南七小僧的学海无涯

在 Sortablejs 官方以往的 Vue 组件中，都是通过使用组件作为列表的直接子元素来实现拖拽列表。当我们使用一些组件库时，如果组件库中没有提供列表根元素的插槽，我们很难实现拖拽列表！是一个专为 Vue 打造的拖拽排序模块，基于 Sortablejs 封装，支持 Vue3 或 Vue 2.7+。ps:按照官方的说法，由于 Sortablejs 的 vue3 组件一直没有更新，已经跟 vue3 严重脱节，所以诞生了这个。今天在网上看到尤雨溪推荐的这款拖拽组件，试了一下非常不错，这里推荐给大家。

目录一、心理健康与精神病态量表二、行为问题量表三、人格评估量表四、智力测验一、心理健康与精神病态量表1.一般症状自评量表(SCL-90)症状自评量表 （The self-report symptom inventory ，Symptom checklist ，90，简称 SCL90） 有 90 个评定项目 , 每个项目分五级评分 , 包含了比较广泛的精神病症状学内容， 从感觉、 情 感、思维、意识、行为直至生活习惯、人际关系、饮食等均有涉及，能准确刻划被试的自觉 症状，能较好地反映被试的问题及其严重程度和变

通过本文的介绍，我们了解到了如何使用Android的类来获取实时音频数据，并将其可视化展示。这不仅有助于我们更好地理解音频信号的特性，也为开发音频相关的应用提供了基础。希望本文的内容对您有所帮助，如果您有任何问题或建议，欢迎在评论区与我们交流。

要实现特定的心理咨询师的数字孪生，前提是能获取该心理咨询师的大量咨询案例，但是这对于心理咨询师个体而言，难度极大。SoulChat2.0的推出，将为心理健康大模型领域带来新的研究思路：通过少量的真实咨询案例去进行心理咨询师数字孪生建模的方式，可以低成本、快速、高效地构建拥有特定心理咨询师语言风格与疗法技术的心理健康大模型，在谈话技术、状态与态度、情感共情、认知共情方面均有显著的性能提升，能很好地辅助真实世界心理咨询师展开心理咨询工作，例如执行这些咨询师的前置谈话，二十四小时的在线服务等等。

Below is a list of open source games and game-related projects that can be found on GitHub - old school text adventures, educational games, 8-bit platform games, browser-based games, indie games, GameJam projects, add-ons/maps/hacks/plugins for commercial

对定性和定量结果的大量实验表明，我们的算法实现了高质量的照片真实感对话头部视频，包括根据语音节奏进行的各种面部表情和头部运动，并超过了最先进的水平。我们的系统包含三个阶段。当然，FACEGOOD Audio2face 部分也可根据自己的喜好进行重新训练，比如你想用自己的声音或其它类型的声音，或者不同于 FACEGOOD 使用的模型绑定作为驱动数据，都可以根据下面提到的流程完成自己专属的动画驱动算法模型训练。兼顾生成的韵律和外表的相似，除了面部，考虑到了头部的动作，虑了背景区域的artifact。

pinia-plugin-persist是一个为Pinia设计的官方推荐的第三方插件，它提供了简单易用的API，能够自动将指定的Pinia store状态保存至本地存储（localStorage或sessionStorage），并在应用启动时从本地存储恢复这些状态。Pinia是一个专为Vue3设计的状态管理库，它借鉴了Vuex的一些概念，但更加轻量灵活，使得状态管理变得更加简单直观。computed属性是响应式的，只有当依赖的响应式数据发生变化时，计算属性才会重新计算。

默认情况下，select 的下拉框dom是添加到body元素中的，这就导致虽然视图层面看，select 下拉框在 popover body里面，但实际上他们是dom关系是兄弟元素，所以点击下拉框的行为对于 popover 而言，和在popover外面鼠标点击的行为是一致的。这就导致popover也关闭了。尝试解决方法：将 select 组件的 teleported属性设置为false，使得它的下拉框被渲染在popover内部。

使用 Vue3 Element Plus 实现特定单元格编辑在当今快节奏的应用程序开发世界中，数据编辑是至关重要的。Vue3 Element Plus 提供了一系列强大的组件，让开发者能够轻松创建交互式表格。其中一项关键功能是特定单元格编辑，它允许用户在表格中直接编辑数据。本教程将逐步指导您如何在 Vue3 Element Plus 中实现特定单元格编辑功能。我们将涵盖从设置必要的依赖项到保存单元格更改的每个步骤。

Root节点，代表“常识知识树”的根结点，在这棵概念树上，我们预定义了17种实体的分类体系，如“角色”、“物体与物品”、“组织机构”、“品牌”、“事件”都是一个“概念类型”（即一个分类体系的根结点），每个概念类型作为起点的子树，定义了对该类实体的语义细分，目前蚂蚁知识树上已经有超过2W+的节点。描述实体-实体间的关联。如果你的图谱，涉及对带有时空信息的行为事件的表达，或建模场景下的业务规则、专家经验，需要对所定义“概念”的内涵和外延有计算机可处理可计算的逻辑语义解释，高阶篇中有你所需知道的一切。

简单来说，一个知识图谱的schema就是相当于一个领域内的数据模型，包含了这个领域里面有意义的概念类型以及这些类型的属性。任何一个域的schema主要由类型（type）和属性（property）来表达。图1是plantdata内的创投schema，主要是为了发掘一级市场的投资和融资构建的schema。该schema主要是去定义需求，哪些数据对创投有用，才往上构建，例如：人物都有身高、体重，但是这些数据对创投来说意义不大，在schema中就不用构建了。

isCollapse有两个页面的父级页面Home.vue通过provide注入。Home.vue下包含aside.vue和menu.vue。数据后 ，子页面inject获取，更改后也会具有响应性。

而且如果端口变化，则每个文件的端口都要发生改变，这是我们不希望看到的，并且处理繁琐。如果不在main.js里面配置全局。可以在终端下载vue-axios。

Python中使用sqlite3库操作SQLite数据库时，查询结果默认以元组的形式返回。但是，在实际开发中，我们有时候需要以字典的形式返回查询结果，以方便代码的编写和维护。本攻略将介绍如何使用PythonSqlite3以字典形式返回查询结果。本攻略介绍了如何在PythonSqlite3中以字典形式返回查询结果，涉及了开启row_factory属性、查询数据和处理数据三个方面。通过本攻略，你可以灵活地使用PythonSqlite3操作SQLite数据库，并方便地获取查询结果。

你上下对比看看，会不会觉得非常疑惑，这明明就是一样的，为什么下面可以上面不行？其实很简单，因为你的Markdown文本有问题。，我发送一个txt文件过去，他首先帮我总结整个文件的内容，然后以问答的形式列出10个要点。这样一来，既兼顾了多行字符串的美观，又不会因为缩进导致Markdown渲染失败。但如果你直接这样写，你会发现Markdown的渲染好像出问题了。这可太丑了，要是被那些不喜欢Python缩进的人看到，又要被调侃了。注意到了吗，在函数里面定义多行字符串时，很容易把缩进带进来，导致。

网址进行了屏蔽，因此需要科学上网或对API进行反向代理才能使用API接口，那么该怎么使用反向代理的API接口呢？由于国内对openai的。

但是在日常使用过程中,发现存在一个问题,windows激活虚拟环境的命令在cmd中可以正常使用,但是在。至此结束,重新开一个PowerShell就可以在其中正常使用activate来激活虚拟环境了。中使用就存在一些问题,总之无法正常运行.2.更改PowerShell设置。然后使用如下命令就可以激活。使用如下命令可以创建新的。

既然 pip 镜像源（无论还是清华，亦或是阿里）对代理服务器进行了屏蔽，那么我们访问镜像源的时候就不要走代理网络了。临时方案就很简单了，直接把代理关了就行了。但你要安装很多包的话，就很麻烦，得反复的开关代理，推荐下面的永久解决方案。，但是清华的网络会对一些境外的网络代理做屏蔽或过滤，因此导致开了代理之后，pip 就无法安装包了。即在代理服务器设置里面，请勿对以下条目开头的地址使用代理服务器，以清华源为例，就是添加。然而，配置清华源之后，pip 安装的时候就是从清华的镜像仓库来抓取。

此外，系统还识别出 “Tomaz ”与 “Diagram ”之间的关系，关系的特征是 “INTERESTED_IN”，表明 Tomaz 对图表感兴趣。如果你使用的是专业版，或将在更强大的本地计算机上使用，则可以测试 relik-ie/relik-cie-small 模型，该模型可执行实体链接和关系提取。通过微调较小的、针对特定任务的模型（如 Relik 框架中的模型），你可以为你的检索增强生成 (RAG) 应用程序实现高性能的信息提取。在本例中，模型识别出 “Tomaz ”和 “He ”指的是同一个实体。

Python中zip()、zip(*zipped)、*zip()的用法及区别。

一个向量数据库以向量格式存储和维护数据。当数据准备存储时，它被分成100到200个字符的块。然后，通过一个嵌入模型，这些块被转换为可以存储在向量数据库中的向量嵌入。向量数据库有很多用例，但从定义上来说，并不是RAG的完整基础。大多数向量数据库并不提供嵌入模型，因此公司通常需要找到并集成一个嵌入模型，才能将向量数据库用作他们的基础。向量数据库的特性也因所使用的算法而异。向量数据库使用KNN（K最近邻）或ANN（近似最近邻）算法，每种算法对任何搜索和检索特性的最终结果都有不同的影响。

**Chain（链）**是LangChain中最核心的概念之一（看名字就知道）。简单的说，就是把自然语言输入、关联知识检索、Prompt组装、可用Tools信息、大模型调用等这些LLM 应用中的常见动作，组装成一个可以运行的“链”式过程。链可以直接调用，也可以用来进一步构建更强大的Agen

RAG的目标是通过知识库增强内容生成的质量，通常做法是将检索出来的文档作为提示词的上下文，一并提供给大模型让其生成更可靠的答案。更进一步地，RAG的整体链路还可以与提示词工程（Prompt Engineering）、模型微调（Fine Tuning）、知识图谱（Knowledge Graph）等技术结合，构成更广义的RAG问答链路。增强训练REALM引入了知识检索器增强大模型预训练，以改进大模型的问答质量和可解释性。增强微调RA-DIT实现了对大模型和检索器的双指令微调，RAFT。

这里要区别跟人力资源板块写团队成员的不同，这里只介绍他在该行业、领域的牛逼劲儿，而不介绍他在项目中担任何种职务、具体负责事项、为项目做出哪些贡献，这些内容实在人力资源板块才写的，避免这里的团队介绍和后面的团队介绍内容重复。**发展前景：**证明市场可行（问题突出、市场容量大、目标客户定位清晰）、产品技术/商业模式可行（可实现）、竞争有优势（核心竞争力）、能实现自我造血功能可持续发展（可盈利）。1、产品技术实现方案（什么样的技术或者方法，实现什么样的功能/性能，解决上述市场痛点问题，前后呼应，内容上下衔接。

【代码】【开源所有代码-全在线智能音箱】树莓派智能音箱，自定义唤醒词，大模型LLM GPT对话。

安装bluetooth库。

更改蓝牙名称：需要在etc创建一个machine-info文件 所以直接打开终端运行。

先前直接运行bt-agent --capability=NoInputNoOutput 实现了功能，但是发现一个bug，手机端连接成功后，断开连接取消配对，再次重新尝试配对再也不会成功了，会提示配对失败。可能是bt-agent tool的bug， 只得再想其他更完善的解决办法。按如下方式python实现agent，可以达到想要的效果，多次测试取消配对、忽略设备后都可以再次重新配对成功。

【代码】Another How to turn your Pi in a Bluetooth Speaker Tutorial树莓派蓝牙配对 配网。

LangChain 是一个用于开发由大型语言模型（Large Language Models，简称LLMs）驱动的应用程序的框架。它提供了一个灵活的框架，使得开发者可以构建具有上下文感知能力和推理能力的应用程序，这些应用程序可以利用公司的数据和APIs。这个框架由几个部分组成。LangChain 库：Python 和 JavaScript 库。包含了各种组件的接口和集成，一个基本的运行时，用于将这些组件组合成链和代理，以及现成的链和代理的实现。LangChain 模板。

外链图片转存中…(img-BteK79oW-1721104143862)]在树莓派使用过程中，很多人都有遇到过这样的问题，经常由于工作场所变化，在无显示器和鼠标的情况下无法方便快捷对树莓派设置wifi网络。在物联网场景下，成熟的方案是使用蓝牙为设备设置网络，在本教程中，我想向您展示一种简单的方法，可以通过蓝牙仅使用Android手机为Raspberry Pi配置Wi-Fi网络。

现在继续开展下一步，尝试与手机通信，一开始是想弄wifi连接的，但发现基于wifi的APP比较难弄，为了降低开发的难度，又因为树莓派板子自带蓝牙模块，所以直接选用蓝牙连接手机通信。（1）安卓手机（我的是实验专用老机子HONOR 6X）先下载一个蓝牙调试器（苹果的按道理也可以，但是没探索用什么软件）（3）打开手机蓝牙调试器，搜索并连接树莓派，然后手机给树莓派发送文本数据，如下图，（3）直接打开手机的蓝牙，找到树莓派的蓝牙名称，点击配对，即可。框框中的两行，第一行增加 -C，第二行直接添加，如下面所示，

向量数据库Faiss是Facebook AI研究院开发的一种高效的相似性搜索和聚类的库。它能够快速处理大规模数据，并且支持在高维空间中进行相似性搜索。本文将介绍如何搭建Faiss环境并提供一个简单的使用示例。

*CRUD只是操作向量数据库的基础手段，想要用好RAG必须在CRUD的基础上掌握语义检索的相关原理。**比如文档拆分时需要按语义尽可能的拆分为小的单元，而在召回时，则需要基于召回的单元尽可能的补充完整的窗口上下文，才能在最终使用LLM时得到尽可能好的结果。这些都需要在crud的基础上执行一些额外操作，我将在下次给大家讲述，希望你持续关注。以上就是本文的全部内容，我希望你能从中学到一些有用的知识，也欢迎你在评论区留下你的反馈或问题。😊。

智谱 AI 长期专注于大模型技术的研究，从 23 年开始，大模型受到了各行各业的关注，智谱 AI 也深度的参与到各种场景的大模型应用的建设当中，积累了丰富的模型落地应用的，其中 RAG 类应用占据了较大的比重。所谓 RAG，简单来说，包含三件事情。第一，Indexing。即怎么更好地把知识存起来。第二，Retrieval。即怎么在大量的知识中，找到一小部分有用的，给到模型参考。第三，Generation。即怎么结合用户的提问和检索到的知识，让模型生成有用的答案。

我们在浏览器地址栏中输入 http://localhost:7860 进入 Web 界面，接着可以在“语言/Language”选项中，将界面的语言修改为“中文/zh”，然后在模型名称中选择“Yi-6B”，在模型路径中选择“01ai/Yi-6B”。适配器指的是 lora 微调的输出结果，可以理解为将预训练模型的输出转换为目标形式的组件，需要搭配预训练模型一起使用。注意，在模型的微调过程中，使用较小的保存间隔可能会在训练的过程中保存大量的检查点（checkpoint），占用大量的磁盘空间。

(4) C:\Users{User}\AppData\Roaming\npm-cache（或%appdata%\npm-cache）6、如果是仍然未卸载，键入where node在命令提示符下，您将看到它所在的位置-也删除它(可能还有父目录)。(3) C:\Users{User}\AppData\Roaming\npm （或%appdata%\npm）5、检查您的%PATH%环境变量以确保没有引用Nodejs或npm存在。2、从程序中卸载&使用卸载程序的特性（如：控制面板中卸载删除）

现在，为了启动协同程序，我们必须使用asyncio的get_event_loop()方法将协同程序放入事件循环中，最后，我们使用asyncio的run_until_complete()方法执行该事件循环。在本节中，你将学习如何**使用requests从一个URL下载文件，该URL会被重定向到另一个带有一个.pdf文件的URL。我们已经将其设置为1024字节，接着遍历每个块，**并在文件中写入这些块，直到块结束。在这段代码中，我们使用了urlretrieve方法并传递了文件的URL，以及保存文件的路径。

大屏幕能够将庞大的数据集以图形化的方式展示出来，使人们能够更容易地理解和分析数据。这种可视化形式使信息更加直观，有助于提高数据解读的效率。大屏幕可视化可以用于实时监控关键业务指标和数据趋势。通过及时更新的图表和指标，团队可以更快速地发现问题、做出决策，从而提高响应速度。数据可视化大屏提供了一种直观的方式来支持决策制定。领导和决策者可以通过可视化的方式更容易地了解组织的绩效、趋势和问题，从而做出更明智的战略决策。大屏幕可视化可以在团队中创建一个共享的数据视图，促进团队协作和交流。

脚本遍历加载页面的DOM元素的信息，然后将其用于构建页面的表示形式。换句话说，它实际上并不截取页面的屏幕截图，而是根据它从DOM读取的属性来构建页面的表示形式。结果，它只能正确呈现它理解的属性，这意味着有许多CSS属性无效，。