Trae AI驱动开发实战:30分钟从0到1实现Django REST天气服务
目录
一、Trae 安装
1、Trae 介绍
2、Trae 安装
二、项目构建
1、项目背景与技术选型
2、开发环境准备
三、需求分析
1、功能模块设计
2、数据库设计
四、功能实现
1、用户系统开发
2、天气服务实现
3、测试用例编写
五、Trae 体验总结
随着人工智能技术的迅猛发展,AI编程工具逐渐进入开发者的日常工作中,成为提升开发效率的得力助手。AI编程工具能够通过自然语言与开发者进行交互,智能生成代码,并在开发过程中实时提供反馈与建议。
一、Trae 安装
1、Trae 介绍
Trae 是字节跳动推出的AI 编程助手,和MarsCode一个团队,提供了更完整的AI体验,它能够智能生成代码,解决开发者在编程过程中遇到的问题。通过使用 Claude模型,Trae不仅支持中文输入,还能够根据上下文提供精准的代码建议和解决方案。不管你是写新功能,还是优化代码,都很方便。
Trae 你能不能用,我的看法是不管你是哪个阶段的程序员都能用。
后面我会展示如何使用 Trae 从零到一完成一个项目。如果你刚接触工作,那么这种交互式的对话相当于一个老师,不管遇到哪些你不懂得问题就直接问“我不明白”,Trae 就能给你详细讲解,干中学嘛!
如果你是工作经验丰富的开发者,那 Trae 就是你的实习生,功能的前因后果交代好,你不想动手的功能就写完了,再补充一些细节,就完事了。
2、Trae 安装
我们以 MacOS 为例,说明如何安装 Trae 到你的设备。
打开官网,我们可以在页面看到下载按钮。
然后,我们只需要双击下载的安装包,将 Trae 图标拖拽到应用文件夹,就完成了安装。
安装完成后,启动 Trae,我们需要登录账号来使用Trae AI。当我们点击登录之后,会跳转到 Trae 的网页进行登录,你可以使用 Githb、Google 以及电子邮箱进行登录。登录完成之后,即可跳转到 Trae 。
二、项目构建
1、项目背景与技术选型
在本项目中,我们将构建一个天气服务系统,涵盖用户注册登录、天气查询和城市收藏等功能。
通过 Chat 模式,我们和 Trae 对话,确认项目中要使用的技术栈。
我正在构建一个基于 Django 的天气服务 API,要求包括用户注册、登录、天气查询、城市收藏认证等功能。项目需要支持高并发查询,数据缓存需要进行优化,并且要支持不同城市的天气数据。请推荐合适的技术栈,包括后端框架、数据库、缓存解决方案,并提供一些技术选择的理由。
在 Chat AI 的模式下,Trae 给出了完整的技术方案,包括后端框架与组件、数据库选择、缓存策略、性能优化建议。
Trae 的 Chat AI 模式基于Claude 3.5,支持上下文,所以我们可以做出追问,继续询问技术方案和细节和调整。
比如,我觉得这个项目使用 MySQL 就足以满足需求,并且项目早期可以使用更加精简的架构设计。
那么,就这样,我们在和 Trae 的 Chat AI 模式下确定了技术选型。
2、开发环境准备
接下来,我们使用 Trae-Builder 模式,快速搭建 Django 项目并配置必要的依赖和数据库。
新建项目文件夹,我们点击 Builder ,将 Chat 模式下的内容发过来。
我们在构建一个基于 Django 的天气服务 API ,要求包括用户注册、登录、天气查询、城市收藏认证等功能。
以下是使用的组件:
- Web 框架 :Django + DRF
- 主数据库 :MySQL
- 缓存系统 :Redis
- Web 服务器 :开发阶段使用 Django 开发服务器,生产环境再使用 Nginx
请你帮我搭建项目
注意:MySQL我已经在本地运行,使用3306端口,可以进行连接;Redis也在本地运行,使用6379端口,也可以直接连接。
当我把要求发给他之后,他会帮我创建对应的文件,注意的是,整个过程并不是自动执行的,不然整个过程会非常不确定。我们可以审查每一个涉及到的文件,以及要执行的命令。
在这个过程中,可能会出现一些报错,Trae 会识别这些报错,并给出解决方案,而我们要做的,就是检查解决方案是否正确,并点击运行。下面的过程就是 Trae 从识别错误,到解决错误、继续执行命令的过程。
由于是从零开始构建项目,所以整个过程会比较长,如果过程出现了中断,你只需要发送"继续",Trae 就能从现在的搭建项目状态继续进行操作,不需要担心任务丢失,也不需要每次都从头开始。
当项目搭建任务完成之后,Trae 会告诉我们已经完成了,你要做的就是检查代码,进行后续的功能开发。
三、需求分析
1、功能模块设计
在项目搭建阶段,因为我们给出了项目的简单信息,所以 Trae-Builder 模式下得到的项目已经包含了基础的业务逻辑,但是这不一定是我们的真实业务想要的。
Chat AI 模式下,Trae 不会运行代码,更适合我们的需求分析和代码优化。
目前的功能模块设计,我会给出完整详细的需求,和 Trae 一起进行对实际需求的实现设计。
下面我们一起对需求进行分析,我会给你完整的功能需求,请你和我一起确认设计思路。
用户模块:目前的用户使用邮箱注册需要增加验证码,需要完善对应逻辑,如果涉及到发送验证码到邮箱就先预留这部分逻辑;要包含完整的邮箱注册、邮箱登录、邮箱找回密码的逻辑。
天气查询:我们使用第三方API进行查询,使用 Token 的方式进行验证,查询结果设置缓存,一分钟内重复查询相同的城市从缓存获取结果
城市列表:我们通过查询第三方 API 的热门城市确定城市列表,通过调用接口获取城市列表并刷新结果,城市的数据要保存到数据库,设置缓存,每天更新一次
城市收藏:登录用户可以选择城市进行收藏,由于城市的 id 是固定的,所以就算城市列表中没有之前收藏的城市后续也可能出现,已经收藏的城市在现在的城市列表中不存在,那么查看收藏城市列表就不展示
以上是目前的功能需求,请你和我分析需求,优化现有设计。注意:涉及到第三方接口的返回结构是后续的问题,现阶段只处理模块设计。
之后,Trae 给出了针对现有项目的结构优化,以及接口的补全,上面我给的内容不算少,他都能逐个给出修改方案。
涉及到的改动,Chat 模式下是可以通过应用按钮对代码修改的,这个特别适合对于局部代码的优化,比如算法优化。
一次对话不能优化所有问题,并且 AI 的解决思路和我们想要的会有差别,那么就需要多次对话,不断追问和调整细节。
2、数据库设计
天气服务 API 的数据库结构,除了基于基本的项目需求外,更多的依赖于使用的第三方。
我们使用 Chat AI 模式,将第三方天气服务的文档发给 Trae ,就能得到对应的数据库结构。
对于涉及到大量第三方字段的模块来说,这种实现方式大幅度降低的我们的工作量。
四、功能实现
1、用户系统开发
用户系统涉及到注册、登录、找回密码,发送验证码。在 Trae 的 Chat AI 中,我们可以选择文件的指定行,特定的文件、文件夹或者整个项目到对话中,再加上对于功能说明,就能让 AI 帮我们完成代码了。
如果你之前没有用过 AI 编程工具,那么要注意,你提供的信息越全,AI 生成的代码越满足需求。
但是,你直接把代码或者报错发给 Trae ,它也可以根据内容以及上下文给出对应的解决方案。
给你一些对话的使用建议:
-
从头开始写的功能,尽可能多的描述要求,包括输入、输出、限制、规范,相当于一篇小作文
-
需要调整的代码,精准选择对应的代码行、文件夹
-
使用追问,对一个问题不断修改,Claude 3.5 和 GPT-4o 的上下文限制足够解决某个代码问题
2、天气服务实现
在数据设计阶段,你已经发现了我们是怎么对接第三方的,就是简单粗暴粘贴文档。
对于需求实现的要求,一定要保证持续追问,一直到找到合理的解决方案。
基于Claude 3.5和GPT-4o ,你可以使用任意的语句进行追问和补充,Trae 都能理解并执行。但是我还是建议你遵循下面的结构,更好地让他输出结果。
基于 xxx ,我需要你实现 xxxx ,注意 xxxx ,请你实现 xxxx 。
完整的诉求可以避免 AI工具的自我补充细节,精准的输出带来精准的输出。
经过几次持续的追问,我们完成了第三方接口的天气获取。
3、测试用例编写
在功能实现完成后,Trae将帮助我们编写单元测试,确保代码的正确性。
在早期的 AI 编程工具中,生成测试用例是被单独列出的功能。
现在对于 Trae 来说,只需要选择对应的函数,在对话框说明,整个过程就和我们之前生成模块功能代码一样。
很多人都不喜欢写测试用例,包括我,我们的整个基于 Trae 的开发过程中,越是固定的输入、繁杂的参数,越是对于 AI 有利。你不愿意做,他做不难,这就是使用 Trae 能够进行最大提效的部分。
五、Trae 体验总结
通过本次天气服务项目的完整开发实践,我们充分验证了 Trae 作为 AI 编程助手的全流程价值。
从技术选型阶段的智能推荐,到项目搭建时的项目构建、解决问题;从复杂业务逻辑的迭代优化,到琐碎测试用例的自动化编写——Trae 始终展现出作为一名开发者的处理方式。其基于Claude 3.5的上下文理解能力,使需求沟通如非常顺滑,既能快速响应"我需要实现JWT"这类明确指令,也能理解"项目初期先不使用复杂架构"的模糊诉求。
特别是在处理第三方 API 对接这类典型场景时,Trae 通过分析非特定格式接口文档,自动生成数据模型,将原本需要数小时的手动编码压缩至分钟级完成。
点击 Trae 官网下载 Trae ,免费的 Claude 3.5和GPT-4o 真的很香。
Trae 这种"对话-审查-一键执行"的开发体验,不仅降低了技术门槛,更重新定义了工程师的工作边界。
我们作为开发者得以将更多精力投入架构设计与业务创新,而机械性编码则由 AI 高效承接。
Trae 已经可以做到融入你的工作流,成为贯穿需求分析、编码调试、性能优化的伙伴。
相关文章:
Trae AI驱动开发实战:30分钟从0到1实现Django REST天气服务
目录 一、Trae 安装 1、Trae 介绍 2、Trae 安装 二、项目构建 1、项目背景与技术选型 2、开发环境准备 三、需求分析 1、功能模块设计 2、数据库设计 四、功能实现 1、用户系统开发 2、天气服务实现 3、测试用例编写 五、Trae 体验总结 随着人工智能技术的迅猛发…...
【Linux网络编程】IP协议格式,解包步骤
目录 解析步骤 1.版本字段(大小:4比特位) 2.首部长度(大小:4比特位)(单位:4字节) 🍜细节解释: 3.服务类型(大小:8比特…...
中诺CHINO-E G076大容量录音电话产品使用注意事项
•本机需插上随机配置的电源适配器才能正常工作,切勿插入其它的适配器,以免损坏话机; •当本机出现异常时,请按“Δ/上查”键3秒,屏幕弹出确定恢复,按“设置”键恢复出厂设置; 注:…...
2025最新智能优化算法:改进型雪雁算法(Improved Snow Geese Algorithm, ISGA)求解23个经典函数测试集,MATLAB
一、改进型雪雁算法 雪雁算法(Snow Geese Algorithm,SGA)是2024年提出的一种新型元启发式算法,其灵感来源于雪雁的迁徙行为,特别是它们在迁徙过程中形成的独特“人字形”和“直线”飞行模式。该算法通过模拟雪雁的飞行…...
✨ 索引有哪些缺点以及具体有哪些索引类型
索引的定义与原理 索引是数据库中用于提高数据检索效率的数据结构。它就像是书籍的目录,通过目录可以快速定位到所需内容的页码,而在数据库中,索引可以帮助数据库系统快速找到符合查询条件的数据行,而不必对整个表进行扫描。 其…...
Promptic:Python 中的 LLM 应用开发利器
Promptic 是一个基于 Python 的轻量级库,旨在简化与大型语言模型(LLMs)的交互。它通过提供简洁的装饰器 API 和强大的功能,帮助开发者高效地构建 LLM 应用程序。Promptic 的设计理念是提供 90% 的 LLM 应用开发所需功能,同时保持代码的简洁和易用性。 1. Promptic 的核心…...
本地部署DeepSeek R1大模型
一、安装软件 1.1 安装Ollama 你可以访问Ollama的官方网站https://ollama.com/download,选择适合你操作系统的安装包进行下载。老周这里是Mac系统,所以选择下载macOS系统。 1.2 安装cherry studio 前往官网https://cherry-ai.com/download下载对应操…...
搅局外卖,京东连出三张牌
明牌暗牌,都不如民牌。 作者|古廿 编辑|杨舟 “京东来整顿外卖了”,这一网络热梗正在成为外界对京东近期一系列动作的高度概括。 0佣金、五险一金、品质外卖,京东连出三张牌打破外卖市场的旧秩序。此前这三项分别对应着长期被社会所诟病的…...
【ELK】【Elasticsearch】数据查询方式
1. 简单查询(URI Search) 通过 URL 参数直接进行查询,适合简单的搜索场景。 示例: bash 复制 GET /index_name/_search?qfield_name:search_value 说明: index_name:索引名称。 field_name…...
基于 JavaWeb 的 Spring Boot 网上商城系统设计和实现(源码+文档+部署讲解)
技术范围:SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容:免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论…...
C++17中的std::scoped_lock:简化多锁管理的利器
文章目录 1. 为什么需要std::scoped_lock1.1 死锁问题1.2 异常安全性1.3 锁的管理复杂性 2. std::scoped_lock的使用方法2.1 基本语法2.2 支持多种互斥锁类型2.3 自动处理异常 3. std::scoped_lock的优势3.1 避免死锁3.2 简化代码3.3 提供异常安全保证 4. 实际应用场景4.1 数据…...
Linux内核实时机制7 - 实时改造机理 - 软中断优化下
Linux内核实时机制7 - 实时改造机理 - 软中断优化下 https://blog.csdn.net/u010971180/article/details/145722641以下分别以Linux4.19、Linux5.4、Linux5.10、Linux5.15 展开分析,深入社区实时改造机理的软中断优化过程。https://blog.csdn.net/weixin_41028621/article/det…...
计算机网络:应用层 —— 文件传送协议 FTP
文章目录 FTP 是什么?FTP 的应用FTP 的基本工作原理主动模式被动模式 总结 FTP 是什么? 将某台计算机中的文件通过网络传送到可能相很远的另一台计算机中,是一项基本的网络应用,即文件传送。 文件传送协议FTP(File T…...
[笔记.AI]如何判断模型是否通过剪枝、量化、蒸馏生成?
以下摘自与DeepSeek-R1在线联网版的对话 一、基础判断维度 技术类型核心特征验证方法剪枝模型参数减少、结构稀疏化1. 检查模型参数量是否显著小于同类标准模型1 2. 分析权重矩阵稀疏性(如非零参数占比<30%)4量化权重/激活值精度降低、推理速度提升1…...
python: SQLAlchemy (ORM) Simple example using mysql in Ubuntu 24.04
mysql sql script: create table School 表 (SchoolId char(5) NOT NULL comment主鍵primary key,學校編號,SchoolName nvarchar(500) NOT NULL DEFAULT comment 學校名稱,SchoolTelNo varchar(8) NULL DEFAULT comment電話號碼,PRIMARY KEY (SchoolId) #主…...
【前端】【nuxt】nuxt优势(MVP开发),转换SSR与SPA模式
Nuxt.js 核心优势 自动化路由系统 无需手动配置路由:在 pages/ 目录下创建 .vue 文件即可自动生成路由,支持动态路由(如 pages/user/[id].vue → /user/:id)。嵌套路由:通过 parent.vue parent/child.vue 目录结构自动…...
洛谷B3619(B3620)
B3619 10 进制转 x 进制 - 洛谷 B3620 x 进制转 10 进制 - 洛谷 代码区: #include<algorithm> #include<iostream> #include<vector> using namespace std;int main(){int n,x;cin >> n >> x;vector<char> arry;while(n){if(…...
基于springboot+vue的酒店管理系统的设计与实现
开发语言:Java框架:springbootJDK版本:JDK1.8服务器:tomcat7数据库:mysql 5.7(一定要5.7版本)数据库工具:Navicat11开发软件:eclipse/myeclipse/ideaMaven包:…...
android调用ffmpeg解析rtsp协议的视频流
文章目录 一、背景二、解析rtsp数据1、C层功能代码2、jni层的定义3、app层的调用 三、源码下载 一、背景 本demo主要介绍android调用ffmpeg中的接口解析rtsp协议的视频流(不解析音频),得到yuv数据,把yuv转bitmap在android设备上显…...
cursor使用记录
一、如何查看自己登录的是哪个账号 操作路径:Cursor -- 首选项 -- Cursor Setting (有快捷键) 二、状态修改为竖排(默认是横排) 默认如图展示,想要像vscode、idea等等在左侧竖着展示 操作路径࿱…...
Java 使用websocket
添加依赖 <!-- WebSocket 支持 --> <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-websocket</artifactId> </dependency>添加配置类 Configuration public class WebSocketConfig {B…...
蓝桥杯 Java B 组之背包问题、最长递增子序列(LIS)
Day 4:背包问题、最长递增子序列(LIS) 📖 一、动态规划(Dynamic Programming)简介 动态规划是一种通过将复杂问题分解成更小的子问题来解决问题的算法设计思想。它主要用于解决具有最优子结构和重叠子问题…...
在PyTorch中使用插值法来优化卷积神经网络(CNN)所需硬件资源
插值法其实就是在已知数据点之间估计未知点的值。通过已知的离散数据点,构造一个连续的曲线函数,预测数据点之间的空缺值是什么并且自动填补上去。 适用场景: 在卷积神经网络(CNN)中的应用场景中,经常遇到计算资源有限,比如显存不够或者处理速度慢,需要用插值来降低计…...
seacmsv9 SQL注入漏洞(报错注入)
一、海洋CMS简介 海洋cms是为解决站长核心需求而设计的视频内容管理系统,一套程序自适应电脑、手机、平板、APP多个终端入口,无任何加密代码、安全有保障,是您最佳的建站工具。——来自seacms官网(简而言之就是专门搭建看片网站的…...
Java 中的内存泄漏问题及解决方案
在 Java 中,内存泄漏(Memory Leak)是指在程序运行过程中,某些对象已经不再使用,但由于引用仍然存在,这些对象无法被垃圾回收器回收,从而导致内存无法释放,最终可能导致系统性能下降甚…...
解决 ERROR: Failed building wheel for vllm Failed to build vllm
1. 完整报错 copying build\lib\vllm\model_executor\layers\fused_moe\configs\E256,N128,device_nameNVIDIA_H100_80GB_HBM3,dtypefp8_w8a8,block_shape[128,128].json -> build\bdist.win-amd64\wheel.\vllm\model_executor\layers\fused_moe\configs error: could not …...
从CNN到Transformer:遥感影像目标检测的未来趋势
文章目录 前言专题一、深度卷积网络知识专题二、PyTorch应用与实践(遥感图像场景分类)专题三、卷积神经网络实践与遥感影像目标检测专题四、卷积神经网络的遥感影像目标检测任务案例【FasterRCNN】专题五、Transformer与遥感影像目标检测专题六、Transfo…...
ecovadis社会企业责任认证
EcoVadis 是一家全球性的企业社会责任 (CSR) 评级机构,旨在通过评估企业在环境、劳工与人权、商业道德和可持续采购等方面的表现,帮助提升其可持续性和社会责任实践。 EcoVadis 认证的核心内容 环境 评估企业在能源消耗、碳排放、废物管理等方面的表现。…...
使用 Docker 部署 Flask 应用
使用 Docker 部署 Flask 应用 一、引言 在现代软件开发中,应用的部署和环境管理是至关重要的环节。传统的部署方式常常会遇到 “在我机器上能运行,在你机器上不行” 的问题,而 Docker 的出现很好地解决了这个痛点。Docker 是一个用于开发、部署和运行应用程序的开放平台,…...
istio介绍补充以及使用篇
istio介绍补充以及使用篇 前言 介绍istio各个组件创建istio的方式手动注入自动注入side car 使用istio做流量灰度如有需要收藏的看官,顺便也用发财的小手点点赞哈,如有错漏,也欢迎各位在评论区评论! 前言 前篇istio介绍了引入ist…...
DeepSeek 助力 Vue 开发:打造丝滑的 键盘快捷键(Keyboard Shortcuts)
前言:哈喽,大家好,今天给大家分享一篇文章!并提供具体代码帮助大家深入理解,彻底掌握!创作不易,如果能帮助到大家或者给大家一些灵感和启发,欢迎收藏关注哦 💕 目录 Deep…...
【JavaScript】《JavaScript高级程序设计 (第4版) 》笔记-Chapter19-表单脚本
十九、表单脚本 表单脚本 JavaScript 较早的一个用途是承担一部分服务器端表单处理的责任。虽然 Web 和 JavaScript 都已经发展了很多年,但 Web 表单的变化不是很大。由于不能直接使用表单解决问题,因此开发者不得不使用JavaScript 既做表单验证…...
如何使用深度学习进行手写数字识别(MNIST)
目录 手写数字识别(MNIST)1. 导入必要的库2. 加载和预处理数据3. 构建模型4. 编译模型5. 训练模型6. 评估模型7. 可视化训练过程(可选)代码说明运行环境总结当然可以!下面是一个使用Python和Keras(TensorFlow后端)实现的简单深度学习案例——手写数字识别(MNIST数据集)…...
【UCB CS 61B SP24】Lecture 5 - Lists 3: DLLists and Arrays学习笔记
本文内容为构建双向循环链表、使用 Java 的泛型将其优化为通用类型的链表以及数组的基本语法介绍。 1. 双向链表 回顾上一节课写的代码,当执行 addLast() 与 getLast() 方法时需要遍历链表,效率不高,因此可以添加一个指向链表末尾的索引&am…...
Unity Excel导表工具转Lua文件
思路介绍 借助EPPlus读取Excel文件中的配置数据,根据指定的不同类型的数据配置规则来解析成对应的代码文本,将解析出的字符串内容写入到XXX.lua.txt文件中即可 EPPlus常用API //命名空间 using OfficeOpenXml;//Excel文件路径 var fileExcel new File…...
kafka消费能力压测:使用官方工具
背景 在之前的业务场景中,我们发现Kafka的实际消费能力远低于预期。尽管我们使用了kafka-go组件并进行了相关测试,测试情况见《kafka-go:性能测试》这篇文章。但并未能准确找出消费能力低下的原因。 我们曾怀疑这可能是由我的电脑网络带宽问题或Kafka部…...
算法题(74):Pow(x,n)
审题: 需要我们计算出x(double类型)的n次幂,并返回 思路: 方法一:递归 (1)首先我们的n分为正和负,对于负的我们需要将n转为正的进行运算后,用1.0除以运算结果…...
windwos与linux环境下Iperf3带宽测试工具的安装、使用
目录 一、前言 二、windows 2.1下载 2.2安装 2.3使用 2.3.1服务端 2.3.2客户端 2.3.3输出内容 1.客户端 2.服务端 2.4.相关命令 三、linux 3.1安装 3.2使用 1.服务端 2.客户端 3.输出内容 1.客户端 2.服务端 一、前言 在数字化浪潮下,网络性能…...
GCC编译器(含预处理/编译/汇编/链接四阶段详解)
GCC编译器(含预处理/编译/汇编/链接四阶段详解) 1. 预处理阶段(生成 .i 文件)2. 编译阶段(生成 .s 文件)3. 汇编阶段(生成 .o 文件)4. 链接阶段(生成可执行文件ÿ…...
20250221 NLP
1.向量和嵌入 https://zhuanlan.zhihu.com/p/634237861 encoder的输入就是向量,提前嵌入为向量 二.多模态文本嵌入向量过程 1.文本预处理 文本tokenizer之前需要预处理吗? 是的,文本tokenizer之前通常需要对文本进行预处理。预处理步骤可…...
Mac M3/M4 本地部署Deepseek并集成vscode
Mac 部署 使用傻瓜集成平台ollama,ollama平台依赖于docker,Mac的M3/M4 因doesn’t have VT-X/AMD-v enabled 所以VB,VM无法使用,导致docker无法启动,需要使用docker的替代品podman, 它完全兼容docker brew install p…...
flink使用demo
1、添加不同数据源 package com.baidu.keyue.deepsight.memory.test;import com.baidu.keyue.deepsight.memory.WordCount; import com.baidu.keyue.deepsight.memory.WordCountData; import org.apache.flink.api.common.RuntimeExecutionMode; import org.apache.flink.api.…...
目标检测中单阶段检测模型与双阶段检测模型详细对比与说明
《------往期经典推荐------》 一、AI应用软件开发实战专栏【链接】 项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体检测系统开发】5.【图片风格快速迁移软件开发】6.【人脸表表情识别系统】7.【…...
简识Spring创建Bean方式和设计模式
一、理论解释: Spring在创建Bean时主要有四种方式,这些方式分别涉及到了不同的设计模式。以下是具体的创建方式及对应的设计模式: 通过反射调用构造方法创建Bean: 方式:在Spring的配置文件中,使用<bean…...
空字符串““、空白字符串“ “和 null 三者的区别
空字符串、空白字符串和 null 三者的区别表格: 类型定义示例长度是否有值空字符串字符串长度为 0,但不是 null,即存在一个有效的空字符串对象。""0有值(空值)空白字符串字符串包含空格、制表符等空白字符&a…...
agent和android怎么结合:健康助手,旅游助手,学习助手
agent和android怎么结合:健康助手,旅游助手,学习助手 创新点 智能交互创新:提出全新的agent - Android交互模式,如基于手势、语音、眼动等多模态融合的交互方式。例如让agent能够同时理解用户的语音指令和手势动作,在Android设备上提供更加自然和高效的交互体验,比如在…...
1.16作业
1 进注册界面,第一次以为抓包选把isadmin ture了就好 第二次尝试,勾选is admin,有需要invitecode(经典) 2 p r**5 r**4 - r**3 r**2 - r 2023 q r**5 - r**4 r**3 - r**2 r 2023 n 25066797992811602609904…...
上帝之眼——nmap
nmap介绍 Nmap(网络映射器)是一款广受欢迎的网络探测和安全评估工具,被誉为“上帝之眼”。它以其强大的扫描功能和广泛的应用场景,成为系统管理员和安全专家手中的得力助手。本文将对Nmap进行详细介绍,包括其优点、基本…...
6.日常英语笔记
It’s a pity that my English hasn’t improved much, and I’m not able to chat with you freely. lung 肺 pulmonary 医学中的肺部相关的 pulmonary disease 肺部疾病 pneumonia 肺炎 pulmonary inflammation 肺炎 stick on the wall 贴到墙上 paste on the wall faint w…...
工业路由器和工业交换机,打造高效稳定的工业网络?
工业路由器和工业交换机各有千秋,但如何将它们完美结合,构建稳定高效的工业网络?答案就在这里! 工业物联网(IIoT)是高效、稳定的工业网络成为智慧工厂、工业自动化和远程监控等场景的基础支撑。工业路由器…...