当前位置：首页 > news >正文

langchain实现的内部问答系统及本地化替代方案

news 来源：原创 2025/5/9 10:25:56

主旨：问答系统搭建使用langchain要token，本文目的在于一、解析langchain调用过程，二、不使用langchain规避token，而使用本地化部署的方案方向。主要是本地向量化库的建立。

文章目录

- - - - 主旨：问答系统搭建使用langchain要token，本文目的在于一、解析langchain调用过程，二、不使用langchain规避token，而使用本地化部署的方案方向。主要是本地向量化库的建立。
- 一、lagnchain问答系统实现优缺点
- 二、替代方案-逻辑验证
- 三、python代码-调用ai链版本（黄佳版本）
- - 文档中无答案时候回答
  - 文档中有答案时候回答
- 四、本地化部署（不用ai拆解方案）-仅方案
- - - 目标：我想实现文件的向量切分并存储在本地系统中。同时根据问题匹配度获取相应key的结果。想避免token的使用，免费的好的解决方案
  - 4.1 代码
  - 4.2 解析本地化方案
  - - 4.2.1 这个解决方案使用了以下开源组件:
  - 4.2.2 主要功能包括:
  - 4.2.3 使用示例
  - 4.2.4 使用优点，注意事项
  - - 4.2.4.1 优点是:
    - 4.2.4.2 需要注意的是:

一、lagnchain问答系统实现优缺点

优点：几个python段落，方便

缺点：需要调用2次接口，需要外部模型token

系统实现：本地文档的问答

二、替代方案-逻辑验证

想法：拆解使用ai中使用token步骤，两个操作。寻找本地化替代方案即可

①问题拆解多样化，使得从不同角度解析问题，方便数据查找

②对使用文本、问题进行重组，以更人性化的方式输出（有寻找过不用这一步，但回答结果太多，不专注）

 # 1、MultiQueryRetriever
# 实现：INFO:langchain.retrievers.multi_query:Generated queries: ["1. How much does YiSuXianHua's salary pay its employees?", '2. What is the wage structure at YiSuXianHua?', '3. Can you provide information on the remuneration packages offered by YiSuXianHua?']# 2、qa_chain链建立，是传入content 即qestion涉及所有内容（而不是整个向量库传递）

三、python代码-调用ai链版本（黄佳版本）

'''欢迎来到LangChain实战课
https://time.geekbang.org/column/intro/100617601
作者 黄佳'''import os
# os.environ["OPENAI_API_KEY"] = '你的OpenAI API Key'
from dotenv import load_dotenv  # 用于加载环境变量
load_dotenv()  # 加载 .env 文件中的环境变量# 1.Load 导入Document Loaders
from langchain_community.document_loaders import PyPDFLoader
from langchain_community.document_loaders import Docx2txtLoader
from langchain_community.document_loaders import TextLoader# 加载Documents
# base_dir = '.\OneFlower' # 文档的存放目录
base_dir='/Volumes/G/projecttest/langchain-in-action/02_文档QA系统/OneFlower'
documents = []
for file in os.listdir(base_dir): # 构建完整的文件路径file_path = os.path.join(base_dir, file)if file.endswith('.pdf'):loader = PyPDFLoader(file_path)documents.extend(loader.load())elif file.endswith('.docx'):loader = Docx2txtLoader(file_path)documents.extend(loader.load())elif file.endswith('.txt'):loader = TextLoader(file_path)documents.extend(loader.load())# 2.Split 将Documents切分成块以便后续进行嵌入和向量存储
from langchain.text_splitter import RecursiveCharacterTextSplitter
text_splitter = RecursiveCharacterTextSplitter(chunk_size=200, chunk_overlap=10)
chunked_documents = text_splitter.split_documents(documents)# 3.Store 将分割嵌入并存储在矢量数据库Qdrant中
from langchain_community.vectorstores import Qdrant
from langchain_openai import OpenAIEmbeddings
vectorstore = Qdrant.from_documents(documents=chunked_documents, # 以分块的文档embedding=OpenAIEmbeddings(), # 用OpenAI的Embedding Model做嵌入location=":memory:",  # in-memory 存储collection_name="my_documents",) # 指定collection_name# 4. Retrieval 准备模型和Retrieval链
import logging # 导入Logging工具
from langchain_community.chat_models import ChatOpenAI # ChatOpenAI模型
from langchain.retrievers.multi_query import MultiQueryRetriever # MultiQueryRetriever工具
from langchain.chains import RetrievalQA # RetrievalQA链# 设置Logging
logging.basicConfig()
logging.getLogger('langchain.retrievers.multi_query').setLevel(logging.INFO)# 实例化一个大模型工具 - OpenAI的GPT-3.5
llm = ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0)# 实例化一个MultiQueryRetriever
retriever_from_llm = MultiQueryRetriever.from_llm(retriever=vectorstore.as_retriever(), llm=llm)# 实例化一个RetrievalQA链
qa_chain = RetrievalQA.from_chain_type(llm,retriever=retriever_from_llm)# 5. Output 问答系统的UI实现
from flask import Flask, request, render_template
app = Flask(__name__) # Flask APP@app.route('/', methods=['GET', 'POST'])
def home():if request.method == 'POST':# 接收用户输入作为问题question = request.form.get('question')# RetrievalQA链 - 读入问题，生成答案result = qa_chain({"query": question})# 把大模型的回答结果返回网页进行渲染return render_template('index.html', result=result)return render_template('index.html')if __name__ == "__main__":app.run(host='0.0.0.0',debug=True,port=5010)#实战后备注：# 1、MultiQueryRetriever
# 实现：INFO:langchain.retrievers.multi_query:Generated queries: ["1. How much does YiSuXianHua's salary pay its employees?", '2. What is the wage structure at YiSuXianHua?', '3. Can you provide information on the remuneration packages offered by YiSuXianHua?']# 2、qa_chain链建立，是传入content 即qestion涉及所有内容（而不是整个向量库传递）#3、导入库的位置有改变

文档中无答案时候回答

在这里插入图片描述

文档中有答案时候回答

在这里插入图片描述

四、本地化部署（不用ai拆解方案）-仅方案

目标：我想实现文件的向量切分并存储在本地系统中。同时根据问题匹配度获取相应key的结果。想避免token的使用，免费的好的解决方案

4.1 代码

from sentence_transformers import SentenceTransformer
import numpy as np
import pickle
import os
from typing import List, Dict, Tupleclass LocalVectorSearch:def __init__(self, model_name: str = 'paraphrase-multilingual-MiniLM-L12-v2'):"""初始化向量搜索系统Args:model_name: sentence-transformers模型名称,支持多语言"""self.model = SentenceTransformer(model_name)self.vectors = {}  # 存储文档向量self.chunks = {}   # 存储文档片段def process_document(self, file_path: str, chunk_size: int = 500,overlap: int = 50) -> None:"""处理文档并存储向量Args:file_path: 文档路径chunk_size: 文档分块大小overlap: 重叠部分大小"""# 读取文档with open(file_path, 'r', encoding='utf-8') as f:text = f.read()# 分块chunks = self._split_text(text, chunk_size, overlap)# 计算向量vectors = self.model.encode(chunks)# 存储doc_id = os.path.basename(file_path)self.vectors[doc_id] = vectorsself.chunks[doc_id] = chunksdef _split_text(self, text: str, chunk_size: int,overlap: int) -> List[str]:"""将文本分割成重叠的块"""words = text.split()chunks = []for i in range(0, len(words), chunk_size - overlap):chunk = ' '.join(words[i:i + chunk_size])chunks.append(chunk)return chunksdef search(self, query: str, top_k: int = 3) -> List[Tuple[str, str, float]]:"""搜索最相关的文档片段Args:query: 搜索查询top_k: 返回结果数量Returns:List of (doc_id, chunk_text, similarity_score)"""# 计算查询向量query_vector = self.model.encode([query])[0]results = []# 对每个文档进行搜索for doc_id, doc_vectors in self.vectors.items():# 计算相似度similarities = np.dot(doc_vectors, query_vector)# 获取最相关的片段top_indices = np.argsort(similarities)[-top_k:]for idx in top_indices:results.append((doc_id,self.chunks[doc_id][idx],float(similarities[idx])))# 按相似度排序results.sort(key=lambda x: x[2], reverse=True)return results[:top_k]def save(self, path: str) -> None:"""保存向量和文档片段到本地"""with open(path, 'wb') as f:pickle.dump((self.vectors, self.chunks), f)def load(self, path: str) -> None:"""从本地加载向量和文档片段"""with open(path, 'rb') as f:self.vectors, self.chunks = pickle.load(f)

4.2 解析本地化方案

4.2.1 这个解决方案使用了以下开源组件:

sentence-transformers库 - 提供多语言文本向量化能力
NumPy - 用于向量计算和相似度匹配
pickle - 用于本地存储向量数据

4.2.2 主要功能包括:

文档分块处理
向量化存储
相似度搜索
本地持久化

4.2.3 使用示例

# 初始化系统
searcher = LocalVectorSearch()# 处理文档
searcher.process_document('document1.txt')
searcher.process_document('document2.txt')# 保存向量到本地
searcher.save('vectors.pkl')# 加载已有向量
searcher.load('vectors.pkl')# 搜索相关内容
results = searcher.search("你的问题")
for doc_id, chunk, score in results:print(f"文档: {doc_id}")print(f"相关内容: {chunk}")print(f"相似度: {score}\n")

4.2.4 使用优点，注意事项

4.2.4.1 优点是:

完全本地运行,不需要联网
使用开源模型,无需付费
支持中文等多语言
可以持久化存储,重复使用

4.2.4.2 需要注意的是:

首次下载模型需要联网
根据文档量可能需要较大内存
向量化计算可能需要GPU来提升性能

langchain实现的内部问答系统及本地化替代方案

主旨：问答系统搭建使用langchain要token，本文目的在于一、解析langchain调用过程，二、不使用langchain规避token，而使用本地化部署的方案方向。主要是本地向量化库的建立。文章目录主旨：问答系统搭建使用langchain要…...

编程日记 2025/5/9 10:25:56

“新旗手”三星Galaxy S25系列，再次定义了AI手机的进化方向

一年多前，三星Galaxy S24系列正式发布，作为首款由Galaxy AI赋能的AI手机，带来了即圈即搜、通话实时翻译、AI扩图等“神奇能力”。彼时AI手机还是一个新物种，没有明确的产品定义，体验上也没有“标准答案”。三星Galax…...

编程日记 2025/4/28 7:32:57

JVM的类加载器

什么是类加载器？ 类加载器：JVM只会运行二进制文件，类加载器的作用就是将字节码文件加载到JVM中，从而Java 程序能够启动起来。类加载器有哪些？ 启动类加载器(BootStrap ClassLoader):加载JAVA HOME/jre/lib目录下的库…...

编程日记 2025/5/9 22:18:52

Node.js中的模块化：从原理到实践

目录一、为什么需要模块化？ 二、Node.js模块类型解析 2.1 核心模块 2.2 文件模块 2.3 第三方模块三、CommonJS规范深度解析 3.1 模块加载原理 3.2 模块缓存机制 3.3 循环依赖处理四、ES Modules新特性 4.1 基本用法 4.2 与CommonJS的差异比较五、模…...

编程日记 2025/5/3 11:44:47

LLM论文笔记 6: Training Compute-Optimal Large Language Models

Arxiv日期：2022.3.29机构：Google DeepMind 关键词 scaling lawpower law参数量FLOPStokes 核心结论 1. 当前大多数大语言模型（如 GPT-3 和 Gopher）在计算预算分配上存在问题，模型参数过大而训练数据不足 2. 计算预算…...

编程日记 2025/5/6 1:53:41

数仓:核心概念,数仓系统(ETL,数仓分层,数仓建模),数仓建模方法(星型模型,雪花模型,星座模型)和步骤

数仓建模的核心概念事实表（Fact Table）： 存储业务过程的度量值（如销售额、订单数量等）。通常包含外键，用于关联维度表。维度表（Dimension Table）： 存储描述性信息&…...

编程日记 2025/5/9 22:01:55

markdown|mermaid|typora绘制流程图的连接线类型怎么修改？

1、使用typora绘制流程图。别人例子里面的连线是圆弧，我的画出来就是带折线的这是卖家秀： 这是买家秀： 无语了有没有？ 犹豫了片刻我决定一探究竟（死磕）。 Typora --> 文件 --> 偏好设置 --》 mar…...

编程日记 2025/5/9 21:52:07

理解WebGPU 中的 GPUDevice ：与 GPU 交互的核心接口

在 WebGPU 开发中， GPUDevice 是一个至关重要的对象，它是与 GPU 进行交互的核心接口。通过 GPUDevice ，开发者可以创建和管理 GPU 资源（如缓冲区、纹理、管线等），并提交命令缓冲区以执行渲染和计算任…...

编程日记 2025/5/6 8:52:56

庞氏骗局（Ponzi Scheme）：金融投资与公司经营中的隐形陷阱（中英双语）

庞氏骗局：金融投资与公司经营中的隐形陷阱庞氏骗局（Ponzi Scheme），这个词在金融史上屡见不鲜。从投资骗局到企业经营中的资本运作，庞氏骗局的核心逻辑始终如一：用后来的资金填补前面的缺口，营…...

编程日记 2025/5/7 7:17:56

【黑马点评】使用RabbitMQ实现消息队列——3.批量获取1k个用户token，使用jmeter压力测试

【黑马点评】使用RabbitMQ实现消息队列——3.批量获取用户token，使用jmeter压力测试 3.1 需求3.2 实现3.2.1 环境配置3.2.2 修改登录接口UserController和实现类3.2.3 测试类 3.3 使用jmeter进行测试3.4 测试结果3.5 将用户登录逻辑修改回去3.6 批量删除生成的用户…...

编程日记 2025/5/4 17:56:02

项目录结构 node项目 1） 安装serialport npm install serialport 2）编写index.js 1 const SerialPort require(serialport); 2 var senddata [0x02];//串口索要发送的数据源 3 var port new SerialPort(COM3);//连接串口COM3 4 port.on(open, fun…...

编程日记 2025/5/7 10:37:11

微信小程序请求大模型监听数据块onChunkReceived方法把数据解析成json

自己写的真是案例，onChunkReceived监听到的数据块发现监听到的内容不只是一个块，有时候会是多块，所以自己加了一个循环解析的过程，不知道大家监听到的数据情况是否一致。在网上翻阅大量资料有的说引入js文件，亲测无效…...

编程日记 2025/5/4 8:11:50

SQL Server STUFF 函数的用法及应用场景

在 SQL Server 中，STUFF 函数是一种强大的字符串处理工具，常用于删除指定位置的字符并插入新的字符。通过这个函数，开发者能够灵活地修改字符串，从而在数据处理、字符串拼接和格式化等方面大显身手。本文将深入探讨 STUFF 函数的语…...

编程日记 2025/5/5 16:07:13

Qt使用CipherSqlite插件访问加密的sqllite数据库

1.下载 git clone https://github.com/devbean/QtCipherSqlitePlugin.git 2.编译CipherSqlite插件使用qt打开QtCipherSqlitePlugin项目，并构建插件 3.将构建的插件复制到安装目录 4.使用DB Browser (SQLCipher)创建数据库并加密 5.qt使用Ciphe…...

编程日记 2025/5/4 17:48:52

美国哈美顿零件号A203560 HAMILTON 10µl 1701 N CTC (22S/3) A200S 203560

零件号a61092-01 hamilton ml600 电源 110-220 vac 61092-01 零件号a81322 hamilton 1001 tll 1ml 注射器带塞子 81322 零件号a61710-01 hamilton ml600 探头支架管架 61710-01 零件号a61614-01 hamilton ml600 填充管 12 ga 1219mm 4.57ml 61614-01 零件号a61615-01 ham…...

编程日记 2025/5/6 10:59:22

深入理解 Rust 的迭代器：从基础到高级

1. 迭代器的基础概念 1.1 什么是迭代器？ 迭代器是一种设计模式，允许我们逐个访问集合中的元素，而无需暴露集合的内部结构。在 Rust 中，迭代器通过实现 Iterator trait 来定义。该 trait 主要包含一个方法： pub trai…...

编程日记 2025/5/6 14:11:02

聊聊 IP 地址和端口号的区别

在计算机网络中，两个基本概念对于理解设备如何通过网络进行通信至关重要。IP 地址和端口号是 TCP/IP 的典型特征，其定义如下：IP 地址是分配给连接到网络的每台机器的唯一地址，用于定位机器并与其通信。相反，端口号用于…...

编程日记 2025/5/4 13:27:39

地图打包注意事项

地图打包 （注意不能大写后缀也不能） 需要文件 objects_n 文件夹 （内部大量png文件和plist文件）.map.png 小地图tiles_n_n.plist 和tiles_n_n.png 文件sceneAtlasSplitConfigs合并.txt 文件放入 objects_n文件夹内部(.png文件…...

编程日记 2025/5/6 15:15:27

代码随想录算法营Day38 ｜ 62. 不同路径，63. 不同路径 II，343. 整数拆分，96. 不同的二叉搜索树

62. 不同路径这题的限制是机器人在m x n的网格的左上角，每次只能向下走一格或者向右走一格。问到右下角有多少条不同路径。这个动态规划的初始状态是第一行和第一列的格子的值都是1，因为机器人只能向右走一格或者向下走一格，所以第一行和第…...

编程日记 2025/5/3 15:19:24

科普：数据仓库中的“指标”和“维度”

在数据仓库中，指标和维度是两个核心概念，它们对于数据分析和业务决策至关重要。以下是对这两个概念的分析及举例说明： 一、指标定义： 指标是用于衡量业务绩效的关键数据点，通常用于监控、分析和优化企业的运营状况。…...

编程日记 2025/5/9 20:24:16

`Pinia` + `Formily` + `useTable` 实现搜索条件缓存方案

Pinia + Formily + useTable 实现搜索条件缓存方案背景在当前的应用体验中，每当用户刷新页面或退出系统时，之前的搜索条件就会消失不见。为了进一步提升工作效率并增强用户体验，希望能够实现这样一个功能：即使用户进行了页面刷新或是暂时离开了平台，再次返回时也能自动…...

编程日记 2025/5/3 10:32:50

Trader Joe‘s EDI 需求分析

Trader Joes成立于1967年，总部位于美国加利福尼亚州，是一家独特的零售商，专注于提供高质量且价格合理的食品。公司经营范围涵盖了各类杂货、冷冻食品、健康食品以及独特的本地特色商品。 EDI需求分析电子数据交换（EDI&#xff…...

编程日记 2025/5/6 14:10:49

【BUG】conda虚拟环境下，pip install安装直接到全局python目录中

问题描述 conda虚拟环境下，有的虚拟环境的python不能使用（which python时直接使用全局路径下的python），且pip install也会安装到全局路径中，无法安装到conda虚拟环境中。解决方案查看虚拟环境的PIP缓存默认路径&…...

编程日记 2025/5/3 8:30:37

用Shader glsl实现一个简单的PBR光照模型

PBR模型定义了各种光照属性，如基础颜色、金属度、粗糙度等，就像给物体设定各种 “性格特点”。顶点着色器负责把顶点从模型空间转换到裁剪空间，同时计算一些用于光照计算的参数，就像给顶点 “搬家” 并准备好 “行李”。而片段着色…...

编程日记 2025/5/7 15:41:29

Linux系统使用ollama本地安装部署DeepSeekR1 + open-webui

Linux系统使用ollama本地安装部署DeepSeekR1 open-webui 1. 首先，下载安装ollama #下载安装脚本并执行 curl -fsSL https://ollama.com/install.sh | sh #安装完成后查看ollama版本 ollama --version2. 使用ollama下载deepseek #不同的参数规格对硬件有不同的要…...

编程日记 2025/5/4 22:19:13

学习星开源在线考试教育系统

学习星开源考试系统项目介绍项目概述： 学习星在线考试系统是一款基于Java和Vue.js构建的前后端分离的在线考试解决方案。它旨在为教育机构、企业和个人提供一个高效、便捷的在线测试平台，支持多种题型，包括但不限于单选题、多选题、判断…...

编程日记 2025/5/1 20:21:02

树莓派通过手机热点，无线连接PC端电脑，进行远程操作

树莓派通过手机热点实现无线连接具有以下几点优势： 1.该方式能够联网，方便在项目开发时下载一些数据包。 2.该方式能够通过手机端查看树莓派IP地址(有些情况树莓派ip地址会发生改变) 借鉴链接如下： 树莓派的使用网线及无线连接方法及手机…...

编程日记 2025/5/7 15:41:27

【工业安全】-CVE-2022-35561- Tenda W6路由器栈溢出漏洞

文章目录 1.漏洞描述 2.环境搭建 3.漏洞复现 4.漏洞分析 4.1：代码分析 4.2：流量分析 5.poc代码： 1.漏洞描述漏洞编号：CVE-2022-35561 漏洞名称：Tenda W6 栈溢出漏洞威胁等级：高危漏洞详情&#xff1…...

编程日记 2025/5/6 6:37:46

Windows环境管理多个node版本

前言在实际工作中，如果我们基于Windows系统开发，同时需要维护老项目，又要开发新项目，且不同项目依赖的node版本又不同时，那么就需要根据项目切换不同的版本。本文使用Node Version Manager（nvm&#xff0…...

编程日记 2025/5/9 18:26:07

git 沙盒下（二）

url ：Learn Git Branching 高级git 多次Rebase 最开始我先把bugFix分支先rebase到main上，之后再把c7合并到c6 ，之后就差合并为一个分支了，但是无论移动c7还是another分支都无法合并，都会在原地停留后来根据提示最…...

编程日记 2025/5/6 9:58:35

基于JavaSpringmvc+myabtis+html的鲜花商城系统设计和实现

基于JavaSpringmvcmyabtishtml的鲜花商城系统设计和实现 🍅 作者主页网顺技术团队 🍅 欢迎点赞 👍 收藏 ⭐留言 📝 🍅 文末获取源码联系方式 📝 🍅 查看下方微信号获取联系方式承接各种定制系…...

编程日记 2025/5/6 17:48:04

vue-plugin-hiprint （vue2

页面效果 <template><div><div class"d-flex flex-column mt5"><div class"d-flex flex-row " style"margin-bottom: 10px;justify-content: center;"><div class"paper&quo…...

编程日记 2025/5/8 0:50:13

网站地址栏怎么变成HTTPS开头？

在当今的数字世界中，网络安全已成为不可或缺的一部分。对于网站管理员和所有者来说，确保访问者数据的安全和隐私至关重要。HTTPS是一种加密的通信协议，通过在客户端和服务器之间建立安全连接来保护数据传输。将网站从HTTP升级到HTTPS不仅提升…...

编程日记 2025/5/6 7:50:16

手机用流量怎样设置代理ip?

互联网各领域资料分享专区(不定期更新)： Sheet...

编程日记 2025/5/1 18:08:48

Web渗透实战--XSS 常用语句以及绕过思路

Web渗透实战–XSS 常用语句以及绕过思路 0x01：干货 - XSS 测试常用标签语句 0x0101： 标签 <a hrefjavascript:console.log(1)>XSS1</a> &…...

编程日记 2025/5/1 18:41:19

哈希表-两个数的交集

代码随想录-刷题笔记 349. 两个数组的交集 - 力扣（LeetCode） 内容: 集合的使用 , 重复的数剔除掉，剩下的即为交集，最后加入数组即可。 class Solution {public int[] intersection(int[] nums1, int[] nums2) {Set<Integer…...

编程日记 2025/5/1 18:10:08

“数字+实体“双引擎发力树莓集团打造翠屏区首个智慧产业孵化标杆

2025 年 2 月 13 日，宜宾市翠屏区招商引资项目集中签约活动圆满举行。树莓集团产业合作总监童曦鸣代表企业出席并签约，将在翠屏区打造数字经济示范项目。此次签约，树莓集团将以 “数字实体” 双引擎发力。在数字产业化方面，凭…...

编程日记 2025/5/8 9:25:17

PostgreSQL 数据库压力测试指南

一、为什么需要压力测试？ 数据库需要进行压力测试的原因主要包括以下几个方面： 性能评估：通过压力测试，可以了解数据库在高负载情况下的性能表现，包括响应时间、吞吐量和资源利用率等。这有助于确定系统的性能瓶颈。 …...

编程日记 2025/5/8 5:30:35

npm : 无法加载文件 C:\nvm\v20.11.1\npm.ps1，因为在此系统上禁止运行脚本。有关详细信息，请参阅

在vscode中运行前端项目时npm run dev 报错：npm : 无法加载文件 C:\nvm\v20.11.1\npm.ps1，因为在此系统上禁止运行脚本。有关详细信息，请参阅 https:/go.microsoft.com/fwlink/?LinkID135170 中的 about_Execution_Policies。所在位置行:1…...

编程日记 2025/5/1 18:09:37

-bash:/usr/bin/rm: Argument list too long 解决办法

问题概述小文件日志太多导致无法使用rm命令，因为命令行参数列表的长度超过了系统允许的最大值。需要删除/tmp目录下的所有文件，文件数量比较多。 ls -lt /tmp | wc -l 5682452 解决方法如下： 使用find -exec 遍历，然后执行删…...

编程日记 2025/5/9 13:33:00

【deepseek 部署中的常见问题及解决方案--亲测有效】

deepseek 部署中的常见问题及解决方案一、环境与安装相关问题二、配置相关问题三、运行与性能问题四、其他常见问题一、环境与安装相关问题 Python版本不兼容问题描述：在部署DeepSeek时，系统提示Python版本不兼容。解决方法：DeepSeek推荐…...

编程日记 2025/5/9 17:18:21

【React】react-redux+redux-toolkit实现状态管理

安装 npm install reduxjs/toolkit react-reduxRedux Toolkit 是官方推荐编写Redux的逻辑方式，用于简化书写方式React-redux 用来链接Redux和React组件之间的中间件使用定义数据创建要管理的数据模块 store/module/counter.ts import { createSlice, Payloa…...

编程日记 2025/5/2 19:56:04

LabVIEW用户界面（UI）和用户体验（UX）设计

作为一名 LabVIEW 开发者，满足功能需求、保障使用便捷与灵活只是基础要求。在如今这个用户体验至上的时代，为 LabVIEW 应用程序设计直观且具有美学感的界面，同样是不容忽视的关键任务。一个优秀的界面设计，不仅能提升用户对程序的…...

编程日记 2025/5/9 8:05:25

期权帮 | 场外个股期权可以做吗，风险高吗?

锦鲤三三每日分享期权知识，帮助期权新手及时有效地掌握即市趋势与新资讯！ 场外个股期权可以做吗，风险高吗? 场外个股期权，就是在正式的交易所之外进行交易的个股期权。注：这里的“场外”指的是这类交易不在像沪深…...

编程日记 2025/5/6 20:07:30

【Viper】配置格式与支持的数据源与go案例

Viper 是一个用于 Go 应用程序的配置管理库，支持多种配置格式和数据源。安装依赖 go get github.com/spf13/viper go get github.com/spf13/viper/remote go get go.etcd.io/etcd/client/v3"github.com/spf13/viper/remote"要写在etcd客户端import里 1…...

编程日记 2025/5/4 12:55:44

【工具变量】地级市数字基础设施水平数据（2003-2024年）

一、数据来源：数据涵盖了2003-2024年间地级市新型数字基础设施的发展水平测量值。数据的核心来自地方政府工作报告中提及的相关词汇，并通过对这些报告的分词和频次统计，得出每个城市在该领域的数字基础设施发展水平。数据覆盖全国285个地级市…...

编程日记 2025/5/8 9:25:07

Ae：常见的光照控件和材质控件

在 After Effects中，几种模拟效果都有类似的光照控件和材质控件，比如，焦散、卡片动画、碎片等。光照控件和材质控件允许用户模拟不同光源、阴影和高光效果，控制表面反射特性，从而实现真实的光照和反射模拟。适用于材质…...

编程日记 2025/5/5 23:38:55

POI 的 Excel 读写操作教程

POI 的 Excel 读写操作教程一、POI 简介 Apache POI 是一款在 Java 开发中广受欢迎的开源库，主要用于处理各种 Microsoft Office 文件格式，Excel 文件便是其中之一。凭借其功能强大的 API，POI 不仅支持对 Excel 文件的读取、写入和修改&am…...

编程日记 2025/5/9 16:36:02

java处理pgsql的text[]类型数据问题

背景公司要求使用磐维数据库，于是去了解了这个是基于PostgreSQL构建的，在使用时有场景一条图片数据中可以投放到不同的页面，由于简化设计就放在数组中，于是使用了text[]类型存储；表结构 #这是一个简化版表结构&…...

编程日记 2025/5/6 11:25:44

数据结构：Map Set(一)

目录一、搜索树 1、概念 2、查找 3、插入 4、删除二、搜索 1、概念及场景 2、模型 （1）纯key模型 （2）Key-Value模型三、Map的使用 1、什么是Map？ 2、Map的常用方法 （1）V put(K …...

编程日记 2025/5/3 23:08:13