速接入 OpenAI API 是远远不够的。

创造真正商业价值的生成式 AI 需要付出真正的努力，但这绝对值得。生成式 AI (Generative AI) 已经无处不在。各行各业的组织正迫切要求他们的团队加入这场风潮 — 有 77% 的商业领导 担心他们已经错过了利用生成式 AI 的机遇。数据团队正在努力应对这一挑战。但是，打造一个真正能促进商业增长的生成式 AI 模型并非易事。长期来看，仅依靠快速接入 OpenAI API 是远远不够的。