AI——DeepSeek+LangChain+streamlit 實現智能汽車維修服務

效果圖

分析流程

代碼實現

廢話少說，直接上代碼

from langchain_core.language_models.llms import BaseLLM
from langchain_core.outputs import Generation, LLMResult
from pydantic.v1 import Field, validator
from typing import Any, Dict, List, Optional, AsyncIterator
import requests
import osclass DeepSeekLLM(BaseLLM):api_key: str = Field(alias="api_key")model: str = "deepseek-chat"temperature: float = 0.7max_tokens: int = 1000# 必須實現的抽象方法def _generate(self,prompts: List[str],stop: Optional[List[str]] = None,**kwargs: Any,) -> LLMResult:print("_generate:")generations = []for prompt in prompts:response = self._call_api(prompt)generations.append([Generation(text=response)])return LLMResult(generations=generations)async def _agenerate(self,prompts: List[str],stop: Optional[List[str]] = None,**kwargs: Any,) -> LLMResult:# 異步實現（可選）return self._generate(prompts, stop, **kwargs)def _call_api(self, prompt: str) -> str:try:headers = {"Authorization": f"Bearer {self.api_key}","Content-Type": "application/json"}payload = {"messages": [{"role": "user", "content": prompt}],"model": self.model,"temperature": self.temperature,"max_tokens": self.max_tokens}#將輸入 輸出都保存到文件中 import json# 添加一個分隔符 沒有  json.txt 就創建with open("json.txt", "a", encoding="utf-8") as f:json.dump(payload, f, ensure_ascii=False, indent=4)response = requests.post("https://api.deepseek.com/v1/chat/completions",headers=headers,json=payload,timeout=30)with open("json.txt", "a", encoding="utf-8") as f:json.dump(response.json(), f, ensure_ascii=False, indent=4)# 增加響應內容驗證if not response.text.strip():raise ValueError("API返回空響應")try:data = response.json()except json.JSONDecodeError:# 嘗試提取可能的JSON片段import rejson_match = re.search(r'```json\n({.*?})\n```', response.text, re.DOTALL)if json_match:data = json.loads(json_match.group(1))else:raise ValueError(f"無法解析API響應: {response.text[:200]}...")# 驗證關鍵字段if not data.get("choices") or not isinstance(data["choices"], list):raise ValueError("API返回格式異常，缺少choices字段")content = data["choices"][0]["message"]["content"]# 清理響應內容（去除可能的Markdown標記）if content.startswith("```json"):content = content[7:-3].strip()return contentexcept requests.exceptions.RequestException as e:raise ValueError(f"API請求失敗: {str(e)}")except Exception as e:raise ValueError(f"處理API響應時出錯: {str(e)}")@propertydef _llm_type(self) -> str:return "deepseek"
car_diagnosis_app.py 代碼?
import streamlit as st
from langchain.chains import SequentialChain, TransformChain
from langchain.memory import ConversationBufferMemory
from langchain.prompts import PromptTemplate
from langchain.chains.llm import LLMChain
from deepseek_llm import DeepSeekLLM
import json
import datetime
import random
import os# 初始化DeepSeek LLM
api_key = os.getenv("DEEPSEEK_API_KEY", st.secrets.get("DEEPSEEK_API_KEY", "your-api-key"))
llm = DeepSeekLLM(api_key=api_key, temperature=0.3, max_tokens=1500)# 模擬車輛數據庫
VEHICLE_DB = {"京A12345": {"brand": "Toyota","model": "Camry","year": 2020,"mileage": 45000,"last_service": "2023-12-15","insurance_expiry": "2024-09-30","next_maintenance": "2024-06-30"},"滬B67890": {"brand": "Honda","model": "CR-V","year": 2019,"mileage": 60000,"last_service": "2023-11-20","insurance_expiry": "2024-08-15","next_maintenance": "2024-05-20"}
}# 模擬維修店數據庫
REPAIR_SHOPS = [{"id": 1, "name": "誠信汽修", "distance": "1.2km", "rating": 4.8, "services": ["機油更換", "剎車維修", "發動機診斷"], "price_level": "$$"},{"id": 2, "name": "途虎養車工場店", "distance": "2.3km", "rating": 4.7, "services": ["輪胎更換", "保養套餐", "電子診斷"], "price_level": "$$$"},{"id": 3, "name": "小李快修", "distance": "0.8km", "rating": 4.5, "services": ["快速保養", "玻璃水加注", "簡單維修"], "price_level": "$"}
]# 模擬知識庫音頻
SOUND_LIBRARY = {"噠噠聲": "https://example.com/sounds/ticking.mp3","嗡嗡聲": "https://example.com/sounds/humming.mp3","吱吱聲": "https://example.com/sounds/squeaking.mp3","咔嗒聲": "https://example.com/sounds/clicking.mp3"
}# 1. 信息提取鏈
def extract_vehicle_info(inputs: dict) -> dict:license_plate = inputs["license_plate"]vehicle_info = VEHICLE_DB.get(license_plate, {})if not vehicle_info:st.error(f"未找到車牌號 {license_plate} 的車輛信息")return {"vehicle_info": "未知車輛"}# 檢查服務提醒today = datetime.date.today()reminders = []insurance_expiry = datetime.datetime.strptime(vehicle_info["insurance_expiry"], "%Y-%m-%d").date()if (insurance_expiry - today).days < 30:reminders.append({"type": "insurance", "message": "您的車輛保險即將到期"})next_maintenance = datetime.datetime.strptime(vehicle_info["next_maintenance"], "%Y-%m-%d").date()if (next_maintenance - today).days < 30:reminders.append({"type": "maintenance", "message": "您的車輛即將需要保養"})return {"vehicle_info": json.dumps(vehicle_info),"reminders": json.dumps(reminders)}info_extraction_chain = TransformChain(input_variables=["license_plate"],output_variables=["vehicle_info", "reminders"],transform=extract_vehicle_info
)# 2. 診斷鏈
def setup_diagnosis_chain():diagnosis_template = """您是一名專業的汽車維修技師，正在幫助車主診斷車輛問題。請根據以下信息進行診斷：車輛信息：{vehicle_info}用戶描述的癥狀：{symptoms}請根據您的專業知識：1. 分析可能的故障原因2. 生成最多3個關鍵問題來進一步明確問題3. 對于異響類問題，請建議用戶試聽哪種聲音樣本輸出格式：{{"analysis": "對問題的初步分析","questions": ["問題1", "問題2", "問題3"],"sound_suggestion": "建議試聽的聲音類型"}}"""prompt = PromptTemplate(template=diagnosis_template,input_variables=["vehicle_info", "symptoms"])return LLMChain(llm=llm, prompt=prompt, output_key="diagnosis_result")# 3. 維修決策鏈
def setup_repair_decision_chain():decision_template = """基于以下診斷信息：{diagnosis_result}請判斷：1. 車主是否能夠自行修復問題？（是/否）2. 如果可自行修復，提供詳細的步驟指導3. 如果需要專業維修，推薦維修項目輸出格式：{{"self_repairable": true/false,"repair_steps": ["步驟1", "步驟2", ...],"recommended_services": ["服務1", "服務2", ...]}}"""prompt = PromptTemplate(template=decision_template,input_variables=["diagnosis_result"])return LLMChain(llm=llm, prompt=prompt, output_key="repair_decision")# 4. 門店推薦鏈
def recommend_shops(inputs: dict) -> dict:decision = json.loads(inputs["repair_decision"])if decision.get("self_repairable", False):return {"shop_recommendations": json.dumps([])}# 根據位置和推薦服務篩選門店location = inputs["location"]recommended_services = decision.get("recommended_services", [])filtered_shops = []for shop in REPAIR_SHOPS:# 簡單匹配服務（實際應用中應有更復雜的匹配邏輯）if any(service in shop["services"] for service in recommended_services):shop["match_score"] = random.uniform(0.7, 1.0)  # 模擬匹配度計算filtered_shops.append(shop)# 按距離和評分排序filtered_shops.sort(key=lambda x: (x["distance"], -x["rating"]))return {"shop_recommendations": json.dumps(filtered_shops[:3])}shop_recommendation_chain = TransformChain(input_variables=["repair_decision", "location"],output_variables=["shop_recommendations"],transform=recommend_shops
)# 完整工作流
def create_full_workflow():diagnosis_chain = setup_diagnosis_chain()repair_decision_chain = setup_repair_decision_chain()return SequentialChain(chains=[info_extraction_chain,diagnosis_chain,repair_decision_chain,shop_recommendation_chain],input_variables=["license_plate", "symptoms", "location"],output_variables=["vehicle_info", "reminders", "diagnosis_result", "repair_decision", "shop_recommendations"],verbose=True)# Streamlit UI
def main():st.set_page_config(page_title="智能汽車故障診斷", layout="wide")st.title("🚗 智能汽車故障診斷助手")# 初始化session狀態if "diagnosis_stage" not in st.session_state:st.session_state.diagnosis_stage = "initial"st.session_state.memory = ConversationBufferMemory()st.session_state.workflow = create_full_workflow()st.session_state.answers = {}st.session_state.current_questions = []# 側邊欄 - 車輛信息輸入with st.sidebar:st.header("車輛信息")license_plate = st.text_input("車牌號", "京A12345")location = st.text_input("當前位置", "北京市海淀區")st.header("車輛狀態")if license_plate in VEHICLE_DB:vehicle = VEHICLE_DB[license_plate]st.write(f"品牌: {vehicle['brand']}")st.write(f"型號: {vehicle['model']}")st.write(f"里程: {vehicle['mileage']}公里")st.write(f"上次保養: {vehicle['last_service']}")# 服務提醒today = datetime.date.today()insurance_expiry = datetime.datetime.strptime(vehicle["insurance_expiry"], "%Y-%m-%d").date()if (insurance_expiry - today).days < 30:st.warning(f"? 保險將于 {vehicle['insurance_expiry']} 到期")next_maintenance = datetime.datetime.strptime(vehicle["next_maintenance"], "%Y-%m-%d").date()if (next_maintenance - today).days < 30:st.warning(f"🔧 下次保養時間: {vehicle['next_maintenance']}")# 主界面 - 診斷流程if st.session_state.diagnosis_stage == "initial":st.subheader("請描述您的車輛問題")symptoms = st.text_area("例如：冷啟動時有噠噠異響，儀表盤機油燈閃爍", height=150)if st.button("開始診斷"):if not symptoms.strip():st.error("請輸入車輛問題描述")returnst.session_state.symptoms = symptomsst.session_state.license_plate = license_platest.session_state.location = locationst.session_state.diagnosis_stage = "processing"st.rerun()# 診斷處理中elif st.session_state.diagnosis_stage == "processing":with st.spinner("正在分析您的車輛問題..."):try:# 執行工作流result = st.session_state.workflow({"license_plate": st.session_state.license_plate,"symptoms": st.session_state.symptoms,"location": st.session_state.location})# 解析結果diagnosis_result = json.loads(result["diagnosis_result"])repair_decision = json.loads(result["repair_decision"])shop_recommendations = json.loads(result["shop_recommendations"])# 存儲結果st.session_state.diagnosis_result = diagnosis_resultst.session_state.repair_decision = repair_decisionst.session_state.shop_recommendations = shop_recommendationsst.session_state.current_questions = diagnosis_result.get("questions", [])# 如果有聲音建議，準備音頻sound_type = diagnosis_result.get("sound_suggestion")if sound_type and sound_type in SOUND_LIBRARY:st.session_state.sound_url = SOUND_LIBRARY[sound_type]else:st.session_state.sound_url = Nonest.session_state.diagnosis_stage = "show_results"st.rerun()except Exception as e:st.error(f"診斷過程中發生錯誤: {str(e)}")st.session_state.diagnosis_stage = "initial"# 顯示診斷結果elif st.session_state.diagnosis_stage == "show_results":st.subheader("診斷結果")# 顯示初步分析st.markdown(f"**問題分析:** {st.session_state.diagnosis_result.get('analysis', '')}")# 播放聲音建議if st.session_state.sound_url:st.markdown("**聲音對比:** 請聽以下聲音是否與您的車輛聲音相似")st.audio(st.session_state.sound_url, format='audio/mp3')# 顯示進一步問題if st.session_state.current_questions:st.markdown("**請回答以下問題以進一步明確問題:**")for i, question in enumerate(st.session_state.current_questions):st.session_state.answers[i] = st.text_input(question, key=f"q_{i}")if st.button("提交答案并繼續診斷"):# 將答案添加到癥狀描述中new_symptoms = "\n".join([f"Q: {st.session_state.current_questions[i]}\nA: {st.session_state.answers[i]}" for i in range(len(st.session_state.current_questions))])st.session_state.symptoms += "\n" + new_symptomsst.session_state.diagnosis_stage = "processing"st.rerun()# 顯示維修決策st.divider()decision = st.session_state.repair_decisionif decision.get("self_repairable", False):st.success("? 您可以嘗試自行修復此問題")st.markdown("**修復步驟:**")for i, step in enumerate(decision.get("repair_steps", [])):st.markdown(f"{i+1}. {step}")# 添加AR指導按鈕if st.button("查看AR修復指導"):st.session_state.show_ar = Trueif st.session_state.get("show_ar", False):st.video("https://example.com/ar_repair_guide.mp4")else:st.warning("?? 建議到專業維修店處理此問題")st.markdown(f"**推薦維修項目:** {', '.join(decision.get('recommended_services', []))}")# 顯示推薦門店st.subheader("推薦維修店")if st.session_state.shop_recommendations:cols = st.columns(len(st.session_state.shop_recommendations))for i, shop in enumerate(st.session_state.shop_recommendations):with cols[i]:st.markdown(f"**{shop['name']}**")st.caption(f"距離: {shop['distance']} | 評分: {shop['rating']}")st.caption(f"服務: {', '.join(shop['services'][:3])}")st.caption(f"價格: {shop['price_level']}")if st.button("選擇此門店", key=f"shop_{i}"):st.session_state.selected_shop = shopst.session_state.diagnosis_stage = "shop_selected"st.rerun()else:st.info("未找到匹配的維修店，請嘗試擴大搜索范圍")# 返回按鈕if st.button("重新診斷"):st.session_state.diagnosis_stage = "initial"st.rerun()# 門店選擇后elif st.session_state.diagnosis_stage == "shop_selected":shop = st.session_state.selected_shopst.success(f"您已選擇: {shop['name']}")# 顯示預約信息st.subheader("預約信息")date = st.date_input("預約日期", min_value=datetime.date.today())time = st.time_input("預約時間", datetime.time(10, 00))contact = st.text_input("聯系電話")# 維修項目確認st.subheader("維修項目確認")services = st.session_state.repair_decision.get("recommended_services", [])selected_services = st.multiselect("請確認維修項目", services, default=services)if st.button("確認預約"):st.session_state.appointment = {"shop": shop["name"],"date": date.strftime("%Y-%m-%d"),"time": time.strftime("%H:%M"),"services": selected_services,"contact": contact}st.session_state.diagnosis_stage = "appointment_confirmed"st.rerun()# 預約確認elif st.session_state.diagnosis_stage == "appointment_confirmed":appt = st.session_state.appointmentst.balloons()st.success("🎉 預約成功！")st.markdown(f"""**維修店:** {appt['shop']}  **時間:** {appt['date']} {appt['time']}  **維修項目:** {', '.join(appt['services'])}  **聯系電話:** {appt['contact']}""")st.info("維修店將很快聯系您確認預約詳情")if st.button("返回主頁"):st.session_state.diagnosis_stage = "initial"st.rerun()if __name__ == "__main__":main()

執行腳本

#環境比變量
export DEEPSEEK_API_KEY=your_api_key
#安裝依賴
pip install streamlit langchain requests
#運行應用
streamlit run car_diagnosis_app.py
#訪問應用
http://localhost:8501

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/bicheng/84720.shtml
繁體地址，請注明出處：http://hk.pswp.cn/bicheng/84720.shtml
英文地址，請注明出處：http://en.pswp.cn/bicheng/84720.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

《C++ 繼承》

《C++ 繼承》

目錄 繼承的定義 繼承類模板 派生類和基類之前的轉換 隱藏 派生類的默認成員函數 不能被繼承的類 繼承中的友元和靜態成員 繼承模型 繼承的定義 繼承的本質是一種復用。規定Person類為基類&#xff0c;Student類為派生類 。 繼承方式分為public繼承&#xff0c;prote…
閱讀更多...
金蝶K3 ERP 跨網段訪問服務器卡頓問題排查和解決方法

金蝶K3 ERP 跨網段訪問服務器卡頓問題排查和解決方法

我一朋友公司反應&#xff0c;公司網絡卡頓&#xff0c;測試掉包嚴重&#xff0c;抓包wireshark測試&#xff0c;發現arp包有大量mac欺騙&#xff0c;因為公司有幾百臺電腦&#xff0c;所以建議更換了三層交換機&#xff0c;劃分了vlan&#xff0c;這樣有效的避免了網絡風暴等&…
閱讀更多...
無需安裝！在線數據庫工具 ：實戰 SQL 語句經典案例

無需安裝！在線數據庫工具 ：實戰 SQL 語句經典案例

在數字化時代&#xff0c;SQL&#xff08;結構化查詢語言&#xff09;已成為數據從業者、開發人員乃至業務分析人員必備的核心技能。無論是處理日常數據報表&#xff0c;還是應對復雜的業務邏輯&#xff0c;SQL 都能高效實現數據的查詢、操作與分析。本文將通過經典的 SQL 練習…
閱讀更多...
如何在網頁里填寫 PDF下拉框

如何在網頁里填寫 PDF下拉框

對于PDF 開發者或網頁開發者來說&#xff0c;讓用戶在網站上填寫 PDF 下拉框&#xff08;Combo Box&#xff09;是一個棘手的問題。因為 PDF 并不是一種原生的 Web 格式&#xff0c;瀏覽器通常不允許用戶與 PDF 下拉框進行交互。 那么&#xff0c;如何讓用戶在 HTML 中填寫 PD…
閱讀更多...
.Net 優秀框架 ABP全面詳解

.Net 優秀框架 ABP全面詳解

文章目錄 第一部分&#xff1a;ABP框架概述與核心架構1.1 ABP框架簡介1.2 ABP框架架構解析1.2.1 表現層(Presentation Layer)1.2.2 分布式服務層(Distributed Service Layer)1.2.3 應用層(Application Layer)1.2.4 領域層(Domain Layer)1.2.5 基礎設施層(Infrastructure Layer)…
閱讀更多...
力扣-198.打家劫舍

力扣-198.打家劫舍

題目描述 你是一個專業的小偷&#xff0c;計劃偷竊沿街的房屋。每間房內都藏有一定的現金&#xff0c;影響你偷竊的唯一制約因素就是相鄰的房屋裝有相互連通的防盜系統&#xff0c;如果兩間相鄰的房屋在同一晚上被小偷闖入&#xff0c;系統會自動報警。 給定一個代表每個房屋…
閱讀更多...
windows 安裝vllm cuda版本

windows 安裝vllm cuda版本

windows 安裝cuda版本 查看window cuda版本 nvidia-smi vllm 獲取鏡像,此版本需要cuda 版本12.8 或以上 docker pull vllm/vllm-openai:latest下載模型 git lfs installcd e:\ai mkdir vllm\models\qwen2cd vllm\models#通過git下載git clone https://www.modelscope.c…
閱讀更多...
Node.js特訓專欄-基礎篇：1. Node.js環境搭建與項目初始化詳細指南

Node.js特訓專欄-基礎篇：1. Node.js環境搭建與項目初始化詳細指南

我將為你詳細講解 Node.js 環境搭建與項目初始化的步驟&#xff0c;包含常見問題解決和最佳實踐&#xff0c;幫助你快速上手。 詳細步驟說明 1. 環境搭建 Windows用戶&#xff1a; 訪問Node.js官網(https://nodejs.org)下載LTS版本安裝包&#xff08;推薦長期支持版&#xf…
閱讀更多...
13.安卓逆向2-frida hook技術-HookJava構造方法

13.安卓逆向2-frida hook技術-HookJava構造方法

免責聲明&#xff1a;內容僅供學習參考&#xff0c;請合法利用知識&#xff0c;禁止進行違法犯罪活動&#xff01; 內容參考于&#xff1a;圖靈Python學院 工具下載&#xff1a; 鏈接&#xff1a;https://pan.baidu.com/s/1bb8NhJc9eTuLzQr39lF55Q?pwdzy89 提取碼&#xff1…
閱讀更多...
php基礎：常見函數

php基礎：常見函數

內建函數 文章目錄 內建函數1、文件操作函數&#xff1a;2、代碼執行函數&#xff1a;3、反序列化函數&#xff1a;4、數據庫操作函數&#xff1a;5、類型轉換與比較函數&#xff1a;6、其他常見函數&#xff1a; 1、文件操作函數&#xff1a; include(): 導入并執行指定的 PHP…
閱讀更多...
教程：PyCharm 中搭建多級隔離的 Poetry 環境（從 Anaconda 到項目專屬.venv）

教程：PyCharm 中搭建多級隔離的 Poetry 環境（從 Anaconda 到項目專屬.venv）

核心思維&#xff1a;為什么需要 “多級隔離”&#xff1f; 在復雜項目中&#xff0c;環境沖突是最棘手的問題&#xff08;比如系統 Python 版本不同、依賴包版本沖突&#xff09;。通過 “Anaconda 虛擬環境 → 項目 Poetry 環境 → 工具級隔離” 的三層架構&#xff0c;實現…
閱讀更多...
Rollup vs Webpack 深度對比：前端構建工具終極指南

Rollup vs Webpack 深度對比：前端構建工具終極指南

前端工程領域始終面臨一個根本選擇&#xff1a;如何在模塊化編碼規范與工程化構建效率之間取得最佳平衡。Rollup與Webpack分別代表著兩種不同維度的解決方案&#xff0c;本文將揭示它們的真實應用場景與核心差異。 一、核心差異全景圖&#xff08;附最新對比&#xff09; 核心能…
閱讀更多...
Module Federation 和 Native Federation 的比較

Module Federation 和 Native Federation 的比較

前言 Module Federation 是 Webpack 5 引入的微前端架構方案&#xff0c;允許不同獨立構建的應用在運行時動態共享模塊。 Native Federation 是 Angular 官方基于 Module Federation 理念實現的專為 Angular 優化的微前端方案。 概念解析 Module Federation (模塊聯邦) Modul…
閱讀更多...
Easy Excel

Easy Excel

Easy Excel 一、依賴引入二、基本使用1. 定義實體類&#xff08;導入/導出共用&#xff09;2. 寫 Excel3. 讀 Excel 三、常用注解說明&#xff08;完整列表&#xff09;四、進階&#xff1a;自定義轉換器&#xff08;Converter&#xff09; 其它自定義轉換器沒生效 Easy Excel在…
閱讀更多...
iOS 26 攜眾系統重磅更新，但“蘋果智能”仍與國行無緣

iOS 26 攜眾系統重磅更新，但“蘋果智能”仍與國行無緣

美國西海岸的夏天&#xff0c;再次被蘋果點燃。一年一度的全球開發者大會 WWDC25 如期而至&#xff0c;這不僅是開發者的盛宴&#xff0c;更是全球數億蘋果用戶翹首以盼的科技春晚。今年&#xff0c;蘋果依舊為我們帶來了全家桶式的系統更新&#xff0c;包括 iOS 26、iPadOS 26…
閱讀更多...
AI高考志愿助手應用架構設計并上線實施運行

AI高考志愿助手應用架構設計并上線實施運行

環境： AI高考志愿助手 問題描述： AI高考志愿助手應用架構設計并上線實施運行 業務需求：開發一個AI升學助手，功能是幫助用戶模擬填報高考志愿等功能，數據是歷年各專業的錄取分數線表格。數據確認： 近3年約100多萬條數據，原始數據是excel表格數據。解決方案： 一、項…
閱讀更多...
深入淺出掌握 Axios(持續更新)

深入淺出掌握 Axios(持續更新)

在了解ajax和axios之前&#xff0c;我們先觀察一下他們是什么英文的縮寫 ajax 的名字為 asynchroanous JavaScript and XML 而axios的名稱來源于英文單詞“axis”與“I/O”的結合&#xff0c;并非直接縮寫自某個特定短語。 先導知識 在本文我們簡單的介紹一下ajax后著重講解…
閱讀更多...
windows10下搭建nfs服務器

windows10下搭建nfs服務器

windows10下搭建nfs服務器 有參考這篇博客 Windows10搭建NFS服務 - fuzidage - 博客園 下載 NFS Server這個app 通過網盤分享的文件&#xff1a;nfs1268 (1).exe 鏈接: https://pan.baidu.com/s/1rE4h710Uh-13kWGXvjkZzw 提取碼: mwa4 --來自百度網盤超級會員v5的分享 下載后…
閱讀更多...
npm符號鏈接

npm符號鏈接

前言 最近在寫一個快應用項目&#xff0c;demo中依賴了本地文件&#xff0c;package.json如下&#xff1a; 此時 node_modules 下出現了 mysdk&#xff0c;復制整個項目&#xff0c;但是copy的項目中的node_modules并未出現該文件&#xff0c;導致報錯。 解決方案 觀察 pa…
閱讀更多...
SQL 中 IDENTITY 列的特殊處理.

SQL 中 IDENTITY 列的特殊處理.

SQL 處理中,遇到提示: "消息 544，級別 16，狀態 1，第 3 行 當 IDENTITY_INSERT 設置為 OFF 時，不能為表 BM 中的標識列插入顯式值。" 即當 SQL Server 表中的 ??標識列（Identity Column）?? 插入顯式值，但未啟用 IDENTITY_INSERT 選項。由此報錯,以下是詳…
閱讀更多...
最新文章

Copyright @ 2022~2023