pengenalan
Saya gembira selepas menyumbang kepada pelbagai repositori semasa Hacktoberfest, tetapi sebaik sahaja Hacktoberfest, saya mendapat keterujaan mendalam baharu ini untuk menyumbang kepada lebih banyak Projek Sumber Terbuka. Saya telah menyumbang kepada banyak projek yang mempunyai susunan teknologi yang merangkumi kedua-dua bahagian belakang dan hadapan, tetapi kali ini saya ingin menyumbang kepada projek berasaskan AI, terutamanya sesuatu yang berkaitan dengan RAG (Retrieval Augmented Generation) seperti yang saya ingin selidiki ke dalamnya
Pembantu ORA
Semasa mencari banyak repo berdasarkan RAG, saya terjumpa alat RAG sumber terbuka yang sempurna, ORAssistant, sekali lagi, chatbot yang menjawab soalan atau pertanyaan biasa untuk projek yang lebih besar.
Seni bina alat ini agak kompleks, saya masih cuba memikirkan cara seni bina pertanyaan utama beroperasi, tetapi ini adalah bahagian yang menarik, belajar sambil saya menyumbang.
Isu
Untuk isu pertama saya, saya telah mengambil salah satu isu di mana tugasnya adalah untuk mengautomasikan gelung maklum balas, dalam istilah Leyman, perkara ini melibatkan bahawa apl RAG biasanya bergantung pada maklum balas daripada pengguna untuk memperhalusi lagi maklum balas, tugasnya adalah untuk mendapatkan maklum balas ini daripada pengguna dan menyimpannya dalam pangkalan data dan memberinya kembali kepada model itu sendiri
Seni bina akan kelihatan seperti ini
Pada masa ini, sistem menyimpan maklum balas dalam Helaian Google, yang sekali lagi bukan pendekatan yang dioptimumkan
Isu ini sendiri akan mengambil masa sekitar 4-5 PR untuk diselesaikan, tetapi untuk fokus blog ini, saya akan menghadkannya kepada PR pertama yang saya buat.
Permintaan Tarik Pertama
Untuk permintaan tarik pertama, seperti yang terbukti daripada perbincangan daripada isu itu, tugas saya adalah untuk menyediakan dan menjalankan reka bentuk pangkalan data terlebih dahulu. Semasa berbuat demikian, saya menghadapi banyak isu
Isu yang dihadapi
- Semasa persediaan, dokumentasi untuk mendapatkan GOOGLE_SERVICE_KEY tidak mudah, jadi saya terpaksa menyemaknya semula dengan penyelenggara dan mengubah suai banyak tetapan dalam akaun Google peribadi saya untuk mengaktifkan dan menjalankannya, penyelenggara telah membantu sepanjang proses
- Terdapat beberapa ketidakkonsistenan di bahagian belakang yang menyebabkan bahagian hadapan tidak beroperasi dengan betul, tetapi salah satu perkara yang baik tentang projek ini ialah memandangkan bahagian belakang berubah secara dinamik, ia mempunyai bahagian belakang yang palsu supaya semasa bahagian belakang sedang dibangunkan, yang dihadapkan tidak menderita.
Penyelesaian utama
Penyelesaian yang saya cadangkan untuk PR ini, berkisar pada perbincangan memilih pangkalan data yang betul, selepas perbincangan terperinci dengan penyelenggara, kami memutuskan bahawa adalah yang terbaik untuk menggunakan MongoDB untuk projek, memikirkan tentang kebolehskalaan dan fleksibiliti dalam medan disebabkan sifat MongoDB tanpa skema.
Selepas membuat reka bentuk awal, saya membuka PR, yang berkaitan dengan penyediaan reka bentuk awal untuk bahagian hadapan
Salah satu isu yang dihadapi semasa proses penggabungan ini ialah ia tidak lulus ujian dalam saluran paip CI, yang tidak berkaitan dengan ralat dalam kod saya, tetapi kerana beberapa rahsia repositori tidak disebarkan ke garpu repositori yang saya sedang kerjakan, jadi penyelenggara terpaksa memberi saya akses tulis kepada repo untuk mendapatkan gabungan PR saya
Sumbangan Lanjutan
PR ini kini akan bertindak sebagai asas untuk PR selanjutnya yang akhirnya akan menyelesaikan keseluruhan isu. Sejujurnya, ini adalah salah satu projek terbaik yang telah saya kerjakan dalam beberapa ketika, saya mengambil kira-kira 6-7 PR untuk menyelesaikan satu isu sahaja, ini menunjukkan betapa rumit dan membangunkan projek itu.
Saya sangat menikmati bagaimana Kembara Sumber Terbuka saya terbentuk.
Atas ialah kandungan terperinci Menyumbang kepada ORAssistant. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Aplikasi dunia sebenar Python termasuk analisis data, pembangunan web, kecerdasan buatan dan automasi. 1) Dalam analisis data, Python menggunakan panda dan matplotlib untuk memproses dan memvisualisasikan data. 2) Dalam pembangunan web, kerangka Django dan Flask memudahkan penciptaan aplikasi web. 3) Dalam bidang kecerdasan buatan, tensorflow dan pytorch digunakan untuk membina dan melatih model. 4) Dari segi automasi, skrip python boleh digunakan untuk tugas -tugas seperti menyalin fail.

Python digunakan secara meluas dalam bidang sains data, pembangunan web dan bidang skrip automasi. 1) Dalam sains data, Python memudahkan pemprosesan dan analisis data melalui perpustakaan seperti numpy dan panda. 2) Dalam pembangunan web, rangka kerja Django dan Flask membolehkan pemaju dengan cepat membina aplikasi. 3) Dalam skrip automatik, kesederhanaan Python dan perpustakaan standard menjadikannya ideal.

Fleksibiliti Python dicerminkan dalam sokongan multi-paradigma dan sistem jenis dinamik, sementara kemudahan penggunaan berasal dari sintaks mudah dan perpustakaan standard yang kaya. 1. Fleksibiliti: Menyokong pengaturcaraan berorientasikan objek, fungsional dan prosedur, dan sistem jenis dinamik meningkatkan kecekapan pembangunan. 2. Kemudahan Penggunaan: Tatabahasa adalah dekat dengan bahasa semulajadi, perpustakaan standard merangkumi pelbagai fungsi, dan memudahkan proses pembangunan.

Python sangat disukai kerana kesederhanaan dan kuasa, sesuai untuk semua keperluan dari pemula hingga pemaju canggih. Kepelbagaiannya dicerminkan dalam: 1) mudah dipelajari dan digunakan, sintaks mudah; 2) perpustakaan dan kerangka yang kaya, seperti numpy, panda, dan sebagainya; 3) sokongan silang platform, yang boleh dijalankan pada pelbagai sistem operasi; 4) Sesuai untuk tugas skrip dan automasi untuk meningkatkan kecekapan kerja.

Ya, pelajari Python dalam masa dua jam sehari. 1. Membangunkan pelan kajian yang munasabah, 2. Pilih sumber pembelajaran yang betul, 3 menyatukan pengetahuan yang dipelajari melalui amalan. Langkah -langkah ini dapat membantu anda menguasai Python dalam masa yang singkat.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

SecLists
SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Muat turun versi mac editor Atom
Editor sumber terbuka yang paling popular

MinGW - GNU Minimalis untuk Windows
Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.