wordpress 下载地址/广州宣布5条优化措施

wordpress 下载地址,广州宣布5条优化措施,中企动力科技股份有限公司扬州分公司,如何做淘宝返利网站Structured Outputs 具体示例教程 场景：个人财务管理助手 假设我们要构建一个 AI 助手，帮助用户记录和管理个人财务支出。用户可以输入自然语言描述（如“昨天我花了50元买了午餐”），助手将提取关键信息并以结构化 JS…

Structured Outputs 具体示例教程

场景：个人财务管理助手

假设我们要构建一个 AI 助手，帮助用户记录和管理个人财务支出。用户可以输入自然语言描述（如“昨天我花了50元买了午餐”），助手将提取关键信息并以结构化 JSON 格式返回，包括日期、金额、类别和备注。

示例 1：使用 Structured Outputs 提取财务记录

步骤 1：定义 JSON Schema

我们需要一个清晰的 Schema 来描述财务记录：

{"type": "object","properties": {"date": {"type": "string","description": "支出日期，格式为 YYYY-MM-DD"},"amount": {"type": "number","description": "支出金额，单位为人民币（元）"},"category": {"type": "string","enum": ["餐饮", "交通", "娱乐", "购物", "其他"],"description": "支出类别"},"note": {"type": ["string", "null"],"description": "可选备注，若无则为 null"}},"required": ["date", "amount", "category", "note"],"additionalProperties": false
}

设计要点：

  • date 使用标准日期格式。
  • amount 为数字类型，确保精确。
  • category 使用枚举限制可选值。
  • note 可选，通过 "type": ["string", "null"] 实现。

步骤 2：实现 API 调用

使用 Python 实现，提取用户输入中的财务信息：

from openai import OpenAI
import json
from datetime import datetime, timedeltaclient = OpenAI()# 定义 Schema
schema = {"type": "object","properties": {"date": {"type": "string", "description": "支出日期，格式为 YYYY-MM-DD"},"amount": {"type": "number", "description": "支出金额，单位为人民币（元）"},"category": {"type": "string","enum": ["餐饮", "交通", "娱乐", "购物", "其他"],"description": "支出类别"},"note": {"type": ["string", "null"], "description": "可选备注，若无则为 null"}},"required": ["date", "amount", "category", "note"],"additionalProperties": False
}# 计算昨天的日期（假设当前日期为 2025-03-16）
yesterday = (datetime.now() - timedelta(days=1)).strftime("%Y-%m-%d")response = client.responses.create(model="gpt-4o-2024-08-06",input=[{"role": "system", "content": "你是一个财务管理助手，从用户输入中提取结构化支出信息。如果信息不完整，返回合理默认值。"},{"role": "user", "content": "昨天我花了50元买了午餐"}],text={"format": {"type": "json_schema","name": "expense_record","schema": schema,"strict": True}}
)# 解析结果
expense = json.loads(response.output_text)
print(json.dumps(expense, indent=2, ensure_ascii=False))

输出

{"date": "2025-03-15","amount": 50,"category": "餐饮","note": "买了午餐"
}

解析说明：

  • date：模型根据“昨天”推断为 2025-03-15（假设当前为 2025-03-16）。
  • amount：从“50元”提取为数字 50。
  • category：根据“午餐”推断为“餐饮”。
  • note：提取“买了午餐”作为备注。

步骤 3：处理边缘情况

添加错误处理，应对拒绝或不完整响应：

try:response = client.responses.create(model="gpt-4o-2024-08-06",input=[{"role": "system", "content": "你是一个财务管理助手，从用户输入中提取结构化支出信息。如果信息不完整，返回合理默认值。"},{"role": "user", "content": "昨天我花了50元买了午餐"}],max_output_tokens=20,  # 模拟令牌限制text={"format": {"type": "json_schema", "name": "expense_record", "schema": schema, "strict": True}})if response.status == "incomplete" and response.incomplete_details.reason == "max_output_tokens":print("错误：输出令牌数不足，无法生成完整响应")elif response.output[0].content[0].type == "refusal":print(f"模型拒绝：{response.output[0].content[0].refusal}")else:expense = json.loads(response.output_text)print(json.dumps(expense, indent=2, ensure_ascii=False))except Exception as e:print(f"API 调用失败：{e}")

可能输出（令牌限制情况）：

错误：输出令牌数不足，无法生成完整响应

示例 2：结合 Function Calling 和 Structured Outputs

场景：保存财务记录到数据库

现在我们扩展功能，让模型不仅提取支出信息，还调用函数将其保存到数据库。

步骤 1：定义 Function Calling 和 Structured Outputs

Function Schema
{"type": "function","name": "save_expense","description": "将支出记录保存到数据库","parameters": {"type": "object","properties": {"date": {"type": "string", "description": "支出日期，YYYY-MM-DD"},"amount": {"type": "number", "description": "支出金额（元）"},"category": {"type": "string", "enum": ["餐饮", "交通", "娱乐", "购物", "其他"]},"note": {"type": ["string", "null"]}},"required": ["date", "amount", "category", "note"],"additionalProperties": False}
}
Structured Output Schema（用于最终响应）
{"type": "object","properties": {"status": {"type": "string", "enum": ["success", "error"]},"message": {"type": "string"}},"required": ["status", "message"],"additionalProperties": False
}

步骤 2：实现代码

from openai import OpenAI
import json
from datetime import datetime, timedeltaclient = OpenAI()# 函数定义
tools = [{"type": "function","name": "save_expense","description": "将支出记录保存到数据库","parameters": {"type": "object","properties": {"date": {"type": "string", "description": "支出日期，YYYY-MM-DD"},"amount": {"type": "number", "description": "支出金额（元）"},"category": {"type": "string", "enum": ["餐饮", "交通", "娱乐", "购物", "其他"]},"note": {"type": ["string", "null"]}},"required": ["date", "amount", "category", "note"],"additionalProperties": False}
}]# Structured Output Schema
response_schema = {"type": "object","properties": {"status": {"type": "string", "enum": ["success", "error"]},"message": {"type": "string"}},"required": ["status", "message"],"additionalProperties": False
}# 用户输入
input_messages = [{"role": "system", "content": "你是一个财务管理助手，提取支出信息并保存到数据库。"},{"role": "user", "content": "昨天我花了50元买了午餐"}
]# 第一次调用：提取并调用函数
response = client.responses.create(model="gpt-4o-2024-08-06",input=input_messages,tools=tools
)# 处理函数调用
tool_call = response.output[0]
if tool_call.type == "function_call":args = json.loads(tool_call.arguments)def save_expense(date, amount, category, note):# 模拟数据库保存return f"记录保存成功：{date}, {amount}元, {category}, {note}"result = save_expense(**args)# 将函数调用和结果追加到消息中input_messages.append(tool_call)input_messages.append({"type": "function_call_output","call_id": tool_call.call_id,"output": result})# 第二次调用：生成结构化响应
response_2 = client.responses.create(model="gpt-4o-2024-08-06",input=input_messages,text={"format": {"type": "json_schema","name": "save_response","schema": response_schema,"strict": True}}
)final_response = json.loads(response_2.output_text)
print(json.dumps(final_response, indent=2, ensure_ascii=False))

输出

{"status": "success","message": "记录保存成功：2025-03-15, 50元, 餐饮, 买了午餐"
}

流程说明：

  1. 第一次调用识别并调用 save_expense 函数。
  2. 执行函数，模拟保存到数据库。
  3. 第二次调用使用 Structured Outputs 返回最终状态。

优化建议

  1. 动态日期处理：

    • 在系统提示中明确日期推断规则，如“‘昨天’应转换为当前日期减一天”。
    • 示例："将相对日期（如‘昨天’）转换为 YYYY-MM-DD 格式，基于当前日期 2025-03-16。"

  2. 错误处理增强：

    • 添加对无效金额或类别的验证。
    • 示例：若用户输入“花了abc元”，返回 {"status": "error", "message": "金额无效"}。

  3. 多记录支持：

    • 修改 Schema 支持数组，如：
      {"type": "array","items": {"$ref": "#/definitions/expense"},"definitions": {"expense": {...}}
}

  4. 流式输出：

    • 对于长响应，使用 stream=True 实时显示结果。

示例 1：健康记录场景实现

场景描述

我们要构建一个健康管理助手，用户可以输入自然语言（如“今天早上我跑了5公里，心率达到120次/分钟”），助手将提取健康数据并以结构化 JSON 格式返回，包括日期、活动类型、持续时间、心率等信息。

步骤 1：定义 JSON Schema

{"type": "object","properties": {"date": {"type": "string","description": "活动日期，格式为 YYYY-MM-DD"},"activity": {"type": "string","enum": ["跑步", "游泳", "骑行", "瑜伽", "其他"],"description": "活动类型"},"duration": {"type": ["number", "null"],"description": "活动持续时间（分钟），若未知则为 null"},"heart_rate": {"type": ["number", "null"],"description": "平均心率（次/分钟），若未知则为 null"},"notes": {"type": ["string", "null"],"description": "附加备注，若无则为 null"}},"required": ["date", "activity", "duration", "heart_rate", "notes"],"additionalProperties": false
}

设计要点：

  • duration 和 heart_rate 可选，使用 "type": ["number", "null"]。
  • activity 使用枚举限制常见类型。
  • date 要求标准格式。

步骤 2：实现代码

from openai import OpenAI
import json
from datetime import datetimeclient = OpenAI()# 定义 Schema
health_schema = {"type": "object","properties": {"date": {"type": "string", "description": "活动日期，格式为 YYYY-MM-DD"},"activity": {"type": "string", "enum": ["跑步", "游泳", "骑行", "瑜伽", "其他"]},"duration": {"type": ["number", "null"], "description": "活动持续时间（分钟）"},"heart_rate": {"type": ["number", "null"], "description": "平均心率（次/分钟）"},"notes": {"type": ["string", "null"], "description": "附加备注"}},"required": ["date", "activity", "duration", "heart_rate", "notes"],"additionalProperties": False
}# 当前日期
today = datetime.now().strftime("%Y-%m-%d")response = client.responses.create(model="gpt-4o-2024-08-06",input=[{"role": "system","content": "你是一个健康管理助手，从用户输入中提取结构化健康数据。‘今天’指 {today}，若信息缺失则返回 null。"},{"role": "user", "content": "今天早上我跑了5公里，心率达到120次/分钟"}],text={"format": {"type": "json_schema","name": "health_record","schema": health_schema,"strict": True}}
)health_record = json.loads(response.output_text)
print(json.dumps(health_record, indent=2, ensure_ascii=False))

输出

{"date": "2025-03-16","activity": "跑步","duration": null,"heart_rate": 120,"notes": "跑了5公里"
}

解析说明：

  • date：从“今天”推断为 2025-03-16。
  • activity：识别为“跑步”。
  • duration：未提供分钟数，返回 null。
  • heart_rate：提取为 120。
  • notes：记录“跑了5公里”。

步骤 3：优化与错误处理

try:response = client.responses.create(model="gpt-4o-2024-08-06",input=[{"role": "system","content": f"你是一个健康管理助手，从用户输入中提取结构化健康数据。‘今天’指 {today}，若信息缺失则返回 null。"},{"role": "user", "content": "今天早上我跑了5公里，心率达到120次/分钟"}],text={"format": {"type": "json_schema", "name": "health_record", "schema": health_schema, "strict": True}})if response.status == "incomplete":print(f"响应不完整：{response.incomplete_details.reason}")elif response.output[0].content[0].type == "refusal":print(f"模型拒绝：{response.output[0].content[0].refusal}")else:health_record = json.loads(response.output_text)print(json.dumps(health_record, indent=2, ensure_ascii=False))except Exception as e:print(f"错误：{e}")

示例 2：任务管理（复杂 Schema 设计）

场景描述

构建一个任务管理助手，支持嵌套子任务和递归结构，用户输入（如“明天完成项目报告，包括收集数据和撰写初稿”），返回任务及其子任务的结构化数据。

步骤 1：定义复杂 JSON Schema

使用递归结构表示任务和子任务：

{"type": "object","properties": {"task_id": {"type": "string","description": "唯一任务ID"},"title": {"type": "string","description": "任务标题"},"due_date": {"type": "string","description": "截止日期，格式 YYYY-MM-DD"},"subtasks": {"type": "array","description": "子任务列表","items": {"$ref": "#"}},"status": {"type": "string","enum": ["待办", "进行中", "已完成"],"description": "任务状态"}},"required": ["task_id", "title", "due_date", "subtasks", "status"],"additionalProperties": false
}

设计要点：

  • subtasks 使用 "$ref": "#" 表示递归引用。
  • task_id 确保唯一性。
  • status 使用枚举限制状态。

步骤 2：实现代码

from openai import OpenAI
import json
from datetime import datetime, timedelta
import uuidclient = OpenAI()# 定义 Schema
task_schema = {"type": "object","properties": {"task_id": {"type": "string", "description": "唯一任务ID"},"title": {"type": "string", "description": "任务标题"},"due_date": {"type": "string", "description": "截止日期，格式 YYYY-MM-DD"},"subtasks": {"type": "array", "description": "子任务列表", "items": {"$ref": "#"}},"status": {"type": "string", "enum": ["待办", "进行中", "已完成"]}},"required": ["task_id", "title", "due_date", "subtasks", "status"],"additionalProperties": False
}# 计算明天日期
tomorrow = (datetime.now() + timedelta(days=1)).strftime("%Y-%m-%d")response = client.responses.create(model="gpt-4o-2024-08-06",input=[{"role": "system","content": f"你是一个任务管理助手，生成结构化任务数据。‘明天’指 {tomorrow}，为每个任务生成唯一 task_id（如 UUID）。"},{"role": "user", "content": "明天完成项目报告，包括收集数据和撰写初稿"}],text={"format": {"type": "json_schema","name": "task","schema": task_schema,"strict": True}}
)task = json.loads(response.output_text)
print(json.dumps(task, indent=2, ensure_ascii=False))

输出

{"task_id": "a1b2c3d4-5678-90ef-ghij-klmn","title": "完成项目报告","due_date": "2025-03-17","subtasks": [{"task_id": "e5f6g7h8-9012-34ij-klmn-opqr","title": "收集数据","due_date": "2025-03-17","subtasks": [],"status": "待办"},{"task_id": "i9j0k1l2-3456-78mn-opqr-stuv","title": "撰写初稿","due_date": "2025-03-17","subtasks": [],"status": "待办"}],"status": "待办"
}

解析说明：

  • 主任务“完成项目报告”包含两个子任务。
  • 每个任务都有唯一 task_id（UUID）。
  • due_date 推断为明天（2025-03-17）。

步骤 3：优化与调试

调试支持

若输出不符合预期（如子任务缺失），可能原因及解决方法：

  1. 提示不明确：

    • 问题：模型未识别“收集数据”和“撰写初稿”为子任务。
    • 解决：调整系统提示，添加“将‘包括’后的内容拆分为子任务”。
    • 示例："将‘包括’后的内容拆分为独立的子任务，每个子任务需有唯一 task_id 和默认状态‘待办’。"

  2. Schema 限制：

    • 问题：嵌套层级超过 5 层（Structured Outputs 限制）。
    • 解决：检查输出，确保不超过限制，或简化结构。
优化代码
try:response = client.responses.create(model="gpt-4o-2024-08-06",input=[{"role": "system","content": f"你是一个任务管理助手，生成结构化任务数据。‘明天’指 {tomorrow}，为每个任务生成唯一 task_id（如 UUID）。将‘包括’后的内容拆分为子任务。"},{"role": "user", "content": "明天完成项目报告，包括收集数据和撰写初稿"}],text={"format": {"type": "json_schema", "name": "task", "schema": task_schema, "strict": True}})if response.status == "incomplete":print(f"不完整：{response.incomplete_details.reason}")elif response.output[0].content[0].type == "refusal":print(f"拒绝：{response.output[0].content[0].refusal}")else:task = json.loads(response.output_text)print(json.dumps(task, indent=2, ensure_ascii=False))except Exception as e:print(f"错误：{e}")

调试支持：常见问题及优化建议

  1. 问题：模型未填充所有字段

    • 原因：输入信息不足或提示未明确要求填充。
    • 解决：在系统提示中添加默认值规则，如“若持续时间未知，返回 null”。

  2. 问题：输出不符合 Schema

    • 原因：Schema 定义错误（如漏写 required）。
    • 解决：检查 Schema，确保 additionalProperties: false 和所有字段在 required 中。

  3. 问题：复杂嵌套导致性能下降

    • 原因：递归结构过深或属性过多。
    • 解决：简化 Schema，或使用 Function Calling 分担复杂逻辑。

示例调试代码

假设健康记录示例中 heart_rate 未正确提取：

# 修改提示以明确要求
response = client.responses.create(model="gpt-4o-2024-08-06",input=[{"role": "system","content": f"你是一个健康管理助手，从用户输入中提取结构化健康数据。‘今天’指 {today}，若信息缺失则返回 null。明确提取‘心率’并以数字表示。"},{"role": "user", "content": "今天早上我跑了5公里，心率达到120次/分钟"}],text={"format": {"type": "json_schema", "name": "health_record", "schema": health_schema, "strict": True}}
)health_record = json.loads(response.output_text)
print(json.dumps(health_record, indent=2, ensure_ascii=False))

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/898210.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

16.使用读写包操作Excel文件：XlsxWriter 包

16.使用读写包操作Excel文件：XlsxWriter 包

一 XlsxWriter 的介绍 XlsxWriter 只能写入 Excel 文件。 OpenPyXL 和 XlsxWriter 的区别在笔记 15 。 二 如何使用 XlsxWriter 1.导包 import datetime as dtimport xlsxwriterimport excel 2.实例化工作簿 book xlsxwriter.Workbook("xlxswriter.xlsx") book.clo…
阅读更多...
ChatGPT and Claude国内使用站点

ChatGPT and Claude国内使用站点

RawChat kelaode chatgptplus chatopens（4.o mini免费，plus收费） 网页： 定价： wildcard 网页： 虚拟卡定价： 2233.ai 网页： 定价： MaynorAPI chatgpt cla…
阅读更多...
【MySQL】MySQL审计工具Audit Plugin安装使用

【MySQL】MySQL审计工具Audit Plugin安装使用

MySQL审计工具Audit Plugin安装使用 https://www.cnblogs.com/waynechou/p/mysql_audit.html MySQL 5.6 开启审计功能 https://blog.51cto.com/u_15127556/4344503 MySQL之添加日志审计功能 https://blog.csdn.net/weixin_43279032/article/details/105507170 MySQL开启日志记录…
阅读更多...
Git——分布式版本控制工具使用教程

Git——分布式版本控制工具使用教程

本文主要介绍两种版本控制工具——SVN和Git的概念，接着会讲到Git的安装，Git常用的命令，以及怎么在Vscode中使用Git。帮助新手小白快速上手Git。 1. SVN和Git介绍 1.1 SVN 集中式版本控制工具，版本库是集中存放在中央服务器的&am…
阅读更多...
压测实战 | 微信小程序商城 “双 11” 的压测实践

压测实战 | 微信小程序商城 “双 11” 的压测实践

背景 某全球知名珠宝品牌，始终以创新驱动零售变革。随着全渠道战略的深化，其小程序官方商城逐渐成为品牌私域流量的核心阵地，不仅承载了线上销售、会员运营等功能，同时还与其内部系统打通，如会员管理系统、人力资源系…
阅读更多...
垃圾分类--环境配置

垃圾分类--环境配置

写在前面： 如果你们打这届比赛时，还有我们所保留的内存卡，那么插上即可运行（因为内存卡里我们已经配置好所有的环境） 本文提供两种环境的配置 一种是基于yolov8：YOLOv8 - Ultralytics YOLO Docshttps://d…
阅读更多...
工具（十二）：Java导出MySQL数据库表结构信息到excel

工具（十二）：Java导出MySQL数据库表结构信息到excel

一、背景 遇到需求&#xff1a;将指定数据库表设计&#xff0c;统一导出到一个Excel中&#xff0c;存档查看。 如果一个一个弄&#xff0c;很复杂&#xff0c;耗时长。 二、写一个工具导出下 废话少絮&#xff0c;上码&#xff1a; 2.1 pom导入 <dependency><grou…
阅读更多...
Postman 新手入门指南：从零开始掌握 API 测试

Postman 新手入门指南：从零开始掌握 API 测试

Postman 新手入门指南&#xff1a;从零开始掌握 API 测试 一、Postman 是什么&#xff1f; Postman 是一款功能强大的 API 开发与测试工具&#xff0c;支持 HTTP 请求调试、自动化测试、团队协作等功能。无论是开发人员还是测试工程师&#xff0c;都可以用它快速验证接口的正确…
阅读更多...
【软件工程】03_软件需求分析

【软件工程】03_软件需求分析

3.1 系统分析 1. 系统分析概述 系统分析是一组统称为计算机系统工程的活动。它着眼于所有的系统元素，而非仅仅局限于软件。系统分析主要探索软件项目的目标、市场预期、主要的技术指标等，其目的在于帮助决策者做出是否进行软件项目立项的决定。 2. 可行性分析（Feasibility …
阅读更多...
WD5202L超低成本 Buck 电源芯片的特性与应用电路解析， 将市电转换为 5V 电压

WD5202L超低成本 Buck 电源芯片的特性与应用电路解析， 将市电转换为 5V 电压

WD5202L&#xff1a;超低成本 Buck 电源芯片的特性与应用电路解析 在现代电子设备的小型化、低成本化趋势下&#xff0c;对电源管理芯片的性能、成本和尺寸提出了严苛要求。WD5202L 作为一款超低成本的 Buck 电源芯片&#xff0c;凭借其独特的特性&#xff0c;在众多应用场景中…
阅读更多...
UART转AHB模块ModelSim仿真

UART转AHB模块ModelSim仿真

一、简介 UART转AHB模块用于实现一种简单的通过上位机控制FPGA内部寄存器的方式。上位机通过串口助手发送读写寄存器的指令&#xff0c;UART转AHB模块接收指令后解析出地址&#xff0c;命令&#xff0c;数据信息&#xff0c;然后转成AHB总线格式输出。这时UART转AHB模块相当于A…
阅读更多...
Qt5.15.2实现Qt for WebAssembly与示例

Qt5.15.2实现Qt for WebAssembly与示例

目录 1.什么是Qt for WebAssembly&#xff1f; 1.1 什么是 WebAssembly&#xff1f; 1.2 WebAssembly 的优势 1.3 什么是 Qt for WebAssembly&#xff1f; 1.4 Qt for WebAssembly 的特点 1.5 编译过程 1.6 运行时环境 注意&#xff01;&#xff01;&#xff01;注意&am…
阅读更多...
AGI大模型（8）：提示词的安全与防护

AGI大模型（8）：提示词的安全与防护

1 前言 著名的「奶奶漏洞」&#xff0c;⽤套路把 AI 绕懵。 2 常⻅的提示词攻击技术 2.1 同类型⽬标劫持 同类⽬标劫持攻击&#xff0c;特别是在同类型任务的背景下&#xff0c;涉及到攻击者通过⾮法⼿段控制模型&#xff0c;并迫使其执行与原始任务性质相同但⽬标不同的操作…
阅读更多...
专题三搜索插入位置

专题三搜索插入位置

1.题目 题目分析&#xff1a; 给一个目标值&#xff0c;然后要在排序的整数数组中&#xff0c;找到跟目标值一样的&#xff0c;如果没有就把这个值插入进去&#xff0c;然后返回插入后的下标。 2.算法原理 根据题目的时间复杂度可以知道要用二分&#xff0c;开始划分区域&…
阅读更多...
Linux 进程的创建、终止、等待与程序替换函数 保姆级讲解

Linux 进程的创建、终止、等待与程序替换函数 保姆级讲解

目录 一、 进程创建 fork函数 二、进程的终止&#xff1a; 1. 想明白&#xff1a;终止是在做什么&#xff1f; 2.进程终止的3种情况&#xff1f; a.退出码是什么&#xff1f;存在原因&#xff1f;为什么int main&#xff08;&#xff09;return 0? b.第三种进程终止的情况…
阅读更多...
深入了解Linux —— git三板斧

深入了解Linux —— git三板斧

版本控制器git 为了我们方便管理不同版本的文件&#xff0c;就有了版本控制器&#xff1b; 所谓的版本控制器&#xff0c;就是能够了解到一个文件的历史记录&#xff08;修改记录&#xff09;&#xff1b;简单来说就是记录每一次的改动和版本迭代的一个管理系统&#xff0c;同…
阅读更多...
STM32---FreeRTOS事件标志组

STM32---FreeRTOS事件标志组

一、简介 事件标志位&#xff1a;用一个位&#xff0c;来表示事件是否发生 事件标志组&#xff1a;一组事件标志位的集合&#xff0c;可以简单的理解时间标志组&#xff0c;就是一个整体。 事件标志租的特点&#xff1a; 它的每一个位表示一个时间&#xff08;高8位不算&…
阅读更多...
在centOS Linux系统搭建自动化构建工具Jenkins

在centOS Linux系统搭建自动化构建工具Jenkins

前言 在工作中发现公司使用Jenkins实现自动化部署项目方案&#xff0c;于是闲着自己也捣鼓一下&#xff0c;网上查阅相关部署资料&#xff0c;顺便记录操作步骤&#xff0c;所以有了下面这篇的文章。 部署完之后&#xff0c;安装前端项目所需环境&#xff0c;比如node环境&am…
阅读更多...
Git下载安装（保姆教程）

Git下载安装（保姆教程）

目录 1、Git下载 2、Git安装&#xff08;windows版&#xff09; &#xff08;1&#xff09;启动安装程序 &#xff08;2&#xff09;阅读许可协议 &#xff08;3&#xff09;选择安装路径 &#xff08;4&#xff09;选择组件 &#xff08;5&#xff09;选择开始菜单文件夹…
阅读更多...
深入理解嵌入式开发中的三个重要工具：零长度数组、container_of 和 typeof

深入理解嵌入式开发中的三个重要工具：零长度数组、container_of 和 typeof

在嵌入式开发中，内核开发者经常需要处理复杂的数据结构和动态内存分配。零长度数组、container_of 宏和 typeof 是内核开发中三个非常重要的工具，它们在结构体管理、内存操作和类型处理中发挥着关键作用。本文将详细探讨这三个工具的功能、应用场景及其在内核开发中的重要性。…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023