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

Spring事件监听器在电商订单系统中的应用

/ OrderCreatedEvent.java - 订单创建事件// 构造器、getter、setter// getter 方法...// OrderPaidEvent.java - 订单支付事件多种监听方式直接监听具体事件类型使用Object监听所有事件使用SpEL条件表达式过滤完整的事件处理特性@Async异步处理(邮件发送)@Order执行顺序控制异常处理不影响其他监听器有返回值的事件链实

#spring#python#java
RAG + Agent 智能客服 · 项目架构与新人学习指南

这是一个基于LangChain手写实现的最小可用RAG系统,结合LangGraph ReAct Agent,构建两个Streamlit智能客服应用:纯RAG的服装电商客服与具备自主决策能力的扫地机器人客服。项目完整实现了从文档解析、切块、向量化到入库、检索、生成的全流程,无封装依赖,便于学习理解。核心模块职责清晰:knowledge_base.py负责离线知识入库(支持增量更新),rag_core

#架构
RAG + Agent 智能客服 · 项目架构与新人学习指南

这是一个基于LangChain手写实现的最小可用RAG系统,结合LangGraph ReAct Agent,构建两个Streamlit智能客服应用:纯RAG的服装电商客服与具备自主决策能力的扫地机器人客服。项目完整实现了从文档解析、切块、向量化到入库、检索、生成的全流程,无封装依赖,便于学习理解。核心模块职责清晰:knowledge_base.py负责离线知识入库(支持增量更新),rag_core

#架构
150 行 Python 带你吃透 RAG 增量入库:一篇给小白看的逐段代码精讲

RAG 入库脚本的本质是什么?它不是一个"文件处理脚本",而是一套内容版本管理 + 数据同步机制。用hash判断变没变;用state记住上次状态;用source实现精准替换;用分批保证吞吐。把这四件事想清楚,你换任何向量库、换任何模型、换任何文档格式,这套骨架都不会变。与这份 ingest 配套的检索(Retrieval)脚本——怎么用做引用溯源、怎么加 rerank、怎么把召回结果喂给大模型。有

#oracle#数据库
机器学习之路:经典的鸢尾花数据集-数据清洗、标准化、特征降维和可视化

学习过程中保持积极的学习态度和耐心,机器学习和深度学习是复杂的领域,需要持续学习和实践。目标任务:使用深度学习框架搭建一个更复杂的神经网络,并在一个数据集上进行训练和测试。目标任务:使用深度学习算法构建一个简单的神经网络模型,并训练模型。尝试在学习过程中动手实践,通过编写代码来加深对算法和原理的理解。目标任务:使用机器学习算法对一个简单的数据集进行数据预处理。目标任务:使用监督学习算法对一个分类问

文章图片
#机器学习#人工智能#python
中电海康-中电52所面经

面试官只有一位,比较随意,听说这边基本上60%都是硕士。不过线上(知乎,脉脉)看了下,这家公司加班比较严重。基本上就是对着我实习、开源和科研的项目进行了了解。第二次面试去现场面试,过去不算轻松。

文章图片
#java#mybatis#开发语言
云原生架构

云原生架构是一种利用云计算分布式、弹性、按需服务等特性,采用微服务、容器、DevOps和声明式API等技术与管理方法,以构建和运行可扩展、高韧性应用的最佳实践集合。它不是一套固定的产品,而是一个不断演进的技术体系与理念。它的最终目标是让业务应用能够最大化地利用云的能力,从而更快速、更稳定、更经济地交付价值。当你设计一个新系统,尤其是面对快速变化的复杂业务时,将DDD(用于业务建模和划分)与云原生架

#云原生#架构
超简RAG:像用数据库一样用大模型

知识库= 数据表检索= SQL查询提示构建= 查询优化模型调用= 执行引擎这种类比能帮助应用开发者快速建立心智模型,避开底层的Transformer原理,专注于数据与业务逻辑。记住:动手比看课重要100倍。花3小时跑通一个RAG,胜过花3天看理论。现在,拿起代码,去构建你的第一个AI应用吧!附:完整代码import os"退货政策": "我们支持7天无理由退货,运费由买家承担。如果商品质量问题,运

#数据库
开发如何有效、可靠、经济地使用大模型解决业务问题

—你需要知道它能做什么、不能做什么、调用它的成本、如何让它稳定输出。至于黑盒内部是 Transformer 还是 MoE,那是算法岗的领域。应用开发者的价值在于。,而不是模型内部的数学原理。

#人工智能
Kubernetes 核心概念梳理:从零开始的容器编排之旅

Kubernetes 之所以成为容器编排的事实标准,是因为它抽象出了一套既强大又相对简单的原语(Pod、Service、Deployment 等)。你不需要关心底层服务器细节,只需要描述“我想要什么样子”,K8s 会帮你自动达成。对于小白来说,最怕的是概念轰炸。一个能自动管理容器应用的大型自动化系统,你通过 YAML 告诉它你的需求,它保证现实符合你的期望。一旦你动手跑起来第一个 Pod,就会发现

#容器#云原生#kubernetes
    共 67 条
  • 1
  • 2
  • 3
  • 7
  • 请选择