什么意思?什么叫做它提供了啊,一整套的这样的开发工具?我们刚刚说啊,对于 launcher 来说,它总共呢?啊,是把一个 ai 应用程序的,这个 啊,开发过程是抽象成了六个不同的功能模块,而对于郎善来说,他自己呢,围绕着这六个不同的功能模块,分别提供了啊,一系列的你可以去快速实现的一些工具。那这个呢,其实就非常厉害了, 怎么理解我们郎春他提供这些工具啊,大家可以类比于像 s k 楞啊, s k 楞的话,他是一个机器学习领域的,对吧?啊,这个各个算法,各个不同的方法的一个极大成者啊,对于 这个 sq 来说,它既集成了啊,什么数据清洗啊,相关的一些功能,对吧,同时也集成了很多模型啊,同时还集成了很多模型的评估指标啊,所以你会发现,如果你要去完成一个积极学习这个建模的话,从最开始的 数据清洗,对吧?啊,什么确实是填补啊,啊,这个特征编码呀,甚至是一些简单特征衍生啊,哎,你都可以啊,利用这个 sk 来完成,然后紧接着啊,模型建模, sk 呢,也有对应的这个模块,对吧?啊,你可以直接拿来就用啊,来完成模型的建模,然后以及 通行效果这样的个评估啊,对吧,甚至是超参数的优化等等等等,哎,你会发现,对 s 坑来说,哎,他是提供了一整套完整这样的工具的,那对于浪圈来说也是一样的啊,提供了你接下来再进行 ai 应用程序开发可能的涉及到的每一个环节的工具,它其实都会有, 那么就这一点而言,其实 long chain 呢,可能会比 s clean 稍微啊,这个层次稍微更高一点啊,的一个原因就在于说啊, s clean 它主要是提供了这些工具啊,至于你积极学习应该怎么建模啊,这是长期以来,业内已经形成了一个通用这样的一个标准了,对吧?啊,我们需要来进行数据清洗,然后呢啊,特征工程啊, 然后呢进行建模,然后超算数优化,模型融合等等等等。但对浪券来说,它是属于自己提出了一套观点啊,就是我告诉你接下来 ai 应用程序应该怎么开发,应该有哪些流程,同时呢,他还提供了这些流程对应的工具 啊,是这样的一个情况。好,那具体的我们说每个模块的工具到底是如何来进行使用呢?这个呢,我们会在课程当中来进行详细的这样的讲解。简单来说啊,就是 long 券他定义了 models 这些模块, 定义了 prompts 的模块,定义了 chance 模块、 agent 模块、 memory 模块和 index 模块。那么你在实际使用当成的时候呢,它跟任何一个第三方库都是一样的,你把它下下来啊,然后呢把 导入不同的模块啊,然后呢你就可以完成相关功能的这样的一个开发啊,比如说我们现在啊,如果想啊,去啊, 围绕当前的这样的一个假设哈,就是一个简单的这个对话机器人啊,然后呢来进行不同语言模型的这样的切换,行不行呢?没问题啊, luncheon 他提供了 models 这个模块儿, lunchen 的这个 models 这个模块儿核心的功能就是啊,非常 让你非常方便的能够去调用不同的语言模型,你想调用 gpt 行不行?可以,你把 apik 输进就行,你想调用啊这个本地的大语言模型行不行? ok, 也是可以的啊,你把对应的接口输给狼犬,输到这个 model 这个模块里边去,然后呢,他就可以啊,把 你的这个模型和你的 ai 应用之间的这个信息通道呢来进行一层封装,可以把你的模型呢很好的封装到你当前的这个 ai 应用程序里边去哈,是这样的一个一整套的这样的一个工具, ok, 那么具体我们说 longten 这工具的这个使用呢,我们会在课程当中啊来进行非常详细的这样的讲解。那么现 在呢,我们通过刚才的一整套这样的介绍,是希望能够让大家呃比较清楚的明白啊, lonchen 是一个什么东西?哈哈哈,因为其实就啊 lonchen 是什么这个问题, 其实啊,有很很多学员,有很多用户啊,一直都一直都在问啊,尽管网上看了很多的一些啊,视频也看了很多的一些这个材料哈,但是仍然不是特别清楚浪券是个什么样东西,那通过我们刚才这段讲解啊,应该能够啊,给大家树立一个啊,这个浪券到底是什么啊的一个概念。 当然啊,不明白啷称这样的事情可能也不能怪大家,因为本身呢啊,其实对于啊我们课程的学员来说,其大多数可能都是学习算法出身啊,对于开发方面的很多的一些概念和词汇呢,是相对来说比较陌生的啊,所以我们才会需要有这样特定特别的啊,这个导学课程来给大家解释啊,这样的概念, 当然啊,如果大家刚刚觉得说 lonchen 这样的一组概念还是会有一点点复杂的话啊,其实,呃,也不用特别担心啊,我们后面的实际课程当中呢,会有比较长的一段呢,来讨论啊,关于 lonchen 的相关的一些内容,而我们说就他本身的这个技术难度来说,我们还是需要强调啊,这个 lonchen 的难度呢,其实没有啊,这个微调框架 那么难的啊,只是他理解起来会略微有一点点抽象啊,仅此而已。好,那么最后还有一个问题啊,就是对于 long chan 这样的框架来说啊,他目前啊这个到底是不是一个大饼啊这样的一个问题, 其实啊,有很多的啊,小伙伴看了这个 long 圈的官网,看了他开发的一些实力之后呢,普遍会觉得说 long 圈目前可能是一个啊天大的一个丙啊,因为他提出了这些抽象,但是呢,确实没有什么落地英文这样的方案呃,然后这样的一个观点呢 啊,你说他对呢,也确实他没有太多的一些方案拿出来啊,但是啊,大家需要知道的是,其实整个目前 ai 技术应用的一些开发的工作都还处在一个探索这样的个阶段, 狼犬呢,已经是属于走在非常前面的啊这样的一个框架了,他提说自己的理解对吧啊,他还提说相关的一些功能已经实属难能可贵了,并且啊,狼犬目前还在飞速发展当中啊,就 啊,我们说这个 long chain 能够啊,让大模型和本地的一些工具更加快速的连接这一点上啊,就在前不久啊,这个 long chain 呢,刚刚啊,这个和 zapier 啊达成了一项服务啊,那 zapier 其实是一个软件管理的这样的公司了啊,那么他现在呢啊能够以 api 的这样的一个形式呢,嵌入到 long chain 当中来啊,然后呢,能够使得 long chain 去通过栽撇的 api 去调用成千上万个啊应用程序啊,所以其实整个哈我们是对郎称来说,他目前还处在一个非常快速发展的这样的过程,同时呢,他也确实是目前啊围绕着 ai 应用开发框架走的非常前面的啊,这样的一个啊 啊协议啊这样的一套工具。所以如果我们还想啊围绕大语言模型来进行更接更多的一些 ai 应用程序的开发,你想去做更多类似于像 auto g b t 这样的应用的话,那么 long chan 啊,毫无疑问啊,是我目前最佳这样的选择。 那么啊,就我们现在这个郎称啊,这其实就已经能做非常多的一些事情了啊,比如说他能够非常高效快速的去啊构建基于本地知识库的对话机器人对吧啊,他能够围绕本地的数据啊,去搭建一整个的啊,这个分析跟处理这样的流程啊,他能够进行自动的会议总结啊,和自动邮件系统的这样一些回复 啊,以及基于外部端的啊查询跟问答系统等等等等啊,你发现他目前呢已经能够做非常多的这样的一个事情了,所以啊,我们在整个课程的最后呢啊,会围绕 long chan 啊花一整段时间啊,来探讨啊,他的一个具体应用落地的这个方法。 好,那么到这啊,我们整个导学课程呢啊,就告一段落了。好,那么到这啊,我们整个导学课程呢啊,就告一段落了啊,那我们通过过去的几个小时这样的时间,帮大家快速的补充一些啊,接下来需要学习大模型技术所必备的啊,一些基础概念性的一些知识内容。 那么啊,接下来啊,我们完整的详细的啊,关于大模型技术的一些内容呢,会在政课当中啊,来给大家逐步的来进行讲解啊,大家做好准备啊。好啊,那我们今天的内容呢啊,就先到这,我们下堂课继续。
粉丝5.0万获赞25.5万

科大讯飞也放大招了啊,近期,讯飞星火认知大模型 vr 版本上线了,不仅上线了三款星火插件,文档问答、 ppt 生成、简历制作,而且呢,现在全部开放了,直接注册就可以使用了。现在呢,你只需要描述一下你自己, ai 便能为你打造一份专业的个人简历,或者呢,你也可以让他制作精美的 ppt 看看这个效果啊,比我自己做的都好很多倍。讯飞星火呢,还涵盖了职场生活、创作、编程、学习等十五大场景的住宿中心啊,无论你是文案写作、方案策划还是旅游攻略,都可以轻松的搞定。不仅于此,啊讯飞还将自己的老本行语音生成的能力融合到了大模型里,你可以轻松的让 ai 帮你生成一段音频, 又或者生成一段数字人视频。最重要的是啊,讯飞不仅在大模型上下足了功夫,整个生态链打磨的相当完善, 现在呢,还允许开发者或者企业直接去调用讯飞星火的 api, 打造更具有价值的 ai 应用,还可以申请为插件开发者,与讯飞星火共建插件市场,相信国产 ai 未来发展会越来越好。

调用 rest for 的接口的时候,调这个 chat post 的接口的时候呢,就是我们会发现他返回的时间有些时候会比较久的,因为他不断的在循环的在输出一些内容啊,那么我们看看就是有没有一种方案,就是通过流逝接口的调 调调用的一种方案。我看了一下他们这个 a p i 这个里面还是有的,所以我今天跟大家稍微简单的演示一下,先发指令快速群 对吧? history knowledge base send 到服期端,服期端接收之后就不断循环,如果他能拿到数据就不断的去循环,然后判断这个这个快速这个回答是否已经结束了,如果没有结束,那么他就一直把呃拿到的这个 message 啊,就放在这个 response 里面,我放在一个 list 里面, 如果结束的话,那么他就通过这个循环跳出来了,跳出来之后的话呢,他这个链接就自动断 断,断了,断了之后的话呢,我们可以看到它这个,它这个 response 的话,我就会把它打印出来,那么它这个反馈到底是什么啊? 我们可以看一下,或者我直接把它返回吧, 那你就直接把它打出来就可以了。 power 我们看一下,运行一下, 那么他还是流逝的把这些数据给返回出来,然后这个是 question 啊,然后这个是 answer, answer 他就回来了,然后这个是文件的出处啊,他也会 告,他也可以告诉你这个文件出售在哪里,他等于是这样。那么服务器端的话呢?他也是欧本 close 也是比较正常的啊,我在这个原代码里面也稍微改了一下,他原来这个原代码是有些问题的。嗯,在这个地方加了个 break, 否则的话他会报错,他会报错的。你强制把它关掉的话,他会报错的。好,嗯,今天就讲到这。

大家好,这里是 show me code t t。 上一课我们介绍了一个简单的视力,我们介绍了使用 lante 如何与大木琴进行交互。我们介绍了三个视力。第一个,我们直接与大木琴交互,进行一个简单的问答。第二, 第二步,我们通过补充晒暗纹信息,让大模型结合我们提供的信息进行一个问答。第三个,我们借助蓝叉提供的搜索引擎,搜索引擎的功能,基于搜索引擎与大模型进行一个问答。接下来开始我们本节课的分享。 本节课我们准备向内部看看,看一下蓝叉的内部构造,他是如何实现与大明星进行交互的一个逻辑的。这个是官网的一个 和视力 model l。 这个图介绍了 lantern 里面比较重要的三个模块。第一个 promote timeless 自助串模板,用于自定义或内置一些指定,方便用户与大魔行进行交互,让大魔行能更好的回答。其实 lante 内部碰撞了一些比较好的指定, 能更好的引导大魔星回答用户的问题。第二个 language 猫斗,其实就是封装的,跟大魔星交互的通用的接口。我们通通常使用的可能是 openai, 但是我们可以替换成自己经常会用的 会用到的大模型,比如说 j p t for all, 羊驼家族等等。然后第三个是 up to put passers。 up to put passers 就是解析大模型的输出,提取出我们想要的信息。比如说有的时候我们可能想从大模型返回的信息里面拿到一些粘上的字符串,我们就可以通过正则解析的方式,从字符串中提取到我们想要的内容。 这三个模块就是栏差里面比较重要的模块了。我们搞懂了之后,可以就基于这三个模块,基于啷差去快速的构建我们需要的应用了。接下来我们再进一步的介 介绍一些高级别的用法。比如我们在上面的这张图中加了下面的一块部分,这个就是蓝菜完成某些复杂任务的一个交互的逻辑,他去无限的循环这一个和大模型交互的一个过程, 直到我们最终判断出大木星已经完成了推理,那么我们结束这一个循环,否则的话,我们就不断的进行这这么一种循环。 为了完成某种任务,我们会提供用户的问题和一些工具给大模型,让大模型去做决策。比如我们可以提供调用 apr 的工具,查询数据库的数据库的工具,执行某种计算的工具等等。然后 大模型去做出决策之后,他决策使用某种工具,然后栏差去执行相相关的工具获取结果,然后再将结果传递给大模型,大模型再根据结结果做进一步的 决策,直到完成推理。这个其实就是后面 lantai 中的 agent 的逻辑, agent 就是 将大木星的决策能力与工具相结合,以创建一个可以代表代表用户执行和实现解决方案的系统。这个这个后面会详细的介绍。 接下来我们开始我们的势利力。势力一这是官网的一个势力,他其实做了一件什么事呢?他其实就是输给大木星一个种类,然后让大木星返回这个种类下面的五个对象,然后最终输出一个列表。 我们先看这里,这个是一个 output passer, 是我们封装的一个 output passer, 他做了一件什么事呢?担不清输出的结果之后,我们按逗号把这一 和自动串进行分割,最终输出一个列表。接下来我们构造一个系统指定,系统指定的作用就是引导达目星能更好回答用户的问题。 这个系统指定是什么呢?就是高总达摩星。你将输出一个以逗号风格的列表,用户输入是一个种类,你将回答 五个对象,是这个种类中的五个对象,用逗号分割。然后只需要回答用逗号分割的一个列表,不要回答其他的内容。这就是一个新闻指令,用来引导大母星更好的回答用户的问题。 接下来这里是用户的 promote tamit, 其实这里没有做任何的 sham, 只是只是用户输入什么, 这里就填充什么。然后我们将系统指定和用户的 temper 封装成一个最终的 promote temper。 最后我们处处画一个 l m 叉,这个叉用于完成这一个任务。 它输入三个参数。第一个就是 chat open ai 的一个接口,一个实力。第二个就是我们封装的一个刚才封装的 chat pro mode, 就是系统指令和用户的输入模板。还有第三个就是 output pass, 就是我们刚才介绍的将大屏输入, 最终简易成按逗号分割的一个列表。这个就是对应上面我们刚才讲的三个模块, promote, 呃 language models, 大拇 行交互的通用接口让,还有一个 up to put presser 三个。 最后我们使用我们初始化的 l m 叉这么一个实力和大目前进行交互,用户输的是一个 colors, 也就是一个颜色的 种类。最终大模型输出的是一个呃逗号分割的那个呃颜色种类的五个实力,有红绿等等等颜色。因为我们上面的 upper 拍摄其实对大模型输出的字母串做了一个解析,所以他最终返回的是一个列表。 这个就是本节课的内容。下一节课我们继续基于 lancha 官网的一个偏气 a p i 的视力来 来讲解蓝菜中 promote language model 还有 output passer 在蓝菜中的使用,方便我们深入了解。好的就到这里,这里是寿命扣的 p p, 感谢大家,下期再见。

大家好,今天要讲的内容是 windows 本地部署拉玛二大模型。 在本节课中,我们将在 windows 环境不使用 gpu, 只使用 cpu 的情况下,基于拉玛点 cpp 这个库部署并运行拉玛二大模型 完成部署后会直接使用 python 接口进行文本生成。 二零二三年七月十九日, meta 发布了免费并且可商用的大语言模型拉玛二,这一举措足以让大模型领域的格 格局发生巨大的变化。 number 二系列模型有七十亿、一百三十亿和七百亿三种不同规模参数的模型, 经过评估,拉玛尔的实际效果已经超过 gpt 三,甚至已经接近 gpt 三点五。 关于拉玛尔本身,有非常多值得讨论的地方,尤其是对国内 ai 领域的深远影响,将来我会再专门出视频来讨论。 下面我们进入正题,就用手头的个人电脑来体验一下。辣妈二, 我们都知道大圆模型动辄就是上百亿的参数,本身就不是在单机环境下使用的, 即使是拉玛系列最小的七十亿参数,也需要英伟达 r t x 四零九零或 a 十来运行。 但是有位超级大神,他基于 meta 发布的拉玛模型开发出了一个运行拉玛模型的模块拉玛点 cpp。 该项目纯手工基于 c 加加打造,没有任何第三方便于依赖,使我们可以基于 c p u 条件进行大模型推理。 另外, 拉马点 c p p 不仅支持拉马二模型,还支持 alpaca、 chinese、 拉马 visor 的 l m 等等其他模型,并且还提供了 python、 go、 node、 j s 等其它语言的接口。 接下来我们来一步步搭建拉玛 cpp 的拍摄环境,实现大语言模型的单机运行。 在搭建环境前,需要提前安装 video studio 用于编译拉玛点 cpp, 我们可以直接在 vs 的官网下载 vs 二零二二 社区版进行安装。 完成 vs 的安装后,使用安娜康大创建一个新的 python 环境,其中 python 版本选择三点十, 接着打开环境,使用 pad install 拉玛 c p p python 命令安装 python 接口的拉玛 c p p。 我们可以在哈根 face 上下载量化后的拉玛二模型,具体登录哈根 face, 找到 the block 这个项目,然后再在其中找到拉玛二 七 b chat g g m l 模性这里要说明的是拉玛尔七 b 是原始的七 b 版本, chat 代表聊天微调版本,而 g g m l 代表亮化模型。 所谓模型量化,可以简单的理解为一种模型压缩的技术。 在下载列表中,我们选择下载其中的 q 四零这个版本,列表中还有很多其他版本, 简单来说, q 四零表示每四个比特一个权重, q 五零就表示每五个比特一个权重,其中的数越大,那么就代表精度越高,我们选择一个差不多的来 使用就可以了。 完成环境的搭建和模型的下载后,就可以编写 python 代码了,程序会依赖拉玛 cpu python 这个模块儿,它的接口使用方法可以在项目的文档中找到, 打开项目文档可以找到接口中的各个参数都怎么使用, 这里就不过多介绍,具体的使用效果还需要大家自行调试。下面我们就来写一个简单的样例程序。 首先导入 lama c p p 在内函数中首先创建拉玛模型,模型使用我们刚刚下好的 q 四零模型,然后对模型输入, hello, who are you? how old are you? 看一看模型的反应如何。 这里我们实现一个功能函数, generate text 函数传入模型 model 和输入信息 message 函数返回模型的输出结果。 在函数中,首先需要将 message 转换为 prompt, 然后将 prompt 输入至模型,得到输出 output。 输出结果的格式可以参考文档。我们将其中的 trialses 中的 text 字符串取出, 保存到 answer 中,并将 answer 返回 运行程序,可以得到三个测试结果。发送 hello, m 二会回复一个友善的回复。发送 who are you? m 二会自我介绍发送 how old are you? m 二也会给出合适的结果。 那么到这里, windows 本地部署拉玛尔大模型就讲完了,感谢大家的观看,我们下节课再会。

算力啊,我们说现在我们大家都很热,但呢实际上真正利用这个算力,他也说真正使用大模型的单位还是很少,除了我们大的央企和互联网大企业,大部分中小企业是看了 实际上是没法用,他们没办法利用这个算力,这个门槛还是比较高的。那么现在一个趋势是叫骂事,叫模型直服务, 只要大企业做的略微通用一点的模型,再配上一个相对于比较容易截入的接口,还有一些低代码的软件, 然后包括可以提供一些可以进行带数据微调的这样的工具,开放给中小企业,利用这个模型在 加上自身的数据,变成一个适合于本企业用的模型,那么这种呢,就能大大推动算你的应用,也有利于中国中小企业的数字化转型。 所以我认为呢,这是一个促进中国顺利网发展的一个很重要的措施, 我把它看成是算你基础写诗的一个重要组成部分。我也觉得在大魔性这个方向上不能进入一个误区,其实大家还是真正应该把目光转移到怎么能把大魔性给用起来,而这个应用真正用起来以后,收集到这些反馈可以进步反哺这个大魔性的成长。 那这一点我认为在这个海外,他们的这个大模型的进展速度比国内要快,要领先的一个重要原因就在于在国内还没有真正的大 规模用起来,所以这个是一个很大的一个挑战,你要想让他真正的大规模用起来的话,大家不应该天天都在自己去从头建大模型,这就刚才两位院士和这个陈总都提到的,还是应该通过提供一个平台,以云的方式, 让我们更多的中小企业更方便的把它给用起来。这也是百度在搭建这个千帆平台,既提供文心怡爱的大模型可以直接调用, 也提供所有的这种第三方的大模型啊,现在已经有三十多个开源的大模型在这个千万平台上, 这时候咱的各个企业、科研机构可以在这个平台上非常便捷的去迭代自己的模型,产生自己的应用。我觉得在这个过程中,才能把中国的这个大模型这个效果再往前推一步,然后把它的实际价值给发挥出来。有了模型, 而且也有了 mas, 就说中小企业可以利用上百度啊这这样的企业提供的模型,再利用自己的数据来细化,这是一个方向, 但是基础是必须要企业自身的数据,而企业自身的数据呢,现在最主要的还是企业生产现场的数据,但是采集不上来,可以说上来了连不上, 这是因为我们工厂的现场及公控协币啊,标准碎片化协议不开放,所以这成为工业互联网进入的一个瓶颈, 也抬高了五 g 等等新的技术,包括 max 技术进入企业的一个门槛。我认为突破口啊,应该从工业现场级的 这个标准入手,用创新的方法构建这样的标准,打通我们企业底层数据上云上大模型的这个通道。做好一个大模型,要有算力,要有算法,要有数据。刚才那个吴院士也提到了这个数据的情况,我觉得长期 只需要解决,那当下我认为最重要的两个,第一个还是这个算力问题,我觉得算力呢,刚才这个我也是提到说有这个算力剩余,那接下来咱们是从一个 cpu, 像 gpu 云过度的一个阶段, gpu 的这种需求,随着刚才讲的这些大模型的应用场景的开发,以及大模型本身的这个训练的需求,这个 在一段时间内还是非常紧缺的。我觉得接下来很关键的还是国产 gpu 这种 ai 芯片的这个发展以及应用,这个肯定是非常痛的一个点。 第二个呢就是在算法上呢,因为这个模型本身的规模从千亿,将来万亿的这个趋势还是会有的,个大模型的这个大还是要继续大上去。同时呢他要多模,从文本到图片视觉这个融合也是必然的。 所以从这个角度来讲,好的算法,然后把算法的能力发挥出来,同时呢还得非常高效的去计算,把算力成本的需求给降下来,我觉得这两个点在一段时间内还是非常大的挑战。

小易接入盘古大模型华为荣耀使用教程在华为开发者大会二零二三上,全新小易以盘古大模型的强大底层能力为后盾,展现出了令人瞩目的智慧能力。全新小易不仅在知识获取、 逻辑推理、任务规划、记忆扩展、工具调用、创作辅助等多个领域表现出色,还为用户提供了更加便捷、高效的服务,成为了用户生活中的不可或缺的好帮手。随着 ai 大模型技术的持续进步, 全新小易在 harmanyos 四的背景下获得了巨大的成长和提升,这一切在华为开发者大会二零二三上得以完美呈现。全新小易作为华为的语音助手, 借助盘古大模型的支持,展现出了强大的功能和全新的用户体验。知识获取的卓越表现首先,全心小意在知识获取方面标现出色, 无论用户需要了解天气情况、交通状况,还是寻找新闻资讯、历史事件的信息,全心小意都能以惊人的速度提供准确详尽的答案,不再需要繁琐的搜索和浏览,全心小意为用户提供了一站式信息服务,让用户的生活变得更加便捷。逻辑推理的智慧助力 其次,全心小意展现了卓越的逻辑推理能力,无论是解答复杂的数学问题,还是协助用户解决编程难题, 全心小意都能迅速理解问题的本质,提供清晰有力的解决方案。这种强大的逻辑思维能力,使全心小意成为了学生、工程师和研究人员的得力助手。任务规划的高效协助 在任务规划方面,全心小意也展现了强大的潜力,他可以根据用户的日程安排,智能提醒用户各项任务的完成时间,协助用户高 高效规划工作和生活。这使得用户能够更好地管理时间,确保工作有条不稳地进行。记忆扩展的个性化服务全心小意不仅提供了强大的通用记忆扩展功能,还能根据用户的需求提供个性化的记忆扩展服务。 无论是学习、外语、音乐、艺术等领域,全心小意都能为用户提供针对性的学习计划和建议,帮助用户更快地掌握知识。工具调用的便捷支持 在工具调用方面,全心小意同样表现出色,他能够快速调用各类工具,为用户提供便捷的服务。无论是处理文档、图片还是其他任务, 全新小艺都能以高效的方式满足用户需求,提高工作效率。创作辅助的灵感启发最后,全新小艺还可以为创意工作者提供丰富的创作素材和灵感,写作、绘画、拍摄视频或照片,全新 小艺都能提供有力的支持,激发用户的创作热情,帮助他们创作出更加精彩的作品。在总结这些强大功能之前,我们强调一点,全新小艺的安装包等待您在文章末尾,让您尽快享受这一智慧助手带来的便利。结语, 全心小意的强大功能和智能助力,将不仅仅改变我们的日常生活,还将为各行各业的人们带来前所未有的便捷和效率。它不仅是一款语音助手,更是我们生活中的得力伙伴,助力我们更好地理解世界、解决问题、规划任务、拓展。既使用工具和释放创造力, 全心小意的发展代表了人工智能技术的进步,他为我们展示了 ai 在未来将扮演的关键角色。然而,随着技术的不断发展,我们也需要审慎思考和探讨 ai 在人类生活中的伦理和社会影响。 我们应该确保 ai 技术的应用始终符合人类的利益,并致力于构建一个更加公平、可持续的未来。最后,我们鼓励大家前往文章末尾获取全心小意的安装包,亲身体验其强大功能,让我们共同迎接这个智能时代的到来,以智慧和创造力塑造我们的未来。

停更了一整时间,主要是工作上比较忙。然后呢,我们今天继续讲大模型相关的。呃,今天我们不讲大模型的一个原理对吧?包括他的什么训练过程啊,他那个各种算法啊,传播算法,各种数学原理。 我们今天来讲一讲怎么用大模型,因为大模型在 nrp 自然语言处理中已经取得了良好的成成效嘛,对吧?然后我们可以把它当做一个人一样去对它进行自然语言编程。就是伊人马斯克不是说过叫 naturelang 过一句 programming 吗? 呃,这里面就涉及到一个框架,叫 low chan, 他有什么作用呢?就是呃,就是我们利用这个大于模型的时候,就肯定调大接口嘛,对吧?调大接口之后,然后我们可以让他去做一些呃,与我们个人的一些任务相关 的一些动作。比方说,呃,我们来看一个 agent。 所以说这就是我们今天要介绍的这个 agent。 agent 是?嗯, 我们来看一下 a 型的,它分为两个部分,就是 a 型的 a action e 镜子和 planet q 的 agent, 对吧?然后呢,呃,我们今天主要介绍的就是 plant 的 t。 为什么能够让我们的大模大原模型就是我们来敲的。 g b t 能够 执行我们的计划,并且执行我们自己自定义的一些函数级啊,或者是一些代理级,对吧?我们来简单的看一个一段代码啊。我们是首先介绍一下原理吧,就是看一下这个 planet soft 这种 planet q 的这个论文。呃,就是 improving there was sort of thought。 就是思维练,就是能够让我们的那个语言模型能够支持一种思维练。这个思维练,比方说,呃, 蔡徐坤的女友的年龄乘以二等于多少?那么这一句话我们可以让掐的 gpd 能帮我们解决。我们现在因为到网上没有现成答案对吧?所以说他涉及到一些思维,比方说我们怎么去创业。好,我们的思维就是首先我们要搜到蔡徐坤的女朋友是谁 啊,得到他的生日日期对吧?然后计算他的那个年龄,然后再乘以二。所以说这里就涉及到一个查询 web, 然后再进行数学计算对吧?当然还可以设置呃,更难的更复杂的一些数学逻辑。我们来看一下 there's sort of child saw 的这一个论文就是垃圾当归就 model have recently scene show a deliverer impressive performance in various nrp tasks 就是 to tackle market step reasoning tasks。 这就是多步骤的 推理任务。这是什么意思呢?就是包括我们蔡徐坤的女朋友是吧?蔡徐坤的女朋友只是一个一步,然后他的年龄乘以二,这是第二步。所以说他是一个推理的一个任务,就是我们使用这种少量样本进行将 sort 这种 cut program per parmeting。 这个 parmet 就是我们的一个提示词的模板对吧?就是提示词的意思。 includes a few manually crafted step by steps reasoning demonstrations which enable lmms to explicitly generate reasoning steps and improve their reasoning task 这个很简很就是简单的介绍了一下这个 cot 是什么意思。就是能够利用我们的语言模型去给我们的一个任务,就是 marty step 的这个推理任务啊,进行分类啊,就是分分层,就是分步骤。然后一步一步的去执行 食堂,使我们的结果更加准确,对吧?这就是一个嗯呃 a 就是我们的这个 champsalt。 我们来今天来我们来介绍一下这个 就是我们的 plan and soft 嘛。 p o p o s 嘛。然后我们来看一下啊,就是首先呢,就是 long chain 呢,就是引炮的一些东西。然后调用我们的 open open a p r 把我们的 k 设置好,然后 我搂着 tools surp api 实践,是一个 google 的一个 api 接口,嗯,是付费的。然后 arm mas。 当然我们这里可以定一些自己的一些 模型,就让我们定一个函数,名字叫 python low 的 everything, 就是利用 python 脚本执行任何想要的动作对吧?然后我们就可以告诉原模型应该返回一下什么样的参数,然后去执行我们的 low 的 everything。 然后呢,我们就呃类似的,我们初始化异性的,然后就注定状。这里简单的就介绍了一下谁是这个 leo decapriary 的 girlfriend 对吧?然后他的他的那个当前的年龄的零点四三次方等于多少?那么很显然这是一个推理任务。 好,这是一个推理的一个步骤。我们来看一下。首先进入券,这是 oppo ai 返回的就是 l a m 垃圾栏固定 我返回来。首先呢,他要找到这个 leo dear decario 的 girlfriend 啊, then calculate her age 对吧?就是 oppo 爱自己思考的过程。我们看他的一个动作, search search 他的 girlfriend。 然后 observation, 就是获得了一个结果。然后 thought 开始思考, i need to find out karamoria 就是他的上一个输出的一个 age, 然后再调 search, 就是 step by step 第一步,第二步,然后 然后 input 就是它的 age, 然后获得就是观察到的结果是二十五。然后呢,再 salt 进行开格列的计算,得到暗撒。 now, i know the final answer final answer is 对吧?这个没有任何的人工的去去干, 或者是我们人工的一个编排的一个过程。直接写一段话,他就把计算结果拿到了。嗯,这就是枪 of thought。 嗯,这个思维列。我们来看一下他这个原理啊。 好,我们现在有一段这样一个代码。我们来看一下。这就是我们刚刚摘抄的一个代码。首先我们还是直接点 bug, 看这个 aj 的 run 到底执行了什么,就是看它的 promise 到底长什么样。 好,我在 open ander 定义了一个,定义了一个请求,我们来看一下。直接请求 send 到到这一步, 到这一步了啊。我们主要就看 看那个呃 request 和那个 response。 我们来看一下 request。 这个 prompt 就是我们发给那个 open ai 的一个返回结果。 你看,这个是 open i 返回的结果就是 i need to find out。 实际上和我们这个一样对吧? 就是 action action input。 为什么他会我们的 openi 会直接返回这个呢? 我我本来会直接返回这个,让我们赚的是因为我们定了一个提示,此 prompt。 我们来看一下这个 prompt 长什么样啊。我们的 prompt 就是这个, 看一下啊。好,这是因为那是接口封装的嘛,所以说就是 indeed a 进去之后,它封装了一个 problem 的提示词。我们来看一下 提示词。看提示词是非常重要的一步,就是我们要理解他思维电的原因。这就是提示词呃,是非常重要的,大家理解这个就行。然后我们来看一下这个提示词啊。 answer the following question that's best as you can 就是把那个哎 我朋友还当做一个义务对象对吧?你是一个真实存在的人一样。 you have access to the following tools 你可以访问 search 或者 calculator 两个。这个 tools 就是我们这刚刚刚刚这个代码里面介绍的这个 load 对吧? sorry p i arm month 实际上它的 description 就是这里面的东西。 the third api 就是 make a description of such engine useful 对吧? calculator 然后 use the following format 这个题就是 question thought action action observation sort final answer 这是然后呢,这个 sort action action input 是可以 repeat in times 的。然后就是告诉我们的 open 呀,能够自己去思索 这一个整个过程。比方说蔡徐坤的女朋友的年龄乘以二。就是让他自己去思考怎么去一步一步去解决。 我们只要定义好这个文本, prom 这个提示词后,空压就能自动帮我们做了。这是因为语言模型已经在呃万亿级的一个 top 上能够学到了一个基本的思维,就是他的一个 呃,怎么想呢?这就是人工智能的一个想法的一个所在,就是人工智能有自己的意识,就是靠这个啊。然后 begin, 然后 question 就是我们输入的对吧?然后扫我们来看一下他返回的结果是什么? 这不掉 oppo ai 班了, open ai 了吗?然后看 response yeah respond just i need to find out who girlfriend is and then calculate her age, 对吧?那么我们来看一下这个题日词在我们的 open a 里面到底应该说出什么?是不是跟我们想要的结果是一样的?我们再来看一下啊, 直接把它拷贝下来。好,我们来直接请求这个敲的 g b t 用我们这个 t h s 直接请求。 你看这个叉的句就很简单,他给我们一下全部生成了对吧? thought action op action input observation 然后 action action input observation 然后 final answer 对吧?他得到了一个最终的结果。那么他这个结果得到的不一定是我们想要的,因为这个 search 是他,我们是他已经帮我们自己去做好了。因为 oppon opponi 底层他也用到了一个 啊,这种搜练的一个工具,它里面是是工具的。所以说我们要替换他的工具。怎么做呢?到设计这一步,也就是到设计这一步,我们应该让他 啊,到这个 action input 这一步呢,我们直接让他跳出来去执行我们自己要的函数对吧?那我们应该首先我们来看一下为什么啊?刚刚我们说了为什么他有点不同哎。这个是我们这个接口返回的 对吧?到 action input 的时候就停了。那为什么我们的 oppo n oppena 到了 action input 后面还继续执行呢?这里面就用到了这个 stop 一个东西。我们来看一下 action 里面有个 stop request, 是这个 pyramids。 我们来看一下 pyramids 一个 stop, 这个 stop 是干什么用的呢?就是呃,对 open i 返回的结果 对它进行分割。如果遇到了这个杠, in observation 里面开头的词就停止,停止输出,我们来看一下,他停止输出就 observation 到这个地方停止输出了,那么他返回的结果就是我们要的 结果,对吧?后面这个后面这里面的是一模一样的他那个 response 对吧?到了这个 action input 的时候就停止了, 他肯定不得停止了。这就是和我们的结果是一模一样的。就是你们用到了一个 stop 的一个东西。我们为什么要用 stop? 就是为了让他的色系啊,不让 oppo ai 自己执行,而跳到我们自己的一个工具函数里面去。我们自己这个色系函数里面,然后去去执行他,对吧? 然后这里面写了个第八个,大家可以看一下。用它来跑呢,申请的世界上也是一样的,因为我没有定义 stop 嘛。来看一下这个, 你看它的 stop 就会空。 刚才说了,他这里面不有 stop 吗?看我们现在看第八个,第八个到这来的时候看,不是 paramours, 他就没有 stop, 看见没?然后这个 test 里面他就有一个 stop 的 preparm paramours, 这就是他俩的一个不同。所以说当遇到了这个,我们拿到这个硬铺的时候呢,我们就可以执行自己的一个思维链了。 大家仔细看一下对吧。我们获得什么 girlfriend, 然后可以调它去获取它的一个名字。当然这里面任何工具函数我们可以自己写脚本了。比方说要让我们做安全的时候啊,我们这儿输入啊, 呃,幺零点幺零点幺零点幺零这个服务器开了哪几个端口,然后呢我们就可以用 m map, 就直接这里面定一个 m map 的一个一个工具,我们就能执行我们自己要的一个结果了。行,这就是一个整个的思维链的一个一个原理。 然后就是 planned solve prompting 这么一个东西。我们来看一下伊朗马斯科是怎么解释怎么说的 啊,反正原理就是这样吧。然后就是整个 a 技能,就是最呃狼圈里面最核心的这个 a 技能思维链 一个过程。实际上他那个原理这也介绍的很清楚,就是他的原理就是嗯,这里没写嘛, 就是一个 prom 的嘛,加一个 l, r, m, 然后定义自己的 to。 这就是三个原理组成的一个 agent, 然后 agent 呢可以串成一个列, 这样的话就能实现我们所有要的一个东西。然后浪券呢,就是将这个 ts 模板都已经给你分装好了,然后把一些基本的 aol 模型啊, oppo ai 接口啊全部给你分装好了。你这些这里面添涂鸦式的你们填就行是吧,很基本的一个代码。 好,其他的我就不介绍了。好,今天就到这里,谢谢大家。

这是个把文字变成 excel 函数的 ai 产品,但它又是一个悲伤的故事。有这个产品,你再也不用去背 excel 的函数,那太反人类了。这么聪明的产品, 不太可能是随随便便一个创业团队自行研发的。他用到的算法应该是付费商用的 g p t 三,也就是 chat g p t 的前身。 gpt 三在两年前就对外发布了接口。可能除了中国外,大多数国家地区都有大量寄予他的创业项目了,包括像 gesperlocai 等知名项目。这就是大模型的威力。但是很多人没有意识到大模型的诅咒是什么。 看一下亲爱的 g p t, 我现在输入 excel 中,每隔四行取一行的函数怎么写,马上就给我 返回了。函数和用法还可以提供多种写法。试了一下,第一种写法虽然能正确提取,但是有空横。而第二种写法就完美的实现了我要的效果。 现在有了 chat g b t, 还会有人付费去使用刚才介绍的产品吗?我看是很难了。这就是大母亲的诅咒, 让基于大模型的 ai 项目被更新后的新的大模型所吞噬。当大模型不够强大时,他会通过开放商用 api 的方式,让下游创业者去做各种应用。 但是你怎么料得到,大模型在不断优化后,本身会免费对大众开放,而且可以完美解决你这个应用要解决的问题。你也没有办法预料像现在的亲爱的 g p t 会在今后针对哪些高价值场景继续 做优化,去取代现在的垂直 ai 产品。基于大模型做应用,这是大势所趋,绝大多数创业团队都必须这样做,但是如何才能避开大模型的诅咒呢? 别做太独立的、太浅的应用,最好是将大模型的能力嵌入到复杂的业务场景当中,让他成为你的产品当中的一环,这可能是一种思路。

那再聊聊第四点,接口超时。那举个例子啊,比如说咱们系统上线之后,那我们调用第三方接口最容易出现的问题,其实就是超时问题啊, 因为我们系统到外部系统之间,它本身就存在一条很复杂的念路的,那中间是不是有有可能会缓解出现问题,那影响了 api 的一个响应时间,对吧?这一点非常尴尬,是什么呢?就是这一点是别人的系统,那我们呢?是控制不了的, 我们跟别人说,那你这个接口响应比较慢,那你可以去优化一下,那首先照样呢也会存在一个问题啊,就是我们反馈之后,那如果说我们是甲方,那可能对方响应还会快一点,那如果对方比我们更有优势,而我们呢是没办法要用人家的,照样 呢就很有可能,比如说你一个需求你提过去,那人家逆向啊,对吧?需求整理啊,然后包括优化呀,然后测试啊、上线啊,那拖个半年都有可能的。那别人呢?他体验的是你的系统, 你速度慢一点,其实能说过去的,但是说你要老是返回失败啊,超时啊,那这一点到用户层面,那用户第一个找的就是你,对吧?所以说咱们作为这个 api 调用方啊,那我们去面对这种情况的时候, 我们除了给他去反馈问题,我们去优化这个接口的性能之外,我们其实更有效的方法是什么?我们要去增加一个从事机制。 就举个例子,比如说,那你调用失败了,对吧?那我就比如说我设定个三次,那我去从事三次,如果说我从事成功了,那 ok 我就返回嘛,那如果从事失败了,那我就直接我再返回,失败 呢会更好一点。好, ok, 聊聊。第五点啊,那偷偷改参数,这一点是非常令人讨厌的,我们和大家举个例子啊,那就是我之前做过的一个项目啊, 我之前我调用某个平台的 a p i 的时候,我可能要去获取一些数据,对吧?那之前那对方的文档提供过来,他状态呢?只有两种, 一个是正常,那还有一个是禁用,然后呢我们把状态更新到我们自己的库的时候,那本身对接的是好好的,那也运行了几个月,那突然有一天,那这个用户反馈说我一条数据明明删掉了,那我为什么在页面上还能查到啊?那这个时候我去看数据库,我发现这个状态没问题啊,但是我去查看这个 api 接口日志的时候,他发现这个指标是什么下架,他突然多了第三个指标了,对吧?所以说这一点呢是很尴尬的啊,他偷偷的把这些参数呢改掉了,然后呢也没有通知我们这, 所以那对于这一点的话,第一个那就是跟他们去沟通解决,就是这个下架状态,他是不是一个非正常的状态,他是不是不应该显示,对吧?那如果说他确定了,那么他们改了数据,那他们确实呢也要告诉我们,那我们呢我们再去调我们的系统, 那还有第二种呢,我们尽量的把这种霉菌类的参数呢给他去做一个动态化,也就是我们去请求一个接口,我们把这些霉菌信息呢先拿过来,那我们去做判断的时候,我们去根据这个霉菌类返回的信息呢,我们再去做演示,这个呢就能很好的去解决问题啊。 ok, 那咱们呢再聊一聊最后一点,那最后一点呢也比较尴尬啊,我不知道大家有没有遇到过啊?就是你在调用第三方的时候,那接口呢是时好时坏的,比如说五分钟之前你还能用,对吧?那过了五分, 然后你会发现这个接口呢五零三了,然后这个接口呢四零四了啊,又过了几分钟,这个接口呢又好了,对吧?这种可能的情况有好几种啊,就比如说可能对方在重启嘛,这个是可能存在的,但一般呢这个都会通知的。那第二个呢,可能他们服务呢是一个集群的,那可能中间挂了一两台, 但是呢他有可能把请求呢也打到那台机器上面去了。那还有最后一种啊,他这台机器呢已经下线掉了,但是呢他并没有去剔除他,那在注册中心当中,那网关呢,他还是会把这些请求呢转发过去。 所以这三种情况呢,都是会导致接口时好时坏的一个情况。那我们作为调用方,我们要解决的问题呢,是我们首先第一个我们要反馈吗?那这个是必须要做的一个流程。那第二个呢,我们要保证咱们系统的一个健壮性的话,我们要尽可能的去 增加这个失败重试机制。那错了一次没关系嘛,我过一会我再试第二次嘛,那这样呢也能够比较好解决,那一般挂了的话,他不会挂太久的,那如果一直挂的话,其实那也没有什么其他的办法,那就只能去沟通了,好吧,好,那这个呢就是今天跟大家聊的六点啊, 那我相信那各位小伙伴在真正的去调用第三方接口的时候,还会遇到一些其他的坑,那大家呢也可以把自己遇到的这些坑呢写在评论区啊,那大家呢一起来聊聊,来去回忆一下之前的伤心往事啊。同时呢我也建议大家去想一下, 就是如果让你去设计一个第三方平台的时候,那你会怎么去设计?那对于我刚刚提出来的这些问题,你又如何去避免?那我们呢也可以在评论区那大家一起去探讨一下。好, ok, 这个呢就是本讲的全部内容了,而笔记呢我已经准备好了,那大家可以去看一下,如果大家有需要这本笔记的话,那可以评论区扣一,然后呢私信我领取。好今天的内容呢,到这就结束了,咱们下期再会。

二零二三腾讯全球数字生态大会,腾讯正式发布会员大模型。会员大模型为腾讯自言大语言模型,信息显示超两万亿 top 的训练语料。腾讯宣布今日对外开放会员大模型,用户可直接调用 api 接口,或将会员作为记忆模型,在工友云上进行几条。官方称,会员大模型幻觉 地域组成开源大模型降低百分之三十到五十,同时面对安全有岗位问题的巨大率提升百分之二十。

我们现在呢是可以在 oppo ai 的官网上看到全部的啊可用的这一些大模型组了啊。那么这个 ppt 当中是给出了一个连接,大家直接点进去啊,就能够看到目前 oppo ai 提供的全部的可用的啊大模型或大模型组 相关的一些说明。比如说啊,他会告诉你啊,有 gpt 四这样的一个模型。当然这个模型呢,后面有一个啊,这个内侧啊,有这个系有限制的这样的内侧的这样这个标志。那么它代表的含义是目前呢 gpt 四这个模型你要么是付费啊,可以使用 chat gpt plus 这个版本来进行对话,或者是你通过申请可以获得 gpt 四 api 啊来进行使用啊,它呢是这样的一个情况。 下面还有 g p t 三点五啊,这个呢是一个模型组啊,它有一系列这样的模型。再往下呢,有达利大模型, whisper 大模型, embeddings 模型对吧?啊, moderation 审查模型, gpt 三还有 codex 模型啊, codex 模型后面还有一个这个七用这样的标志。总的来说,对 oppo n i 来说,现在呢总共它的这个模型呢,是可以划分成这么多些类啊,你会发现确实这个在线大模型组非常的丰富啊。 那么同时呢,我们说这些模型大多数只是一个模型组的这样的一个标志。真正的如果你想去看你能够调用哪一些模型的话,那么啊你可以 在个人账户的啊这个全部可用的 api 的那样的个页面能够看到你现在总共有多少种不同的模型啊,可以来进行使用。大家同样也可以点击啊,我们现在这个 ppt 在这个右下方这个链接进去看一看。 那么啊,呃,你点到这个页面之后,你会发现现在可用的 open ai 的 api 呢,会非常非常的多啊,有 几十个不同的 a p i 啊。那么为什么 a p i 会如此之多啊?其实也是因为我们上面看到的这些模型呢,很多呢都是一些模型组,那么一组模型背后呢,可能会有非常非常多的一些 执行细分功能的模型在它背后。那么这个时候呢,如果你要去调用某一个模型的话,它一那么一般来说,一个模型背后呢就会有一个 a p i。 所以基本上你看到这么多不同的 a p i, 你就可以把它 类似的理解成为 open i。 实际上现在对用户开放的或者你能使用的就有这么多种啊,不同类型的模型。

我们来看一道面试题,什么是接口密等性?哪些场景需要密等性?如何保证密等性?好,那我们来看一下。首先看密等性,密等性它指的是一个接口多次被调用,没有副作用, 比如说我们有个扣款的接口,我电用两次,电用三次,他依然只会扣款一次,那么这个就表明这个扣款接口是密的性的。 那哪些场景会出现密等性的问题?比如说用户重复的操作代码里面进行从事消息重复消费,网络波动啊等等,这些场景都可能会带来接口的密等性问题。 那么解决方法我们可以采用唯一,所以驱虫拖肯加热历史啊,实现这个密等性,还有状态机,还有乐观锁,还有分布锁以及选取为一号啊,这些方法都可以解决接口密等性。 那么这里面的每一种解决方法最好是了解一下,这样的话呢,到时候面试的时候如果在追问的话啊,能够答得出来。

这份工作对于我们来说非常具有挑战性啊,这个就叫专业。 这份工作对于我们来说非常具有挑战性啊,这个就叫专业。 这份工作对于我们来说非常具有挑战性啊,这个就叫专业。 这份工作对于我们来说非常具有挑战性啊,这个就叫专业。

什么是接口?接口主要是指用于外部系统和系统之间,以及内部各个子系统之间的交互点,定义特定的交互点,然后通过这些交互点来通过一些特殊的规则,也就是协议来进行数据之间的交互。 常用接口类型有哪些?一、有 first 接口,用的 sope 协议,通过 htp 进行传输,那请求豹纹和返回豹纹呢?都是 x 三万合适的,我们在测试的时候呢,可以通过工具进行调用,比如 jimitter, olander, 还有 atipose。 第二是 httb 协议的接头,他是通过路径来实现这样的方法,那请求爆版的一般都是 py 六形式的,返回爆版的一般都是 jc 串, 那 htb 协议呢?有盖上 pos 组成方法,这也是最常用的两种使用方式。那咱们可以使用工具呢?有 app 加 pos 的极品小流装,这来进行测试。接口是什么组成的?接口的组成呢?包括形成的说明。第二个要 还有请求方法,方法具有 get post, 还有 pose, 还有请求参数,请求类型,请求参数说明,还有返回参数的说明。为什么要做接口测试呢?那接口呢?其实是前端和后端交互用的,那所以好多人问,为啥做功能测试,咱还要测接口呢?目标是啥?不是多此一举吗?首先我告诉大家这种想法是错误的, 举一个例子,比如一个登录接口,那产品规定呢?用户名是六到十个字图,那数字或者下方也可以,但是后端呢?没有做判断,那我们的业务人员测试呢,肯定毕业去验证他, 但如果只是前端做了效应,后端压根就没有判断的话,那么后果就来了,如果一个懂行的人直接抓包方便面的接口,那就可以绕过后端的效应,通过搜索输入啊,直接随意登录, 那如果你这是一个下单的业务,是不是就给公司造成很大的损失啊?所以这个时候接口顺序的目标就来了,第一呢是可能发现客户端没有发现的 bug, 这叫隐藏的缺陷。第二呢是可以及早的爆出风险。第三,如果接口稳定的话呢,前端可以随便改。第四最重要的呢是可以检查系统的安全性和稳定性。

同学们是调试 api 接口的非常方便的有利工具之一,现在演示通过 http 跟 htvs 去调试一个 api 接口,把地址放在这里,这里选择一个 方法,一般都是选透视玻璃,这里选 iw 格式,然后再选择 j 损,然后把 j 损参数内容填在这个位置,这点发送 啊,调用完成之后,这个状态两百就是调用成功,这个是耗时,这个是返回的大小,返回内容就在这里。 再再调用一个 h t t b s 的一样,把 a b i 地址放在这里,这里选,也选择 pose body 也是同样选择 iw, 选这一审格式,把这一审内容填在这里,点击发送,这时候就会报错,我们看一下这个报错信息,是证书已经过期了,我们可以设置,跳过证书验证,再设置这里把这个去掉, 然后再点发送去调用,这时候就可以调用成功了,调用成功,这里状态也是否有两百,一样的法人内容也是在这个。

那你说一下接口测试到底测什么呢?能测一些前端镜面不方便测试的场景,比如异常的测试数据,主要是能将测试工作提前,不需要等前端开发完成就可以提前测试了。嗯,你这个答案不是很全面,薪水最多给一万五。我给你说一个值二十 k 的答案, 主要有以下几个点,第一个,可用性测试,根据约定的协议、方法、格式、内容,传输数据到接口,经处理后返回期望的结果。这里边分为三个点, 接口功能是否正确实现返回值。除了内容要正确,类型也要正确,保证调用方能够正确的解析。第三,参数的边界值,等价类的测试。那么第二个大点,错误和异常处理测试,这里主要分为四个点,输入异常值,比如空值、特殊字符、超过约定长度等等。 接口能否正确处理且按预期响应。第二,输入错误的参数接口能正确处理并按预期响应。第三,多输入,少输入参数,接口能正确处理并且按照预期响应。第四,错误传输的数据格式,比如这层格式写成了放母格式,能否正确处理。 第三个大点,安全性测试,主要是指传输数据的安全性,这里主要分为四个点,第一,敏感数据,比如说密码、密要等,是否加密传输。 第二,返回数据是否含有敏感数据,比如说用户密码、完整的用户银行账号信息等等。第三,接口是否对传入的数据做安全教研,比如身份 id 加 token, 类似教研啊。 第四,接口是否防止恶意请求,比如大量伪造请求接口致使服务器崩溃。第四大点,性能测试,比如接口的 享用时间,并发处理能力,压测处理情况。这里呀分为三个点,第一,并发请求相同的接口,特别是 pose 的请求接口的处理情况,比如插入了相同的记录,导致数据出错,引发系统故障。第二,接口响应时间长,在用户可忍受的范围内。 第三,对于请求量大的接口做压测,确定最大的瓶颈点是否满足当前业务需要。你明白了吗?

在家卧编程中有一个最重要的设计思想,那么就是面相接口编程。 那什么是接口呢?接口在家务中,通过因特费此关键字来定义所有的模块依据设计的接口进行实现,而在外部调用时,依据接口定义的方法试图 进行调用。随着不同版本 gdp 的更新,接口的功能也越来越强大。如果你还不懂得接口的使用,那么一定要好好补一补家务的基础概念。想了解更多编程知识,请点击关注。