SunnyALion

Hexo博客更新日志及踩坑经验总结博客功能 基本的Blog文章更新 博客文章的分类、标签、归档 Blog界面优化 本地搜索博客功能 留言功能（有点问题QAQ待完善） 侧边栏时钟 音乐🎵功能，可以播放网易云的歌单啦 解决上线后icon不显示的问题 增加了看板娘（其实是可爱的小男生） SEO优化 页脚徽标 字体样式修改 滚动的副标题 一些于我有用的博主文章 我的Blog美化日记——Hexo+Butterfly | Guo Le’s Blog 如何在Hexo博客Butterfly主题开启Aplayer和“音乐”页面 hexo-butterfly魔改记录大全 | Black Flies (yyyzyyyz.cn)

欢迎来到舜桀BB的秘密基地呀！在这里你会看到我的日常分享，你也可以通过留言功能与我交流。希望你我都能在这个复杂的世界找到一份专属于自己的喜乐！

如何构建一个可以回答有关 SQL 数据库问题的 Agent 呢？ 从高层次来看，SQL Agent 需要执行下面的步骤： 从数据库中获取可用的表 确定哪些表与问题相关 获取相关表的架构（schemas） 根据问题和架构中的信息生成查询 使用 LLM 仔细检查查询中是否存在常见错误 执行查询并返回结果 纠正数据库引擎发现的错误，直到查询成功 根据结果制定应对措施 设置安装依赖项pip install -U langgraph langchain_community "langchain[openai]" 选择 LLMfrom langchain_community.chat_models.tongyi import ChatTongyillm = ChatTongyi(model='qwen-plus', api_key=api_key) 配置数据库需要创建一个数据库用于交互。创建一个 SQLite 数据库。SQLite 是一个轻量级数据库，易于设置和使用。我们将加载该chinook数据库，它是一个代表数字媒体商店的示例数据库。 impor ...

LeetCode 📖 题目描述 在给定的 m x n 网格 grid 中，每个单元格可以有以下三个值之一： 值 0 代表空单元格； 值 1 代表新鲜橘子； 值 2 代表腐烂的橘子。每分钟，腐烂的橘子 周围 4 个方向上相邻 的新鲜橘子都会腐烂。返回 直到单元格中没有新鲜橘子为止所必须经过的最小分钟数。如果不可能，返回 -1 。 示例 1： 输入：grid = [[2,1,1],[1,1,0],[0,1,1]] 输出：4示例 2： 输入：grid = [[2,1,1],[0,1,1],[1,0,1]] 输出：-1 解释：左下角的橘子（第 2 行， 第 0 列）永远不会腐烂，因为腐烂只会发生在 4 个方向上。示例 3： 输入：grid = [[0,2]] 输出：0 解释：因为 0 分钟时已经没有新鲜橘子了，所以答案就是 0 。 核心问题：如何在每分钟内模拟腐烂橘子的传播过程，并判断所有新鲜橘子是否都能在有限时间内被腐烂，如果可以则返回所需的最小分钟数，否则返回 -1。 💡 解题思路🔎 思路概览（一句话总结）使用多源广度优先搜索（BFS）从所有腐烂橘子同时开始扩散， ...

为什么写这篇文章？市面上很多 AI 对话系统 Demo 代码长这样： history = [{"role": "user", "content": question}]response = llm.chat(history) 但当项目走进实际业务场景时，这套逻辑会立即崩溃，原因包括： 用户输入不是单轮，而是多轮多流程 模型不是直接回答，而是分阶段决策：分析 → 拆解 → 生成 → 查询 模型输出不再是一个回复，而是多个节点逐步产出 用户随时刷新页面，需要可恢复的上下文与历史 于是，一个简单的问答系统，需要演进为： 多用户 + 多会话 + 多轮交互 + 多节点流图 + 状态持久化 + 前端可视化还原 本文将基于 LangGraph 构建一个支持上述功能的企业级对话系统，实现以下目标： ✅ 每轮对话可分为多个执行步骤✅ 每一步执行结果可落库并展示✅ 流式反馈进度，前端实时渲染✅ 数据可恢复，还原历史对话 技术栈与架构简介核心组件 技术 用途 LangGraph 定义每轮对话流程，支持多节点 ...

装饰器可以说是 Python 最让人“又爱又恨”的语法糖之一。 刚开始我们觉得它只是个语法糖，可一旦深入，就发现它其实可以做很多：权限验证、日志记录、缓存、参数校验、接口拦截、自动重试……几乎所有能想到的“函数增强”都可以用装饰器实现。 但问题也随之而来： 装饰器到底是怎么“包裹函数”的？ 为什么装饰器函数要写三层？ @wraps 到底有什么用？ 装饰器能不能传参数？ 多个装饰器嵌套，顺序怎么搞清楚？ 这篇文章，让我们不依赖死记硬背，把装饰器的原理和实际用法讲清楚讲透。 装饰器是啥？ 装饰器本质上是一个“接收函数，返回新函数”的函数。 说白了就是：它接收一个函数，然后生成一个“升级版”的函数，把你想加的功能（比如打印日志）包在原函数前后。 最小例子： def outer(func): def inner(): print("before") func() print("after") return inner@outerdef say_hello(): print("H ...

在利用大语言模型（LLM）自动生成分析代码时，我们经常面临一个问题：无法将完整的数据库数据作为提示词提供给模型，因为数据量太大、隐私敏感或成本高。 本文将介绍一种高效、结构化的数据摘要方法，帮助将数据库数据导出并转换为结构描述 + 示例数据，以便 LLM 快速理解上下文，从而生成正确的数据处理代码。 场景背景开发过程中可能正处于如下场景中： 从数据库中查询了大量数据（百万行以上） 想让大模型帮你写分析代码 但无法把全部数据放进提示词（Token 受限） 我们只想告诉模型：“这个文件包含哪些字段？每列什么类型？长什么样？” 于是，我们需要一种方法来： ✨ 快速保存查询数据，并提取 schema 和部分示例，生成简洁的上下文描述供 LLM 使用。 为什么不用 CSV？虽然 CSV 是最常见的数据导出格式，但它存在很多局限： 问题 说明 无数据类型信息 所有内容都是字符串，模型不知道哪些是数字、时间等 文件大 无压缩，占空间大，加载慢 不支持嵌套结构 如果有 JSON 列、数组列，几乎无法兼容 不利于筛选 无列式存储，不方便快速读取前几行 解决方案： ...

在 Python 开发中，我们常常希望复制一个对象，以避免直接修改原始数据。然而，“复制”这个操作远没有看起来那么简单。Python 提供了两种常见的复制方式：浅拷贝（shallow copy）和 深拷贝（deep copy），它们在处理嵌套对象时行为大不相同。 这篇博客会一步步解释它们之间的区别、使用场景，以及如何避免常见的坑。 赋值 ≠ 复制先看一个简单例子： a = [1, 2, 3]b = ab[0] = 100print(a) # [100, 2, 3] 这里的 b = a 并没有复制 a，而是使 b 指向 a 的同一个内存地址，两者是同一个对象。 浅拷贝 (shallow copy)import copya = [1, [2, 3]]b = copy.copy(a)b[0] = 100b[1][0] = 200print("a:", a) # [1, [200, 3]]print("b:", b) # [100, [200, 3]] 浅拷贝特点 创建了一个新对象，但只复制了第一层结构 内部嵌套对象仍然引用原始对象 ...