【大模型】Spring AI对接ChatGpt使用详解

目录

一、前言

二、spring ai介绍

2.1 什么是Spring AI

2.2 Spring AI 特点

2.3 Spring AI 为开发带来的便利

2.4 Spring AI应用领域

2.4.1 聊天模型

2.4.2 文本到图像模型

2.4.3 音频转文本

2.4.4 嵌入大模型使用

2.4.5 矢量数据库支持

2.4.6 用于数据工程ETL框架

三、Spring AI对接ChatGPT

3.1 前置准备

3.2 添加依赖

3.3 接入流程

3.3.1 配置文件

3.3.2 增加一个测试接口

3.3.3 接口测试

3.4 OpenAiChatClient 使用

3.4.1 call使用Prompt传递参数方式1

3.4.2 call使用Prompt传递参数2

3.5 OpenAiImageClient使用

3.5.1 其他参数传递使用情况

3.6 OpenAiAudioTranscriptionClient 使用

3.7 OpenAiAudioSpeechClient使用

四、Spring AI对接Ollama

4.1 Ollama介绍

4.2 Ollama本地部署

4.2.1 下载安装包

4.2.2 执行安装

4.2.3 Ollama部署千问大模型

4.2.4 补充说明

4.3 Spring Ai接入Ollama

4.3.1 引入Ollama依赖

4.3.2 添加配置文件

4.3.3 使用Ollama聊天api

五、写在文末

一、前言

ChatGPT从问世到现在，热度一直不减，GPT的广泛推广和使用，让AI领域变得越来越热闹，于是基于ChatGPT的核心，越来越多的公司和技术团队加入了大模型的领域。在这其中，作为技术框架语言，像主流的python，java等，为了方便开发者对ChatGPT的使用，以及后续生态的融合，也开始在框架层面引入对ChatGPT的支持，本文聊聊spring框架下对ChatGPT的支持的一个新组件spring ai的使用。

二、spring ai介绍

2.1 什么是Spring AI

spring ai官网文档地址：Prompts :: Spring AI Reference ，官网对Spring AI的定义如下：

Spring AI is an application framework for AI engineering. Its goal is to apply to the AI domain Spring ecosystem design principles such as portability and modular design and promote using POJOs as the building blocks of an application to the AI domain.

2.2 Spring AI 特点

Spring AI 是一个AI工程领域的应用程序框架，它的目标是将Spring生态系统的设计原则应用于人工智能领域，比如Spring生态系统的可移植性和模块化设计，并推广使用POJO来构建人工智能领域应用程序，但它并不是要构建一个自己的AI大模型，而是让你对接各种AI大模型，官网介绍Spring AI 具备如下特征：

  • 支持所有主要的模型提供商，如OpenAI、微软、亚马逊、谷歌和Huggingface；

  • 支持的模型类型有聊天和文本到图像，还有更多；

  • 可移植的API跨人工智能提供商聊天和嵌入模型。同时支持同步和流API选项。还支持下拉访问特定于型号的功能；

  • 人工智能模型输出到POJO的映射；

  • 支持所有主要的矢量数据库提供商，如Azure矢量搜索、Chroma、Milvus、Neo4j、PostgreSQL/PGVector、PineCone、Qdrant、Redis和Weaviate；

  • 跨矢量存储提供商的可移植API，包括一个新的类似SQL的元数据过滤器API，它也是可移植的；

  • 支持函数调用；

  • 用于AI模型和矢量存储的Spring Boot自动配置和启动器；

  • 可以用于数据工程的ETL框架；

2.3 Spring AI 为开发带来的便利

Spring Framework 和AI技术的结合，将为java生态对接人工智能，大模型提供了非常大的便利，尤其是技术组件生态完善的Spring 框架来说，这更是为项目开发对接AI应用提供了基础支撑，具体来说，好处如下：

  • 整合简单

    • Spring Framework 提供了广泛的功能和模块，结合人工智能技术可以打造完整的AI对接与解决方案。

  • 简化开发

    • Spring Framework 的框架和工具可以大大简化开发流程，而人工智能技术可以增强应用程序的智能化水平。

  • 高效性

    • 结合 Spring Framework 的性能优势和人工智能技术的高效处理能力，可以实现高性能的智能化应用程序。

  • 灵活性

    • 可能在 Spring Framework 的基础上开发出灵活、可扩展的人工智能模块，以满足不同应用场景的需求。

2.4 Spring AI应用领域

从上文对Spring AI的特点介绍，不难发现，Spring AI将会在众多的领域提供有力的支撑，下面做详细说明。

2.4.1 聊天模型

Chat Models支持很多种聊天模型，基于不同的聊天模型，可以打造多场景下的聊天应用，比如当下各种聊天应用。

2.4.2 文本到图像模型

即Text-to-image Models，目前支持：

  • OpenAI with DALL-E；

  • StabilityAI；

文本转图像在现实中有着广泛的需求场景，用户按照自身的需求，输入特定的参数，即可生成预期的图片。目前在市场上，已经出现很多类似的大模型产品可供商用。

2.4.3 音频转文本

与上面的文本转图像类似，可将一段音频中提取出文本内容，在某些商业领域有着较多的使用。

2.4.4 嵌入大模型使用

GPT问世之后，陆陆续续出现了很多可以商用的开源大模型，比如Ollama，ONNX等，使用spring ai作为底层开发框架，利用open ai就可以对接大模型，从而打造属于企业自身的大模型应用。

2.4.5 矢量数据库支持

Vector Store API提供了跨不同提供商的可移植性，其特点是提供了一种新颖的类似SQL的元数据过滤API，以保持可移植性，目前对矢量数据库的支持包括：

  • Azure Vector Search；

  • Chroma；

  • Milvus；

  • Neo4j；

  • PostgreSQL/PGVector；

  • PineCone；

  • Redis；

  • Weaviate；

  • Qdrant；

2.4.6 用于数据工程ETL框架

利用spring ai作为连接GPT的支撑，结合java自身优秀的数据处理特点，可以将其用于大数据ETL领域中，具体来说：

  • ETL框架的核心功能是使用Vector Store促进文档向模型提供者的传输。ETL框架基于Java函数式编程概念，可帮助您将多个步骤链接在一起；

  • 支持阅读各种格式的文档，包括PDF、JSON等；

  • 该框架允许数据操作以满足您的需求。这通常包括拆分文档以遵守上下文窗口限制，并使用关键字增强它们以提高文档检索效率；

  • 最后，处理后的文档存储在矢量数据库中，以便将来检索；

三、Spring AI对接ChatGPT

3.1 前置准备

在正式开始使用java对接ChatGPT之前，你需要做下面几件事，确保在后面的代码层面可以正常调用ChatGPT的相关接口。

  • api-key

    • 调用open-ai接口必须传递的参数，api-key的获取方式很多，可以通过官网注册，或者通过中转的渠道获取；

    • 如果是自己注册获得的api-key，需要解决本地的魔法上网问题；

    • 如果是通过中转渠道获取的api-key，注意拿到中转的url，这个其实就是使用被人的代理服务器解决本地魔法上网的问题；

  • jdk17环境

    • 如果纯粹是调用open-ai接口，不用jdk17也没问题，但是后面需要使用spring ai集成调用，建议使用jdk17。

  • 提前搭建springboot工程；

3.2 添加依赖

本例使用springboot 3.2的版本，核心依赖如下

    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.2.4</version>
        <relativePath/>
    </parent>

    <properties>
        <java.version>17</java.version>
        <spring-ai.version>1.0.0-SNAPSHOT</spring-ai.version>
    </properties>

    <dependencies>

        <dependency>
            <groupId>org.apache.httpcomponents</groupId>
            <artifactId>httpclient</artifactId>
            <version>4.5.13</version>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-devtools</artifactId>
            <scope>runtime</scope>
            <optional>true</optional>
        </dependency>

        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>

    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring-ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <!--maven中心仓库还没有更新spring ai的jar包，所以使用spring的仓库ai包-->
    <repositories>
        <!--快照版本的仓库-->
        <repository>
            <id>spring-snapshot</id>
            <name>Spring Snapshots</name>
            <url>https://repo.spring.io/snapshot</url>
            <releases>
                <enabled>false</enabled>
            </releases>
        </repository>
    </repositories>

这里重点补充一下，由于目前maven中央仓库还没有spring ai的包，所以需要从spring官方提供的仓库里下载，所以在pom中需要配置官网提供的仓库地址

3.3 接入流程

3.3.1 配置文件

在配置文件中主要配置你的apkey，和base-url信息

server:
  port: 8088

spring:
  application:
    name: chat-001

  ai:
    openai:
      api-key: 你的apikey
      base-url: 默认的是openai的地址

3.3.2 增加一个测试接口

编写一个测试接口，使用OpenAiChatClient这个聊天对象api进行调用

import org.springframework.ai.openai.OpenAiChatClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class ChatController {

    @Autowired
    private OpenAiChatClient openAiChatClient;

    //http://localhost:8088/chat?message=介绍下上海这个城市
    @GetMapping("/chat")
    public Object chat(@RequestParam("message") String message){
        String result = openAiChatClient.call(message);
        return result;
    }

}

3.3.3 接口测试

启动工程之后，调用一下接口，可以看到下面的效果

3.4 OpenAiChatClient 使用

上面通过一个简单的案例介绍了spring ai如何快速调用gpt的接口，在OpenAiChatClient这个对象中，还提供了很多种方式调用call的方法，从而返回响应结果，如下：

下面来分别聊聊几种不同API的用法

3.4.1 call使用Prompt传递参数方式1

传递一个字符串参数，使用call调用方法的时候，也可以传递一个Prompt的对象，返回的是一个ChatResponse对象，如下：

    //http://localhost:8088/chat/pro?message=介绍下上海这个城市
    @GetMapping("/chat/pro")
    public Object chatCallPrompt(@RequestParam("message") String message){
        ChatResponse call = openAiChatClient.call(new Prompt(message));
        return call;
    }

调用一下该接口，看到如下的响应结果，此时返回的是一个json对象，也可以使用ChatResponse 获取单纯的文本结果

3.4.2 call使用Prompt传递参数2

从Prompt的对象参数中不难发现，支持传递的构造对象方式有很多，上面是传递一个简单的字符串作为参数，也可以使用其他的方式

在官网的api文档中有详细的介绍：OpenAI Chat :: Spring AI Reference

看下面的写法，通过这种方式，可以更好的控制gpt接口返回的响应结果的质量，当然，Prompt里面可以传递的参数还有很多，可以结合官网的解释进一步理解

    //http://localhost:8088/chat/v2?message=介绍下上海这个城市
    @GetMapping("/chat/v2")
    public Object chatCallPromptV2(@RequestParam("message") String message){
        Prompt prompt = new Prompt(
                message,
                OpenAiChatOptions.builder()
                        .withModel("gpt-4-32k") //32k 参数量，参数量越大，越准确
                        .withTemperature(0.4f)  //温度值，温度值越高，准确率下降，但是创新性好
                        .build()
        );
        return openAiChatClient.call(prompt);
    }

补充说明

Prompt对象中的参数，也可以通过配置文件的形式进行配置，如果配置文件和代码中同时配置了，以代码中的生效

3.5 OpenAiImageClient使用

OpenAiImageClient是spring ai中提供的用于生成图片的核心对象，借助这个对象，可以传递相关的参数和描述，生成符合要求的图片，下面看一个具体的案例，如下，提供一个生成图片的接口：

import org.springframework.ai.image.ImagePrompt;
import org.springframework.ai.image.ImageResponse;
import org.springframework.ai.openai.OpenAiImageClient;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class ImageChatController {

    @Autowired
    private OpenAiImageClient openAiImageClient;

    //http://localhost:8088/image/generate?message=生成一张猫的图片
    @GetMapping("/image/generate")
    public Object chat(@RequestParam("message") String message){
        ImagePrompt imagePrompt = new ImagePrompt(message);
        ImageResponse imageResponse = openAiImageClient.call(imagePrompt);
        return imageResponse.getResult().getOutput();
    }

}

在这段代码中，通过传递一个message参数，从而构造出一个ImagePrompt的对象，最后调用openAiImageClient的call方法生成图片，调用接口，看的如下返回结果

然后将返回结果中的url输入到浏览器，就能看到一张猫的图片

注意点：

调用生成图片的接口，你的apikey需要使用GPT4.0的模型，3.5的会报错，不支持生成图片

3.5.1 其他参数传递使用情况

在ImagePrompt对象的参数中，除了传递一个message之外，从下面的参数展示中，还可以传递其他类型的参数

在spring ai官方文档中，关于ImagePrompt对象的构造参数中，提供了如下的示例，即可以通过OpenAiImageOptions构造出第二个参数，一起传给ImagePrompt进行使用

下面看具体的接口示例

    //http://localhost:8088/image/generate/v2?message=生成一只狗的图片
    @GetMapping("/image/generate/v2")
    public Object genImageV2(@RequestParam("message") String message){
        ImagePrompt imagePrompt = new ImagePrompt(message, OpenAiImageOptions.builder()
                .withQuality("hd") //高清图像
                .withN(1) //生成1张图片，不同的模型可以生成的数量不一样
                .withHeight(1024)
                .withWidth(1024).build());
        ImageResponse imageResponse = openAiImageClient.call(imagePrompt);
        return imageResponse.getResult().getOutput();
    }

每个参数的具体含义，在官网的文档中也有详细的说说明，需要注意的是，这些参数也可以在工程的配置文件中进行配置，如果配置文件和代码中都设置了，以代码中的设置为准；

调用接口，看的如下返回信息

浏览器中输入这段url，可以看的正好是一张小狗的图片

3.6 OpenAiAudioTranscriptionClient 使用

即音频转文本的API对象，音频转文本的场景在日常生活中也比较常见，在GPT问世之前，也有一些厂商提供相关的商用软件，spring ai 官方的示例代码：spring-ai/models/spring-ai-openai/src/test/java/org/springframework/ai/openai/audio/transcription/OpenAiTranscriptionClientWithTranscriptionResponseMetadataTests.java at main · spring-projects/spring-ai · GitHub

看下面的示例代码，需要提前在本地目录下提供一个音频文件；

@RestController
public class TranslateController {

    @Autowired
    private OpenAiAudioTranscriptionClient openAiAudioTranscriptionClient;

    //http://localhost:8088/audio/translate/text
    @GetMapping("/audio/translate/text")
    public Object audioTranslateText(){
        Resource resource = new FileSystemResource("D:\\cat.mp3");
        String call = openAiAudioTranscriptionClient.call(resource);
        return call;
    }

}

3.7 OpenAiAudioSpeechClient使用

文本转语音的API对象，即将一段文本转为语音，参考如下代码

    @Autowired
    private OpenAiAudioSpeechClient openAiAudioSpeechClient;

    //http://localhost:8088/text/translate/audio?msg=春天悄然而至，绿意盎然的枝头绽放出无尽的生命力，仿佛是大自然的调色板，绘出一幅幅美妙的画卷。
    @GetMapping("/text/translate/audio")
    public Object textToAudio(@RequestParam String msg) throws Exception{
        byte[] call = openAiAudioSpeechClient.call(msg);
        FileOutputStream fos = new FileOutputStream("D:\\output.mp3");
        fos.write(call);
        System.out.println("字节数组写入文件成功！");
        return "success";
    }

执行完成后，本地将会生成一个音频文件

四、Spring AI对接Ollama

4.1 Ollama介绍

Ollama是一个用于部署和运行各种开源大模型的工具，能够帮助用户快速在本地运行各种大模型，极大地简化了大模型在本地运行的过程。对用户来说，只需要通过执行几条命令就能在本地运行开源大模型，如Llama 2等。

官网：Ollama

4.2 Ollama本地部署

进入网站之后，点击右上角的 Download按钮，根据个人的实际情况，选择不同类型的安装包进行部署，我这里选择的是Windows的版本；

注意

Ollama部署的时候，对服务器或机器是有一定要求的，所以需要根据你的机器配置情况进行选择，在Ollama的官网通过github的链接点进去，可以看到如下的相关参数指导说明，在这里，你部署的大模型参数越多，理论上来说，对机器的配置要求就越高，目前先关注这一点即可。

4.2.1 下载安装包

这里选择下载的是windows版本

4.2.2 执行安装

Ollama的安装比较简单，双击执行这个exe文件，等待安装完成即可

安装完成之后，点击开始进入下面的shell窗口

Ollama常用命令

cmd窗口输入Ollama，即可了解常用的Ollama命令

如何理解本机部署的这个Ollama呢？如果使用过Docker的同学对docker部署一些中间件应该不陌生，比如使用docker中部署mysql或redis，只需要运行一段docker命令即可完成，非常方便，类比于Ollama，是一个大模型的部署管理工具，只需要使用Ollama的命令，也可以快速部署起一个本地的大模型进行使用。

如果你需要使用Ollama部署大模型，可以在Ollama官网进行搜索，类似于你使用docker search 镜像名一样

如下，进入到某个大模型中，拷贝命令到shell窗口中执行即可

4.2.3 Ollama部署千问大模型

“通义千问大模型”是阿里云推出的一个超大规模的语言模型，具有强大的归纳和理解能力，可以处理各种自然语言处理任务，包括但不限于文本分类、文本生成、情感分析等。此模型能够极大地提高了自然语言处理的效率和准确性，给用户提供了一种新的、简便的工具。

在Ollama中搜索关键字qwen，然后选择一个参数相对较少（对本地的空间和资源占用减小）的进行运行

使用下面的命令运行

ollama run qwen:0.5b-chat

然后等待模型下载完成运行起来之后就可以使用了，下面这个进度窗口是不是与docker部署中间件很相像

然后就可以输入文本，与大千问模型进行对话，而后，就可以基于部署的模型应用于实际工作或业务中进行结合使用

4.2.4 补充说明

大模型参数数量与资源消耗具有如下关系：

  • 大模型参数越多
    • 模型的尺寸就越大；
    • 模型的输出结果越准确；
    • 允许所需要的资源成本越高；
  • 本地开发不适合使用尺寸较大的模型；
  • 折中的方案
    • 开发时在本地运行参数较少的模型；
    • 集成测试时使用外部服务

4.3 Spring Ai接入Ollama

接下来演示如何在springboot项目中集成Ollama，参考下面的操作步骤

4.3.1 引入Ollama依赖

基于上述的spring ai版本，添加下面的依赖

        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
        </dependency>

4.3.2 添加配置文件

配置文件中添加Ollama相关的配置信息，注意的是，Ollama默认端口为11434

server:
  port: 8088

spring:
  application:
    name: chat-001

  ai:
    ollama:
      base-url: http://localhost:11434
      chat:
        options:
          model: qwen:0.5b-chat
    openai:
      api-key: 你的apikey
      base-url: openai地址

4.3.3 使用Ollama聊天api

Ollama聊天API的核心对象为OllamaChatClient，与上述的spring ai中提供的client对象类似，在程序中可以直接调用其api，如下，传入一个msg参数，返回响应的文本内容

import jakarta.annotation.Resource;
import org.springframework.ai.ollama.OllamaChatClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class OllamaChatController {

    @Resource
    private OllamaChatClient ollamaChatClient;

    //http://localhost:8088/ollama/chat?msg=大数据的技术栈有哪些
    @GetMapping("/ollama/chat")
    public String ollamaChat(@RequestParam String msg){
        String resMsg = ollamaChatClient.call(msg);
        return resMsg;
    }

}

启动服务，调用一下接口，可以看到响应的内容，通过这种方式，相当于是利用spring ai接入了本地的大模型进行对话聊天

也可以使用Prompt进行参数传递，看下面的接口

    @GetMapping("/ollama/chat/v2")
    public Object ollamaChatV2(@RequestParam String msg){
        Prompt prompt = new Prompt(msg);
        ChatResponse chatResponse = ollamaChatClient.call(prompt);
        return chatResponse;
    }

返回结果如下，返回这种结构的数据在实际使用的时候，需要对json中的字段进行解析即可

spring ai官网中也提供了Ollama的相关文档，地址：Ollama Chat :: Spring AI Reference，在文档中，可以找到很多有关Ollama的详细的配置参数，这些配置参数，都可以在Prompt对象或者配置文件中进行合理的使用，达到最佳的实践效果

比如，在下面的接口中，仍然使用Prompt对象，里面传入更多的参数选项做控制

    //http://localhost:8088/ollama/chat/v3?msg=中国排名前十的大学
    @GetMapping("/ollama/chat/v3")
    public Object ollamaChatV3(@RequestParam String msg){
        Prompt prompt = new Prompt(
                msg,
                OllamaOptions.create()
                        .withModel("qwen:0.5b-chat")
                        .withTemperature(0.4F)
        );
        ChatResponse chatResponse = ollamaChatClient.call(prompt);
        return chatResponse.getResult().getOutput().getContent();
    }

再次调用一下接口，当然这个结果是否一定准确呢？对于结果的使用还需要做认真的鉴别

五、写在文末

本文详细介绍了spring ai的使用，并通过案例详细介绍了spring ai中常用的api使用方法，最后通过本地安装安装Ollama并部署大模型接入通义千问，希望对看到的同学有用，本篇到此结束感谢观看。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/642759.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

云动态摘要 2024-05-24

云动态摘要 2024-05-24

给您带来云厂商的最新动态&#xff0c;最新产品资讯和最新优惠更新。 最新优惠与活动 [免费试用]大模型知识引擎体验招募 腾讯云 2024-05-21 大模型知识引擎产品全新上线&#xff0c;为回馈新老客户&#xff0c;50万token免费送&#xff0c;开通服务即领取&#xff01; 云服…
阅读更多...
蓝桥杯杨辉三角

蓝桥杯杨辉三角

PREV-282 杨辉三角形【第十二届】【蓝桥杯省赛】【B组】 &#xff08;二分查找 递推&#xff09;&#xff1a; 解析&#xff1a; 1.杨辉三角具有对称性&#xff1a; 2.杨辉三角具有一定规律 通过观察发现&#xff0c;第一次出现的地方一定在左部靠右的位置&#xff0c;所以从…
阅读更多...
优化css样式的网站

优化css样式的网站

一、按钮的css样式 https://neumorphism.io/#e0e0e0https://neumorphism.io/#e0e0e0 二、渐变样式 Fresh Background Gradients | WebGradients.com &#x1f48e;Come to WebGradients.com for 180 beautiful linear gradients in CSS3, Photoshop and Sketch. This collect…
阅读更多...
IT革命浪潮：技术革新如何改变我们的生活与工作

IT革命浪潮：技术革新如何改变我们的生活与工作

一、技术革新与行业应用 当前的IT行业正处于前所未有的技术革新阶段。其中&#xff0c;量子计算和虚拟现实是两项引人注目的技术。 量子计算&#xff1a;量子计算以其超越传统计算的潜力&#xff0c;正在逐步从理论走向实践。在材料科学、药物研发和气候模型等复杂计算领域&a…
阅读更多...
JAVA中的代理：代理的作用+静态代理的实现+动态代理的实现

JAVA中的代理：代理的作用+静态代理的实现+动态代理的实现

JAVA中的代理&#xff1a;代理的作用静态代理的实现动态代理的实现 一、代理的作用二、静态代理实现方式2.1 实现原理2.2 示例 三、动态代理 一、代理的作用 代理是一种设计模式 主要目的&#xff1a;提供了对目标对象另外的访问方式 代理的好处&#xff1a; 目标对象可以间…
阅读更多...
前端开发攻略---用Vue实现无限滚动的几种方法

前端开发攻略---用Vue实现无限滚动的几种方法

目录 1、原理 2、使用CSS动画 代码&#xff1a; 3、使用JS实现 代码&#xff1a; 1、原理 复制内容&#xff1a;将需要滚动的内容复制一次&#xff0c;并将这些副本放置在原始内容的后面。这样&#xff0c;当用户滚动到内容的末尾时&#xff0c;就会无缝地切换回到内容的起…
阅读更多...
链表-设计LRU缓存结构

链表-设计LRU缓存结构

题目描述&#xff1a; 代码实现&#xff1a;这里记录了根据LRU算法原理最直接理解的代码实现。 import java.util.*;//存储输入内容&#xff0c;记录访问权值 class CounterInfo {int key;int value;int times;//代表key对应的权值&#xff0c;值越小优先级越高public Counter…
阅读更多...
【学习笔记】Webpack5（Ⅱ）

【学习笔记】Webpack5（Ⅱ）

Webpack 3、高级篇 3.1、提升开发体验 —— SourceMap 3.2、提升打包速度 3.2.1 HotModuleReplacement 3.2.2 OneOf 3.2.3 Include / Exclude 3.2.4 Cache 3.2.5 Thread 3.3、减少代码体积 …
阅读更多...
Strategy设计模式

Strategy设计模式

Strategy设计模式举例。 看图&#xff1a; 代码实现&#xff1a; #include <iostream>using namespace std;class FlyBehavior { public:virtual void fly() 0; };class QuackBehavior { public:virtual void quack() 0; };class FlyWithWings :public FlyBehavior …
阅读更多...
轻量级 K8S 环境 安装minikube

轻量级 K8S 环境 安装minikube

文章目录 操作系统DockerDocker CE 镜像源站使用官方安装脚本自动安装 &#xff08;仅适用于公网环境&#xff09;安装校验Docker代理docker permission denied while trying to connect to the Docker daemon socket minikubekubectl工具minikube dashboard参考资料 操作系统 …
阅读更多...
WORD、PPT技巧

WORD、PPT技巧

WORD技巧 编辑设置 word标题导航窗口怎么调出word2016&#xff0c;缩小了页面&#xff0c;可是怎么是竖着的一页一页排列啊&#xff1f;以前不是好几页横排着的么&#xff1f;怎么设置&#xff0c;求救&#xff1a;在Word标题栏那一行找到“视图”&#xff0c;点击“显示比例…
阅读更多...
刷题之路径总和Ⅲ（leetcode）

刷题之路径总和Ⅲ（leetcode）

路径总和Ⅲ 这题和和《为K的数组》思路一致&#xff0c;也是用前缀表。 代码调试过&#xff0c;所以还加一部分用前序遍历数组和中序遍历数组构造二叉树的代码。 #include<vector> #include<unordered_map> #include<iostream> using namespace std; //Def…
阅读更多...
HCIE是什么证书？为什么要考？

HCIE是什么证书？为什么要考？

每当我发一些关于HCIE的话题时&#xff0c;总有小伙伴过来问“啥是HCIE啊&#xff1f;”今天就一起来了解下&#xff0c;到底什么是HCIE&#xff1f;为什么这么多人都要考HCIE? HCIE是华为认证ICT专家的缩写&#xff0c;它是华为认证体系中最高级别的ICT技术认证。HCIE全称为H…
阅读更多...
JUnit5禁用测试用例

JUnit5禁用测试用例

什么是禁用测试用例&#xff1a; 给用例添加禁用标识被禁用的用例执行后会添加跳过的状态可以禁用测试类、也可以禁用测试方法 使用场景&#xff1a; 在bug未解决之前&#xff0c;对应的测试用例则无需执行版本更新&#xff0c;某些用例暂时不可以 Disable注解&#xff1a;…
阅读更多...
【Andoird开发】android获取蓝牙权限，搜索蓝牙设备MAC

【Andoird开发】android获取蓝牙权限，搜索蓝牙设备MAC

<!-- Android 12以下才需要定位权限&#xff0c; Android 9以下官方建议申请ACCESS_COARSE_LOCATION --><uses-permission android:name"android.permission.ACCESS_COARSE_LOCATION" /><uses-permission android:name"android.permission.ACCES…
阅读更多...
可视化 | Seaborn中的矩阵图及示例

可视化 | Seaborn中的矩阵图及示例

Seaborn是python提供的一个很棒的可视化库。它有几种类型的绘图&#xff0c;通过这些绘图&#xff0c;它提供了惊人的可视化能力。其中一些包括计数图&#xff0c;散点图&#xff0c;配对图&#xff0c;回归图&#xff0c;矩阵图等等。本文讨论了Seaborn中的矩阵图。 示例1&am…
阅读更多...
微软密谋超级AI大模型！LangChain带你轻松玩转大模型开发

微软密谋超级AI大模型！LangChain带你轻松玩转大模型开发

此前&#xff0c;据相关媒体报道&#xff0c;微软正在研发一款名为MAI-1的最新AI大模型&#xff0c;其参数规模或将达5000亿以上&#xff0c;远超此前微软推出的相关开源模型&#xff0c;其性能或能与谷歌的Gemini 1.5、Anthropic的Claude 3和OpenAI的GPT-4等知名大模型相匹敌。…
阅读更多...
AI PC 的曙光：微软大胆出击与苹果竞争

AI PC 的曙光：微软大胆出击与苹果竞争

AI PC 的曙光&#xff1a;微软大胆出击与苹果竞争 AI PC 的曙光&#xff1a;微软大胆出击与苹果竞争 概述 微软已正式进入 AI PC 时代&#xff0c;并且毫不避讳地直接向苹果的 MacBook 发起攻击。随着代号为“Copilot”的笔记本电脑的推出&#xff0c;微软准备彻底改变我们与…
阅读更多...
vue 表格表头展示不下，显示。。。；鼠标悬浮展示全部

vue 表格表头展示不下，显示。。。；鼠标悬浮展示全部

vue 表格表头展示不下&#xff0c;显示。。。&#xff1b;鼠标悬浮展示全部 <templateslot-scope"scope"slot"header"><span:title"临时证券类型"style"white-space:nowrap">{{ 临时证券类型 }}</span></templa…
阅读更多...
01_尚硅谷JavaWeb最新版笔记

01_尚硅谷JavaWeb最新版笔记

尚硅谷JAVAWEB概述 课程概述 计划学习时间&#xff1a;1周以内
阅读更多...
最新文章

Copyright @ 2022~2023