KI verändert die Berufslandschaft, aber nicht in der Art und Weise, wie die Medien sie darstellen. Wir brauchen mehr Problemlöser als je zuvor. Neue Bereiche, neue Technologien und neue Märkte entstehen schnell.
Als Softwareentwickler müssen Sie all diese neuen Dinge im Auge behalten, um auf dem Markt hervorzustechen. Aber herauszufinden, was man lernen kann, kann schwierig sein.
Deshalb habe ich eine begehrte Liste von Tools zusammengestellt, die Sie auf dem Laufenden halten und Ihre Chancen auf einen Job verbessern.
Also. Lass uns gehen.
Komposition? - Die Integrationsplattform für KI-Agenten
Ich kann mein Leben darauf wetten (nicht wirklich! aber Sie haben es verstanden), dass KI-Agenten sehr beliebt sein werden. Neue Produkte werden vollständig über Agenten betrieben. Um Agenten jedoch tatsächlich leistungsfähig zu machen, müssen Sie sie mit externen Apps verbinden.
Wenn Sie einen KI-Engineering-Agenten erstellen, muss dieser auf GitHub, Liner, Jira, Slack usw. zugreifen, um wirklich nützlich zu sein. Composio macht das. Mit uns können Sie über 250 Apps verbinden, um komplexe Aufgaben zu automatisieren.
Wir verwalten die Authentifizierung wie OAuth, sodass Sie wichtige Funktionen erstellen können.
Dies ist ein aufstrebender Markt mit vielen Aktivitäten. Wenn Sie dies lernen, wird Ihr Lebenslauf sofort cooler.
Der Einstieg in Composio ist einfach.
pip install composio-core
Fügen Sie eine GitHub-Integration hinzu.
composio add github
Composio übernimmt die Benutzerauthentifizierung und -autorisierung in Ihrem Namen.
So können Sie die GitHub-Integration nutzen, um ein Repository zu starten.
from openai import OpenAI from composio_openai import ComposioToolSet, App openai_client = OpenAI(api_key="******OPENAIKEY******") # Initialise the Composio Tool Set composio_toolset = ComposioToolSet(api_key="**\\*\\***COMPOSIO_API_KEY**\\*\\***") ## Step 4 # Get GitHub tools that are pre-configured actions = composio_toolset.get_actions(actions=[Action.GITHUB_ACTIVITY_STAR_REPO_FOR_AUTHENTICATED_USER]) ## Step 5 my_task = "Star a repo ComposioHQ/composio on GitHub" # Create a chat completion request to decide on the action response = openai_client.chat.completions.create( model="gpt-4-turbo", tools=actions, # Passing actions we fetched earlier. messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": my_task} ] )
Führen Sie dieses Python-Skript aus, um die angegebene Anweisung mithilfe des Agenten auszuführen.
Composio funktioniert mit bekannten Frameworks wie LangChain, LlamaIndex, CrewAi usw.
Weitere Informationen finden Sie in den offiziellen Dokumenten. Noch komplexere Beispiele finden Sie in den Beispielabschnitten des Repositorys.
Markieren Sie das Composio-Repository ⭐
2. UV von Astral – Der schnellste Python-Paketmanager
Wenn Sie in irgendeiner Form Python schreiben, ist dies ein Muss. Wahrscheinlich die beste Lösung für das chaotische Paketverwaltungs-Ökosystem von Python. Es ist ein einzelnes Tool, das pip, pip-tools, pipx, poetry, pyenv, twine, virtualenv und mehr ersetzt.
Es ist in Rust geschrieben und kann Python-Versionen verwalten, Anwendungen installieren, über einen Cargo-ähnlichen Arbeitsbereich verfügen und, was am wichtigsten ist, 100-mal schneller als pip sein.
Der Einstieg ist einfach.
curl -LsSf https://astral.sh/uv/install.sh | sh
Pip verwenden
pip install uv
uv verwaltet Projektabhängigkeiten und Umgebungen und unterstützt Sperrdateien, Arbeitsbereiche und mehr, ähnlich wie Rye oder Poetry:
$ uv init example Initialized project `example` at `/home/user/example` $ cd example $ uv add ruff Creating virtual environment at: .venv Resolved 2 packages in 170ms Built example @ file:///home/user/example Prepared 2 packages in 627ms Installed 2 packages in 1ms + example==0.1.0 (from file:///home/user/example) + ruff==0.5.7 $ uv run ruff check All checks passed!
Schauen Sie sich die Projektdokumentation an, um loszulegen.
Python-Versionen nach Bedarf herunterladen:
pip install composio-core
Verwenden Sie eine bestimmte Python-Version im aktuellen Verzeichnis:
composio add github
Weitere Informationen finden Sie in der Python-Installationsdokumentation.
Starten Sie das UV-Repository ⭐
3. Pydantic – Datenvalidierung mithilfe von Python-Typhinweisen
Oh Mann! Es gehört zu den besten Tools, die ich mit Python verwendet habe, und ist zusammen mit Numpy, Sklearn usw. dafür verantwortlich, dass es relevant bleibt.
Pydantic hebt Pythons Typhinweise auf ein neues Niveau, indem es eine Laufzeitdatenvalidierung und -analyse basierend auf diesen Hinweisen bereitstellt. Ob es sich um API-Antworten, Konfigurationsdateien oder komplexe verschachtelte Daten handelt, Pydantic stellt sicher, dass Ihre Eingaben sauber und gut strukturiert sind, ohne dass umfangreicher Boilerplate-Code erforderlich ist.
Sie können Zod erkunden, wenn Sie ähnliche Dinge im Javascript-Ökosystem wünschen.
Installieren Sie es mit Pip oder UV.
from openai import OpenAI from composio_openai import ComposioToolSet, App openai_client = OpenAI(api_key="******OPENAIKEY******") # Initialise the Composio Tool Set composio_toolset = ComposioToolSet(api_key="**\\*\\***COMPOSIO_API_KEY**\\*\\***") ## Step 4 # Get GitHub tools that are pre-configured actions = composio_toolset.get_actions(actions=[Action.GITHUB_ACTIVITY_STAR_REPO_FOR_AUTHENTICATED_USER]) ## Step 5 my_task = "Star a repo ComposioHQ/composio on GitHub" # Create a chat completion request to decide on the action response = openai_client.chat.completions.create( model="gpt-4-turbo", tools=actions, # Passing actions we fetched earlier. messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": my_task} ] )
Hier ist ein einfaches Beispiel.
curl -LsSf https://astral.sh/uv/install.sh | sh
Produzent: Senden von Nachrichten an eine Warteschlange.
pip install uv
Verbraucher: Empfangen von Nachrichten aus einer Warteschlange.
$ uv init example Initialized project `example` at `/home/user/example` $ cd example $ uv add ruff Creating virtual environment at: .venv Resolved 2 packages in 170ms Built example @ file:///home/user/example Prepared 2 packages in 627ms Installed 2 packages in 1ms + example==0.1.0 (from file:///home/user/example) + ruff==0.5.7 $ uv run ruff check All checks passed!
Weitere Informationen finden Sie in der Dokumentation.
Erkunden Sie das RabbitMQ-Repository ⭐
6. Sentry – Anwendungsüberwachungssystem
Wenn Ihnen die Stabilität Ihrer Apps am Herzen liegt, ist Sentry ein Muss. Es ist die ultimative Lösung zur Echtzeitverfolgung von Fehlern, Leistungsproblemen und Anwendungszustand. Unabhängig davon, ob Sie für das Web, Mobilgeräte oder den Desktop entwickeln, lässt sich Sentry nahtlos integrieren, damit Sie Fehler schneller und intelligenter beheben können.
Mit den detaillierten Stack-Traces, Breadcrumbs und dem Benutzerkontext erhalten Sie alles, was Sie brauchen, um die Grundursache von Problemen zu ermitteln. Aber damit nicht genug: Sentry hilft Ihnen auch bei der Überwachung der App-Leistung mit Funktionen wie Transaktionsverfolgung und benutzerdefinierten Metriken.
Schauen Sie sich die Dokumentation an, um mehr zu erfahren.
Erkunden Sie das Sentry-Repository ⭐
7. Grafana – Visualisieren Sie Ihre Daten wie nie zuvor
Wenn Sie Metriken, Protokolle oder Traces überwachen müssen, ist Grafana das Tool der Wahl. Es handelt sich um eine Open-Source-Plattform, die Ihre Rohdaten in schöne, interaktive Dashboards umwandelt, sodass Sie leicht verstehen können, was in Ihren Systemen passiert.
Grafana lässt sich in praktisch jede Datenquelle integrieren – Prometheus, Elasticsearch, InfluxDB, AWS CloudWatch und mehr.
Es ist definitiv eines dieser Tools, die Sie in fast allen Organisationen finden können.
Erkunden Sie das Sentry-Repository ⭐
8. LangGraph – Erstellen Sie KI-Agenten mit Zuständen
Wenn Sie sich jemals eine bessere Möglichkeit zur Verwaltung von KI-Agenten mit komplexen Arbeitsabläufen gewünscht haben, ist LangGraph die Antwort. Es handelt sich um ein Framework zum Erstellen zustandsbehafteter KI-Agenten, die problemlos mehrstufige Prozesse, Entscheidungsfindung und Kontextbeibehaltung bewältigen können.
Wir haben in LangGraph unseren eigenen SWE-Agenten entwickelt, der im SWE-Bench, einem Benchmark zum Testen der Wirksamkeit von KI-Codierungsagenten, 48,60 % erreichte.
LangGraph installieren.
pip install composio-core
API-Schlüssel für Tavily und OpenAI zu Umgebungsvariablen hinzufügen.
composio add github
Bitte lesen Sie dies, um den Ablauf des Beispiels zu verstehen. Weitere Informationen finden Sie auch in der Dokumentation zu LangGraph.
Markieren Sie das LangGraph-Repository ⭐
9. Selenium – Browser-Automatisierungs-Framework
Jeder Technikprofi begegnet irgendwann in seiner Karriere der Browser-Automatisierung. Viele Unternehmen verlassen sich bei verschiedenen Aufgaben auf Selenium, darunter Webautomatisierung, Tests und Scraping dynamischer Inhalte.
Selenium erleichtert Entwicklern die programmgesteuerte Steuerung von Webbrowsern und ermöglicht ihnen die Simulation von Benutzerinteraktionen wie das Klicken auf Schaltflächen, das Ausfüllen von Formularen und das Navigieren zwischen Seiten
Es ist in Programmiersprachen verfügbar.
Installieren Sie Selenium in Python mit pip.
from openai import OpenAI from composio_openai import ComposioToolSet, App openai_client = OpenAI(api_key="******OPENAIKEY******") # Initialise the Composio Tool Set composio_toolset = ComposioToolSet(api_key="**\\*\\***COMPOSIO_API_KEY**\\*\\***") ## Step 4 # Get GitHub tools that are pre-configured actions = composio_toolset.get_actions(actions=[Action.GITHUB_ACTIVITY_STAR_REPO_FOR_AUTHENTICATED_USER]) ## Step 5 my_task = "Star a repo ComposioHQ/composio on GitHub" # Create a chat completion request to decide on the action response = openai_client.chat.completions.create( model="gpt-4-turbo", tools=actions, # Passing actions we fetched earlier. messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": my_task} ] )
Sie müssen Chrome Webdriver für Chromium-basierte Browser und Gecko Driver für Firefox-Browser installieren.
Hier ist ein Beispiel für die Verwendung von Selenium mit ChromeDriver:
curl -LsSf https://astral.sh/uv/install.sh | sh
Erkunden Sie das Selenium-Repository ⭐
Vielen Dank fürs Lesen. Erwähnen Sie auch alle anderen Werkzeuge, die Sie an Ihrem Arbeitsplatz häufig nutzen.
Das obige ist der detaillierte Inhalt vonKennen Sie Open-Source-Tools, um Ihren Traumjob in 5 zu bekommen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Die Auswahl von Python oder JavaScript sollte auf Karriereentwicklung, Lernkurve und Ökosystem beruhen: 1) Karriereentwicklung: Python ist für die Entwicklung von Datenwissenschaften und Back-End-Entwicklung geeignet, während JavaScript für die Entwicklung von Front-End- und Full-Stack-Entwicklung geeignet ist. 2) Lernkurve: Die Python -Syntax ist prägnant und für Anfänger geeignet; Die JavaScript -Syntax ist flexibel. 3) Ökosystem: Python hat reichhaltige wissenschaftliche Computerbibliotheken und JavaScript hat ein leistungsstarkes Front-End-Framework.

Die Kraft des JavaScript -Frameworks liegt in der Vereinfachung der Entwicklung, der Verbesserung der Benutzererfahrung und der Anwendungsleistung. Betrachten Sie bei der Auswahl eines Frameworks: 1. Projektgröße und Komplexität, 2. Teamerfahrung, 3. Ökosystem und Community -Unterstützung.

Einführung Ich weiß, dass Sie es vielleicht seltsam finden. Was genau muss JavaScript, C und Browser tun? Sie scheinen nicht miteinander verbunden zu sein, aber tatsächlich spielen sie eine sehr wichtige Rolle in der modernen Webentwicklung. Heute werden wir die enge Verbindung zwischen diesen drei diskutieren. In diesem Artikel erfahren Sie, wie JavaScript im Browser ausgeführt wird, die Rolle von C in der Browser -Engine und wie sie zusammenarbeiten, um das Rendern und die Interaktion von Webseiten voranzutreiben. Wir alle kennen die Beziehung zwischen JavaScript und Browser. JavaScript ist die Kernsprache der Front-End-Entwicklung. Es läuft direkt im Browser und macht Webseiten lebhaft und interessant. Haben Sie sich jemals gefragt, warum Javascr

Node.js zeichnet sich bei effizienten E/A aus, vor allem bei Streams. Streams verarbeiten Daten inkrementell und vermeiden Speicherüberladung-ideal für große Dateien, Netzwerkaufgaben und Echtzeitanwendungen. Die Kombination von Streams mit der TypeScript -Sicherheit erzeugt eine POWE

Die Unterschiede in der Leistung und der Effizienz zwischen Python und JavaScript spiegeln sich hauptsächlich in: 1 wider: 1) Als interpretierter Sprache läuft Python langsam, weist jedoch eine hohe Entwicklungseffizienz auf und ist für eine schnelle Prototypentwicklung geeignet. 2) JavaScript ist auf einen einzelnen Thread im Browser beschränkt, aber Multi-Threading- und Asynchronen-E/A können verwendet werden, um die Leistung in Node.js zu verbessern, und beide haben Vorteile in tatsächlichen Projekten.

JavaScript stammt aus dem Jahr 1995 und wurde von Brandon Ike erstellt und realisierte die Sprache in C. 1.C-Sprache bietet Programmierfunktionen auf hoher Leistung und Systemebene für JavaScript. 2. Die Speicherverwaltung und die Leistungsoptimierung von JavaScript basieren auf C -Sprache. 3. Die plattformübergreifende Funktion der C-Sprache hilft JavaScript, auf verschiedenen Betriebssystemen effizient zu laufen.

JavaScript wird in Browsern und Node.js -Umgebungen ausgeführt und stützt sich auf die JavaScript -Engine, um Code zu analysieren und auszuführen. 1) abstrakter Syntaxbaum (AST) in der Parsenstufe erzeugen; 2) AST in die Kompilierungsphase in Bytecode oder Maschinencode umwandeln; 3) Führen Sie den kompilierten Code in der Ausführungsstufe aus.

Zu den zukünftigen Trends von Python und JavaScript gehören: 1. Python wird seine Position in den Bereichen wissenschaftlicher Computer und KI konsolidieren. JavaScript wird die Entwicklung der Web-Technologie fördern. Beide werden die Anwendungsszenarien in ihren jeweiligen Bereichen weiter erweitern und mehr Durchbrüche in der Leistung erzielen.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 Linux neue Version
SublimeText3 Linux neueste Version

VSCode Windows 64-Bit-Download
Ein kostenloser und leistungsstarker IDE-Editor von Microsoft

SAP NetWeaver Server-Adapter für Eclipse
Integrieren Sie Eclipse mit dem SAP NetWeaver-Anwendungsserver.

mPDF
mPDF ist eine PHP-Bibliothek, die PDF-Dateien aus UTF-8-codiertem HTML generieren kann. Der ursprüngliche Autor, Ian Back, hat mPDF geschrieben, um PDF-Dateien „on the fly“ von seiner Website auszugeben und verschiedene Sprachen zu verarbeiten. Es ist langsamer und erzeugt bei der Verwendung von Unicode-Schriftarten größere Dateien als Originalskripte wie HTML2FPDF, unterstützt aber CSS-Stile usw. und verfügt über viele Verbesserungen. Unterstützt fast alle Sprachen, einschließlich RTL (Arabisch und Hebräisch) und CJK (Chinesisch, Japanisch und Koreanisch). Unterstützt verschachtelte Elemente auf Blockebene (wie P, DIV),
