上个月基于代码/监控做的 AI 分析可以精确到行,以及提交人等 SCM 信息。后续对话解决方案/创建任务/创建 MR/ 也仅仅是几个 Tool



这样子的话 内网内的应用无法使用哇    这种就属于 Agent 这种更高级别的接口逆向了, 如果只逆向 LLM 的 API 本地跑 Agent 内部调用远端的 LLM 也可以哇
如果你的底层实现是自主规划的 Agent, 那么你只需要给这个 Agent 写获取页面结构的 Tool,页面截图的 Tool 以及图片理解获取坐标的 Tool, 在 prompt 给个设定,优先使用获取结构进行下一步,如果出错可以采用图片理解坐标点击。 他会在每一步思考过程中 选择 Tool 进行下一步尝试
 
  好样的  多多交流~
可以把重复多的公共步骤封装一个子流程作为引用,这样子只需要改子流程就好啦。
几年前做的样式,现在普通小白用起来还蛮简单,主要做法就是元素独立维护,用例里面选择元素,动作,入参等。
我是从 0-1 开发过,一般常用 RAG 比如 FastGPT/MaxKB/RAGFlow/Dify/Langflow 的我只借鉴过看过一丢丢, 可以加 AYO-YO-O 交流交流
恰巧做过类似的东西,我从开发的角度给你分析一下,其实传统 RAG 的链路是挺长的,一般会包括数据清洗/切片/向量化/检索/重排/组装 prompt,影响最后效果的不仅仅是清洗/切片,不过清洗/切片的最终效果你也可以在相关的向量数据库里检索到,这也是最方便根据结果调整的。
另外我建议你根据结果来反推过程,比如输入原文一摸一样的内容是否可以检索到?检索不到则考虑是否需要使用 BM25 这种算法进行初筛 增加调整混合检索的权重比例。 比如查到了片段 1,但关联的上下文没有检索到则考虑是否有 overlap 兄弟节点是否召回 rank 数量是否太小等等。。。
如果不考虑成本可以做 LLM Native, 类似 DeepResearch 全部让 LLM 去处理,评分/排序/总结 可以参考前段时间 OpenAI 发的相关 RAG AI Native 的文章。


有意思 但是链接挂了哎 
 实践可以得到经验
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   前端界面      │    │   后端API服务   │    │   部署执行器    │
│  (Vue/React)    │◄──►│   (Node.js)     │◄──►│   (Shell/CI)    │
└─────────────────┘    └─────────────────┘    └─────────────────┘
         │                       │                       │
         └───────────────────────┼───────────────────────┘
                                 ▼
                    ┌─────────────────┐
                    │   数据库存储    │
                    │  (MongoDB/MySQL)│
                    └─────────────────┘
┌─────────────────────────────────────────────────────────────────┐
│ 🚀 自动部署控制台                                    用户:张三   │
├─────────────────────────────────────────────────────────────────┤
│ 环境:[测试环境 ▼]  版本:[v1.2.3 ▼]  [🔄 刷新] [⚙️ 设置]      │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│ ┌─────────────────┐  ┌─────────────────┐  ┌─────────────────┐  │
│ │   客户端部署    │  │   服务器部署    │  │   数据库迁移    │  │
│ │   ✅ 已完成     │  │   🔄 进行中     │  │   ⏳ 等待中     │  │
│ │   耗时: 2分30秒  │  │   进度: 65%     │  │                │  │
│ └─────────────────┘  └─────────────────┘  └─────────────────┘  │
│                                                                 │
│ 部署进度:████████████████████████░░░░░░░░ 75%                   │
│                                                                 │
│ 📝 实时日志:                                                   │
│ ┌─────────────────────────────────────────────────────────────┐ │
│ │ [14:32:01] 开始客户端包部署...                              │ │
│ │ [14:32:15] 上传客户端包到服务器...                          │ │
│ │ [14:34:31] ✅ 客户端部署完成                                │ │
│ │ [14:34:32] 开始服务器包部署...                              │ │
│ │ [14:34:45] 正在停止旧服务...                                │ │
│ └─────────────────────────────────────────────────────────────┘ │
│                                                                 │
│ [🚀 开始部署] [⏸️ 暂停] [⏹️ 停止] [🔙 回滚到上一版本]           │
└─────────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────────┐
│ 📊 部署历史记录                                                  │
├─────────────────────────────────────────────────────────────────┤
│ 时间范围:[最近7天 ▼]  状态:[全部 ▼]  [🔍 搜索框]               │
├──────┬─────────┬──────────┬────────┬─────────┬──────────────────┤
│ 状态 │  版本   │ 部署时间  │ 耗时   │ 操作人  │ 操作             │
├──────┼─────────┼──────────┼────────┼─────────┼──────────────────┤
│ ✅   │ v1.2.3  │ 14:30    │ 8分钟  │ 张三    │ [查看日志][回滚] │
│ ❌   │ v1.2.2  │ 10:15    │ 失败   │ 李四    │ [查看日志][重试] │
│ ✅   │ v1.2.1  │ 昨天     │ 6分钟  │ 王五    │ [查看日志]       │
└──────┴─────────┴──────────┴────────┴─────────┴──────────────────┘
// 推荐技术栈
- 框架:Vue 3 + TypeScript 或 React + TypeScript
- UI库:Element Plus / Ant Design
- 状态管理:Pinia / Redux Toolkit
- 实时通信:WebSocket / Socket.io
- 图表库:ECharts / Chart.js
- 构建工具:Vite / Webpack
// 推荐技术栈
- 运行时:Node.js + Express 或 Python + FastAPI
- 数据库:MongoDB / PostgreSQL
- 消息队列:Redis / RabbitMQ
- 任务调度:Bull Queue / Celery
- 容器化:Docker + Docker Compose
- CI/CD:Jenkins / GitLab CI / GitHub Actions
#!/bin/bash
# deploy.sh - 部署脚本示例
# 配置参数
VERSION=$1
ENVIRONMENT=$2
CLIENT_PACKAGE_URL=$3
SERVER_PACKAGE_URL=$4
# 1. 前置检查
echo "开始部署检查..."
check_environment
check_dependencies
# 2. 下载部署包
echo "下载客户端包..."
download_package $CLIENT_PACKAGE_URL "client"
echo "下载服务器包..."
download_package $SERVER_PACKAGE_URL "server"
# 3. 备份当前版本
echo "备份当前版本..."
backup_current_version
# 4. 部署客户端
echo "部署客户端..."
deploy_client
# 5. 部署服务器
echo "部署服务器..."
deploy_server
# 6. 健康检查
echo "执行健康检查..."
health_check
# 7. 清理临时文件
echo "清理临时文件..."
cleanup
echo "✅ 部署完成!"
// 部署相关接口
interface DeployAPI {
  // 触发部署
  POST /api/deploy {
    version: string;
    environment: string;
    packages: {
      client: string;
      server: string;
    };
  }
  // 获取部署状态
  GET /api/deploy/status/:deployId
  // 获取部署日志
  GET /api/deploy/logs/:deployId
  // 停止部署
  POST /api/deploy/stop/:deployId
  // 回滚版本
  POST /api/deploy/rollback {
    fromVersion: string;
    toVersion: string;
  }
  // 获取部署历史
  GET /api/deploy/history?page=1&limit=10&status=all
}
// WebSocket 实现实时更新
const socket = io('/deploy');
socket.on('deploy-progress', (data) => {
  updateProgress(data.percentage);
  updateCurrentStep(data.step);
  appendLog(data.log);
});
socket.on('deploy-complete', (data) => {
  showNotification('部署完成', data.result);
  refreshDeployHistory();
});
// 部署状态管理
const DeployStates = {
  PENDING: 'pending',
  DOWNLOADING: 'downloading', 
  DEPLOYING_CLIENT: 'deploying_client',
  DEPLOYING_SERVER: 'deploying_server',
  HEALTH_CHECK: 'health_check',
  SUCCESS: 'success',
  FAILED: 'failed',
  ROLLBACK: 'rollback'
};
class DeploymentStateMachine {
  transition(currentState, action) {
    // 状态转换逻辑
  }
}
// 重试机制
async function deployWithRetry(config, maxRetries = 3) {
  for (let i = 0; i < maxRetries; i++) {
    try {
      return await executeDeploy(config);
    } catch (error) {
      if (i === maxRetries - 1) throw error;
      await delay(Math.pow(2, i) * 1000); // 指数退避
    }
  }
}
这个方案提供了一个完整的自动部署可视化窗口设计思路,您可以根据实际情况调整技术栈和功能范围。建议先实现 MVP 版本验证可行性,再逐步完善功能。
我看了一下代码 当时用了https://gitcode.com/gh_mirrors/eas/easy-flow 把里面的代码抽出来当成项目模块维护了,代码很少,封装也不复杂,适合集成使用。
可以试试 Cursor 编程/学习辅助是个不错的选择哇
Cursor 提供隐私模式,且在官方文档中指出 嵌入向量和元数据(如哈希值、文件名)可能会存储,明文代码片段会在计算后销毁。
总的来说在隐私模式下,Cursor 仍需要处理你的代码,但会通过加密和临时存储等方式保护你的代码隐私,确保你的代码不会被永久保存或用于训练模型。


既然是 py 系的 支持一下前后置执行 py 脚本 就有可能兼容 sosotest(曾经入职迁移过 1500+ sosotest 场景用例)
还有的 AYO-YO-O 加我 我拉你进群交流
可以理解为数据工厂内部包装了一种造数方式其中一种是自动化脚本,作为外层包装,只需要外置一个大家通俗易懂的表单,内部引用自动化脚本,屏蔽内部逻辑,简化使用规则。
自动化脚本内部逻辑略显复杂,而造数的人并不关心内部构造,所以尽量屏蔽这些展示。

屏蔽掉内部逻辑,对外展示就是一个表单 + 一个按钮

关联关系也很简单,几个自动化脚本 + 一个拖拉拽简单表单,表单的 key 为变量,运行时注入即可。


 
 
多进程下 ws 连接的 app 实例,与你其他请求连接的 app 实例不是一个,但你都是在内存里存储的连接,而恰好进程资源是不共享的,你可以通过日志打印进程号验证这一点,多进程下你必须通过一个中间件共享资源。
哈哈哈如果你在浙江有婚假 可以从 1.26 休息到 2.19   

可以看我历史的帖子 希望方向 对你有帮助
留一两个人做测试技术方面,其他打散分到横向部门去。后续技术方面价值不高的话,也都到横向部门吧。
我是现写的,我觉得初学者用 element/ antd 这种比高度封装的 admin template 上手更快。
宝 暂时没有呢

可以直接用 BlockingScheduler