HappyAcmen-CSDN博客

原创 1.简单工作流智能体

能自主理解任务、拆解步骤、调用工具、执行动作、反馈结果的 AI 程序，本质是「给大模型装上了 “手脚” 和 “大脑”」，能代替人完成有逻辑的连续任务核心组成（4 个核心，记不住只记前 2 个）：感知模块：接收用户的输入指令 / 文本规划模块：大模型核心，负责理解任务、拆解执行步骤执行模块：调用工具 / API，执行具体动作（比如调用大模型问答、读取文件、搜索信息）记忆模块：存储对话历史、执行记录，实现上下文理解一次调用、一次执行、直接返回结果。

2026-08-06 11:12:18 231

原创 FastAPI+FunASR实现局域网WebSocket实时语音识别 | 解决麦克风权限、10054连接重置、PyAudio硬件报错全记录

架构优化：前端拾音+后端纯服务，彻底消灭PyAudio声卡硬件报错；权限最优解：Hosts配置.local内网域名，不用给所有访客安装证书、修改浏览器配置；协议严格区分：http对应ws，https对应wss，避免二进制音频被浏览器拦截；完善异常捕获，解决Windows套接字10054强制断开警告；增加静音自动清空字幕逻辑，大幅提升流式识别体验。

2026-07-01 14:44:36 478

原创 10.最简 RAG 雏形完成

PDF 知识库→大模型生成精准回答」的完整闭环。你可以把它理解成「RAG 的 Hello World」，所有复杂的企业级 RAG系统，都是在这个最简雏形的基础上扩展来的。最简 RAG 雏形，就是去掉所有复杂的工程化封装、冗余代码，只保留 RAG 最核心的 7 步逻辑，用最少的代码，实现「用户提问→基于你的。

2026-06-24 11:21:56 175

原创 9. 相似度检索原理

【代码】9. 相似度检索原理。

2026-06-22 15:13:02 261

原创 8. 向量库存储

【代码】8. 向量库存储。

2026-06-22 15:11:43 207

原创 7.faiss-cpu向量库安装

之前给每个文本块生成了对应的向量，现在需要把这些「文本 +向量」对存起来，当用户提问时，能在几毫秒内从成千上万的向量里，找到和用户问题向量最像的前几个文本块 ——faiss 就是专门干这个的，是 RAG 系统能实现精准、快速检索的核心底层引擎。激活成功后，你会看到终端最前面的前缀，从(base)变成了(D:\RAG-Learning-Project\env\rag-env)，说明已经成功进入其他盘的虚拟环境了。，你可以把它理解成「RAG 系统的智能向量储物柜 + 超快检索引擎」。

2026-06-16 16:54:27 267

原创 6.文本转向量

文本转向量是 RAG 项目的核心环节，承上启下，连接文本分块和向量库搭建，是 RAG 系统能精准检索的底层基础企业级 RAG 项目中，文本转向量必须是工程化、可复用、可批量处理的，不能是零散的单文本调用向量化结果必须标准化，包含完整的元数据（文本内容、ID、长度、生成时间）和向量信息，可直接用于向量库搭建中文 RAG 场景，通义向量模型是企业级项目的主流选型，中文语义理解能力强，长文本支持好，云端 API 调用稳定，无部署成本。

2026-06-16 15:09:25 216

原创 5.通义向量模型调用

通义向量模型是阿里云通义千问团队推出的、专门针对中文语义优化的文本向量模型，是国内企业级 RAG 项目的主流选型之一，你可以把它理解成「中文语义理解能力拉满的国产向量生成工具」。通义向量模型的核心作用也是：把中文文本转换成代表语义的固定长度数字向量，实现「语义越像、向量越近」的精准匹配，是 RAG 系统精准检索的核心底层技术。原因：你后面用的 cosine_similarity 相似度计算函数，一维数组直接丢进去，程序识别不了，就会报错。，不接收一维数组，不加这行代码会直接报错。

2026-06-12 11:10:21 280

原创 4.向量概念通俗理解

embedding 向量 = 文本的「智能语义身份证」，也叫「语义数字指纹」。**我们人能看懂中文、能理解一句话的意思，但计算机完全看不懂中文，它只认识数字embedding 向量，就是把一句中文文本，转换成一串有固定长度的数字，这串数字不是随便编的，它完全代表了这句话的「语义意思」语义越相似的两句话，它们对应的 embedding 向量（数字串）就越像；语义完全无关的两句话，向量就完全不一样。

2026-06-10 10:08:55 199

原创 3.文档分段、切块策略

导致向量模型生成的向量语义混乱，检索效果极差。

2026-06-08 13:56:29 207

原创 2.PDF长文档完整读取

RAG = 给大模型（比如 ChatGPT、豆包、开源大模型）外挂了一个你自己的私有知识库，让大模型能精准、无差错地回答你私有数据里的内容，不会瞎编、不会用过时的知识。大模型是一个超级会说话、会总结的「秘书」，但她的知识是固定的、过时的，而且完全不知道你电脑里的 PDF、文档、笔记这些私有内容RAG 就是你给这个秘书配的一个专属智能文件柜 + 精准检索神器，你把自己的所有文档、PDF、笔记都放进这个柜子里，秘书回答问题前，会先去这个柜子里精准找到对应的内容，再基于这些内容给你回答，绝对不会瞎编。

2026-06-04 15:51:21 296

原创 1.pdfplumber安装，PDF文字提取

【代码】1.pdfplumber安装，PDF文字提取。

2026-06-03 14:21:04 311

原创 9.复盘API全套流程

【代码】9.复盘API全套流程。

2026-06-02 09:56:11 206

原创 8.角色 Prompt 模板

【代码】8.角色 Prompt 模板。

2026-06-02 09:50:02 324

原创 7.多轮对话完整代码

核心目标：把「历史拼接 + 历史更新」整合，实现真正连续多轮对话。标准：AI 能记住所有上下文，无限轮聊天。

2026-06-01 14:12:25 213

原创 6.历史消息列表拼接

【代码】6.历史消息列表拼接。

2026-06-01 13:50:12 185

原创 5.封装对话函数，实现多轮对话

就是把重复使用的代码打包，像一个工具。以后想调用 AI，直接用工具，不用再写几十行代码。你：1+1 等于几AI：等于 2你：再加 3 等于几AI：等于 5这就是多轮对话，AI记住了历史内容。

2026-05-29 10:20:09 53

原创 4.大模型 API 核心参数与可复用对话代码零基础逐点精讲

这些参数不是必须填的，但是学会了之后，你就能像「遥控器」一样，精准控制大模型的回复，让它完全按你的要求来，这是从「会调用」到「会用好」的关键。大白话含义：就像你和大模型的微信聊天框，里面的每一条消息，都要告诉大模型「是谁发的、发了什么内容」，大模型会根据完整的聊天记录来回复你。大白话含义：就像你给大模型定的「停止信号」，只要大模型的回复里出现了你设置的这个词，就会立刻闭嘴，不再继续说下去，精准控制回复的长度。user：用户，也就是你发的问题、指令，所有你要问大模型的内容，都用这个角色。

2026-05-26 15:20:38 325

原创 3.requests 库基础零基础逐点精讲（AI API 调用核心工具）

所有 AI 大模型的 API 调用，不管是通义千问、ChatGPT、豆包，还是其他任何 AI 模型，底层都是用 requests 库来实现「发问题、收答案」的，这是 AI 行业最通用、最核心的基础技能，没有之一。大白话版：requests 就是 Python 里专门用来「让你的电脑和互联网服务器对话」的工具，相当于你电脑里的「微信 / 外卖 APP」。互联网上的服务器（比如通义千问的大模型服务器、百度的服务器）= 饭店 / 你的朋友。requests 库 = 你的手机微信 / 外卖 APP。

2026-05-26 14:31:44 215

原创 2.认识 API 密钥、Python 环境配置零基础逐点精讲

之前给你说过，大模型 API 是官方给你开的「专属后门」，那apiKey就是这个后门的唯一门禁卡 + 身份证，而且是「一卡通用」，不用再分开输账号和密码，新手用起来更简单。额度统计：你每调用一次大模型，服务器就会根据这个apiKey，统计你用了多少免费额度，不会扣错、也不会让你超用，完全透明。权限隔离：这个apiKey只属于你一个人，别人没有这个卡，就进不了这个后门，用不了你的免费额度，也不会给你带来任何风险。以后你写的代码多了，每个文件都要复制一遍密钥，不仅麻烦，还很容易写错、复制漏；

2026-05-26 14:20:23 76

原创 1.注册阿里云账号，申请通义千问 API 密钥

阿里云百炼API

2026-05-26 14:11:50 39

原创 8.批量遍历处理 txt 文档

【代码】8.批量遍历处理 txt 文档。

2026-05-18 11:54:34 42

原创 7.关键词简单提取

1.简单关键词提取逻辑：清洗 → 分词 → 过滤 → 词频统计 → 取高频前几个。3.一行调用就能自动提取，以后做文本摘要必备。2.词频最高的词，就是文章核心关键词。

2026-05-18 11:51:29 42

原创 6.句子长度统计

就能一次性切割所有完整句子。”) 可以把文章切成句子。len(句子) 直接统计句子字数。

2026-05-18 11:49:43 26

原创 5.简单词频排序

word_count.items()：把 {词：次数} 变成 [(“词 1”, 次数 1), (“词 2”, 次数 2)]key=lambda x:x[1]：排序依据选第二个值（就是出现次数）reverse=True：倒序，多的排前面，少的排后面。不用深究原理，直接背下来当固定模板用就行。

2026-05-15 14:16:16 31

原创 4.分词遍历 + 统计词频的练习

自定义词 + 分词 + 过滤 + 遍历 + 词频，是传统 NLP 标配全套流程。词频统计两种：手写 for 循环（懂原理）、Counter（干活用）分词遍历：用 for word in 分词列表挨个取出词语。过滤三条件：不在停用词 + len>1 + 不是数字。知识点总结（背这 4 句就够）

2026-05-15 11:21:00 38

原创 3.jieba 自定义词语添加

词多就用 jieba.load_userdict(“词典文件.txt”) 批量加载。jieba.add_word(“词语”) 临时加单个自定义词。jieba 默认普通词没问题，专业词、新词、品牌名容易拆错。

2026-05-15 10:54:48 41

原创 2.lcut返回列表用法

len文中引入了两个新的库。

2026-05-14 15:24:33 70

原创 1：jieba 基础分词（精确模式 + 全模式）

【代码】1：jieba 基础分词（精确模式 + 全模式）

2026-05-13 15:18:09 261

原创 18.总结：txt、csv、json三种文件的读写对比

存储班级成绩、商品列表、词频统计结果、批量结构化数据，NLP数据处理最常用。基于键值对的结构化格式，支持嵌套、数组，是前后端数据交互的通用格式。存储单条/多条数据的属性、配置信息、API返回结果、复杂嵌套数据。用英文逗号分隔的结构化表格格式，行列固定，纯文本存储。纯文本格式，无任何结构化规则，仅按行/字符存储内容。存储无固定结构的长文本、日记、单篇文章、简单日志。Python 内置 json 库，无需额外安装。Python 内置 csv 库，无需额外安装。

2026-05-12 15:53:08 316

原创 17.路径处理

【代码】17.路径处理。

2026-05-12 15:51:19 57

原创 16.csv 表格简单读写

只要你用 csv.writer 对 CSV 文件做写入 / 追加数据的操作，不管是用 writerow 还是 writerows，必须给 open() 函数加上这个参数，一个都不能漏。只要是用 csv.writer 写入 / 追加 CSV 文件，必须给 open() 函数加上这个参数，和 encoding=“utf-8” 是固定搭配，记死就不会再出问题。只有你用 csv.reader 读取 CSV 文件的时候，不用加这个参数，因为 csv.reader 会自动处理所有换行符，不会出现空行问题。

2026-05-11 15:46:11 165

原创 15.json文件读取与写入

【代码】15.json文件读取与写入。

2026-05-09 10:10:08 149

原创 14.json数据格式认识

【代码】14.json数据格式认识。

2026-04-29 16:20:21 218

原创 13.多行文本读取、遍历

【代码】13.多行文本读取、遍历。

2026-04-28 15:24:48 53

原创 12.txt 文件读写

【代码】12.txt 文件读写。

2026-04-27 17:05:45 204

原创 11.批量整理文本内容

【代码】11.批量整理文本内容。

2026-04-27 16:59:15 88

原创 10.常见报错排查与基础调试

round4。

2026-04-24 11:50:41 287

原创 9.jieba 的 3 种基础分词模式和高频进阶用法

【代码】9.jieba 的 3 种基础分词模式和高频进阶用法。

2026-04-24 11:34:31 211

原创 8.代码复用写法

class 父类名:def __init__(self, 通用参数):# 通用的初始化代码self.通用属性 = 通用参数def 通用方法1(self, 参数):# 通用的功能代码return 处理结果def 通用方法2(self, 参数):# 通用的功能代码return 处理结果class 子类名(父类名):def __init__(self, 通用参数, 子类特殊参数):# 先调用父类的初始化方法，继承父类的所有属性super().__init__(通用参数)

MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。

2025-05-15

微信小程序实战项目开发完整教程（新手零基础落地版）.pdf

内容概要：本文是一份针对零基础开发者的微信小程序实战项目开发完整教程，以“校园闲置交易小程序”为案例，系统讲解从环境搭建到项目发布的全流程。教程涵盖微信开发者工具安装、小程序账号配置、项目结构设计、全局与页面配置、核心页面（首页、分类页、发布页、详情页、个人中心）的代码实现，以及页面跳转、数据绑定、本地缓存、用户授权、图片上传等关键技术点。项目采用原生小程序开发，不依赖云服务，注重基础能力培养，最终实现商品展示、分类筛选、信息发布与管理等功能，并指导如何进行真机调试、代码上传与审核发布。; 适合人群：零基础或入门级小程序开发者，具备基本HTML、CSS、JavaScript语法知识的学生或初入行的研发人员；适合希望通过实战项目快速掌握小程序开发流程的学习者。; 使用场景及目标：①掌握微信小程序原生开发的核心技术栈与项目结构规范；②独立完成一个功能完整的小程序项目并上线发布；③理解页面通信、数据渲染、用户交互、本地存储等关键机制的实际应用；阅读建议：此资源以动手实践为主线，建议边学边练，严格按照文档步骤创建项目、编写代码并调试运行，重点关注wxml结构、wxss样式、js逻辑与json配置的协同工作方式，同时利用开发者工具进行实时预览与问题排查。

2026-06-17

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

MATLAB实战指南：从基础到信号处理案例.md

Kotlin实战精要：现代开发的高效之道.md

Rust 语言实战：安全、并发与高效开发指南.md

Swift语言实战精要：现代开发技巧与原创案例.md

C++语言精要：高效编程的核心技术与实战案例.md

C语言实战：指针操作与字符串反转案例解析.md

汇编语言探秘：直击机器核心的编程艺术.md

Go语言极速上手：高并发与工程化实战指南.md

TypeScript 类型体操进阶.md

Linux高并发服务器开发核心要点与实战.md

大数据基石：数据采集的技术架构与工程实践.md

MySQL从入门到面试求生（附通关秘籍）.md

计算机二级考试心得攻略：过来人的大实话.md

【编程语言领域】Python安装与初步使用教程：从零基础到运行首个程序的详细指引

【Linux系统运维】常用命令精讲：从零基础到高手的实战指南与技巧汇总

轻松搞定！VSCode配置C-C++开发环境指南（Windows版）.md

一学就会！Anaconda 安装图文教程（Windows-macOS-Linux 通用）.md

DeepSeek 本地部署教程.md

paho-mqtt压缩包.zip

mongodb安装程序msi版本.zip

微信小程序实战项目开发完整教程（新手零基础落地版）.pdf

Miniconda3-latest-Windows-x86-64.exe

python文件路径处理核心语法汇总

决胜ACM：团队协作、策略选择与赛场避雷的核心要素.md

新手必看！零基础详细图文教程：VMware虚拟机安装与初体验.md

开发者效率神器推荐：精选10款必备CLI工具与VS Code插件指南.md

AI实战指南：从模型构建到手写数字识别.md

美赛制胜：建模精髓与实战策略深度解析.md

机器人开发实战指南：从理论到落地的关键路径.md

单片机开发实战：从环境搭建到温湿度监测案例.md

大学生创新创业训练计划：从实验室到田野的智慧农业物联网实战.md

硬件开发实战：高效上传传感器数据至云端.md

人工智能大模型实战应用：数据处理的核心引擎.md

蓝桥杯竞赛：培养信息技术精英的实战舞台.md

毕业设计终极上传指南：避开陷阱，赢得导师赞赏.md

计算机编程期末作业：Python学生成绩管理系统实现.md

YOLOv8 数据集构建：核心要素与实战解析.md

Python爬虫核心技术解析：从请求到数据存储.md

PHP实战精要：高效开发技巧与避坑指南.md

C#核心编程实战：面向对象精髓与文件处理案例.md

空空如也