为什么不推荐在 Django 的orm查询中使用 .first()查询唯一记录

学习 

Django是一个流行的Python框架,其ORM(对象关系映射)简化了数据库交互。对于查询唯一记录,推荐使用.get()而不是.first(),因为.first()会引入不必要的排序操作,可能影响性能。然而,如果查询字段有索引,排序的性能开销通常可以忽略。Django的ORM允许开发者使用Python代码操作数据库,无需编写复杂的SQL语句。在设置中开启ORM查询的SQL日志,可以方便地查看生成的SQL语句。总体而言,Django的ORM提供了便捷的数据操作方式。

基于Reflex开发一个图片风格转换demo(1)

学习 

本文介绍了基于Python的Web开发框架Reflex的介绍和使用过程。首先强调了其对纯Python的开发模式的特点,适用于熟悉Python但对前端开发不太熟悉的人员。介绍了安装过程、初始化项目步骤、运行过程等。文章还提到了使用Reflex开发一个图片风格转换demo的过程,并指出了一些可能遇到的问题和解决方案。最后,文章鼓励读者关注作者公众号以获取更多内容。

竟然这么多人用类型提示来写python!


文章讨论了Python中的类型提示的重要性和实际应用情况。文章回顾了PEP 484提案,该提案为Python引入了静态类型检查的能力,以提高代码的可读性和质量。文章还分享了JetBrains、Meta和Microsoft联合进行的一项关于Python类型系统的调查数据,显示越来越多的开发者在日常工作中使用类型提示。文章最后鼓励读者分享对Python中使用类型提示的看法和经验。

你这个django正不正宗,怎么看起来像flask?

学习 

小琪和小胖尝试使用新的工具nanodjango来简化Django应用开发。nanodjango允许在一个文件中完成整个Django应用,包括模型、视图和管理后台。他们展示了如何使用nanodjango快速构建计数器应用,并介绍了其支持API、异步视图和管理后台的特性。他们还讨论了如何将nanodjango集成到日常工作中,并展示了其潜力。文章关键词包括python、Django、开源等。

fast-graphrag 探索(4)- 我把模型服务干崩了!

学习 

本文描述了使用fast-graphrag模型处理研报数据的过程中遇到的问题及解决方法。首先,文章介绍了初试牛刀阶段遇到的问题,主要是模型处理结果出乎意料,经过检查发现是因为参数设置不当导致的。接着,文章描述了抽丝剥茧找到症结的过程,并进行了代码修改。然后,文章提及了并发量过高导致的问题,通过限制并发量解决了问题。最终,作者成功解决了所有问题,对成果感到欣慰。文章关键词为python、fast-graphrag探索、AI、rag、开源。

大升级!LLM应用监控、测试、优化一步到位!

学习 

本文介绍了使用langfuse工具在开发基于检索增强生成(RAG)模型应用时的监控追踪方法。文章详细描述了langfuse的功能,包括LLM可观测性、提示管理、LLM评估、数据集管理等。文章还介绍了langfuse最近的v3.0.0大版本升级,包括新引入的Async Worker、Redis、Clickhouse和S3 / Blob Storage等技术,并解释了选择这些技术的理由。此外,文章还展示了如何使用langfuse进行trace、提示词管理,并总结了langfuse在LLM应用开发生态系统中的作用。最后,文章呼吁读者关注公众号并分享使用langfuse的经验和想法。

腾讯云智能结构化OCR实战:从图片到结构化数据的高效转换

学习 

本文介绍了作者使用腾讯云智能结构化OCR服务的实战体验。文章首先描述了作者的需求背景,即汇总多个理财子公众号发布的理财产品的数据。由于遇到一些识别不准确和费用较高的问题,作者尝试使用腾讯云的智能结构化OCR服务,并详细介绍了其特点和优势。文章还包含了价格的讨论、SDK的安装、代码示例、验证和web部署等部分。整体上,文章总结了腾讯云智能结构化识别相较于传统OCR的优势,并鼓励读者分享自己的经验和看法。摘要: 本文讲述了作者使用腾讯云智能结构化OCR服务进行理财产品的数据汇总的实战体验。文章详细描述了腾讯云智能结构化OCR的特点和优势,包括其高效、精准的数据提取和结构化处理能力。作者通过示例代码和验证过程展示了如何使用腾讯云智能结构化OCR服务,并提供了web部署的简要说明。本文旨在帮助读者了解腾讯云智能结构化OCR的实用性和便捷性,并鼓励分享自己的经验和看法。

微软开源的处理工具 - markitdown

学习 

微软最近开源了一个名为markitdown的Python工具,能够将多种文件格式(包括PDF、PowerPoint、Word、Excel等)转换为Markdown格式。除了基本转换功能外,markitdown还支持调用大模型处理图像和音视频数据。该工具具有多种应用场景,如非结构化数据转换、提高模型训练效率、复杂文档解析、知识管理和团队协作、数据源集成、在线文档与静态网站构建等。此外,markitdown还支持API集成,可方便地将PDF转Markdown功能集成到内部流程、数据管道或知识管理系统中,实现全自动化处理与持续更新。这是科技前沿的一种重要工具,尤其对于需要大量处理文件和数据的场景非常有用。

fast-graphrag 探索(3)- insert

学习 

摘要:本文介绍了在Python中使用fast-graphrag进行文档插入的流程。首先介绍了state_manager属性及其相关类和实例的作用。然后详细描述了插入文档到GraphRAG时的操作步骤,包括调用state_manager的insert_start方法、读取历史数据、提取实体和关系、过滤重复数据、进行节点和边的插入操作等。文章还提到了使用embedding_service对插入的节点进行编码,生成嵌入向量,并存储在entity_storage中。最后,文章总结了整个插入流程,并预告了下一部分将介绍fast-graphrag的查询部分。

fast-graphrag 探索(2)

学习 

本文探讨了fast-graphrag的源码,重点介绍了GraphRAG类及其与BaseGraphRAG类的关系。文章解释了数据类、泛型、类型提示和依赖注入等概念,通过简单的图类示例说明了使用泛型的好处。文章还详细描述了GraphRAG类的初始化过程,包括配置类、后初始化方法、服务实例化和工作空间管理等方面的内容。最后,文章总结了本篇内容并预告了下篇将研究fast graphrag的insert策略,同时鼓励读者在评论区分享经验和看法。