框架

【大模型应用开发:基于GPT-4和ChatGPT】(使用LangChain框架和插件增强LLM的功能)本文探讨LangChain框架,以及GPT-4 插件为代表的外部能力扩展方式.我们将研究 LangChain 如何连接不同语言模型,如何把提示词、工具、记忆和外部知识组合起来,再理解插件把模型接入实际服务的工作原理.这些知识可以帮助我们开发比单轮问答更复杂的LLM应用.前面主要围绕模型API构建程序.本文进一步把模型放入一个完整的应用流程:数据从哪里来,哪些操作交给工具执行,历史对话如何保存,最终答案如何追溯到依据.示例围绕这些问题展开;这里仍沿着同一条学习路径,使用当前接口完成相应任务.

Redis 工具封装：RedisCache 对 Operations 体系的二次封装本文基于若依3.9.2、SpringBoot3版本。若依对 Redis 缓存封装了一个类：com.ruoyi.common.core.redis.RedisCache。登录态、验证码、参数配置、字典数据、密码错误次数、防重复提交都以它为入口落到 Redis。

Spring MessageSource 国际化消息解析流程本文基于若依3.9.2、SpringBoot3版本。把提示文案写进代码，改一个字就要重新编译发版；想支持多语言，还得逐个改造散落在各处的字符串。国际化的第一步是把文案从代码里搬出去：代码里只保留一个消息键，具体文案维护在资源文件里，运行时按语言环境查找并填充参数。

PHP建站全流程与实战技巧在当今这个阶段, 信息变得非常多, 于是就有越来越多的人们开始去关注我们到底怎么去把网站给做出来。PHP这个语言, 它是被大家广泛地用到那些需要服务器端去处理的网络开发事情里面去的。

for_ever_love__

RAGAS 实战：一套能跑起来的 RAG 自动评测框架RAG 做出来之后，最现实的问题是：怎么知道它好不好？靠人工看几条答案，很容易被"看起来挺流畅"骗过去。

活动记录模式：简单领域模型的利器中文名是活动记录, 这是一个领域模型模式。它的特点是一个模型类对应关系型数据库中的一个表,并且这个模型类的一个实例对应表中的一行数据。

特立独行的猫a

用仓颉语言给娃写了个打字练习游戏：cj-tauri 项目实战我家孩子上小学，有两件事同时在推进，背古诗词，连续电脑打字。我使用cj-tauri开发的一个「小学生古诗词打字练习」桌面应用，从零到跑起来。这里介绍下cj-tauri开源项目的使用，及古诗词应用的开发实战过程。

第六章框架开发实践 · 学习笔记（AutoGen / AgentScope / CAMEL / LangGraph）学习材料：《Hello-Agents》第六章框架开发实践（docs/chapter6/第六章框架开发实践.md）配套代码：code/chapter6/ 四个目录（AutoGenDemo/ · AgentScopeDemo/ · CAMEL/ · Langgraph/）实验环境：腾讯云 Lighthouse（2C2G / 无 GPU）· Ubuntu 26.04 · Python 3.14 · venv 模型：主用 kimi-k2.6（Moonshot，temperature 只接受 1，组织 RP

蓝牙学习之蓝牙框架HOST 主机侧 · 应用处理器 / 操作系统（如 BlueZ、Android BT Stack、Zephyr Host、NimBLE）

Pytorch转ONNX详解早先的几个月, 参与了模型转ONNX的那个工作（即 : drcut）, 其主要的目标呢, 是对一些模型予以从到ONNX转换的支持。这几个月就算没有做出什么成果, 不过依旧踩了大量的坑, 在这儿记录下来, 期望能够帮助其他的人。

【vLLM】vLLM 推理框架详解：从 PagedAttention 到生产级部署实战关键词：vLLM、PagedAttention、连续批处理、KV Cache、大模型推理、显存优化大模型推理和训练不同，训练追求的是吞吐，而推理服务追求的是"低延迟 + 高并发 + 低成本"三者兼顾。在实际生产环境中，使用 HuggingFace Transformers 原生的 generate() 方法部署推理服务，往往会遇到两个致命问题：

数据库层设计的取舍：ORM 便利性与手写 SQL 的安全性权衡一个项目有两套实现：一套是 Java 微服务版（MyBatis-Plus + MySQL），另一套是 Go 单体版（database/sql + PostgreSQL）。两套系统业务逻辑相同，但数据库层的设计思路完全不同。

统一返回对象设计：AjaxResult 与 R 的取舍本文基于若依3.9.2、SpringBoot3版本。前后端分离的项目里，所有接口的响应必须有一套统一结构，前端才能用一套固定逻辑判断成败、取数据。若依在 com.ruoyi.common.core.domain 包下提供了两个统一返回对象，代表两种截然不同的封装思路：

Agent 开源项目全景解析（下）：LlamaIndex、Dify、FastGPT 与真实工程选型上篇讨论的项目主要提供编程框架和 Agent Runtime。实际开发中还有另一类非常重要的开源项目，它们把知识库、RAG、工作流、工具、模型管理和应用发布进一步封装。LlamaIndex仍然保持较强的代码框架属性，Dify 与 FastGPT 已经形成可以直接部署和使用的 Agent 应用平台。

深入理解 React useContext：跨层级组件通信的核心利器在 React 开发中，“上下文”（Context）这个词并不陌生。你可以把它想象成一颗组件树的"全局广播站"——某个组件在上面"喊一声"（提供数据），树中任意深度的子组件都能"听到"（消费数据），而不需要中间每一层组件帮忙传话。

Python开发爬虫的常用技术架构爬虫, 是一种自动化程序, 它能用于浏览互联网上的网页, 还能依据一定规则自动抓取网页内容, 其主要功能是从一个起始网址, 或者多个起始网址开始, 借助解析网页内容找到新链接, 接着继续访问这些新链接, 以此遍历整个网站, 或者互联网的一部分, 它在搜索引擎、数据挖掘、信息检索等领域有着广泛应用。

【C++大型项目之高性能服务器框架 (七) 】Socket与ByteArray模块⭐️在这个怀疑的年代，我们依然需要信仰。个人主页：YYYing.⭐️C++大型项目系列专栏：C++大型项目之高性能服务器框架

【Java框架】知识点汇总Day7：Spring Boot +Vue（持续更新）Spring Boot + Vue前后端分离开发由原来的单体架构（前后端一起）变为前后端分离的架构前端一个服务：负责页面展示，用户交互，不需要进行业务逻辑处理，不需要访问数据库

【MindSpore】MindSpore 开源深度学习框架一句话理解：MindSpore 是华为推出的开源深度学习框架，类似于 PyTorch 和 TensorFlow，是用于开发、训练、优化和部署 AI 模型的工具框架，特别适配华为昇腾（Ascend）AI 计算生态。