个人学习工作分享

还能这样？命令行输入错误，骂它就能解决？

学习

本文介绍了一款有趣的命令行工具“小可爱”，它能在用户输入错误的命令时自动进行修正。安装方法简单易行，支持多种操作系统。工具自带了160多种规则，并能自定义规则。使用简单，只需输入特定词汇即可启动纠错功能，还可以选择自动执行或多次尝试。更新和卸载也很方便。

本文介绍了一款命令行工具wut，基于大语言模型（LLM）技术，能够帮助用户理解上一个命令的输出结果。wut能够解析终端中的任何内容，包括堆栈跟踪、错误代码和日志信息，并以清晰易懂的方式解释。安装wut非常简单，可以通过pipx进行安装，并可选择使用OpenAI或Anthropic的Claude作为LLM提供商。使用方法方面，wut必须在tmux或screen会话中运行，通过键入wut获取解释。此外，wut还提供了查询功能，可针对具体问题提供解答。总之，对于经常使用命令行且希望轻松解析和理解命令输出的用户来说，wut是一款非常实用的工具。

你这个django正不正宗，怎么看起来像flask？

学习

小琪和小胖尝试使用新的工具nanodjango来简化Django应用开发。nanodjango允许在一个文件中完成整个Django应用，包括模型、视图和管理后台。他们展示了如何使用nanodjango快速搭建一个计数器应用，并演示了API支持、异步视图和管理后台的便捷性。小胖和小琪对这个工具感兴趣并讨论如何使用它改进工作流程和设想新项目。几天后，他们使用nanodjango完成了一个小工具，并展示了其潜力。当需要扩展项目时，可以使用命令将其转换为完整的Django项目，保持灵活性和稳定性。这个开源工具对于Python和Django开发者来说非常有用。摘要聚焦于工具的便捷性、应用场景以及与Django框架的关系和潜力优势，旨在强调该工具与传统Django框架的区别与优势。

fast-graphrag 探索（4）- 我把模型服务干崩了！

学习

文章摘要：本文主要描述了小胖在使用fast-graphrag模型处理研报数据的过程中所遇到的问题及解决方法。文章首先介绍了小胖按照官方example调整模型参数并写入研报数据的过程，接着出现了生成数据文件过小、数据丢失的问题，通过仔细检查代码，发现了n_checkpoints参数设置不当导致的问题。然后文章描述了小胖通过限制并发量来解决本地模型中转服务挂掉的问题。最终，小胖成功解决了所有问题，实现了程序的平稳运行。文章还介绍了fast-graphrag模型的开源性质和其在处理研报数据方面的应用。

大升级！LLM应用监控、测试、优化一步到位！

学习

本文介绍了使用langfuse工具来监控、测试和优化LLM（大模型）应用的方法。文章详细描述了langfuse的功能，包括LLM可观测性、提示管理、LLM评估、数据集管理等。文章还介绍了langfuse最近的v3.0.0大版本更新，包括引入Async Worker和Redis提高系统性能，使用Clickhouse和S3/Blob Storage处理不同类型的数据等。此外，文章还展示了如何使用langfuse的云服务来追踪和管理LLM应用，包括安装sdk、使用trace功能、提示词管理等。总结部分鼓励读者分享使用langfuse的经验和想法，并欢迎大家关注公众号。关键词：python、AI、开源、好玩的项目、科技前沿、大升级、LLM应用监控优化。

腾讯云智能结构化OCR实战：从图片到结构化数据的高效转换

学习

本文介绍了作者使用腾讯云智能结构化OCR服务的实战体验。文章首先描述了作者的需求背景，即汇总多个理财子公众号发布的理财产品的数据。由于遇到一些识别不准确和费用较高的问题，作者尝试使用腾讯云的智能结构化OCR服务来解决问题。文章详细介绍了安装SDK、代码实现、验证和web部署的过程，并分享了使用腾讯云智能结构化OCR服务的体验。整体上，腾讯云智能结构化OCR服务用起来比较简单，相较于传统OCR，多了一层结构化数据的处理。文章最后欢迎大家在评论区留言分享对OCR应用的经验和看法。

微软开源的处理工具 - markitdown

学习

微软最近开源了一个Python工具markitdown，可以将各种格式的文件和office相关格式的文件转换为Markdown格式。该工具支持多种文件格式，包括PDF、PowerPoint、Word、Excel、图片、音频、HTML等。它还支持调用大模型处理图片、音视频等格式的文件数据。markitdown工具具有安装简便、支持多种转换器以及API集成等特点，能够满足非结构化数据转换、模型训练效率提高、复杂文档解析、知识管理和团队协作、数据源集成等方面的需求，助力在线文档与静态网站的构建，促进批量处理和自动化，是科技前沿的一种重要的处理工具。

fast-graphrag 探索（3）- insert

学习

摘要：本文介绍了fast-graphrag的插入流程，包括state_manager属性的介绍、GraphRAG类实例的state_manager是DefaultStateManagerService的介绍、以及插入文档到GraphRAG时的具体步骤。文章详细描述了插入过程中的关键步骤，如调用state_manager的insert_start方法、读取历史数据、过滤重复数据、提取实体和关系、执行upsert操作等。此外，文章还提到了模型应用的一些经验和看法，并鼓励读者在评论区分享自己的经验。

fast-graphrag 探索（2）

学习

本文探索了fast-graphrag库的GraphRAG类，它是基于Graph的检索增强生成系统的入口点。文章详细解释了GraphRAG类的几个关键部分，包括继承自BaseGraphRAG类的泛型特性、数据类概念、依赖注入以及如何使用泛型提高代码的灵活性。同时，文章还介绍了如何使用泛型创建简单的图类，并对比了使用和不使用泛型的区别。最后，文章展示了如何初始化GraphRAG类并实例化其中的服务和策略。整体来看，本文旨在帮助读者理解fast-graphrag库中GraphRAG类的基本结构和功能，为后续的模型应用和开发打下基础。

fast-graphrag 探索（1）

学习

摘要：本文主要介绍了对fast-graphrag项目的初步探索和实践。首先，简要介绍了数据准备阶段，包括使用模型生成故事以及官方demo的修改。接着，描述了测试代码的执行过程，包括环境变量的设置、GraphRAG的创建以及数据的插入和查询。然后，展示了生成的pkl文件和pklz文件的处理方式，并解释了使用这些文件的原因。最后，对fast-graphrag项目进行了拓展，包括后续的查询操作和可能的进一步应用。整体而言，这是一个有趣且富有挑战性的项目，对于理解和应用图结构数据有一定的帮助。