从AI助手到个性化数字分身：WeClone & Second Me打造本地化、私有化的个性化AI代理系统

已于 2025-05-09 21:09:29 修改
阅读量1.1k 收藏 22
点赞数 38
分类专栏： LLM技术优质文章 AI项目大全：提升项目经验 文章标签： 人工智能 RAG 大模型 Agent 智能体 Multi-Agent
于 2025-05-09 21:06:19 首次发布
涉及博主原创类文章，未经博主许可不允许转载
本文链接：https://blog.csdn.net/sinat_39620217/article/details/147795233
版权

1.WeClone

在这里插入图片描述

随着大语言模型（LLM）和语音合成技术的快速发展，个性化AI代理的实现变得愈发可行。近期，一个名为 WeClone 的开源项目引起了开发者社区的关注。该项目旨在通过用户的微信聊天记录，训练出一个高度个性化的对话模型，从而实现“数字版的你”，在一定程度上探索“数字永生”的可能性。

具体功能：

  • 支持从微信导出聊天记录，并自动处理成问答格式
  • 基于LoRA方法、微调Qwen2.5-7B等模型，让LLM说话更像你
  • 还能克隆语音，基于0.5B模型重现你的语气语调（配套子项目：WeClone-audio）
  • 可部署到微信/QQ/飞书/企微等多平台，实现聊天式交互

项目链接：https://github.com/xming521/WeClone

WeClone 的核心流程包括数据采集、预处理、模型微调与部署应用四大模块。首先，项目支持从微信导出的原始聊天记录中提取结构化数据，并自动转换为问答对（QA Pair）格式，便于后续监督式微调使用。这一过程采用了正则表达式匹配与时序分析技术，确保上下文逻辑的连贯性。

在模型层面，WeClone 采用基于 LoRA（Low-Rank Adaptation）的参数高效微调方法，在 Qwen2.5-7B 等大语言模型基础上进行适配。LoRA 能够显著降低训练成本与资源消耗，使得用户仅需少量高质量对话样本即可实现较好的拟人效果。此外，项目配套子模块 WeClone-audio 基于轻量级 Tacotron 或 WavLM 模型，利用约 0.5B 参数规模的语音克隆网络，重现用户的语气语调，进一步增强数字分身的真实感。

  • 硬件要求

项目默认使用Qwen2.5-7B-Instruct模型，LoRA方法对sft阶段微调，大约需要16GB显存。也可以使用LLaMA Factory支持的其他模型和方法。

需要显存的估算值：

方法精度7B14B30B70BxB
Full (bf16 or fp16)32120GB240GB600GB1200GB18xGB
Full (pure_bf16)1660GB120GB300GB600GB8xGB
Freeze/LoRA/GaLore/APOLLO/BAdam1616GB32GB64GB160GB2xGB
QLoRA810GB20GB40GB80GBxGB
QLoRA46GB12GB24GB48GBx/2GB
QLoRA24GB8GB16GB24GBx/4GB

训练完成后，WeClone 支持将模型部署至多个即时通讯平台，如微信、QQ、飞书、企业微信等，实现跨平台的自然语言交互体验。部署方式包括本地服务端 API 接口、Docker 容器化部署以及轻量级 SDK 集成，满足不同场景下的需求。

对于开发者而言，WeClone 提供了完整的工程文档与实践指南，涵盖环境搭建（Python + PyTorch）、数据清洗、LoRA 微调配置、FlashAttention 加速优化、单卡/多卡分布式训练等关键技术细节。项目兼容主流深度学习框架，并针对 NVIDIA GPU 进行了性能优化，推荐使用 A100/H100 显卡以获得更好的训练效率。

需要注意的是`：

  1. 模型表现受限于数据质量与模型容量：若聊天记录内容稀疏或风格不一致，可能导致生成结果不够稳定；
  2. Windows 兼容性建议：项目主要面向 Linux 平台开发，Windows 用户建议使用 WSL（Windows Subsystem for Linux）运行；
  3. 版本迭代频繁：当前处于快速开发阶段，部分功能可能存在不稳定或接口变更情况；
  4. 隐私与合规风险：聊天数据涉及大量个人敏感信息，必须严格遵守《个人信息保护法》等相关法律法规。

1.1 环境搭建

cuda安装(已安装可跳过)：LLaMA Factory

建议使用 uv，这是一个非常快速的 Python 环境管理器。安装uv后，您可以使用以下命令创建一个新的Python环境并安装依赖项，注意这不包含音频克隆功能的依赖：

git clone https://github.com/xming521/WeClone.git
cd WeClone
uv venv .venv --python=3.10
source .venv/bin/activate
uv pip install --group main -e .

使用以下命令测试CUDA环境是否正确配置并可被PyTorch识别，Mac不需要：

python -c "import torch; print('CUDA是否可用:', torch.cuda.is_available());"

（可选）安装FlashAttention，加速训练和推理：uv pip install flash-attn --no-build-isolation

[!NOTE]
训练以及推理相关配置统一在文件settings.json

1.2 数据预处理

请使用PyWxDump提取微信聊天记录。可以先将手机的聊天记录迁移（备份）到电脑，数据量更多一些。下载软件并解密数据库后，点击聊天备份，导出类型为CSV，可以导出多个联系人或群聊，然后将导出的位于wxdump_tmp/export 的 csv 文件夹放在./dataset目录即可，也就是不同人聊天记录的文件夹一起放在 ./dataset/csv。

  • 项目默认去除了数据中的手机号、身份证号、邮箱、网址。还提供了一个禁用词词库blocked_words，可以自行添加需要过滤的词句（会默认去掉包括禁用词的整句）。
  • 执行以下命令对数据进行处理，可以根据自己的聊天风格修改settings.json的make_dataset_args。
python weclone/data/qa_generator.py
  • 目前仅支持时间窗口策略，根据single_combine_time_window将单人连续消息通过逗号连接合并为一句，根据qa_match_time_window匹配问答对。后续将增加大模型清洗数据的功能。

PyWxDump是一款用于获取账号信息(昵称/账号/手机/邮箱/数据库密钥)、解密数据库、查看聊天记录、备份导出聊天记录为html的工

  • 核心功能

    • （1）获取微信昵称、微信账号、微信手机号、微信邮箱、微信 KEY 的基址偏移
    • （2）获取当前登录微信的微信昵称、微信账号、微信手机号、微信邮箱、微信 KEY、微信原始 ID（wxid_******）、微信文件夹路径
    • （3）根据 key 解密微信数据库
    • （4）合并多种类型数据库，方便统一查看

  • 扩展功能

    • （1）通过 web 查看聊天记录
    • （2）支持导出聊天记录为 html、csv, 备份微信聊天记录
    • （3）远程查看微信聊天记录（必须网络可达，例如局域网）

  • 文档类

    • （1）提供数据库部分字段说明
    • （2）提供 CE 获取基址偏移方法
    • （3）提供 MAC 数据库解密方法

  • 其他功能

    • （1）增加极简版 pywxdumpmini，只提供获取数据库密钥以及数据库位置的功能
    • （2）支持微信多开场景，获取多用户信息等

1.3 模型训练

  • 模型下载
git lfs install
git clone https://www.modelscope.cn/Qwen/Qwen2.5-7B-Instruct.git
  • 配置参数并微调模型
  • (可选)修改settings.json的model_name_or_path和template选择本地下载好的其他模型。
  • 修改per_device_train_batch_size以及gradient_accumulation_steps来调整显存占用。
  • 可以根据自己数据集的数量和质量修改lora_rank、lora_dropout等参数。
  • 单卡训练
python weclone/train/train_sft.py
  • 多卡训练
    取消settings.json中deepspeed行代码注释，使用以下命令多卡训练：
uv pip install deepspeed
deepspeed --num_gpus=使用显卡数量 weclone/train/train_sft.py

1.4 推理

  • 使用浏览器demo简单推理
    可以在这一步测试出合适的temperature、top_p值，修改settings.json的infer_args后，供后续推理时使用。
python weclone/eval/web_demo.py
  • 使用接口进行推理
python weclone/server/api_service.py
  • 使用常见聊天问题测试

有些答案比较抽象，主要原因是训练数据没有覆盖，可以通过ＲＡＧ来解决。测试结果在test_result-my.txt。

python weclone/server/api_service.py
python weclone/eval/test_model.py

1.5 微调效果

使用Qwen2.5-14B-Instruct模型，大概3万条处理后的有效数据，loss降到了3.5左右的效果。

在这里插入图片描述
在这里插入图片描述

1.5 部署

  • 部署到聊天机器人

AstrBot 是易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书。

使用步骤：

  1. 部署 AstrBot
  2. 在 AstrBot 中部署消息平台
  3. 执行 python weclone/server/api_service.py 启动api服务
  4. 在 AstrBot 中新增服务提供商，类型选择OpenAI，API Base URL 根据AstrBot部署方式填写（例如docker部署可能为http://172.17.0.1:8005/v1） ，模型填写gpt-3.5-turbo,API Key随意填写一个
  5. 微调后不支持工具调用，请先关掉默认的工具，消息平台发送指令： /tool off all，否则会没有微调后的效果。
  6. 根据微调时使用的default_system，在 AstrBot 中设置系统提示词。

在这里插入图片描述

[!IMPORTANT]
检查api_service的日志，尽量保证大模型服务请求的参数和微调时一致，tool插件能力都关掉。

  1. 调整采样参数，例如temperature、top_p、top_k等
    配置自定义的模型参数

1.8 问题解决

2.Second-Me

在这里插入图片描述

Second Me 是一个开源AI身份系统，旨在为用户创建完全私有的个性化AI代理。它不仅仅是一个AI助手，而是一个能够代表用户真实自我的数字分身。通过本地训练和部署，Second Me 确保用户的数据完全由自己掌控，避免了传统AI系统中数据被大公司掌控的风险。

Second Me 的核心目标是保护用户的独特身份，同时为用户提供一种全新的方式在AI时代中表达自我。它支持全球互联，允许用户的AI代理与其他AI代理进行协作，形成一个去中心化的AI网络。这种设计不仅保护了用户的隐私，还为用户提供了更多的智能扩展可能性。

  • 项目官网：https://www.secondme.io/

  • github仓库：https://github.com/mindverse/Second-Me

  • 论文：AI-native Memory 2.0: Second Me
    AI-native Memory: A Pathway from LLMs Towards AGI

  • 教程：https://secondme.gitbook.io/secondme/tutorial

  • Second Me的主要功能

    • 个性化身份创建:用户将自己的记忆、经验和偏好上传训练成AI代理,代理能代表用户的真实自我。
    • 多角色适应:根据不同的场景(如工作、社交、学习)自动切换角色,保持用户的核心身份不变。
    • ChatMode:与用户直接对话,提供基于个人记忆的个性化回答爸。
    • Bridge Mode:作为用户与外界的桥梁,增强需求表达和信息反馈。
    • 隐私保护:Second Me的运行完全本地化,用户数据存储在本地也设备上。
    • 智能记忆管理:支持快速识别模式、适应变化,与用户共同进化。

  • Second Me的技术原理

    • 分层记忆模型(HMM):
      • L0(短期交互记忆):处理即时上下文信息,用在短期的交互和快速响应
      • L1(自然语言记忆层):总结和存储用户的重要信息,如个人简介、偏好标签等。
      • L2(AI原生记忆层):基于模型参数学习和组织记忆,进行复杂的推理和知识检索。

在这里插入图片描述

  • 个性化对齐架构(Me-alignment):基于强化学习技术,将用户的分散数据转化为深度个性化的理解,确保AI精准把握用户的偏好和行为模式。
  • 去中心化网络:每个Second Me是一个独立的AI实体,基于点对点网络进行通信和协作,确保数据的隐私和安全性。
  • 自动化训练管道:包括数据合成、过滤、监督式微调(SFT)、直接偏好优化(DPO)等步骤,确保模型的高效训练和个性化。
  • 多智能体框架:支持与其他Al代理或专家模型协作,基于增强上下文信息和优化交互过程,为用户提供更精准的服务。
  • 链式推理:在训练和推理过程中基于CoT风格,逐步推理和详细解释,提高模型的逻辑性和准确性。

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

2.1 安装 Second Me 服务

1. 克隆仓库

git clone git@github.com:Mindverse/Second-Me.git
cd Second-Me

2. 设置环境

使用 make 命令（需要 Xcode 命令行工具）：

make setup

或者直接使用脚本：

./scripts/setup.sh

3. 启动服务

使用 make 命令：

make start

或者直接使用脚本：

./scripts/start.sh

2.2 启动 Second Me 平台

完成 make start 命令后，打开浏览器并访问 http://localhost:3000，即可进入 Second Me 平台。接下来，我们将逐步完成创建自己的 AI 自我：

1. 定义你的身份

在创建 Second Me 之前，你需要定义自己的身份。这是 Second Me 的核心基础：

  • 在左侧边栏导航至 Create Second Me > Define Your Identity。

  • 配置你的身份信息：

  • Second Me 名称：为你的 Second Me 起一个名字。

  • 简短个人描述：描述你的风格、驱动力和独特之处。

  • Second Me 邮箱：填写一个邮箱地址，用于联系你的 Second Me。

  • 确认无误后点击 保存。

  • 点击 下一步：上传记忆，继续创建过程。

提示：上传的信息越多样化，Second Me 对你的理解就越准确。

2. 上传你的记忆

下一步是通过上传个人数据来让 Second Me 更了解你：

  • 导航至 Create Second Me > Upload Your Memory。

  • 选择适合的方式上传数据：

  • 文本：直接在页面中输入文字。

  • 文件：上传单个文件。

  • 文件夹：上传整个文件夹，系统会自动整理。

  • （未来支持连接应用程序和可穿戴设备！）

  • 完成上传后，点击 下一步：训练。

提示： * 上传反映你思维模式、写作风格和知识领域的多样化内容。 * 避免上传过多文件，以免影响训练效率。

3. 训练 Second Me

最后一步是训练 Second Me，使其具备你的个性和能力：

  • 导航至 Create Second Me > Train Second Me。

  • 配置训练设置：

  • 数据合成支持模型：选择记忆处理方式。

  • 训练基础模型：选择适合你计算机性能的模型。

  • 点击 开始训练，等待训练完成。

提示： * 选择适合你计算机性能的模型。 * 训练时间取决于上传数据的数量和复杂性，保持页面打开并耐心等待。

2.3 如何与 Second Me 交互

聊天模式

聊天模式允许你直接与 Second Me 进行交互：

  • 导航至 Playground > Chat with Second Me。

  • 输入消息并按 Enter，即可开始对话。

  • 使用右侧的设置调整聊天体验：

  • 记忆检索：控制记忆在对话中的作用。

  • 系统提示：定义 Second Me 的行为模式。

  • 温度值：调整创造性（0 = 精确，1 = 创意）。

  • 点击 清除聊天，可以重新开始对话。

提示：通过调整设置，让 Second Me 适应不同场景需求。

角色扮演应用

角色扮演应用允许你为 Second Me 创建特定角色，用于不同场景：

  • 导航至 Second Me Apps > Roleplay Apps。

  • 浏览现有角色扮演应用，选择感兴趣的预设角色。

  • 创建自定义角色：

  • 点击右上角的 创建角色扮演应用 按钮。

  • 为角色命名并描述其超能力。

  • 调整角色风格以匹配你的需求。

  • 点击 保存。

网络应用

网络应用支持你加入全球 Second Me 网络或创建协作空间：

  • 导航至 Second Me Apps > Network Apps。

  • 加入全球网络：

  • 点击 加入 AI 网络。

  • 启用 注册到网络，让其他用户发现你的 Second Me。

  • 创建协作空间：

  • 点击右上角的 创建新空间 按钮。

  • 输入空间名称和任务描述。

  • 邀请团队成员并点击 创建空间。

项目链接：

高仿微信客户端开发实践 | WeClone 技术解析
xiezhipu的博客
05-14 258
WeClone 是一个基于 Android 原生开发的高仿微信客户端项目，通过模块化设计和现代化技术栈，实现了微信核心功能的深度复刻。项目亮点100% 原生开发，无第三方 UI 框架依赖采用最新 Android Jetpack 组件构建完整实现即时通讯核心链路高度还原微信交互动效WeClone 项目完整展现了现代 Android 开发的最佳实践组合大型应用模块化架构设计范例即时通讯场景的完整解决方案Jetpack 全家桶的深度应用示范欢迎开发者们参与贡献。
数字分身：数据构造常规方法
丨汀、的博客
05-12 50
数字分身：数据构造常规方法
一个极具争议的开源项目，「微信克隆人」火了！
jennycisp的博客
05-16 1211
WeClone 的数字分身全链路核心模块包括了三部分：数据导出与预处理 → LoRA模型微调 → 多平台部署接下来，我们分模块看看各部分的技术亮点。
深度解析 WeClone：打造你的数字分身
darkb1rd的博客
04-06 2106
使用微信聊天记录微调大语言模型，使用微信语音消息大模➕0.5B大模型实现高质量声音克隆，并绑定到微信机器人，实现自己的数字分身。
WeClone：用微信聊天记录打造你的专属数字分身
weixin_62921094的博客
05-13 1527
WeClone 是一个开放源码项目，能通过个人微信聊天记录微调大语言模型（LLM），并结合声音克隆技术，让你的“数字分身”不仅“说你的话”，还能“听你的声”。自 2024 年上线以来，项目迅速积累了 4.6k⭐、350🍴，并入选 HelloGitHub 月度榜单，当前最新版本 v0.2.2（2025-05-08 发布）已为更大规模训练和多卡并行做好准备。
WeClone: 用微信聊天记录微调大语言模型
04-30 729
通过个人微信聊天记录对大语言模型（LLM）进行微调，打造专属的数字分身。它提供从聊天数据到模型微调、从文本生成到语音克隆、从训练到部署的全链路解决方案。让你的数字分身不仅“会说你的话”，还能“听起来像你本人”。
WeClone 三步克隆你的微信人格！做出24小时在线的AI分身
opentrending的博客
05-13 618
今日星标总星标数连续上榜主要语言https://github.com/harry0703/MoneyPrinterTurbo这是一个用AI自动生成短视频的神器，输入关键词就能全流程搞定视频制作。它能自动生成文案、匹配高清素材、添加背景音乐和字幕，支持横竖屏两种格式，特别适合自媒体创作者快速批量生产内容。就算不懂剪辑的小白，也能一键生成可用于抖音、YouTube等平台的成品视频，解决了找素材、写脚本、后期制作的繁琐流程。今日星标总星标数主要语言https://github.com/xming521/WeClo
ios学习资源
热门推荐
fishmai的专栏
05-15 1万+
問：學習Objective-C的書籍？答：Effective objective-C 2.0编写高质量ios和OS X代码的52个有效方法Learn Objective–C on the Mac by Mark Dalrymple and Scott Knaster, Apress.這本的內容是Objective-C跟一些基本的Cocoa Foundation Framework，是學習Obj...
Second Me 初步使用
qq_28212937的博客
04-17 1682
Second Me demo跑通
【AI News | 20250414】每日AI进展
Jungle胡的博客
04-15 839
比如，给定一个新网站，它会自动发现技能，执行它们进行练习，并将练习经验转化为API，通过迭代探索，不断扩展API库，来增强智能体的能力。尽管存在生成限制和语言支持等初期局限，这一创新标志着生产力工具向智能化迈出关键一步，未来可能扩展更复杂的分析功能，重塑数字办公场景。项目最大亮点在于完全开源训练流程，并实现仅100美元的超低训练成本（0.1k H800GPU小时），采用创新的帧级噪声控制技术，在保持原始模型性能的同时为研究者提供了可复现的低成本开发范式，有望加速AI视频生成技术的普及与创新。
WeClone：基于个人聊天数据的数字分身构建工具
最新发布
这里汇聚了前沿的技术分享与实用的开发技巧，带你探索从创意到企业的技术创业之路。
05-24 65
WeClone 通过将个人聊天数据转化为可交互的数字分身，为AI在个人场景的应用打开了新思路。无论是提升沟通效率，还是探索AI创造力，它都提供了极高的灵活性与可定制性。随着开源社区的壮大，这一工具有望成为个人AI助手领域的标杆。
Second Me + Ollama + Mac M2本地训练
04-10 707
由于ollama chat接口与OpenAI chat接口不兼容，本文尝试使用requests实现ollama本地模型的使用，这样Second Me就也可以使用本地ollama模型来做数据增加及MacOS上进行训练和推理了。
Second Me 开源了！第一个可以本地训练的 AI 身份模型
2401_84495872的博客
03-25 1563
除了通用大模型（LLM）和智能体（Agent），AI 还有第三个大赛道吗？是的，随着越来越多人告诉我们，我们需要 AI 不仅仅成为工具，而是成为我们人的延伸，更多的对齐我们自己，成为我们的身份。不仅如此，他还是本地训练和部署，。并且在部署后，可以把你的 AI 身份，，让你的 AI 身份可以被所有人和应用访问、使用，无限放大你的存在感！Second Me 与通用大模型生成标准化回答不同，它通过深度学习你的真实记忆数据，构建真正“关于你”的高度个性化身份模型。
聊天记录秒变数字分身，探索科技新边界！
weixin_44626085的博客
05-15 877
在这个数字化快速发展的时代，人工智能与个人身份之间的连接从未像现在这样迅速而深刻。今天，我们将聚焦于一个新兴的开源项目——，它致力于通过个人聊天记录来创造数字分身，从而让您的数字化身具有您的独特风格与声音。无论是数字永生、声音克隆，还是个人聊天助手，WeClone为用户提供了一站式的解决方案。
GitHub克隆远程项目到本地(可以克隆指定文件夹）以及从本地上传文件到GitHub(Linux和Windows均可，对虚拟机也适用）
代码背包客的博客
06-09 4566
由于远程库是空的，我们第一次推送master分支时，加上了-u参数，Git不但会把本地的master分支内容推送的远程新的master分支，还会把本地的master分支和远程的master分支关联起来，在以后的推送或者拉取时就可以简化命令。在用户主目录里找到.ssh目录，里面有id_rsa和id_rsa.pub两个文件，这两个就是SSH Key的秘钥对，id_rsa是私钥，不能泄露出去，id_rsa.pub是公钥，可以放心地告诉任何人。我们在上面浏览时，有时会发现一些对我们很有用的源代码或者文件。
Second-Me: 训练你的 AI 自我以连接世界
03-23 788
不像像 OpenAI 这样的公司构建了威胁人类独立的“超级 AI”。而是渴望个性：AI 可以放大而不是抹杀您。 通过Second Me来挑战这一点：一个开源原型，您可以在其中打造自己的AI 自我 — 一种新的 AI 物种，可以保护您、提供您的背景并捍卫您的利益。
Second-Me 开源项目安装与配置指南
gitblog_00680的博客
03-27 692
Second-Me 开源项目安装与配置指南 Second-Me Where You Build Your AI Duplicates that Connects with Others' 项目地址: https://gitcode...
weclone
04-12
### 关于 WeClone 的技术和实现 WeClone 是一个基于 Spring Cloud 和分布式架构设计的开源项目，主要用于学习和实践微服务架构的设计与开发。该项目通常会涉及多个子模块，例如配置管理、服务注册发现、负载均衡以及 API 网关等功能[^1]。 #### WeClone 的核心功能和技术栈 WeClone 使用的技术栈可能包括但不限于以下内容： - **Spring Cloud Config**: 负责集中化存储和管理应用中的配置文件。通过将 `git-dev.properties`、`git-test.properties` 和 `git-pro.properties` 文件托管至 Git 或者 GitHub 上，可以动态加载不同环境下的配置。 - **Git 版本控制工具**: 作为配置文件的存储仓库，支持开发者灵活切换分支并更新配置项。如果未安装 Git 工具，则可能会遇到类似于 “The Flutter directory is not a clone of the GitHub project.” 这样的错误提示[^2]。 为了正常运行 WeClone 项目，确保本地已正确克隆远程仓库，并初始化必要的依赖库和服务组件是非常重要的一步操作： ```bash # 克隆 WeClone 主分支代码到本地目录下 git clone https://github.com/your-repo/weclone.git # 切换到指定版本号或者特性分支继续工作 cd weclone && git checkout develop ``` 上述命令展示了如何从官方维护地址下载最新源码包的过程；同时提醒用户注意调整目标路径名以匹配实际需求场景。 另外需要注意的是，在某些情况下（比如 Windows 平台），还需要额外设置一些系统级参数来兼容特定框架的行为模式，比如解决因缺少全局环境变量而导致的功能受限等问题。 --- ### 实现细节探讨 以下是关于 WeClone 中几个关键技术点的具体说明： #### 1. 配置中心集成 利用 Spring Cloud Config Server 可以为整个微服务体系提供统一化的外部化配置解决方案。它允许管理员轻松修改生产环境中各实例所使用的属性值而无需重新部署应用程序本身。具体做法如下所示： ```yaml spring: cloud: config: server: git: uri: https://github.com/dang/config-repo.git # 替换成自己的repo链接 search-paths: '{application}/{profile}' # 定义资源扫描规则 ``` 此 YAML 片段定义了一个指向公共代码仓库存储位置的基础 URI 地址，并指定了用于检索对应 profile 类型文档的标准格式字符串表达式。 #### 2. 动态刷新机制 当某个节点上的配置发生改变之后，其他关联的服务能够感知这些变化并通过 HTTP 请求触发内部状态同步过程。这主要依靠 Actuator 提供的支持端点完成自动化处理逻辑: ```java @RefreshScope @RestController public class MyController { @Value("${my.custom.property}") private String customProperty; public String getCustomProperty() { return this.customProperty; } } ``` 上面这段 Java 示例演示了怎样借助 `@RefreshScope` 注解赋予控制器类实时响应新设定的能力，从而减少不必要的停机时间成本开销[^1]。 --- ### 总结 综上所述，围绕 WeClone 展开的学习旅程涵盖了众多现代软件工程领域内的最佳实践经验。无论是初学者还是有一定经验积累的研发人员都可以从中受益匪浅。当然，随着业务复杂度不断提升，未来还有更多挑战等待着我们去探索克服！ 问题
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

汀、人工智能

十分感谢您的支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值