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

SSE和WebSocket

一句话记: 只需要后端源源不断吐文字 → SSE;前后两边要频繁互发消息 / 传音视频二进制 → WebSocket。核心特点:独立 ws 协议,前后端随时互相发消息,支持二进制 / 文本。核心特点:基于 HTTP、只能后端发给前端、只适合文本流式输出。适用:纯服务端下发、逐字打字、大模型流式输出。

#websocket#网络协议#网络
Ai智能客服

分辨闲聊还是买货,全是 Coze 智能体 + 后端 RAG 做判断,前端只管收发、渲染页面。

#人工智能
AI大模型种类

,AI 看图 + 文字结合回答,咱们 Coze 里切换多模态底座就能实现。项目落地:侧边栏【图片生成 Tab】预留功能,前端页面做完,后端对接这类模型即可输入关键词生成图片。既能读文字,又能看懂图片、截图,上传照片提问 代表:GPT4o、Gemini、豆包多模态。代表:GPT、Claude、DeepSeek、豆包 (Coze 底层)、智谱 GLM。代表:Midjourney、Stable Diff

#人工智能
NestJS + Mongoose 全栈开发总结

前端 HTTP 请求先进入 Controller 控制层处理路由与入参,转发给 Service 业务层执行业务逻辑,Service 再调用 Model 数据模型层完成 MongoDB 数据库读写;数据库底层通信、指令转换全部是 Model 层内部封装实现,数据处理完成后按「Model → Service → Controller」原路逐层返回,最终格式化响应给到前端。我掌握 NestJS 模块化开

文章图片
#面试#mongodb
Ai智能客服

分辨闲聊还是买货,全是 Coze 智能体 + 后端 RAG 做判断,前端只管收发、渲染页面。

#人工智能
AI大模型种类

,AI 看图 + 文字结合回答,咱们 Coze 里切换多模态底座就能实现。项目落地:侧边栏【图片生成 Tab】预留功能,前端页面做完,后端对接这类模型即可输入关键词生成图片。既能读文字,又能看懂图片、截图,上传照片提问 代表:GPT4o、Gemini、豆包多模态。代表:GPT、Claude、DeepSeek、豆包 (Coze 底层)、智谱 GLM。代表:Midjourney、Stable Diff

#人工智能
taro是怎么实现一套代码多端运行的,简短回答

Taro通过将React代码编译成不同平台的原生代码来实现一套代码多端运行。它使用Babel插件和自定义构建工具,将React组件转换为小程序、H5、React Native等平台的代码,同时提供了跨平台的API和组件库,确保代码在不同平台上的兼容性和一致性。

文章图片
#taro
实战分享:Web3 前端开发Defi项目

Web3 应用的安全直接关系用户资产,前端需从细节处防范风险。关键措施合约地址验证:通过链上查询验证合约地址是否为官方认证地址,避免用户与恶意合约交互;恶意链接拦截:检测当前页面域名,禁止在非官方域名下发起交易,防止钓鱼攻击;异常处理:交易失败时,解析错误码(如 “insufficient funds”)并转化为用户易懂的提示(“余额不足,请检查资产”);签名内容透明化:用户签名前,清晰展示签名信

文章图片
#web3
到底了