Kubrnete Kubrnete
3年前
Python正则表达式
re正则表达式基础语法|表达式|可匹配|表达式|可匹配|||||||\r,\n|代表回车和换行符|\^|可匹配^本身||\t|制表符|\$|匹配$符号本身||\\|代表“\”本身|\.|匹配小数点“.”本身||表达式|可匹配|||||\d|任意一个数字,09中的任意一个||\
Easter79 Easter79
3年前
springcloud eureka注册中心 高可复用。
1:新建两个注册中心项目(名称都为:springcloudeureka,只是端口分别为8000、8001 )。两个注册中心相互注册对方。 !(https://img2018.cnblogs.com/blog/1160381/201903/1160381201903211929180411825674741.png)!(http
Stella981 Stella981
3年前
ReenTrantLock可重入锁和synchronized的区别
ReenTrantLock可重入锁和synchronized的区别可重入性:从名字上理解,ReenTrantLock的字面意思就是再进入的锁,其实synchronized关键字所使用的锁也是可重入的,两者关于这个的区别不大。两者都是同一个线程没进入一次,锁的计数器都自增1,所以要等到锁的计数器下降为0时才能释放锁。锁的实现:S
Stella981 Stella981
3年前
IJPay让支付触手可及
!Giteestar(https://gitee.com/javen205/IJPay/badge/star.svg?themewhite)(https://gitee.com/javen205/IJPay/stargazers)!Githubstart(https://img.shields.io/github/stars/Javen
Stella981 Stella981
3年前
SVG(可扩展矢量图)系列教程
本系列教程同步至博客www.waylau.com(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.waylau.com%2F)从新往久排序,持续更新SVG与JS交互实例之画板(https://www.oschina.net/action/
Easter79 Easter79
3年前
SVG(可扩展矢量图)系列教程
本系列教程同步至博客www.waylau.com(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.waylau.com%2F)从新往久排序,持续更新SVG与JS交互实例之画板(https://www.oschina.net/action/
误区 | 低代码的常见五大误区解读 | 飞速低代码
自疫情爆发后,社会对于数字化的需求有了一个爆发的高潮,低代码就展现出起无可比拟的优势来,并在实际应用中披荆斩棘,被各行各业越来越多的企业所接受。低代码应用场景极广,可以在大多数领域发挥价值。市场越来越发现,低代码是数字化转型的一个好用且重要的工具,它可以快速应用程序开发,以最快的时间完成交付,并提供高度灵活性和可扩展性,所以,低代码也成为数字化转型中的代名词
在家办公,年薪20w起步,后端、前端、测试招聘
网站后端(影视类、视频网站):岗位待遇描述:1、薪资1200018000(人民币),14薪;2、工作时间:弹性工作时间,每天9小时,单休;3、在家上班,不限制地点4、年终分红:工作月数5000项目提成岗位职责:1、负责PC端及移动端产品的后端代码开发工作,撰写相关技术文档;2、根据系统中具体难点问题,有针对性的进行技术攻关;3、能根据需求设计整体技术架构方案,可扩展性强;4、按照项目计划,按时提交高质量代码,完成开发任务;5、规范文档的编写、维护,以及其他与项目相关工作;任职要求:1计算机或相关专业
sum墨 sum墨
1个月前
《优化接口设计的思路》系列:第三篇—留下用户调用接口的痕迹
接口设计是整个系统设计中非常重要的一环,其中包括限流、权限、入参出参、切面等方面。设计一个好的接口可以帮助我们省去很多不必要的麻烦,从而提升整个系统的稳定性和可扩展性。作为接口设计经验分享的第三篇,我想分享一下如何在用户使用过程中留下操作痕迹。在实际开发中,我会采取一些手段来记录用户操作,例如使用日志记录用户行为,或者在数据库中保存用户操作记录。这些痕迹可以帮助我们快速定位和解决问题,同时也可以为后续数据分析和优化提供有价值的参考。
AGIC.TWang AGIC.TWang
4星期前
关于RAG
检索增强生成(RAG)为大型语言模型赋予访问外部知识库的能力,提升其精准性和实用性。它包含三个步骤:检索、增强和生成。RAG通过向量数据库进行语义搜索,克服了传统关键词匹配的局限性。文章以云计算促进人工智能发展为例,在大模型分发助手平台上演示了RAG的实际流程,包括知识准备、知识切割、向量化、提问、相似度计算、提示词构建和答案生成。RAG的未来在于提升精准性、个性化、可扩展性、可解释性和成本效益,最终实现更深入的知识理解和推理,更自然的人机交互以及更广泛的领域应用。