你这个django正不正宗,怎么看起来像flask?

学习 

在一个平凡的工作日下午,小琪尝试使用一个新的工具nanodjango,它是一个简化Django开发的框架。她展示了如何使用它快速开发一个计数器应用,其中包括创建Django模型和视图,编写API以及通过终端命令启动服务器。小琪还解释了nanodjango支持异步视图和内置的DjangoNinja支持,允许轻松构建RESTfulAPI。她还介绍了管理后台的自动启用以及如何注册模型到管理后台的方法。最后,小胖和小琪一起探讨了如何将nanodjango集成到他们的日常工作中,并利用它完成了一个小型工具项目。该工具可根据业务需求扩展,并且可以从单文件轻松转换为完整的Django项目以保持灵活性和稳定性。该文章关键词为Python、Django、开源和关于Django与Flask的比较。

fast-graphrag 探索(4)- 我把模型服务干崩了!

学习 

摘要: 本文描述了初试牛刀使用fast-graphrag模型处理研报数据时的遭遇与解决方法。小胖在按照官方example调整模型参数并运行代码后,发现生成的数据文件出乎意料地小,并且只有最后一篇研报的数据。经过仔细检查,他发现是参数设置中的并发问题导致了问题。在发现问题后,小胖迅速调整并发限制并优化了代码逻辑,最终成功解决了所有问题。文章还提到了使用fast-graphrag模型时的并发限制挑战以及如何限制并发数以确保服务稳定运行。同时,小胖成功解决问题后的喜悦和满足感也得以体现。欢迎关注公众号获取相关代码及文件。

GitHub Copilot免费试用,百度苹果闹掰了


GitHub Copilot宣布免费试用,但每月限制代码补全和聊天信息次数。它拥有GitHub庞大的代码库作为支持,但其他代码辅助工具如cursor和Windsurf也备受关注。此外,苹果公司正与腾讯和字节跳动商谈将人工智能模型整合到iPhone中,引发了关于未来技术合作的猜测和讨论。

重磅更新!飞牛NAS再也不用担心停电了

nas 

飞牛NAS系统更新至版本0.8.27,新增了UPS功能,支持USB通讯协议,断电后可自动安全关机,解决了因停电可能导致硬盘损坏的问题。此外,文件共享协议新增了文件范围可选远程挂载、外接存储和应用文件;针对mac设备,可通过时间机器将数据备份到飞牛上。同时,管理员可备份存储空间下所有文件,包括其他用户的目录和应用文件。此外,新增了花生壳应用,提供内网穿透新选择。但花生壳安装暂时失败。此次更新还涉及共享协议文件范围、mac时间机器、smb多通道等其他功能。总的来说,此次飞牛NAS系统的更新为用户的数据安全增添了保障,期待其未来的更新带来更好的体验。

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工具在开发基于检索增强生成(RAG)模型应用时的监控追踪方法。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大版本升级,包括新功能和架构变化。通过langfuse的云服务,用户可以方便地追踪每个步骤的响应时间、结果准确性以及用户交互的流畅度,并进行模型应用的优化。同时,langfuse还提供了提示词管理功能,支持变量和配置设置。文章最后总结了langfuse的重要性和使用经验分享,并欢迎读者关注和交流。关键词:python、AI、开源、好玩的项目、科技前沿、LLM应用监控、测试、优化。

Duplicati alist备份百度网盘提示error

Q&A 

用户在使用Duplicati和alist进行数据备份至百度网盘时遇到了某个文件大小超过百度网盘限制(推测为超过百度网盘设置的限制值,如接近规定上限或文件过大),导致备份任务连续报错的问题。用户可以通过调整备份任务中的远程卷大小来解决该问题,将数据量调整到一个较小的数据量再进行备份即可。同时,文章提醒用户要重视数据备份的重要性,建议采用多种方案进行备份以确保数据安全。

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 

本文主要介绍了作者在尝试将多个理财产品的数据及其亮点进行汇总时,遇到了数据提取的难题。在普通OCR识别效果不佳的情况下,作者尝试使用腾讯云的智能结构化OCR服务来解决问题。本文详细描述了如何使用腾讯云的Python SDK进行OCR识别,包括价格、安装SDK、代码实现、验证及Web部署等方面的内容。文章强调了腾讯云智能结构化OCR服务相较于传统OCR的优势,在于其能够自动将数据进行结构化处理。最后,作者分享了自己的使用经验和看法,并欢迎读者在评论区留言分享。文章使用的关键词包括python、腾讯云、腾讯云智能结构化OCR实战、ocr。

微软开源的处理工具 - markitdown

学习 

微软最近开源了一个名为markitdown的Python工具,可将各种格式的文件和office相关格式的文件转换为Markdown格式。它支持多种文件格式转换,如PDF、PowerPoint、Word、Excel、图片、音频等。此外,markitdown还支持调用大模型处理图片、音视频等格式的文件数据。该工具的安装简单,并且提供了高级用法和converter。随着多模态能力在人工智能领域的重要性增强,将各种文件格式转换成Markdown的需求依然很大,主要出现在非结构化数据转换、模型训练效率提升、复杂文档解析等方面。markitdown工具的出现方便了许多方面,如知识管理、团队协作、数据源集成等。欢迎读者分享对模型应用的经验和看法。

fast-graphrag 探索(3)- insert

学习 

本文介绍了在Python中使用fast-graphrag库进行图数据插入(insert)的流程。文章首先介绍了state_manager属性及其相关类和实例,如BaseGraphRAG、BaseStateManagerService等。接着详细描述了插入文档到GraphRAG的过程,包括调用state_manager的insert_start方法、读取历史数据、提取实体和关系、过滤重复数据、进行节点和边的插入操作等。文章还提到了使用embedding_service对插入节点进行编码,生成嵌入向量,并存储到entity_storage中。最后,文章介绍了插入身份边的过程,确保源索引和目标索引之间没有邻接关系。本文为读者提供了对fast-graphrag库insert流程的全面了解,并鼓励读者分享模型应用经验。

fast-graphrag 探索(2)

学习 

本文探讨了fast-graphrag库的GraphRAG类及其相关概念,包括数据类、泛型、类型提示和依赖注入等。文章以一个简单的图类为例,说明了使用泛型的重要性及其优势。同时,文章还详细描述了GraphRAG类的结构和初始化过程,包括内部配置类、后初始化方法、服务实例化和工作空间管理等方面的内容。此外,文章还提到了fast-graphrag的insert策略,并鼓励读者在评论区分享对模型应用的经验和看法。