当前位置：首页 > news >正文

【NLP 65、实践 ⑯ 基于Agent优化文章】

news 来源：原创 2025/8/10 23:07:21

羁绊由我而起，痛苦也由我承担

—— 25.4.18

一、⭐【核心函数】定义大模型调用函数 call_large_model

prompt：用户传入的提示词（如 “请分析这篇作文的主题”），指导模型执行任务

client：ZhipuAI客户端实例，用于发起 API 请求，api_key需从智谱 AI 官网申请

model：指定使用智谱 AI 的glm-3-turbo模型（支持对话式交互）。

messages：输入格式为列表，每个元素是包含role（角色，此处为user）和content（内容，即prompt）的字典，符合智谱 AI 对话模型的输入规范。

response：模型返回的原始响应。

response_text：提取第一个生成结果的文本内容。

ZhipuAI()：初始化智谱 AI（ZhipuAI）的客户端实例，用于与智谱 AI 的大模型服务进行交互，支持调用模型 API 发送请求并获取响应。

参数名	类型	是否必填	默认值	描述
`api_key`	字符串	是	无	智谱 AI 的 API 密钥，用于身份验证（需从智谱 AI 官网申请，示例中为占位符）

chat.completions.create()：调用智谱 AI 的大模型（如glm-3-turbo）生成响应，支持对话式交互，传入对话历史和提示词，获取模型的文本生成结果。

参数名	类型	是否必填	默认值	描述
`model`	字符串	是	无	指定使用的模型名称（如`glm-3-turbo`）
`messages`	列表 [字典]	是	无	对话历史列表，每个元素包含`role`（角色）和`content`（内容）
`temperature`	浮点型	否	`0.7`	控制生成文本的随机性（值越高越随机，范围：0-1）
`max_tokens`	整数	否	`1000`	生成文本的最大 tokens 数（控制输出长度）
`top_p`	浮点型	否	`1.0`	核采样参数，与`temperature`共同控制随机性

def call_large_model(prompt):client = ZhipuAI(api_key="填写你自己的智谱API")response = client.chat.completions.create(model="glm-3-turbo",messages=[{"role": "user", "content": prompt}])response_text = response.choices[0].message.contentreturn response_text

二、主题分析Agent `theme_analysis_agent`

article_text：待分析的文章原文

prompt_analysis：构造的提示词模板，包含：

指令："请分析并输出以下文章的主题"
输入内容：article_text

theme_analysis_result：主题分析结果的字符串

call_large_model()： 通用AI调用接口函数

def theme_analysis_agent(article_text):# 向大模型提问进行文章分析prompt_analysis = f"请分析并输出以下文章的主题：{article_text}"# 调用大模型接口，假设返回的结果是一个字典，包含结构和主题信息theme_analysis_result = call_large_model(prompt_analysis)return theme_analysis_result

三、语言优化Agent `language_optimization_agent`

article_text：待优化的文章原文

theme_analysis_result：主题分析结果的字符串

prompt_language：构造的提示词模板，包含：

指令：语法检查和优化建议
主题信息：theme_analysis_result
输入内容：article_text

language_optimization_suggestions：语言优化建议的字符串

call_large_model()： 通用AI调用接口函数

def language_optimization_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_language = f"请检查下面这篇文章中的语法错误和用词不当之处，并提出优化建议。建议要尽量简练，不超过100字。\n\n文章主题：{theme_analysis_result}\n\n文章内容：{article_text}"language_optimization_suggestions = call_large_model(prompt_language)return language_optimization_suggestions

四、内容丰富Agent `content_enrichment_agent`

article_text：待丰富的文章原文

theme_analysis_result：主题分析结果的字符串

prompt_content：构造的提示词模板，包含：

指令：扩展内容和改进建议
扩展方向示例：案例、数据等
输入内容：article_text + theme_analysis_result

content_enrichment_suggestions：内容增强建议的字符串

call_large_model()： 通用AI调用接口函数

def content_enrichment_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_content = f"请阅读下面这篇文章，根据主题为该文章提出可以进一步扩展和丰富的内容点或改进建议，比如添加案例、引用数据等。建议要尽量简练，不超过100字。\n\n文章主题：{theme_analysis_result}\n\n文章内容：{article_text}"content_enrichment_suggestions = call_large_model(prompt_content)return content_enrichment_suggestions

五、可读性评估 Agent `readability_evaluation_agent`

article_text：待优化的文章原文

theme_analysis_result：主题分析结果的字符串

prompt_readablility：构造的提示词模板，包含：

指令：评估段落/句子复杂度
优化方向：传播性建议
输入内容：article_text + theme_analysis_result

readability_evaluation_result： 可读性改进建议的字符串

call_large_model()： 通用AI调用接口函数

def readability_evaluation_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_readability = f"请阅读下面这篇文章，根据主题评估该文章的可读性，包括段落长度、句子复杂度等，提出一些有助于文章传播的改进建议。建议要尽量简练，不超过100字。\n\n文章主题：{theme_analysis_result}\n\n文章内容：{article_text}"readability_evaluation_result = call_large_model(prompt_readability)return readability_evaluation_result

六、综合优化Agent `comprehensive_optimization_agent`

article_text：文章原文

theme_analysis_result：主题分析结果

language_optimization_suggestions：语言优化建议

content_enrichment_suggestions：内容增强建议

readability_evaluation_result： 可读性改进建议

final_optimization_plan：构造的最终提示词模板，包含：

指令：整合所有建议重写文章
输入内容：原始文章 + 所有分析结果

final_optimization_result：最终优化后的完整文章

call_large_model()： 通用AI调用接口函数

def comprehensive_optimization_agent(article, theme_analysis_result, language_optimization_suggestions, content_enrichment_suggestions, readability_evaluation_result):# 合并结果的逻辑可以是将各个部分的建议整理成一个结构化的文档final_optimization_plan = f"请阅读下面这篇文章，以及若干个负责专项优化的agent给出的改进建议，重写这篇文章，提升文章的整体质量。\n\n文章原文:{article}\n\n文章主题分析：{theme_analysis_result}\n\n语言优化建议：{language_optimization_suggestions}\n\n内容丰富建议：{content_enrichment_suggestions}\n\n可读改进建议：{readability_evaluation_result}。\n\n优化后文章："final_optimization_result = call_large_model(final_optimization_plan)return final_optimization_result

七、完整代码

代码运行流程

┌─────────────────────────────┐
│         主程序启动           │
└──────────┬──────────────────┘│├─1. 加载文章数据│├─2. 初始化配置│└─3. 并行执行四大分析模块├─主题分析 Agent│    ├─构造Prompt│    ├─调用大模型│    └─输出主题分析结果│├─语言优化 Agent│    ├─构造Prompt│    ├─调用大模型│    └─输出优化建议│├─内容扩展 Agent│    ├─构造Prompt│    ├─调用大模型│    └─输出增强建议│└─可读性评估 Agent├─构造Prompt├─调用大模型└─输出可读性建议│└─4. 综合优化 Agent├─整合所有分析结果├─构造最终Prompt├─调用大模型重写└─生成最终优化方案│├─5. 存储JSON文件│└─6. 控制台输出

#coding:utf-8import os
import json
from zhipuai import ZhipuAI'''
利用agent思想优化文章
'''#pip install zhipuai
#https://open.bigmodel.cn/ 注册获取APIKey
def call_large_model(prompt):client = ZhipuAI(api_key="API Key") # 填写您自己的APIKeyresponse = client.chat.completions.create(model="glm-3-turbo",  # 填写需要调用的模型名称messages=[{"role": "user", "content": prompt},],)response_text = response.choices[0].message.contentreturn response_textdef theme_analysis_agent(article_text):# 向大模型提问进行文章分析prompt_analysis = f"请分析并输出以下文章的主题：{article_text}"# 调用大模型接口，假设返回的结果是一个字典，包含结构和主题信息theme_analysis_result = call_large_model(prompt_analysis)return theme_analysis_resultdef language_optimization_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_language = f"请检查下面这篇文章中的语法错误和用词不当之处，并提出优化建议。建议要尽量简练，不超过100字。\n\n文章主题：{theme_analysis_result}\n\n文章内容：{article_text}"language_optimization_suggestions = call_large_model(prompt_language)return language_optimization_suggestionsdef content_enrichment_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_content = f"请阅读下面这篇文章，根据主题为该文章提出可以进一步扩展和丰富的内容点或改进建议，比如添加案例、引用数据等。建议要尽量简练，不超过100字。\n\n文章主题：{theme_analysis_result}\n\n文章内容：{article_text}"content_enrichment_suggestions = call_large_model(prompt_content)return content_enrichment_suggestionsdef readability_evaluation_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_readability = f"请阅读下面这篇文章，根据主题评估该文章的可读性，包括段落长度、句子复杂度等，提出一些有助于文章传播的改进建议。建议要尽量简练，不超过100字。\n\n文章主题：{theme_analysis_result}\n\n文章内容：{article_text}"readability_evaluation_result = call_large_model(prompt_readability)return readability_evaluation_resultdef comprehensive_optimization_agent(article, theme_analysis_result, language_optimization_suggestions, content_enrichment_suggestions, readability_evaluation_result):# 合并结果的逻辑可以是将各个部分的建议整理成一个结构化的文档final_optimization_plan = f"请阅读下面这篇文章，以及若干个负责专项优化的agent给出的改进建议，重写这篇文章，提升文章的整体质量。\n\n文章原文:{article}\n\n文章主题分析：{theme_analysis_result}\n\n语言优化建议：{language_optimization_suggestions}\n\n内容丰富建议：{content_enrichment_suggestions}\n\n可读改进建议：{readability_evaluation_result}。\n\n优化后文章："final_optimization_result = call_large_model(final_optimization_plan)return final_optimization_resultarticle = """
2024年8月20日，国产游戏《黑神话：悟空》正式上线，迅速引发了全网的热议与追捧，其火爆程度令人惊叹。黑悟空之所以能如此之火，原因是多方面的。
从文化内涵来看，《黑神话：悟空》深深扎根于中国传统文化。《西游记》作为中国文学的经典之作，孙悟空更是家喻户晓的英雄形象，承载着无数国人的童年回忆和文化情感。该游戏以孙悟空为主角，让玩家能够在游戏中亲身扮演齐天大圣，体验其神通广大与英勇无畏，这种文化认同感和情感共鸣是黑悟空火爆的重要基础。它不仅仅是一款游戏，更像是一场文化的回归与盛宴，让玩家在游戏的世界里重新领略中国神话的魅力，使得传统文化以一种全新的、生动的方式呈现在大众面前。
在视觉呈现方面，黑悟空堪称一场视觉盛宴。制作团队不惜投入大量的时间和精力，运用先进的游戏制作技术，精心打造了美轮美奂的游戏画面。从细腻逼真的环境场景，到栩栩如生的角色形象，再到炫酷华丽的技能特效，每一个细节都展现出了极高的制作水准。无论是神秘奇幻的山林洞穴，还是气势恢宏的天庭宫殿，都仿佛让玩家身临其境，沉浸在一个充满想象力的神话世界之中。这种极致的视觉体验，极大地满足了玩家对于游戏画面品质的追求，也是吸引众多玩家的关键因素之一。
游戏品质上，黑悟空也达到了相当高的水平。它拥有丰富多样且极具挑战性的关卡设计，玩家需要运用智慧和技巧，不断探索、战斗，才能逐步推进游戏进程。角色的技能系统丰富且独特，玩家可以通过不同的技能组合，发挥出孙悟空的各种强大能力，增加了游戏的可玩性和策略性。同时，游戏的剧情紧凑且富有深度，在遵循原著故事框架的基础上，进行了大胆的创新和拓展，为玩家呈现了一个既熟悉又充满新鲜感的西游世界，让玩家在享受游戏乐趣的同时，也能感受到一个精彩绝伦的故事。
再者，宣传推广策略也为黑悟空的火爆添了一把柴。从 2020 年开始，制作方每年 8 月 20 日都会公开最新的实机视频，这些视频在网络上广泛传播，引发了大量关注和讨论，成功地为游戏上线预热造势。在社交媒体上，关于黑悟空的话题热度持续攀升，玩家们纷纷自发地宣传分享，形成了强大的传播效应。此外，针对海外市场，黑悟空也积极开展宣传活动，通过号召海外网友参与视频投稿、与博主合作推广等方式，有效地扩大了游戏在国际上的影响力。
《黑神话：悟空》的火爆并非偶然，而是其在文化内涵、视觉呈现、游戏品质以及宣传推广等多个方面共同发力的结果。它的成功，不仅为国产游戏树立了新的标杆，也证明了中国游戏产业在技术和创意上的巨大潜力。相信在黑悟空的带动下，未来会有更多优秀的国产游戏涌现，推动中国游戏产业不断向前发展，让中国的游戏文化在全球舞台上绽放更加耀眼的光芒。同时，黑悟空也为传统文化的传承与创新提供了新的思路和途径，让传统文化在现代社会中焕发出新的活力与生机。它不仅仅是一款游戏的成功，更是中国文化与现代科技融合发展的一个精彩范例，其影响力必将深远而持久。
"""theme_analysis_result = theme_analysis_agent(article)
language_optimization_suggestions = language_optimization_agent(article, theme_analysis_result)
content_enrichment_suggestions = content_enrichment_agent(article, theme_analysis_result)
readability_evaluation_result = readability_evaluation_agent(article, theme_analysis_result)
final_optimization_plan = comprehensive_optimization_agent(article, theme_analysis_result, language_optimization_suggestions, content_enrichment_suggestions, readability_evaluation_result)
results = {"主题分析结果": theme_analysis_result, "语言优化建议": language_optimization_suggestions, "内容丰富建议": content_enrichment_suggestions, "可读性评价结果": readability_evaluation_result, "最终优化方案": final_optimization_plan}
#存储json文件
with open('results.json', 'w', encoding='utf-8') as f:json.dump(results, f, ensure_ascii=False, indent=4)print(f"最终优化方案：{final_optimization_plan}")

【NLP 65、实践 ⑯ 基于Agent优化文章】

羁绊由我而起，痛苦也由我承担 —— 25.4.18 一、⭐【核心函数】定义大模型调用函数 call_large_model prompt：用户传入的提示词（如 “请分析这篇作文的主题”），指导模型执行任务 client：Zhipu…...

编程日记 2025/8/10 23:07:21

【Redis】从单机架构到分布式，回溯架构的成长设计美学

前言 🌟🌟本期讲解关于分布式架构的发展相关知识介绍~~~ 🌈感兴趣的小伙伴看一看小编主页：GGBondlctrl-CSDN博客 🔥 你的点赞就是小编不断更新的最大动力 🎆那么废…...

编程日记 2025/8/10 5:07:10

增量式PID基础解析与代码实例：温控系统

目录 1. 前言 2. 增量式PID控制的基本原理 2.1 PID控制的基本概念 2.2 增量式PID控制的特点 3. 增量式PID控制的Python实现：温控系统 3.1 构建增量式PID控制器 3.2 使用增量式PID控制器 3.3 运行模拟 3.4 完整代码 4. 参数调整与优化 4.1 参数选择 4.2…...

编程日记 2025/8/10 7:19:49

数据结构——栈以及相应的操作

栈(Stack) 在维基百科中是这样定义的： 堆栈(stack) 又称为栈或堆叠，是计算机科学中的一种抽象资料类型，只允许在有序的线性资料集合中的一端（称为堆栈顶端，top）进行加入数据（push）和…...

编程日记 2025/7/31 7:26:48

opencv 图像的旋转

图像的旋转 1 单点旋转2. 图片旋转（cv2.getRotationMatrix2D）3. 插值方法3.1 最近邻插值(cv2.INTER_NEAREST)3.2 双线性插值(cv2.INTER_LINEAR)3.3 像素区域插值（cv2.INTER_AREA）3.4 双三次插值（cv2.INTER_CUBIC&#…...

编程日记 2025/8/10 22:54:24

P3916 图的遍历

P3916 图的遍历题目来源-洛谷题意有向图中，找出每个节点能访问到的最大的节点思路每个节点的最大节点，不是最长距离，如果是每个节点都用dfs去找最大值，显然1e6*1e6 超时了，只能60分从第一个节点开始遍历&…...

编程日记 2025/8/10 23:03:17

Vue3 + Three.js 场景编辑器开发实践

文章目录前言项目背景与意义项目技术栈在线演示核心功能实现1. 智能化场景管理2. 专业级模型处理3. 可视化材质与照明4. 相机与渲染引擎5. 场景操作项目优势开发目标1. 几何模型和模型导入，场景新建按钮增加2. 提供场景内容的可视化编辑功能3. 渲染器场景&#xf…...

编程日记 2025/8/10 23:03:17

Vue3 本地打包启动白屏解决思路！! !

“为什么我访问 http://127.0.0.1:5501/index.html 白屏，删了 index.html 再访问 / 就又活过来了？” —— 你的项目与 SPA 路由的“宫斗大戏” 一、问题复现场景本地通过 VSCode Live Server（或其他静态服务器）启动了打包后的 V…...

编程日记 2025/8/8 4:29:57

Ubuntu 安装 Docker 教程（官方推荐方式）

✅ 步骤 1：卸载旧版本（如果有） for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done---### ✅ 步骤 2：更新 APT 索引并安装依赖项bash sudo a…...

编程日记 2025/8/10 23:01:10

<Button Content"显示隐藏" Click"operationDetails_Click" /> private void operationDetails_Click(object sender, RoutedEventArgs e) { 另一个控件的Name.Visibility 另一个控件的Name.Visibility Visibility.Visible ? Visibility.Col…...

编程日记 2025/8/10 23:00:46

RBAC的使用

1、简述RBAC的作用及工作流程 Rbac基于角色访问控制，用于管理用户对集群资源的访问权限，通过定义角色和绑定规则，将用户与权限进行关联，作用：权限精细化管理，操作便捷与统一管理，动态调整权限。…...

编程日记 2025/8/10 22:59:11

QML中的3D功能--模型导入与修改

在Qt 3D中导入和修改3D模型是开发3D应用程序的基础。以下是详细的流程和技术方案：一、模型导入基础 1. 支持的文件格式 Qt 3D支持多种3D模型格式： OBJ (Wavefront) FBX (Autodesk) DAE (Collada) GLTF/GLB (推荐格式) STL (3D打印格式) 2. 基本导入方法 qml import Qt3…...

编程日记 2025/8/5 4:22:52

树莓派超全系列教程文档--(33)树莓派启动选项

树莓派启动选项启动选项start_file ，fixup_filecmdlinekernelarm_64bitramfsfileramfsaddrinitramfsauto_initramfsdisable_poe_fandisable_splashenable_uartforce_eeprom_reados_prefixotg_mode （仅限Raspberry Pi 4）overlay_prefix配置属…...

编程日记 2025/8/10 1:09:17

dotnet core webapi 实现异常处理中间件

目录第一步：创建异常处理中间件类（自定义响应格式） 第二步：在 Program.cs 中使用中间件三、效果第一步：创建异常处理中间件类（自定义响应格式） public static class ExceptionMiddleware…...

编程日记 2025/8/8 17:51:32

实现Azure Function安全地请求企业内部API返回数据

需要编写一个Function在Azure云上运行，它需要访问企业内部的API获取JSON格式的数据，企业有网关和防火墙，API有公司的okta身份认证，通过公司的域账号来授权访问，现在需要创建一个专用的域账号，让Function访问…...

编程日记 2025/8/8 18:39:14

实现Azure Databricks安全地请求企业内部API返回数据

需要编写一个Databricks在Azure云上运行，它需要访问企业内部的API获取JSON格式的数据，企业有网关和防火墙，API有公司的okta身份认证，通过公司的域账号来授权访问，现在需要创建一个专用的域账号，让Databrick…...

编程日记 2025/7/31 7:26:24

结合建筑业务讲述TOGAF标准处理哪种架构

TOGAF标准处理哪种架构内容介绍业务架构业务策略，治理，组织和关键业务流程数据架构组织的逻辑和物理数据资产以及数据管理资源的结构应用架构待部署的各个应用程序，它们之间的交互以及与组织核心业务流程的关系的蓝图技术架构支持业务&#…...

编程日记 2025/8/5 1:20:54

深度学习--卷积神经网络CNN原理

文章目录一、CNN图像原理1、了解CNN如何处理图像二、CNN图像识别1、画面不变性2、主要表现1）平移不变性2）尺度不变性3）旋转不变性 3、传统神经网络1）数据预处理2）特征提取3）搭建神经网络模型4&#xff09…...

编程日记 2025/8/10 10:32:01

PostgreSQL 常用客户端工具

PostgreSQL 常用客户端工具 PostgreSQL 拥有丰富的客户端工具生态系统，以下是各类常用工具的详细分类和介绍： 一图形化客户端工具 1.1 跨平台工具工具名称特点适用场景许可证pgAdmin官方出品，功能全面开发/运维PostgreSQLDBeaver支持多…...

编程日记 2025/8/9 18:48:50

PostgreSQL数据库yum方式安装详解

PostgreSQL数据库yum方式安装 1. 基础环境配置2. 前期安装准备3. 软件安装3.1 YUM方式安装（PG 13）3.1.1 安装rpm仓库3.1.2 安装软件包PG133.1.3 初始化数据库3.1.4 启动数据库3.1.5 开机自启动3.1.6 编辑环境变量 4. 安装后配置 1. 基础环境配置 2. 前期…...

编程日记 2025/8/8 16:38:05

浅析vue2和vue3的区别

以下是 Vue 2 和 Vue 3 的主要区别：一、核心特性 1. 响应式机制 Vue 2：基于 Object.defineProperty 实现响应式。无法检测对象属性的新增和删除，需要使用 Vue.set 或 $set。Vue 3：使用 Proxy 替代 Object.defineProperty。能够直接检测对象属性的新增和删除，无需额外方…...

编程日记 2025/8/4 1:54:14

【Linux我做主】make和makefile自动化构建

make和makefile自动化构建 make和makefile自动化构建github地址前言背景介绍为什么需要make和makefile？ make和makefile解析什么是make和makefile依赖关系和依赖方法核心语法结构简单演示编译清理多阶段编译示例 make时执行的顺序场景1：clean目标在前(特…...

编程日记 2025/8/4 23:32:04

spring boot应用部署IIS

Windows IIS 部署 Spring Boot 应用详细指南本文档提供了在 Windows Server 上使用 IIS 部署 Spring Boot 应用的完整步骤和最佳实践。目录概述前期准备Spring Boot 应用准备安装配置必要组件配置 IIS 站点配置反向代理配置 Windows 服务配置应用自启动HTTPS 配置日志配置…...

编程日记 2025/8/6 18:30:01

Linux系统之部署TestNet资产管理系统

Linux系统之部署TestNet资产管理系统一、TestNet 介绍1.1 TestNet简介1.2 主要特点1.3 主要使用场景二、本次实践规划2.1 本地环境规划2.2 本次实践介绍三、本地环境检查3.1 检查Docker服务状态3.2 检查Docker版本3.3 检查docker compose 版本四、部署TestNet系统4.1 下载T…...

编程日记 2025/8/5 4:47:20

@EnableAsync+@Async源码学习笔记之六

接上文，我们本文分析 AsyncExecutionAspectSupport 的源码： package org.springframework.aop.interceptor;import java.lang.reflect.Method; import java.util.Map; import java.util.concurrent.Callable; import java.util.concurrent.CompletableFu…...

编程日记 2025/8/8 1:20:12

SQL系列：常用函数

1、【MySQL】合并字段函数（列转行） 它可以将两个字段中的数据合并到一个字段中。 1）CONCAT函数 CONCAT函数可以将多个字段中的数据合并到一个字段中。它的语法格式如下： SELECT CONCAT(字段1,字段2,...字段N) FROM 表名;SELEC…...

编程日记 2025/8/5 1:12:40

Git 中修改某个特定的commit提交内容

在 Git 中修改某个特定的提交（commit）通常需要使用交互式变基（Interactive Rebase） 或修改提交（Commit Amend）。以下是不同场景下的具体操作步骤： 一、修改最近的提交（最新提交&am…...

编程日记 2025/8/5 1:33:47

FHS --- linux目录结构（部分目录解释）

根目录（/） 的意义和内容 ： 根目录是整个系统最重要的一个目录，因为不但所有的目录都是由根目录衍生出来的，同时根目录也与开机/还原/系统修复等动作有关。由于系统开机时需要特定的开机软件、核心档案、开机所需程序…...

编程日记 2025/8/6 2:25:06

不带无线网卡的Linux开发板上网方法

I.MX6ULL通过网线上网设置WLAN共享修改开发板的IP 在使用I.MX6ULL-MINI开发板学习Linux的时候，有时需要更新或者下载一些资源包，但是开发板本身是不带无线网卡或者WIFI芯片的，尝试使用网口连接笔记本，笔记本通过无线网卡连接WIFI…...

编程日记 2025/7/31 7:25:59

图书管理系统C语言

图书管理系统C语言代码示例。该系统可以实现图书信息（包含图书编号、书名、作者、出版社、价格、库存数量）的录入、显示、查询、修改、删除等功能，还具备一定的错误处理和输入验证。 #include <stdio.h> #include <stdlib.h> …...

编程日记 2025/8/6 9:01:25

关于大型语言模型的“生物学”

我知道我们已经聊过很多次，关于LLM是怎么运作的，它们的影响力，还有它们的使用场景。但尽管现在有那么多讲LLM的文章，它们本质上还是个黑箱。但我们真正要问自己的问题是，为什么理解这些系统的内部结构很重要&#xf…...

编程日记 2025/8/5 13:43:34

图像预处理-图像边缘检测(流程)

一.高斯滤波因为图像边缘检测就是把像素值有差异的地方提取出来，所以噪声会有很大影响，因此需要对图像进行平滑处理，高斯滤波是流程中常用的方法。二.计算图像的梯度与方向过程中通常使用sobel算子进行梯度计算，在OpenCV中&am…...

编程日记 2025/8/8 18:18:03

解锁思想道德修养的奥秘：用思维导图开启智慧之旅

在我们的成长过程中，思想道德修养如同基石，奠定了我们为人处世、面对生活挑战的基本态度和准则。而如何高效地梳理和掌握思想道德修养的丰富内容呢？思维导图这一强大工具为我们提供了独特视角和便捷途径。思想道德修养的关键板块道德理论…...

编程日记 2025/8/7 9:21:52

swagger的简介及使用方法

Swagger 是一个用于描述、生成、文档化和测试 RESTful API 的开源工具集。它可以自动生成 API 文档，帮助开发者理解和使用 API。Swagger 由 Swagger.io 提供，并已经发展成了一套广泛应用于 API 设计和文档的标准。 Swagger 项目的历史可以追溯到 2010 年…...

编程日记 2025/8/8 14:13:16

解决Ubuntu图形化界面操作适配问题

1 缘起使用Ubuntu GNOME图形化系统作为开发机， 遇到与Windows操作不一致的地方，比如PyCharm、IntelliJ时无法正确代码跳转， 如CtrlAltLeft，CtrlAltRight无法正常在代码级别跳转，只能在文件级别跳转。基于这个开端&a…...

编程日记 2025/7/31 8:51:00

End-to-End从混沌到秩序：基于LLM的Pipeline将非结构化数据转化为知识图谱

摘要：本文介绍了一种将非结构化数据转换为知识图谱的端到端方法。通过使用大型语言模型（LLM）和一系列数据处理技术，我们能够从原始文本中自动提取结构化的知识。这一过程包括文本分块、LLM 提示设计、三元组提取、归一化与去重，最终利用 NetworkX 和 ipycytoscape 构建并可…...

编程日记 2025/8/10 9:03:07

使用Ingress发布应用程序

使用Ingress发布应用程序文章目录使用Ingress发布应用程序[toc]一、什么是Ingress二、定义Ingress三、什么是Ingress控制器四、部署nginx Ingress控制器1.了解nginx Ingress控制器的部署方式2.安装nginx Ingress控制器3.本地实际测试五、使用Ingress对外发布应用程序1.使用D…...

编程日记 2025/8/4 13:10:02

llama-factory微调报错：

报错信息 [INFO] [utils.py:789:see_memory_usage] CPU Virtual Memory: used 81.51 GB, percent 64.9% W0419 10:14:27.573000 108354 site-packages/torch/distributed/elastic/multiprocessing/api.py:897] Sending process 108373 closing signal SIGTERM W0419 10:14:27…...

编程日记 2025/8/5 4:13:54

一、⭐【核心函数】定义大模型调用函数 call_large_model

二、主题分析Agent theme_analysis_agent

三、语言优化Agent language_optimization_agent

四、内容丰富Agent content_enrichment_agent

五、可读性评估 Agent readability_evaluation_agent

六、综合优化Agent comprehensive_optimization_agent

七、完整代码

代码运行流程

相关文章：

二、主题分析Agent `theme_analysis_agent`

三、语言优化Agent `language_optimization_agent`

四、内容丰富Agent `content_enrichment_agent`

五、可读性评估 Agent `readability_evaluation_agent`

六、综合优化Agent `comprehensive_optimization_agent`