
Python 使用 PyMySQL 操作 MySQL 数据库增删改查指南
Python 中使用 PyMySQL 库连接和操作 MySQL 数据库的完整流程。内容包括环境安装、连接参数配置、游标类型选择、增删改查(CRUD)的具体代码实现以及事务管理和错误处理机制。文章强调了参数化查询防止 SQL 注入的重要性,并提供了批量操作、上下文管理器使用等最佳实践,旨在帮助开发者构建安全、高效的数据库交互方案。
博客作者
这位作者暂未填写个人简介。
162
已发布文章
0
博客获赞
3.9K
博客浏览
第 7 页

Python 中使用 PyMySQL 库连接和操作 MySQL 数据库的完整流程。内容包括环境安装、连接参数配置、游标类型选择、增删改查(CRUD)的具体代码实现以及事务管理和错误处理机制。文章强调了参数化查询防止 SQL 注入的重要性,并提供了批量操作、上下文管理器使用等最佳实践,旨在帮助开发者构建安全、高效的数据库交互方案。
详细阐述了在 Flutter 开发中如何移除导航栈中的指定页面。针对标准 Navigator 无法直接通过名称删除路由的痛点,介绍了利用 RouteObserver 监听路由变化并维护历史栈的方法。内容涵盖基于 GetX 框架的实现扩展,以及原生 Navigator 的替代方案,分析了不同场景下的边界条件与最佳实践,帮助开发者构建更灵活的页面跳转逻辑。

16 个实用的 Python 编程技巧,包括三元运算符、枚举、压缩函数、列表生成式、Lambda 函数、any/all 函数、itertools 模块、生成器、装饰器、可变参数、动态导入、字典生成式、可调用对象、数字格式化、字典合并及可变对象特性。每个技巧均配有代码示例和说明,旨在帮助开发者写出更简洁、高效的 Python 代码,提升开发效率与代码质量。

在 Windows 系统下安装 Python 环境的完整流程,包括从官网下载、安装时配置环境变量、验证安装状态、配置 Pip 包管理器及国内镜像源的使用。此外还补充了虚拟环境的创建方法、依赖管理及常见报错的解决方案,帮助开发者快速搭建可用的 Python 开发基础环境。

详细阐述了 AI 大模型开发的技术体系与学习路径。内容涵盖机器学习与深度学习基础理论、Python 编程核心技能、数据处理与可视化方法、主流深度学习框架(PyTorch/TensorFlow)的使用、模型训练与部署全流程、以及 NLP 与 CV 等典型应用场景。文章强调持续学习与开源实践的重要性,为开发者提供了从入门到实战的系统性指导。

LLaMA-Pro 是一种新型后预训练方法,通过在现有大型语言模型中添加额外的 Transformer 块来增强特定领域性能。该方法利用身份块(Identity Block)在初始化时保持恒等映射,确保不牺牲原有通用能力。通过冻结原始块并仅微调新增块,结合指令微调,模型在编程、数学及通用任务上表现优异。相比传统指令调优和参数高效微调,LLaMA-Pro 有效…

探讨了利用 Python 技能进行兼职接单的可行路径。内容涵盖主流接单平台分析(如猪八戒、一品威客等)、常见项目类型(爬虫、自动化、数据分析)、标准接单流程(沟通、报价、开发、验收)以及风险控制策略。重点介绍了如何制定合理报价、防范需求蔓延及法律合规问题,帮助开发者建立稳定的副业收入体系。

基于微软研究报告,详细阐述了 RAG 及数据增强型 LLM 应用的四个任务级别:基于显式事实、隐式事实、可解释原理及隐藏原理的查询。文章分析了各层级的定义、特点、示例及适用场景,并针对 Level-1 至 Level-4 的不同技术挑战提出了相应的解决方案,包括基础 RAG、高级检索模块、提示工程优化、智能体系统及模型微调等技术路径。此外,还总结了上下文注入…

探讨了利用预训练语言模型(PLMs)优化序列推荐系统的方法。研究发现,直接利用 PLMs 强大的序列建模能力存在参数冗余,且原始语义信息与用户行为信号存在冲突。腾讯团队提出一种简单高效的方式:使用推荐行为数据预训练微调语言模型,利用其编码得到的物品 Embedding 初始化 ID Embedding,以补充语义信息。实验表明,该方法在随机负采样及全量排序设…

MiniRAG 是一种针对小型语言模型优化的检索增强生成系统。它利用语义感知异构图索引和轻量级拓扑增强检索技术,在资源受限环境下实现接近大型语言模型的性能。系统通过构建包含文本块和实体节点的异构图,结合启发式搜索路径发现,有效解决了小模型在多跳推理中的性能退化问题。实验表明,MiniRAG 在合成通信数据和新闻数据集上表现优异,且存储空间需求仅为大型模型的…

RAG 技术通过检索增强生成,解决了大模型知识局限性和幻觉问题。其核心流程包括索引构建、查询检索和内容生成。索引阶段将文本向量化存储;检索阶段匹配用户查询与知识库;生成阶段利用上下文输出答案。该架构提升了准确性、时效性和可扩展性,是 AI 2.0 时代的关键应用。

在 Proxmox VE 虚拟化环境中配置 NVIDIA 显卡直通的具体步骤,包括宿主机 IOMMU 开启、VFIO 模块加载、内核参数调整以及虚拟机内显卡驱动的安装与验证。通过该方案可实现物理显卡资源直接分配给 AI 计算任务,为本地运行大语言模型提供必要的硬件加速支持,并包含常见故障排查建议。

分享了字节跳动 AI 产品经理岗位的三轮面试经验,涵盖自我介绍、岗位认知、项目经历及竞品分析等核心问题的回答策略。内容包含面试官考察意图解析、回答结构建议以及避坑指南,旨在帮助求职者提升面试表现,掌握从用户中心到数据驱动的产品思维,并了解技术背景在产品岗中的优势转化方法。文章详细拆解了十大常见面试题,补充了面试准备通用建议,包括技术理解、业务落地、数据敏感度…

大语言模型应用通常依赖公共 API,但缺乏应用级信息导致端到端性能次优。微软亚洲研究院提出 Parrot 系统,通过引入语义变量和构建有向无环图(DAG),实现了请求间的依赖分析与优化。该系统解决了网络延迟、调度目标错位及重复计算三大问题,支持异步执行、性能目标反向传播及动态共享前缀等技术。评估显示 Parrot 可带来高达 11.7 倍的性能优化,为 LL…

LangChain 框架的核心概念、工作原理及实战应用。内容涵盖 LangChain 的模块化设计、五大核心组件(Model、Prompt、Chain、Agent、Memory)详解,以及基于 Python 的代码示例。文章详细演示了如何搭建环境、使用 LLM 包装器、构建提示模板、组合链、处理向量存储与嵌入,以及创建智能代理。最后对比了 LangChain…

基于大语言模型开发应用接口的完整流程。首先分析了 LLM 的多轮对话、Zero-Shot、代码及图形理解等核心能力,并阐述了结构化与非结构化数据的区别及转换方案。接着深入讲解了 LangChain 框架的核心组件,包括 Prompt、LLM、OutputParser 及 Chain 的合成方法。通过 Azure ChatOpenAI 示例展示了如何构建情感分…

AI Agent 框架利用语言模型作为推理引擎,强调自主发现问题、确定目标、执行方案的特性。核心组件包括规划、记忆和工具。详细讲解了 Chain-of-Thought (CoT) 和 ReAct 框架的工作原理及模板,展示了如何通过 TypeScript 代码构建简单的 ReAct Agent,实现工具调用和执行循环。文章探讨了工具函数声明的生成方案,包括手…

提示工程是通过设计特定指令来引导语言模型生成高质量输出的技术。提示的核心要素,包括任务、指令和角色,并系统梳理了多种提示技术,如零样本、少样本、思维链、自洽性、种子词及知识整合等。文章提供了各类场景下的具体应用示例,涵盖文本生成、摘要、分类、情感分析及对话模拟等。此外,还总结了提示工程的通用最佳实践,帮助开发者更有效地控制模型行为,解决实际业务问题。

系统介绍了 AI 大模型开发的全链路知识体系,涵盖机器学习与深度学习理论基础、Python 编程进阶、数据处理与可视化、主流框架(PyTorch/TensorFlow)实战、模型训练与部署流程、典型应用场景(NLP/CV/推荐)以及持续学习路径。内容包含具体代码示例与技术细节,旨在帮助开发者建立完整的技术认知,从系统设计、提示词工程到模型微调与行业应用,提供…

探讨了 LangChain 中 VectorStoreRetriever 使用 FAISS 向量库时,相似度阈值过滤失效的问题。通过分析源码发现,search_type 参数(similarity 与 similarity_score_threshold)与距离策略(DistanceStrategy)不匹配会导致过滤逻辑错误。欧氏距离需配合 similari…