lyu_blog

摘要： import json import requests base_url = "https://api.siliconflow.cn/v1/chat/completions" api_key = "sk-bhrvkxhvdhfhmt" model_name = "Pro/zai-org/GLM-5. 阅读全文

摘要： package com.demo.data; import java.util.*; import java.util.concurrent.*; import java.util.concurrent.atomic.AtomicBoolean; import java.util.stream.Co 阅读全文

摘要： 用 LangChain 构建电影 RAG Agent：向量检索、重排序与 Human-in-the-loop 本文基于项目中的 rag-demo.py，介绍如何用 LangChain v1 + LangGraph 搭建一个「查电影 → 提取关键词 → 人工审批后写入」的 RAG Agent。完整源码 阅读全文

摘要： 此连接可以查询地址的详细信息： http://ip-api.com/json/xxxx-ip?lang=zh-CN 返回内容： { "status": "success", "country": "美国", "countryCode": "US", "region": "CA", "regionNa 阅读全文

摘要： # 定义Nginx运行的用户和用户组 user nobady nobady; # nginx进程数，建议设置为等于CPU总核心数,默认为1。 worker_processes 8; #全局错误日志定义类型，[ debug | info | notice | warn | error | crit ] 阅读全文

摘要： 构建智能文档问答系统：Docling + LangChain + RAG 完整实战指南 前言 在人工智能快速发展的今天，如何让AI更好地理解和处理复杂的文档内容成为了一个重要课题。本文将详细介绍如何结合Docling文档解析、LangChain框架和RAG（检索增强生成）技术，构建一个智能文档问答系 阅读全文

摘要： Docling：革命性的文档处理与AI集成平台 引言 在人工智能快速发展的今天，文档处理技术正经历着前所未有的变革。传统的PDF解析工具往往只能提取简单的文本内容，而无法理解文档的复杂结构和语义信息。IBM Research Zurich的AI知识团队开发的Docling项目，正是为了解决这一痛点而 阅读全文

摘要： 本文将详细介绍基于Spring Boot 3.4.2和Spring AI 1.0.0-M5构建的现代化AI应用项目。该项目展示了如何将AI能力无缝集成到Spring Boot应用中，提供了多种AI交互模式，包括简单对话、结构化数据响应和流式响应等。 官方文档链接：https://docs.sprin 阅读全文

摘要： from pydantic import BaseModel class Demo(BaseModel): name: str =None age: int = None sex: str = None def test_all(self): if all( map( lambda p: p is 阅读全文

摘要： '时间轮'调度器 package com.demo.scheduler; import java.util.HashMap; import java.util.Map; import java.util.concurrent.Executors; import java.util.concurren 阅读全文