基于 Spring AI 的 MCP 客戶端/服務端實現

????????模型上下文協議（MCP）由Anthropic開源的開放協議，為AI模型與外部數據/工具提供了“標準化橋梁”，通過統一的接口規范，使模型能夠動態調用本地文件、數據庫、API等資源，實現“上下文感知”的智能交互。MCP的核心價值在于：

  • 標準化集成：告別“一對一”定制開發，通過協議對接即可連接任意兼容MCP的數據源或工具，大幅降低生態構建成本。

  • 安全與靈活性：支持本地部署，數據無需離境，兼顧隱私合規與實時訪問需求。

  • 智能體賦能：為AI Agent提供“手腳”，使其能自主執行查詢、分析、操作等復雜任務流。

????????在 MCP)?的上下文中，STDIO?和?SSE?是兩種不同的通信方式，用于實現客戶端（如開發工具、IDE 等）與服務器（如語言模型、知識庫服務等）之間的交互。

??STDIO?是指通過標準輸入（stdin）和標準輸出（stdout）進行通信的方式。這是一種常見的進程間通信（IPC）機制，通常用于本地運行的 MCP 服務器與客戶端之間的交互。一般用于本地開發工具集成

? SSE（Server-Sent Events）是一種基于 HTTP 的服務器推送技術，用于實現服務器主動向客戶端推送數據的通信方式。與?STDIO?不同，SSE?是一種網絡通信機制，適用于客戶端和服務器分布在不同機器上的場景。

?????Spring AI作為Java生態中領先的AI開發框架，通過深度集成MCP協議，為開發者提供了企業級解決方案：其模塊化架構、對同步/異步通信的支持、以及與Spring Boot的無縫融合，使得構建本地MCP客戶端與服務端變得高效且可靠。無論是快速搭建文件系統的本地數據中臺，還是構建與業務系統（如CRM、ERP）的實時聯動，Spring AI的聲明式配置、注解驅動開發模式極大降低了技術門檻。

代碼（SSE模式）

mcp server

創建項目mcp-server,依賴如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.5.0</version><relativePath/> <!-- lookup parent from repository --></parent><groupId>com.sqz</groupId><artifactId>mcp-server</artifactId><version>0.0.1-SNAPSHOT</version><name>mcp-server</name><description>mcp-server</description><url/><licenses><license/></licenses><developers><developer/></developers><scm><connection/><developerConnection/><tag/><url/></scm><properties><java.version>21</java.version></properties><dependencies><!-- 只支持 STDIO 傳輸，使用如下兩個依賴 --><!--        <dependency>--><!--            <groupId>org.springframework.ai</groupId>--><!--            <artifactId>spring-ai-starter-mcp-server</artifactId>--><!--        </dependency>--><!--        <dependency>--><!--            <groupId>org.springframework</groupId>--><!--            <artifactId>spring-web</artifactId>--><!--        </dependency>--><!-- 支持 SSE 傳輸，使用如下依賴 --><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-server-webflux</artifactId></dependency><dependency><groupId>org.json</groupId><artifactId>json</artifactId><version>20210307</version></dependency><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId></dependency></dependencies><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>1.0.0-M7</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><repositories><repository><id>spring-milestones</id><name>Spring Milestones</name><url>https://repo.spring.io/milestone</url><snapshots><enabled>false</enabled></snapshots></repository><repository><id>spring-snapshots</id><name>Spring Snapshots</name><url>https://repo.spring.io/snapshot</url><releases><enabled>false</enabled></releases></repository><repository><id>aliyunmaven</id><name>aliyun</name><url>https://maven.aliyun.com/repository/public</url></repository></repositories><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build></project>

?定義一個查詢天氣的工具：

package com.sqz.mcpserver.weather;import lombok.extern.slf4j.Slf4j;
import org.json.JSONArray;
import org.json.JSONObject;
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.ai.tool.annotation.ToolParam;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.http.ResponseEntity;
import org.springframework.stereotype.Service;
import org.springframework.web.client.RestTemplate;import java.io.UnsupportedEncodingException;
import java.net.URLEncoder;@Service
@Slf4j
public class WeatherService {private static final String BASE_URL = "http://api.openweathermap.org/data/2.5/weather";@Value("${OPEN_WEATHER_API_KEY}")private String OPEN_WEATHER_API_KEY;public RestTemplate restTemplate = new RestTemplate();@Tool(description = "獲取指定城市的當前天氣情況，返回格式化后的天氣報告")public String getWeather(@ToolParam(description = "城市名稱必須是英文，例如：London 或者 Beijing") String city) throws UnsupportedEncodingException {log.info("====調用了查詢天氣=====");String query = String.format("?q=%s&APPID=%s&units=metric&lang=zh_cn",URLEncoder.encode(city, "UTF-8"),URLEncoder.encode(OPEN_WEATHER_API_KEY, "UTF-8"));ResponseEntity<String> responseEntity = restTemplate.getForEntity(BASE_URL + query, String.class);if (responseEntity.getStatusCode().is2xxSuccessful()) {String body = responseEntity.getBody();JSONObject data = new JSONObject(body);JSONObject main = data.getJSONObject("main");JSONArray weatherArray = data.getJSONArray("weather");JSONObject weather = weatherArray.getJSONObject(0);JSONObject wind = data.getJSONObject("wind");String weatherDescription = weather.optString("description", "無描述");double temperature = main.optDouble("temp", Double.NaN);double feelsLike = main.optDouble("feels_like", Double.NaN);double tempMin = main.optDouble("temp_min", Double.NaN);double tempMax = main.optDouble("temp_max", Double.NaN);int pressure = main.optInt("pressure", 0);int humidity = main.optInt("humidity", 0);double windSpeed = wind.optDouble("speed", Double.NaN);return String.format("""城市: %s 天氣描述: %s 當前溫度: %.1f°C 體感溫度: %.1f°C 最低溫度: %.1f°C 最高溫度: %.1f°C 氣壓: %d hPa 濕度: %d%% 風速: %.1f m/s """, data.optString("name", city),weatherDescription,temperature,feelsLike,tempMin,tempMax,pressure,humidity,windSpeed);}return null;}}

在啟動類里面注冊工具：

package com.sqz.mcpserver;import com.sqz.mcpserver.weather.WeatherService;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;
import org.springframework.web.reactive.config.EnableWebFlux;@SpringBootApplication
@EnableWebFlux
public class McpServerApplication {public static void main(String[] args) {SpringApplication.run(McpServerApplication.class, args);}@Beanpublic ToolCallbackProvider weatherTools(WeatherService weatherService) {return MethodToolCallbackProvider.builder().toolObjects(weatherService).build();}
}

配置文件：

spring.application.name=mcp-server
#指定 MCP 服務器的名稱為 spring-ai-mcp-weather
spring.ai.mcp.server.name=spring-ai-mcp-weather#配置應用監聽的端口為 8081
server.port=8081#禁用 Spring Boot 啟動時的橫幅（Banner）顯示，對于使用 STDIO 傳輸的 MCP 服務器，禁用橫幅有助于避免輸出干擾。
spring.main.banner-mode=off#如下參數啟用并設置為空，將禁用控制臺日志輸出格式，減少輸出干擾
logging.pattern.console=#配置日志文件的輸出路徑，將日志寫入指定的文件中
logging.file.name=D:/java-workspace/ai-learning-java-repository/mcp-server/mcp-weather-stdio-server.log#訪問 OpenWeather API 的密鑰，自己獲取每天可免費調用100次
OPEN_WEATHER_API_KEY=#設置日志的根級別為 INFO
logging.level.root=INFO

mcp client

創建項目mcp-server,依賴如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.5.0</version><relativePath/> <!-- lookup parent from repository --></parent><groupId>com.sqz</groupId><artifactId>mcp-client</artifactId><version>0.0.1-SNAPSHOT</version><name>mcp-client</name><description>mcp-client</description><url/><licenses><license/></licenses><developers><developer/></developers><scm><connection/><developerConnection/><tag/><url/></scm><properties><java.version>17</java.version></properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-client</artifactId></dependency><!-- 導入 Spring AI - Anthropic 依賴--><!--        <dependency>--><!--            <groupId>org.springframework.ai</groupId>--><!--            <artifactId>spring-ai-starter-model-anthropic</artifactId>--><!--        </dependency>--><!-- 導入 Spring AI - OpenAI 依賴--><!--        <dependency>--><!--            <groupId>org.springframework.ai</groupId>--><!--            <artifactId>spring-ai-starter-model-openai</artifactId>--><!--        </dependency>--><!-- 導入Spring AI Alibaba - 通義千問依賴 --><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter</artifactId><version>1.0.0-M6.1</version></dependency></dependencies><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>1.0.0-M7</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build></project>

使用CommandLineRunner啟動聊天機器人，代碼：

package com.sqz.mcpclient;import io.modelcontextprotocol.client.McpSyncClient;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.memory.InMemoryChatMemory;
import org.springframework.ai.mcp.SyncMcpToolCallbackProvider;
import org.springframework.boot.CommandLineRunner;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;import java.util.List;
import java.util.Scanner;@SpringBootApplication
public class McpClientApplication {public static void main(String[] args) {SpringApplication.run(McpClientApplication.class, args);}/*** 啟動聊天機器人* CommandLineRunner 是 Spring Boot 提供的一個接口，用于在應用程序啟動完成后執行一些初始化任務或自定義邏輯。它非常適合用于演示、測試或預加載數據等場景。* 當 Spring Boot 應用程序啟動時，它會掃描應用程序中的 CommandLineRunner 實現類，并按照它們的順序執行它們的 run 方法。* 這樣，你可以在應用程序啟動時執行一些初始化操作，而不需要在代碼中顯式地調用這些操作。* 例如，你可以使用 CommandLineRunner 來加載數據庫數據、預加載緩存、執行一些一次性任務等。* 這使得應用程序的啟動過程更加簡潔和可維護，同時也方便了測試和調試。* @param chatClientBuilder 用于構建聊天客戶端的構建器**/@Beanpublic CommandLineRunner chatbot(ChatClient.Builder chatClientBuilder, List<McpSyncClient> mcpSyncClients) {return args -> {// 構建聊天客戶端ChatClient chatClient = chatClientBuilder//設置系統提示，引導 AI 的行為和角色.defaultSystem("你是一個可以查詢天氣的助手，可以調用工具回答用戶關于天氣相關問題。")//配置工具回調提供者，使 AI 能調用外部工具.defaultTools(new SyncMcpToolCallbackProvider(mcpSyncClients))//設置對話記憶，使用內存存儲對話歷史，保持上下文.defaultAdvisors(new MessageChatMemoryAdvisor(new InMemoryChatMemory())).build();// 開始聊天循環System.out.println("\n我是你的AI助手。\n");try (Scanner scanner = new Scanner(System.in)) {while (true) {System.out.print("\n用戶: ");String content = scanner.nextLine();System.out.println("\n助手: " +chatClient.prompt(content) // chatClient.prompt(...)：將用戶輸入作為提示發送給 LLM.call().content());//.call().content()：調用 LLM 模型并獲取響應內容}}};}}

配置：

spring.application.name=mcp-client#指定應用類型為非 Web 應用，適用于命令行工具、批處理任務或僅作為客戶端運行的場景
spring.main.web-application-type=none#使用 Claude LLM，需要在pom.xml中引入對應依賴
#spring.ai.anthropic.api-key=your_anthropic_api_key
#spring.ai.anthropic.chat.options.model=claude-3-haiku-20240307#使用 Deepseek LLM，需要在pom.xml中引入對應依賴
#spring.ai.openai.api-key=your_deepseek_api_key
#spring.ai.openai.base-url=https://api.deepseek.com
#spring.ai.openai.chat.options.model=deepseek-chat#使用 通義千問 LLM，需要在pom.xml中引入對應依賴
spring.ai.dashscope.api-key=sk-d7805feb808941c8a929b96414725274
spring.ai.dashscope.chat.options.model=qwen-plus#STDIO 模式，指定 MCP 客戶端的服務器配置文件路徑
#spring.ai.mcp.client.stdio.servers-configuration=classpath:/mcp-servers-config.json#SSE 模式，配置名為 server1 的 MCP 服務器連接，遠程連接到指定的服務器地址
spring.ai.mcp.client.sse.connections.server1=http://localhost:8081

啟動server再啟動client,在控制臺輸入指令測試：

STDIO模式

在mcp-client項目執行打包mvn clean package -DskipTests,然后在resources下面新建文件mcp-servers-config.json：

{"mcpServers": {"spring-ai-mcp-weather": {
#java命令注意版本及以上"command": "C:\\Program Files\\Java\\jdk-21\\bin\\java.exe","args": ["-Dspring.ai.mcp.server.transport=STDIO","-jar",
#自己serverjar包"D:\\java-workspace\\ai-learning-java-repository\\mcp-server\\target\\mcp-server-0.0.1-SNAPSHOT.jar"]}}
}

修改mcp-client配置文件：

#指定應用類型為非 Web 應用，適用于命令行工具、批處理任務或僅作為客戶端運行的場景
spring.main.web-application-type=none#使用 Claude LLM，需要在pom.xml中引入對應依賴
#spring.ai.anthropic.api-key=your_anthropic_api_key
#spring.ai.anthropic.chat.options.model=claude-3-haiku-20240307#使用 Deepseek LLM，需要在pom.xml中引入對應依賴
#spring.ai.openai.api-key=your_deepseek_api_key
#spring.ai.openai.base-url=https://api.deepseek.com
#spring.ai.openai.chat.options.model=deepseek-chat#使用 通義千問 LLM，需要在pom.xml中引入對應依賴
spring.ai.dashscope.api-key=sk-d7805feb808941c8a929b96414725274
spring.ai.dashscope.chat.options.model=qwen-plus#STDIO 模式，指定 MCP 客戶端的服務器配置文件路徑
spring.ai.mcp.client.stdio.servers-configuration=classpath:/mcp-servers-config.json#SSE 模式，配置名為 server1 的 MCP 服務器連接，遠程連接到指定的服務器地址
#spring.ai.mcp.client.sse.connections.server1=http://localhost:8081

修改mcp-server依賴：

 <!-- 只支持 STDIO 傳輸，使用如下兩個依賴 --><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-server</artifactId></dependency><dependency><groupId>org.springframework</groupId><artifactId>spring-web</artifactId></dependency><!-- 支持 SSE 傳輸，使用如下依賴 --><!--       <dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-mcp-server-webflux</artifactId></dependency>-->

mcp-server啟動類去掉webflux：

package com.sqz.mcpserver;import com.sqz.mcpserver.weather.WeatherService;
import org.springframework.ai.tool.ToolCallbackProvider;
import org.springframework.ai.tool.method.MethodToolCallbackProvider;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;@SpringBootApplication
public class McpServerApplication {public static void main(String[] args) {SpringApplication.run(McpServerApplication.class, args);}@Beanpublic ToolCallbackProvider weatherTools(WeatherService weatherService) {return MethodToolCallbackProvider.builder().toolObjects(weatherService).build();}
}

不用啟動mc-server,直接啟動mcp-client,mcp-client會自動啟動mcp-server測試如下：

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/web/83311.shtml
繁體地址，請注明出處：http://hk.pswp.cn/web/83311.shtml
英文地址，請注明出處：http://en.pswp.cn/web/83311.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

python學習打卡day50

python學習打卡day50

DAY 50 預訓練模型CBAM模塊 知識點回顧&#xff1a; resnet結構解析CBAM放置位置的思考針對預訓練模型的訓練策略 差異化學習率三階段微調 ps&#xff1a;今日的代碼訓練時長較長&#xff0c;3080ti大概需要40min的訓練時長 作業&#xff1a; 好好理解下resnet18的模型結構嘗試…
閱讀更多...
54、錯誤處理-【源碼流程】異常處理流程

54、錯誤處理-【源碼流程】異常處理流程

54、錯誤處理-【源碼流程】異常處理流程 #### 異常處理流程概述 1. **執行目標方法**&#xff1a; - 程序執行目標方法&#xff0c;期間若發生異常&#xff0c;會被捕獲并記錄&#xff0c;標志當前請求結束。 - 將異常信息賦值給 dispatchException 變量。 2. **進入視圖解析…
閱讀更多...
使用 VSCode 開發 FastAPI 項目（1）

使用 VSCode 開發 FastAPI 項目（1）

一、引言 FastAPI 是一款現代、快速&#xff08;高性能&#xff09;的 Web 框架&#xff0c;用于構建 API&#xff0c;使用 Python 3.7 及更高版本。它基于標準 Python 類型提示&#xff0c;具有自動生成文檔等出色功能。而 VSCode 憑借其輕量、強大的特性&#xff0c;為開發者…
閱讀更多...
負載均衡器》》LVS、Nginx、HAproxy 區別

負載均衡器》》LVS、Nginx、HAproxy 區別

虛擬主機 先4&#xff0c;后7
閱讀更多...
Bash 腳本中的特殊變量

Bash 腳本中的特殊變量

在 Bash 腳本和命令行中&#xff0c;?特殊變量?&#xff08;Special Variables&#xff09;主要用于獲取腳本或命令的上下文信息&#xff0c;如參數、進程狀態、返回值等。以下是常見的特殊變量及其典型應用場景&#xff1a; ?1. 腳本參數處理? $0、$1、$2 ... $9、${10}.…
閱讀更多...
免部署的數字人 API 調用教程：基于 wav2lip模型訓練的開放API，附 PHP 代碼示例

免部署的數字人 API 調用教程：基于 wav2lip模型訓練的開放API，附 PHP 代碼示例

前言 去年我開始研究數字人模型算法&#xff0c;測試了市面上幾乎所有開源數字人模型&#xff0c;過程中踩了不少坑。最大的痛點就是訓練太燒顯卡了&#xff0c;光租顯卡的費用就花了我6個月的薪資&#xff0c;每次看到賬單都心疼。不過現在終于把基于wav2lip的數字人API做出來…
閱讀更多...
力扣HOT100之貪心算法：45. 跳躍游戲 II

力扣HOT100之貪心算法：45. 跳躍游戲 II

這道題刷代碼隨想錄的時候也刷過&#xff0c;本來以為有了上一題55.跳躍游戲的基礎&#xff0c;這道題會好做一點&#xff0c;但是依舊想不出來思路&#xff0c;回去看了下自己當時寫的博客&#xff0c;沒想到今天的感受和當時的感受都一模一樣。。。What can I say?看了下代碼…
閱讀更多...
使用Docker申請Let‘s Encrypt證書

使用Docker申請Let‘s Encrypt證書

1、安裝Docker # 安裝Docker https://docs.docker.com/get-docker/# 安裝Docker Compose https://docs.docker.com/compose/install/# CentOS安裝Docker https://mp.weixin.qq.com/s/nHNPbCmdQs3E5x1QBP-ueA 2、申請Lets Encrypt證書 詳見&#xff1a; https://docs.linuxse…
閱讀更多...
算法題（167）：FBI樹

算法題（167）：FBI樹

審題&#xff1a; 本題需要我們將字符串按照題目要求進行遞歸展開&#xff0c;并按照后序遍歷的順序輸出 思路&#xff1a; 方法一&#xff1a;遞歸 首先我們需要模擬一下題目的意思 其實就是第一步判斷屬于什么字符&#xff0c;然后將字符串分兩半進行下一輪判斷。而由于題目要…
閱讀更多...
從“分散開發”到“智能協同” —— Gitee 如何賦能河南農擔構建金融級研發體系？

從“分散開發”到“智能協同” —— Gitee 如何賦能河南農擔構建金融級研發體系？

河南省農業信貸擔保有限責任公司&#xff08;以下簡稱「河南農擔」&#xff09;成立于 2016 年&#xff0c;是河南省屬骨干國有企業&#xff0c;承擔破解“三農”融資難題的重要職責。截至 2024 年底&#xff0c;河南農擔累計實現擔保規模 1037.05 億元&#xff0c;位居全國農擔…
閱讀更多...
青少年編程與數學 01-011 系統軟件簡介 14 Foxpro數據庫

青少年編程與數學 01-011 系統軟件簡介 14 Foxpro數據庫

青少年編程與數學 01-011 系統軟件簡介 14 Foxpro數據庫 一、歷史沿革二、技術架構三、主要功能四、應用場景五、產品版本六、使用方法七、技術價值八、歷史意義全文總結 **摘要&#xff1a;**FoxPro 是一款經典的桌面數據庫管理系統&#xff0c;起源于 1984 年的 FoxBASE&…
閱讀更多...
android studio向左向右滑動頁面

android studio向左向右滑動頁面

本文演示了Android Studio中使用ViewPager實現頁面切換的方法。通過創建包含3個頁面的ViewPager示例&#xff0c;詳細展示了實現步驟&#xff1a;1)在XML布局中配置ViewPager和切換按鈕&#xff1b;2)使用LayoutInflater動態加載頁面布局&#xff1b;3)自定義SimplePagerAdapte…
閱讀更多...
數據可視化新姿勢：Altair的聲明式魔法

數據可視化新姿勢：Altair的聲明式魔法

文章目錄 一、告別編程式繪圖的苦日子二、5分鐘極速入門安裝篇&#xff08;記得先備好虛擬環境&#xff01;&#xff09;核心三劍客 三、高階玩法揭秘1. 交互功能秒實現2. 復合圖表so easy3. 魔改樣式有套路 四、避坑指南&#xff08;血淚經驗&#xff09;五、Altair vs 其他庫…
閱讀更多...
PostgreSQL --數據庫操作

PostgreSQL --數據庫操作

一、基本操作 1、登錄 #切換pg用戶 su - postgres#重啟服務 pg_ctl -D /usr/local/pgsql/data -l logfile restart#進入pg psql2、數據庫操作 2.1、列出庫 \l\lselect datname from database; \l&#xff1a;輸出比\l多了Size,Tablespace 和 Description 列 &#xff1a;擴展輸…
閱讀更多...
樹莓派超全系列教程文檔--(63)rpicam-apps可用選項介紹之常用選項

樹莓派超全系列教程文檔--(63)rpicam-apps可用選項介紹之常用選項

rpicam-apps可用選項介紹之常用選項 rpicam-apps 選項參考常用選項helpversionlist-camerascameraconfigtimeoutpreviewfullscreenqt-previewnopreviewinfo-textwidth 和 heightviewfinder-width 和 viewfinder-heightmode打包格式詳細信息解壓格式詳細信息 viewfinder-modelor…
閱讀更多...
AI的發展過程：深度學習中的自然語言處理（NLP）；大語言模型（LLM）詳解；Transformer 模型結構詳解；大模型三要素：T-P-G 原則

AI的發展過程：深度學習中的自然語言處理（NLP）；大語言模型（LLM）詳解；Transformer 模型結構詳解；大模型三要素：T-P-G 原則

AI的發展過程&#xff1a;深度學習中的自然語言處理&#xff08;NLP&#xff09;&#xff1b;大語言模型&#xff08;LLM&#xff09;詳解&#xff1b;Transformer 模型結構詳解&#xff1b;大模型三要素&#xff1a;T-P-G 原則 AI的發展過程與大模型原理詳解一、AI的發展過程符…
閱讀更多...
SDXL 和 SDXL-Turbo 的區別

SDXL 和 SDXL-Turbo 的區別

(1) SDXL&#xff08;Stable Diffusion XL&#xff09; 標準擴散模型&#xff0c;基于傳統的多步去噪&#xff08;通常 20~50 步&#xff09;。 訓練充分&#xff0c;特征更穩定&#xff0c;適合用于特征提取、方向學習&#xff08;如 LoRA、SAE&#xff09;。 計算成本高&am…
閱讀更多...
PyTorch：讓深度學習像搭積木一樣簡單！！！

PyTorch：讓深度學習像搭積木一樣簡單！！！

文章目錄 &#x1f680; 一、 PyTorch的王炸&#xff1a;動態圖 vs 靜態圖靜態圖的“痛苦回憶”&#xff08;前方高能吐槽&#xff01;&#xff09;PyTorch動態圖的降維打擊&#x1f525; &#x1f525; 二、 不只是靈活&#xff01;PyTorch的三大殺器1. 張量&#xff08;Tenso…
閱讀更多...
LeetCode--27.移除元素

LeetCode--27.移除元素

解題思路&#xff1a; 1.獲取信息&#xff1a; 給定一個數組和一個值&#xff0c;刪除數組中等于這個值的值 要求是&#xff0c;返回數組中不等于這個值的數的數目 并且要求在數組上刪除&#xff0c;不能使用額外輔助空間 還是給了評測標準&#xff08;你可以根據它的原理來實現…
閱讀更多...
WebRTC（二）：工作機制

WebRTC（二）：工作機制

核心組成 GetUserMedia&#xff1a;獲取本地音視頻設備&#xff08;攝像頭、麥克風&#xff09;數據流。RTCPeerConnection&#xff1a;實現點對點的媒體流傳輸和網絡連接管理。RTCDataChannel&#xff1a;點對點的任意數據通道&#xff08;除音視頻外傳輸數據&#xff09;。 …
閱讀更多...
最新文章

Copyright @ 2022~2023