关于ChatGPT的一些随笔

news2024/11/24 13:44:57

大家好，我是老三，最近几个月关于ChatGPT的信息可以说是铺天盖地。

“王炸，ChatGPT……”

“xxx震撼发布……”

“真的要失业了，xxx来袭……”

“普通如何利用ChatGPT……”

……

不过老三前一阵比较忙，对ChatGPT的使用基本只限于一些简单的问答，比如：

三分恶是谁？

可以说是落伍到家了，刚好公司组织了对ChatGPT的一些讨论和实践，趁这个机会赶紧补补课。

快速上手

作为一般的后端开发人员，要利用ChatGPT，其实主要还是是调用openai的接口，先跟着官方文档（https://platform.openai.com/docs/quickstart），快速开始。

简介

  • completions接口：https://platform.openai.com/docs/api-reference/completions/create

这个接口是openai核心接口，输入里有个参数prompt，可以简单理解为问，响应里有个参数completion，可以简单理解为答。

prompt和completion

创建应用

官方给了Node.js和Python的Demo，没有关系，反正无非是接口调用，用什么都可以。

因为我本地配置了Python的环境，所以就跟着官方的Python Demo走一走。

拉取项目

Python环境的创建这里就不多说了，直接把官方的Demo拉下来。

git clone https://github.com/openai/openai-quickstart-python.git

添加API Key

首先需要在这个地址：https://platform.openai.com/account/api-keys 添加一个api-key.

添加api key

在.env文件里添加配置OPENAI_API_KEY:

添加OPENAI_API_KEY

运行

  • 安装依赖
python -m venv venv
. venv/bin/activate
pip install -r requirements.txt
  • 运行项目
flask run
  • 访问http://localhost:5000

页面

简单看下官方Demo，官方提供了Python包：

import openai

官方还提供了node.js的包，社区也贡献了一些其他语言的包（https://platform.openai.com/docs/libraries/community-libraries）：

  • Java：https://github.com/TheoKanning/openai-java
  • Go：https://github.com/sashabaranov/go-openai

……

Python Demo里就是直接用封装的方法调用：

response = openai.Completion.create(
            model="text-davinci-003",
            prompt=generate_prompt(animal),
            temperature=0.6,
        )

不用官方和社区封装的包，直接http调用也可以。

当然openai也不是免费的，以gpt-3.5-turbo为例，费用是$0.002 / 1K tokens，也就是大概$0.002 / 750个词，具体费用可以看看：https://openai.com/pricing，注册送了18💰，大概能答不到1000个问题吧。

常见API

在快速开始里用了Completion API，接下来再看看常见的API。

模型

Model（模型）是openai的核心，有一系列不同功能不同版本的模型。

目前大概有这些模型

Playground

在前面，我们跑了官方的Demo，其实还有一个更简单快捷的方式，官方提供了一个好用的Playground，有点像开发版的chatGPT，可以直接指定不同的模型不同的参数，调用不同的api：

Playground

还可以直接查看代码，支持python、node.js、curl。

生成代码

接下来看看openai的内容处理，主要包括三种：Text completion、Code completion和Image generation，分别针对文本、代码和图片。

内容处理API

调用API还是用Python，因为官方给了Demo，Python跑起来也比较轻便。

接着用官方的实例，open-ai需要升级到最新版本：

升级

Completion

  • Completions：https://platform.openai.com/docs/api-reference/completions

这个是比较早，用的比较多的接口，不支持gpt-3.5和gpt-4模型的模型。

参数类型说明
modelstring必填，指定功能模型
promptstring 或 array提示语
max_tokensinteger默认值 16，The maximum number of tokens to generate in the completion.
temperaturenumber默认值 1，采样精度，取值范围为 0~2，较高的值（如 0.8）将使输出更加随机，而较低的值（例如 0.2）将使其更加相关
top_pnumber默认值 1，采样精度的另一种表示方式，如 0.1 表示更相关的 10% 的内容，请不要和 temperature 同时使用（2 选 1）
ninteger默认值 1，返回内容的条数
streamboolean默认值 false，是否流式输出内容
echoboolean默认值 false，是否回显 prompt 内容
stopstring 或 array默认值 null，Up to 4 sequences where the API will stop generating further tokens. The returned text will not contain the stop sequence.
  • Python请求
import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")

response=openai.Completion.create(
  model="text-davinci-003",
  prompt="Hello World",
  max_tokens=512,
  temperature=0
)
  • 响应
{
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "logprobs": null,
      "text": "\n\nMy name is John and I am new to this website. I am interested in learning more about programming and computer science."
    }
  ],
  "created": 1679751379,
  "id": "cmpl-6xyM7jPbvSSO7umjVk8HkrRfJVoHZ",
  "model": "text-davinci-003",
  "object": "text_completion",
  "usage": {
    "completion_tokens": 26,
    "prompt_tokens": 2,
    "total_tokens": 28
  }
}

可以看到已经回复了，我们要是想继续怎么办呢？也就是类似chatGPT里接着会话——那就需要把整个上下文传过去。

维护会话

比如上面一个，我希望它能继续回答：

import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")

prompt_context=["Hello World","\n\nMy name is John and I am new to this website. I am interested in learning more about programming and computer science.","Any more?"]

response=openai.Completion.create(
  model="text-davinci-003",
  prompt=prompt_context,
  max_tokens=1024,
  temperature=0
)
  • 响应：可以看到接着继续回答了
{
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "logprobs": null,
      "text": "\n\nMy name is John and I am new to this website. I am interested in learning more about programming and computer science."
    },
    {
      "finish_reason": "stop",
      "index": 1,
      "logprobs": null,
      "text": " I have some basic knowledge of HTML and CSS, but I am looking to expand my knowledge and learn more about other programming languages. I am also interested in learning more about web development and design."
    },
    {
      "finish_reason": "stop",
      "index": 2,
      "logprobs": null,
      "text": "\n\n-Making sure to get enough sleep\n-Eating a balanced diet\n-Drinking plenty of water\n-Exercising regularly\n-Managing stress\n-Limiting alcohol and caffeine intake\n-Practicing relaxation techniques\n-Spending time outdoors\n-Connecting with friends and family\n-Engaging in creative activities\n-Volunteering in the community\n-Practicing mindfulness and meditation"
    }
  ],
  "created": 1679751585,
  "id": "cmpl-6xyPRzgmrTskbfQ85l5MdmIdUU6iZ",
  "model": "text-davinci-003",
  "object": "text_completion",
  "usage": {
    "completion_tokens": 149,
    "prompt_tokens": 31,
    "total_tokens": 180
  }
}

当然prompt传的越多，网络消耗，以及💰消耗都越多，那怎么减少上下文传递呢？

有什么办法减少上下文传递

具体实现，感兴趣的也可以再问问ChatGPT。

Chat

  • Chat：https://platform.openai.com/docs/api-reference/chat

2023 年 3 月 1 日新增接口，使用的是最新的 GPT-3.5 模型和 GPT-4 模型。与 Completion API 不同，ChatCompletion API 更适合用于实时的、多轮的对话。

import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")

chat = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "system", "content": "You are a assistant of shein,you can help user to resolve problems."},
    {"role": "user", "content": "How can I refund my order?"},
  ]
)
  • 响应：
{
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "To initiate a refund for your Shein order, you can follow these steps:\n\n1. Log in to your Shein account.\n2. Go to your order history and find the order you want to refund.\n3. Click on the \"Return\" button and select the item(s) you want to return.\n4. Choose the reason for the return and add any pictures or comments if necessary.\n5. Submit the return request and wait for Shein to send you a confirmation email.\n6. Pack and send your items back to Shein according to the instructions provided in the email.\n7. Once Shein receives and processes your return, your refund will be issued to your original payment method within 7-14 business days.\n\nNote: Make sure to check Shein's return policy before initiating a refund to ensure that your item is eligible for return.",
        "role": "assistant"
      }
    }
  ],
  "created": 1679876980,
  "id": "chatcmpl-6yV1wSwqM09Aqb6QvFENUvuvC4ehW",
  "model": "gpt-3.5-turbo-0301",
  "object": "chat.completion",
  "usage": {
    "completion_tokens": 171,
    "prompt_tokens": 36,
    "total_tokens": 207
  }
}

ChatCompletion支持三种角色：

  • user：用户，提出问题或者输入内容的人
  • assint：聊天机器人，基于GTP3等模型的的机器人，可以回答用户的问题或者会话。
  • system：应用程序，负责处理用户输入，然后传递给聊天机器人，或者接收聊天机器人的回答，展现给用户。应用程序也可以负责处理其他任务，例如将用户输入保存到数据库中。

实际应用中，可以通过system指定指定 chatGPT 的功能定位，在 assistant 中传 chatGPT 回答的消息就实现了上下文。

Images

OpenAI的图片接口，支持通过描述生图，和以图生图：

  • Images(通过描述生成图)：https://platform.openai.com/docs/api-reference/images
参数说明
prompt图片描述，必填
n需要生成的图片数量，取值 1-10，默认值 1
size图片大小，取值只能为 256x256、512x512、1024x1024，默认值 1024x1024
response_format返回图片数据类型，取值 url 或 b64_json，默认值 url
import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")

response=openai.Image.create(
  prompt="A beautiful young and generous Chinese girl",
  n=1,
  size="1024x1024"
)
  • 响应
{
  "created": 1679877722,
  "data": [
    {
      "url": "https://oaidalleapiprodscus.blob.core.windows.net/private/org-ZPdLSXE667sQLqeMtNJSlY4u/user-CdRYPYeBIHN8eGFIq87eroQN/img-sSV6B5nOzOpRre41J73guwu6.png?st=2023-03-26T23%3A42%3A02Z&se=2023-03-27T01%3A42%3A02Z&sp=r&sv=2021-08-06&sr=b&rscd=inline&rsct=image/png&skoid=6aaadede-4fb3-4698-a8f6-684d7786b067&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skt=2023-03-26T20%3A06%3A23Z&ske=2023-03-27T20%3A06%3A23Z&sks=b&skv=2021-08-06&sig=EphBdwHcs4p5x3F5su8r9NvG8mGRKx4cOkCjbBWekGA%3D"
    }
  ]
}

我们看看生成的图怎么样？

生成的图片

我滴妈，哕……

  • Create image variationBeta（以图生图）：https://platform.openai.com/docs/api-reference/images/create-variation

从某竞品网站下了一张好看的模特图：

模特

图片需要裁剪和压缩一下，图片长宽需要1:1，是png文件，而且小于4M。

import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")
response=openai.Image.create_variation(
  image=open("apis/model.png", "rb"),
  n=1,
  size="1024x1024"
)

print(response)
  • 响应
{
  "created": 1679878760,
  "data": [
    {
      "url": "https://oaidalleapiprodscus.blob.core.windows.net/private/org-ZPdLSXE667sQLqeMtNJSlY4u/user-CdRYPYeBIHN8eGFIq87eroQN/img-uZUO48KfwJpEuCf6Na7fIFG1.png?st=2023-03-26T23%3A59%3A20Z&se=2023-03-27T01%3A59%3A20Z&sp=r&sv=2021-08-06&sr=b&rscd=inline&rsct=image/png&skoid=6aaadede-4fb3-4698-a8f6-684d7786b067&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skt=2023-03-26T14%3A21%3A52Z&ske=2023-03-27T14%3A21%3A52Z&sks=b&skv=2021-08-06&sig=YR39Y3sxD7kqnoJcVqEqKxc9bBi//nsn3X0SOtX/wI4%3D"
    }
  ]
}

看看生成的图片，

在这里插入图片描述

啊这。。。

当然chatGPT也支持对现有图的修改。

  • Create image edit（以图修图可修改）：https://platform.openai.com/docs/api-reference/images/create-edit)
import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")
response=openai.Image.create_edit(
  image=open("apis/model.png", "rb"),
  mask=open("apis/model.png", "rb"),
  prompt="Generate a female model who is equally beautiful, hotter, but with different looks and clothes",
  n=2,
  size="1024x1024"
)

print(response)
  • 响应：
{
  "created": 1680363981,
  "data": [
    {
      "url": "https://oaidalleapiprodscus.blob.core.windows.net/private/org-ZPdLSXE667sQLqeMtNJSlY4u/user-CdRYPYeBIHN8eGFIq87eroQN/img-vYOBGDlf5su7sMfQSITKna8w.png?st=2023-04-01T14%3A46%3A21Z&se=2023-04-01T16%3A46%3A21Z&sp=r&sv=2021-08-06&sr=b&rscd=inline&rsct=image/png&skoid=6aaadede-4fb3-4698-a8f6-684d7786b067&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skt=2023-04-01T08%3A48%3A23Z&ske=2023-04-02T08%3A48%3A23Z&sks=b&skv=2021-08-06&sig=ajPilUO%2BzBNQDtFDHrEyK2/njZQrZsaTyV7wjQRFRJM%3D"
    }
  ]
}

虽然，但是，这个api我尝试了好几个prompt，给我吐回的都是原图。

整体上来讲，chatGPT的Images API还是没有文本问答那么好用，而且比较贵，尺寸 1024x1024 像素的图一张收费 0.02 美元，大约人民币 0.13 元左右。

Audio

chatGPT还支持语音识别

  • Audio：https://platform.openai.com/docs/api-reference/audio
import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")
audio_file = open("apis/audio.mp3", "rb")
transcript = openai.Audio.transcribe("whisper-1", audio_file)

print(transcript)

我一开始用了一段中英混杂的语言，结果响应：

{
  "text": "Java\u662f\u8fd9\u4e2a\u4e16\u754c\u4e0a\u6700\u597d\u7684\u8bed\u8a00 \u4f46\u662f\u6211\u7528Python"
}

乱码了，赶紧问下chatGPT：

在这里插入图片描述

嗯，这次翻车了，连续尝试了五六个回答，都没能解决乱码的问题，看样子OpenAI确对中文语言输入不太友好。

改成英文语音输入的结果：

{
  "text": "Jawa is the best language in the world, but I use Python."
}

英文的语音识别还是比较准确的，当然，语音识别早就不是什么问题了。

总体上来看，OpenAI的文本处理能力还是非常强大的，图像处理还有待提升，不过以OpenAI的迭代速度，以及全世界用户的不断”投喂“，相信新模型”远超Midjourney“绝对不是一句空话。

一些思考

可以用OpenAI干什么?

怎么应用OpenAI，或者说怎么应用AI呢？

先从工作看起吧，我是做跨境电商业务的，我问了一下ChatGPT，看看它的回答：

跨境电商可以使用 OpenAI 来帮助改善客户体验、提高销售量和降低成本。以下是一些可能的应用：

  1. 在线客服：使用 OpenAI 的聊天机器人来提供 24/7 的在线客服服务，帮助解决客户的问题和疑虑，提高客户满意度和忠诚度。
  2. 智能推荐：使用 OpenAI 的推荐系统来根据客户的历史购买记录和行为数据，推荐最符合客户需求的商品，提高销售量和客户满意度。
  3. 自然语言处理：使用 OpenAI 的自然语言处理技术来分析客户的评论和评价，了解客户对商品和服务的看法，帮助改进产品和服务。
  4. 欺诈检测：使用 OpenAI 的机器学习和深度学习技术来检测可能的欺诈交易和订单，提高安全性和信誉度。
  5. 语言翻译：使用 OpenAI 的自然语言处理和机器翻译技术来进行跨语言交流，帮助拓展跨境电商业务。

总之，OpenAI 可以为跨境电商提供智能化的解决方案，从而提高客户体验、销售量和利润。

可以看一下，这里面包含客服、推荐、内容、翻译、风控等等……

有一些正在被我的同事实现，有些甚至已经投产。

那么我还是一个程序员，具体点Java程序员，我可以怎么利用OpenAI呢？

作为一个Java程序员，你可以利用OpenAI来提高工作效率，以下是一些建议：

  1. 自然语言处理：OpenAI提供了自然语言处理API，你可以使用它来处理文本数据。例如，你可以使用OpenAI的API来创建自动化回答常见问题的程序。
  2. 代码自动完成：OpenAI的代码自动完成功能可以帮助你快速编写代码。你可以使用Java SDK来调用OpenAI的代码自动完成API，从而提高编程效率。
  3. 数据分析：OpenAI的语言模型可以分析大量的数据，你可以使用它来进行数据分析。例如，你可以使用OpenAI的API来分析用户评论数据，从而了解用户的反馈。
  4. 智能助手：你可以使用OpenAI的语言模型来创建智能助手，帮助你完成一些重复性的任务。例如，你可以使用OpenAI的API来创建一个智能助手，自动完成一些常见的数据处理任务。

总的来说，OpenAI提供了很多的API和工具，可以帮助Java程序员提高工作效率。你可以根据自己的需求选择合适的API，并利用Java SDK来实现对OpenAI的调用。

这里面有一些能力，相信很多朋友更加熟悉，现在日常开发，可以不用搜索引擎，而是直接向ChatGPT提问。

问答助手、代码生成插件、SQL助手……目前，这些也都有同事进行了实现。

大概都是怎么实现的呢？

其实这些应用，这些应用的关键，就是在于正确地向ChatGPT提问，有这么一条“公式”：定义角色＋明确任务+限制输出 = better prompt

例如，我现在希望OpenAI作为一个商品评论审核员：

  • 你是一个跨境电商的商品评论审核员，你需要对用户的评论进行审核，你需要识别不同语言的评论，用户评论中不能出现暴力、色情、政治等负面因素，你需要对评论进行打分，60分以上是合格评论，60分以下是不合格评论，用户评论越积极分数越高，你还要给出给用户打分的原因，你的回答只能用json格式{“score”:30,“reason”:“Violence”}，score表示评分，reason表示原因，除此之外，你不应该回答任何内容

然后再输入一个评论：

  • 这个商品是在太垃圾了

它的响应：

{
"score": 40,
"reason": "Negative sentiment"
}

开发的时候，就是要先把上下文给传过去：

chat = openai.ChatCompletion.create(
  model="gpt-3.5-turbo-0301",
  messages=[
    {"role": "system", "content": "你是一个跨境电商的商品评论审核员，你需要对用户的评论进行审核，你需要识别不同语言的评论，用户评论中不能出现暴力、色情、政治等负面因素，你需要对评论进行打分，60分以上是合格评论，60分以下是不合格评论，用户评论越积极分数越高，你还要给出给用户打分的原因，你的回答只能用json格式{\"score\":30,\"reason\":\"Violence\"}，score表示评分，reason表示原因，除此之外，你不应该回答任何内容"},
    {"role": "system", "content": "OK"},
    {"role": "user", "content": "什么烂东西，浪费钱"}
  ]
)

是不是还挺简单的。

除此之外，有条件的还可以对OpenAI的模型进行微调，提升模型的性能。

我们会被淘汰吗？

坦白讲，大家都拥抱OpenAI很久，我实在落伍了。

现在对于OpenAI的应用，其实主要还是集中在AIGC方面，我主要搞的是支付开发，是交易类的，想了很久也没想出什么应用。

随后问了ChatGPT一个问题：“接入Alipay支付”：

接入Alipay支付

看完，我直接沉默，代码虽然有些不太合理的地方，但是估计再调一调就能直接用了。

这就引入了一个问题，AIGC时代来临，程序员会不会被淘汰？——很有可能。

我们今天为ChatGPT欢呼，也许明天就会被它给驱逐。

36氪给李彦宏做了一个专访[3]，我们看看其中的一段：

36氪：今天无数人在提问：AI会不会让打工人没有工作？OpenAI的创始人Sam Altman说，大量的人一定会失业，所以OpenAI会按需收费，给没有工作的人补贴。这其实是有点悲凉的，他自己说也有点可怕，你觉得这个事情会发生吗？这个问题你怎么看。

**李彦宏：**今天没有马车夫这样的工作，因为出现了汽车。但是今天世界上存在的工作机会跟100年前相比，不仅是多了，而且多了很多倍。

我没有那么悲观，我是乐观的。不管有多少工作被替代，这只是整个图景的一部分。另外一部分是，存在我们现在甚至无法想象的更多新机会。我做一个大胆预测，十年以后，全世界有50%工作会是提示词工程（prompt engineering），不会写提示词（prompt）的人会被淘汰。

我甚至在想一个问题——AI会不会淘汰AI工程师呢？

AI会不会淘汰AI工程师呢

所以，试着成为一名AI工程师？



参考：

[1]. https://platform.openai.com/

[2].https://www.zhihu.com/question/575983484/answer/2895862383

[3].https://36kr.com/p/2184414265262467

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/417946.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

【MySQL】锁详解——从结构分类到适用场景

【MySQL】锁详解——从结构分类到适用场景

我们要学习锁首先要了解下我们想了解的锁到底是什么🤔 而在MySQL中给某个数据加锁的本质其实就是在内存中创建一个锁结构与之关联，而这个锁结构就是我们常提到的MySQL的锁🔒 那么接下来的问题就是，这个锁结构长啥样呢&#xff1…
阅读更多...
ASEMI代理ADI亚德诺AD8065ARTZ-REEL7车规级芯片

ASEMI代理ADI亚德诺AD8065ARTZ-REEL7车规级芯片

编辑-Z AD8065ARTZ-REEL7芯片参数： 型号：AD8065ARTZ-REEL7 −3dB带宽：145MHz 0.1 dB平坦度的带宽：7MHz 输入超速恢复时间：175ns 输出恢复时间：170ns 斜率：180V/μs 三阶拦截&#xff1a…
阅读更多...
教育大数据总体解决方案（2）

教育大数据总体解决方案（2）

系统管理对当前大数据基础平台的所有服务及组件版本、账户以及自动启动进行统一管理。 服务版本查看当前大数据基础平台的所有服务信息及版本状态。 服务用户和组查看当前大数据基础平台的所有用户信息。 服务自动启动对当前大数据基础平台的所有服务组件进行自启动设置。 后台…
阅读更多...
【信息安全】EDR、HIDS、NDR、MDR、XDR 区别与联系

【信息安全】EDR、HIDS、NDR、MDR、XDR 区别与联系

【前言】 随着安全态势的发展，为应对不同的安全防御场景需求，安全产品层出不穷，各大安全厂商也争先推出自家的安全产品/平台，这就导致产品种类繁多，信息量大而杂，本篇博文重点讲解EDR、HIDS、NDR、MDR和XDR…
阅读更多...
LinuxGUI自动化测试框架搭建（二）- 详细设计框架设计

LinuxGUI自动化测试框架搭建（二）- 详细设计框架设计

（二）-详细设计&框架设计1 需求分析2 技术栈3 框架设计3.1 框架说明3.2 框架执行流程4 预期结果4.1 测试过程log日志4.2 测试报告html格式4.3 测试报告邮件格式1 需求分析 对 实现需求 进行详细分析，主要有下： 功能说明使用U…
阅读更多...
经典文献阅读之--FastFlowNet(轻量光流估计)

经典文献阅读之--FastFlowNet(轻量光流估计)

0. 简介 密集的光流估计在许多机器人视觉任务中起着关键作用。随着深度学习的到来，已经比传统方法以令人满意的精度预测了它。然而，当前的网络经常占用大量参数并且需要沉重的计算成本。这些缺点阻碍了在功率或内存受限的移动设备上的应用。为了应对这些…
阅读更多...
Apache 网页优化与防盗链

Apache 网页优化与防盗链

目录 一、Apache网页优化概述 二、gzip介绍 Apache的压缩模块 配置网页压缩功能 1.检查是否安装 mod_deflate 模块 2.编译安装 Apache 添加 mod_deflate 模块 3.配置 mod_deflate 模块启用 4.检查安装情况，启动服务 5.测试 mod_deflate 压缩是否生效 三. 网页缓…
阅读更多...
ChatGPT 不算新技术革命，带不来什么新机会

ChatGPT 不算新技术革命，带不来什么新机会

有人说：一个人从1岁活到80岁很平凡，但如果从80岁倒着活，那么一半以上的人都可能不凡。 生活没有捷径，我们踩过的坑都成为了生活的经验，这些经验越早知道，你要走的弯路就会越少。
阅读更多...
DM8:达梦数据库REDO日志损坏修复

DM8:达梦数据库REDO日志损坏修复

DM8:达梦数据库REDO日志损坏修复环境介绍1 启动数据库报错 CODE-7232 查看原实例(5237)初始化参数3 初始化相同参数的新数据库启停新库4 使用 dmmdf 工具 查看帮助5 查看原库(5237)的 db_magic6 修改新库(5236) REDO 日志的 db_magic 值6.1 新库(5236) DAMENG01.log6.2 新库(52…
阅读更多...
浙江美格机械股份有限公司董事长——刘国方

浙江美格机械股份有限公司董事长——刘国方

现实工作与理想中的方向大相径庭 怎样从工作经历中汲取养分，磨练自身？ 学历不高，自身敲门砖不硬 该如何努力才能弥补自身的学历短板？ 想为传统企业焕发新生机 该如何在传统行业中搭建新平台? 观看本期节目和我一起寻找答案&#…
阅读更多...
burp插件jsEncrypter使用，爆破密码被自定义算法加密

burp插件jsEncrypter使用，爆破密码被自定义算法加密

暴力破解的时候，密码一般都是进行了加密 普通的base64、md5等编码，burp里面都有，如果是自定义的密码算法，我们该如何使用burp进行爆破呢？ webapp，关于密码学的一个简单靶场 抓包，被加密了。假…
阅读更多...
【WCH】基于Keil环境CH32F203 GPIO点灯实验

【WCH】基于Keil环境CH32F203 GPIO点灯实验

【WCH】基于Keil环境CH32F203 GPIO点灯实验📌相关篇《关于CH32F203程序下载方式说明》⚡注意编译器版本不要使用AC6版本。 ✨如果是首次入门使用，请先看上面的相关篇内容，了解其下载相关事宜后，再进来学习。 📑GPIO模式…
阅读更多...
15个前端数据大屏展示图+源代码免费下载

15个前端数据大屏展示图+源代码免费下载

https://download.csdn.net/download/wanghongpu9305/87658655?spm1001.2014.3001.5503 https://download.csdn.net/download/wanghongpu9305/87658730?spm1001.2014.3001.5503 https://download.csdn.net/download/wanghongpu9305/87684844?spm1001.2014.3001.5503 http…
阅读更多...
windows Linux ：python 脚本 下载日本葵花8号卫星数据L1级产品，自定义分辨率、时间

windows Linux ：python 脚本 下载日本葵花8号卫星数据L1级产品，自定义分辨率、时间

前言介绍 近期需要用到日本葵花8号卫星数据，用于相关研究，而通过官方提供的下载方法，难以针对性的下载所需要的数据类型，因此这里编写了一个针对葵花8号卫星L1级数据产品的脚本下载，主要实现两个功能：1、自…
阅读更多...
为docker安装图形界面和配置远程桌面连接

为docker安装图形界面和配置远程桌面连接

由于远程桌面访问必须要打开端口3389，所以在启动docker中ubuntu系统的时候要首先将linux系统的3389端口映射出来 docker run -tid -p 3389:3389 --name ceshi --privilegedtrue ceshi /bin/bash 接下来进入到ubuntu中 docker exec -it ceshi /bin/bash 首先安装X…
阅读更多...
查找 | 顺序查找、分块查找、二分查找、哈希查找 | 牛客刷题笔记

查找 | 顺序查找、分块查找、二分查找、哈希查找 | 牛客刷题笔记

查找 就平均查找速度而言，下列几种查找速度从慢至快的关系是：顺序、分块、折半、哈希。 顺序查找的时间复杂度为o(n) 分块查找的时间复杂度为o(log2n)到o(n)之间 二分查找的时间复杂度为o(log2n) 哈希查找的时间复杂度为o(1) 用概率查找改进查找效率&am…
阅读更多...
本周热门chatGPT之AutoGPT-AgentGPT，可以实现完全自主实现任务，附部署使用教程

本周热门chatGPT之AutoGPT-AgentGPT，可以实现完全自主实现任务，附部署使用教程

AutoGPT 是一个实验性的开源应用程序，它由GPT-4驱动，但有别于ChatGPT的是，​ 这与ChatGPT的底层语言模型一致。 ​AutoGPT 的定位是将LLM的"思想"串联起来，自主地实现你设定的任何目标。 简单的说，你只用提出…
阅读更多...
界面组件Telerik ASP.NET MVC使用指南 - 如何自定义网格过滤

界面组件Telerik ASP.NET MVC使用指南 - 如何自定义网格过滤

Telerik UI for ASP. NET MVC拥有使用JavaScript和HTML5构建网站和移动应用所需的70UI部件，来满足开发者的各种需求，提供无语伦比的开发性能和用户体验。它主要是针对专业级的 ASP.NET开发，通过该产品的强大功能，开发者可以开发出…
阅读更多...
消息队列面试题-RocketMQ

消息队列面试题-RocketMQ

1.为什么要使用消息队列？ 2.消息队列有什么优点和缺点？ 3.如何解决重复消费？ 幂等性： 概念：一次和多次请求某一个资源对于资源本身应该具有同样的结果（网络超时等问题除外）。也就是说&#xf…
阅读更多...
前端项目-09-购物车-游客列表-变更选中状态-删除

前端项目-09-购物车-游客列表-变更选中状态-删除

目录 1-加入购物车成功 2-购物车成功页面跳转 3-游客身份获取购物车列表 4-动态渲染购物车列表 5-处理商品数量 6-删除购物车商品 6.1-删除购物车单个商品 6.2-删除全部选中商品 7-修改产品状态 7.1-修改单个产品的状态​编辑 7.2-修改多个产品的状态 1-加入购物车成功…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023