Deepseek Api Function Calling解析(tools、tool_calls)Deepseek函数调用流程图、Python代码示例
文章目录
- Function Calling介绍
- **核心原理**
- 1. **动态扩展模型能力**
- 2. **JSON结构化交互**
- **实现步骤**(以支持Function Calling的模型为例)
- 1. **定义可用函数**
- 2. **模型匹配与生成**
- 3. **开发者执行函数**
- 4. **结果反馈给模型**
- **DeepSeek R1的当前限制**
- **替代方案建议**
- 1. **自定义流程控制**
- 2. **关注更新动态**
- 💡 **扩展阅读**
- Function Calling调用流程
- **Function Calling 核心流程**
- 1. **用户输入请求**
- 2. **模型解析意图**
- 3. **生成函数调用请求**
- 4. **执行外部函数**
- 5. **返回函数结果**
- 6. **生成最终响应**
- **流程图**
- **关键点说明**
- 1. **两次模型交互(如OpenAI)**
- 2. **结构化参数验证**
- 3. **错误处理**
- **参考案例(天气查询)**
- 1. **用户输入**
- 2. **模型返回函数调用**
- 3. **执行天气API查询**
- 4. **模型生成最终响应**
- **扩展阅读**
- Function Calling Python代码示例(以调用OpenAI模型为例)
- 代码
- 代码解析:
- 1. **函数定义**
- 2. **API交互流程**
- 3. **关键参数说明**
- 执行示例输出:
- 注意事项:
- 1. 需替换为有效的OpenAI API密钥(`sk-your-api-key-here`)
- 2. GPT-3.5-turbo版本需 >= 0613 才能支持函数调用
- 3. 实际生产环境需要:
Function Calling介绍
根据官方文档和搜索结果,DeepSeek的 Function Calling(函数调用) 功能允许模型通过调用外部工具来增强其能力。以下是其核心原理与实现步骤:
核心原理
1. 动态扩展模型能力
通过预定义函数,模型可将用户查询映射到具体操作(如调用API、执行计算等),从而突破纯文本生成的限制。
2. JSON结构化交互
模型不直接执行函数,而是生成包含函数名和参数的JSON对象,开发者据此执行外部逻辑。
实现步骤(以支持Function Calling的模型为例)
1. 定义可用函数
开发者在API请求中声明函数列表,包括:
- 函数名(如
get_weather
) - 参数描述(如
{"location": "string", "unit": "celsius|fahrenheit"}
)
2. 模型匹配与生成
用户输入查询后,模型判断是否需要调用函数。若需要,则生成JSON对象,例如:
{"tool_calls": [{"function": {"name": "get_weather", "arguments": "{\"location\": \"北京\"}"}}]
}
3. 开发者执行函数
解析JSON并调用对应函数,获取结果(如调用天气API返回数据)。
4. 结果反馈给模型
将执行结果返回给模型,模型整合信息生成最终回复(如“北京今天晴天,25℃”)。
DeepSeek R1的当前限制
🔴 注意:根据官方文档(DeepSeek API Docs),DeepSeek R1目前不支持Function Calling,且旧版模型(如 deepseek-chat
)的此功能存在以下问题:
- 可能出现循环调用(模型重复生成函数请求)
- 返回空响应或无意义JSON
- 开发团队正在修复,预计下一版本改进。
替代方案建议
1. 自定义流程控制
通过Prompt Engineering引导模型输出结构化文本,开发者手动解析后调用外部工具。
示例Prompt:
若需查询天气,请以JSON格式回复:{"action": "weather", "location": "城市名"}
2. 关注更新动态
建议定期查阅DeepSeek GitHub仓库或官方文档,获取Function Calling支持进展。
💡 扩展阅读
- OpenAI式Function Calling详解: OpenAI函数调用机制
- DeepSeek工具调用优化方向: Reddit讨论
Function Calling调用流程
好的,用户需要理解Function Calling的流程,并希望有一个流程图来辅助理解。我之前提供的搜索结果里提到,Function Calling的基本流程包括用户输入、模型解析、生成函数调用请求、执行函数、返回结果和生成响应。用户可能已经了解了一些基本步骤,但可能对具体细节或流程图有疑问。
首先,需要确认用户的实际需求。他们可能是在开发中使用大模型,需要集成外部工具,比如天气API或数据库查询。流程图的请求表明他们希望有一个可视化的步骤说明,可能用于教学或系统设计。
根据搜索结果,尤其是来自CSDN和知乎的链接,流程通常包括两次模型调用:第一次判断是否需要调用函数,生成请求;第二次根据函数返回的结果生成最终响应。例如,OpenAI的流程是先发送用户输入和可用函数列表,模型返回需要调用的函数及参数,执行后再次将结果传给模型生成回答。
需要注意用户提到的DeepSeek R1目前不支持Function Calling,但其他模型如GPT-4有该功能。用户的示例可能基于通用流程,但需要明确说明不同模型的差异。
用户可能遇到的困惑点在于如何将模型和外部系统连接,以及具体步骤间的数据传递。流程图应清晰展示从用户输入到最终响应的闭环过程,包括模型判断和执行函数的环节。
综合搜索结果,可以构建一个包含以下步骤的流程图:
- 用户输入问题。
- 模型解析并判断是否需要调用函数。
- 生成函数调用请求(名称和参数)。
- 应用程序执行函数并获取结果。
- 结果返回给模型。
- 模型整合结果生成最终响应。
需要指出的是,部分实现可能需要两次模型交互,如OpenAI的流程,而有些可能整合为一次。此外,函数参数的验证和错误处理也是重要环节,但可能不在基础流程中体现。
最后,确保流程图简洁易懂,用文字说明每个步骤的关键点,如模型生成结构化请求(JSON),应用程序执行外部API调用等。同时,参考提供的链接中的示意图,但可能无法直接访问图片,需用文字描述结构。
以下是 Function Calling(函数调用) 的详细流程及示意图,结合大模型与外部工具的交互机制:
Function Calling 核心流程
1. 用户输入请求
- 用户提出自然语言请求(如“北京今天的天气如何?”)。
2. 模型解析意图
- 大模型(如GPT-4)分析用户意图,判断是否需要调用外部函数(如天气API)。
3. 生成函数调用请求
- 模型返回结构化请求(JSON格式),包含函数名和参数:
{"tool_calls": [{"function": {"name": "get_weather", "arguments": "{\"location\": \"北京\"}"}}] }
4. 执行外部函数
- 应用程序解析请求,调用对应的函数(如查询天气API)。
5. 返回函数结果
- 函数执行结果(如温度、天气状况)返回给模型。
6. 生成最终响应
- 模型将结果整合为自然语言回复(如“北京今天晴天,25℃”)。
流程图
用户输入│▼
大模型解析意图│▼
是否需要调用函数? ——是→ 生成函数调用请求(JSON)│ │否 ▼│ 执行外部函数(如API、数据库)▼ │
直接生成回答 ▼│ 获取函数结果▼ │
返回用户响应 ←───────────┘
关键点说明
1. 两次模型交互(如OpenAI)
- 第一次请求:发送用户输入 + 可用函数列表,模型返回需调用的函数及参数。
- 第二次请求:发送函数执行结果,模型生成最终回复。
2. 结构化参数验证
- 应用程序需校验参数格式(如参数类型、必填字段),避免错误调用。
3. 错误处理
- 若函数调用失败,模型可能重新生成请求或提示用户修正输入。
参考案例(天气查询)
1. 用户输入
“上海明天会下雨吗?”
2. 模型返回函数调用
{"function": "get_weather", "arguments": {"location": "上海", "date": "2024-06-20"}}
3. 执行天气API查询
调用第三方API获取天气数据(如{"weather": "rain", "temp": 22}
)。
4. 模型生成最终响应
“上海明天有雨,气温22℃。”
扩展阅读
- OpenAI Function Calling 官方文档
- 大模型函数调用原理与实战(CSDN)
- LangChain 函数调用实现
通过流程图和分步解释,可以更清晰地理解大模型如何通过函数调用与外部系统协同工作。
Function Calling Python代码示例(以调用OpenAI模型为例)
代码
以下是使用OpenAI Function Calling的Python代码示例,实现天气查询功能:
import openai
import json# 配置OpenAI API密钥
openai.api_key = "sk-your-api-key-here"def get_current_weather(location, unit="celsius"):"""模拟天气API调用(实际应替换为真实API调用)"""weather_data = {"location": location,"temperature": "25","unit": unit,"forecast": ["sunny", "windy"],}return json.dumps(weather_data)def run_conversation():# 第一步:发送用户查询和函数定义messages = [{"role": "user", "content": "北京今天天气怎么样?"}]functions = [{"name": "get_current_weather","description": "获取指定地区的当前天气","parameters": {"type": "object","properties": {"location": {"type": "string","description": "城市或地区名称,例如:北京",},"unit": {"type": "string", "enum": ["celsius", "fahrenheit"],"description": "温度单位"}},"required": ["location"],},}]# 初始API调用response = openai.ChatCompletion.create(model="gpt-3.5-turbo-0613",messages=messages,functions=functions,function_call="auto",)response_message = response.choices[0].message# 第二步:处理函数调用if hasattr(response_message, "function_call"):# 解析函数调用信息function_name = response_message["function_call"]["name"]function_args = json.loads(response_message["function_call"]["arguments"])# 调用对应函数if function_name == "get_current_weather":function_response = get_current_weather(location=function_args.get("location"),unit=function_args.get("unit", "celsius"))# 第三步:发送函数结果给模型messages.append(response_message) # 添加助理的消息messages.append({"role": "function","name": function_name,"content": function_response,})# 获取最终响应final_response = openai.ChatCompletion.create(model="gpt-3.5-turbo-0613",messages=messages,)return final_response.choices[0].message['content']else:return response_message['content']# 运行对话
print(run_conversation())
代码解析:
1. 函数定义
get_current_weather
:模拟天气API调用(实际开发需替换为真实API)- 参数验证逻辑可在此函数中添加
2. API交互流程
用户输入 → 模型判断需要函数调用 → 生成函数调用请求 →
执行函数 → 返回结果给模型 → 生成最终响应
3. 关键参数说明
functions
:声明模型可用的函数列表function_call
:设置为"auto"让模型自主决策
执行示例输出:
北京今天天气晴朗,当前气温为25摄氏度,风力较大。请注意防晒。
注意事项:
1. 需替换为有效的OpenAI API密钥(sk-your-api-key-here
)
2. GPT-3.5-turbo版本需 >= 0613 才能支持函数调用
3. 实际生产环境需要:
- 添加错误处理(网络错误/参数错误)
- 实现真正的天气API调用
- 设置合理的temperature参数控制输出稳定性
如果需要DeepSeek版本的实现,请关注其API文档的更新,当前(截至2024年6月)DeepSeek R1尚未开放Function Calling支持。
相关文章:
Deepseek Api Function Calling解析(tools、tool_calls)Deepseek函数调用流程图、Python代码示例
文章目录 Function Calling介绍**核心原理**1. **动态扩展模型能力**2. **JSON结构化交互** **实现步骤**(以支持Function Calling的模型为例)1. **定义可用函数**2. **模型匹配与生成**3. **开发者执行函数**4. **结果反馈给模型** **DeepSeek R1的当前…...
分享一套适合做课设的SpringBoot商城系统
开学季到了,不少同学都进入了学习的状态中去了,趁着今天有空来分享一套商城系统,这套代码实现了商城的前后台,整体界面和代码非常简洁,熟悉项目之后可以根据需求进行二次开发,也适合用来做毕设、课设&#…...
C语言自定义类型:联合和枚举
在C语言中,联合(Union)和枚举(Enum)是两种重要的的自定义数据类型。它们分别适用于不同的场景,能够提升代码的效率和可维护性。。本文将结合代码示例,详细讲解它们的声明、特点及使用方法。 一、…...
Redis SCAN 命令详解:安全遍历海量键的利器
一、SCAN 命令的核心价值 Redis 的 KEYS * 命令虽然可以遍历所有键,但在生产环境中直接使用可能导致服务阻塞(时间复杂度 O(n))。SCAN 命令通过游标分批次迭代,实现非阻塞式遍历,成为处理百万级键的安全选择。 二、命…...
文字滚动效果组件和按钮组件
今天和大家分享一个vue中好用的组件,是我自己写的,大家也可以自己改,就是文字的循环滚动效果,如下图,文字会向左移动,结束之后也会有一个循环,还有一个按钮组件,基本框架写的差不多了…...
Sqlserver安全篇之_TLS的证书概念
证书的理解 参考Sqlserver的官方文档https://learn.microsoft.com/zh-cn/sql/database-engine/configure-windows/certificate-overview?viewsql-server-ver16 TLS(Transport Layer Security)传输层安全和SSL(Secure Sockets Layer)安全套接字层协议位于应用程序协议层和TCP/…...
VS Code 如何搭建CC++开发环境
VS Code 如何搭建C/C开发环境 文章目录 VS Code 如何搭建C/C开发环境1. VS Code是什么2. VS Code的下载和安装2.1 下载和安装2.2 环境的介绍 3. VS Code配置C/C开发环境3.1 下载和配置MinGW-w64编译器套件3.2 安装C/C插件3.3 重启VS Code 4. 在VS Code上编写C语言代码并编译成功…...
计算机网络之传输层(传输层的功能)
一、数据分段与重组 传输层从会话层接收数据,并将其分割成较小的数据段,以适应网络层的最大传输单元(MTU)限制。在目的端,传输层负责将这些数据段重新组合成原始数据,确保数据的完整性和正确性。 二、端口…...
中科大计算机网络原理 1.5 Internt结构和ISP
一、互联网的层次化架构 覆盖范围分层 主干网(Tier-1级) 国家级或行业级核心网络,承担跨区域数据传输和全球互联功能。例如中国的四大主干网(ChinaNET、CERNET等)以及跨国运营商(如AT&T、Deuts…...
【网络安全 | 渗透工具】小程序反编译分析源码 | 图文教程
未经许可,禁止转载。 本文仅供学习使用,严禁用于非法渗透测试,笔者不承担任何责任。 文章目录 1、下载Proxifier2、下载反编译工具unveilr3、寻找小程序文件包4、对文件包进行反编译5、对源码进行分析6、渗透思路6.1、查找敏感信息泄露6.2、解析加解密逻辑6.3、枚举 API 接口…...
在鸿蒙HarmonyOS手机上安装hap应用
一、下载工具 安装hap包需要用到小工具 。 二、解压到目录后,进入该文件夹,打开命令行,如下图 三、将下载好的hap包放入刚才解压的文件夹内(假设hap包文件名为app.hap) 四、连接好手机和电脑,手机需要打…...
SQLAlchemy系列教程:SQLAlchemy快速入门示例项目
SQLAlchemy是与数据库交互的Python开发人员不可或缺的库。这个强大的ORM允许使用python结构进行简单的数据库操作。设置过程很简单,并且允许可扩展的数据库应用程序开发。本文通过入门项目完整介绍SQLAlchemy的应用过程,包括安装依赖包,创建连…...
【大模型系列篇】DeepSeek开源周,解锁AI黑科技
🔥 Day1:FlashMLA —— GPU推理加速器 专为处理长短不一的AI推理请求而生,就像给Hopper GPU装上了智能导航,让数据在芯片上跑出3000GB/s的"磁悬浮"速度。✅ 已支持BF16格式|580万亿次浮点运算/秒FlashMLA G…...
【Java 基础(人话版)】Java SE vs Java EE
Java SE vs Java EE:有什么区别? 最近在学习 Java 的时候,总是会看到 Java SE 和 Java EE 这两个概念。刚开始有点迷糊,后来查了资料、做了一些实验,终于弄清楚了它们的区别。这里记录一下,希望对以后复习…...
Nmap使用指南
Nmap使用指南 Nmap (网络映射器) 是一款强大的应用网络扫描和安全核查工具,适合于网络管理和安全专家。本文将介绍Nmap的基本使用方法,包括基本命令和常用功能。 1. 基本使用方式 Nmap的基本命令格式如下: nmap [选项] 目标地址目标地址 可…...
C#-委托
Action 无返回值,多线程常用 Action<string> action1 (name) > Console.WriteLine($"hello {name}"); action1("tom"); Func 有返回值,扩展方法常用,最后一个参数是输出参数 Func<int, int, double>…...
Qt中如果槽函数运行时间久,避免阻塞主线程的做法
Qt中如果槽函数运行时间久,避免阻塞主线程的做法 一、解决步骤 创建一个工作线程类:继承自QObject,并在其中实现槽函数的逻辑。将工作线程类的实例移动到单独的线程中:通过moveToThread()方法将对象移动到新线程。启动线程&…...
SQLark 数据迁移|断点续迁已上线(Oracle-达梦)
数据迁移是 SQLark 最受企业和个人用户欢迎的功能之一,截止目前已帮助政府、金融、能源、通信等 50 家单位完成从 Oracle、MySQL 到达梦的全量迁移,自动化迁移成功率达 96% 以上。 在 Oracle 到达梦数据库迁移过程中,SQLark V3.3 新增 断点续…...
【学术会议论文投稿】Spring Boot实战:零基础打造你的Web应用新纪元
第七届人文教育与社会科学国际学术会议(ICHESS 2024)_艾思科蓝_学术一站式服务平台 更多学术会议请看:https://ais.cn/u/nuyAF3 目录 一、Spring Boot简介 1.1 Spring Boot的诞生背景 1.2 Spring Boot的核心特性 二、搭建开发环境 2.1…...
【Multipath网络层协议】MPTCP工作原理
常见网络层多路径协议介绍 MPTCP(Multipath TCP) MPTCP 是在传统 TCP 基础上进行扩展的协议,它允许在源端和目的端之间建立多个 TCP子流,这些子流可以通过不同的网络路径传输数据。 例如,一台笔记本电脑同时连接了 W…...
【网络安全】从NA到P1,我是如何扩大思路的?
未经许可,不得转载。 本文涉及漏洞均已修复。 文章目录 正文正文 在这篇文章中,我将向大家展示一个我发现的漏洞,该漏洞利用了一个硬编码的 Basic 认证头,获取了管理员权限。 首先,假设公司域名为“target.com”。 第一步是使用多种工具(如 Amass、subfinder、findoma…...
使用 Postman 访问 Keycloak 端点
1. 引言 在本教程中,我们将首先快速回顾 OAuth 2.0、OpenID 和 Keycloak。然后,我们将了解 Keycloak REST API 以及如何在 Postman 中调用它们。 2. OAuth 2.0 OAuth 2.0 是一个授权框架,它允许经过身份验证的用户通过令牌向第三方授予访问…...
[AI机器人] Web-AI-Robot机器人前瞻版--比奇堡海之霸凯伦
文章目录 简述开源Web-AI-Robot 项目-比奇堡-海之霸-凯伦 技术架构效果预览 简述 本项目配合前端项目bikini_bottom_karen_ui运行,来源于柒杉工作室(截止2025.2,目前我自己)。 打造一个只需要在浏览器上运行的AI智能机器人&#…...
FastAPI 学习笔记
简介: FastAPI 是一个用于构建 API 的现代、快速(高性能)的 web 框架,使用 Python 并基于标准的 Python 类型提示。 关键特性: 快速:可与 NodeJS 和 Go 并肩的极高性能(归功于 Starlette 和 Pydantic&…...
CineMaster: 用于电影文本到视频生成的 3D 感知且可控的框架。
CineMaster是一种 3D 感知且可控的文本到视频生成方法允许用户在 3D 空间中联合操纵物体和相机,以创作高质量的电影视频。 相关链接 论文:cinemaster-dev.github.io 论文介绍 CineMaster是一种用于 3D 感知和可控文本到视频生成的新型框架。目标是让用…...
Linux上用C++和GCC开发程序实现两个不同PostgreSQL实例下单个数据库中多个Schema稳定高效的数据迁移到其它PostgreSQL实例
设计一个在Linux上运行的GCC C程序,同时连接三个不同的PostgreSQL实例,其中两个实例中分别有两个数据库中多个Schema的表结构分别与第三实例中两个数据库中多个Schema个结构完全相同,同时复制两个实例中两个数据库中多个Schema里的所有表的数…...
【Qt】ffmpeg照片提取、视频播放▲
目录 一、图像的成像原理: RGB成像原理: YUV成像原理: 二、多线程 三、ffmpeg解码(照片提取) 1.准备工作 (1)在工程文件夹里面新建三个文件夹 (2)在main函数中加…...
大语言模型中的 Token:它们是什么,如何工作?
引言 如果你使用过 ChatGPT 这样的 AI 工具,你可能会好奇:它是如何理解并生成文字的?大语言模型(LLM,Large Language Model)并不是直接处理整个句子或文章,而是拆分成一个个 Token(…...
如何评估所选择的PHP后端框架的性能?
大家在选择PHP后端框架的时候,如果想评估其性能如何,能不能扛得住你的项目?可以根据以下几点进行分析,帮助大家选择到更符合自己心目中的PHP后端框架。 1. 基准测试 基准测试是评估框架性能的基础方法,主要通过模拟高…...
从UNIX到Linux:操作系统进化史与开源革命
从UNIX到Linux:操作系统进化史与开源革命 一、操作系统:数字世界的基石 1.1 什么是操作系统? 操作系统(OS)是计算机系统的核心管理者,承担着三大核心使命: 硬件指挥官:直接管理C…...
神经网络 - 激活函数(Sigmoid 型函数)
激活函数在神经元中非常重要的。为了增强网络的表示能力和学习能力,激活函数需要具备以下几点性质: (1) 连续并可导(允许少数点上不可导)的非线性函数。可导的激活函数可以直接利用数值优化的方法来学习网络参数. (2) 激活函数及其导函数要尽可能的简单࿰…...
【AD】3-10 原理图PDF导出
文件—智能PDF 多页原理图导出 导出设置时选择工程,可自行选择导出一页或多页原理图,一般PCB不用导出...
Linux上用C++和GCC开发程序实现两个不同MySQL实例下单个Schema稳定高效的数据迁移到其它MySQL实例
设计一个在Linux上运行的GCC C程序,同时连接三个不同的MySQL实例,其中两个实例中分别有两个Schema的表结构分别与第三实例中两个Schema个结构完全相同,同时复制两个实例中两个Schema里的所有表的数据到第三个实例中两个Schema里,使…...
C进阶 自定义类型
目录 前言 一 结构体 二 结构体的存储 三 位段 四 枚举 五 联合体 总结 前言 我们之前学习的int char double ......都是内置类型,但是我们今天所学习的是自定义类型,比如联合体,结构体,枚举 一 结构体 结构体是一…...
010 rocketmq批量消息
文章目录 批量消息BatchProducer.javaBatchConsumer.java 批量消息 批量发送可以提⾼发送性能,但有⼀定的限制: topic 相同 waitStoreMsgOK 相同 (⾸先我们建设消息的iswaitstoremsgoktrue(默认为true), 如果没有异常,我们将始终收到"O…...
【华三】从零开始掌握SR技术:原理、架构与应用全解析
【华三】从零开始掌握SR技术:原理、架构与应用全解析 一、初识SR:路由技术的新革命1.1 传统网络的困扰:从真实案例看技术瓶颈1.1.1 企业网络运维之痛问题2:流量工程实现困难问题3:网络智能化缺失 1.2 SR的诞生意义&…...
安全模块设计:token服务、校验注解(开启token校验、开启签名校验、允许处理API日志)、获取当前用户信息的辅助类
文章目录 引言pom.xmlI 校验注解ApiValidationII token服务TokenService获取当前用户信息的辅助类III 域登录接口响应数据登陆用户信息引言 pom.xml <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/PO…...
考虑复杂遭遇场景下的COLREG,基于模型预测人工势场的船舶运动规划方法附Matlab代码
考虑复杂遭遇场景下的COLREG,基于模型预测人工势场的船舶运动规划方法附Matlab代码 一、引言 1.1、研究背景和意义 随着全球航运业的迅猛发展,船舶交通密度不断增大,海上交通事故频发,严重威胁到海上航行的安全。国际海上避碰规…...
构建高效系统:API接口设计规范详解
在当今的数字化时代,应用程序接口(API,Application Programming Interface)已成为连接不同软件系统和服务的桥梁,是推动数字化转型的关键技术之一。无论是企业内部系统集成、第三方服务接入,还是面向开发者…...
【文献阅读】A Survey Of Resource-Efficient LLM And Multimodal Foundation Models
发表时间:二〇二四年九月二十三日 摘要 大型基础模型,包括大语言模型(LLMs)、视觉Transformer(ViTs)、扩散模型以及基于大语言模型的多模态模型,正在革新整个机器学习的生命周期,…...
mysql 全方位安装教程
下载 MySQL 【官网下载地址】 注意要选择较大的哪个安装包,小的安装包是一个安装器。 我们不用登录,直接下载 直接运行下载好的安装包 MySQL如果是 安装包安装, 可以图形化界面自主配置 如果是压缩包解压, 可以配置 配置文件, 可以解压安装到指定的…...
【Linux】Linux的进程控制
目录 1. 学习思维导图 2.进程创建(fork) 2.1 fork创建进程失败 3.进程终止 3.1 进程退出情况 3.1.1main函数 3.1.2 退出码 3.2 exit/_exit函数 1. exit() 函数 2. _exit() 函数 4.进程等待 4.1 实现进程等待的方法 wait/waitpid方法 区别&a…...
金融支付行业技术侧重点
1. 合规问题 第三方支付系统的平稳运营,严格遵循《非银行支付机构监督管理条例》的各项条款是基础与前提,其中第十八条的规定堪称重中之重,是支付机构必须牢牢把握的关键准则。 第十八条明确指出,非银行支付机构需构建起必要且独…...
Django模型管理器/QuerySet 常见的方法
模型管理器/QuerySet 常见的方法 get([**kwargs]) 方法 用途:获取满足条件的唯一对象。参数:关键字参数,指定查询条件。返回值:模型对象。异常:如果找到多个对象或未找到对象,将分别抛出 MultipleObjects…...
QT播放视频保持视频宽高比消除黑边
QT播放视频保持视频宽高比消除黑边 1、问题 在播放视频的时候,由于框架的大小发生变化,导致视频出现黑边很不好看。 因此需要像一种方法消除黑边 2、处理 1、读取视频的宽高比 2、设置视频的Widget的大小固定,Widget的宽高比和视频宽高比…...
在Ubuntu中,某个文件的右下角有一把锁的标志是什么意思?
在Ubuntu中,某个文件的右下角有一把锁的标志是什么意思? 在 Ubuntu(或其他基于 GNOME 文件管理器的 Linux 发行版)中,文件或文件夹的右下角出现一把“锁”标志,通常表示 你当前的用户没有该文件/文件夹的写…...
聊聊Java的SPI机制
个人自建博客地址 什么是SPI呢? SPI全称Service Provider Interface,翻译过来就是服务提供者接口。调用方提供接口声明,服务提供方对接口进行实现,提供服务的一种机制,服务提供方往往是第三方或者是外部扩展。 下面…...
【 实战案例篇三】【某金融信息系统项目管理案例分析】
大家好,今天咱们来聊聊金融行业的信息系统项目管理。这个话题听起来可能有点专业,但别担心,我会尽量用大白话给大家讲清楚。金融行业的信息系统项目管理,说白了就是如何高效地管理那些复杂的IT项目,确保它们按时、按预算、按质量完成。咱们今天不仅会聊到一些理论,还会通…...
go并发编程
https://www.bilibili.com/video/BV16A4y1f7EX sync包工具 Mutex:同一时间只有一个goroutine持有锁,其它申请该锁的goroutine会被阻塞。RWMutex:允许多个协程同时读取共享数据,但写入时需要独占锁。WaitGroup:等待一组…...
使用Python开发以太坊智能合约:轻松入门与深度探索
使用Python开发以太坊智能合约:轻松入门与深度探索 随着区块链技术的快速发展,以太坊作为最为成熟和广泛使用的智能合约平台,成为了开发去中心化应用(DApp)的核心工具。智能合约不仅是区块链技术的基础,更…...