M
U
S
I
- aihuggingface2025-08-23 7:1:23
01-02-数据集
下载及保存 下载数据集 python - aihuggingface2025-08-23 7:1:0
01-03-文本分类任务微调
介绍 基于BERT（Bidirectional Encoder Representations from Transformers）的语义相似度算法是一种强大的自然语言处理工具，它能够理解文本之间的深层语义关系。它通过双向Transformer编码器来预训练深层的语言表示。 实现语义相似度算法的步骤： - web性能优化2025-08-23 12:28:31
重排重绘
重排（reflow） 1、概念 根据渲染树中每个渲染对象的信息，计算出各自渲染对象的几何信息（DOM对象的位置和尺寸大小），并将其安置在界面中的正确位置。 - web性能优化2025-08-23 12:27:55
性能分析
Network  - 知道各种资源的加载时间，分析哪些资源加载慢 - web场景实现2025-08-23 12:22:53
优化大量图片加载
📊 对比表 | 优化方式 | 实现方式 | 优点 | 注意点 | 适用场景 | | -------------------------------------- | ------------------------------------------------------------ | ---------------------------- | -------------------------------------- | ---------------------- | - web场景实现2025-08-22 8:19:9
扫码登录
APP 认证机制 - 初次登录，会向服务端发送账号密码、设备信息（每台设备的信息都是唯一的） - 账号密码校验通过，服务端会把账号与设备进行一个绑定，进行持久化的保存 - web浏览器机制2025-08-22 8:13:47
浏览器缓存机制
强缓存 - 由两个字段控制： 1.HTTP1.0提供的Expires，值为⼀个绝对时间表示缓存新鲜⽇期 - web浏览器机制2025-08-22 8:13:13
跨域
>协议 + 域名 + 端⼝三者相同才为同源 前后端的跨域 Jsonp - web网络2025-08-22 7:57:43
01-08-输入URL_至页面显示的过程
网络过程 1. 输⼊ URL，浏览器解析 URL - 是合法的 URL，且自动补全前缀或后缀 - web网络2025-08-22 7:53:42
01-06-URI 和 URL
名称 -URI：统一资源标识符 -URL：统一资源定位符 - web网络2025-08-22 7:49:48
01-04-HTTPS
工作流程  1. 用户在浏览器发起HTTPS请求，默认使用服务端的443端口进行连接； - web网络2025-08-22 7:46:16
01-03-HTTP 优化
HTTP 1.1 的优化 1. 缓存处理 - HTTP1.0 中主要使用If-Modified-Since,Expires来做为缓存判断的标准 - web网络2025-08-22 6:1:35
01-02-HTTP1.1 首部字段
Cache-Control - 操作缓存的工作机制 - 多个指令之间通过“,”分隔 - web网络2025-08-22 5:7:40
01-01-HTTP 基础
特点 1.简单快速：每个资源（比如图片、页面）都通过url来定位。这都是固定的，在http协议中，处理起来也比较简单，想访问什么资源，直接输入url即可 2.灵活：http协议的头部有一个，数据类型，通过http协议，就可以完成不同数据类型的传输。 - web网络2025-08-22 5:4:29
01-07-Cookie 和 Session
区别 1.cookie数据存放在客户的浏览器上，session数据放在服务器上 2.cookie不是很安全，别人可以分析存放在本地的cookie并进行cookie欺骗 - aihuggingface2025-08-20 11:1:42
01-01-使用和下载模型
安装环境 shell pip install transformers - ailanggraph2025-08-19 5:23:25
1-01-图
图（Graph） LangGraph 将代理工作流建模为图。你可以使用三个关键组件来定义代理的行为： 1. 状态（State）：一种共享的数据结构，代表应用程序的当前快照。它可以是任何 Python 类型，但通常是TypedDict或 Pydantic 的BaseModel。 - ailangchain2025-08-19 5:8:54
06-01-agent
创建agent 1. 创建提示词 python - ailangchain2025-08-19 4:22:26
04-01-多模态
🖼️ 1. 图片识别能力 1.1 基础图片识别 :::demo config={"packages":["langchain_core","langchain_openai"]} - ailangchain2025-08-19 4:16:26
02-02-stream
> 参考文档： > [LangChain 官方 Streaming 概念指南](https://python.langchain.com/docs/concepts/streaming/) > [LangChain 官方 Streaming How-to](https://python.langchain.com/docs/how_to/streaming/) - ailangchain2025-08-19 4:3:0
01-04-fewShot
介绍 提供少量个例子。在提示中的作用是通过少量样本引导模型对特定任务进行学习和执行。可以大幅度提高模型执行的质量 FewShotPromptTemplate - ailangchain2025-08-19 4:2:3
02-01-LECL&chain
✨ 什么是 LCEL？ [LCEL（LangChain Expression Language）](https://python.langchain.com/docs/concepts/lcel/)是 LangChain v0.3 版本引入的链式编排新范式。 它让你可以像搭积木一样组合、串联、并行各种 Runnables，极大提升了链式开发的灵活性和可读性。 - ailangchain2025-08-19 3:56:16
01-03-outputParser-输出解析器
OutputParser 作用与意义 在实际应用中，LLM 返回的通常是非结构化文本，而我们的业务逻辑往往需要结构化数据（如字典、列表、对象等）。OutputParser 就是用来桥接 LLM 输出与业务需求的。 常用 OutputParser 介绍 - ailangchain2025-08-19 2:21:41
01-02-promptTemplate-提示词模版
PromptTemplate —— 灵活的提示模板 PromptTemplate是 LangChain 中用于构建和复用提示（prompt）的基础工具。它允许你通过占位符和变量，动态生成适合不同场景的提示内容。 核心用法： - ailangchain2025-08-19 2:16:18
01-01-Message
>总结：LangChain 3 的消息体系是构建对话、Agent、工具调用等高级功能的基础。理解不同类型的消息对象及其扩展，是高效开发智能体应用的关键。 [BaseMessage](https://python.langchain.com/api_reference/core/messages/langchain_core.messages.base.BaseMessage.html) BaseMessage是 LangChain 中所有消息类型的基类，代表一次对话中的一条消息。 - python基础2025-08-19 11:52:48
6-3-枚举
📚 总结 Python 中的枚举（Enum）是一个强大的工具，用于创建具有固定值集合的类。枚举提供了一种清晰、类型安全的方式来表示一组相关的常量： 1.🏗️ 基础结构：继承自Enum基类，创建固定值集合（可以使用auto()自动生成 ） - python基础2025-08-19 11:45:52
6-2-类的继承
基本继承 子类继承父类的属性和方法，并可以添加新功能或重写 :::demo - python基础2025-08-19 11:44:48
6-1-类
markmap 类基础 变量 - python基础2025-08-19 11:43:2
5-4-高阶函数&三元表达式
总结 📋 高阶函数是Python函数式编程的重要组成部分，主要包括： -Lambda表达式：创建简洁的匿名函数 - python基础2025-08-19 11:38:32
5-3-作用域
🎯 概述 作用域是Python编程中的核心概念，它决定了变量在程序中的可见性和访问性。理解作用域机制对于编写高质量的Python代码至关重要。 📖 1. 作用域 (Scope)
木厶 | kingmusi
类型归档
web
html
css
javascript
node
jquery
typescript
vue
react
echarts
electron
前端工程化
java
elastic
mysql
python
flutter
git
算法
部署
图形学
ai