摘要：
最近想学习一类python web开发框架，在前辈的推荐下，开始对fastapi进行学习。 发现fastapi超好的官方指导文档，现记录自己的学习过程，希望自己能在学习中能有所收获和成长 官方文档地址：https://fastapi.tiangolo.com/zh/ 特点 根据官方文档的介绍，fas 阅读全文
posted @ 2024-12-05 21:35
PyAj
阅读(78)
评论(0)
推荐(0)
摘要：
在学习自动化测试的过程中，了解到最新的UI自动化测试框架Playwright，实际使用过程中的确发现相对selenium使用起来更便捷，上手更快。而后在继续学习过程中，偶然看见微信公众号《Playwright实战教程》在更新对这个工具的实践使用，故写下此篇记录跟随过程。 本篇内容绝大部分可能来源于公 阅读全文
posted @ 2024-11-28 09:16
PyAj
阅读(25)
评论(0)
推荐(0)
摘要：
本人是一名四年的软件测试人员，想努力向测试开发方向发展，因此在学习的道路上不停在探索。 软件测试所需要的知识面太过庞大，但感觉好的测试开发都是会写前端的，也算是在模仿前辈们的脚步前进，希望不会让自己太受打击了，哈哈哈。 对于前端，其实是断断续续有在接触，包括html、css、js，但是苦于不知道行进 阅读全文
posted @ 2024-05-07 23:15
PyAj
阅读(15)
评论(0)
推荐(0)
摘要：
问题出现和解决过程 近期更新了pycharm版本从2023.01.06升级了2025.2.1版本，但是在升级之后，使用pycharm的调试模式运行uvicorn.run(app)报错如下： 产生过以下几个可能性猜测 fastapi和uvicorn版本不匹配的问题 但是根据目前已经都是按照最新的版本已 阅读全文
posted @ 2025-09-25 09:51
PyAj
阅读(459)
评论(0)
推荐(0)
摘要：
1. 核心概念：节点、关系、属性 在开始学习语句之前，先理解三个核心概念： 节点：表示实体（如人、电影、产品）。用圆括号表示：()。 (p:Person)：一个带有标签 Person 的节点，变量名为 p。 关系：表示节点之间的连接。用方括号表示：[]。关系总是有方向的（--> 或 <--）。 [r 阅读全文
posted @ 2025-09-23 09:32
PyAj
阅读(17)
评论(0)
推荐(0)
摘要：
准备工作 从官网下载neo4j desktop community版本下载 desktop下载 我这里下载的是1.63版本，因为我使用发现2.0版本安装后，没有找到自定义数据库存储路径的设置，因此换成了1.63版本，这个版本支持自定义安装路径和数据存储路径 启动desktop 记录一下使用过程中遇到 阅读全文
posted @ 2025-09-23 09:26
PyAj
阅读(224)
评论(0)
推荐(0)
摘要：
1. 是什么？ Neo4j 是一个原生图数据库。它与我们熟悉的关系型数据库（如 MySQL, PostgreSQL）和 NoSQL 数据库（如 MongoDB）有根本性的不同，因为它专门为存储和查询数据之间的关系而设计。 它的核心哲学是：“关系即一等公民”。这意味着关系（或连接）和数据本身同等重要， 阅读全文
posted @ 2025-09-19 11:46
PyAj
阅读(59)
评论(0)
推荐(0)
摘要：
目前大模型AI技术持续发展，对于软件测试行业的应用与实践是一种趋势，为了提升自我能力与对AI在测试行业的应用认识，计划利用AI来规划一个测试分析平台的开发，提升团队测试左移、右移能力。 阅读全文
posted @ 2025-09-16 10:06
PyAj
阅读(95)
评论(0)
推荐(0)
摘要：
以下内容来自AI对话生成 简单来说，它们的核心区别是：向量化存储追求“语义上的相似”，而知识图谱追求“逻辑上的关联”。 我们可以用一个经典的例子来区分： 问题：“苹果公司的创始人史蒂夫·乔布斯最喜欢吃什么水果？” 向量化存储：可能会找到一段描述“史蒂夫·乔布斯饮食习惯”的文本，里面提到他喜欢某种水果 阅读全文
posted @ 2025-09-15 19:28
PyAj
阅读(56)
评论(0)
推荐(0)
摘要：
LangChain 检索器比较与使用指南 是的，LangChain 提供了多种检索器，每种都有不同的特点和适用场景。下面我为你介绍几种常用的检索器，并展示它们之间的差异。 常用检索器类型及代码示例 # retrieval_comparison.py import os from langchain_ 阅读全文
posted @ 2025-09-15 17:56
PyAj
阅读(26)
评论(0)
推荐(0)
摘要：
本地文档问答机器人 下面是一个完整的本地文档问答机器人实现，涵盖了阶段三的所有核心概念：文档加载、文本分割、向量存储和检索增强生成（RAG）。 完整代码实现 import os.path from typing import List from huggingface_hub import snap 阅读全文
posted @ 2025-09-15 17:39
PyAj
阅读(33)
评论(0)
推荐(0)
摘要：
以下内容有AI生成内容，请注意区分 信息检索链 信息检索链三步流程走向图 flowchart TD A[用户输入问题] --> B[第一步: 查询优化] subgraph B [查询优化] B1[原始用户问题] --> B2[LLM分析并优化] B2 --> B3[生成多个搜索查询] end B - 阅读全文
posted @ 2025-09-15 14:16
PyAj
阅读(26)
评论(0)
推荐(0)
摘要：
以下内容由AI对话生成 带记忆的聊天机器人实现 下面是完整的代码实现，包含详细注释： # chatbot_with_memory.py import os from langchain_openai import ChatOpenAI from langchain.memory import Con 阅读全文
posted @ 2025-09-15 09:32
PyAj
阅读(35)
评论(0)
推荐(0)
浙公网安备 33010602011771号