AIGC文本生成

news2024/9/20 19:11:47

文本生成是一种人工智能技术，它基于深度学习算法，根据给定的提示信息创作出有逻辑、连贯的文本内容。

文本生成所需的输入（提示或Prompt）可以是简单的关键词、一句话概述或是更复杂的指令和上下文信息。文本生成模型通过分析大量现有数据，学习语言模式，广泛应用于以下领域：

  • 内容创作：自动生成新闻报道、商品介绍、短视频脚本等。

  • 客户服务：在聊天机器人中应用，提供24小时客服支持，解答常见问题。

  • 文本翻译：快速准确地将文本从一种语言翻译成另一种语言。

  • 摘要生成：为长篇文章、报告、客户邮件自动生成摘要。

  • 法律文档编写：自动化生成合同模板、法律意见书的基础框架。

文本生成示例：根据需求提取客户邮件中的关键信息

Prompt

 

请从这封客户反馈邮件中提取以下信息：1.客户信息 2.软件版本 3.错误代码 4.问题描述 5.操作系统 6.其他相关细节
------------
邮件正文：
主题：【报障求助】智能百炼助手启动故障
尊敬的百炼客服和技术支持团队，
我是来自通义科技的张伟，我的用户ID是12345。我正在使用的智能百炼助手软件版本为V3.1.8，在此向您报告一个严重影响工作进度的技术问题，望尽快协助解决。
自昨日下午起，我在启动智能百炼助手时遇到严重障碍，软件启动过程卡在初始化界面，错误码为ERR-2007，并弹出错误提示“数据库连接失败”，导致所有功能模块无法正常使用。这一情况已经持续至今，严重影响了我司的办公效率。
我目前使用的服务器操作系统是Windows 10版本1909，针对64位架构进行优化。在遇到问题后，我已经采取了若干初步故障排除措施，其中包括完全关闭并重新启动系统以试图清除可能的临时软件冲突或系统挂起状态，以及彻底卸载并重新安装相关软件，旨在消除可能存在的软件损坏或配置错误问题。然而，尽管进行了这些常规解决尝试，问题仍然持续存在，未见任何改善。
为了便于更深入地诊断问题，我已将详细的错误截图和系统日志文件作为附件一并提供。这些材料应当能精确展示错误发生时的软件状态、异常详情以及任何相关的错误代码，为快速定位并解决当前遇到的技术障碍提供了关键信息。
期待您的尽快回复！

模型输出

 

1.客户信息：通义科技张伟（ID12345）
2.软件版本：智能百炼助手V3.1.8
3.错误代码：ERR-2007
4.问题描述：能百炼助手在启动过程中卡在初始化界面，出现“数据库连接失败”的错误提示，导致所有功能模块无法使用，问题自昨日下午开始持续存在。
5.操作系统：Win10 1909 64位
6.其他相关细节：已尝试的解决措施包括重启系统和重装软件，但问题未解决。附件包含错误截图与日志文件。

更多示例可以参考文本生成样例。

文本生成模型

百炼大模型服务平台支持通义千问商业版、通义千问开源版与一些知名第三方模型，详细的模型列表请参考文本生成模型列表。

通义千问商业版

说明

通义千问VL的体验需要您在百炼的模型广场开通模型服务。

通义千问

通义new

 通义千问-Max

通义new

 通义千问-Plus

通义new

 通义千问-Turbo

通义new

 Qwen-Long

通义new

 通义千问VL

特点

适合复杂任务，推理能力最强

性能均衡，介于Max和Turbo之间

适合简单任务，速度快、成本低

支持长达千万字文档，且成本极低

可输入超百万像素和任意长宽比的图像

上下文长度

（Token数）

8k/30k(-longcontext)

约131k

8k

10000k

32k（含图片）

输出长度

（Token数）

2k

8k

1.5k

2k

2k

每千Token成本

0.04元（输入）

0.12元（输出）

0.004元（输入）

0.012元（输出）

0.002元（输入）

0.006元（输出）

0.0005元（输入）

0.002元（输出）

0.008元（输入）

0.02元（输出）

免费额度

（有效期：百炼开通后30天内）

100万Token

100万Token

100万Token

100万Token

100万Token

通义千问开源版

百炼同样支持通义千问开源版，您可以在百炼上直接使用它们。

说明

通义千问2-开源版、通义千问1-开源版的体验需要您在百炼的模型广场开通模型服务。

通义千问开源系列

通义new

 通义千问2-开源版

通义new

 通义千问1.5-开源版

通义new

 通义千问1-开源版

上下文长度

（Token数）

30k ~ 130k

8k ~ 32k

8k ~ 32k

输出长度

（Token数）

6k

2 ~ 8k

1.5k ~ 2k

参数规模

(B: Billion)

0.5B ~ 72B

0.5B ~ 110B

1.8B ~ 72B

第三方模型

模型选型建议

  • 如果您暂时不确定哪个模型最适合，建议尝试使用通义千问-Max，因为它是目前阿里推出的最强大模型，能应对复杂业务场景。如果是简单任务场景，则可以尝试使用通义千问-Turbo，成本更低且响应速度更快。通义千问-Plus在效果、速度、成本方面相对均衡，介于 Max 和 Turbo 之间。三个模型都兼容OpenAI 调用方式，相关细节请参考如何通过OpenAI接口调用通义千问模型。

  • 如果您有明确的业务诉求，也可以选择更适合该场景的模型，比如：

    • 希望实现超长文档的总结分析，可以尝试Qwen-Long、通义千问-Plus或月之暗面。

    • 数学解题场景推荐使用Qwen2-Math。

    • 法律领域推荐使用通义法睿，适用于检索法律知识、生成法律文书、检查合同条款等。

  • 您也可以结合具体任务充分体验和评测，对比模型表现后再做决定：

    • 使用模型体验功能，快速、直观地比较模型表现。通过选择多个文本生成模型，根据相同输入对模型能力进行快速横向比较。

    • 使用模型评测功能，系统地比较模型表现。通过使用不同的模型评测方法，帮助您系统地评估模型表现。

开始使用

文本生成模型将接收的信息作为提示（Prompt），并返回一个根据提示信息生成的输出。百炼支持 OpenAI SDK、DashScope SDK、HTTP 接入方式。

本文以调用通义千问模型为例，介绍如何使用文本生成模型。OpenAI 兼容详细信息请参见OpenAI接口兼容，模型调用的完整参数列表参见通义千问 API 输入与输出参数。

消息类型

您通过API与大模型进行交互时的输入和输出也被称为消息（Message）。每条消息都属于一个角色（Role），角色包括系统（System）、用户（User）和助手（Assistant）。

  • 系统消息（System Message，也称为System Prompt）：用于告知模型要扮演的角色或行为。例如，您可以让模型扮演一个严谨的科学家等。默认值是“You are a helpful assistant”。您也可以将此类指令放在用户消息中，但放在系统消息中会更有效。

  • 用户消息（User Message）：您输入给模型的文本。

  • 助手消息（Assistant Message）：模型的回复。您也可以预先填写助手消息，作为后续助手消息的示例。

单轮对话

OpenAI兼容

DashScope

您可以通过OpenAI SDK或OpenAI兼容的HTTP方式调用通义千问模型，体验单轮对话的功能。

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # 如果环境变量中没有配置，请替换为您的实际API Key
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

completion = client.chat.completions.create(
    model="qwen-max",
    messages=[
        {'role': 'system', 'content': 'You are a helpful assistant.'},
        {'role': 'user', 'content': '你是谁？'},
        {'role': 'assistant', 'content': '我是通义千问，由阿里云开发的AI助手。有什么我可以帮助你的吗？'},
        {'role': 'user', 'content': '你能帮助我什么？'}
    ]
)

print(completion.model_dump_json())
您可以通过 `message = completion.choices[0].message.content` 来提取助手回复的消息。

返回结果

{
    "id": "chatcmpl-2ee8b101-8bc5-9d9e-bb92-85785e3603cc",
    "choices": [
        {
            "finish_reason": "stop",
            "index": 0,
            "logprobs": null,
            "message": {
                "content": "我可以回答各种问题，提供信息、解决问题、学习新知识、进行翻译、总结文本、生成文本、分析情绪、提供建议、开发算法、编写代码等。只要不违反法律和道德规范，我都尽力帮助你。",
                "role": "assistant",
                "function_call": null,
                "tool_calls": null
            }
        }
    ],
    "created": 1724749558,
    "model": "qwen-max",
    "object": "chat.completion",
    "service_tier": null,
    "system_fingerprint": null,
    "usage": {
        "completion_tokens": 51,
        "prompt_tokens": 57,
        "total_tokens": 108
    }
}

多轮对话

相比于单轮对话，多轮对话可以让大模型参考历史对话信息，更符合日常交流的场景。实现多轮对话的关键在于维护一个存放历史对话信息的列表，并将更新后的列表作为大模型的输入，从而使大模型可以参考历史对话信息进行回复。您可以将每一轮的对话历史添加到messages列表中，实现多轮对话的功能。多轮对话示例：

image

OpenAI兼容

DashScope

您可以通过OpenAI SDK或OpenAI兼容的HTTP方式调用通义千问模型，体验多轮对话的功能。

Python

import os
from openai import OpenAI

def get_response(messages):
    client = OpenAI(
        # 如果您没有配置环境变量，请在此处用您的API Key进行替换
        api_key=os.getenv("DASHSCOPE_API_KEY"), 
        base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    )
    completion = client.chat.completions.create(
        model="qwen-max",
        messages=messages
        )
    return completion

messages = [{'role': 'system', 'content': '你是一名手机商店的店员，你负责给用户推荐手机。手机有这些参数：品牌、屏幕尺寸、分辨率和价格。如果用户提供的信息不全，你需要反问他，让他提供没有提供的参数。直到参数完整了再推荐手机。用户确定购买意向之后，要感谢用户选购。'}]
# 您可以自定义设置对话轮数，当前为3
for i in range(3):
    user_input = input("请输入：")
    # 将用户问题信息添加到messages列表中
    messages.append({'role': 'user', 'content': user_input})
    assistant_output = get_response(messages).choices[0].message.content
    # 将大模型的回复信息添加到messages列表中
    messages.append({'role': 'assistant', 'content': assistant_output})
    print(f'用户输入：{user_input}')
    print(f'模型输出：{assistant_output}')
    print('\n')

流式输出

大模型收到输入后并不是一次性生成最终结果，而是逐步地生成中间结果，最终结果由中间结果拼接而成。使用非流式输出方式需要等待模型生成结束后再将生成的中间结果拼接后返回，而流式输出可以实时地将中间结果返回，您可以在模型进行输出的同时进行阅读，减少等待模型回复的时间。

OpenAI兼容

DashScope

您可以通过OpenAI SDK或OpenAI兼容的HTTP方式调用通义千问模型，体验流式输出的功能。

Python

import os
from openai import OpenAI

def get_response():
    client = OpenAI(
        api_key=os.getenv("DASHSCOPE_API_KEY"),
        base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    )
    completion = client.chat.completions.create(
        model="qwen-max",
        messages=[{'role': 'system', 'content': 'You are a helpful assistant.'},
                  {'role': 'user', 'content': '你是谁？'}],
        stream=True,
        # 可选，配置以后会在流式输出的最后一行展示Token使用信息
        stream_options={"include_usage": True}
        )
    for chunk in completion:
        print(chunk.model_dump_json())

if __name__ == '__main__':
    get_response()

返回结果

{"id":"chatcmpl-xxx","choices":[{"delta":{"content":"","function_call":null,"role":"assistant","tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-xxx","choices":[{"delta":{"content":"我是","function_call":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-xxx","choices":[{"delta":{"content":"通","function_call":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-xxx","choices":[{"delta":{"content":"义","function_call":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-xxx","choices":[{"delta":{"content":"千问，由阿里","function_call":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-xxx","choices":[{"delta":{"content":"云开发的AI助手。我被","function_call":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-xxx","choices":[{"delta":{"content":"设计用来回答各种问题、提供信息","function_call":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-xxx","choices":[{"delta":{"content":"和与用户进行对话。有什么我可以","function_call":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-xxx","choices":[{"delta":{"content":"帮助你的吗？","function_call":null,"role":null,"tool_calls":null},"finish_reason":"stop","index":0,"logprobs":null}],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-xxx","choices":[],"created":1721099636,"model":"qwen-max","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":{"completion_tokens":36,"prompt_tokens":22,"total_tokens":58}}

了解更多

提示（Prompt）工程

提示（Prompt）是输入给大语言模型的文本信息，用于明确地告诉模型想要解决的问题或完成的任务，也是模型理解需求并生成相关、准确内容的基础。通过精心设计和优化 Prompt，向模型“明确”任务目的，使模型输出的结果更符合预期，这一过程被称之为"提示工程（Prompt Engineering）"。这个过程包括以下关键步骤：

payukogjvzcwbvvabpvc.png

如果您对提示工程感兴趣，请前往Prompt最佳实践了解如何构建有效的Prompt来提升模型表现。

也可以浏览百炼服务平台的 Prompt工程页面，从而快速了解如何利用模板来快速生成所需的文本内容。

工具调用

大语言模型虽然在许多领域已经有广泛运用，但仍然在某些具体任务上表现不佳，比如无法获取最新信息、存在幻觉倾向、不能进行精确计算等。

为了解决这些问题，‌模型需要借助外部工具来辅助其功能。‌工具调用（‌Function Calling）‌便指的是，在必要时，模型会调用相应的外部函数或API，帮助模型获得更准确、‌更实时的信息，‌提高模型表现和实用性。‌

例如，当模型能够调用计算器工具时，便能借助工具获得复杂计算的正确结果。

示例输入

模型输出

工具调用后输出

123,456 * 5,678 =

说明

（正确答案：700,983,168）

20240811171630.jpg

20240811173026.jpg

百炼支持在构建大模型应用中添加各种各样的工具（插件）调用，包括但不限于：Python代码解释器、计算器、图片生成、夸克搜索等，您可以在构建大模型应用时，添加合适的插件。

关于插件的详细介绍，请参考插件概述。

多模态能力

多模态能力是指模型能够处理和结合多种不同类型的数据模态（如文本、图像、音频、视频等）进行信息的理解、处理和生成的能力。这种能力使得模型能够更全面地理解和生成内容，增强上下文理解，提高模型表现。

当前百炼支持的多模态模型有：

  • 通义千问VL（文+图->文）：具有图像理解能力的通义千问模型，能完成 OCR、视觉推理、本文理解等任务，支持超百万像素分辨率和任意长宽比规格的图像。

  • Paraformer 语音识别、SenseVoice （音->文）：识别并转写音频中的语音内容，支持 中文（含粤语等各种方言）、英文、日语、韩语等。

常见问题

  1. 文本生成模型的后缀，比如：-chat、-instruct 等，具体是什么意思，会影响我的模型表现吗？

    这些后缀代表了模型经过了微调和强化学习，并有场景专精方向。您需要根据您的业务场景，选择合适的模型。

    • -chat 表示模型专为处理人机交互而设计，‌善于理解上下文和生成连贯且情境相关的响应。‌适用于对话型任务，‌如聊天机器人、‌虚拟助手或客户支持场景，‌善于提供自然、‌流畅且符合对话习惯的回复。‌

    • -Instruct 表示模型能够理解和执行复杂的自然语言指令，拥有强大的工具调用能力，适用于执行具体指令，如回答问题、生成文本、翻译等任务。

  2. 通义千问模型的后缀，比如：-0428、-0206，是什么意思？

    -0428 这种数字后缀的意思是该模型在今年4月28日的快照版本。

  3. 通义千问模型的快照版本和最新版本有什么区别？

    通义千问模型的快照版本与最新版本在输入输出规格，使用费用、免费额度等各个方面均没有区别。

  4. 什么时候应该选择通义千问模型的快照版本？

    由于通义千问系列模型会不定期更新升级（不带数字后缀的版本）。

    如果希望您的应用在上线后有稳定表现，不受模型更新影响，可以优先选择快照版本。（当前快照版本只能通过 API 调用进行应用创建等）

    推荐您在通义千问系列模型发布新版本后，对比评测当前您使用的快照版本和新版本的表现差异，并根据评测结果灵活切换模型版本，以保证您应用的最佳表现。

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/2140227.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

AR技术在电商行业中有哪些应用场景？有何优势？

AR技术在电商行业中有哪些应用场景？有何优势？

AR（增强现实）技术在电商行业中的应用场景广泛且多样，为消费者带来了全新的购物体验，同时也为商家提供了诸多优势。51建模网为电商行业AR技术应用提供解决方案，以下是AR技术在电商行业中的主要应用场景及其优势&#xf…
阅读更多...
数据结构：时间复杂度与空间复杂度

数据结构：时间复杂度与空间复杂度

目录 算法效率时间复杂度大O渐进表示法时间复杂度计算案例 空间复杂度空间复杂度案例 复杂度算法题 算法效率 算法在编写成可执行程序后，运⾏时需要耗费时间资源和空间(内存)资源 。因此衡量⼀个算法的好坏，⼀般是从时间和空间两个维度来衡量的&#xf…
阅读更多...
通过sshd_config限制用户登录

通过sshd_config限制用户登录

在CentOS Stream或其他现代的Linux发行版中，你可能会发现传统的hosts.deny和 hosts.allow文件已经不存在或不被使用。这是因为随着时间的推移，系统的安全策略和网络管理工具已经发生了演变，许多系统管理员和发行版维护者选择使用更现代、更灵…
阅读更多...
12. DataLoader的基本使用

12. DataLoader的基本使用

DataLoader的基本使用 1. 为什么要使用DataLoader DataLoader对创建好的DataSet的样本取样进行了集成操作，非常方便对于后续网络训练、测试的数据集的选择和使用 DataLoader可以集成了数据批量加载的方法，可以使用 batch_size 设置批量大小&#xff0c…
阅读更多...
深入理解 Redis 的文件事件处理器

深入理解 Redis 的文件事件处理器

概述 Redis 的文件事件处理器是基于 Reactor 模式实现的，内部采用 IO 多路复用程序来同时监听多个套接字，当被监听的套接字准备好执行连接应答（accept）、读取（read）、写入（write）、…
阅读更多...
计算机毕业设计 高校大学生竞赛项目管理系统的设计与实现 Java实战项目 附源码+文档+视频讲解

计算机毕业设计 高校大学生竞赛项目管理系统的设计与实现 Java实战项目 附源码+文档+视频讲解

博主介绍：✌从事软件开发10年之余，专注于Java技术领域、Python人工智能及数据挖掘、小程序项目开发和Android项目开发等。CSDN、掘金、华为云、InfoQ、阿里云等平台优质作者✌ 🍅文末获取源码联系🍅 👇🏻 精…
阅读更多...
获取Live2d模型

获取Live2d模型

文章目录 1、 Live2D官方示例数据集（可免费下载）2、模之屋3、unity商店4、直接b站搜索5、youtube6、BOOTH完结 1、 Live2D官方示例数据集（可免费下载） 官方提供了一些 Live2D实例模型给大家下载使用 地址：https://ww…
阅读更多...
2024年【山东省安全员B证】报名考试及山东省安全员B证最新解析

2024年【山东省安全员B证】报名考试及山东省安全员B证最新解析

题库来源：安全生产模拟考试一点通公众号小程序 山东省安全员B证报名考试是安全生产模拟考试一点通生成的，山东省安全员B证证模拟考试题库是根据山东省安全员B证最新版教材汇编出山东省安全员B证仿真模拟考试。2024年【山东省安全员B证】报名考试及山东省…
阅读更多...
通用接口开放平台设计与实现——（31）API服务线程安全问题确认与修复

通用接口开放平台设计与实现——（31）API服务线程安全问题确认与修复

背景 在本系列的前面一篇博客评论中，有小伙伴指出，API服务存在线程安全问题： https://blog.csdn.net/seawaving/article/details/122905199#comments_34477405 今天来确认下，线程是否安全？如不安全，如何…
阅读更多...
在k8s中，客户端访问服务的链路流程，ingress---＞service---＞deployment---＞pod---＞container

在k8s中，客户端访问服务的链路流程，ingress---＞service---＞deployment---＞pod---＞container

ingress是一个API资源。 其核心作用是nginx网页服务器。 当客户端访问服务器不同的url时, 用不同的location提供服务。 在k8s之外，nginx的配置一般如下： http {server {listen 80;server_name localhost;location / {root html; …
阅读更多...
文件的应用实例

文件的应用实例

目录 1、拷贝文件 2、遍历文件夹 1、拷贝文件 说明：将一张图片/一首歌拷贝到另外一个目录下，要求使用read()和write()原生方法完成 """思路分析：1、打开源文件(需要拷贝的文件)，读取源文件的数据2、打开目标文…
阅读更多...
网络安全学习（四）渗透工具msf

网络安全学习（四）渗透工具msf

本文简要介绍metasploit framework，是一款渗透工具。官网地址：Metasploit | Penetration Testing Software, Pen Testing Security | Metasploit msf是一个框架，可以加载各种模块，这是它的最强大之处。 kali中有此工具。 点击即…
阅读更多...
python中的各类比较与计算

python中的各类比较与计算

运算符 1.算数运算符2.关系运算符3.逻辑运算符4.关于短路求值5.赋值运算符1）的使用链式赋值多元赋值 2)复合赋值运算符 6.位运算符7.成员运算符8.身份运算符 1.算数运算符 # 加 print(1 2) # 减 print(2 - 1) # 乘 print(1 * 2) # 余数 4%31余数为1 print(4 % 3…
阅读更多...
C++第五十一弹---IO流实战：高效文件读写与格式化输出

C++第五十一弹---IO流实战：高效文件读写与格式化输出

✨个人主页： 熬夜学编程的小林 💗系列专栏： 【C语言详解】 【数据结构详解】【C详解】 目录 1. C语言的输入与输出 2. 流是什么 3. CIO流 3.1 C标准IO流 3.2 C文件IO流 3.2.1 以写方式打开文件 3.2.1 以读方式打开文件 4 stringstre…
阅读更多...
【测试方案】软件测试管理规程（doc源文件）

【测试方案】软件测试管理规程（doc源文件）

软件测试规程的作用在于确保软件测试活动的系统性、规范性和一致性。它明确了测试的目标、范围、方法、流程以及所需资源，为测试人员提供了明确的指导和操作规范。通过遵循测试规程，可以提高测试效率，减少测试遗漏和错误，保证软件…
阅读更多...
NC 表达式求值

NC 表达式求值

系列文章目录 文章目录 系列文章目录前言 前言 前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站，这篇文章男女通用，看懂了就去分享给你的码吧。 描述 请写一个整数…
阅读更多...
MySQL8.0.13-函数索引

MySQL8.0.13-函数索引

目录 什么是函数索引 语法 函数索引测试 创建表结构 插入数据 创建普通索引 查看执行计划 创建函数索引 查看执行计划 查看索引信息 函数索引效率 普通索引 函数索引 分析 注意事项 老版本如何实现函数索引 什么是函数索引 本篇主要介绍 MySQL 的函数索引&…
阅读更多...
【数据结构】顺序表和链表经典题目

【数据结构】顺序表和链表经典题目

系列文章目录 单链表 动态顺序表实现通讯录 顺序表 文章目录 系列文章目录前言一、顺序表经典例题1. 移除元素2. 合并两个有序数组 二、链表经典例题1. 移除链表元素2. 反转链表3. 合并两个有序链表4. 链表的中间节点5. 环形链表的约瑟夫问题 总结 前言 我们通过前面对顺序表…
阅读更多...
NVM（node.js版本工具）的使用

NVM（node.js版本工具）的使用

1.nvm是什么 NVM 是 Node Version Manager 的缩写，它是一个用于管理 Node.js 版本的命令行工具。通过NVM，你可以在同一台机器上安装和切换多个 Node.js 版本，对于开发和测试在不同 Node.js 版本上运行的应用程序非常有用。 2.下载 下载之前…
阅读更多...
『功能项目』眩晕图标显示【52】

『功能项目』眩晕图标显示【52】

我们打开上一篇51调整Boss技能bug的项目， 本章要做的事情是在释放法师的眩晕技能时，boss01处在眩晕动画时显示一个眩晕图标 首先双击Boss01预制体进入预制体空间 创建一个Image重命名为StateUIdiz 代表第一个受击状态 设置Canavas 并且修改Canvas的渲染…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023