FastGPT实习：HTTP插件改造为HTTP工具集
FastGPT实习：HTTP插件改造为HTTP工具集项目概述负责FastGPT开源项目中HTTP插件的重大架构升级，将原有的单一HTTP插件重构为灵活的HTTP工具集系统，提升了系统的可扩展性和用户体验。 核心工作内容架构设计与重构 将原有的单一HTTP插件（httpPlugin）重构为HTTP工具集（httpToolSet） 支持在一个工具集中管理多个HTTP工具 全栈开发 独立完成前后端完整开发 包括React前端界面、Node.js后端API、数据库模型设计 工具集管理系统 实现HTTP工具的CRUD操作 支持OpenAPI规范解析，自动生成工具配置 灵活配置能力 支持自定义请求头、认证信息、超时设置等高级配置 满足企业级API集成需求 国际化支持 完整的中英文国际化实现 提升产品国际化水平 技术亮点 类型安全开发：采用TypeScript进行类型安全开发，确保代码质量 动态表单生成：基于JSON Schema实现动态表单生成，提升用户配置体验 状态管理优化：使用React Hook + Context模式进行状态管理，优化组件性能 OpenAPI集成：实现O...
FastGPT实习：生产者-消费者模式实现企微流式响应
从企业微信流式响应中学习生产者-消费者模式需求分析：在 FastGPT 平台，将工作流的发布渠道与企业微信智能机器人对接 实现企业微信回调 FastGPT 的地址，FastGPT 将工作流处理好的 AI 回复返回给企微 实现企微智能机器人能够使用 FastGPT 平台的功能 企业微信对接文档-流式响应的架构企微会给回调 URL(即自己配置的后台程序)发送两种类型的请求 第一种是消息推送, 只会在第一次向后台程序发送请求时发送 第二种是轮询请求。即当企微接收到消息推送请求的响应后,开始发送轮询请求 具体文档可参考 企业微信智能机器人文档 实现难点 为什么企业微信要发送轮询请求？消息推送请求和轮询请求的本质区别是什么？需要为两种请求写不一样的逻辑处理吗？ 等待 AI 输出全部结果，再返回给企微，耗时太长，如何优化 HTTP 请求是无状态的, 后台程序每收到一次请求, 都不知道上一次请求响应了什么数据, 从而无法实现回复内容的追加 如果每接收一次请求, 就调用一次 AI 输出回答. 由于轮询的频率很快, 一次 AI 回答还没输出完, 就要又一次调用 AI 输出. 最后会产生“轮询次...
支持向量机（SVM）初见
SVM 学习概念 SVM分为： SVC（分类任务） SVR（回归任务），股票分析主要用SVR 超平面：k-1维的最佳分类标准 支持向量：离超平面最近的点 支持向量机：找到支持向量，构建超平面 核函数：将低维空间映射到高维空间，使得数据线性可分 分析以 get_train_model 函数为例： 1234567891011121314151617181920212223242526272829303132333435def get_train_model(dataset): # 设置训练阶树 DEGREE_POLY = 1 # 进行因子筛选 selected_factors = get_ic_with_sharpe(dataset) # 进行训练集和测试集提取 X = dataset[selected_factors].values y = dataset['sharpe'].values X_train, X_test, y_train, y_test = train_test_split(...
《人月神话》读书笔记
《人月神话》读书笔记2025.4.13 - 2025.4.17，笔者拜读了软件工程领域的名作《人月神话》，在此写下读书笔记与心得。 1. 书籍介绍《人月神话》的行文以比喻见长，将软件工程中的各种问题以比喻的形式呈现 同时，本书表面上是讲软件工程，真正的内核是软件工程背后的社会学原理 遗憾的是，笔者才学疏浅，无法全部理解书中的各种概念，加之年代久远和翻译的误差，很多说法与如今有所出入 比如说系统设计与开发，在书中应该是指的是软件项目的架构的设计与实现 而在如今的语境中，指的是操作系统的设计与开发 尽管有所偏差，但笔者仍然想写下对书中经典比喻的分析 2. 内核分析 焦油坑：在大型的软件开发中，实际进度会被各种问题耽搁这些问题可以分为项目本身的代码问题和项目外的管理问题从项目本身来看，如果一个项目前期的技术选型，代码规范，开发流程等没有事前安排好那么随着项目的开发，这些问题会逐渐暴露，最终成为拖延进度的焦油坑；从项目外来看，一个开发团队的组织与管理也会影响到项目的进度，一个好的团队可以参考后面的“外科手术队伍”这个比喻。在笔者目前的认知中，最广为人知的焦油坑就是Windows操作系...
go爬虫学习
golang爬虫学习目的是学习一下爬虫的流程，顺便熟悉一下go的语法和使用 代码仓库见我的github仓库 项目介绍本项目爬取的是mundo中的组队信息，从而快速了解组队的概况，以便进一步筛选适合且人数未满的队伍 使用的工具： golang原生http库等网络请求、解析相关的库 gorm docker 开发流程1. 分析网页打开mundo组队页面,F12打开开发者工具，找到网络栏 在document类型的请求中找到名为teamup的请求,查看它的响应, 发现里面没有数据,说明这些信息是通过api请求得到的,无法在DOM中获取 再筛选xhr类型,找到 allteam?service=mundo ,正是所需要的响应 接下来通过伪造api请求,来获取它的响应,从而实现数据爬取 2. 实现请求将响应的json转换为go的结构体可以直接复制json数据,交给ai处理,也可以用爬虫工具处理得到响应结构体 12345type Response struct { Code int `json:"code"` Message ...
myFirstBlog
标题一内容一二三四五百度 标题二www.bing.com 标题三markdown语法