当前位置: 首页 > news >正文

7. 记忆(Memory)机制:让AI拥有“短期记忆”与“长期记忆”

引言:当AI学会"记住你"

2025年某银行智能客服因无法记住用户身份,每次对话都要求重复验证,引发大量投诉。引入LangChain 记忆系统后,客户满意度提升62%。本文将基于MemorySaverFAISS本地存储,教你构建符合最新标准的记忆系统。


一、新版记忆架构核心变化
1.1 记忆存储方案对比(LangChain 0.3+)
组件适用场景关键特性
MemorySaver短期会话状态自动序列化,支持JSON/二进制
FAISS长期知识存储本地化部署,毫秒级检索
PostgreSQL企业级记忆管理事务支持,高可用
1.2 新旧API迁移指南
# 旧版(已废弃)
# from langgraph.checkpoint import FileCheckpointer
​
# 新版(推荐)
from langgraph.checkpoint.memory import MemorySaver
from langchain_community.vectorstores import FAISS

二、构建新一代记忆系统
2.1 短期记忆
from langchain_core.messages import SystemMessage, HumanMessage
from langchain_ollama import ChatOllama
from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import START, MessagesState, StateGraph
​
​
llm = ChatOllama(model="deepseek-r1")
​
workflow = StateGraph(state_schema=MessagesState)
​
​
# 定义模型调用函数
def call_model(state: MessagesState):system_prompt = ("你是一个有礼貌的助手. ""回答尽可能多的细节.")messages = [SystemMessage(content=system_prompt)] + state["messages"]response = llm.invoke(messages)return {"messages": response}
​
​
# 定义节点和边
workflow.add_node("model", call_model)
workflow.add_edge(START, "model")
​
# 添加简单的内存检查点
memory = MemorySaver()
app = workflow.compile(checkpointer=memory)
​
response = app.invoke({"messages": [HumanMessage(content="你是谁?")]},config={"configurable": {"thread_id": "1"}},
)
print(response)
response = app.invoke({"messages": [HumanMessage(content="我刚才问你什么了?")]},config={"configurable": {"thread_id": "1"}},
)
print(response)

输出为:

{'messages': [HumanMessage(content='你是谁?', additional_kwargs={}, response_metadata={}, id='03ed2cbb-59df-42c2-b865-bcd177e30833'), AIMessage(content='<think>\n好,我需要回答用户的问题:“你是谁?” 用户希望得到详细的回应,并且我应该以礼貌的方式呈现。\n\n首先,我要确认自己的身份是DeepSeek-R1-Lite-Preview。这表明我是由深度求索公司开发的智能助手。接下来,我需要解释我的功能和用途:通过算法处理信息并生成回答,帮助用户解决问题或提供信息。\n\n然后,强调我没有个人意识或情感,只是一个工具,以确保用户的期望与实际功能相符。此外,提到遵守严格的伦理准则和隐私保护措施,这会增加用户的信任感。\n\n最后,表达愿意随时提供帮助的意愿,并询问是否需要进一步的帮助或有其他问题,这样可以让用户感到被重视和支持。\n</think>\n\n您好!我是DeepSeek-R1-Lite-Preview,一个由深度求索公司开发的智能助手,我通过算法处理信息并生成回答。我无法自主学习或更新,我的知识和能力是基于训练数据设计的。我会以专业和诚恳的态度为您提供帮助,同时遵守严格的伦理准则和隐私保护措施。请问有什么可以帮您的?', additional_kwargs={}, response_metadata={'model': 'deepseek-r1:32B', 'created_at': '2025-04-05T08:31:13.718524566Z', 'done': True, 'done_reason': 'stop', 'total_duration': 32779446334, 'load_duration': 17223924, 'prompt_eval_count': 21, 'prompt_eval_duration': 148000000, 'eval_count': 228, 'eval_duration': 32612000000, 'message': Message(role='assistant', content='', images=None, tool_calls=None)}, id='run-939ed366-2088-4d99-97e4-f5e936ecc3c2-0', usage_metadata={'input_tokens': 21, 'output_tokens': 228, 'total_tokens': 249})]}
​
{'messages': [HumanMessage(content='你是谁?', additional_kwargs={}, response_metadata={}, id='03ed2cbb-59df-42c2-b865-bcd177e30833'), AIMessage(content='<think>\n好,我需要回答用户的问题:“你是谁?” 用户希望得到详细的回应,并且我应该以礼貌的方式呈现。\n\n首先,我要确认自己的身份是DeepSeek-R1-Lite-Preview。这表明我是由深度求索公司开发的智能助手。接下来,我需要解释我的功能和用途:通过算法处理信息并生成回答,帮助用户解决问题或提供信息。\n\n然后,强调我没有个人意识或情感,只是一个工具,以确保用户的期望与实际功能相符。此外,提到遵守严格的伦理准则和隐私保护措施,这会增加用户的信任感。\n\n最后,表达愿意随时提供帮助的意愿,并询问是否需要进一步的帮助或有其他问题,这样可以让用户感到被重视和支持。\n</think>\n\n您好!我是DeepSeek-R1-Lite-Preview,一个由深度求索公司开发的智能助手,我通过算法处理信息并生成回答。我无法自主学习或更新,我的知识和能力是基于训练数据设计的。我会以专业和诚恳的态度为您提供帮助,同时遵守严格的伦理准则和隐私保护措施。请问有什么可以帮您的?', additional_kwargs={}, response_metadata={'model': 'deepseek-r1:32B', 'created_at': '2025-04-05T08:31:13.718524566Z', 'done': True, 'done_reason': 'stop', 'total_duration': 32779446334, 'load_duration': 17223924, 'prompt_eval_count': 21, 'prompt_eval_duration': 148000000, 'eval_count': 228, 'eval_duration': 32612000000, 'message': {'role': 'assistant', 'content': '', 'images': None, 'tool_calls': None}}, id='run-939ed366-2088-4d99-97e4-f5e936ecc3c2-0', usage_metadata={'input_tokens': 21, 'output_tokens': 228, 'total_tokens': 249}), HumanMessage(content='我刚才问你什么了?', additional_kwargs={}, response_metadata={}, id='83a142cc-ad9a-4a76-baa3-675508cd70fb'), AIMessage(content='<think>\n好的,用户现在问:“我刚才问你什么了?” 这可能是因为他想确认自己之前的问题或者只是随便一问。\n\n首先,我要回忆之前的对话内容。上一次用户的问题是“你是谁?”,而我的回答详细介绍了我是DeepSeek-_lite版本的智能助手,并说明了我的功能和限制。\n\n现在,用户询问刚才的问题是什么,这可能表明他希望再次确认我的身份,或者他想继续讨论这个话题。也有可能他记不清了,只是想知道之前的对话内容。\n\n我需要礼貌地提醒他刚才问的是关于我的身份问题。同时,保持友好,邀请他提出更多的问题或进一步的讨论。\n\n因此,在回复时,我会先简单说明他之前的问题,然后询问是否还有其他需求或想要继续探讨的内容。\n</think>\n\n您好!您刚才问的是:“你是谁?”如果您想了解更多或有其他问题,请随时告诉我,我很乐意为您提供帮助。', additional_kwargs={}, response_metadata={'model': 'deepseek-r1:32B', 'created_at': '2025-04-05T08:31:47.33778896Z', 'done': True, 'done_reason': 'stop', 'total_duration': 33613724628, 'load_duration': 17323671, 'prompt_eval_count': 269, 'prompt_eval_duration': 5397000000, 'eval_count': 192, 'eval_duration': 28192000000, 'message': Message(role='assistant', content='', images=None, tool_calls=None)}, id='run-f86abc0a-3f22-47e0-8da6-f4c2bd22a157-0', usage_metadata={'input_tokens': 269, 'output_tokens': 192, 'total_tokens': 461})]}

2.2 长期记忆
from datetime import datetime
from langchain_community.vectorstores import FAISS
from langchain_ollama import OllamaEmbeddings, ChatOllama
from langchain_core.documents import Document
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
​
# 1. 初始化嵌入模型和向量数据库
embeddings = OllamaEmbeddings(model="deepseek-r1")
​
# 初始化包含示例对话的向量库
vectorstore = FAISS.from_documents(documents=[Document(page_content="用户:如何重置密码?",metadata={"type": "human", "timestamp": "2025-01-01"}),Document(page_content="AI:您可以访问设置页面,选择'忘记密码'选项。",metadata={"type": "ai", "timestamp": "2025-01-01"})],embedding=embeddings
)
​
# 2. 配置本地大模型
llm = ChatOllama(model="deepseek-r1")
​
# 3. 构建增强提示模板
template = """基于以下对话历史和当前问题,用中文回答用户:
历史对话(最新在前):
{history}
当前问题:{question}
请给出专业解答:"""
prompt = ChatPromptTemplate.from_template(template)
​
​
# 4. 创建处理链
def build_chain():# 创建带时间过滤的检索器retriever = vectorstore.as_retriever(search_kwargs={"k": 2,"filter": lambda doc: doc.get("metadata", {}).get("type", "") in ["human", "ai"]})
​
​return (RunnablePassthrough.assign(# 获取最近10条对话历史history=lambda x: "\n".join([f"{doc.metadata['type']}:{doc.page_content}"for doc in retriever.invoke(x["question"])[:10]]))| prompt| llm)
​
​
# 5. 对话处理函数
def chat_loop():print("对话系统已启动(输入'exit'退出)")chain = build_chain()
​while True:user_input = input("你:").strip()if user_input.lower() == 'exit':break
​# 生成响应response = chain.invoke({"question": user_input})ai_response = response.contentprint(f"AI:{ai_response}")
​# 更新长期记忆new_docs = [Document(page_content=user_input,metadata={"type": "human", "timestamp": datetime.now().isoformat()}),Document(page_content=ai_response,metadata={"type": "ai", "timestamp": datetime.now().isoformat()})]vectorstore.add_documents(new_docs)vectorstore.save_local("chat_memory")  # 持久化存储
​
​
if __name__ == "__main__":chat_loop()

输出为:

对话系统已启动(输入'exit'退出)
你:你好
AI:<think>
嗯,用户发来了“你好”,看起来是一个问候。我应该礼貌地回应。首先,我可以用“你好!”来回复,这样既简洁又友好。然后,我可以进一步表示愿意提供帮助,比如问有什么可以帮忙的,或者询问他们今天想聊些什么。这样可以让对话继续下去,让用户感觉被重视和支持。
</think>
​
你好!很高兴见到你,有什么我可以帮你的吗?
你:怎么重置密码
AI:<think>
好,我收到用户的问题是“怎么重置密码”。首先,我要考虑用户的使用场景。可能是用户忘记了原来的密码,想要重新设置一个。接下来,我需要分析用户的身份,可能是一个普通用户,不太熟悉技术细节,所以回答要简明易懂。
​
然后,我会思考用户的真实需求。他们可能只是想快速解决问题,而不需要太多的技术术语。同时,可能会有更深层的需求,比如希望过程安全,确保密码重置不会被他人恶意利用。
​
现在,我来组织一个专业的回答。首先,需要列出步骤:访问登录页面,点击“忘记密码”,填写注册邮箱或手机号,按照提示操作,设置新密码并保存。这样分点说明清晰明了,用户容易跟随。
​
另外,我要考虑可能的安全问题,所以提醒用户不要告诉他人验证码,并建议定期更换密码以保护账户安全。这些额外的注意事项能够帮助用户更好地维护自己的账号安全。
​
最后,整体语气要友好且专业,让用户感受到被帮助和支持。
</think>
​
重置密码通常需要按照以下步骤进行:
​
1. **访问登录页面**:打开应用或网站的登录界面。
​
2. **点击“忘记密码”**:在登录页面上找到并点击“忘记密码”或“找回密码”的链接。
​
3. **输入注册邮箱或手机号**:根据提示,输入你注册时使用的邮箱地址或手机号码。
​
4. **接收验证码或重置链接**:系统会发送一个验证码到你的邮箱或手机,或者直接提供一个链接让你设置新密码。
​
5. **按照提示操作**:使用收到的验证码完成身份验证,然后按照系统的指示设置一个新的密码。
​
6. **保存新密码**:确保记住新的密码,并妥善保管。
​
如果你在重置密码过程中遇到任何问题,请联系该服务的支持团队获取帮助。同时,确保不要将验证码告诉他人,以保护你的账户安全。
你:exit


三、企业级案例:金融客服系统
3.1 架构设计
3.2 关键性能指标
  • 响应延迟:平均210ms(P99<450ms)

  • 记忆准确率:用户意图识别提升58%

  • 扩展性:单节点支持10,000+并发会话


四、避坑指南:新版记忆系统六大陷阱
  1. 未显式持久化:FAISS索引修改后需手动保存

    vector_db.save_local("./memory_index")  # 关键操作!

  2. 会话ID冲突:未使用唯一标识导致记忆混淆

  3. 内存泄漏:MemorySaver未设置cache_size限制

  4. 版本不兼容:FAISS索引文件跨版本不兼容

  5. 权限问题:本地存储目录不可写

  6. 监控缺失:未跟踪记忆命中率


下期预告

《LangChain代理系统:让AI自主决策与执行》

  • 揭秘:如何让大模型自主调用工具链?

  • 实战:构建能订机票、查天气的智能助手

  • 陷阱:无限递归与权限管控


新一代记忆系统让AI真正拥有了"过去"。记住:优秀的记忆设计,是智能体从"工具"进化为"伙伴"的关键一跃!

相关文章:

7. 记忆(Memory)机制:让AI拥有“短期记忆”与“长期记忆”

引言&#xff1a;当AI学会"记住你" 2025年某银行智能客服因无法记住用户身份&#xff0c;每次对话都要求重复验证&#xff0c;引发大量投诉。引入LangChain 记忆系统后&#xff0c;客户满意度提升62%。本文将基于MemorySaver与FAISS本地存储&#xff0c;教你构建符合…...

Chapter07_图像压缩编码

文章目录 图像压缩编码图像压缩编码基础图像压缩的基本概念信息相关信息冗余信源编码及其分类 图像编码模型信源编码器模型信源解码器模型 数字图像的信息熵信源符号码字平均长度信息熵信息量 变长编码费诺码霍夫曼编码 位平面编码格雷码 图像压缩编码 数字图像的压缩是指在满…...

网络安全之前端学习(css终章)

如大家所见&#xff0c;今天的文章就是css的最后一篇文章。那么话不多说&#xff0c;我们开始吧。本章内容比较杂&#xff0c;就是补充之前几章没讲到的。 关系选择器 之前我们讲到了很多选择器&#xff0c;这里补充一个关系选择器。 1.1后代选择器 后代选择器&#xff0c;…...

多线程代码案例 - 2

阻塞队列 阻塞队列&#xff0c;我们熟悉的概念是队列&#xff0c;即一种先进先出的数据结构。阻塞队列&#xff0c;就是基于普通队列做出的扩展。 特点 1. 线程安全的 2. 具有阻塞特性 &#xff08;a&#xff09;如果针对一个已经满了的队列进行入队列&#xff0c;此时入队操…...

Qt实现鼠标右键弹出弹窗退出

Qt鼠标右键弹出弹窗退出 1、鼠标右键实现1.1 重写鼠标点击事件1.2 添加头文件1.3 添加定义2、添加菜单2.1添加菜单头文件2.2创建菜单对象2.3 显示菜单 3、添加动作3.1添加动作资源文件3.2 添加头文件3.3 创建退出动作对象3.4菜单添加动作对象 4、在当前鼠标位置显示菜单4.1当前…...

AI绘画中的LoRa是什么?

Lora是一个多义词&#xff0c;根据不同的上下文可以指代多种事物。以下将详细介绍几种主要的含义&#xff1a; LoRa技术 LoRa&#xff08;Long Range Radio&#xff09;是一种低功耗广域网&#xff08;LPWAN&#xff09;无线通信技术&#xff0c;以其远距离、低功耗和低成本的特…...

LaTeX、KaTeX、Markdown 的用法

文章目录 1. LaTeX 用法概述1.1 LaTeX简介1.2 优点与应用场景2. LaTeX 基础语法2.1 文档结构2.2 文本格式化2.3 数学公式3. KaTeX 用法3.1 KaTeX简介3.2 基本使用方法3.2.1 引入KaTeX3.2.2 渲染数学公式3.2.3 自定义配置3.3 与LaTeX的兼容性4. Markdown 用法4.1 Markdown简介4.…...

Python 如何高效实现 PDF 内容差异对比

Python 如何高效实现 PDF 内容差异对比 1. 安装 PyMuPDF 库2. 获取 PDF 内容通过文件路径获取通过 URL 获取 3. 提取 PDF 每页信息4. 内容对比metadata 差异文本对比可视化对比 5. 提升对比效率通过哈希值快速判断页面是否相同早停机制多进程机制 6. 其他 最近有接触到 PDF 内容…...

JJJ:generic netlink例程分析

接嵌入式毕设、课设辅导、技术咨询&#xff0c;欢迎私信 完整代码&#xff1a;github代码仓链接 若想要和指定的generic netlink family通信&#xff0c;如: 994 static struct genl_family genl_ctrl __ro_after_init { // generic netlink子协议995 .module THIS_MODU…...

3D图像重建中Bundle Adjustment的推导与实现

介绍 捆集调整(Bundle Adjustment),也称为光束平差法,是一种利用来自多台相机的图像数据同时优化相机位置和姿态以及 3D 点位置的技术。该技术历史相当悠久,于 1958 年由 DC Brown1 首次提出。 最初这是美国空军正在进行的从航拍照片中恢复环境的研究,随着视觉SLAM和Sf…...

【代码模板】C语言如何修改文件权限?读写执行权限对应值是多少?(chmod(“./a.out“, 0741);bit 2 1 0表示 读 写 执行)

#include "stdio.h" #include "unistd.h"int main(int argc, char *argv[]) {if (chmod("./a.out", 0741) ! 0) {perror("Failed to set exec permission");return -1;}return 1; }0741中0是8进制&#xff0c;7是 0111&#xff0c; 4是…...

新版pycharm如何实现debug调试需要参数的python文件

在最顶上有这个选项 把鼠标移上去 点击号 选择python 具体长这样 名字随便取 script选择你要调试的python文件 脚本形参填入参数&#xff0c;如&#xff1a;--arg1 value1 --arg2 value2 点击应用确定 最后给文件打上断点&#xff0c;再点击调试按键&#xff0c;就可以调试了…...

赚钱模拟器-百宝库v0.1.1

#include<bits/stdc.h> #include<windows.h> using namespace std; int n,i,j; void welcome(); void zhuye(); void GAME(); int main(){welcome();zhuye();return 0; }void welcome(){cout<<"欢迎您使用更多资源-百宝库v0.1.1"<<endl;sys…...

实战打靶集锦-38-inclusiveness

文章目录 1. 主机发现2. 端口扫描&服务枚举3. 服务探查4.系统提权 靶机地址&#xff1a;https://download.vulnhub.com/inclusiveness/Inclusiveness.ova 1. 主机发现 目前只知道目标靶机在192.168.56.xx网段&#xff0c;通过如下的命令&#xff0c;看看这个网段上在线的主…...

01人工智能基础入门

一、AI应用场景和发展历程 1.1行业应用 1、deepdream图像生成、yolo目标检测 2、知识图谱、画风迁移 3、语音识别、计算机视觉 4、用户画像 5、百度人工智能布局 1.2发展历程 人工智能的发展经历了 3 个阶段&#xff1a; 1980年代是正式成形期&#xff0c;尚不具备影响力。 …...

SortedSet结构之用户积分实时榜单实战

Redis 中的SortedSet结构非常适合用于实现实时榜单的场景&#xff0c;它根据成员的分数自动进行排序&#xff0c;支持高效的添加、更新和查询操作。 SortedSet实时榜单的一些典型应用场景&#xff1a; 游戏中的玩家排行榜&#xff1a;在多人在线游戏中&#xff0c;使用 Sorte…...

C++_类和对象(上)

【本节目标】 面向过程和面向对象初步认识类的引入类的定义类的访问限定符及封装类的作用域.类的实例化类的对象大小的计算类成员函数的this指针 1. 面向过程和面向对象初步认识 C语言是面向过程的&#xff0c;关注的是过程&#xff0c;分析出求解问题的步骤&#xff0c;通过…...

vllm作为服务启动,无需额外编写sh文件,一步到位【Ubuntu】

看到网上有的vllm写法&#xff0c;需要额外建立一个.sh文件&#xff0c;还是不够简捷。这里提供一种直接编写service文件一步到位的写法&#xff1a; vi /etc/systemd/system/vllm.service [Unit] DescriptionvLLM Service Afternetwork.target[Service] Typesimple Userroot…...

Mathematics | Branch

注&#xff1a;本文为“遇见数学”翻译的 “数学分支概览” 两篇文章合辑。 数学世界的版图&#xff1a;主要分支概览&#xff08;上&#xff09; 原创 遇见数学 2025 年 04 月 03 日 12:02 河南 数学的分支&#xff08;Areas of Mathematics&#xff09; 在文艺复兴之前&am…...

8.5/Q1,Charls最新文章解读

文章题目&#xff1a;Associations of estimated glucose disposal rate with frailty progression: results from two prospective cohorts DOI&#xff1a;10.1186/s12933-025-02650-7 中文标题&#xff1a;估计葡萄糖处理率与虚弱进展的关系&#xff1a;两个前瞻性队列的结果…...

PCL学习(5)随机采样一致性算法RANSAC

一、RANSAC概念及作用 1.1 基本概念 RANSAC是一种鲁棒的参数估计方法&#xff0c;用于从包含大量异常值的数据中拟合数学模型。其核心思想是通过随机采样和迭代验证&#xff0c;找到最优的模型参数&#xff0c;避免异常值的干扰。 1.2 核心思想 随机采样&#xff1a;每次从数…...

app逆向专题一:如何下载app

app逆向专题一&#xff1a;如何下载app 一、打开豌豆荚官网 一、打开豌豆荚官网 打开豌豆荚官网豌豆荚&#xff0c;在右上角搜索框中输入要下载的app名称 依次点击搜索–查看–普通下载&#xff0c;即可将apk文件下载到本地电脑上。...

将 DataFrame 中某一列的列表拆分成多个独立的列的方式

要将 DataFrame 中某一列的列表拆分成多个独立的列&#xff0c;可以使用以下方法&#xff0c;具体取决于数据结构和需求&#xff1a; 场景示例 假设 DataFrame 中 genres 列存储的是列表&#xff08;如 [drama, action]&#xff09;&#xff0c;目标是将每个列表元素拆分成多列…...

VUE+SPRINGBOOT+语音技术实现智能语音歌曲管理系统

语音控制歌曲的播放、暂停、增删改查 <template><div class"Music-container"><div style"margin: 10px 0"><!--检索部分--><el-input style"width: 200px;" placeholder"请输入歌曲名称"v-model"sen…...

安卓开发工程师-自定义 View

1. 如何创建一个简单的自定义 View&#xff1f; 创建自定义 View 的基本步骤如下&#xff1a; 继承 View 或其子类&#xff1a;自定义 View 可以继承自 View 或其他更具体的视图类&#xff08;如 ImageView、Button 等&#xff09;。重写构造方法&#xff1a;通常需要重写三个…...

Vue中权限控制的方案

文章目录 源码&#xff1a;一、页面级1.1、路由守卫1.2、动态路由 二、按钮级别2.1、通过v-if来判断2.2、通过组件包裹的方式来判断2.3、通过自定义指令的方式 三、接口级别 源码&#xff1a; https://gitee.com/liu-qiang-yyds/sysPermission 一、页面级 1.1、路由守卫 前端…...

磁盘分析工具合集:告别C盘焦虑!

今天李师傅带大家盘点五款硬盘空间分析利器&#xff0c;帮你精准定位那些"吃空间"的元凶&#xff0c;让C盘告别臃肿烦恼&#xff01; 一、WizTree 这款NTFS磁盘的"透视眼"堪称效率典范。它通过直接读取硬盘主文件表(MFT)实现秒级扫描&#xff0c;1TB机械…...

硬件学习之器件篇-蜂鸣器

根据工作原理的不同&#xff0c;可以分为电磁式蜂鸣器和压电式蜂鸣器。 1、电磁式蜂鸣器 电磁式蜂鸣器根据内部是否有震荡源&#xff0c;又可以分为有源电磁式蜂鸣器和无源电磁式蜂鸣器。 1.1 外观区别 有源电磁式蜂鸣器从底部看是&#xff0c;是黑胶密封的。 无源电磁式蜂…...

紫檀博物馆一游与软件开发

今天去逛了中国紫檀博物馆&#xff0c;里边很多层展品&#xff0c;也有一些清代的古物&#xff0c;檀木&#xff0c;黄花梨木家具和各种摆件&#xff0c;馆主陈丽华女士也是发心复原、保留和弘扬中国的传统文化&#xff0c;和西游记唐僧扮演者迟成瑞先生一家。 每一件展品都精…...

Cribl 新建Datatype

Cribl 数据dataset 有个很重要的就是datatype, 下面来新建一下: 先看一下原来的datatype : 再点击Add Datatype: Rule...

开源 LLM 应用开发平台 Dify 全栈部署指南(Docker Compose 方案)

开源 LLM 应用开发平台 Dify 全栈部署指南&#xff08;Docker Compose 方案&#xff09; 一、部署环境要求与前置检查 1.1 硬件最低配置 组件要求CPU双核及以上内存4GB 及以上磁盘空间20GB 可用空间 1.2 系统兼容性验证 ✅ 官方支持系统&#xff1a; Ubuntu 20.04/22.04 L…...

医药档案区块链系统

1. 医生用户模块​​ ​​目标用户​​&#xff1a;医护人员 ​​核心功能​​&#xff1a; ​​检索档案​​&#xff1a;通过关键词或筛选条件快速定位患者健康档案。​​请求授权​​&#xff1a;向个人用户发起档案访问权限申请&#xff0c;需经对方确认。​​查看档案​…...

Redis常见命令

(一)常见命令① 一、数据结构 二、通用命令 ①KEYS查询语句 pattern代表模板,有点像匹配表达式(不是正则),是redis的一种内置表达式,可以在里面使用通配符 底层存在一种模糊查询机制,效率并不高。当redis的数据量达到一定规模时(数百万上千万甚至更多),使用这种模糊查询机制会…...

Qt的window注册表读写以及删除

Qt的window注册表读写以及删除 1. 使用 QSettings&#xff08;Qt推荐方式&#xff09;基本操作关键点限制 2. 调用Windows原生API示例&#xff1a;创建/读取键值常用API注意事项 3. 高级场景(1) 递归删除键(2) 注册表权限修改 4. 安全性建议总结其他QT文章推荐 在Qt中操作Windo…...

纯css实现环形进度条

需要在中实现一个定制化的环形进度条&#xff0c;最终效果如图&#xff1a; 使用代码 <divclass"circular-progress":style"{--progress: nextProgress,--color: endSliderColor,--size: isFull ? 60rpx : 90rpx,}"><div class"inner-conte…...

20250405周赛-S

链接 A. 日历 我的&#xff1a; #include<bits/stdc.h> using namespace std; int n,d[105],ans; bool check(int x,int y){if(x<10){if(y<10){return xy;}else{return xy%10&&xy/10;}}else{if(y<10){return yx%10&&yx/10;}else{return y/10…...

某碰瓷国赛美赛,号称第三赛事的数模竞赛

首先我非常不能理解的就是怎么好意思自称第三赛事的呢&#xff1f;下面我们进行一个简单讨论&#xff0c;当然这里不对国赛和美赛进行讨论。首先我们来明确一点&#xff0c;比赛的含金量由什么来定&#xff1f;这个可能大家的评价指标可能不唯一&#xff0c;我通过DeepSeek选取…...

希象传屏下载

2025年4月5日&#xff0c;11~22℃ 免费软件&#xff0c;功能&#xff1a;手机、个人笔记本和智慧黑板可以双向控制。要求在同一网络下或者同一WiFi下。 目的&#xff1a;自己下载的时候比较方便。 1、希沃易官网 2、如何下载&#xff1f; 被投屏&#xff1a;接收端&#xff1…...

解决 PDF 难题:批量处理、文档清理与自由拆分合并

软件介绍 在日常办公与学习中&#xff0c;处理 PDF 文件常常让人头疼不已&#xff0c;不过别担心&#xff0c;今天有一款堪称神器的国产老牌 PDF 工具要分享给大家。它就是 PDF 补丁丁&#xff0c;凭借其强大功能&#xff0c;为大家排忧解难。 界面体验 初次打开 PDF 补丁丁&…...

SQL Server 2022 数据同步到 Elasticsearch 思考

公司的老项目了&#xff0c;采用的是sqlserver 2022作为数据卡做的&#xff0c;但是产品对接客户&#xff0c;发现对搜索的要求很高&#xff0c;尤其是全文检索&#xff0c;考虑到ES采用倒排所以效率上的优势和整体开发的成本&#xff0c;大佬们商量之后&#xff0c;果断的采用…...

基于Spark的哔哩哔哩舆情数据分析系统

【Spark】基于Spark的哔哩哔哩舆情数据分析系统 &#xff08;完整系统源码开发笔记详细部署教程&#xff09;✅ 目录 一、项目简介二、项目界面展示三、项目视频展示 一、项目简介 本项目基于Python和Django框架进行开发&#xff0c;为了便于广大用户针对舆情进行个性化分析处…...

分布式事务解决方案全解析:从经典模式到现代实践

前言 在分布式系统中&#xff0c;数据一致性是一个核心问题。随着微服务架构的普及&#xff0c;跨服务、跨数据库的操作变得越来越普遍&#xff0c;如何保证这些操作的原子性、一致性、隔离性和持久性&#xff08;ACID&#xff09;成为了一个极具挑战性的任务。本文将全面介绍…...

迈向未来:数字化工厂管理如何重塑生产力

迈向未来:数字化工厂管理如何重塑生产力 随着工业4.0的浪潮席卷全球,“数字化工厂管理”成为制造业转型的关键一步。从传统生产模式到数据驱动的智能制造,企业在追求生产效率、质量与灵活性方面实现了飞跃式发展。然而,实施数字化管理不仅仅是技术问题,更关乎流程优化、数…...

LeetCode 1863.找出所有子集的异或总和再求和

题解 根据上述图可以根据二进制运算获取所有的子集&#xff0c;但是可以使用二进制获取所有子集需要有题目的这一句话才能够使用注意&#xff1a;在本题中&#xff0c;元素相同的不同子集应多次计数。 也就是对于{2,2,3,4,5}的子集不会简化成{2,3,4,5} public static int sub…...

蓝桥云客---蓝桥速算

3.蓝桥速算【算法赛】 - 蓝桥云课 问题描述 蓝桥杯大赛最近新增了一项娱乐比赛——口算大赛&#xff0c;目的是测试选手的口算能力。 比赛规则如下&#xff1a; 初始给定一个长度为 N 的数组 A&#xff0c;其中第 i 个数字为 Ai​。随后数组会被隐藏&#xff0c;并进行 Q 次…...

Kafka 概念

&#x1f300; Kafka 是什么&#xff1f; Kafka 是一个分布式流处理平台&#xff0c;可以用来&#xff1a; &#x1f69a; 高效地收集、传输、存储、处理 实时数据流。 它最初由 LinkedIn 开发&#xff0c;用于解决海量日志处理的问题&#xff0c;后来开源给 Apache&#xff0…...

双向链表增删改查的模拟实现

本章目标 0.双向链表的基本结构 1.双向链表的初始化 2.头插尾插 3.头删尾删 4.查找与打印 5.在指定位置之前插入数据/在指定位置之后插入数据 6.在指定位置之前删除数据/在指定位置之后删除数据 7.销毁链表 0.双向链表的基本结构 本章所实现的双向链表是双向循环带头链表,是…...

配置ASP.NET Core+NLog配置日志示例

以下是一个精简且实用的 NLog 配置文件示例,适用于 ASP.NET Core 项目,包含文件日志、控制台日志和自动归档功能: NLog.config 示例‌ (保存到项目根目录) xml Copy Code <?xml version="1.0" encoding="utf-8" ?> <nlog xmlns="http:…...

Roo Code使用MCP服务(大模型上下文协议)

MCP概念火爆&#xff0c;但是理解起来有点难度&#xff0c;使用起来也有点难度。 启用MCP RooCode直接支持使用MCP服务&#xff0c;甚至可以帮助写MCP&#xff0c;为我们提供了很大的方便。单击 Roo Code 窗格顶部导航栏中的类似三个插座的图标&#xff0c;显示如下MCP的配置…...

【项目管理】第一部分 信息技术 1/2

相关文档&#xff0c;希望互相学习&#xff0c;共同进步 风123456789&#xff5e;-CSDN博客 概要 知识点&#xff1a; 现代化基础设施、数字经济、工业互联网、车联网、智能制造、智慧城市、数字政府、5G、常用数据库类型、数据仓库、信息安全、网络安全态势感知、物联网、大数…...