登录社区云,与社区用户共同成长
邀请您加入社区
main.pydescription='API接口文档',app.include_router(index_api, tags=["首页"])app.include_router(user_api, tags=["用户接口"])app.include_router(news_api, tags=["新闻接口"])2、自定义接口分组信息入口文件定义好接口分组描述同时,每个入口文件中,也要跟和main
新建core/config.py文件。在main.py中测试。新建全局.env文件。
WxAgent是一款无需复杂环境即可部署的微信个人号AI助手,支持多种主流大模型接入,具备多轮对话、58+工具调用、记忆管理、安全防护等核心功能。部署仅需Python 3.11+环境,通过简单的git克隆和pip安装即可完成。项目提供Web管理面板,支持Windows/macOS/Linux系统,适合个人开发者快速搭建智能微信机器人。
FastAPI数据库操作总结(SQLAlchemy) 本文总结了FastAPI中使用SQLAlchemy进行数据库操作的关键知识点: 核心配置: 使用create_engine()创建数据库引擎,配置连接池参数 通过SessionLocal管理数据库会话生命周期 模型定义: 使用Column定义字段类型和约束 通过relationship()建立表关系(一对多/一对一/多对多) CRUD操作: 会
本文整理了 Dify、FastGPT、NextChat、Cherry Studio 接入 OpenAI-compatible API 的配置方法,并提供 Python、Node.js 调用示例和常见 401、404、429、503 报错排查,适合 AI 应用开发、工作流搭建和工具站接入参考
本文分享了使用Cursor AI编程工具的经验总结。作者初期因未定义规则导致AI输出质量不佳,后通过制定.cursorrules文件显著提升效率。文章提供了三套项目模板:React+TS前端规范(强调类型安全和目录结构)、Python后端规范(注重类型注解和测试要求)、Next.js全栈规范(区分服务端与客户端组件)。作者还总结了三个常见陷阱:规则过多限制AI、规则与实际代码脱节、全局规则滥用,并
本文总结了FastAPI的进阶特性,重点介绍了数据验证和异常处理两大核心功能。在数据验证部分,详细讲解了Pydantic模型的基本用法和Field参数,包括类型约束、自定义验证器以及查询/路径参数的校验方法,并展示了嵌套模型的实现。异常处理部分涵盖了HTTPException的使用、自定义异常处理器和全局异常处理器的创建,提供了错误响应的标准化处理方案。这些特性共同构建了FastAPI强大的请求验
本文摘要: 针对大语言模型(LLM)在电商场景中的幻觉和安全隐患,提出系统化测试方案。知识测试涵盖事实性(准确率)、推理(正确率)和幻觉检测(虚构问题编造率),实测显示未优化的模型幻觉率高达70%。安全测试聚焦四类攻击:有害内容、隐私泄露、Prompt注入和Jailbreak,关键发现包括:规则过滤对已知攻击拦截率100%,但需结合LLM检测应对变体攻击。交付物包含标准测试集(如30个事实问题、2
本文介绍了如何利用 FastAPI 和 LlamaIndex 框架搭建基于 DeepSeek LLM 的 API 服务。主要内容包括: 环境配置:安装必要的 Python 包(FastAPI、LlamaIndex 等)并获取 DeepSeek API Key 基础调用:通过 LlamaIndex 的 DeepSeek 类实现单轮问答和多轮对话 API 封装:使用 FastAPI 创建 HTTP 接
本文展示了一个基于FastAPI的收藏功能实现,包含数据模型、CRUD操作和路由处理。使用Pydantic定义新闻条目(NewsItemBase)和收藏列表响应(FavoriteListResponse)模型,支持字段别名和ORM映射。通过异步SQLAlchemy实现分页查询收藏列表,联表查询新闻和收藏信息,按收藏时间排序。路由层处理请求参数验证,调用服务层获取数据,并返回格式化响应,包含分页标识
很多企业做 AI 应用时,第一反应是做一个聊天机器人。用户输入问题,AI 返回答案,看起来很智能,但真正进入业务系统后会发现:聊天机器人并不能直接解决企业的核心问题。企业真正需要的 AI 应用,往往不是简单聊天,而是能把非结构化问题转化为结构化业务动作。如果只是让 AI 回复一封邮件,价值有限。识别问题类型:配件损坏判断紧急程度:高提取关键信息:产品、问题、客户诉求匹配售后政策:需要客户提供订单截
我做论文科普这么久,最怕的就是有人觉得"用AI就是不认真"。真不是。工具的意义从来不是替你思考,而是帮你省掉那些重复的、消耗性的劳动,让你把有限的精力花在真正需要动脑子的地方。*)做的就是这件事——主题帮你定、文献帮你找、大纲帮你搭、图表帮你预留,连开题报告都能接着你的往下走。所以,如果你现在正对着空白文档发呆,与其焦虑,不如行动。👉微信公众号搜一搜"书匠策AI"***,去试试看。说不定,你的论
这是一个基于FastAPI+Vue+MySQL实现的智能贩卖机系统,适合编程初学者学习。系统主要功能包括商品识别结算、商品信息管理、YOLO模型切换配置、图片测试和拍摄指南等。开发环境使用Python3.8和PyCharm,前端采用Vue框架,后端使用FastAPI构建。项目提供了完整的源码,经过调试确保可正常运行,并附有系统截图供参考。该系统虽然工作场景应用较少,但可作为编程入门实践项目,帮助学
这次改动把已有的跨文件交互补成了真正的联合分析能力。关联文件中是否各自存在风险?入口文件中的不可信输入,是否经过 import、函数参数和返回值,最终到达另一个文件中的敏感操作?-> 文件内上下文补全-> import 文件收集-> 跨模块调用解析-> 参数与返回值传播-> 带文件路径的 RiskItem-> 可选大模型解释项目索引和调用解析只实现一次,SQL 注入、XSS 和危险函数继续复用各自
从工程角度讲解 OmniVideo API 的完整对接流程:获取 Bearer Token 密钥、调用创建任务与查询任务两个接口、轮询任务状态拿结果,并附可直接运行的 Python 封装代码,覆盖文/图生视频与文/图生图的多模型统一调用。
本文介绍了如何构建一个基于 DeepSeek 大模型的代码助手系统,采用 FastAPI 后端和 Streamlit 前端架构。后端通过 FastAPI 封装 DeepSeek 模型的 API 调用,支持自定义系统提示词和用户问题输入;前端 Streamlit 界面提供友好的 Web 交互,可发送请求并高亮展示生成的代码或解答。文章详细讲解了前后端代码实现、运行方法及安全注意事项(如 API Ke
https://www.baidu.com
对于初学者来讲,对于FastAPI 的介绍/特点/场景混个眼熟就好。只需要知道是个WEB框架就行。核心思想就是先用起来,再来回味。FastAPI是一个基于 Python 类型注解构建的现代化高性能 Web 框架,专门用于开发 RESTful API 和微服务。它建立在Starlette和Pydantic之上,具备自动数据校验、自动生成接口文档、异步编程支持以及极高的开发效率。由于充分利用 Pyth
本文包含 API创建 、路径操作(Path Operations)、查询参数与请求体、响应模型与状态码、错误处理(全局异常捕获与统一错误格式)。
FastAPI学习前置基础,Python 类型标注、async/await 和 HTTP 协议......
FastAPI是一个新兴的高性能Python Web框架,以其异步特性和出色的性能表现脱颖而出。本文系统介绍了FastAPI的核心技术要点: 基础架构 基于Starlette(Web组件)和Pydantic(数据验证) 支持异步编程(async/await) 自动生成OpenAPI文档 核心功能 路由系统支持RESTful风格 强大的请求参数处理(路径/查询/表单/文件) 响应模型与数据校验 中间
🚨 **项目简介**:本项目是一套完整设计并实现的多模态轻量化暴力行为识别系统,专为解决城市公共场所暴力事件频发、传统安防体系响应滞后等痛点打造。采用“云-边-端”分层协同架构,技术栈前沿,代码规范,非常适合算法工程师、AI开发者、安防从业者作为实战练手、企业级项目参考或二次开发。🛠️ **核心功能模块**:1. **多模态数据融合**:融合视频流、音频信号与上下文情景信息,构建了覆盖12类典
本文全面介绍了FastAPI框架的核心概念、功能模块和最佳实践,主要包括以下内容: FastAPI基础 基于Starlette ASGI框架构建,提供高性能异步支持 特性:数据验证(Pydantic)、自动API文档、依赖注入系统 类型提示的三大作用:编辑器支持、数据转换、自动校验 核心功能 请求处理:路径参数、查询参数、请求体、表单、文件上传 响应模型:数据过滤、状态码控制、错误处理 安全机制:
郝子旭(组长):2026-05-29 至 2026-06-03:跟课模式、ASR、课程上下文、会话追问、图片题、富文本渲染。
本文介绍了如何在FastAPI中使用SQLAlchemy 2.0进行异步数据库操作。主要内容包括:ORM的作用、SQLAlchemy 2.0的快速配置、模型定义与关系映射、CRUD操作示例、Alembic数据库迁移工具的使用、N+1查询问题的优化方案,以及连接池与事务管理的实现。文章强调SQLAlchemy 2.0+asyncpg是FastAPI的最佳数据库组合,并提供了避免常见问题的实用建议。
学 API 就像是学骑自行车——刚开始觉得平衡很难,一旦学会了就再也不会忘。我的建议先动手:把文章里的代码敲一遍(不是 Ctrl+C/V,是手打)先做小项目:写一个天气查询小工具、一个 AI 聊天机器人、一个 GitHub 数据展示页学会读文档:80% 的 API 问题,文档里都有答案善用调试工具:Postman 或 Hoppscotch 会用以后,调试速度翻倍关注错误信息:报错信息里藏着答案准备
本文介绍了RESTful API设计原则及FastAPI实现,主要内容包括:1)RESTful路由设计应使用名词复数表示资源,HTTP动词表示操作;2)路径参数用于标识资源,查询参数用于筛选/分页;3)使用Pydantic模型进行请求体验证和响应过滤,支持自定义字段校验;4)通过response_model控制输出字段;5)错误处理与状态码管理;6)使用APIRouter进行路由分组;7)文件上传
《前端转AI:5分钟用FastAPI写出比Express更爽的后端API》摘要: 作为5年前端开发者,作者首次尝试后端开发,发现Python的FastAPI比预想简单百倍。其优势在于:1)自动生成Swagger文档;2)Pydantic实现堪比TypeScript+Zod的类型校验;3)原生async/await语法与前端一致。通过代码对比展示FastAPI与Express的相似性:路由装饰器替代
AI Agent开发
结合你的 Spring Boot 背景和 AI 开发目标,我把对照和**流式响应(AI 项目核心)**重点标出来。
本文介绍了ORM(对象关系映射)技术及其在FastAPI中的异步实现。主要内容包括:1. ORM概念与优势:通过对象操作数据库,减少SQL编写,提高开发效率;2. 异步ORM配置:使用SQLAlchemy+aiomysql搭建异步数据库环境;3. 核心操作流程:模型定义→自动建表→CRUD实现(包含条件查询、分页、聚合等高级用法);4. FastAPI集成:通过依赖注入管理数据库会话,实现路由与O
说实话,我是大专学历,之前做辅警,全靠碎片时间自学。这是我第一个完整的开源项目,也是我转行的作品集。我知道它还很粗糙,但比起闷头学,我更希望把它拿出来,让真正在一线的前辈们帮我看看。前端写过Vue,后端最近刚把FastAPI + SQLAlchemy跑通,AI部分目前主要是调商业大模型API。3. 安全性方面,我目前只做了JWT + tenant_id过滤,还有哪些常见的Web安全措施是应该加上的
大模型应用的开发,本质上是从“追求绝对确定性的传统编程(Deterministic Programming)”,向“包容不确定性的概率编程(Probabilistic Programming)”的跃迁。LangGraph 的核心价值,在于它没有试图去消灭大模型的不确定性,而是为这种不确定性搭建了一套坚固的控制脚手架。它用 State 容纳记忆,用图结构限制边界,用人类在环和时间旅行筑起安全与调试的
如果说 LCEL(LangChain 表达式语言)将大模型应用开发带入了“声明式流水线”时代,那么的出现,则彻底将开发者从线性思维中解放出来,推向了“复合 AI 系统(Composite AI Systems)”的终极形态。在 2026 年的今天,任何稍微复杂的商业级 Agent 都不可能只是一条单向流动的线。它需要反复的自我纠错、多步的工具路由、甚至在必要时停下来等待人类的介入。这一切的底层底座
当你在本地启动 LCEL 或 LangGraph 任务时,只需配置一行环境变量,LangSmith 就会将整个 Agent 的执行拓扑、每一个节点的输入/输出、Token 消耗、延迟、甚至是 Tool 调用的原始 Payload,以可视化的树状图形式完全呈现在你面前。# 开启工业级可观测性的三个环境变量有了 LangSmith,企业架构师第一次拥有了对 AI 工作流的绝对掌控力。调试一个复杂的、包
Claude Code 提供了多达 25 个生命周期钩子(Lifecycle Hooks)。在你的配置中绑定钩子,可以让 Claude 每次自动改完代码后,在后台悄悄自动触发"hooks": {如果说传统的 IDE AI 助手是停留在画布上的精美素描,那么就是直接开进代码库底层的装甲挖掘机。它依托于 Unix 哲学的极简主义,用最轻量的状态机制换取了最极致的推理自由度。通过精心维护的CLAUDE.
要用好 Codex,首先需要理解它与传统 AI 聊天工具在底层架构上的本质区别。传统的对话大模型是“单次触发式”的,而 Codex 是一个基于状态机的全自动循环系统。全新 Codex 引擎的本质并不是一个简单的代码生成器,而是一个能够自主调用工具、自主搜集上下文、并在人类设定的规则边界内不断迭代解决问题的数字雇员。从 Suggest 模式的谨慎尝试,到 Auto Edit 模式的日常相伴,再到 F
DocForge平台是基于FastAPI实现的doc文档的操作web平台。其主要目的是为了结合ocr实现对pdf转换为word的操作。目前市面上有很多的在线转换工具,但都有一个点,转换的格式要不出错,要不识别的很烂。但是从今天开始,手把手教会你开始实现一个基于自己的本地端结合AI在页面实现pdf的转换并实现优化和翻译等操作,本平台的开发时间会很长,更多的是对系统的开发的梳理,在篇幅完结的时候将项目
这篇文章摘要: 本文系统介绍了FastAPI框架的完整知识体系,主要内容包括: 基础路由与请求处理 环境搭建与第一个FastAPI应用 路径参数、查询参数的处理 HTTP方法(GET/POST等)的使用 数据验证与序列化 Pydantic模型基础 请求体与表单数据处理 响应模型与字段过滤 高级特性 依赖注入系统 异常处理与统一响应格式 中间件工作机制 异步编程与后台任务 安全机制 OAuth2与J
)不是那种"一键出稿"的代写工具,它更像是一个陪你走完全程的论文搭子:选题它帮你想、大纲它帮你搭、文献它帮你找、格式它帮你调。它不替你思考,但它帮你把思考的路铺平。微信公众号搜一搜书匠策AI*直接上手。别再一个人硬扛了,让AI当你的"论文辅助",把精力留给真正需要你动脑的部分吧。💪(本文为论文写作科普,请合理使用工具,遵守学术规范。
作用:限定变量/参数属于多种类型之一;Python 写法:T1 | T2简写;T | None,专门处理可空场景;运行时用判断实际类型;多用于类型注解、接口参数、数据模型(如 Pydantic)。usernamerolephone等非敏感信息Header 和 Payload 只是 Base64 编码,不是加密!可直接解码查看绝对不要放:密码、密钥、银行卡等敏感数据。JWT 是无状态身份令牌,由头部
这是一个处理取消收藏功能的代码实现,包含数据层和路由层两个部分。数据层通过remove_news_favorite函数执行SQL删除操作,移除指定用户和新闻的收藏记录;路由层提供DELETE接口,验证用户身份后调用数据层函数,并根据操作结果返回成功响应或404错误。整个流程实现了用户取消收藏新闻的功能,包含身份验证和错误处理机制。
摘要:本文介绍了一款智能房屋租赁平台“智租”(SmartRent)的设计与实现,采用前后端分离架构,以Python FastAPI为核心,结合MySQL与Dify.ai大模型引擎,构建了涵盖房源管理、租客匹配、订单追踪及AI辅助等全流程的数字化解决方案。文章从系统架构、数据模型、核心功能及AI赋能机制四个维度展开分析,重点探讨了异步数据库管理、RESTful API设计、AI生成房源描述和智能客服
本文系统性地介绍了FastAPI技术栈的核心架构与组件关系。主要内容包括: 整体架构:FastAPI框架通过ASGI协议与Uvicorn服务器通信,形成"应用层-协议层-服务器层"解耦的三层结构。 核心组件: FastAPI基于Starlette(提供路由/请求处理等基础能力)和Pydantic(实现数据校验) Uvicorn服务器采用uvloop(高性能事件循环)和httptools(HTTP协
大家好!我是一名Python初学者,最近刚完成了一个比较完整的项目——MovieRec电影推荐与评价系统。回想几个月前,我还是只会写简单Python脚本的小白,没想到现在能做出一个从前端到后端、从数据库到AI的全栈项目。今天我把整个过程和代码经验分享出来,希望能给同样在学习路上的你一些启发和信心。项目源码已整理好,需要的同学可以按文末的方式获取。那我们开始吧!
摘要:本文详细介绍了FastAPI框架的核心特性及使用方法,重点对比了FastAPI与Flask、Django的性能、异步支持、数据验证等维度差异。内容涵盖FastAPI基本使用(项目创建、路由定义、参数处理)、响应类型设置(JSON/HTML/文件等)、异常处理机制、中间件应用以及依赖注入等高级功能。通过具体代码示例展示了路径参数、查询参数和请求体参数的处理方式,并解析了Pydantic模型在数
随着数字阅读和实体书籍租赁业务的快速发展,传统的人工管理方式已无法满足日益增长的租赁业务需求。小说作为最受欢迎的图书品类之一,其租赁业务具有借阅频繁、周转率高的特点。开发一套专业化的小说租赁管理系统,能够有效提升管理效率、降低运营成本、改善用户体验。功能描述: 为图书生成简洁的内容摘要,帮助用户快速了解书籍内容输入参数: 图书基本信息、内容简介、章节结构输出结果: 结构化的图书摘要,包含核心情节、
本文基于真实项目Precruit(简历与招聘智能匹配平台)的部署实践,详细介绍了在阿里云函数计算(FC)平台上部署全栈应用的全流程。主要内容包括:1. 后端FastAPI部署:自定义运行时配置、环境变量管理、依赖安装;2. 前端Vue部署:构建配置、静态文件服务、环境变量注入;3. 自定义域名配置:DNS解析、路由规则设计;4. 前后端联调:CORS处理、API路径匹配;5. 安全实践:敏感信息与
本文展示了FastAPI项目中新闻模块的实现代码,包括路由层、CRUD操作层和数据模型层。 路由层(routers/news.py)包含两个接口: 获取新闻列表接口:支持按分类ID分页查询,返回列表数据、总量和是否有更多数据 获取新闻详情接口:查询新闻详情,并附带浏览量和相关推荐新闻 CRUD操作层(crud/news.py)实现了: 新闻列表分页查询 新闻数量统计 新闻详情查询 浏览量更新 相关