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

新版若依微服务增强swagger增强集成knife4j

本文介绍了将Swagger替换为Knife4j的操作步骤。在父POM中添加统一版本控制,删除原有Swagger依赖并引入Knife4j相关组件。配置文件方面,删除了Swagger相关配置,并在Gateway服务的Nacos配置中添加了Knife4j的路由配置,定义各模块的访问路径和顺序。通过POM依赖替换和配置调整,完成了从Swagger到Knife4j的切换。

#微服务#架构#云原生
docker安装EMQX MQTT

本文介绍了如何使用Docker快速部署EMQX MQTT消息服务器。通过docker run命令启动容器,映射1883(MQTT)、8083(WebSocket)、18083(管理界面)等关键端口,并配置了两个认证用户(admin/admin和JavaServer/123456)。18083端口提供Web管理控制台,默认账号为admin/public。该部署方式简便高效,适合快速搭建MQTT消息服

#docker#容器#运维
若依微服务框架扩展业务数据权限

本文介绍了如何扩展系统数据权限功能,实现业务库数据权限控制。主要修改包括:1)在LoginUser实体中增加部门子节点ID和父子级部门ID字段;2)在用户登录接口中查询并赋值这些字段;3)为DataScope注解增加业务表别名字段;4)修改DataScopeAspect切面类,添加业务数据权限处理逻辑。通过扩展原有数据权限机制,使业务库中带有user_id和dept_id字段的表也能实现权限控制,

#微服务#windows#架构
docker 部署的ollama服务在dify中访问不到的问题

摘要:针对Docker部署的Ollama、FastGPT和Dify服务间网络不通问题,提出两种解决方案:1) 临时方案通过docker network connect将各容器接入共享网络ollama_shared;2) 永久方案需修改各服务的docker-compose.yml文件,使Ollama同时接入默认网桥和共享网络,并为FastGPT/Dify添加共享网络配置。关键步骤包括创建共享网络、声

#docker#容器#运维
基于 YOLO 的建筑裂缝检测实操与模型训练全解析(含踩坑记录含开源裂缝数据集)

本文介绍了如何将带有彩色框标记的裂缝图片转换为YOLO格式标签文件,并训练裂缝检测模型的过程。首先通过Python脚本自动识别图片中的绿、蓝、红色框,分别对应纵向、横向和网状裂缝类别,生成YOLO格式的txt标签文件。然后配置data.yaml文件,使用YOLOv8进行模型训练。文章还包含模型验证、预测使用以及新增图片标注的方法,最后通过labelImg工具对未标注图片进行手动标注以扩充训练数据集

elasticsearch证书过期进行更换

Elasticsearch SSL证书配置修复方案 摘要:本文提供了Elasticsearch单机版的SSL证书修复方案,包含YML配置文件模板和自动化脚本。配置文件中启用了xpack安全模块,设置了传输层和HTTP层的SSL证书路径(PKCS12格式密钥库和JKS格式信任库)。配套的bash脚本可实现证书体系自动化重建,主要功能包括:环境验证(OpenSSL版本和Java版本检测)、证书生成(C

#elasticsearch#java
Langchain4j(3) Prompt 提示词工程 + PromptTemplate + SystemMessage 高级用法

本文介绍了LangChain4j提示词核心组件及使用方式,主要包括: 核心三件套:PromptTemplate(带变量替换的模板)、SystemMessage(AI角色设定)、UserMessage/AiMessage(对话载体) 基础使用:通过PromptTemplate实现变量替换,动态生成提示词 核心功能:SystemMessage设定AI行为规则(如技术助手只回答技术问题) 高级集成:与A

#java
java 使用 spring AI 实战 RAG (Chroma 向量数据库+Advisor)

我这里用的 :ollama+ qwen 大家可以根据自己的环境自行更改Windows版本Linux版本。

#java#spring#人工智能
Linux安装Whisper(C++版)音频解析文本

本文介绍了在Linux系统上安装和配置Whisper语音识别工具的全过程。首先在home目录创建whisper文件夹,下载whisper.cpp源码并解压。接着安装ffmpeg和必要的依赖包,通过脚本自动下载CentOS 7.9和EPEL的RPM包。然后配置CMake环境并编译whisper.cpp源码,将生成的可执行文件安装到/opt/whisper/bin目录。最后创建了一个便捷的whispe

#linux#c++
Langchain4j(4)RAG之入门示例

检索增强生成。让 AI 只能根据你提供的文档回答解决 AI 胡说八道 问题让 AI 能使用私有数据、内部文档把文字变成 一串数字语义相似的文本,向量距离更近是 RAG 能 “语义检索” 的基础。

#java
    共 77 条
  • 1
  • 2
  • 3
  • 8
  • 请选择