随笔分类 - 软件测试
摘要：# -*- coding: utf-8 -*- """ pywinauto Windows 应用自动化教程 pywinauto 是一个用于 Windows GUI 自动化的 Python 库，类似于 Selenium，但专门用于桌面应用。 核心概念： 1. Application - 应用程序对象，
阅读全文
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
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
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
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
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
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
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
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
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
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
摘要：这里我使用了科大讯飞的免费大模型来尝试 最简的应用 from langchain_community.chat_models import ChatOpenAI from langchain.schema import HumanMessage llm = ChatOpenAI( model_nam
阅读全文
摘要：以下内容为AI对话生成 核心模块概览 可以把这五大模块想象成一个智能机器人的不同部分： Models（模型）：机器人的“大脑”，负责真正的思考和生成。 Prompts（提示）：你给机器人的“指令”和“问题背景”，引导它如何思考。 Chains（链）：机器人的“工作流程”，把简单任务组合成复杂任务。
阅读全文
摘要：以下内容根据AI对话生成，如有雷同，纯属巧合 1. 链式调用 (Chaining) 这是最基本也是最常见的模式。它指的是将多个 LLM 调用、数据处理步骤或工具调用按顺序连接起来，形成一个连贯的工作流。前一个步骤的输出是后一个步骤的输入。 要解决的问题：单一 LLM 调用无法完成复杂任务。 核心思想
阅读全文
摘要：以下内容是根据与AI对话完成的学习规划，如果有雷同，纯属巧合 阶段一：筑基入门 (1-2周) 这个阶段的目标是理解 LangChain 解决的核心问题、基本概念和核心组件。 学习目标： 理解 LLM 应用开发中的常见模式（如链式调用、代理）。 熟悉 LangChain 的核心模块（Models, P
阅读全文
摘要：创建并运行一个最简单的fastapi应用 最简单的 FastAPI 文件可能像下面这样： from fastapi import FastAPI app = FastAPI() @app.get("/") async def root(): return {"message": "Hello Wor
阅读全文
摘要：安装python 这里我准备使用3.9版本的python进行学习，因为fast交互文档的原因，我将从原本使用的3.7版本升级到3.9版本，这里的原因稍后介绍 安装fastapi pip install fastapi 安装ASGI 服务器 pip install "uvicorn[standard]
阅读全文
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
摘要：脚本录制 在命令行窗口使用如下语法格式进行脚本录制： npx playwright codegen [options] [url] options参数： -o, --output ：保存生成脚本 --target ：生成的脚本语言，可以设置javascript, test, python, pyth
阅读全文
摘要：简介 首先简单介绍了Playwright是什么，如何setup运行环境，执行测试Run test，以及不需要写一行代码如何生成自动化测试用例。 作为Playwright入门介绍的实战教程，本文可帮你快速了解Playwright，上手Playwright环境安装搭建，并在不需要写代码的情况下快速落地开
阅读全文
浙公网安备 33010602011771号