当前位置：首页 > news >正文

本地大模型编程实战(23)用智能体(Agent)实现基于SQL数据构建问答系统(2)

news 来源：原创 2025/9/15 1:39:19

本文将用 智能体(Agent) 实现对 SQLite 数据库的查询：用户用自然语言提出问题，智能体也用自然语言根据数据库的查询结果回答问题。

本次将分别在英文、中文环境下，使用 qwen2.5 、 MFDoom/deepseek-r1-tool-calling:7b 以及 llama3.1 做实验。

准备

您可以按下面的步骤准备本地编程环境。

计算机
本文涉及的代码可以在没有显存的环境中执行。建议最低配置为：

CPU: Intel i5-8400 2.80GHz
内存: 16GB

Visual Studio Code 和 venv
Visual Studio Code 是很受欢迎的开发工具，建议用 venv 创建虚拟环境, 详见：
在Visual Studio Code中配置venv。
Ollama
基于 Ollama 平台，我们可以在本地方便的使用 llama3.1、qwen2.5、deepseek 等各种 LLM(大语言模型)。详见：
在langchian中使用本地部署的llama3.1大模型。

创建 `SQLite`

我们直接使用之前创建好的 SQLite 数据库：

# 获取当前执行的程序文件的文件夹路径
current_folder = os.path.dirname(os.path.abspath(__file__))db_file_path = os.path.join(current_folder, 'assert/Chinook.db')from langchain_community.utilities import SQLDatabasedb = SQLDatabase.from_uri(f"sqlite:///{db_file_path}")

智能体(Agent)

LangChain 有一个 SQL智能体，它提供了一种比链更灵活的与 SQL 数据库交互的方式。使用 SQL智能体 的主要优点是：

它可以根据数据库的架构以及数据库的内容（如描述特定表）回答问题
它可以通过运行生成的查询、捕获执行栈并正确地重新生成它来从错误中恢复
它可以根据需要多次查询数据库以回答用户问题
… 等等

创建 `SQLite` 工具

为了初始化智能体，我们将使用 SQLDatabaseToolkit 创建一组工具：

创建和执行查询
检查查询语法
检索表描述
… 等等

def create_tools(llm_model_name):"""创建工具"""llm = ChatOllama(model=llm_model_name,temperature=0, verbose=True)toolkit = SQLDatabaseToolkit(db=db, llm=llm)tools = toolkit.get_tools()print(tools)return tools

系统提示词

我们来创建指导智能体的中英文提示词。

英文版

system = """You are an agent designed to interact with a SQL database.
Given an input question, create a syntactically correct SQLite query to run, then look at the results of the query and return the answer.
Unless the user specifies a specific number of examples they wish to obtain, always limit your query to at most 5 results.
You can order the results by a relevant column to return the most interesting examples in the database.
Never query for all the columns from a specific table, only ask for the relevant columns given the question.
You have access to tools for interacting with the database.
Only use the given tools. Only use the information returned by the tools to construct your final answer.
You MUST double check your query before executing it. If you get an error while executing a query, rewrite the query and try again.DO NOT make any DML statements (INSERT, UPDATE, DELETE, DROP etc.) to the database.You have access to the following tables: {table_names}
""".format(table_names=db.get_usable_table_names()
)system_message = SystemMessage(content=system)

中文版

system = """您是设计用于与 SQL 数据库交互的代理。用中文回答问题。
给定一个输入问题，创建一个语法正确的 SQLite 查询来运行，然后查看查询结果并返回答案。
除非用户指定他们希望获得的特定数量的示例，否则请始终将查询限制为最多 5 个结果。
您可以按相关列对结果进行排序，以返回数据库中最有趣的示例。
切勿查询特定表中的所有列，仅询问给定问题的相关列。
您可以使用与数据库交互的工具。
仅使用给定的工具。仅使用工具返回的信息来构建最终答案。
在执行查询之前，您必须仔细检查查询。如果在执行查询时出现错误，请重写查询并重试。请勿对数据库执行任何 DML 语句（INSERT、UPDATE、DELETE、DROP 等）。您有权访问以下数据库表： {table_names}
""".format(table_names=db.get_usable_table_names()
)system_message = SystemMessage(content=system)

上述提示词对大模型生成SQL语句的行为做了比较严格的限制，以防止生成错误的SQL破坏数据库。

初始化智能体

使用 create_react_agent 方法初始化智能体，定义问答方法。

def ask(llm_model_name,question):"""询问智能体"""tools = create_tools(llm_model_name)llm = ChatOllama(model=llm_model_name,temperature=0, verbose=True)agent_executor = create_react_agent(llm, tools, state_modifier=system_message)for s in agent_executor.stream({"messages": [HumanMessage(content=question)]}):print(s)print("----")

React智能体（React Agent）指的是一种能自主决策和执行任务的AI智能体，它结合了大语言模型（LLM）和工具调用，可以根据环境和任务需求动态调整自己的行为。
简单理解：

React = 解释 + 计算（Reason + Act）
- 先分析当前的任务和数据（Reason）
- 然后做出相应的行动（Act）
如何工作？
- 先阅读输入信息
- 决定是否调用某个工具（如数据库查询、API 调用）
- 处理返回的结果，再次分析，继续执行任务
示例：
- 您输入：“明天的天气如何？”
- 智能体会先思考：“这个问题需要调用天气 API。”
- 然后它调用天气 API，获取数据后再回复你：“明天是晴天，气温 20°C。”

见证效果

下面我们出3个同样的中文、英文问题，看看这三款大模型的表现如何。

当用中文提问时，系统提示词也用中文版；反之亦然。

英文问题

    questions = ["How many Employees are there?","Which country's customers spent the most?","Describe the PlaylistTrack table"]

我们先看看 qwen2.5 是如何思考回答 “How many Employees are there?” 的：

[QuerySQLDatabaseTool(description="Input to this tool is a detailed and correct SQL query, output is a result from the database. If the query is not correct, an error message will be returned. If an error is returned, rewrite the query, check the query, and try again. If you encounter an issue with Unknown column 'xxxx' in 'field list', use sql_db_schema to query the correct table fields.", ...)]
{'agent': {'messages': [AIMessage(content='',..., tool_calls=[{'name': 'sql_db_schema', 'args': {'table_names': 'Employee'}, ..., 'type': 'tool_call'}], ...)]}}
----
{'tools': {'messages': [ToolMessage(content='\nCREATE TABLE "Employee" (\n\t"EmployeeId" INTEGER NOT NULL, \n\t"LastName" NVARCHAR(20) NOT NULL, \n\t"FirstName" NVARCHAR(20) NOT NULL, \n\t"Title" NVARCHAR(30), \n\t"ReportsTo" INTEGER, \n\t"BirthDate" DATETIME, \n\t"HireDate" DATETIME, \n\t"Address" NVARCHAR(70), \n\t"City" NVARCHAR(40), \n\t"State" NVARCHAR(40), \n\t"Country" NVARCHAR(40), \n\t"PostalCode" NVARCHAR(10), \n\t"Phone" NVARCHAR(24), \n\t"Fax" NVARCHAR(24), \n\t"Email" NVARCHAR(60), \n\tPRIMARY KEY ("EmployeeId"), \n\tFOREIGN KEY("ReportsTo") REFERENCES "Employee" ("EmployeeId")\n)\n\n/*\n3 rows from Employee table:\nEmployeeId\tLastName\tFirstName\tTitle\tReportsTo\tBirthDate\tHireDate\tAddress\tCity\tState\tCountry\tPostalCode\tPhone\tFax\tEmail\n1\tAdams\tAndrew\tGeneral Manager\tNone\t1962-02-18 00:00:00\t2002-08-14 00:00:00\t11120 Jasper Ave NW\tEdmonton\tAB\tCanada\tT5K 2N1\t+1 (780) 428-9482\t+1 (780) 428-3457\tandrew@chinookcorp.com\n2\tEdwards\tNancy\tSales Manager\t1\t1958-12-08 00:00:00\t2002-05-01 00:00:00\t825 8 Ave SW\tCalgary\tAB\tCanada\tT2P 2T3\t+1 (403) 262-3443\t+1 (403) 262-3322\tnancy@chinookcorp.com\n3\tPeacock\tJane\tSales Support Agent\t2\t1973-08-29 00:00:00\t2002-04-01 00:00:00\t1111 6 Ave SW\tCalgary\tAB\tCanada\tT2P 5M5\t+1 (403) 262-3443\t+1 (403) 262-6712\tjane@chinookcorp.com\n*/', name='sql_db_schema',...)]}}
----
{'agent': {'messages': [AIMessage(content='', ..., tool_calls=[{'name': 'sql_db_query_checker', 'args': {'query': 'SELECT COUNT(*) FROM Employee'}, ..., 'type': 'tool_call'}], ...)]}}
----
{'tools': {'messages': [ToolMessage(content='The provided SQL query is:\n\n```sql\nSELECT COUNT(*) FROM Employee\n```\n\nThis query appears to be correct and does not contain any of the common mistakes listed. It simply counts all rows in the `Employee` table.\n\nTherefore, the final SQL query remains:\n\n```sql\nSELECT COUNT(*) FROM Employee\n```', name='sql_db_query_checker', ...)]}}
----
{'agent': {'messages': [AIMessage(content='', ..., tool_calls=[{'name': 'sql_db_query', 'args': {'query': 'SELECT COUNT(*) FROM Employee'}, ..., 'type': 'tool_call'}], ...)]}}
----
{'tools': {'messages': [ToolMessage(content='[(8,)]', name='sql_db_query', ...)]}}
----
{'agent': {'messages': [AIMessage(content='There are 8 employees in the database.', ...)]}}
----

从上面的输出来看，智能体是一步一步推理出最终的答案的：

QuerySQLDatabaseTool
给出提示：此工具的输入是详细且正确的 SQL 查询，输出是数据库的结果。如果查询不正确，将返回错误消息。如果返回错误，请重写查询，检查查询，然后重试。如果您遇到“字段列表”中未知列“xxxx”的问题，请使用 sql_db_schema 查询正确的表字段。
agent
生成名为 sql_db_schema 的 tool_call ,确定表名为 Employee。
tools
执行前面tool_call，生成名为 sql_db_schema 的 ToolMessage ，找出了表 Employee 的 DML ，并成功查询出3条信息。
agent
生成名为 sql_db_query_checker 的 tool_call，其中包含 SQL语句。
tools
验证前面 tool_call 中的SQL是否正确。生成名为 sql_db_query_checker 的 ToolMessage，其内容显示最终确定了正确的SQL语句。
agent
生成名为 sql_db_query 的 tool_call，其中包含SQL语句：SELECT COUNT(*) FROM Employee
tools
执行前面的 tool_call ，生成名为 sql_db_query 的 ToolMessage ，其中已经包含了 SQLite的返回值。
agent
基于前面的结果生成了最终回答。

通过上述的推理过程显示：智能体与工具进行了多轮交互后才给出最终回答。

下表直接列出各个大模型针对这3个问题的处理结果：

	How many Employees are there?	Which country’s customers spent the most?	Describe the PlaylistTrack table
`qwen2.5`	There are 8 employees in the database.	The country with the highest spending by customers is USA, followed by Canada, France, Brazil, and Germany.\n\nHere are the top 5 countries based on total invoice amount:\n\n1. USA - $523.06\n…	The `PlaylistTrack` table has two columns: `PlaylistId` and `TrackId`. It is a junction table used to establish a many-to-many relationship between the `Playlist` and `Track` tables…
`llama3.1`	There are 8 Employees.	The country’s customers that spent the most are from the USA, with a total spend of $523.06.	The PlaylistTrack table contains information about the tracks in each playlist. It has two columns: PlaylistId and TrackId,…
`MFDoom/deepseek-r1-tool-calling:7b`	There are \boxed{8} Employees in the database.	未推理出正确的的SQL	Alright, …, it looks like this table has two main columns: PlaylistId and TrackId…

从上述结果来看，qwen2.5给出的回答最清晰全面，llama3.1也不错，MFDoom/deepseek-r1-tool-calling:7b 未能正确回答第2个问题。

中文问题

    questions = ["有多少名员工？","哪个国家的顾客花费最多？","描述 PlaylistTrack 表" ]

	有多少名员工？	哪个国家的顾客花费最多？	描述 PlaylistTrack 表
`qwen2.5`	数据库中一共有 8 名员工。	花费最多的国家及其总金额如下：\n\n1. 美国 (USA) - 总\金额: $523.06…\n\n因此，顾客花费最多的国家是美国。	`PlaylistTrack` 表包含两个列：`PlaylistId` 和 `TrackId`。这两个列共同作为主键，表示播放列表和其中的歌曲之间的关系。…
`llama3.1`	有 8 名员工。	答案是：美国。	根据工具的输出，PlaylistTrack 表是一个连接表，它将Playlist和Track两个表关联起来。它有两个列：PlaylistId和TrackId，…
`MFDoom/deepseek-r1-tool-calling:7b`	未正确做答	未正确做答	未正确做答

总结

我们实现了用 智能体(Agent) 与 SQlite 对话的功能，通过中英文环境的简单对比实验发现，qwen2.5 表现最稳健。

代码

本文涉及的所有代码以及相关资源都已经共享，参见：

github
gitee

为便于找到代码，程序文件名称最前面的编号与本系列文章的文档编号相同。

参考

Build a Question/Answering system over SQL data

🪐感谢您观看，祝好运🪐

本地大模型编程实战(23)用智能体(Agent)实现基于SQL数据构建问答系统(2)

本文将用智能体(Agent) 实现对 SQLite 数据库的查询：用户用自然语言提出问题，智能体也用自然语言根据数据库的查询结果回答问题。本次将分别在英文、中文环境下，使用 qwen2.5 、 MFDoom/deepseek-r1-tool-calling:7b 以及 llama3.1 做实验。…...

编程日记 2025/9/15 1:39:19

Flash-03

1-问题：Flash软件画两个图形，若有部分重合则变为一个整体解决方法1：两个图形分属于不同的图层解决方法2：将每个图形都转化为【元件】问题2：元件是什么？ 在 Adobe Flash（现在称为 Adobe Anim…...

编程日记 2025/9/14 9:11:28

防火墙双机热备---VRRP,VGMP,HRP(超详细)

双机热备技术-----VRRP，VGMP，HRP三个组成注：与路由器VRRP有所不同，路由器是通过控制开销值控制数据包流通方向防火墙双机热备： 1.主备备份模式双机热备最大的特点就是防火墙提供了一条专门的备份通道（心…...

编程日记 2025/9/14 9:11:26

PC端-发票真伪查验系统-Node.js全国发票查询接口

在现代企业的财务管理中，发票真伪的验证至关重要。随着电子发票的普及，假发票问题日益严峻，如何高效、准确的对发票进行真伪查验，已经成为各类企业在日常运营中必须解决的关键问题。翔云发票查验接口做企业财务管理、税务合规的好…...

编程日记 2025/9/14 9:11:22

3.1部署filebeat:5044

beats是ELK体系中新增的一个工具，, 属于一个轻量的日志采集器。 1.安装（每台） # tar xf filebeat-6.4.1-linux-x86_64.tar.gz # mv filebeat-6.4.1-linux-x86_64 /usr/local/filebeat #yum -y install httpd #systemctl start httpd 2.测试…...

编程日记 2025/9/14 9:11:19

在 Windows 上配置 Ollama 服务并开放局域网访问

为了在局域网内共享 Ollama 服务，我们需要完成以下两步： 1、设置 Ollama 的环境变量 OLLAMA_HOST，使其监听局域网的 IP 地址。 （1） 配置 Ollama 服务的监听地址 Ollama 服务使用环境变量 OLLAMA_HOST 来指定监听的地…...

编程日记 2025/9/14 9:11:16

C#快速调用DeepSeek接口，winform接入DeepSeek查询资料 C#零门槛接入DeepSeek C#接入DeepSeek源代码下载

下载地址<------完整源码在数字化转型加速的背景下，企业应用系统对智能服务的需求日益增长。DeepSeek作为先进的人工智能服务平台，其自然语言处理、图像识别等核心能力可显著提升业务系统的智能化水平。传统开发模式下，C#开发者需要耗费大…...

编程日记 2025/9/14 9:11:14

解决后端跨域问题

目录一、什么是跨域问题？ 1、跨域问题的定义 2、举例 3、为什么会有跨域问题的存在？ 二、解决跨域问题 1、新建配置类 2、编写代码三、结语一、什么是跨域问题？ 1、跨域问题的定义跨域问题（Cross-Origin Resource Sh…...

编程日记 2025/9/14 9:11:12

【教程】使用docker+Dify搭建一个本地知识库

现在AI火的一塌糊涂，再不搭建一个自己的AI知识库就有点落伍了，这里我是自己的windows11电脑。用了dockerdifydeepseek。一、安装docker 网址：https://www.docker.com/ 什么是docker？ Docker 是一种开放源代码的容器化平台&…...

编程日记 2025/9/10 4:07:25

微信小程序数据绑定与事件处理：打造动态交互体验

在上一篇中，我们学习了如何搭建微信小程序的开发环境并创建了一个简单的“Hello World”页面。然而，一个真正的小程序不仅仅是静态内容的展示，它需要与用户进行动态交互。本文将深入探讨微信小程序中的数据绑定和事件处理机制，通过…...

编程日记 2025/9/13 11:57:23

Spring MVC 的执行流程解析：从用户请求到响应返回

Spring MVC 是一种基于 Model-View-Controller 设计模式的 Web 框架，用于处理用户请求、执行相应的业务逻辑并返回响应。它广泛应用于 Java Web 开发，提供了灵活的架构和丰富的功能。本文将详细介绍 Spring MVC 的执行流程，帮助你理解它是如…...

编程日记 2025/9/13 13:33:03

c++day5

作业： 编写一个如下场景： 有一个英雄Hero类，私有成员，攻击，防御，速度，生命值，以及所有的set get 方法编写一个武器 Weapon 类，拥有私有成员攻击力，以及set …...

编程日记 2025/9/15 12:19:39

Deepseek 实战全攻略，领航科技应用的深度探索之旅

想玩转 Deepseek？这攻略别错过！先带你了解它的基本原理，教你搭建运行环境。接着给出自然语言处理、智能客服等应用场景的实操方法与代码。还分享模型微调、优化技巧，结合案例加深理解，让你全面掌握，探索科技…...

编程日记 2025/9/6 12:53:29

公共数据授权运营模式研究（总体框架、主要模式及发展趋势）

本报告以公共数据运营模式为核心，以释放公共数据价值为目标，深入分析公共数据概念及特征，厘清公共数据运营的内涵及本质，提出纵深分域数据要素市场运营体系的总体思路，构建了一座（一个数据底座）…...

编程日记 2025/9/15 5:54:02

本地开发用ASP.NET Core Web API项目创建及测试

1. 服务端代码（C#） 1.1 创建ASP.NET Core Web API项目打开Visual Studio 2022。选择“创建新项目”。选择“ASP.NET Core Web API”模板，点击“下一步”。输入项目名称（如OracleApi），选择项目位置&…...

编程日记 2025/9/15 5:54:01

【虚拟仪器技术】labview操作指南和虚拟仪器技术习题答案(一)

今天是2025年2月24日，画的是fate/Grand Order里面的阿尔托莉雅.卡斯特，武内老师的画。目录第1章第2章第3章第4章第5章关注作者了解更多我的其他CSDN专栏毕业设计求职面试大学英语过程控制系统工程测试技术虚拟仪器技术可编程…...

编程日记 2025/9/15 5:53:59

SpringCloud系列教程：微服务的未来（二十五）-基于注解的声明队列交换机、消息转换器、业务改造

前言在现代分布式系统中，消息队列是实现服务解耦和异步处理的关键组件。Spring框架提供了强大的支持，使得与消息队列（如RabbitMQ、Kafka等）的集成变得更加便捷和灵活。本文将深入探讨如何利用Spring的注解驱动方式来配置和管理队…...

编程日记 2025/9/15 5:53:57

LLM之论文阅读——Context Size对RAG的影响

前言 RAG 系统已经在多个行业中得到广泛应用，尤其是在企业内部文档查询等场景中。尽管 RAG 系统的应用日益广泛，关于其最佳配置的研究却相对缺乏，特别是在上下文大小、基础 LLM 选择以及检索方法等方面。论文原文: On the Influence of Co…...

编程日记 2025/9/15 5:53:56

C#实现本地AI聊天功能（Deepseek R1及其他模型）。

前言 1、C#实现本地AI聊天功能 WPFOllamaSharpe实现本地聊天功能,可以选择使用Deepseek 及其他模型。 2、此程序默认你已经安装好了Ollama。在运行前需要线安装好Ollama,如何安装请自行搜索 Ollama下载地址： https://ollama.org.cn Ollama模型下载地址&#xf…...

编程日记 2025/9/14 18:58:36

git 查询包含某个文件夹的步骤

步骤 1：拉取最新的远程分支信息确保本地缓存的远程分支信息是最新的： bash 复制 git fetch --all 步骤 2：遍历所有远程分支并检查目标文件夹使用 git ls-tree 检查每个分支是否包含目标文件夹。以下脚本会列出所有包含 your_folder_pa…...

编程日记 2025/9/15 5:53:52

微软开源神器OmniParser-v2.0本地部署教程

安装python环境我这里是以前安装好的版本：python 3.11.5，这里不再介绍，有需要的可以在网上找教程。安装Anaconda 我这里是以前安装好的版本：conda 23.7.4，这里也不再介绍，有需要的可以在网上找教程。 …...

编程日记 2025/9/15 5:53:51

解决 Git 合并冲突：当本地修改与远程提交冲突时

目录错误原因分析解决方法 1. 暂存本地修改并合并（保留更改） 2. 丢弃本地修改（强制覆盖） 3. 暂存修改后合并（推荐：使用 git stash） 4. 选择性合并（手动处理冲突文件&#xf…...

编程日记 2025/9/15 0:13:19

VScode中Markdown PDF无法正确输出包含数学公式的pdf解决方案

在使用VScode的Markdown PDF插件时，可能会遇到无法正确输出包含公式的PDF文件的问题。下面为你提供一种有效的解决方案。具体操作步骤步骤一：定位模板文件在安装Markdown PDF插件后，你需要找到对应的模板文件。该文件的路径通常如下&am…...

编程日记 2025/9/15 5:53:48

uniapp 网络请求封装(uni.request 与 uView-Plus）

一、背景在开发项目中，需要经常与后端服务器进行交互；为了提高开发效率和代码维护性，以及降低重复性代码，便对网络请求进行封装统一管理。二、创建环境文件 2.1、根目录新建utils文件夹，utils文件夹内新建env.js文…...

编程日记 2025/9/15 5:53:46

Jtti.cc:站群服务器SEO优化建议，如何分配多IP？

站群优化的核心目标之一是尽可能通过多个网站互相引导流量，从而提升主站的权重。这时候，多IP的分配至关重要，因为搜索引擎会检测到同一IP下的网站之间的关联性。如果一个IP地址下有过多的相似站点，搜索引擎可能会认为这些站点存在…...

编程日记 2025/9/15 5:53:44

银行系统功能架构设计元模型

1. 元模型核心目标规范性：定义功能模块的标准化描述方式，便于跨团队协作。可复用性：抽象通用组件，减少重复开发。可扩展性：支持未来业务创新和技术升级（如开放银行API集成）。2. 元模型层级结构采用分层架构模式，分为以下核心层级： **(1) 业务功能层** …...

编程日记 2025/9/15 5:53:43

uniapp写的h5跳转小程序

使用场景： 我们对接第三方支付的时候，对方只提供了原生小程序id和appid，由我们的app和h5平台跳转至小程序。遇到的问题： app跳转本地正常，线上报错如下解决办法： 需要去微信开放平台申请应用appid 易…...

编程日记 2025/9/15 5:53:41

DeepSeek点燃AI大模型战火：编程语言争霸，谁将问鼎“终极武器”王座？

DeepSeek点燃AI大模型战火：编程语言争霸，谁将问鼎“终极武器”王座？ 一、DeepSeek：AI大模型竞赛的“导火索” 2023年，中国AI公司深度求索（DeepSeek）发布DeepSeek-R1大模型，凭借其超…...

编程日记 2025/9/15 5:53:39

游戏引擎学习第123天

仓库:https://gitee.com/mrxiao_com/2d_game_3 黑板：线程同步/通信目标是从零开始编写一个完整的游戏。我们不使用引擎，也不依赖任何库，完全自己编写游戏所需的所有代码。我们做这个节目不仅是为了教育目的，同时也是因为编程本…...

编程日记 2025/9/14 16:34:11

钉钉快捷免登录通过浏览器打开第三方系统，

一、钉钉内跳转至浏览器的实现使用钉钉JSAPI的跳转接口在钉钉内通过dd.biz.navigation.openLink方法强制在系统浏览器中打开链接。此方法需在钉钉开发者后台配置应用权限，确保应用具备调用该API的资格37。示例代码： dd.ready(() > {dd.biz.navigat…...

编程日记 2025/9/15 5:53:36

塔能科技构建智慧隧道生态系统——城市升级改造的协同创新典范

一、智慧隧道生态系统的概念与意义 （一）概念解析智慧隧道生态系统是一个涵盖多方面协同关系的复杂概念。在隧道建设方面，它不仅仅是简单的挖掘和结构搭建，而是将智能化技术融入其中，例如采用先进的传感器技术&#x…...

编程日记 2025/9/15 5:53:34

在Anaconda的虚拟环境中安装R，并在vscode中使用

在 Anaconda 的虚拟环境中使用 R，并且希望在 VS Code 中同时使用 Python 和 R，确实需要同时安装 Python 和 R。这是因为 VS Code 的 Jupyter 插件和内核管理依赖于 Python，而 R 则作为 Jupyter 的另一个内核运行。以下是具体的操作步骤和逻…...

编程日记 2025/9/15 5:53:33

创建型模式 - 建造者模式 (Builder Pattern)

创建型模式 - 建造者模式 (Builder Pattern) 建造者模式是一种创建型设计模式，它将一个复杂对象的构建与表示分离，使得同样的构建过程可以创建不同的表示。需求描述在游戏开发中，创建一个复杂的游戏角色，角色具有多种属性&…...

编程日记 2025/9/15 5:53:31

路由追踪核心技术深度解析：Traceroute与Tracert命令实战指南（跨平台/抓包/网络安全防护）

目录路由器是什么？ 路由器的基本功能： 路由追踪技术（Traceroute） 路由追踪的工作原理实现技术路由追踪的输出示例路由追踪的用途 traceroute 命令（Linux 和 macOS） 基本语法常用选项示例 …...

编程日记 2025/9/14 19:19:12

音视频入门基础：RTP专题（12）——RTP中的NAL Unit Type简介

一、引言 RTP封装H.264时，RTP对NALU Header的nal_unit_type附加了扩展含义。由《音视频入门基础：H.264专题（4）——NALU Header：forbidden_zero_bit、nal_ref_idc、nal_unit_type简介》可以知道，nal_unit…...

编程日记 2025/9/15 5:03:30

HTTP GET 请求示例

鸿蒙操作系统（HarmonyOS）是华为公司自主研发的面向全场景的分布式操作系统，旨在为用户提供一个安全、流畅且跨设备无缝连接的体验。它支持多种终端设备，如智能手机、平板电脑、智能电视、汽车等，并实现了模块化解耦&am…...

编程日记 2025/9/13 13:35:36

GO 快速升级Go版本

由于底层依赖升级了，那我们也要跟着升，go老版本已经不足满足需求了，必须要将版本升级到1.22.0以上查看当前Go版本命令查看go版本 go version [rootlocalhost local]# go version go version go1.21.4 linux/amd64 [rootlocalhost local]# …...

编程日记 2025/9/14 15:31:07

ELK搭建初入

ELK搭建： 1、安装ElasticSearch （用于存储收集到的日志信息） 解压安装包 tar -xzvf elasticsearch-8.17.2-linux-x86_64.tar.gz 启动es：bin/elasticsearch –d（默认端口号9200） 浏览器输入es地址。出现…...

编程日记 2025/9/14 4:27:17

【redis】数据类型之Bitfields

Redis的Bitfields（位域）与Bitmaps一样，在Redis中并不是一种独立的数据类型，而是一种基于字符串的数据结构，用于处理位级别的操作。允许用户将一个Redis字符串视作由一系列二进制位组成的数组，并对这些位进行…...

编程日记 2025/9/15 4:18:22

vscode软件中引入vant组件

一、vant简介 Vant 是一个轻量、可靠的移动端组件库，于 2017 年开源。目前 Vant 官方提供了 Vue 2 版本、Vue 3 版本和微信小程序版本，并由社区团队维护 React 版本和支付宝小程序版本。官网：介绍 - Vant Weapp 里面的快速上手的教程&a…...

编程日记 2025/9/14 4:40:29

DDR3模块、HDMI、晶振的布局原则

DDR3模块的布局原则 1.1片DDR就尽量靠近我们CPU去摆放 2.DDRx2片，相对CPU需要严格对称 3.DDR滤波电容靠近管脚进行放置 4.端接匹配电阻摆放：串联端接电阻放置CPU端，并联端接电阻放置DDR端 5.地址线、控制线、时钟线都是单向传输&#xff0c…...

编程日记 2025/9/14 11:07:15

夜莺监控 - 边缘告警引擎架构详解

前言夜莺类似 Grafana 可以接入多个数据源，查询数据源的数据做告警和展示。但是有些数据源所在的机房和中心机房之间网络链路不好，如果由 n9e 进程去周期性查询数据并判定告警，那在网络链路抖动或拥塞的时候，告警就不稳定了。所…...

编程日记 2025/9/8 0:28:55

【CSP/信奥赛通关课（六）：信奥赛STL专题】

CSP/信奥赛通关课（六）：信奥赛STL专题课程简介： 讲解信奥赛C中的STL核心组件：容器、迭代器、算法等，分析重点案例，让学生在实践的过程中熟练掌握信奥赛C相关的STL重要知识点。课程教学目标&…...

编程日记 2025/9/14 14:24:40

【数据结构初阶第十五节】堆的应用（堆排序 + Top-K问题）

必须有为成功付出代价的决心，然后想办法付出这个代价。云边有个稻草人-CSDN博客对于本节我们要提前掌握前一节课堆的相关实现才能学好本次的知识，一定要多画图多敲代码看看实现的效果是啥（Crazy！）开始吧！ …...

编程日记 2025/9/12 5:36:43

SSL/TLS 协议、SSL证书和 SSH协议的区别和联系

下面是 SSL/TLS 协议、SSL证书和 SSH协议的区别和联系，包含它们的英文全称和中文全称： 属性SSL/TLS 协议SSL证书SSH 协议英文全称Secure Sockets Layer / Transport Layer SecuritySecure Sockets Layer CertificateSecure Shell Protocol中文全称安全…...

编程日记 2025/9/9 1:50:08

数据结构与算法-图论-最短路和其他的结合

介绍最短路算法常与深度优先搜索（DFS）、动态规划（DP）、二分答案、拓扑排序等算法结合使用： - 最短路与DFS结合：在一些图的路径问题中，当需要访问特定的多个结点，且数据范围较小时…...

编程日记 2025/9/13 18:27:11

C++day6

编写一个如下场景： 有一个英雄Hero类，私有成员，攻击，防御，速度，生命值，以及所有的set get 方法编写一个武器 Weapon 类，拥有私有成员攻击力，以及set get 方法编写一个…...

编程日记 2025/9/14 15:54:27

【初阶数据结构】星河中的光影 “排” 象：排序（下）

文章目录 4.交换排序4.1 冒泡排序（BubbleSort）4.2 快速排序（QuickSort）4.2.1 hoare版本4.2.2 挖坑法4.2.3 前后指针法4.2.4 非递归实现 5.归并排序（MergeSort）5.1 递归实现5.2 非递归实现5.2.1 一次性全部拷…...

编程日记 2025/9/14 3:43:56

C++ 练习1

阐述g 有哪些常用的选项，该选项有什么作用选项作用-o <file>指定输出文件名（默认生成 a.out）-c仅编译生成目标文件（.o 文件），不链接-E只进行预处理，输出预处理后的代码（展开…...

编程日记 2025/9/9 20:48:08

Ajax数据采集与分析详解

文章目录 1. 什么是 Ajax？2. Ajax 的工作原理3. Ajax 在网页中的应用场景4. 爬取 Ajax 数据的方法4.1 分析网络请求4.2 模拟 Ajax 请求4.3 使用 Selenium 模拟浏览器4.4 使用 Headless 浏览器 5. 处理动态参数6. 处理分页和滚动加载7. 处理反爬虫机制8. 数据存储9. …...

编程日记 2025/9/15 8:12:14

准备

创建 SQLite