最近在开发博客网站登录过程中，涉及到了多个前端对应一个后端的前后端分离项目如何使用OAuth完成第三方授权登录的问题，特此总结一篇文章，详细记录了完整的开发过程思路分析和具体的代码实现，大家需要相同的业务场景时可参考使用

摘要：LangChain输出解析器是AI应用开发中重要的数据处理组件，它将语言模型的原始文本输出转换为结构化格式（如JSON、XML等）。主要功能包括格式化输出、数据校验和错误处理，并支持生成格式提示词。LangChain提供多种解析器类型，如StrOutputParser、JsonOutputParser和PydanticOutputParser等，适用于不同场景的数据转换需求。这些解析器位于B

本文以企业生产环境CICD流程为背景，利用 Jenkins、SonarQube、Harbor、Container、Kubernetes技术，搭建一个完整的 CI/CD 管道，模拟实际生产环境项目开发部署流程，实现持续集成、持续交付和持续部署。

本文介绍了LangChain中的提示词模板（PromptTemplate）及其使用方法。提示词模板用于结构化组织用户输入，更清晰地表达意图以提升大模型交互效果。文章分类介绍了文本生成模型模板（PromptTemplate）、聊天模型模板（ChatPromptTemplate）等6种常用模板及其继承关系。 重点讲解了文本提示词模板的创建方法：通过构造函数或from_template创建，支持部分变量

本文介绍了LangChain中的提示词模板（PromptTemplate）及其使用方法。提示词模板用于结构化组织用户输入，更清晰地表达意图以提升大模型交互效果。文章分类介绍了文本生成模型模板（PromptTemplate）、聊天模型模板（ChatPromptTemplate）等6种常用模板及其继承关系。 重点讲解了文本提示词模板的创建方法：通过构造函数或from_template创建，支持部分变量

本文介绍了LangChain中语言模型的核心概念与分类。主要内容包括：1) LangChain本身不提供模型，而是集成第三方大语言模型如OpenAI、ChatGLM等；2) 模型分为三类：LLM(基础文本生成)、ChatModel(对话场景)和Embeddings(文本向量化)；3) 模型继承关系以BaseLanguageModel为基类；4) 聊天模型的核心参数如temperature、max_

Logging。

在traefik2.3版本上线了插件支持功能，Traefik 虽然已经内置了很多中间件，可以满足我们大部分的日常需求，但是在实际工作中，用户仍然还是有自定义中间件的需求，为解决这个问题，推出了traefik插件功能，他允许开发人员向traefik添加更多的新功能。在traefik2.3-2.7版本期间，插件的管理使用是通过Traefik Pilot，它可以集中管理在任何环境中运行的所有 Traef

traefik的路由规则就可以实现4层和7层的基本负载均衡操作，使用//资源即可。但是如果想要实现加权轮询、流量复制等高级操作，traefik抽象出了一个资源。此时整体流量走向为：外部流量先通过entryPoints端口进入traefik，然后由//匹配后进入，在这一层实现加权轮循和流量复制，最后将请求转发至kubernetes的service。除此之外traefik还支持7层的粘性会话、健康检查

如果想要对主机的进程进行监控，例如chronyd，sshd等服务进程以及自定义脚本程序运行状态监控。我们使用node exporter就不能实现需求了，此时就需要使用process exporter来做进程状态的监控。