如的仓库地址()所述，是一个使用PythonTypeScript多模态数据标注平台，开源协议为Apache-2.0，非常适合二次开发或商用。

对于https稍微详细的一点的流程，在之前的文章《java实现http/https抓包拦截》中有过一些记录，这里不再详细说明。https双向认证按照我的个人理解，所谓https的双向认证简单点来说也就是：客户端（client，一般是浏览器）不仅要验证来处服务端（server)的请求是否合法，服务端（server）也还需要验证客户端（client）的合法性。一般对于安全性要求比较高的情况...

距离上一篇记录采用rancher2+kubernetes+skywalking部署springcloud项目(一[k8s yaml版本])发布已经2个多月了，之前写那篇文章时专门在标题右边写了一个序号，是因我想通过spring-boot-cloud项目来对k8s的发布进行一个整体的学习（尽管我同学告诉我对于项目发布的东西在他们公司都是专门的运维或devops工程师去处理的，作为开发小弟的我们不需要

使用canal client-adapter完成mysql到es数据同步教程环境说明canal 版本mysql版本canal环境安装开启mysql的bin_loges安装kibana安装canal server安装与运行环境配置完毕后的验证mysql中创建测试库和测试表及数据es索引验证及创建目标索引canal adapter在idea中测试运行canal maven installcanal a

本文介绍了基于SDN控制器ONOS的几种常见路径搜索算法，重点分析了DFS（深度优先搜索）的实现原理。通过示例图展示了DFS的执行过程，指出其只能找到一条路径而无法保证路径最优的局限性。文章还提供了ONOS中DFS算法的核心代码解析，包括栈结构的使用和边权重的处理。后续将介绍其他更适合网络场景的路径搜索算法，帮助读者在实际应用中选择合适的算法。

任意角度二维码图片快速矫正。

RAG，即，检索增强生成。它是大模型和信息检索技术的结合技术。百度百科上的解释为：当模型需要生成文本或者回答问题时，它会先从一个庞大的文档集合中检索出相关的信息，然后利用这些检索到的信息来指导文本的生成，从而提高预测的质量和准确性。“让大模型为行业赋能”。RAG的工作流程可参考SpringAI中的这张图：即：在用户向大模型检索某个信息时，会携带关于所需要检索的背景知识，这样以让大模型可以参考已有知

RAGFlow多模态搜索功能实践 本文介绍了RAGFlow系统的多模态搜索功能，重点演示了图片和视频的解析与搜索能力。通过配置阿里qwen3-vl-plus视觉模型，系统能够将图片和视频内容转换为文本形式的Chunk数据。测试结果显示，系统成功解析了图片内容和短视频内容（如电动车相关视频），并能通过关键词（如"电动车"）同时检索出匹配的图片和视频素材。文章还分析了搜索接口的关键

最近读了《午夜图书馆》总会觉得：人生无论怎么选，都会觉得不够完美，充满遗憾。这和做技术有点类似，过一段时间之后再回过头看之前的技术方案，我们也总会觉得还不够完美，想要再改改完善。所以，在做决策前做好充分的调研，在一定程度上能尽量减少一些遗憾，毕竟对已上线的项目进行调整也往往伴随着一定的风险。今天抽空简单回顾一下，以便于后面用到时能快速选择。

摘要 本文介绍了使用LangChain和LangGraph构建AI工作流的方法，实现一个音视频字幕生成工具。文章首先对比了coze、dify等AI工作流产品，选择使用LangGraph进行开发。通过流程图展示了从音视频到字幕文件的转换流程，并拆解为两个智能体：音视频转文本和文本总结。作者演示了用LangChain创建简单智能体（如获取天气）的代码示例，以及LangGraph构建工作流的基本方法。最