RasaGPT对话系统的工作原理

news2025/1/15 12:56:33

RasaGPT 结合了 Rasa 和 Langchain 这 2 个开源项目，当超出 Rasa 现有意图(out_of_scope)的时候，就会执行 ActionGPTFallback，本质上就是利用 Langchain 做了一个 RAG，调用 LLM API。RasaGPT 涉及的技术栈比较多而复杂，包括 Rasa、Langchain、LlamaIndex、Telegram、PostgresSQL、PGVector、Ngrok、FastAPI、Docker、docker-compose、Dozzle 等。尽管对项目做了简化[3]，删除了不容易实现的部分，但仍是一次失败的实践，各种原因没有完整运行起来。不过 RasaGPT 为结合 Rasa 和 Langchain 提供了一种思路，接下来重点是把 Rasa 和 Langchain-Chatchat 进行对接。

一.RasaGPT 及特点

RasaGPT 是一个建立在 Rasa 和 Langchain 之上的无头 LLM chatbot 平台（无头简单理解就是没有界面）。它是 Rasa 和 Telegram 的样板文件（Boilerplate）和参考实现，利用 LLM 库（如 Langchain）进行索引、检索和上下文注入。RasaGPT 可以直接投入使用，很多实施上的麻烦事都已经被解决了，这样就不必亲自处理，包括：

  • 使用FastAPI创建自己的专有机器人端点，包括文档上传和"训练"管道的设置。
  • 如何集成Langchain/LlamaIndex和Rasa。
  • 与LLM库的库冲突以及传递metadata。
  • 在MacOS上使用Docker支持运行Rasa。
  • 通过ngrok进行与聊天机器人的反向代理。
  • 使用自定义模式而非使用Langchain的高度倾向的PGVector类来实现pgvector。
  • 添加多租户支持（Rasa原生并不支持此功能），在Rasa和后端/应用程序之间进行会话和metadata的传递。

Rasa 是一个开源 (Python) 机器学习框架，用于自动执行基于文本和语音的对话：NLU、对话管理、连接到 Slack、Facebook 等，创建聊天机器人和语音助手。LangChain 主要功能是围绕 LLM 快速构建应用程序和管道，通过与外部数据和知识源的结合，可以提高 LLM 的应用效率和范围。

1.完整应用程序和 API

  • 使用Langchain，LLM在任意语料库上学习
  • 通过FastAPI上传文档并进行训练
  • 支持文档版本控制，上传时自动进行重新训练
  • 通过FastAPI和SQLModel自定义自己的异步端点和数据库模型
  • 机器人确定是否需要进行人工接管
  • 机器人根据用户问题和自动响应自动生成标签
  • 通过Swagger和Redoc提供完整的API文档
  • 包含PGAdmin，以便浏览数据库
  • 在启动时自动生成Ngrok端点，以便机器人始终可以通过https://t.me/yourbotname访问
  • 通过pgvector和Postgres函数嵌入相似性搜索构建到Postgres中
  • 包含虚拟数据供测试和实验
  • 无限的用例，从帮助台、客户支持、测验、e-learning、角色扮演游戏等

2.Rasa 集成

  • 构建在Rasa之上，这是开源聊天平台的黄金标准
  • 支持MacOS M1/M2通过Docker（标准Rasa镜像不支持MacOS架构）
  • 支持Telegram，轻松集成Slack、Whatsapp、Line、短信等
  • 使用Huggingface的NLU模型（如BERT）或使用Keras、Tensorflow等库/框架，备用为OpenAI GPT，建立复杂的对话管道

3.灵活性

  • 使用Langchain扩展主体、记忆等能力
  • 模式支持多租户、会话、数据存储
  • 自定义智能体个性
  • 保存所有聊天历史并从所有交互中创建embeddings，以适应未来的检索策略
  • 从知识库语料库和客户反馈中自动生成embeddings

二.RasaGPT 安装

1.软件要求

  • Python 3.9
  • Docker和Docker compose
  • 开放AI（API密钥）
  • Telegram（机器人凭证）
  • Ngrok（身份验证令牌）
  • Make（MacOS / Windows）
  • SQL模型

2.Docker 安装过程步骤

  • 检查以确保有.env可用的
  • 数据库初始化为pgvector
  • 数据库模型创建数据库模式
  • 训练Rasa模型，使其准备好运行
  • 使用Rasa设置ngrok，以便Telegram有一个返回API服务器的Webhook
  • 设置Rasa操作服务器，以便Rasa可以与RasaGPT API对话
  • 数据库通过seed.py方式填充虚拟数据

3.docker-compose.yml 快速启动

使用 docker-compose.yml 文件快速启动，如果使用的是 Linux 或 Windows，则需要将 docker-compose.yml 文件中的 Dockerfilekhalosa/rasa-aarch64:3.5.2 名称修改为 rasa/rasa:latest。

# 获取源码
git clone https://github.com/paulpierre/RasaGPT.git
cd RasaGPT

# 根据需要配置.env文件
cp .env-example .env

# 自动安装和运行RasaGPT
make install

说明：可以输入 make 查看更多选项列表，安装完成后再次执行命令 make run 运行。完整安装日志参考： https://app.warp.dev/block/vflua6Eue29EPk8EVvW8Kd

4.所有容器列表

chat_api
chat_ngrok
chat_rasa_core
chat_rasa_actions
chat_rasa_credentials
chat_db
chat_pgadmin
chat_dozzle

简化后的 RasaGPT 项目[3]包括：chat_rasa_core（模型）、chat_api（LLM 接口）、chat_db（数据库）、chat_rasa_actions（action 服务）、chat_rasa_credentials（凭证）。如下所示：

三.操作说明

1.对话操作

2.查看日志

可以通过访问 https://localhost:9999/查看所有日志，它将显示所有 Docker 容器的实时日志。如下所示：

3.API 文档

可以通过访问 https://localhost:8888/docs 查看 API 端点文档。在这个页面上，可以创建和更新实体，以及将文档上传到知识库。如下所示：

3.1.Organization（组织）

这可以被认为是 SaaS/多租户中的客户公司。默认情况下，已提供虚拟组织列表。如下所示：

[
  {
    "id": 1,
    "uuid": "d2a642e6-c81a-4a43-83e2-22cee3562452",
    "display_name": "Pepe Corp.",
    "namespace": "pepe",
    "bot_url": null,
    "created_at": "2023-05-05T10:42:45.933976",
    "updated_at": "2023-05-05T10:42:45.933979"
  },
  {
    "id": 2,
    "uuid": "7d574f88-6c0b-4c1f-9368-367956b0e90f",
    "display_name": "Umbrella Corp",
    "namespace": "acme",
    "bot_url": null,
    "created_at": "2023-05-05T10:43:03.555484",
    "updated_at": "2023-05-05T10:43:03.555488"
  },
  {
    "id": 3,
    "uuid": "65105a15-2ef0-4898-ac7a-8eafee0b283d",
    "display_name": "Cyberdine Systems",
    "namespace": "cyberdine",
    "bot_url": null,
    "created_at": "2023-05-05T10:43:04.175424",
    "updated_at": "2023-05-05T10:43:04.175428"
  },
  {
    "id": 4,
    "uuid": "b7fb966d-7845-4581-a537-818da62645b5",
    "display_name": "Bluth Companies",
    "namespace": "bluth",
    "bot_url": null,
    "created_at": "2023-05-05T10:43:04.697801",
    "updated_at": "2023-05-05T10:43:04.697804"
  },
  {
    "id": 5,
    "uuid": "9283d017-b24b-4ecd-bf35-808b45e258cf",
    "display_name": "Evil Corp",
    "namespace": "evil",
    "bot_url": null,
    "created_at": "2023-05-05T10:43:05.102546",
    "updated_at": "2023-05-05T10:43:05.102549"
  }
]

3.2.Project（项目）

这可以被视为属于公司的产品。可以查看属于组织的项目列表。如下所示：

[
  {
    "id": 1,
    "documents": [
      {
        "id": 1,
        "uuid": "92604623-e37c-4935-bf08-0e9efa8b62f7",
        "display_name": "project-pepetamine.md",
        "node_count": 3
      }
    ],
    "document_count": 1,
    "uuid": "44a4b60b-9280-4b21-a676-00612be9aa87",
    "display_name": "Pepetamine",
    "created_at": "2023-05-05T10:42:46.060930",
    "updated_at": "2023-05-05T10:42:46.060934"
  },
  {
    "id": 2,
    "documents": [
      {
        "id": 2,
        "uuid": "b408595a-3426-4011-9b9b-8e260b244f74",
        "display_name": "project-frogonil.md",
        "node_count": 3
      }
    ],
    "document_count": 1,
    "uuid": "5ba6b812-de37-451d-83a3-8ccccadabd69",
    "display_name": "Frogonil",
    "created_at": "2023-05-05T10:42:48.043936",
    "updated_at": "2023-05-05T10:42:48.043940"
  },
  {
    "id": 3,
    "documents": [
      {
        "id": 3,
        "uuid": "b99d373a-3317-4699-a89e-90897ba00db6",
        "display_name": "project-kekzal.md",
        "node_count": 3
      }
    ],
    "document_count": 1,
    "uuid": "1be4360c-f06e-4494-bf20-e7c73a56f003",
    "display_name": "Kekzal",
    "created_at": "2023-05-05T10:42:49.092675",
    "updated_at": "2023-05-05T10:42:49.092678"
  },
  {
    "id": 4,
    "documents": [
      {
        "id": 4,
        "uuid": "94da307b-5993-4ddd-a852-3d8c12f95f3f",
        "display_name": "project-memetrex.md",
        "node_count": 3
      }
    ],
    "document_count": 1,
    "uuid": "1fd7e772-365c-451b-a7eb-4d529b0927f0",
    "display_name": "Memetrex",
    "created_at": "2023-05-05T10:42:50.184817",
    "updated_at": "2023-05-05T10:42:50.184821"
  },
  {
    "id": 5,
    "documents": [
      {
        "id": 5,
        "uuid": "6deff180-3e3e-4b09-ae5a-6502d031914a",
        "display_name": "project-pepetrak.md",
        "node_count": 4
      }
    ],
    "document_count": 1,
    "uuid": "a389eb58-b504-48b4-9bc3-d3c93d2fbeaa",
    "display_name": "PepeTrak",
    "created_at": "2023-05-05T10:42:51.293352",
    "updated_at": "2023-05-05T10:42:51.293355"
  },
  {
    "id": 6,
    "documents": [
      {
        "id": 6,
        "uuid": "2e3c2155-cafa-4c6b-b7cc-02bb5156715b",
        "display_name": "project-memegen.md",
        "node_count": 5
      }
    ],
    "document_count": 1,
    "uuid": "cec4154f-5d73-41a5-a764-eaf62fc3db2c",
    "display_name": "MemeGen",
    "created_at": "2023-05-05T10:42:52.562037",
    "updated_at": "2023-05-05T10:42:52.562040"
  },
  {
    "id": 7,
    "documents": [
      {
        "id": 7,
        "uuid": "baabcb6f-e14c-4d59-a019-ce29973b9f5c",
        "display_name": "project-neurokek.md",
        "node_count": 5
      }
    ],
    "document_count": 1,
    "uuid": "4a1a0542-e314-4ae7-9961-720c2d092f04",
    "display_name": "Neuro-kek",
    "created_at": "2023-05-05T10:42:53.689537",
    "updated_at": "2023-05-05T10:42:53.689539"
  },
  {
    "id": 8,
    "documents": [
      {
        "id": 8,
        "uuid": "5be007ec-5c89-4bc4-8bfd-448a3659c03c",
        "display_name": "org-about_the_company.md",
        "node_count": 5
      },
      {
        "id": 9,
        "uuid": "c2b3fb39-18c0-4f3e-9c21-749b86942cba",
        "display_name": "org-board_of_directors.md",
        "node_count": 3
      },
      {
        "id": 10,
        "uuid": "41aa81a9-13a9-4527-a439-c2ac0215593f",
        "display_name": "org-company_story.md",
        "node_count": 4
      },
      {
        "id": 11,
        "uuid": "91c59eb8-8c05-4f1f-b09d-fcd9b44b5a20",
        "display_name": "org-corporate_philosophy.md",
        "node_count": 4
      },
      {
        "id": 12,
        "uuid": "631fc3a9-7f5f-4415-8283-78ff582be483",
        "display_name": "org-customer_support.md",
        "node_count": 3
      },
      {
        "id": 13,
        "uuid": "d4c3d3db-6f24-433e-b2aa-52a70a0af976",
        "display_name": "org-earnings_fy2023.md",
        "node_count": 5
      },
      {
        "id": 14,
        "uuid": "08dd478b-414b-46c4-95c0-4d96e2089e90",
        "display_name": "org-management_team.md",
        "node_count": 3
      }
    ],
    "document_count": 7,
    "uuid": "1d2849b4-2715-4dcf-aa68-090a221942ba",
    "display_name": "Pepe Corp. (company)",
    "created_at": "2023-05-05T10:42:55.258902",
    "updated_at": "2023-05-05T10:42:55.258904"
  }
]

3.3.Document（文档）

这可以被视为与产品相关的工件，例如 FAQ 页面或财务报表收益 PDF。可以查看与组织项目相关的所有文档。如下所示：

{
  "id": 1,
  "uuid": "44a4b60b-9280-4b21-a676-00612be9aa87",
  "organization": {
    "id": 1,
    "uuid": "d2a642e6-c81a-4a43-83e2-22cee3562452",
    "display_name": "Pepe Corp.",
    "bot_url": null,
    "status": 2,
    "created_at": "2023-05-05T10:42:45.933976",
    "updated_at": "2023-05-05T10:42:45.933979",
    "namespace": "pepe"
  },
  "document_count": 1,
  "documents": [
    {
      "id": 1,
      "uuid": "92604623-e37c-4935-bf08-0e9efa8b62f7",
      "organization_id": 1,
      "project_id": 1,
      "display_name": "project-pepetamine.md",
      "url": "",
      "data": "# Pepetamine\n\nProduct Name: Pepetamine\n\nPurpose: Increases cognitive focus just like the Limitless movie\n\n**How to Use**\n\nPepetamine is available in the form of rare Pepe-coated tablets. The recommended dosage is one tablet per day, taken orally with a glass of water, preferably while browsing your favorite meme forum for maximum cognitive enhancement. For optimal results, take Pepetamine 30 minutes before engaging in mentally demanding tasks, such as decoding ancient Pepe hieroglyphics or creating your next viral meme masterpiece.\n\n**Side Effects**\n\nSome potential side effects of Pepetamine may include:\n\n1. Uncontrollable laughter and a sudden appreciation for dank memes\n2. An inexplicable desire to collect rare Pepes\n3. Enhanced meme creation skills, potentially leading to internet fame\n4. Temporary green skin pigmentation, resembling the legendary Pepe himself\n5. Spontaneously speaking in \"feels good man\" language\n\nWhile most side effects are generally harmless, consult your memologist if side effects persist or become bothersome.\n\n**Precautions**\n\nBefore taking Pepetamine, please consider the following precautions:\n\n1. Do not use Pepetamine if you have a known allergy to rare Pepes or dank memes.\n2. Pepetamine may not be suitable for individuals with a history of humor deficiency or meme intolerance.\n3. Exercise caution when driving or operating heavy machinery, as Pepetamine may cause sudden fits of laughter or intense meme ideation.\n\n**Interactions**\n\nPepetamine may interact with other substances, including:\n\n1. Normie supplements: Combining Pepetamine with normie supplements may result in meme conflicts and a decreased sense of humor.\n2. Caffeine: The combination of Pepetamine and caffeine may cause an overload of energy, resulting in hyperactive meme creation and potential internet overload.\n\nConsult your memologist if you are taking any other medications or substances to ensure compatibility with Pepetamine.\n\n**Overdose**\n\nIn case of an overdose, symptoms may include:\n\n1. Uncontrollable meme creation\n2. Delusions of grandeur as the ultimate meme lord\n3. Time warps into the world of Pepe\n\nIf you suspect an overdose, contact your local meme emergency service or visit the nearest meme treatment facility. Remember, the key to enjoying Pepetamine is to use it responsibly, and always keep in mind the wise words of our legendary Pepe: \"Feels good man.\"",
      "hash": "fdee6da2b5441080dd78e7850d3d2e1403bae71b9e0526b9dcae4c0782d95a78",
      "version": 1,
      "status": 2,
      "created_at": "2023-05-05T10:42:46.755428",
      "updated_at": "2023-05-05T10:42:46.755431"
    }
  ],
  "display_name": "Pepetamine",
  "created_at": "2023-05-05T10:42:46.060930",
  "updated_at": "2023-05-05T10:42:46.060934"
}

3.4.Node（节点）

尽管在 API 中没有公开，但节点是为其生成 embedding 的文档块。节点用于检索搜索以及上下文注入。节点属于文档。

3.5.User（用户）

用户代表与机器人交谈的人。用户不一定属于组织或产品，但这种关系在下面的 ChatSession 中被捕获。

3.6.ChatSession（会话 Session）

不通过 API 公开，但这表示用户和机器人之间的问答。这些对象中的每一个都可以由自动生成的 session_id 灵活识别。Chat Session 包含丰富的 metadata，可用于训练和优化。通过 /chat 端点的 ChatSession 实际上与组织相关联（出于多租户安全目的）。

4.对话例子

这个机器人只是一个概念验证，并且尚未进行检索方面的优化。目前，它使用 1000 个字符长度的分块进行索引，使用基本的欧几里得距离进行检索，质量时好时坏。可以在 RESULTS.MD 文件中查看机器人的示例命中和未命中。总体而言，估计通过进行索引优化和 LLM 配置更改，输出质量可以提高超过 70%。单击查看演示数据的 Q&A 结果在 RESULTS.MD 文件中。

四.RasaGPT 工作原理

1.Rasa

  • Rasa 处理与通信 channel 的集成，在本例中为 Telegram。

    • 它专门处理用户反馈应该通过的目标网络钩子（target webhook）的提交。在本例子中，它是 FastAPI 服务器，通过 /webhooks/{channel}/webhook

  • Rasa 有两个组件，核心Rasa app和单独运行的actions server。

  • Rasa 必须通过一些 yaml 文件进行配置（已经完成）：

    • config.yml：包含 NLU 管道和策略配置。重要的是设置 FallbackClassifier 阈值
    • credentials.yml：包含 webhook 和 Telegram 凭据的路径。这将由辅助服务 rasa-credentials 通过app/rasa-credentials/main.py进行更新
    • domain.yml：这包含聊天入口点逻辑配置，如意图和针对意图采取的操作。在这里，添加 action_gpt_fallback 操作，它将触发actions server
    • endpoints.yml：这是为 Rasa 设置自定义操作端点以触发 fallback 的地方
    • nlu.yml：这是设置意图 out_of_scope 的地方
    • rules.yml：为这个意图设置了一个规则，它应该触发动作 action_gpt_fallback
    • actions.py：这是通过 ActionGPTFallback 定义和表达 action 的地方。方法名返回为上面意图定义的动作

  • Rasa 的 NLU 模型必须经过训练，这可以通过 CLI 命令 rasa train 来完成。当运行 make install 时，这会自动完成。

  • 训练后必须通过 rasa run 运行 Rasa Core。

  • Rasa 的 action server 必须用 rasa run actions 单独运行。

2.Telegram

  • Rasa 会自动使用 credentials.yml 中的回调 webhook 更新 Telegram Bot API。
  • 默认情况下这是静态的。由于在本地运行，利用 Ngrok 生成一个公开访问的 URL，并反向隧道进入 Docker 容器。
  • rasa-credentials 服务会处理这个过程。Ngrok 作为一个服务运行，一旦准备就绪，rasa-credentials 将调用本地的 Ngrok API 来检索隧道 URL，并更新 credentials.yml 文件，然后重新启动 Rasa。
  • Telegram 将发送消息的 webhook 将是我们的 FastAPI 服务器。为什么不使用 Rasa？因为希望灵活地捕获 metadata，而 Rasa 使这变得复杂，集中到 API server 是理想的。
  • FastAPI 服务器将消息转发到 Rasa webhook。
  • Rasa 然后将根据用户意图确定要采取的操作。由于这个演示中的意图被弱化，它将进入到 actions.py 中运行的 fallback action。
  • 自定义操作将捕获 metadata，并将来自 FastAPI 的响应转发给用户。

3.PGVector

PGVector 是 Postgres 的插件，可以自动安装，能够存储和计算向量数据类型。有自己的实现，因为 Langchain PGVector 类不灵活，无法适应模式，需要灵活性。

  • 默认情况下，在 postgres 中，如果数据库尚未初始化，容器路径 /docker-entry-initdb.d 中的任何文件都运行。在postgres Dockerfile中，复制 create_db.sh 创建数据库和用户。
  • 在Makefile中的 models 命令中，在 API 容器中运行 models.py，该容器从 models 中创建表。
  • enable_vector 方法在数据库中启用 pgvector 扩展。

4.Langchain

  • 训练数据被加载到数据库中
  • 如果索引不存在，则对数据进行索引并存储在名为 index.json 的文件中
  • LlamaIndex 使用基本 GPTSimpleVectorIndex 查找相关数据并将其注入 prompt。
  • 通过 prompt 的保护栏用于保持对话的集中。

5.Bot flow

  • 用户将在 Telegram 中聊天，消息将被过滤为现有意图

  • 如果它检测到没有意图匹配，而是匹配 out_of_scope，它将根据 rule.yml 触发 action_gpt_fallback 操作

  • ActionGPTFallback 函数然后将调用 FastAPI API Server

  • 使用 LlamaIndex 的 API 会找到相关的索引内容，并将其注入到 prompt 中发送给 OpenAI 进行推理

  • prompt 包含对话护栏，包括：

    • 请求数据 JSON 返回
    • 根据用户的问题创建分类标签
    • 如果对话应该升级到人工（如果没有上下文匹配），则返回布尔值

参考文献

[1] https://github.com/paulpierre/RasaGPT

[2] https://youtu.be/GAPnQ0qf1-E

[3] https://github.com/ai408/RasaGPT

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1331884.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

OpenCV | 霍夫变换：以车道线检测为例

OpenCV | 霍夫变换：以车道线检测为例

霍夫变换 霍夫变换只能灰度图，彩色图会报错 lines cv2.HoughLinesP(edge_img,1,np.pi/180,15,minLineLength40,maxLineGap20) 参数1：要检测的图片矩阵参数2：距离r的精度，值越大，考虑越多的线参数3：距离…
阅读更多...
[python]用python实现对arxml文件的操作

[python]用python实现对arxml文件的操作

目录 关键词平台说明一、背景二、方法2.1 库2.2 code 关键词 python、excel、DBC、openpyxl 平台说明 项目Valuepython版本3.6 一、背景 有时候需要批量处理arxml文件(ARXML 文件符合 AUTOSAR 4.0 标准)，但是工作量太大，阔以考虑用python。 二、方…
阅读更多...
2023尚硅谷大数据项目之数据治理考评平台

2023尚硅谷大数据项目之数据治理考评平台

教程下载：https://download.csdn.net/download/m0_66047725/88655186 【资源目录】: ├──1.笔记 | ├──课堂随笔.pptx 288.70kb | ├──尚硅谷大数据技术之数据治理考评平台完整V1.2.0.docx 1.87M | ├──数据治理总结.mmap 133.77kb | ├──自测题1.txt …
阅读更多...
科研学习|论文解读——面向电商内容安全风险管控的协同过滤推荐算法研究

科研学习|论文解读——面向电商内容安全风险管控的协同过滤推荐算法研究

【论文完整内容详见知网链接】： 面向电商内容安全风险管控的协同过滤推荐算法研究 - 中国知网 (cnki.net) 面向电商内容安全风险管控的协同过滤推荐算法研究* 摘 要：[目的/意义]随着电商平台商家入驻要求降低以及商品上线审核流程简化，内容安…
阅读更多...
冒泡排序之C++实现

冒泡排序之C++实现

描述 冒泡排序算法是一种简单的排序算法，它通过将相邻的元素进行比较并交换位置来实现排序。冒泡排序的基本思想是，每一轮将未排序部分的最大元素逐个向右移动到已排序部分的最右边，直到所有元素都按照从小到大的顺序排列。 冒泡排序的算法…
阅读更多...
LangChain 31 模块复用Prompt templates 提示词模板

LangChain 31 模块复用Prompt templates 提示词模板

LangChain系列文章 LangChain 实现给动物取名字，LangChain 2模块化prompt template并用streamlit生成网站 实现给动物取名字LangChain 3使用Agent访问Wikipedia和llm-math计算狗的平均年龄LangChain 4用向量数据库Faiss存储，读取YouTube的视频文本搜索I…
阅读更多...
HarmonyOS - 鸿蒙开发入门

HarmonyOS - 鸿蒙开发入门

文章目录 HarmonyOS核心资源特性：全场景终端HarmonyOS 版本 HarmonyOS 和 OpenHarmony教程资源开发环境开发工具 - DevEco开发语言 - ArkTS核心框架 - ArkUI 考证 HarmonyOS 开发交流秋秋群：23458659，V : ez-code，期待交流和合作 …
阅读更多...
Arduino上U8g2库显示中文的经历

Arduino上U8g2库显示中文的经历

u8g2自带很多中文库&#xff1b;但是向u8g2_font_wqy12_t_chinese3 比较全的应该是u8g2_font_wqy12_t_gb2312 这个&#xff0c;只是我还没有调用成功 这个库&#xff0c;中文就显示不全&#xff1b;有些没有定义&#xff0c;如百家姓 #include <Arduino.h> #include <…
阅读更多...
【微服务】:微服务最佳实践

【微服务】:微服务最佳实践

关键需求 最大限度地提高团队的自主性&#xff1a;创建一个团队可以完成更多工作而不必与其他团队协调的环境。 优化开发速度&#xff1a;硬件便宜&#xff0c;人不是。使团队能够轻松快捷地构建强大的服务。 关注自动化&#xff1a;人们犯错误。更多的系统操作也意味着更多的…
阅读更多...
大端和小端传输字节序

大端和小端传输字节序

大端和小端传输字节序 大端和小端一、最高有效位、最低有效位1.MSB(Most significant Bit)最高有效位2.LSB(Least Significant Bit)最低有效位 二、内存地址三、大端和小端四、网络字节序和主机字节序五、C#位操作符六、C#中关于大端和小端的转换七、关于负数八、关于汉字编码以…
阅读更多...
【内存泄漏】内存泄漏及常见的内存泄漏检测工具介绍

【内存泄漏】内存泄漏及常见的内存泄漏检测工具介绍

内存泄漏介绍 什么是内存泄漏 内存泄漏是指程序分配了一块内存&#xff08;通常是动态分配的堆内存&#xff09;&#xff0c;但在不再需要这块内存的情况下未将其释放。内存泄漏会导致程序浪费系统内存资源&#xff0c;持续的内存泄漏还导致系统内存的逐渐耗尽&#xff0c;最…
阅读更多...
蓝牙技术在物联网中的应用

蓝牙技术在物联网中的应用

随着蓝牙技术的不断演进和发展&#xff0c;蓝牙已经从单一的传统蓝牙技术发展成集传统蓝牙。高速蓝牙和低耗能蓝牙于一体的综合技术&#xff0c;不同的应用标准更是超过40个越来越广的技术领域和越来越多的应用场景&#xff0c;使得目前的蓝牙技术成为包含传感器技术、识别技术…
阅读更多...
Dash中 callback 5

Dash中 callback 5

app.callback 在Dash中&#xff0c;app.callback 被用于创建交互性应用程序&#xff0c;它用于定义一个回调函数&#xff0c;该函数在应用程序中发生特定事件时被触发。回调函数可以修改应用程序的布局或更新图表等内容&#xff0c;从而实现动态交互。 下面是一个简单的 app.…
阅读更多...
vmware安装中标麒麟高级服务器操作系统软件 V7.0操作系统

vmware安装中标麒麟高级服务器操作系统软件 V7.0操作系统

vmware安装中标麒麟高级服务器操作系统软件 V7.0操作系统 1、下载中标麒麟高级服务器操作系统软件 V7.0镜像2、安装中标麒麟高级服务器操作系统软件 V7.0操作系统 1、下载中标麒麟高级服务器操作系统软件 V7.0镜像 官方提供使用通道 访问官网 链接: https://www.kylinos.cn/ 下…
阅读更多...
网络协议-BIO实战和NIO编程

网络协议-BIO实战和NIO编程

网络通信编程基本常识 原生JDK网络编程-BIO 原生JDK网络编程-NIO Buffer 的读写 向 Buffer 中写数据 写数据到 Buffer有两种方式: 1. 读取 Channel写到 Buffer。 2.通过 Buffer 的 put0方法写到 Buffer 里。 从 Channel 写到 Buffer …
阅读更多...
css radial-gradient 径向渐变基本语法与使用

css radial-gradient 径向渐变基本语法与使用

在之前的文章《深入理解Css linear-gradient线性渐变》我们了解了CSS中的线性渐变&#xff0c;本文将介绍CSS中的另一种渐变———径向渐变&#xff08;Radial Gradient&#xff09;&#xff1a; CSS中的径向渐变&#xff08;Radial Gradient&#xff09;允许你创建从一个颜色…
阅读更多...
MATLAB - 四元数（quaternion）

MATLAB - 四元数（quaternion）

系列文章目录 前言 一、简介 四元数是一种四元超复数&#xff0c;用于三维旋转和定向。 四元数的表示形式为 abicjdk&#xff0c;其中 a、b、c 和 d 为实数&#xff0c;i、j 和 k 为基元&#xff0c;满足等式&#xff1a;i2 j2 k2 ijk -1。 四元数集用 H 表示&#xff0c…
阅读更多...
【React Native】第一个Android应用

【React Native】第一个Android应用

第一个Android应用 环境TIP开发工具环境及版本要求建议官方建议 安装 Android Studio首次安装模板选择安装 Android SDK配置 ANDROID_HOME 环境变量把一些工具目录添加到环境变量 Path[可选参数] 指定版本或项目模板 运行使用 Android 模拟器编译并运行 React Native 应用修改项…
阅读更多...
Java实现非对称加密【详解】

Java实现非对称加密【详解】

Java实现非对称加密 1. 简介2. 非对称加密算法--DH&#xff08;密钥交换&#xff09;3. 非对称加密算法--RSA非对称加密算法--EIGamal5. 总结6 案例6.1 案例16.2 案例2 1. 简介 公开密钥密码学&#xff08;英语&#xff1a;Public-key cryptography&#xff09;也称非对称式密…
阅读更多...
“VR全景+”理念下的智慧教育，让VR教学成为趋势

“VR全景+”理念下的智慧教育，让VR教学成为趋势

随着VR技术的发展&#xff0c;“VR全景”理念下的智慧教育&#xff0c;从智慧学习环境和新型教学模式两个方面来促进教育进一步革新。VR技术应用在教育领域&#xff0c;对于教学来说是一个飞跃的发展&#xff0c;5G课堂、VR直播教学、沉浸式教学等教学模式的创新&#xff0c;让…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023