原创 用戶體驗(UE)如何衡量設計的有效性

屏效(Screen Efficiency): 指用戶在屏幕上每英寸或每平方釐米獲得的信息量。高屏效意味着用戶可以在有限的屏幕空間內獲得更多的信息。 任務完成率(Task Completion Rate): 用戶成功完成特定任務

原创 DDD領域驅動設計總結和C#代碼示例

DDD(領域驅動設計)是一種軟件設計方法,它強調以業務領域爲核心來驅動軟件的設計和開發。 DDD 的設計初衷是爲了解決複雜業務領域的設計和開發問題,它提供了一套豐富的概念和模式,幫助開發者更好地理解和建模業務領域,從而提高軟件的質量和可維護

原创 Redis介紹、使用、數據結構和集羣模式總結

Redis(Remote Dictionary Server)是一個開源的,基於內存的數據結構存儲系統,它支持多種數據結構,如字符串(String)、列表(List)、集合(Set)、有序集合(Sorted Set)、散列(Hash)等。R

原创 面向對象設計介紹和代碼示例

面向對象設計(Object-Oriented Design, OOD)是一種軟件設計範式,它使用對象來表示數據和方法。面向對象設計原則是指導軟件開發的一系列最佳實踐,旨在提高代碼的可維護性、可擴展性和可重用性。以下是幾個核心的面向對象設計原

原创 大模型提示工程之Prompt框架和示例

今天和大家分享一下:大模型提示工程之Prompt框架和示例: TAG框架 任務(Task): 開發一個新的手機應用,旨在幫助用戶更好地管理他們的日常健康。 行動(Action): 進行市場調研,設計用戶友好的界面,開發核心健康跟蹤功能,測

原创 Redis集羣模式和常用數據結構

一、Redis 支持三種主要的集羣模式 主從複製模式(Master-Slave Replication): 在這種模式下,主節點(Master)負責處理寫入操作,而從節點(Slave)則是主節點的副本,用於處理讀取操作和提供數據冗餘。

原创 RabbitMQ集羣運維實踐

一、RabbitMQ的集羣模式 主要有兩種:普通集羣模式和鏡像隊列模式。下面分別介紹這兩種模式的原理: 1.普通集羣模式: 在普通集羣模式下,RabbitMQ的集羣節點之間主要同步元數據,而不同步存儲的消息數據。這意味着消息本身只存儲在創

原创 Go語言VSCode開發環境配置

最近學習Golang,先把開發環境配置好。 一、安裝Go語言開發包 https://golang.google.cn/dl/  按步驟安裝即可,安裝完成後需要設置Windows環境變量  配置好,做個測試 二、VSCode Golan

原创 .NET Conf China 2023濟南站社區活動

 2024年3月3日,在這個春暖花開的日子裏,由微軟MVP項目、山東財經大學管理科學與工程學院、膠東開發者社區、濟南.NET俱樂部聯合舉辦了【.NET Conf China 2023 JiNan Watch Party:走進山財大—AI驅動

原创 .NET應用國際化支持-葡萄牙語下如何不區分重音的模糊查詢

葡萄牙語,作爲一種羅曼語族的語言,其正字法(orthography)並不使用音標系統來標記發音,而是有一套特定的拼寫規則。然而,葡萄牙語中確實使用重音符號(acentos)來標記某些元音的重音(stress)或音質(quality)的變化。

原创 OpenResty中如何實現,按QPS、時間範圍、來源IP進行限流

OpenResty是一個基於Nginx與Lua的高性能Web平臺,它通過LuaJIT在Nginx中運行高效的Lua腳本和模塊,可以用來處理複雜的網絡請求,並且支持各種流量控制和限制的功能。 近期研究在OpenResty中如何實現,按QPS、

原创 Apache HTTP Server、IIS反向代理設置

Apache HTTP Server 在 Apache 中設置反向代理,需要使用 mod_proxy 和相關的模塊,如 mod_proxy_http。以下是一個基本的配置示例: 確保已經安裝並啓用了 mod_proxy 和 mod_pro

原创 基於Microsoft SemanticKernel和GPT4實現一個智能翻譯服務

今年.NET Conf China 2023技術大會,我給大家分享了 .NET應用國際化-AIGC智能翻譯+代碼生成的議題 .NET Conf China 2023分享-.NET應用國際化-AIGC智能翻譯+代碼生成 今天將詳細的代碼實現和

原创 Hugging Face-Transformers中的AutoModelForCausalLM 和 AutoTokenizer

AutoModelForCausalLM 和 AutoTokenizer 是Hugging Face的Transformers庫中的兩個類,用於處理自然語言處理(NLP)任務。 AutoModelForCausalLM 是用於因果語言建模的