L1 和 L2 是指第一档标题和第二档标题，流程图通过计算机视觉提取出来的，会充当标题大纲

1.大纲标题(流程图提炼)
    1.1 流程图下面业务知识的文档内容也是分段的
    ... 等等

整个套上提示词工程，把业务的知识去投喂给 GPT，这个是流程图的一个解决思路 (只适合从左到右的流程图)

chatGPT 没怎么用过 csdn，角落里面抹泪。

已经通过自测和转换一些图片落地，代码肯定没法提供的。和我一起一步步建设，可以少走弯路。有做 llm，cv，cnn 等的欢迎交流。

流程图是产品设计提供的，只是通过自动化方式输出，节省了也就是你说的这个找测试把需求点和技术方案的内容汇总下。
这个只是全貌的一部分，流程图提取出来就是 L1 和 L2 级别的栏目等和文档核心内容做结合，然后一段段丢给 GPT。
算是 cv 和 llm 结合的产物，我比较擅长 cv 部分。
今天也弄了 7 张图测试了下，效果还行，主要是顺序是对的

直接喂 GPT 生成用例太麻烦了，慢慢变成机器喂

不一定要用 wrk，wrk 理论跑那么高，机器除非加网卡，程序的测量方案和测试的不一样所以才需要测试来做压测。用容器来启动不同群组的 lua 脚本 - 来测试不同的场景，容器级别上面的调度。
时序数据库不是新玩意，加削峰不丢就行，其实有很多方案可以存储不一定用时序。
监控侧在数据库出口的地方吗？

一切前提条件是，遇到可以共赢的人，绩效我多给你点都行，定制的我也给你做，是可以的。

post 请求需要使用 lua？没看懂，不过 lua 是可以用 Python 实现 lua 的语言层面的解释器。
locust 本身可以容器化，虚拟机启动好多个，做分布式，300 个应该不会瓶颈，可能是写法问题。
并发大还是需要使用旁路收集和到时序数据库在提取绘制吧，要不你 web 内存直接崩了。

心酸历程啊

使用 github 网盘地址里面的包啊