当前位置：首页 > news >正文

快速上手大模型的对话生成

news 来源：原创 2025/7/14 5:45:45

本项目使用0.5B小模型，结构和大模型别无二致，以方便在如CPU设备上快速学习和上手大模型的对话上传

1. 加载模型

使用了 transformers 库来加载一个预训练的语言模型和对应的分词器：

使用 AutoModelForCausalLM.from_pretrained 方法加载预训练的语言模型，自动选择合适的设备和数据类型。
使用 AutoTokenizer.from_pretrained 方法加载与模型对应的分词器。

from transformers import AutoModelForCausalLM, AutoTokenizermodel_name = "Qwen/Qwen2.5-0.5B-Instruct"model = AutoModelForCausalLM.from_pretrained(model_name,torch_dtype="auto",device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

2. 加载分词器

这段代码用于生成对话，定义了一个提示和消息列表：

prompt = "Give me a short introduction to large language model."
messages = [{"role": "system", "content": "You are Qwen, created by Alibaba Cloud. You are a helpful assistant."},{"role": "user", "content": prompt}
]

上面这种格式，是当前许多大型语言模型（LLM）采用的对话式交互格式。具体来说，这种格式通常包含多个消息，每条消息都有一个 role（角色）和 content（内容）
大型科技公司（如OpenAI、Google、Meta等）推出的对话式API普遍采用这种消息列表的格式

prompt 是用户输入的提示。
messages 是一个包含对话历史的列表，每个元素是一个字典，包含两个字段：
- role：消息的角色，可以是 system 或 user。
  - system（系统）：用于设置对话的基调、规则或角色。例如，定义助手的身份、行为准则等。
  - user（用户）：表示用户输入的问题或请求。
  - assistant（助手）：表示模型生成的回复内容。
- content：消息的内容。

text = tokenizer.apply_chat_template(messages,tokenize=False,add_generation_prompt=True
)
# 输出：
# <|im_start|>system
# You are Qwen, created by Alibaba Cloud. You are a helpful assistant.<|im_end|>
# <|im_start|>user
# 请介绍一下iPhone<|im_end|>
# <|im_start|>assistant

tokenizer.apply_chat_template 方法的主要功能是将结构化的 messages 列表转换为模型可以理解和处理的特定文本格式
模型可以理解处理的格式使用了特殊的控制标记（如 <|im_start|> 和 <|im_end|>）

model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
# 输出：
# {'input_ids': tensor([[151644,   8948,    198,   2610,    525,   1207,  16948,     11,   3465,
#             553,  54364,  14817,     13,   1446,    525,    264,  10950,  17847,
#              13, 151645,    198, 151644,    872,    198,  35127,    752,    264,
#            2805,  16800,    311,   3460,   4128,   1614,     13, 151645,    198,
#          151644,  77091,    198]], device='mps:0'), 'attention_mask': tensor([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
#          1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]], device='mps:0')}

tokenizer 对文本进行编码，通常会将文本分割成单词或子词单元
[text]: tokenizer 通常期望输入是一个批次的文本（即使只有一个文本，也需要放入列表中）
return_tensors="pt": 返回 PyTorch 张量
model_inputs 是模型的输入，通常是一个字典，包含 input_ids 和 attention_mask 两个字段
- input_ids: 一个整数张量，表示文本被分词后对应的 token ID 序列
- attention_mask: 01表示，用于指示哪些 token 是实际文本，哪些是填充部分（padding）

3. 生成对话

generated_ids = model.generate(**model_inputs,max_new_tokens=512
)
# print(generated_ids)
# 输出：
# tensor([[151644,   8948,    198,   2610,    525,   1207,  16948,     11,   3465,
#             553,  54364,  14817,     13,   1446,    525,    264,  10950,  17847,
#              13, 151645,    198, 151644,    872,    198,  35127,    752,    264,
#            2805,  16800,    311,   3460,   4128,   1614,     13, 151645,    198,
#          151644,  77091,    198,  34253,   4128,   4119,    320,   4086,  21634,
#               8,    525,  20443,  11229,   5942,    429,    646,   6923,   3738,
#           12681,   1467,    389,    862,   1828,     13,   4220,   4119,    525,
#            6188,    311,  55359,    279,  23094,    323,  24177,    315,   5810,
#            4128,   8692,     11,  10693,   1105,    311,   3535,     11,  14198,
#              11,    323,   6923,   3738,   4128,    304,   5257,  37597,     13,
#             444,  10994,     82,    614,   1012,   6839,    311,    387,   7373,
#             304,    264,   6884,   2088,    315,   8357,     11,   2670,   5662,
#           14468,     11,   6236,  61905,     11,  28285,   2022,     11,    323,
#            3405,     12,    596,     86,   4671,   9079,     13,   2379,    646,
#            1882,  12767,  14713,    315,    821,   6157,    323,  29720,     11,
#            3259,   1105,  14452,    369,    264,   8045,    315,   1931,  30084,
#             990,   5048,   1380,   1467,   9471,    374,   2567,     13, 151645]],
#        device='mps:0')

model.generate: 生成新的文本，根据输入的 model_inputs，逐步预测下一个 token，直到达到指定的生成长度或遇到停止条件
**model_inputs: 这是 Python 的语法，表示将字典 model_inputs 解包为关键字参数。例如，如果 model_inputs = {'input_ids': tensor, 'attention_mask': tensor}，那么 **model_inputs 相当于 input_ids=tensor, attention_mask=tensor

generated_ids = [output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]
print(generated_ids)
# [tensor([   315,  22870,    323,   3410,  14507,    429,  15148,  55359,   3738,
#           8806,  12624,    382,   9485,   4119,    525,   6188,    311,    387,
#          31945,    323,  93748,     11,   2952,    311,   3705,    264,   6884,
#           2088,    315,   9079,   2670,   1467,   9471,     11,  28285,   2022,
#             11,   3405,     12,    596,     86,   4671,     11,    323,   1496,
#           4378,     13,   2379,    614,   1012,   1483,    304,   5257,   8357,
#           1741,    438,   4108,  56519,     11,   6236,  61905,     11,    323,
#           4128,  14468,   5942,    382,   3966,    315,    279,   1376,   4419,
#            315,    444,  10994,     82,    374,    862,   5726,    311,   3960,
#            504,   3139,    916,    882,     11,    892,   6147,   1105,    311,
#           7269,    862,   5068,    448,  11504,  14338,    311,    501,    821,
#             13,   1096,   3643,   1105,   7945,   5390,    369,   8357,   1380,
#          13403,    323,  40861,    525,   9023,     11,   1741,    438,    304,
#           6002,   2473,    476,   6457,  22982,    382,  27489,     11,   3460,
#           4128,   4119,   4009,    264,   5089,  49825,    304,  15235,   5440,
#             11,  10004,   7988,   7375,    369,  23163,   3738,  12681,  14507,
#            323,   5006,   1095,   6351,   9079,   1526,   5662,   6832,  25185,
#             13, 151645])]# 相当于：
# 初始化一个空列表，用于存储结果
generated_ids_only = []# 遍历每一对 (input_ids, output_ids)
for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids):# 去掉输入部分，只保留生成部分generated_part = output_ids[len(input_ids):]# 将结果添加到列表中generated_ids_only.append(generated_part)# 最终结果
generated_ids = generated_ids_only
print(generated_ids_only)

这行代码的作用是从模型生成的完整 token ID 序列中，去掉输入部分，只保留生成部分
这么复杂的写法是为了处理批量数据（即多个输入和生成序列）

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

将 token ID 序列解码为可读的文本。
skip_special_tokens=True 表示跳过特殊 token（如 <|im_start|>、<|im_end|> 等），只保留实际文本。
[0]: 因为 batch_decode 返回的是一个列表（即使只有一个序列），所以需要通过 [0] 取出第一个元素。

如果不去掉输入部分，直接解码会得到：

# 如果不经过这步的处理直接返回是：
# system
# You are Qwen, created by Alibaba Cloud. You are a helpful assistant.
# user
# Give me a short introduction to large language model.
# assistant
# A large language model (LLM) is a type of artificial intelligence that can produce human-like text based on input data. These models use massive amounts of raw text and other types of knowledge to generate coherent and natural-sounding output. LLMs are used in a wide range of applications such as chatbots, virtual assistants, machine translation, and more. They have the ability to learn from vast amounts of data and improve their performance over time.

参考

【通义千问2.0】微调之SFT训练 https://www.bilibili.com/video/BV1JLt2e4EKj
QwenLM/Qwen2.5-README.md https://github.com/QwenLM/Qwen2.5/blob/a7b515534d739f6ebb66c5fe2595862ad7118edb/README.md
Qwen/Qwen2.5-0.5B-Instruct https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct

快速上手大模型的对话生成

本项目使用0.5B小模型，结构和大模型别无二致，以方便在如CPU设备上快速学习和上手大模型的对话上传 #mermaid-svg-Z86hUiQZ0hg9BVji {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-Z86hUiQZ0h…...

编程日记 2025/7/14 5:45:45

SpringCloud(一)--SpringCloud简介

一. 引言在微服务架构日益盛行的今天，Spring Cloud凭借其简单易用、功能强大的特性，成为了众多开发者的首选。本文仅为学习所用，联系侵删。二. SpringCloud概述 2.1 定义 Spring Cloud是一系列框架的有序集合，它巧妙地…...

编程日记 2025/7/8 19:18:15

常见的 Redis 面试题

1. Redis 是什么？它解决了哪些问题？ Redis 是一个开源的内存数据结构存储系统，可以用作数据库、缓存和消息中间件。它主要用于解耦应用程序的不同组件或服务，支持高吞吐量和低延迟的消息传递。解决了系统之间的同步调用导致的性能…...

编程日记 2025/7/14 14:34:59

面试准备备备备

职业技能放到简历的黄金位置（HR刷选简历的重要参考） 基本准则：写在简历上的必须能聊，不然就别写参考公式：职业技能必要技术其他技术针对性的引导面试官（让他问一些你想让他问的） 寻找合…...

编程日记 2025/7/14 13:34:54

GeoIP + Nginx：实现网站的地域访问控制

1. 引言在全球化的互联网环境中，地域访问控制已成为许多企业和个人网站管理的重要需求。通过限制特定地区的访问，网站管理员可以保护资源、提高安全性并优化用户体验。本文将介绍如何使用GeoIP和Nginx实现地域访问控制，并提供两种情况的详细…...

编程日记 2025/7/13 9:09:28

打造三甲医院人工智能矩阵新引擎（一）：文本大模型篇--基于GPT-4o的探索

一、引言当今时代，人工智能技术正以前所未有的速度蓬勃发展，深刻且广泛地渗透至各个领域，医疗行业更是这场变革的前沿阵地。在人口老龄化加剧、慢性疾病患病率上升以及人们对健康需求日益增长的大背景下，三甲医院作为医疗体系的核…...

编程日记 2025/7/14 14:45:46

算法题之将列表的数据复制到另一个列表中

方法一：for循环遍历list1中的每个元素append方法将元素逐个添加到list2列表中 list1 [‘q’,‘efe’,‘reb’,‘yhh’,2]list2 []for i in list1:list2.append(i) print(list2) 方法二：python列表自带copy方法，调用copy方法可以得到原列表的…...

编程日记 2025/7/14 14:20:51

Docker图形化界面工具Portainer最佳实践

前言安装Portainer 实践-基于Portainer安装redis-sentinel部署 Spring Boot集成Redis Sentinel 前言本篇文章笔者推荐一个笔者最常用的docker图形化管理工具——Portainer。安装Portainer 编写docker-compose文件 Portainer部署的步骤比较简单，我们还是以…...

编程日记 2025/7/13 23:02:06

在Linux上获取MS（如Media Server）中的RTP流并录制为双轨PCM格式的WAV文件

在Linux上获取MS（如Media Server）中的RTP流并录制为双轨PCM格式的WAV文件一、RTP流与WAV文件格式二、实现步骤三、伪代码示例四、C语言示例代码五、关键点说明六、总结在Linux操作系统上，从媒体服务器（如Media Server，简称MS）获取RTP（Real-time Transport Protocol）流…...

编程日记 2025/7/14 14:36:49

栈及栈的操作

栈及栈的操作栈结构栈是一种只能在一端进行插入或删除操作的数据结构。栈有两个基本的操作:入栈和出栈。入栈:将一个新的元素放到栈顶。出栈:从栈顶取出一个元素。栈顶的元素总是最后入栈，需要出栈时，又最先被从栈中取出。栈的操作规则:LIFO(Last…...

编程日记 2025/7/13 21:30:11

utils.py ultralytics\nn\modules\utils.py 目录 utils.py 1.所需的库和模块 2.def _get_clones(module, n): 3.def bias_init_with_prob(prior_prob0.01): 4.def linear_init(module): 5.def inverse_sigmoid(x, eps1e-5): 6.def multi_scale_deformable_attn_py…...

编程日记 2025/7/14 1:59:53

JDK8源码分析Jdk动态代理底层原理

本文侧重分析JDK8中jdk动态代理的源码，若是想看JDK17源码分析可以看我的这一篇文章 JDK17源码分析Jdk动态代理底层原理-CSDN博客两者之间有着略微的差别，JDK17在JDK8上改进了不少目录源码分析过程生成的代理类大致结构本文侧重分析JDK8中jdk…...

编程日记 2025/7/14 14:23:28

springboot配置并使用RestTemplate

目录一、RestTemplate配置 1、将RestTemplate初始化为Bean 2、使用HttpClient作为RestTemplate客户端 （1）引入HttpClient依赖 （2）修改RestTemplate配置类 3、设置拦截器 （1）新增拦截器类 &#xf…...

编程日记 2025/7/14 13:34:07

【MySQL关于数据库和表结构的增删查改】

数据库和表结构的基本语法数据库命令关于字符集语法表操作语法创建表查看表结构修改表修改表名增加字段同时修改字段名和字段数据类型仅修改字段数据类型删除字段删除表备份和恢复备份恢复 mysql -h 127.0.0.1 -P 3306 -u root -p mysql -u root -h 和 -p 默认进入MySQL程…...

编程日记 2025/7/14 14:17:13

Linux 服务器启用 DNS 加密

DNS 加密的常用协议包括 DNS over HTTPS (DoH)、DNS over TLS (DoT) 和 DNSCrypt。以下是实现这些加密的步骤和工具建议： 1. 使用 DoH (DNS over HTTPS) 工具推荐： cloudflared（Cloudflare 提供的客户端）doh-client（…...

编程日记 2025/7/13 1:13:37

2025年，测试技能支棱起来。

你是否曾为提升自己的测试技能而烦恼？在这个日新月异的技术时代，2025年已经悄然而至，软件测试行业的需求和挑战也在不断变化。那么，如何在这个竞争激烈的环境中脱颖而出，成为一名更加优秀的测试工程师呢？ …...

编程日记 2025/7/10 23:42:07

HTML5实现好看的二十四节气网页源码

HTML5实现好看的新年春节元旦网站源码前言一、设计来源1.1 主界面1.2 关于我们界面1.3 春季节气界面1.4 夏季节气界面1.5 秋季节气界面1.6 冬季节气界面二、效果和源码2.1 动态效果2.2 源代码源码下载结束语 HTML5实现好看的二十四节气网页源码，春季节气&#xf…...

编程日记 2025/7/10 18:01:08

每天你好20250103（距离春节26天！！！）

亲爱的朋友们，大家早上好！ 🌞 今天是 1 月 3 日，星期五，2025 年的第三天，同时也是第 1 周的第五天，农历乙巳[蛇]年十一月十四日。祥龙辞岁去，瑞蛇迎春来，在这曙光初照的…...

编程日记 2025/7/10 4:34:40

【音频伴奏分离】UVR5软件介绍

Ultimate Vocal Remover 5 (UVR5) 是一款功能强大的AI人声伴奏音频分离软件，它能够利用深度学习模型从音频文件中分离出人声和伴奏。UVR5在音乐制作、音频编辑、学习等多种场景中都非常有用。以下是UVR5的一些主要特点和使用方法： 主要特点：…...

编程日记 2025/7/9 0:03:38

安卓触摸事件的传递

setOnTouchListener()返回值的副作用（触摸事件是否继续往下或往后传递）如下： 返回值效果是否往下层view传递是否往当前view的后续监听传递true该pointer离开屏幕前的后续所有触摸事件都会传递给该TouchListener否否false该pointer离开屏幕前…...

编程日记 2025/7/9 7:42:32

51c视觉~合集40

我自己的原文哦~ https://blog.51cto.com/whaosoft/12951385 #SparX 港大提出SparX：强化Vision Mamba和Transformer的稀疏跳跃连接机制本文分享香港大学计算和数据科学学院俞益洲教授及其研究团队发表于 AAAI 2025 的论文——SparX，一种强化 Visio…...

编程日记 2025/7/12 18:03:45

25年1月更新。一图流Windows 上搭建 Python 开发环境：Python + PyCharm 安装全攻略（文中有安装包不用官网下载）

引言随着 Python 在数据科学、Web 开发、自动化脚本等多个领域的广泛应用，越来越多的开发者选择它作为首选编程语言。而 PyCharm 作为一个功能强大的集成开发环境（IDE），为 Python 开发者提供了极大的便利。本文将详细介绍如何在 …...

编程日记 2025/7/13 17:55:30

C# 设计模式的六大原则（SOLID）

C# 设计模式的六大原则（SOLID） 引言在面向对象编程中，设计模式提供了高效、可复用和可维护的代码结构。SOLID原则是软件设计中的一组重要原则，用于确保代码具有良好的可维护性、可扩展性和灵活性。SOLID是五个设计原则的首字母…...

编程日记 2025/7/13 23:32:21

MQ-导读

什么是MQ？ MQ是一款消息中间件，通常被称为"消息队列",用于分布式架构中上下文的异步通信。举个例子就拿登录来说，用户在登录的时候需要去进行一些其他的操作，比如风控、短信、记录日志，如果采用同步的方式…...

编程日记 2025/7/13 23:41:49

Spring MVC的@ResponseBody与@RequestBody

ResponseBody注解用于将Controller的方法返回的对象，通过springmvc提供的HttpMessageConverter接口转换为指定格式的数据如：json,xml等，通过Response响应给客户端。 RequestBody注解用于读取http请求的内容(字符串)，通过springmv…...

编程日记 2025/7/11 13:55:27

常见硬件及其对应的驱动模块列表

常见硬件及其对应的驱动模块列表 1. 电机类硬件设备驱动模块功能步进电机ULN2003、A4988、DRV8825提供电流和电压，控制步进和方向直流电机L298N、L293D、TB6612FNG提供双向电流控制，实现正反转和调速伺服电机无（直接 PWM 控制）控…...

编程日记 2025/7/9 23:51:35

IDEA开发Java应用的初始化设置

一、插件安装如下图所示： 1、Alibaba Java Coding Guidelines 2.1.1 阿里开发者规范，可以帮忙本地自动扫描出不符合开发者规范的代码，甚至是代码漏洞提示。右击项目，选择《编码规约扫描》，可以进行本地代码规范扫…...

编程日记 2025/7/11 13:55:20

系统架构师考试-ABSD基于架构的设计方法

概念 ABSD是体系结构驱动，是指构成体系结构的软件构件和类的组合驱动的。 ABSD强调由商业、质量和功能需求的组合驱动软件架构设计。使用ABSD方法，设计活动可以从项目总体功能框架明确就开始，并且设计活动的开始并不意味着需求抽取和分析活…...

编程日记 2025/7/9 1:20:09

Node.js入门html,css,js 30年了nodejs环境 09年出现 15

Node.js入门 html,css,js 30年了 nodejs环境 09年出现 15年 nodejs为我们解决了2个方面的问题： 【锦上添花】让我们前端工程师拥有了后端开发能力（开接口，访问数据库） - 大公司BFF（50）【✔️】前端工程…...

编程日记 2025/7/10 18:32:37

2025跨年倒计时

<!DOCTYPE html> <html lang"zh"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>2025年跨年倒计时</title><style>/* 页…...

编程日记 2025/7/12 15:28:32

淘宝京东电商商品SKU信息抓取API测试实战指南

在电商平台的商品管理中，SKU（Stock Keeping Unit，库存单位）信息扮演着至关重要的角色。它不仅关乎商品的库存管理，还直接影响到消费者的购买决策。为了高效地获取并验证电商平台（如淘宝、京东）上…...

编程日记 2025/7/13 5:35:45

SAP财务凭证的更改、冲销的方式

文章目录一、财务凭证更改二、财务凭证冲销【SAP系统研究】 #SAP #FICO #SAP财务一、财务凭证更改 （1）已经过账的财务凭证 FB02：过完帐的允许更改的地方有限，只有凭证抬头文本、参照、分配、文本、原因代码等。 &#xff0…...

编程日记 2025/7/9 10:31:03

RepPoints: Point Set Representation for Object Detection

CornerNet论文阅读整理-CSDN博客可变形卷积(Deformable Conv)原理解析与torch代码实现-CSDN博客 RepPoints(本质是可变形卷积DCN)再理解-CSDN博客简介： 时间：2019 会议：ICCV 作者：Ze Yang，Shaohui Liu&#xff0c…...

编程日记 2025/7/13 8:42:33

高效使用AI完成编程项目任务的指南：从需求分析到功能实现

随着人工智能工具的普及，即便是零编程基础或基础薄弱的用户，也可以借助AI完成许多技术任务。然而，要高效地使用AI完成编程任务，关键在于如何清晰表达需求，并逐步引导AI实现目标。在本文中，我们将通过开发…...

编程日记 2025/7/6 21:37:12

Linux命令——RPM与yum

文章目录一、RPM包命令1.安装和升级包2.删除包3.查询包信息4.验证和检查5.其他操作二、yum安装器1.安装包2.更新包3.卸载包4.查询和搜索5.清理缓存6.其他操作一、RPM包命令 1.安装和升级包命令解释rpm -ivh package.rpm安装一个 RPM 包，显示详细信息和进度条r…...

编程日记 2025/7/12 19:03:07

C++软件设计模式之责任链模式

责任链模式的动机与意图动机： 在软件开发中，经常会遇到需要处理一系列请求或事件的情况。这些请求可能需要经过多个处理对象，每个对象根据其职责决定是否处理请求或将其传递给下一个对象。责任链模式（Chain of Responsibility P…...

编程日记 2025/7/14 6:58:24

Spring Cloud Security集成JWT 快速入门Demo

一、介绍 JWT (JSON Web Token) 是一种带有绑实和信息的简单标准化机制，在信息通信中用于验证和信息传递。尤其在应用中使用Spring Cloud实现分布式构建时，JWT可以作为一种无状态验证原理的证明。本文将进一步描述如何在Spring Cloud Security中集成JW…...

编程日记 2025/7/13 11:36:23

Python 爬虫

一、创建项目 1.双击打开pycharm，点击新建项目 2.项目设置- 勾选[继承全局站点软件包]- 勾选[可用于所有项目]- 取消勾选[创建main.py欢迎脚本]- 点击创建 3.项目名称右键--新建--python文件 4.输入文件名--回车二、编辑代码 # 导入请求模块 import requests # 如…...

编程日记 2025/7/10 23:56:15

【PCIe 总线及设备入门学习专栏 4.1 -- PCI 总线的地址空间分配】

文章目录 Overview 本文转自：https://blog.chinaaet.com/justlxy/p/5100053219 Overview PCI 总线具有32位数据/地址复用总线，所以其存储地址空间为 2324GB。也就是PCI上的所有设备共同映射到这4GB上，每个PCI设备占用唯一的一段PCI地址&…...

编程日记 2025/7/13 8:21:31

虚拟电厂搭建指南：绿虫仿真设计软件的助力

在虚拟电厂的搭建中，绿虫仿真设计软件起着重要作用。绿虫光伏仿真软件是一款综合性辅助工具，能为虚拟电厂中的光伏项目提供精准数据支持。它所提供的项目选址地气象数据，涵盖海拔、辐照、风速、温度等，数据源为 Meteonorm &…...

编程日记 2025/7/9 4:59:12

开源漏洞管理工具--Faraday

前言在现代安全领域，面临着两个主要的挑战：一是设计出智能化的方式来获取新信息，二是有效地跟踪和管理发现的内容，以便不断改善修复工作。为了解决这些问题，Faraday应运而生，它能够帮助您专注于漏洞的发现…...

编程日记 2025/7/13 9:09:18

一、EF框架的Database First开发模式(数据库优先)

Database First开发模式(数据库优先) ‌Database First‌是Entity Framework（EF）的三种开发模式之一，适用于在已有数据库的情况下进行开发。其核心思想是从现有数据库中逆向生成实体类和映射文件，然后在此基础上进行开发。官方…...

编程日记 2025/7/11 5:22:50

Datawhale AI冬令营（第二期）动手学AI Agent task2--学Prompt工程，优化Agent效果

目录如何写好Prompt？ 工具包神器1：Prompt框架——CO-STAR 框架工具包神器2：Prompt结构优化工具包神器3：引入案例案例：构建虚拟女友小冰 1. 按照 CO-STAR框架梳理目标 2. 撰写Prompt 3. 制作对话生成应用&…...

编程日记 2025/7/9 13:51:14

Go IO之文件处理，TCPUDP讲解

文章目录 1 文件处理1.1 打开和关闭文件1.2 读取文件1.2.1 简单示例1.2.2 中文乱码1.2.2.1 bufio1.2.2.2 ioutil 1.3 写入文件1.3.1 Write 和 WriteString1.3.2 fmt.Fprintln1.3.2.1 写入文件1.3.2.2 写入标准输出 1.3.3 bufio.NewWriter1.3.4 ioutil.WriteFile 2 TCP&UDP2…...

编程日记 2025/7/9 10:30:13

[卫星遥感] 解密卫星目标跟踪：挑战与突破的深度剖析

目录 [卫星遥感] 解密卫星目标跟踪：挑战与突破的深度剖析 1. 卫星目标跟踪的核心挑战 1.1 目标的高速与不确定性 1.2 卫星传感器的局限性 1.3 数据处理与融合问题 1.4 大尺度与实时性要求 2. 当前卫星目标跟踪的主流技术 2.1 卡尔曼滤波（Kalman …...

编程日记 2025/7/14 5:56:28

U盘提示格式化？原因、恢复方案与预防措施全解析

一、U盘提示格式化现象概述在日常使用U盘的过程中，我们有时会遇到一个令人头疼的问题——U盘插入电脑后，系统却弹出一个提示框，告知我们U盘需要格式化才能访问。这个提示往往伴随着数据的潜在丢失风险，让我们不禁为之心焦。U盘提…...

编程日记 2025/7/9 8:28:15

Vuex中dispatch的用法

在 Vuex 中，dispatch 是用于触发 actions 的方法，它的主要作用是调用一个 action 并可以传递一些参数。以下是关于 dispatch 的详细解释： 基本语法 dispatch(type, payload)type：要调用的 action 的名称，它是一个字符…...

编程日记 2025/7/7 19:20:29

Agent系列：AppAgent v2-屏幕智能Agent(详解版)

引言简介方法 Agent 框架 Agent 交互探索阶段部署阶段文档生成高级功能实验结果总结局限性未来工作 1. 引言大语言模型（LLM）如 ChatGPT 和 GPT-4 显著提升了自然语言处理能力，并且推动了智能体在自主决策中的应用。…...

编程日记 2025/7/10 7:54:27

Word如何插入图片并移动到某个位置

Word如何插入图片并移动到某一个位置新建word→插入→图片选择合适的位置→选择图片→打开点击图片→布局选项→选择文字环绕下的任意一个→固定在页面上点击图片就可以将图片移动到任意位置...

编程日记 2025/7/7 0:02:08

[CTF/网络安全] 攻防世界 upload1 解题详析

姿势在txt中写入一句话木马<?php eval($_POST[qiu]);?> 回显如下： 查看源代码： Array.prototype.contains function (obj) { var i this.length; while (i--) { if (this[i] obj) { return true; } } return false; } function …...

编程日记 2025/7/10 6:57:17

1. 加载模型

2. 加载分词器

3. 生成对话

参考

相关文章：