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

Spec-Kit:规格驱动开发工具包

Spec-Kit 作为 GitHub 官方推出的规格驱动开发工具包,为现代软件开发提供了一套系统化的解决方案。它通过将 AI 编码助手与结构化开发流程深度融合,有效提升了从需求分析到代码实现的全链路开发效率。它将 AI 编码助手与结构化开发流程深度融合,帮助开发者和团队以更加系统化、规范化的方式进行产品和技术开发。:进入项目目录后,启动对应的 AI 助手(如 qwen)开始交互式开发。将复杂开发过

LangChain 实战:用 SubAgent 解决多 Skills 冲突

如果子 Agent 执行了 10 次工具调用,直接合并到主 Agent 需要消耗 20+ 条消息的 Token(每次调用包含请求和响应),但通过 SubAgent 隔离后只消耗 1 条最终结果的 Token。子 Agent 执行时可能调用了十几次工具(读文件、调 API、搜索文档等),这些中间过程对主 Agent 是不可见的,主 Agent 只拿到子 Agent 的最终返回文本。SubAgent

FastAPI基础入门

Hypercorn: ASGI服务器和WSGI HTTP服务器,支持HTTP/2和WebSocket,具有自动重试、请求超时、连接超时、日志记录等功能。Starlette: ASGI服务器和WSGI HTTP服务器,支持HTTP/2和WebSocket,具有中间件、路由、异常处理等功能。Uvicorn: ASGI服务器,支持HTTP/2和WebSocket,具有自动重试、请求超时、连接超时、日志记

#fastapi
「fastapi_mcp」实战指南:零配置快速集成 FastAPI 工具到大模型生态

fastapi_mcp 极大简化了将 FastAPI 应用接口开放为 AI 工具集的流程,仅需少量代码即可自动适配 MCP 协议,无需手动配置和维护繁琐的 OpenAPI 文档,让工具型接口更容易被大模型/智能助手集成调用。一个零配置工具,用于自动将FastAPI端点作为模型上下文协议(MCP)工具公开,极大简化了工具型 API 的接入和管理。fastapi_mcp 支持一个 FastAPI 应用

#fastapi
让你的Claude Skills随时可用:将Skills暴露为MCP

的 YAML frontmatter(name + description),不读取完整内容。• 提取 frontmatter 中的 name 和 description。构建,将技能目录动态暴露为 MCP 服务。execute_python_script 脚本执行。• 返回 SKILL.md 或指定子文件的内容。创建 /common-mcp 端点。创建 /coohom-mcp 端点。创建 /re

为AI Agent设计的上网方式-WebMCP介绍与实际使用案例

WebMCP 是一个严肃的尝试,为这些 Agent 提供了一种与网站交互的原生、结构化方式——没有屏幕抓取的脆弱性,也没有维护单独 API 的开销。调用它,我会给你结构化的结果。是一个提议的浏览器级 Web 标准,让任何网页都能将其功能声明为 AI Agent 可调用的结构化工具。WebMCP 将你的网站变成 AI Agent 可以使用的 API——而无需你构建或维护单独的 API。AI Agen

#人工智能
使用skill-creator创建和优化Skills

"读取文件 X"这样的简单查询是糟糕的测试用例——无论描述质量如何,它们都不会触发 Skills。"如何构建简单的快速仪表板。重复利用脚本如果多个测试用例都导致子代理编写相似的辅助脚本,考虑将其打包到 Skill 的 scripts/ 目录中。评估集维护定期更新评估集,添加新的边界案例和实际使用中发现的误判案例。Skill 的 description 字段是决定 Claude 是否调用 Skill

<span class=“js_title_inner“>Skills与MCP的区别、Skills与提示词的区别</span>

它不仅是文本指令,更是一种"模式"或"角色"的切换。如果 SOP 非常详细(比如一个复杂的报告生成指南),它可能会挤占本应用于处理实际任务内容(如你的数据、你的草稿)的空间。Claude Skills 官方公告,强调 Skills 的可组合性、可移植性和高效性,并说明在 Claude 应用、API 和 Claude Code 中的支持与企业用例。用户只需下达高级指令(如:"帮我准备本周的产品发布说

#javascript#数据库#开发语言 +2
对话驱动用例生成:AI 自动生成测试用例的实践

测试用例设计是软件测试的核心环节,传统方式依赖测试人员手动编写,存在覆盖不全、效率低下、难以维护等问题。借鉴 LangChain Skills 设计,按需加载完整指令:启动时只注入技能元数据(名称 + 描述),AI 调用时才加载完整文档,节省 Token 并保持系统提示简洁。,用户无需学习复杂的 UI 操作,只需用日常语言表达需求,AI 即可自动理解并执行增删改查操作。:用户通过自然语言对话即可实

#测试用例
python 读取音频文件的详细信息

有一项测试的需求是判断录像是否和预期一致,检查项是:分辨率、录像时长等内容文件的详细信息.pngos模块有一个stat()方法st_mode: inode 保护模式st_...

    共 35 条
  • 1
  • 2
  • 3
  • 4
  • 请选择