实战5 基于Qwen2的数据库管理系统

使用模型实现从数据库表格中查询各种信息

实践1：查询订单表中的各种信息

编写函数调用：是从OpenAI官方案例中提取出来的

def get_sql_completion(client,database_schema_string,messages, model="qwen-turbo"):response = client.chat.completions.create(model=model,messages=messages,temperature=0.5, tools=[{"type": "function","function": {"name": "ask_database","description": "Use this function to answer user questions about business. \Output should be a fully formed SQL query.","parameters": {"type": "object","properties": {"query": {"type": "string","description": f"""SQL query extracting info to answer the user's question.SQL should be written using this database schema:{database_schema_string}The query should be returned in plain text, not in JSON.The query should only contain grammars supported by SQLite.""",}},"required": ["query"],}}}],)return response.choices[0].message

 初始化数据库

def ask_database(cursor,query):cursor.execute(query)records = cursor.fetchall()return recordsdef DBInit(cursor,database_schema_string,DataList):cursor.execute(database_schema_string)# 插入5条明确的模拟记录mock_data = DataListfor record in mock_data:cursor.execute('''INSERT INTO orders (id, customer_id, product_id, price, status, create_time, pay_time)VALUES (?, ?, ?, ?, ?, ?, ?)''', record)# 提交事务conn.commit()def select_all(cursor):# 查询orders表中的所有数据cursor.execute("SELECT * FROM orders")rows = cursor.fetchall()# 打印查询结果for row in rows:print(row)

初始化数据 

 database_schema_string = """CREATE TABLE orders (id INT PRIMARY KEY NOT NULL, -- 主键，不允许为空customer_id INT NOT NULL, -- 客户ID，不允许为空product_id STR NOT NULL, -- 产品ID，不允许为空price DECIMAL(10,2) NOT NULL, -- 价格，不允许为空status INT NOT NULL, -- 订单状态，整数类型，不允许为空。0代表待支付，1代表已支付，2代表已退款create_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP, -- 创建时间，默认为当前时间pay_time TIMESTAMP -- 支付时间，可以为空);"""DataList =  [(1, 1001, 'TSHIRT_1', 50.00, 0, '2023-10-12 10:00:00', None),(2, 1001, 'TSHIRT_2', 75.50, 1, '2023-10-16 11:00:00', '2023-08-16 12:00:00'),(3, 1002, 'SHOES_X2', 25.25, 2, '2023-10-17 12:30:00', '2023-08-17 13:00:00'),(4, 1003, 'HAT_Z112', 60.75, 1, '2023-10-20 14:00:00', '2023-08-20 15:00:00'),(5, 1002, 'WATCH_X001', 90.00, 0, '2023-10-28 16:00:00', None)
]conn = sqlite3.connect(':memory:')cursor = conn.cursor()DBInit(cursor,database_schema_string,DataList)select_all(cursor)

 main函数调用函数来实现查询任务

# prompt = "上个月的销售额"#prompt = "统计每月每件商品的销售额"prompt = "哪个用户消费最高？消费多少？"messages = [{"role": "system", "content": "基于 order 表回答用户问题"},{"role": "user", "content": prompt}]response = get_sql_completion(client,database_schema_string,messages)if response.content is None:response.content = ""messages.append(response)if response.tool_calls is not None:tool_call = response.tool_calls[0]if tool_call.function.name == "ask_database":arguments = tool_call.function.argumentsargs = json.loads(arguments)print(args["query"])result = ask_database(cursor,args["query"])print(result)messages.append({"tool_call_id": tool_call.id,"role": "tool","name": "ask_database","content": str(result)})response = get_sql_completion(client,database_schema_string,messages)print("====最终回复====")print(response.content)

整体代码如下

import json
import sqlite3
from cv2.version import ci_build
from openai import OpenAI
import osimport requests
from openpyxl.chart.label import DataLabelList
from sympy.physics.units import temperaturedef get_sql_completion(client,database_schema_string,messages, model="qwen-turbo"):response = client.chat.completions.create(model=model,messages=messages,temperature=0,  # 模型输出的随机性，0 表示随机性最小tools=[{"type": "function","function": {"name": "ask_database","description": "Use this function to answer user questions about business. \Output should be a fully formed SQL query.","parameters": {"type": "object","properties": {"query": {"type": "string","description": f"""SQL query extracting info to answer the user's question.SQL should be written using this database schema:{database_schema_string}The query should be returned in plain text, not in JSON.The query should only contain grammars supported by SQLite.""",}},"required": ["query"],}}}],)return response.choices[0].messagedef ask_database(cursor,query):cursor.execute(query)records = cursor.fetchall()return recordsdef DBInit(cursor,database_schema_string,DataList):cursor.execute(database_schema_string)# 插入5条明确的模拟记录mock_data = DataListfor record in mock_data:cursor.execute('''INSERT INTO orders (id, customer_id, product_id, price, status, create_time, pay_time)VALUES (?, ?, ?, ?, ?, ?, ?)''', record)# 提交事务conn.commit()def select_all(cursor):# 查询orders表中的所有数据cursor.execute("SELECT * FROM orders")rows = cursor.fetchall()# 打印查询结果for row in rows:print(row)if __name__ == '__main__':client = OpenAI(api_key=os.getenv('DASHSCOPE_API_KEY'),base_url="https://dashscope.aliyuncs.com/compatible-mode/v1")database_schema_string = """CREATE TABLE orders (id INT PRIMARY KEY NOT NULL, -- 主键，不允许为空customer_id INT NOT NULL, -- 客户ID，不允许为空product_id STR NOT NULL, -- 产品ID，不允许为空price DECIMAL(10,2) NOT NULL, -- 价格，不允许为空status INT NOT NULL, -- 订单状态，整数类型，不允许为空。0代表待支付，1代表已支付，2代表已退款create_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP, -- 创建时间，默认为当前时间pay_time TIMESTAMP -- 支付时间，可以为空);"""DataList =  [(1, 1001, 'TSHIRT_1', 50.00, 0, '2023-10-12 10:00:00', None),(2, 1001, 'TSHIRT_2', 75.50, 1, '2023-10-16 11:00:00', '2023-08-16 12:00:00'),(3, 1002, 'SHOES_X2', 25.25, 2, '2023-10-17 12:30:00', '2023-08-17 13:00:00'),(4, 1003, 'HAT_Z112', 60.75, 1, '2023-10-20 14:00:00', '2023-08-20 15:00:00'),(5, 1002, 'WATCH_X001', 90.00, 0, '2023-10-28 16:00:00', None)
]conn = sqlite3.connect(':memory:')cursor = conn.cursor()DBInit(cursor,database_schema_string,DataList)select_all(cursor)# prompt = "上个月的销售额"#prompt = "统计每月每件商品的销售额"prompt = "哪个用户消费最高？消费多少？"messages = [{"role": "system", "content": "基于 order 表回答用户问题"},{"role": "user", "content": prompt}]response = get_sql_completion(client,database_schema_string,messages)if response.content is None:response.content = ""messages.append(response)if response.tool_calls is not None:tool_call = response.tool_calls[0]if tool_call.function.name == "ask_database":arguments = tool_call.function.argumentsargs = json.loads(arguments)print(args["query"])result = ask_database(cursor,args["query"])print(result)messages.append({"tool_call_id": tool_call.id,"role": "tool","name": "ask_database","content": str(result)})response = get_sql_completion(client,database_schema_string,messages)print("====最终回复====")print(response.content)

====最终回复====
消费最高的用户是用户ID为1001的用户，该用户的总消费金额为75.5元。

实践2:查询学生信息

随机生成学生信息，格式为[student_id, name, class, gender, scores, total, average, status, enrollment_date, graduation_date]

def generate_student_data(count):# 名字列表names = ["程健", "张伟", "李娜", "王强", "赵敏", "陈晨", "杨洋", "刘磊", "吴婷", "周杰"]# 学号base_student_id = 10000# 学生状态：1表示在读，2表示已毕业，0表示休学statuses = [1, 2, 0]# 入学时间：假设在过去的3年内enrollment_start_date = datetime(2020, 9, 1)enrollment_end_date = datetime(2023, 9, 1)# 生成学生数据students_data = []for i in range(count):name = random.choice(names)student_id = str(base_student_id + i)class_name = f"高三{random.randint(1, 5)}班"# 随机生成成绩scores = {"Chinese": random.randint(60, 100),"Math": random.randint(60, 100),"English": random.randint(60, 100),"Physics": random.randint(60, 100),"Chemistry": random.randint(60, 100),"Biology": random.randint(60, 100)}# 计算总分和平均分total = sum(scores.values())average = total / len(scores)gender = random.choice(["M","F"])# 随机选择学生状态（1: 在读，2: 已毕业，0: 休学）status = random.choice(statuses)# 生成入学时间enrollment_date = enrollment_start_date + (enrollment_end_date - enrollment_start_date) * random.random()enrollment_date_str = enrollment_date.strftime('%Y-%m-%d')# 毕业时间：如果已毕业，随机生成一个毕业日期graduation_date_str = Noneif status == 2:graduation_date = enrollment_date + timedelta(days=random.randint(700, 800))  # 假设毕业时间在入学后2-3年graduation_date_str = graduation_date.strftime('%Y-%m-%d')students_data.append((student_id, name, class_name, gender,str(scores), total, average, status, enrollment_date_str, graduation_date_str))return students_data

main函数

看注释

if __name__ == '__main__':client = OpenAI(api_key=os.getenv('DASHSCOPE_API_KEY'),base_url="https://dashscope.aliyuncs.com/compatible-mode/v1")database_schema_string = """CREATE TABLE students (student_id INT NOT NULL,             -- 学号，不允许为空name VARCHAR(50) NOT NULL,                   -- 姓名，不允许为空gender CHAR(1) NOT NULL,                     -- 性别，单个字符，'M'表示男，'F'表示女class VARCHAR(50) NOT NULL,                  -- 班级，不允许为空scores JSON NOT NULL,                        -- 成绩，存储为JSON类型total INT NOT NULL,                          -- 总分average DECIMAL(5,2) NOT NULL,               -- 平均分status INT NOT NULL DEFAULT 1,               -- 学生状态，0表示休学，1表示在读，2表示已毕业enrollment_date TIMESTAMP DEFAULT CURRENT_TIMESTAMP,  -- 入学时间，默认为当前时间graduation_date TIMESTAMP DEFAULT NULL       -- 毕业时间，可以为空
);
"""
#创建数据库conn = sqlite3.connect(':memory:')cursor = conn.cursor()a = generate_student_data(5)
#加载数据并且检查是否完全加载成功DBInit(conn,cursor,database_schema_string,a)select_all(cursor)prompt = "找出英语最高分的班级和姓名"#prompt = “目前在读学生有多少人”#prompt = "计算一下高三4班的平均分是多少"messages = [{"role": "system", "content": "基于 student 表回答用户问题"},{"role": "user", "content": prompt}]response = get_sql_completion(client,database_schema_string,messages)if response.content is None:response.content = ""messages.append(response)print("====Function Calling====")print(response)if response.tool_calls is not None:tool_call = response.tool_calls[0]if tool_call.function.name == "ask_database":arguments = tool_call.function.arguments
#解决输出bug json无法处理[]这个符号if '["Query"]'in arguments:arguments = arguments.replace('["Query"]',"Query")print(arguments)args = json.loads(arguments)print("====SQL====")print(args["Query"])result = ask_database(cursor,args["Query"])print("====DB Records====")print(result)messages.append({"tool_call_id": tool_call.id,"role": "tool","name": "ask_database","content": str(result)})
#根据函数结果进行回复response = get_sql_completion(client,database_schema_string,messages)print("====最终回复====")print(response.content)

完整代码 

import json
import sqlite3
from openai import OpenAI
import os
import requests
import randomimport randomdef generate_student_data(count):# 名字列表names = ["程健", "张伟", "李娜", "王强", "赵敏", "陈晨", "杨洋", "刘磊", "吴婷", "周杰"]# 学号base_student_id = 10000# 学生状态：1表示在读，2表示已毕业，0表示休学statuses = [1, 2, 0]# 入学时间：假设在过去的3年内enrollment_start_date = datetime(2020, 9, 1)enrollment_end_date = datetime(2023, 9, 1)# 生成学生数据students_data = []for i in range(count):name = random.choice(names)student_id = str(base_student_id + i)class_name = f"高三{random.randint(1, 5)}班"# 随机生成成绩scores = {"Chinese": random.randint(60, 100),"Math": random.randint(60, 100),"English": random.randint(60, 100),"Physics": random.randint(60, 100),"Chemistry": random.randint(60, 100),"Biology": random.randint(60, 100)}# 计算总分和平均分total = sum(scores.values())average = total / len(scores)gender = random.choice(["M","F"])# 随机选择学生状态（1: 在读，2: 已毕业，0: 休学）status = random.choice(statuses)# 生成入学时间enrollment_date = enrollment_start_date + (enrollment_end_date - enrollment_start_date) * random.random()enrollment_date_str = enrollment_date.strftime('%Y-%m-%d')# 毕业时间：如果已毕业，随机生成一个毕业日期graduation_date_str = Noneif status == 2:graduation_date = enrollment_date + timedelta(days=random.randint(700, 800))  # 假设毕业时间在入学后2-3年graduation_date_str = graduation_date.strftime('%Y-%m-%d')students_data.append((student_id, name, class_name, gender,str(scores), total, average, status, enrollment_date_str, graduation_date_str))return students_datadef get_sql_completion(client,database_schema_string,messages, model="qwen-turbo"):response = client.chat.completions.create(model=model,messages=messages,temperature=0,  # 模型输出的随机性，0 表示随机性最小tools=[{"type": "function","function": {"name": "ask_database","description": "Use this function to answer user questions about business. \Output should be a fully formed SQL query.","parameters": {"type": "object","properties": {"Query": {"type": "string","description": f"""SQL query extracting info to answer the user's question.SQL should be written using this database schema:{database_schema_string}The query should be returned in plain text, not in JSON.The query should only contain grammars supported by SQLite.""",}},"required": "Query",}}}],)return response.choices[0].messagedef ask_database(cursor,query):cursor.execute(query)records = cursor.fetchall()return recordsdef DBInit(conn,cursor,database_schema_string,DataList):cursor.execute(database_schema_string)# 插入5条明确的模拟记录for record in DataList:cursor.execute('''INSERT INTO students (student_id, name, class, gender, scores, total, average, status, enrollment_date, graduation_date) VALUES (?,?,?,?,?,?,?,?,?,?)''', record)# 提交事务conn.commit()def select_all(cursor):# 查询orders表中的所有数据cursor.execute("SELECT * FROM students")rows = cursor.fetchall()# 打印查询结果for row in rows:print(row)if __name__ == '__main__':client = OpenAI(api_key=os.getenv('DASHSCOPE_API_KEY'),base_url="https://dashscope.aliyuncs.com/compatible-mode/v1")database_schema_string = """CREATE TABLE students (student_id INT NOT NULL,             -- 学号，不允许为空name VARCHAR(50) NOT NULL,                   -- 姓名，不允许为空gender CHAR(1) NOT NULL,                     -- 性别，单个字符，'M'表示男，'F'表示女class VARCHAR(50) NOT NULL,                  -- 班级，不允许为空scores JSON NOT NULL,                        -- 成绩，存储为JSON类型total INT NOT NULL,                          -- 总分average DECIMAL(5,2) NOT NULL,               -- 平均分status INT NOT NULL DEFAULT 1,               -- 学生状态，0表示休学，1表示在读，2表示已毕业enrollment_date TIMESTAMP DEFAULT CURRENT_TIMESTAMP,  -- 入学时间，默认为当前时间graduation_date TIMESTAMP DEFAULT NULL       -- 毕业时间，可以为空
);
"""conn = sqlite3.connect(':memory:')cursor = conn.cursor()a = generate_student_data(5)DBInit(conn,cursor,database_schema_string,a)select_all(cursor)prompt = "找出英语最高分的班级和姓名"messages = [{"role": "system", "content": "基于 student 表回答用户问题"},{"role": "user", "content": prompt}]response = get_sql_completion(client,database_schema_string,messages)if response.content is None:response.content = ""messages.append(response)print("====Function Calling====")print(response)if response.tool_calls is not None:tool_call = response.tool_calls[0]if tool_call.function.name == "ask_database":arguments = tool_call.function.argumentsif '["Query"]'in arguments:arguments = arguments.replace('["Query"]',"Query")print(arguments)args = json.loads(arguments)print("====SQL====")print(args["Query"])result = ask_database(cursor,args["Query"])print("====DB Records====")print(result)messages.append({"tool_call_id": tool_call.id,"role": "tool","name": "ask_database","content": str(result)})response = get_sql_completion(client,database_schema_string,messages)print("====最终回复====")print(response.content)

输出信息为：

(10000, '张伟', 'F', '高三5班', "{'Chinese': 89, 'Math': 99, 'English': 75, 'Physics': 95, 'Chemistry': 98, 'Biology': 76}", 532, 88.66666666666667, 1, '2022-03-13', None)
(10001, '刘磊', 'M', '高三4班', "{'Chinese': 100, 'Math': 98, 'English': 88, 'Physics': 86, 'Chemistry': 86, 'Biology': 86}", 544, 90.66666666666667, 1, '2021-05-11', None)
(10002, '赵敏', 'M', '高三3班', "{'Chinese': 71, 'Math': 62, 'English': 93, 'Physics': 68, 'Chemistry': 94, 'Biology': 80}", 468, 78, 0, '2020-09-15', None)
(10003, '张伟', 'F', '高三5班', "{'Chinese': 83, 'Math': 86, 'English': 94, 'Physics': 84, 'Chemistry': 73, 'Biology': 70}", 490, 81.66666666666667, 2, '2021-03-27', '2023-03-20')
(10004, '周杰', 'M', '高三3班', "{'Chinese': 85, 'Math': 94, 'English': 89, 'Physics': 91, 'Chemistry': 76, 'Biology': 99}", 534, 89, 1, '2022-10-17', None)
====Function Calling====
ChatCompletionMessage(content='', refusal=None, role='assistant', function_call=None, tool_calls=[ChatCompletionMessageToolCall(id='call_0f92904f36084c65b90b09', function=Function(arguments='{"Query": "SELECT s.class, s.name FROM students s WHERE s.scores->>\'English\' = (SELECT MAX(scores->>\'English\') FROM students) LIMIT 1;"}', name='ask_database'), type='function', index=0)])
{"Query": "SELECT s.class, s.name FROM students s WHERE s.scores->>'English' = (SELECT MAX(scores->>'English') FROM students) LIMIT 1;"}
====SQL====
SELECT s.class, s.name FROM students s WHERE s.scores->>'English' = (SELECT MAX(scores->>'English') FROM students) LIMIT 1;
====DB Records====
[('高三5班', '张伟')]
====最终回复====
英语最高分的学生所在的班级是高三5班，学生姓名是张伟。
 

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：http://www.xdnf.cn/news/15081.html

如若内容造成侵权/违法违规/事实不符，请联系一条长河网进行投诉反馈，一经查实，立即删除！

相关文章

C++玩转物联网:认识树莓派Pico

C++玩转物联网:认识树莓派Pico

在嵌入式编程的领域中，树莓派Pico、Arduino和ESP32都是广受欢迎的微控制器开发板，但它们在性能、功能和编程语言支持上各有特点。树莓派Pico是树莓派基金会推出的一款高性价比开发板，搭载了RP2040微控制器，支持标准的C库&#xff…
阅读更多...
网络基础 - 网段划分篇

网络基础 - 网段划分篇

我们知道，IP 地址(IPv4 地址)由 “网络标识(网络地址)” 和 “主机标识(主机地址)” 两部分组成，例如 192.168.128.10/24，其中的 “/24” 表示从第 1 位开始到多少位属于网络标识，那么，剩余位就属于主机标识了&#xf…
阅读更多...
当微软windows的记事本被AI加持

当微软windows的记事本被AI加持

1985年，微软发布了Windows 1.0，推出了一款革命性的产品：记事本（Notepad）。这款软件旨在鼓励使用一种未来主义的新设备——鼠标，并让人们可以不依赖VI等键盘工具就能书写文本和编写代码。记事本因其简洁和高…
阅读更多...
FastGPT + Dify，本地知识库快速部署！

FastGPT + Dify，本地知识库快速部署！

本文主要内容 本地部署 Dify、FastGPT、OllamaDify、FastGPT 对接一些目前免费的 LLM 大语言 AI 模型Dify、FastGPT 对接 Ollama 本地模型 大家好，我是一名喜欢在家折腾本地部署的开发者，这次我来分享如何在本地运行 Ollama，并将它与 FastG…
阅读更多...
黄仁勋对话孙正义：日本的AI新饼、Arm的AI野心与英伟达的东亚新机会

黄仁勋对话孙正义：日本的AI新饼、Arm的AI野心与英伟达的东亚新机会

2020 年的软银世界大会上，孙正义与黄仁勋围绕「What’s Next for AI」展开了一次围炉对谈。黄仁勋穿着标志性的皮夹克坐在火堆旁，畅谈了将 Arm 纳入麾下的重要价值，孙正义也毫不吝啬赞美之词，称老黄在未来 10 年会达到史蒂夫 乔布…
阅读更多...
什么是邻道泄露抑制比（ACLR）

什么是邻道泄露抑制比（ACLR）

今天和大家一起学习交流下邻道泄露抑制比（ACLR）指标，看看是否 让你产生一些新的灵感。 什么是ACLR？ 邻道泄露抑制比是用于衡量下行的发射性能，是主信道的发射功率与测得的相邻信道的功率之比。ACLR值越低，表示相临信道的功率的干扰越小，说明系统的性能越好。一般用dB…
阅读更多...
VMware和CentOS 7.6 Linux操作系统的安装使用

VMware和CentOS 7.6 Linux操作系统的安装使用

1. 安装VMware 安装VMware之前，有些电脑是需要去BIOS里修改设置开启cpu虚拟化设备支持才能安装。如果运气不好在安装过程中安装不了的话就自行百度吧。 打开 VMware 的官网: https://www.vmware.com/ 点击 product，往下滑找到 see desktop hypeerviso…
阅读更多...
沈阳乐晟睿浩科技有限公司抖音小店保障

沈阳乐晟睿浩科技有限公司抖音小店保障

在当今这个数字化时代，电子商务行业以其便捷性、高效性和广泛的覆盖面，成为了推动经济发展的新引擎。沈阳乐晟睿浩科技有限公司，作为这股变革洪流中的佼佼者，凭借其深厚的技术实力、敏锐的市场洞察力和前瞻性的战略布局&#xff0…
阅读更多...
学习日志009--面向对象的编程

学习日志009--面向对象的编程

一、面向对象 面向对象编程（Object-Oriented Programming，简称OOP）是一种编程范式，它使用“对象”来设计应用程序和计算机程序。它利用了抽象、封装、继承和多态这些概念。 一、面向对象编程的核心概念 封装（Encaps…
阅读更多...
Sorvall Legend Micro 17 微量离心机产品特性

Sorvall Legend Micro 17 微量离心机产品特性

在科研实验中，微量离心机扮演着至关重要的角色。其中，Thermo Scientific Sorvall Legend MicroCL 17R 微量离心机凭借其出色的性能和紧凑的设计，成为众多科研人员的首选。 这款微量离心机体积小巧，非常适合空间有限的实验室。它支…
阅读更多...
Camp4-L2：InternVL 多模态模型部署微调实践

Camp4-L2：InternVL 多模态模型部署微调实践

书生浦语大模型实战营第四期：InternVL 多模态模型部署微调实践 教程链接：https://github.com/InternLM/Tutorial/tree/camp4/docs/L2/InternVL视频链接：https://www.bilibili.com/video/BV1nESCYWEnN/任务链接：https://github.co…
阅读更多...
Unity内置渲染管线升级URP，使用ShaderGraph

Unity内置渲染管线升级URP，使用ShaderGraph

问题描述 在内置渲染管线的工程中，导入之前通过ShaderGraph制作的Shader。 文件不可打开，我们需要升级成URP 过程记录 当前Unity版本 2022.3.49 安装Package 创建配置文件 Assets -> Rendering -> URP Asset 创建成功 修改配置 Edit->P…
阅读更多...
MYSQL 修改表的结构

MYSQL 修改表的结构

在项目的实际开发中，随着版本的迭代和需求的变更，经常会对表结构进行调整，比如向现有表中添加列，删除列，或者修改某列的列名、数据类型或长度，这时就需要对表进行修改操作。 修改表结构语法 ALTER TABLE t…
阅读更多...
夹耳开放式耳机好用吗？夹耳开放式耳机推荐

夹耳开放式耳机好用吗？夹耳开放式耳机推荐

夹耳式耳机作为开放式耳机的一种，在最近几年里深受大家欢迎。它能够受到大家欢迎的原因主要是其不入耳的特性，既有助于保护听力健康，又能让人尽情享受极致的音乐体验。不过，很多小伙伴不知道夹耳式耳机到底好不好用？夹…
阅读更多...
React--》掌握openapi-typescript-codegen快速生成API客户端代码

React--》掌握openapi-typescript-codegen快速生成API客户端代码

今天深入探索一个神奇的工具——openapi-typescript-codegen。它不仅能够帮助你快速生成TS代码，还能让你的API请求更加高效、类型安全，让开发者摆脱手动编写冗长请求代码的困扰，专注于实现业务逻辑。接下来让我们一起来了解它的强大功能和使用…
阅读更多...
【C++】类中的“默认成员函数“--构造函数、析构函数、拷贝构造、赋值运算符重载

【C++】类中的“默认成员函数“--构造函数、析构函数、拷贝构造、赋值运算符重载

目录 "默认"成员函数 概念引入： 一、构造函数 问题引入： 1）构造函数的概念 2）构造函数实例 3）构造函数的特性 4)关于默认生成的构造函数 (默认构造函数) 默认构造函数未完成初始化工作实例: 二…
阅读更多...
中仕公考怎么样?事业编面试不去有影响吗?

中仕公考怎么样?事业编面试不去有影响吗?

事业编考试笔试已经通过，但是面试不去参加会有影响吗？ 1. 自动放弃面试资格：未能按时出席事业单位的面试将被视为主动放弃该岗位的竞争机会。 2. 个人信誉问题：面试作为招聘流程的关键步骤，无故缺席可能被解释为诚信…
阅读更多...
websocket初始化

websocket初始化

websocket初始化 前言 上一集我们HTTP的ping操作就可以跑通了，那么我们还有一个协议---websocket，我们在这一集就要去完成我们websocket的初始化。 分析 我们在初始化websocket的之前，我们考虑一下，我们什么时候就要初始化我们…
阅读更多...
Unity中HDRP设置抗锯齿

Unity中HDRP设置抗锯齿

一、以前抗锯齿的设置方式 【Edit】——>【Project Settings】——>【Quality】——>【Anti-aliasing】 二、HDRP项目中抗锯齿的设置方式 在Hierarchy中——>找到Camera对象——>在Inspector面板上——>【Camera组件】——>【Rendering】——>【Pos…
阅读更多...
Linux系统任务管理

Linux系统任务管理

文章目录 系统任务管理atcron 🏡作者主页：点击！ 🤖Linux专栏：点击！ ⏰️创作时间：2024年11月14日11点20分 系统任务管理 任务管理 计划执行：特定时间运行一次：at 定期执…
阅读更多...
最新文章

Copyright @ 2022~2023