Python

1.采用GUI界面方式半自动爬取，不限制账号，普通账号也可按次数爬取默认100次。此次数为请求次数，实际获取课题id为每页10*100页等于1000条数据 2.手动登陆，弹出浏览器页面可用qq方式登陆，后关闭窗口。获取cookie数据 3.爬虫方式使用selenium+PhantomJS无头浏览器方式静默爬取。因PhantomJS只有10M并满足现有功能，就没有使用谷歌火狐无头模式，即便谷歌火狐更好。后期可更换 4.目前已爬取真实课题ID为目标的半自动爬虫工具，后期待加入爬取详情页数据。详情页数据每次访问为一个真实请求，并且无账号也可访问。故为第二目标

使用协程，基于事件引擎的实盘量化交易构架 整个系统分为： 1、broker,对接交易所，现已完成binance,okx 2、EvengManger，事件引擎 3、行情订阅，可实现实时的行情与交易 4、策略模板，基于策略模板可快速实现相应策略

经过长期对Beancount的使用和测试，我发现在日常记账中最烦恼的有以下几点： 由于记录数量太多，若每个记录都以单独条目记录则需要耗费大量时间，若以天为条目进行记账，又会导致条目的颗粒度太大； 我是以周为频率进行记账断言的，对于长期记账来说这个频率未免太频繁； 支出账户没有形成系统的规划，导致记录条目时总是要纠结选用哪个支出账户，且记录后也无法通过FAVA的试算表了解自己的各类支出情况； 针对以上记账痛点，开发出Beancount-Trans用于账单的自动解析。 上传账单，系统会根据定义好的商户和账户自动格式化输出为beancount能识别的文本。当前已支持自动更新至Beancount-Trans-Assets项目，仅支持本地部署用户启用。

本框架使用python+requests+pytest开发，定义了接口测试的各种输入输入内容，通过excel实现数据驱动，能够完成接口自动化测试的工作，提升工作效率

chatgpt-on-wechat的mj画图插件，支持次数限制，GPT关键词润色，图片合成，以图生图，垫图合图，基于midjourney-proxy开源项目

chatgpt-on-wechat/AIChatbot-Winonly插件，国产kimi模型，可以处理最多20万字的输入和输出。无论是单个文件还是多个文件，只要它们的总字数不超过20万字。

基于chatgpt-on-wechat框架，只能运行在Win平台的项目，通过本项目可以将微信或者企业微信个人号接入ChatGpt、文心一言、FastGpt、LinkAI，可以文字对话、语音对话、图片交互、文件交互等。

核心业务功能需求 (一) 教师端 1) 直播授课 平台需要提供完整的直播功能，包括视频直播、音频直播等。直播过程中应该有清晰的画面和音效，同时可以支持多人同时在线观看直播课程。 2) 互动功能 平台应支持互动功能，包括学生和老师之间的互动交流，例如提问、答疑、讨论等。同时，还可以提供互动白板等功能，方便老师在课程中进行讲解和演示。此外，老师可以点击学生头像，可以让学生暂时开麦与老师交流；学生也可以直接开麦，从而开始互动。 3) 直播签到 平台需要提供直播签到功能，教师可以在直播开始后开启签到功能，学生可以在指定时间内进行签到操作，系统将自动记录签到时间和学生信息。同时，教师可以查看学生签到情况，以便及时了解学生的学习情况和出勤情况，提高教学质量和效果。 4) 直播录像管理 教师在直播教学结束后，可以对录像进行管理，包括查看录像、删除录像、下载录像等功能。 5) 课程信息管理 教师可以在直播平台上看到班级信息，例如学生选课人数，学生对课程的评价；此外也要提供课件的上传，方便学生及时回顾。 (二) 学生端 1) 选购课程 可以在课程浏览界面选择自己需要的课程，也可以直接搜索某个课程。 找到该课程后，就可以点击加入课程。如果是付费课程，在加入课程前，需要支付相应费用。 2) 直播和录像观看 学生可以通过直播和录像观看功能来观看教师的授课内容。具体实现中，学生可以选择观看直播或者录像，观看直播时可以实时听取教师的授课内容，并且可以通过互动功能进行互动。观看录像时，可以自由选择观看时间和位置，并且可以根据需要进行暂停、快进、快退等操作。 3) 直播课程打卡 直播课程打卡是指学生在观看直播课程时，系统提供打卡功能，学生可以通过打卡操作记录自己的学习状态和时长，方便平台进行学习效果的评估和统计。 4) 连麦功能 学生可以向老师主动发起连麦、视频或语音等功能，方便学生在有问题的时候及时询问老师。 5) 课程评价和反馈 平台应提供学生对直播课程的评价和反馈功能，以便学生和老师对课程进行优化和改进。同时，还可以提供课后问卷调查等功能，了解学生对课程的整体评价和反馈。 6) 社区讨论 社区讨论功能是指在线直播教学平台为学生提供的一个讨论交流的平台，学生可以在这里发布问题、回答问题、分享经验和知识，与其他学生进行交流和讨论。此外，平台还可以针对讨论内容进行分类和管理，方便学生查找和参与感兴趣的话题讨论 7) 个性化推荐 平台可以根据学生的学习记录和评价、课程收藏、搜索历史等信息进行分析和推荐，同时也可以根据学生填写的个人资料、所在专业、兴趣爱好等信息进行个性化的推荐。 (三) 客服端 1) 课程咨询 客服会接收到学生用户对于课程信息的咨询，给予解答。 2) 使用咨询 在线使用者对于某些功能不了解，可以向客服提出咨询。 (四) 监管员 1) 监测直播内容 直播监管员需要监测所有的直播内容，包括语言、图片、视频等，确保内容符合法律法规和平台规定，防止出现违法、低俗、暴力等不良内容。 2) 讨论区内容审核 在学习讨论区，用户可以自由发布内容，但为了维护平台秩序和保障用户体验，需要有学习监管员对用户发布的内容进行审核。 3) 处理投诉 直播监管员需要及时处理用户的投诉和申诉，对平台内部的问题进行协调和解决，保障用户的合法权益。 2.2 辅助业务功能需求 1) 数据统计和分析功能 平台应提供数据统计和分析功能，包括课程观看量、课程评价等数据的统计和分析。数据分析应该能够为学生和老师提供实时数据反馈和学习情况分析，以便于优化和改进教学质量。 2) 用户管理 平台需要提供注册、登录、个人信息管理和密码找回等基本的用户管理功能。同时，为了确保用户信息的真实性和安全性，平台应该要求用户进行实名认证。 3) 多端适配 平台应支持移动端适配，包括在移动设备上的直播观看、互动、支付等功能。移动端应该提供与PC端相同的功能和用户体验，方便用户随时随地进行学习。 4) 接口实现 平台应提供 APP 各项功能和数据传输接口，方便用户在其他app中调用。

本站免费提供两种版本的红楼梦在线阅读,分别是脂评本和程高本。 脂评本的校对参考为岳麓书社出版的《脂砚斋批评本红楼梦》, 程高本则参考人民文学出版社较为普及的《红楼梦》。 其中,脂评本正在编辑中,程高本已经初步编辑完毕。 由于相关工作人员的时间有限, 因此在初期使用了一些编程技术手段对文本进行处理, 细节上会不如人工校对的精致, 我们会在后期逐渐采用人工全面审核。 书中如有纰漏之处, 欢迎读者反馈, 我们会第一时间进行修改。 《红楼梦》现存的版本系，可分为两个系统，一个是仅流传前八十回的，保留脂砚斋评语的脂评系统，另一个是经过程伟元、高鄂整理补缀的、删去所有脂砚斋评语的、并续写完成一百二十回的程高本系统。

ThinkBlog是基于Django开发的简洁博客网站，实现了博客网站的各种常用功能： markdown语法编写博客 博客归档 多分类、多标签建模 增加微博实现 pygments代码高亮 简单易用的文件管理界面，方便上传和加载静态资源 自动定时备份 集成七牛cdn加速 集成多说评论 基于PhantomJS(Docker)爬取动态js实现自定义的评论信息检测，并通过邮件通知 ECharts访问统计图表 基于Celery实现后台任务队列 使用uwsgi+supervisord启动和管理进程

## Amas是什么 Amas是基于大数据平台技术开发的统一监控平台，其特点包括： 1. 全维度监控指标，覆盖从操作系统、中间件、大数据平台(Hadoop/Spark/HBase/Kakfa等)到代码级别 2. 可扩展、自定义的采集框架，支持不同语言(Python/Perl/Shell/...)开发的采集器 3. 基于OpenTSDB/HBase的海量数据存储架构，可快速读写大量监控指标，满足真实生产环境 4. 清新简约的Web界面，功能强大但简单易用 5. 基于Python原生multiprocess和async/await实现的分布式异步告警引擎，可水平扩展系统处理能力 6. 多渠道、可自定义的通知方式(微信/邮件/Slack/API...) 7. 可分组聚合的告警信息，避免海量数据监控场景下的告警风暴 8. 基于Jagger的分布式链路追踪数据提取和展示，历史事件可追溯 9. 可对接基于机器学习的异常检测服务，落地AIOps智能运维 10. 微服务架构，支持docker和docker-compose方式的部署 ## 技术栈 * 编程语言： - (Backend)Python/Go - (Web)Javascript * Web服务： - Vue, ECharts, Webpack - Express(NodeJS) * 后台服务： - HBase, OpenTSDB, MongoDB, Redis - Spark, Kafka... - Jagger, Tornado - Pandas, Scikit-learn - Docker, Swarm

整体结构可以分为实体识别和关系/属性抽取两部分，流程可以分为6步，其中2、3和4步会重复执行多次。 第1步：通过Hanlp和规则匹配的方式抽取部分实体 第2步：采用远程监督方法，用种子知识图谱对齐无标数据得到标出了实体的数据 第3步：用上一步得到的标出了实体的数据训练模型 第4步：用上一步训练的实体识别模型抽取无标数据中的实体，并将抽取出的实体加入到种子知识图谱中，增加种子知识图谱的规模，重复2，3，4步多次不断使种子知识图谱规则不断扩大 第5步：通过重复2，3，4步多次后得到扩展了大量实体的知识图谱，用种子知识图谱对齐无标数据，将无标数据中的实体都找出来 第6步：通过上一步得到无标数据中的实体后，使用规则的方法判断实体间的关系和属性

整体结构可以分为实体识别和关系/属性抽取两部分，流程可以分为6步，其中2、3和4步会重复执行多次。 第1步：通过Hanlp和规则匹配的方式抽取部分实体 第2步：采用远程监督方法，用种子知识图谱对齐无标数据得到标出了实体的数据 第3步：用上一步得到的标出了实体的数据训练模型 第4步：用上一步训练的实体识别模型抽取无标数据中的实体，并将抽取出的实体加入到种子知识图谱中，增加种子知识图谱的规模，重复2，3，4步多次不断使种子知识图谱规则不断扩大 第5步：通过重复2，3，4步多次后得到扩展了大量实体的知识图谱，用种子知识图谱对齐无标数据，将无标数据中的实体都找出来 第6步：通过上一步得到无标数据中的实体后，使用规则的方法判断实体间的关系和属性

基于onebot协议对接gocq的开源QQ机器人框架，基于fastAPI框架，实现异步功能的低耦合框架，内部封装大部分api,对新手友好

一个简单的MySQL工具,有以下功能：查看表，创建表，删除表，查看表构成，导出表，查看表下记录，在表下插入值

wisp 是一个包含博客、网址导航的个人技术网站，使用 react + flask 开发。 个人博客支持 Markdown 编辑预览 支持代码语法高亮 可以文章多标签 支持登录评论文章进行互动 支持后台管理增删改查 添加链接自动获取 logo 和网站描述 支持 chrome 书签批量导入导出 中文英文，dark light 切换 使用 React 进行前端开发，Flask 用于构建后端 API 支持用 Docker Compose 本地开发

根据用户需求使用AI工具生成可视化图表 项目后端使用django，负责prompt构建，调用AI模型 前端使用Echats生成可视化图表

本项目旨在利用 Twitter 数据进行情感分析同时对比全澳地区酒精和犯罪率关系，并通过 Mastodon 接口获取数 据并存入 CouchDB 数据库。项目使用 NLTK（Natural Language Toolkit）库来进行情感分析，并利用 CouchDB 的 MapReduce 功能来进一步完善数据处理。同时将数据反应到前端网站，利用 ansible 将网站部署在云计算 (MRC) 服务器上

"采集平台（crawlerstack-spiderkeeper）"专注于简化爬虫开发流程的任务调度、日志数据收集、采集程序管理解决方案 ，让爬虫开发者更专注于爬虫本身 前端技术栈：TypeScript、React、Material-UI（MUI ）、Caddy 等技术栈 后端技术栈：Python、FastAPI、SQLAlchemy、MongoDB、RabbitMQ、Kubernetes、Docker、MySQL 等技术 当前功能实现页面进行相关配置以及日志展示调度控制等。调度管理（类似 airflow），支持 mongdb、mysql、s3的 数据流转方案，接管数据持久化等功能。

介绍 目前功能 1.建议的弹幕姬 2.分析录播姬的弹幕文件 ，还支持在线的直播回放的弹幕分析 3.对直播收到礼物返回键盘按键映射 本人担任全部工作。分析用到了移动平均算法，kmeans算法等