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

利用qoder开发React + HanziWriter 实现幼儿园汉字描红(支持笔顺演示 / 判错 / 拼音 / 组词)

本文基于 Qoder 编程工具,结合 React + TypeScript 技术栈,实现了一个面向幼儿园及小学低年级的汉字描红学习 Web 应用。项目以 HanziWriter 作为核心描红引擎,实现汉字笔顺校验、描红判错与动画演示;同时引入 cnchar 库补充汉字拼音、笔画数、笔画名称及常见组词等教学信息。在功能设计上,系统支持汉字逐笔画演示、错误自动重试、描红成功反馈以及自定义汉字输入,整体

#react.js#前端#前端框架
【实践】利用 Prettier 格式化打包后的代码?修 BUG 的隐藏神器!

本文详细介绍了如何使用Prettier代码格式化工具对项目文件进行原地格式化。主要内容包括:1)Prettier的作用与优势,可统一代码风格、提升可读性;2)具体操作步骤,通过npx prettier --write .命令格式化整个项目;3)进阶用法,如指定文件类型、配置忽略规则;4)自定义格式配置方法;5)重要注意事项及工程化集成建议。文章强调Prettier能显著提升团队协作效率,推荐结合G

#代码规范
基于 PaddleOCR + Huey 的企业级私有化文档智能处理系统

摘要:DocuIntel是一套企业级私有化文档智能处理系统,集成PaddleOCR、内容安全和批量清理功能。该系统可识别伪装文件、实现扫描文档OCR识别、检测敏感内容,并通过Huey异步队列高效处理任务。支持MD5去重和批量清理,所有数据处理均在内网完成,确保数据安全。适用于政企文档数字化、内容审核、数据治理等场景,提供开箱即用的私有化部署方案,满足企业对文档安全与高效管理的需求。

文章图片
一键检测海量图片是否含文字!Python + OpenCV 实现递归目录扫描 + HTML 可视化报告(无需 OCR 引擎)

在做文档智能、内容审核、数据清洗的时候,经常需要快速判断一张图片里有没有文字。如果图片数量成百上千甚至上万,手动看显然不现实;用 PaddleOCR / EasyOCR 虽然准确,但对 GPU/CPU 消耗大、速度慢、部署麻烦,尤其在离线批量处理场景下很不友好。今天分享一个实测在几千张混合图片上,速度比 OCR 快(视图片大小而定)。初步过滤无用的图片。

#opencv
K8s 集群部署基础:Linux 三节点 SSH 互信(免密登录)配置指南

在 Kubernetes(K8s)集群部署与日常运维过程中(如 `kubeadm`、`Ansible`、脚本化部署、批量运维等),**控制节点与工作节点之间必须具备稳定的 SSH 互信能力**。本文档以 **三台 Linux 节点** 为示例,说明如何配置 **节点之间的 SSH 免密登录(SSH Mutual Trust)**,为后续 Kubernetes 集群部署提供基础环境保障。

#kubernetes#linux#ssh
使用 git filter-repo 统一提交作者信息(修复常见逻辑问题)

摘要:本文介绍了使用 git filter-repo 正确重写 Git 历史身份信息的方法。关键点在于:1) 以邮箱作为唯一判断条件;2) 同时处理 author 和 committer 信息;3) 保持名字和邮箱统一。给出了完整脚本示例,支持保留原邮箱或修改为新邮箱两种场景,并提供了修改后的验证方法及后续配置建议。特别提醒该操作会重写整个仓库历史,推送时需使用 --force 参数。

#git
LangChain 怎么用:入门指南(2025 年最新版)

LangChain 是一个开源框架,用于快速构建基于大语言模型(LLM)的应用,如聊天机器人、RAG(检索增强生成)系统、Agent 等。它提供标准化接口,支持多种 LLM(如 OpenAI、Anthropic、Groq、本地模型等),并允许轻松组合组件(如提示模板、记忆、工具、检索器)来创建复杂工作流。当前(2025 年 12 月),LangChain 已发布 v1.x 版本(最新约 v1.2.

#python#开发语言
基于LangChain与RAG技术构建智能客服问答系统:完整实现指南

本文介绍了基于LangChain框架和RAG技术的智能客服系统构建方法。该系统整合了Ollama本地语言模型服务和FAISS向量数据库,能够高效检索项目文档并生成准确回答。文章详细阐述了系统架构、核心组件及实现代码,包括知识库构建、文档检索和回答生成流程。该系统可显著提升客服效率,支持网络搜索、数学计算、节假日查询等多种功能,并提供了良好的可扩展性。通过本地部署Qwen2.5模型,实现了安全可靠的

文章图片
#python#人工智能
Linux 下微信提示「数据库有损坏」的解决方法(media_0.db / message_0.db)

摘要:本文介绍了Linux系统下微信(xwechat)出现数据库损坏(media_0.db/message_0.db等)报错的解决方法。当微信异常退出或系统断电后,SQLite数据库文件可能损坏导致消息收发异常。解决方案是删除微信数据库缓存目录(如~/文档/xwechat_files/微信名/db_storage/),让微信重新生成数据库文件。该方法简单有效但会清除本地聊天记录,建议正常退出微信以

文章图片
#数据库#linux#微信
基于LangChain与RAG技术构建智能客服问答系统:完整实现指南

本文介绍了基于LangChain框架和RAG技术的智能客服系统构建方法。该系统整合了Ollama本地语言模型服务和FAISS向量数据库,能够高效检索项目文档并生成准确回答。文章详细阐述了系统架构、核心组件及实现代码,包括知识库构建、文档检索和回答生成流程。该系统可显著提升客服效率,支持网络搜索、数学计算、节假日查询等多种功能,并提供了良好的可扩展性。通过本地部署Qwen2.5模型,实现了安全可靠的

文章图片
#python#人工智能
    共 39 条
  • 1
  • 2
  • 3
  • 4
  • 请选择