登录社区云,与社区用户共同成长
邀请您加入社区
先确定设备的AI算力需求(几路摄像头、什么模型)→再评估供电条件(市电、电池还是太阳能)→最后对比芯片的生态成熟度和系统BOM成本。以智购科技为例,其AI视觉开门柜旗舰机型采用RK3588平台(6 TOPS NPU)支撑4路YOLOv11n并行推理,轻量机型则采用RK3566平台(1 TOPS NPU)配合单路摄像头方案,两款产品共享同一套软件框架和SaaS后台。产品已出口至全球100多个国家和地
关键词:FastAPI、Redis、通义千问、多轮对话、上下文压缩、会话管理这是大模型接入实战的 Day2。Day1 跑通了单轮的非流式 / SSE 流式调用(见上一篇),Day2 的目标是把「多轮对话」做扎实:每个用户能开多个会话、会话有历史消息、发给模型时还要做上下文长度管理(滑动窗口 + 历史压缩)。
场景 1:会话状态持久化(LangGraph Checkpointer)思路:使用 Redis 作为 LangGraph 的 checkpointer,实现 Agent 状态的持久化和恢复。场景 2:短期记忆管理(滑动窗口)思路:使用 Redis List 维护固定长度的对话历史,实现滑动窗口记忆。场景 3:LLM 响应缓存思路:使用 Redis 缓存 LLM 的响应,避免重复调用相同提示词。场景
业务覆盖全面:涵盖电商交易、在线教育、社区论坛、定制服务、AI 助手五大业务域技术栈现代且多元:后端 FastAPI + 5 种数据存储(MySQL / Redis / ES / MongoDB / RabbitMQ),前端 Vue 3 全家桶架构设计合理:分层清晰,职责分明,路由 → CRUD → 模型三层解耦安全机制完善:JWT 认证、角色权限、密码锁定、支付验签、防超卖、敏感词过滤。
写到这儿,想起自己刚入行时,一个NullPointerException能调一下午,一段CRUD能写一整天。那时候要是有DeepSeek这样的工具,该少熬多少夜啊。但工具终究是工具。AI能帮你写代码、找Bug、做重构,但它替代不了你的业务理解、架构思维和工程判断。真正厉害的程序员,不是不用AI,而是把AI用得恰到好处——让机器做重复的事,把人脑留给创造的事。编程这条路,从入门到精通,没有捷径,但有
Redis 作者 antirez 开源了一个面向 DeepSeek V4 Flash 的本地推理引擎。它不追求通用,只想把模型加载、KV Cache、工具调用和 Agent API 适配压进一套专用实现里。
随着大模型的爆发,API 中转分发成为了很多开发者和计科学生"薅羊毛"乃至商业化运营的首选项目。市面上有很多开源的中转面板,其中New-API因其强大的多渠道调度、高并发支持和完善的计费系统而备受青睐。但*"能跑起来"和"能稳定商业运营"完全是两码事*。本文将带你跳过所有试错坑,用生产环境的标准(Docker 容器化 + Nginx Proxy Manager 反代 + HTTPS 加密 + 易支
本文介绍了基于Redis Pub/Sub实现跨实例SSE消息推送的解决方案。当Web应用部署多实例时,通过Redis发布/订阅机制解决用户连接不同实例导致的消息推送问题。核心组件包括:1)SSE连接管理器维护用户连接池,支持多标签页和生命周期管理;2)Redis消息订阅者监听频道并转发消息。方案采用轻量级SSE协议,结合Redis实现消息广播,确保用户无论连接到哪个实例都能实时接收推送消息。文中提
Redis 集群中内置了 16384 个哈希槽,当需要在Redis 集群中放置一个 key-value 时,redis 先对 key 使用 crc16 算法算出一个结果,然后把结果对 16384 求余数,这样每个 key 都会对应一个编号在 0-16383 之间的哈希槽,redis 会根据节点数量大致均等的将哈希槽映射到不同的节点。./redis-trib.rb create --replicas
【摘要】本文介绍了一个基于Java 21构建的工业级多智能体框架AgentX。该框架突破了传统Python方案的局限,通过Java虚拟线程、MCP标准化协议和LangChain4j等技术,实现了高并发、强类型安全的企业级AI系统。核心设计包含四大特性:智能体闭环、MCP协议、RAG优化和工作流编排。技术选型上,AgentX充分利用Java 21在并发、类型安全和生态整合方面的优势,采用LangCh
天下苦 Electron 架构的数据库 GUI 久矣。动辄大几百 MB 的内存占用、拖泥带水的冷启动速度、在加载海量 Key 时令人崩溃的卡顿……作为开发者,我们只是想要一个能的趁手工具。与此同时,这也是一个 AI 降临的时代,诸如官方等各大工具纷纷推出了内建的 AI 助手(如 Copilot)。但为了享受 AI 红利,这往往意味着。这对于极度看重数据隐私的企业团队或是有着合规红线的极客开发者来说
这是Redis启动失败的常见原因。特别是在Ubuntu系统中,默认配置 文件可能绑定了IPv6地址(::1),而系统禁用了IPv6,导致启动失败。对此,AI 给出的回答是修改一下 redis 的配置文件,但经过查看,发现配置文件中已经存在 AI 说要添加的内容了。经过实验,发现尽管创建了目录,但一旦启动 redis 服务,该目录就会被删除,仍旧不存在。从日志来看,Redis 启动时遇到了 RDB
在《UNIX网络编程》一书中,总结了5种IO模型,分别是阻塞IO(Blocking IO)、非阻塞IO(Nonblocking IO)、IO多路复用(IO Multiplexing)、信号驱动IO(Signal Driven IO)、异步IO(Asynchronous IO);以前我们见过或听过的三种网络IO流模型——BIO,NIO,AIO就是上述5种情况的总结概括,还不能与之混为一谈,下面我们就
Redis-Lua脚本调试环境配置指南 本文详细介绍了搭建Redis-Lua脚本调试环境的方法。主要内容包括:1) 下载Lua5.4和Luarocks工具;2) 配置系统环境变量;3) 在VS Code中安装必要扩展并修改配置;4) 创建调试项目结构,通过main.lua文件模拟Redis参数调用测试脚本;5) 使用VS Code进行单步调试的方法。文章还提供了调试项目下载链接,帮助开发者快速搭建
AIspider 是一个企业级分布式爬虫框架,具备日均千万级数据抓取能力。该系统采用模块化设计,基于Scrapy-Redis实现分布式队列,支持多机横向扩展。核心特性包括:智能代理池管理、批量写入优化、分布式锁保障任务调度、死信队列确保数据零丢失。系统提供全链路可观测性,集成Prometheus监控、结构化日志和告警机制。开发友好特性包含热更新、统一API网关和Vue3管理后台。支持Docker一
数据可靠性与性能的平衡内存访问延迟:约10-100ns磁盘随机访问延迟:约5-10ms(机械硬盘)或0.1-1ms(SSD)性能差距:约104-106倍这种巨大的性能差距使得持久化操作成为Redis性能的潜在瓶颈,如何在保证数据不丢失的前提下最小化性能影响,是持久化机制设计的核心挑战。数据一致性与可用性的权衡:根据CAP定理,分布式系统无法同时保证一致性(Consistency)、可用性(Avai
在大模型时代,Redis 摇身一变,成为了 AI 应用的实时上下文引擎。这篇文章将带你深入理解 Redis 的设计哲学、核心能力,以及它如何在 AI 应用开发中发挥关键作用。
在 AI 应用开发中,向量检索(Vector Search) 是实现语义搜索、知识库问答、推荐系统等场景的核心技术。传统的关键词搜索无法理解文本的语义含义,而向量检索通过将文本转换为高维向量,能够捕捉语义相似性,实现"懂你所想"的智能搜索。本教程将带你从零开始,使用 Spring AI + Redis Stack 构建一个完整的向量文档存储与检索系统。你将学会:Spring AI 是 Spring
本文深入探讨了Java线程池的核心参数配置与动态调整机制。文章首先剖析了线程池七大参数(核心线程数、最大线程数、空闲存活时间、工作队列等)的作用原理和设置原则,通过Mermaid流程图直观展示了线程池的工作流程。针对生产环境中的动态调整需求,详细介绍了JDK原生setter方法的使用限制,并提出了两种队列容量调整方案:自定义可调整队列和线程池重建策略。文中还穿插了多个实际案例,如CPU密集型任务配
LIMIT 1确实是个好习惯,但也要看场景。在这个案例里,MySQL 的优化器因为过度自信,觉得“很快就能找到这一条”,结果在数据分布不均匀的情况下翻了车。下次如果再遇到加了限制反而变慢的问题,直接用 EXPLAIN 看看,因为优化器有时候也是会做出抽风的事!
高频读数据必用SETEX空值场景缓存 0 并延长 TTL更新时先 DB 后删缓存因为最好的缓存设计,不是盲目存储,而是精准控制每一比特的流动。
做后台系统这么多年,认证方案换了好几轮。Session、JWT、Redis-Token各有优劣,到底怎么选?本文基于 Spring Boot 4 + youlai-boot 项目,深度解析两种认证模式的实现原理、适用场景,帮你做出正确选型。
所有必须检查 nil数值比较前用tonumber()转换关键脚本用pcall()包裹因为最好的原子操作,不是盲目读取,而是精准控制每一比特的信任。
但是一旦聊天记录多了依然会超过token上限, 但是有时候我们依然希望存储更多的聊天记录,这样才能保证整个对话更像“人”。可以在每次对话的时候把当前聊天信息和模型的响应存储到ChatMemory, 然后下一次对话把聊天记录取出来再发给大模型。大模型的token是有上限了,如果你发送过多聊天记录,可能就会导致token过长。如果有多个用户在进行对话, 肯定不能将对话记录混在一起, 不同的用户的对话记
生产推荐混合使用,两者不是非此即彼,可以同时出现交替使用对比关注公众号"开源创富指南",第一时间解锁更多技术。
国产AI视频生成模型Seedance2.0Fast与Wan2.2对比测评显示:字节跳动的Seedance2.0Fast在多模态控制、音画同步和商业应用方面表现突出,支持15秒视频快速生成;而阿里开源的Wan2.2则侧重美学控制和本地部署,适合科研和个性化创作。Seedance适合追求效率的商业团队,Wan2.2则更适合需要定制化的开发者和个人用户。两者在技术路线和应用场景上形成互补,共同推动国产A
本文详细介绍了SpringSession与Redis结合实现分布式会话共享的解决方案。文章从核心价值、工作原理、配置步骤、高可用性考量及常见问题五个方面进行全面解析,重点讲解了如何通过Redis集中管理会话数据,解决微服务架构中的会话共享问题。配置部分包含依赖引入、基础配置、序列化设置等关键步骤,并强调了多服务间配置一致性的重要性。最后提供了生产环境的最佳实践清单,包括使用JSON序列化、Redi
本文针对Redis常见的"WRONGTYPE"错误,详细分析了其产生原因及解决方案。该错误源于命令与键值数据类型不匹配(如对哈希表使用字符串命令)。文章提供了诊断方法(TYPE命令)、解决步骤(确认类型→正确操作→必要时重置)及代码示例,并给出预防建议:类型检查、统一数据结构、清理历史数据和使用命名规范。通过理解Redis强类型特性并遵循正确操作流程,可有效避免此类错误,充分发
几周的工作量,20分钟干完!Redis 之父 antirez 亲身体验:Claude Code 能在 5 分钟内编写 700 行逻辑严密的 C 语言代码,能自主迭代修复 Redis 中极其棘手的死锁和定时漏洞。antirez 认为现在的程序员不应再执着于逐行敲击代码,而应学习如何成为 AI 的优秀合伙人。
我也一直希望社会别忘记那些弱势群体,更不希望 AI 在经济上大获成功——老实说,如果现有经济体系因此被颠覆、财富能大规模再分配,我可能会乐见其成。2024 年底,我又开了个 YouTube 频道,专门聊 AI 在编程中的应用,以及它可能带来的社会和经济影响。成功率取决于你做什么样的编程(越独立、越能用文字清晰描述的领域越容易,系统编程特别适合),也取决于你能不能把问题在脑子里想清楚,再准确传达给模
分布式限流必须用Redis:Nginx本地限流在分布式场景下完全失效,Redis是分布式限流的首选。多维度特征比单一IP更有效:2026年的分布式爬虫集群,IP换得比翻书还快,必须封IP+JA3+User-Agent+Referer的组合特征。动态令牌桶比固定QPS更灵活:根据时间段、用户等级、请求路径动态调整QPS,既能防住爬虫,又能提升正常用户的体验。必须加降级策略:Redis故障、Lua脚本
摘要 本文深入探讨消息队列在分布式系统中的核心作用与应用实践。首先介绍了消息队列的基础概念,包括异步通信、解耦特性和关键角色。随后详细解析了五种经典消息模式:点对点模式、发布/订阅模式、推拉模式对比、延迟队列和优先级队列,并配以Mermaid图表说明其工作原理。 文章重点剖析了四大应用场景:异步处理缩短响应时间、应用解耦降低系统脆弱性、流量削峰应对突发请求、以及日志处理构建数据管道。通过数学公式量
摘要:API网关防刷方案实战 针对API网关遭遇恶意刷接口问题,本文提出了一套多层防护方案。原固定窗口限流存在临界点突刺和全局限流缺陷,导致系统崩溃。改进方案结合: Redis滑动窗口解决全局限流突刺问题 Sentinel热点参数限流实现特定参数(如员工ID)精准防护 附加IP黑名单和User-Agent校验多层拦截 方案采用Spring Cloud Gateway+Redis+Sentinel技
摘要: 企业数字化转型面临传统开发模式效率低下的痛点,无代码平台与大模型的结合成为革命性解决方案。无代码平台(如OutSystems、Bubble)通过可视化界面将开发效率提升10倍,而大模型(如GPT-4)能自动将自然语言需求转化为可执行逻辑,实现业务智能翻译。两者深度集成后,企业数字化流程从“需求输入→应用上线”实现全链路自动化,开发周期缩短70%,成本降低84%。实战案例展示如何通过Pyth
摘要:Redis推出革新查询引擎,通过多线程技术突破传统单线程架构瓶颈,显著提升生成式AI向量数据库性能。测试显示,新引擎在查询吞吐量和延迟方面超越纯向量数据库30%以上,为实时RAG应用提供毫秒级响应支持。这一创新不仅解决了海量向量数据处理的效率问题,更为智能客服、推荐系统等AI应用场景带来性能飞跃,有望引领向量数据库市场发展新潮流,推动生成式AI技术的广泛应用。
基于Vite7构建,集成Vue3和Element-plus以及Avue等框架。项目采用响应式设计,提供直观的可视化界面,支持Jmeter压测任务配置、执行监控、结果分析,Redis缓存的查看管理功能,AI对话管理。
采用Cangjie语言开发,集成JMeter性能测试框架和Redis缓存管理服务。支持压测任务的创建、执行、监控,Redis缓存的查看管理功能,AI对话管理。
摘要: 本文详细介绍了Kubernetes中的Volume配置,包括其核心类型(如emptyDir、hostPath、NFS、PVC)及适用场景,并提供了YAML配置示例。重点强调数据持久性选择、hostPath的局限性以及PVC/PV在生产环境的最佳实践。通过Volume可实现容器间数据共享与持久化存储,为Kubernetes应用提供灵活的数据管理方案。文章还鼓励读者进一步探索高级存储概念,并欢
本文介绍了在campusai智慧园区项目中,如何通过工厂模式结合消息队列实现后台公告管理与AI向量化服务的解耦方案。针对后台管理系统版本低、业务类型多样化的挑战,设计了基于RabbitMQ的消息驱动架构:后台操作通过标准消息格式{"ids":"","operation":"","type":&quo
网络安全行业虽然前景广阔,但竞争激烈,需要实战能力而非纸上谈兵。一位普通本科转行5年、月薪2万+的从业者分享经验,强调实战学习的重要性,并推荐了6个零基础友好的学习网站(如Hacksplaining、Try Hack Me等)和6个YouTube频道(如The Cyber Mentor、NetworkChuck等)。此外,文章还提供了详细的网络安全学习路线,涵盖理论知识、渗透测试、操作系统、计算机
本文详细介绍了HotSpot JVM内置的NativeMemoryTracking(NMT)工具,重点解析了其追踪的内存区域及诊断方法。NMT可监控Java堆、类元数据、线程栈、JIT代码缓存等关键区域,其中Internal区域是堆外内存泄漏的高发区。文章提供了NMT的启用方式、基线对比诊断技巧,并建议结合堆转储和系统工具进行交叉验证。同时指出NMT存在性能开销和JNI内存追踪盲区等注意事项,为诊
import os"""信息抽取任务 - Few-Shot 学习示例:1. 使用 Few-Shot 方式让模型理解信息抽取任务2. 从金融文本中提取:日期、股票名称、开盘价、收盘价、成交量3. 按照 JSON 格式输出,缺失信息用 '原文未提及' 表示"""# 1. 加载环境变量raise ValueError("未在环境变量或 .env 中找到 API_KEY,请先配置后再运行。")# 2. 初
《Redis连接异常排查指南》摘要 本文针对Redis客户端连接异常问题提供系统排查方案。当出现io.netty.channel...前缀错误时,需关注完整异常堆栈,常见原因包括:1)网络连通性问题;2)配置错误;3)超时设置不当;4)系统资源限制;5)依赖冲突。排查步骤建议:优先测试telnet/redis-cli连通性,检查防火墙规则,核对application.yml配置,调整Lettuce
本文详细介绍了如何在腾讯元器平台上创建并配置智能体工作流,重点演示了构建博物馆导览文案生成智能体的完整流程。主要内容包括:1.智能体创建与模板选择;2.工作流核心工具的使用方法(参数提取器、选项卡、大模型等);3.通过具体案例展示聊天AI工作流的搭建步骤;4.提供完整的Java代码实现,涵盖Controller、Service、Redis配置等模块;5.强调开发中的关键注意事项,如变量命名规范、异
关于SpringAiAliabba使用
查看当前代码,了解 API Key 的使用情况:代码中 API Key 被硬编码(第6行),存在安全风险。
本文从 Redis® 开源社区的高可用架构谈起,详细解释了无感切换的定义、集群和主从实现无感切换的过程,遇到的难点。
摘要: Linux条件变量(pthread_cond_t)是线程同步的核心工具,需与互斥锁配合使用。其核心思想是让线程等待特定条件成立,通过pthread_cond_wait释放锁并阻塞,由其他线程通过signal或broadcast唤醒。关键点包括:必须用while循环检查条件(避免虚假唤醒),典型应用如生产者-消费者模型。常见误区包括未初始化变量、错误使用if判断、未及时解锁等。进阶技巧支持超
本文深入探讨了大模型应用开发中的会话记忆实现方案。首先分析了大模型无状态的本质,指出需要通过传递历史对话来实现记忆功能。接着详细介绍了LangChain4j的ChatMemory接口设计及其两种实现方式。针对多用户场景,提出了基于memoryId的会话隔离解决方案。最后重点讲解了Redis持久化实现,包括Redis配置、序列化处理和过期管理,确保服务重启后记忆不丢失。文章还提供了性能优化、内存管理
原文:towardsdatascience.com/microservices-vs-monolithic-approaches-in-data-8d9d9a064d06比这些令人惊叹的雕像更加单一的是 Airflow。照片由在拍摄。