一、MD文档生成测试用例实战Dify 中 迭代与循环的区别:
特性
迭代 (Iteration)
循环 (Loop)
核心定义
针对列表/数组数据中的每一项逐个执行相同的操作。
根据条件判断重复执行一段逻辑，直到条件不再满足。
处理对象
集合数据（如搜索结果列表、文档切片）。
逻辑状态（如“重试直到成功”、“递归搜索”）。
执行次数
预先确定的（等于列表中元素的数量）。
动态确定的（取决于条件何时满足，可能陷入死循环）。
典型场景
批量翻译一组句子、对搜索出的 5 条新闻分别做摘要。
引导 Agent 反思改进输出、不断重试 API 调用直到返回正确结果。
数据关系
每一项处理通常是独立的（也可配置为累积）。
后一次循环往往依赖前一次的结果或状态。
工作流运行效果
代码执行执行代码代码执行输出变量名称需要与执行代码中return 出来的值一致
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152from p ...
一、MCP1. 什么是MCP？MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 在 2024 年底推出的一种开放协议，被誉为 AI 领域的“USB 接口”。
它标准化了人工智能模型（LLM）与外部数据源、工具、开发环境（如本地文件、数据库、GitHub）的连接方式，旨在解决碎片化集成痛点，让 AI Agent 能像人类一样通过“手脚”访问和操作数据。
核心概览：
定义： 一种开放通信协议，旨在统一 AI 大模型与外部环境的对接标准。
类比：
USB接口： 一种通用的“插口”，让 LLM 轻松连接不同的软件和数据源。
AI 的手脚： 将 LLM 仅作为“说话的机器”提升为可以操作外界的 Agent。
应用场景：
读取私有数据： 安全访问个人或企业的本地文档、数据库。
工具调用： 执行编写代码、预订航班、更新 CRM 等具体动作。
上下文增强： 使模型获得最新的实时数据或深入的背景信息。
优势： 相比碎片化的集成，MCP 更安全（数据可保留在本地）、标准统一、减少适配成本。
MCP 的关键优势在于它提供了一种安全且标准化的一对多解决 ...
写提示词的大模型: gemini
1. 工作流-图片文字提取大模型图片识别提示词通过 gemini 生成，提示词如下：
图片文字提取 提示词
Role你是一位拥有 20 年经验的高级 OCR（光学字符识别）专家，精通多种语言、复杂排版及各类手写体识别，能够以极高的准确度还原图片中的文本信息。Task请完整、精确地提取所提供图片中的所有文字内容，并保持其逻辑结构。Rules & Constraints忠实原意：严禁对图片文字进行总结、修改或拼写纠错。无论原图文字是否有误，均按视觉呈现原样输出。结构还原：保持段落分明，确保标题、正文、列表、脚注的层次感。若有表格，请使用 Markdown 表格格式还原。若有分栏排版，请按人类正常阅读顺序（从左到右，从上到下）排列。视觉标注：无法辨认的模糊字符请使用 [?] 代替。图片中的特殊符号或图标，可用文字描述（例如：[检查框已勾选]）。负面约束：不要输出诸如“好的，这是我为你识别的文字”之类的开场白。不要输出任何关于图片质量的评价。严禁忽略图片边缘的小字或水印文字（除非特别要求） ...
一、Dify平台简介Dify是一款开源的AI助手平台，旨在为用户提供一个便捷的环境来构建和部署AI助手。它支持多种AI模型和框架，具有高度的可扩展性和灵活性。通过Docker部署Dify平台，可以简化安装和配置过程，提高系统的稳定性和可维护性。
Dify平台简介
Dify 是一款开源的大语言模型( LLM ) 应用开发平台。它融合了后端即服务（ Backend as Service ）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员,也能参与到 AI 应用的定义和数据运营过程中。由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API 。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。Dify 是开源的，它由一个专业的全职团队和社区共同打造。你可以基于任何模型自部署类似 Assistants API 和 ...
一. 解决 安装 wsl2 失败错误 0x80370114 解决 失败错误 `0x80370114`
1. 错误 0x80370114 的根源分析0x80370114本质上表示系统无法正确初始化WSL 2所需的虚拟机环境。Windows Subsystem for Linux第二代架构依赖Hyper-V虚拟化技术，但很多电脑出厂时为了兼容性考虑，默认关闭了相关功能模块。这就好比你要用微波炉加热食物，却发现电源插座根本没通电——不是微波炉坏了，只是能量供给没到位。常见触发场景包括：全新安装的Windows系统未进行虚拟化配置BIOS/UEFI中未开启硬件虚拟化支持（Intel VT-x/AMD-V）系统曾安装过其他虚拟化软件导致功能冲突Windows功能组件被意外修改或损坏2. 启用虚拟机监控程序的完整指南2.1 BIOS/UEFI层面的设置在Windows里折腾之前，首先要确保硬件基础支持。我遇到过不少案例，用户按照网上的教程操作了半天，最后发现是BIOS设置的问题。不同品牌主板的进入方式略有差异：联想/ThinkPad：开机 ...
问题背景在最近的性能测试项目中，需要生成10万条测试数据并写入数据库。这是一个典型的批量数据处理场景。
解决方案1. 数据生成优化使用Python的Faker库生成测试数据，但要注意内存使用：1234567891011from faker import Fakerimport itertoolsdef generate_data_batch(batch_size=1000): fake = Faker('zh_CN') for _ in range(batch_size): yield { 'name': fake.name(), 'email': fake.email(), 'created_at': fake.date_time_this_year() }
2. 批量写入策略
MySQL: 使用executemany()配合批量提交
PostgreSQL: 使用COPY命令，速度 ...
断言的重要性在接口自动化测试中，断言是验证接口响应正确性的关键环节。
常见断言问题1. 硬编码断言123# 不推荐assert response['code'] == 200assert response['data']['name'] == '张三'
2. 动态数据断言对于动态生成的数据（如ID、时间戳），需要使用模式匹配：12345import re# 验证UUID格式assert re.match(r'^[0-9a-f]{8}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{12}$', response['data']['id'])
优化方案1. 使用JSON Schema验证123456789101112from jsonschema import validates ...
生成摘要
🙄引用站外地址，不保证站点的可用性和安全性
hexo-ai-summary
基于hexo-ai-excerpt插件开发而来
安装插件12npm install hexo-ai-summary-liushen --savenpm install axios p-limit node-fetch --save
配置插件在 hexo 的 _config.yml 中添加以下配置：
1234567891011121314151617181920212223242526# hexo-ai-summary-liushen# docs on : https://github.com/willow-god/hexo-ai-summaryaisummary: # 基本控制 enable: true # 是否启用插件，如果关闭，也可以在文章顶部的is_summary字段单独设 ...
在 Pycharm 中配置 PySide 的快捷入口,可以行方便的进行文件转换
配置 Pycharm 前,请确保已经安装了 PySide6
PySide6-Designer 是 PySide6 的可视化设计工具,可以通过拖拽控件的方式快速设计界面,并生成对应的代码pyuic 是将 .ui 文件转换为 .py 文件的工具, .ui 文件是通过 PySide6-Designer 设计的界面文件pyrcc 是将 .qrc 文件转换为 .py 文件的工具, .qrc 文件是通过 PySide6-Designer 设计的资源文件
1. 配置 PySide6-Designer
123程序: /Users/pupper/Documents/CuteAide/.venv/bin/pyside6-designer实参: 不填工作目录: $ProjectFileDir$
2. 配置 pyuic
123程序: /Users/pupper/Documents/CuteAide/.venv/bin/pyside6-uic实参: $FileName$ -o $FileNameWithoutExtension$ ...
🙄引用站外地址，不保证站点的可用性和安全性
PySide6 实现毛玻璃背景
github 项目
1.效果展示
2.安装1pip install BlurWindow
3.使用1234567891011121314151617181920212223import sysfrom PySide2.QtWidgets import *from PySide2.QtCore import *from BlurWindow.blurWindow import GlobalBlurclass MainWindow(QWidget): def __init__(self): super(MainWindow, self).__init__() self.setAttribute(Qt.WA_TranslucentBackground) ...
