Wyjaśnienie okna kontekstowego LLM: Tokeny, limity i sposób dopasowania większej ilości, mierzone
Okno kontekstowe LLM to całkowita liczba tokenów, które model może odczytać i zapisać w jednym żądaniu. Dowiedz się, co je wypełnia, jak słowa zamieniają się w tokeny, jak budżetować dane wejściowe i wyjściowe oraz jak bezpiecznie przycinać historię czatów na podstawie zmierzonych przez nas liczników.
- Okno kontekstowe LLM to limit tokenów współdzielony przez wszystko: monit systemowy, historię, dokumenty i odpowiedź.
- Tokeny to nie słowa. W naszej angielskiej prozie używaliśmy 1,14 tokenów na słowo, kodu Pythona 2,22 i tekstu w języku hindi 1,41 z jednym tokenizatorem, ale około 4,6 ze starszym.
- Historia czatów rośnie z każdą turą. Przytnij najstarsze wiadomości, ale zawsze zachowuj monit systemowy; naiwne cięcie upuściło to w naszym teście.
- Duże okno nie jest przepustką darmową. Długie podpowiedzi kosztują więcej, działają wolniej i mogą ukryć istotne szczegóły.
Wklejasz długą umowę do chatbota, a on odpowiada tak, jakby ostatnie dziesięć stron nigdy nie istniało. Lub bot wsparcia powoli „zapomina” zasady, które mu nadałeś. Obydwa sprowadzają się do okna kontekstowego LLM: stałej liczby tokenów, z którymi może pracować duży model językowy w jednym żądaniu. Wiedza o tym, jak się zapełnia, pomaga tworzyć funkcje AI, które pozostają dokładne i niedrogie.
Poniższe liczby zmierzyliśmy przy użyciu biblioteki open source tiktoken OpenAI w wersji 0.14.0, używając jej o200k_base i starszych cl100k_base kodowań w Pythonie 3.13. Inne rodziny modeli korzystają z innych tokenizatorów, dlatego nasze obliczenia należy traktować jako realistyczne przykłady, a nie dokładne liczby dla każdego modelu. Aby poznać podstawy tokenów, zobacz nasz przewodnik po tokenach LLM.
Co to jest okno kontekstowe?
Model sam nie zapamiętuje wcześniejszych żądań. Za każdym razem, gdy do niego dzwonisz, wysyłasz SMS-a, a model czyta go w całości przed wygenerowaniem odpowiedzi. Okno kontekstowe to maksymalny rozmiar połączonego tekstu mierzony w tokenach. Jeśli okno zawiera 128 000 tokenów, dane wejściowe i wyjściowe muszą się w nim mieścić razem. Nasz przewodnik po czym jest model dużego języka wyjaśnia, dlaczego modele działają w ten sposób.
Rozmiary okien wahają się od kilku tysięcy żetonów w małych modelach do setek tysięcy lub ponad miliona w przypadku dużych. Rozmiary zmieniają się z każdą wersją, więc sprawdź dokumentację swojego dostawcy, aby uzyskać dokładny limit i ewentualne oddzielne ograniczenia tokenów wyjściowych.
Co wypełnia okno kontekstowe
- Monit systemowy: instrukcje, zasady i osobowość.
- Historia rozmów: każda wcześniejsza wiadomość od użytkownika i asystenta, którą ponownie wysyłasz.
- Pobrana lub wklejona treść: dokumenty, wyniki wyszukiwania, pliki kodu.
- Definicje narzędzi i wyniki: schematy funkcji i zwracane przez nie dane.
- Odpowiedź sama w sobie: tokeny wyjściowe pochodzą z tego samego budżetu.
Ten ostatni punkt zaskakuje wiele osób. Podpowiedź zajmująca prawie całe okno nie pozostawia miejsca na odpowiedź, więc odpowiedź jest skrócona.
Słowa kontra symbole: co zmierzyliśmy
Powtarzaliśmy trzy krótkie teksty po 20 razy każdy i liczyliśmy słowa oraz tokeny:
| Tekst | Słowa | o200 tys. tokenów | Tokeny za słowo | tokenów cl100 tys |
|---|---|---|---|---|
| Proza angielska | 740 | 841 | 1.14 | 841 |
| Kod Pythona | 180 | 400 | 2.22 | 400 |
| Tekst w języku hindi | 300 | 422 | 1.41 | 1,381 |
Wyróżniają się trzy lekcje. W zwykłym języku angielskim jest prawie jeden token na słowo. Kod wykorzystuje mniej więcej dwa razy więcej tokenów na „słowo”, ponieważ symbole, wcięcia i krótkie nazwy pobierają tokeny. Język ma ogromne znaczenie: ten sam tekst w języku hindi wymagał 422 tokenów w przypadku nowszego tokenizera i 1381 w przypadku starszego, czyli ponad trzy razy więcej. Okno zawierające długi dokument w języku angielskim może zawierać znacznie mniej dokumentów w innym języku.
import tiktoken
enc = tiktoken.get_encoding("o200k_base")
print(len(enc.encode("Your text here")))
Wskazówka: nigdy nie szacuj żetonów, dzieląc znaki przez cztery w celu uzyskania limitów produkcji. Policz za pomocą tokenizera dla swojego modelu, a następnie zachowaj margines bezpieczeństwa.
Budżetowanie wniosku
Zaplanowaliśmy żądanie zawierające monit systemowy o pojemności 600 tokenów, 4200 tokenów historii czatów i 25 000 tokenów dokumentów, a następnie porównaliśmy je z trzema rozmiarami okien, rezerwując 2000 tokenów na odpowiedź:
window 8000: input 29800 tokens, left -21800, room for 2,000-token answer: False
window 32000: input 29800 tokens, left 2200, room for 2,000-token answer: True
window 128000: input 29800 tokens, left 98200, room for 2,000-token answer: True
Okno 8K w ogóle nie mogło przyjąć żądania. Okno 32 tys. pasuje, ale brakuje tylko 2200 tokenów, więc jeden dokument więcej dałby odpowiedź. Zapisz tę kontrolę w swoim kodzie przed każdym wywołaniem: policz części, odejmij zarezerwowany budżet wyjściowy i zdecyduj, co wyciąć, jeśli nie pasuje.
Co się stanie, kiedy tam pójdziesz
Zachowanie zależy od interfejsu API i aplikacji. Niektóre interfejsy API odrzucają żądanie z powodu błędu. Niektóre aplikacje do czatowania po cichu usuwają najstarsze wiadomości. Niektóre obcinają dokumenty. A jeśli dane wejściowe pasują, ale pozostawiają za mało miejsca, odpowiedź zatrzymuje się w połowie zdania, gdy osiągnie limit wyjściowy. Żadne z nich nie jest oczywiste dla użytkowników, dlatego może się wydawać, że model „zapomina” lub ignoruje część dokumentu.
Historia czatów rośnie z każdą turą
Aplikacje do czatowania w każdej turze ponownie wysyłają całą rozmowę, aby model mógł ją zobaczyć. Przy około 350 żetonach na turę:
chat of 10 turns x 350 tokens = 3500 tokens
chat of 50 turns x 350 tokens = 17500 tokens
chat of 200 turns x 350 tokens = 70000 tokens
Długi czat wsparcia może po cichu dotrzeć do dziesiątek tysięcy tokenów, a każda nowa wiadomość ponownie opłaca wszystkie stare.
Przycinanie historii bez utraty zasad
Zbudowaliśmy czat składający się z 31 wiadomości i 1455 tokenów i na dwa sposoby ograniczyliśmy go do 800 tokenów. W inteligentny sposób system wyświetlał komunikaty, a następnie dodawał wiadomości od najnowszych do najstarszych, aż do wyczerpania budżetu. Naiwny sposób po prostu zachował ostatnie 800 tokenów połączonego tekstu.
history: 31 messages, 1455 tokens -> kept 17 (783 tokens), system kept: True, oldest kept: 'message 14'
naive tail-truncation keeps system prompt: False
Wersja naiwna porzuciła monit systemowy, który zawierał instrukcję „Zawsze odpowiadaj po angielsku”. Właśnie tak bot traci swoje zasady podczas długich rozmów. Lepsze strategie, mniej więcej według wysiłku:
- Zawsze przypinaj monit systemowy i najnowszą wiadomość użytkownika.
- Najpierw usuń lub podsumuj najstarsze tury.
- Zastąp stare zakręty krótkim podsumowaniem napisanym przez model.
- Przechowuj fakty poza czatem i pobieraj tylko to, czego potrzebuje bieżące pytanie.
Czy większe okno kontekstowe jest zawsze lepsze?
Nie. Duże okno pozwala uwzględnić więcej, ale badania takie jak badanie „Lost in the Middle” z 2023 r. przeprowadzone przez Liu i współpracowników wykazały, że w modelach informacje na początku i na końcu długich danych wejściowych są bardziej niezawodne niż informacje w środku. Sami tego nie testowaliśmy. W praktyce wysłanie tylko odpowiednich części często przewyższa wysłanie wszystkiego i zmniejsza halucynacje spowodowane rozpraszającym lub sprzecznym tekstem. Umieść kluczowe instrukcje na początku i powtórz pytanie na końcu.
Dzielenie i odzyskiwanie (RAG)
Generowanie wspomagane wyszukiwaniem utrzymuje dokumenty poza monitem. Dzielisz je na części, znajdujesz fragmenty powiązane z pytaniem i wysyłasz tylko te. Podzieliliśmy dokument zawierający 4201 tokenów na kawałki po maksymalnie 500 tokenów z zakładką 50 tokenów i otrzymaliśmy 10 fragmentów. Nakładanie się sprawia, że zdania przekraczające granicę są czytelne w co najmniej jednym fragmencie.
def chunks(text, size, overlap):
ids = enc.encode(text)
step = size - overlap
return [enc.decode(ids[i:i + size]) for i in range(0, max(1, len(ids) - overlap), step)]
Fragmenty są dopasowywane do pytań za pomocą osadzeń przechowywanych w indeksie wektorowym. Nasz przewodnik po RAG omawia cały proces.
Koszt i szybkość
Większość interfejsów API pobiera opłaty za token wejściowy i wyjściowy, a przetwarzanie dłuższych monitów zajmuje więcej czasu. Podpowiedź zawierająca 100 000 tokenów wysyłana 1000 razy dziennie to 100 000 000 tokenów wejściowych dziennie, nawet jeśli odpowiedzi są krótkie. Przycinanie historii, pobieranie zamiast wklejania i buforowanie powtarzających się prefiksów monitów, jeśli dostawca to obsługuje, może znacznie obniżyć koszty i opóźnienia. Sprawdź aktualne ceny na stronie cenowej swojego dostawcy, ponieważ często się zmieniają.
Testowanie ograniczeń kontekstowych w aplikacji
- Testuj z najdłuższym, realistycznym danymi wejściowymi, a nie z krótką próbką.
- Przetestuj długie czaty: czy bot nadal po 50 turach postępuje zgodnie z monitami systemowymi?
- Przetestuj dane wejściowe w języku innym niż angielski, które mogą wymagać znacznie większej liczby tokenów.
- Potwierdź, że Twój kod rezerwuje tokeny wyjściowe i sprawnie obsługuje błędy przekroczenia limitu.
- Sprawdź, czy przycinanie nigdy nie usuwa zasad bezpieczeństwa, co ma również znaczenie w przypadku szybkiego wstrzyknięcia obrony.
Podsumowanie
Okno kontekstowe LLM to wspólny budżet tokenów, a nie pamięć. Licz tokeny za pomocą odpowiedniego tokenizera, rezerwuj miejsce na odpowiedź, przypinaj monit systemowy podczas przycinania historii i pobieraj odpowiednie fragmenty zamiast wklejać wszystko. Zrób to, a nawet skromne okno będzie bardzo pomocne, podczas gdy ogromne będzie szybkie i niedrogie. Jasne podpowiedzi też są pomocne, jak pokazuje nasz przewodnik inżynieryjny.
Najczęstsze pytania
Co to jest okno kontekstowe w LLM?
Jest to maksymalna liczba tokenów, jaką model może obsłużyć w jednym żądaniu, obejmująca łącznie monit systemowy, historię rozmów, dodane dokumenty i wygenerowaną odpowiedź.
Ile słów mieści się w oknie kontekstowym?
To zależy od tekstu i tokenizera. W naszej angielskiej prozie używaliśmy około 1,14 tokenów na słowo, więc 100 000 tokenów to około 88 000 słów, ale kod i wiele innych języków używa więcej tokenów na słowo.
Co się stanie, gdy przekroczysz okno kontekstowe?
Interfejs API może odrzucić żądanie, aplikacja może upuścić starsze wiadomości lub obciąć dokumenty, albo odpowiedź może zostać obcięta, ponieważ nie pozostały już żadne tokeny wyjściowe.
Czy dane wyjściowe wliczają się do okna kontekstowego?
Tak. Wejście i wyjście korzystają z tego samego okna, więc zawsze rezerwuj wystarczającą liczbę tokenów na odpowiedź. Wiele interfejsów API ma również osobne maksimum dla tokenów wyjściowych.
Czy większe okno kontekstowe jest lepsze niż RAG?
Nie zawsze. Duże okna kosztują więcej, a modele mogą pomijać szczegóły w środku długich danych wejściowych. Pobieranie tylko odpowiednich fragmentów jest często tańsze i dokładniejsze.
Ucz się dalej
Potrzebujesz pomocy przy testowaniu, WordPressie lub SEO?
Pomagamy zespołom dostarczać lepsze oprogramowanie i rozwijać ich witryny. Powiedz nam, nad czym pracujesz, a my zaproponujemy jasny następny krok.
Więcej poradników na testowanie, sztuczna inteligencja i nowoczesny rozwój
Podobał Ci się ten artykuł? Wybierz temat i przejdź bezpośrednio do naszych najnowszych tutoriali.
Wyjaśnienie strategii fragmentowania RAG: stałe, nakładanie się, zdanie, rekurencyjne i nagłówki, mierzone
Strategie fragmentowania RAG porównane w jednym dokumencie z tiktokenem 0.14: stały rozmiar, nakładanie się, pakowanie zdań, dzielenie rekurencyjne …
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie tożsamości API: klucze idempotencji i bezpieczne ponowne próby, przetestowane
Wyjaśnienie idempotencji API na serwerze Python i kliencie, którego uruchomiliśmy: utracona odpowiedź spowodowała podwójną opłatę bez klucza i jedną…
Przeczytaj artykuł →DevOpsWyjaśnienie Git Stash: zapisywanie, stosowanie, otwieranie i nieśledzone pliki, testowane
Git stash wyjaśniono za pomocą poleceń, które uruchomiliśmy w Git 2.56: push z wiadomością, nieśledzone pliki, lista i pokaż, zastosuj vs pop, zacho…
Przeczytaj artykuł →Testowanie oprogramowaniaWyjaśnienie testowania parami: jak użycie wszystkich par zmniejsza 216 testów do 13, przetestowano
Testowanie w parach wyjaśnione za pomocą generatora uruchomionego w Pythonie 3.13: sprawdzenie z 216 kombinacjami objętymi 13 testami, zweryfikowany…
Przeczytaj artykuł →Automatyzacja testówWyjaśnienie testowania dubletów: atrapa, skrót, szpieg, próbna i fałszywa, z przetestowanym kodem Pythona
Testowanie dubletów wyjaśniono na jednym przykładzie Pythona uruchomionym w pytest 9.2: manekin, stub, szpieg, próbny i fałszywy, kiedy używać każde…
Przeczytaj artykuł →Bazy danych i SQLWyjaśnienie SQL COALESCE: wartości domyślne, NULLIF, IFNULL vs ISNULL i pułapki, przetestowane
Wyjaśnienie SQL COALESCE za pomocą zapytań, które uruchomiliśmy w SQLite 3.50: pierwsze wartości inne niż null, puste ciągi znaków, NULL w matematyc…
Przeczytaj artykuł →Bazy danych i SQLWyjaśnienie samodzielnego łączenia SQL: menedżer pracowników, porównania par i wierszy, przetestowane
Samodzielne łączenie SQL wyjaśnione za pomocą zapytań, które uruchomiliśmy w SQLite 3.50: pracownik i menedżer, zarabiający więcej niż menedżer, uni…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie operatora rozprzestrzeniania JavaScript: rozprzestrzenianie a reszta, kopie i błędy, przetestowane
Operator rozprzestrzeniania JavaScript wyjaśniony kodem, który uruchomiliśmy w węźle 24: tablice, obiekty, płytkie kopie, parametry spoczynkowe, lim…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie modułu kolekcji Pythona: licznik, defaultdict, deque i więcej, przetestowane
Kolekcje Pythona wyjaśnione za pomocą kodu, który uruchomiliśmy w Pythonie 3.13: Counter, defaultdict, deque, Nametuple, OrderedDict i ChainMap, a t…
Przeczytaj artykuł →Sztuczna inteligencjaWyjaśnienie okna kontekstowego LLM: tokeny, limity i sposób dopasowania większej ilości, zmierzone
Okno kontekstowe LLM wyjaśnione za pomocą liczby tokenów, które zmierzyliśmy za pomocą tiktokena: słowa kontra tokeny dla prozy, kodu i języka hindi…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie webhooków: jak działają i jak je bezpiecznie odbierać
Wyjaśnienie webhooków z odbiorcą i nadawcą, które uruchomiliśmy w Pythonie: push a odpytywanie, podpisy HMAC-SHA256, odrzucanie zmodyfikowanych i od…
Przeczytaj artykuł →DevOpsWyjaśnienie Git Cherry-Pick: Skopiuj potrzebne zatwierdzenie, bezpiecznie i przetestowane
Git cherry-pick wyjaśniono za pomocą poleceń, które uruchomiliśmy w Git 2.56: kopiowanie poprawki do gałęzi wydania, nowe skróty i identyfikatory po…
Przeczytaj artykuł →Automatyzacja testówWyjaśnienie testów migawkowych: jak to działa, kiedy pomaga, a kiedy szkodzi
Testowanie migawek wyjaśnione za pomocą pytestu i syropowego demo, które przeprowadziliśmy: tworzenie migawek, odczytywanie różnic po zmianie kodu, …
Przeczytaj artykuł →Testowanie oprogramowaniaWyjaśnienie testów mutacji: dlaczego 100% pokrycie nadal nie uwzględnia naszego błędu
Testowanie mutacji wyjaśniono za pomocą małego narzędzia mutacji, które zbudowaliśmy i uruchomiliśmy: 14 mutantów, zestaw testów ze 100% pokryciem l…
Przeczytaj artykuł →Sztuczna inteligencjaWyjaśnienie szybkiego wstrzyknięcia: jak oszukać aplikacje AI i jak się przed nimi bronić
Wyjaśnienie szybkiego wstrzykiwania dla konstruktorów: ataki bezpośrednie i pośrednie, dlaczego zawodzą filtry słów kluczowych (nasz test zablokował…
Przeczytaj artykuł →DevOpsWyjaśnienie rekordów DNS: A, AAAA, CNAME, MX, TXT i TTL z rzeczywistymi wyszukiwaniami
Rekordy DNS wyjaśnione na podstawie wyszukiwań, które przeprowadziliśmy: jak działa rozdzielczość, A i AAAA, reguły CNAME, MX i null MX, TXT dla SPF…
Przeczytaj artykuł →DevOpsWyjaśnienie flag funkcji: bezpieczne wydania, stopniowe wdrażanie i higiena flag
Flagi funkcji wyjaśnione za pomocą przeprowadzonej przez nas symulacji wdrożenia: typy flag, procentowe wdrożenia ze stabilnym mieszaniem, przełączn…
Przeczytaj artykuł →Automatyzacja testówTestuj generowanie danych za pomocą Python Faker: realistyczne, powtarzalne i bezpieczne dane
Przetestuj generowanie danych za pomocą Python Faker, uruchom i zmierz: zaszczepianie powtarzalnych danych, ustawień regionalnych, unikalnych wartoś…
Przeczytaj artykuł →Testowanie oprogramowaniaWyjaśnienie testowania z Shift-Left: Znajdź błędy wcześniej, bez spowalniania zespołu
Wyjaśniono testowanie z przesunięciem w lewo: co to znaczy, dlaczego wczesne defekty są tańsze, praktyki – od przeglądów wymagań po kontrole CI, zmi…
Przeczytaj artykuł →Bazy danych i SQLWyjaśnienie funkcji ciągów SQL: TRIM, SUBSTR, REPLACE, CONCAT i czyszczenie danych
Funkcje ciągów SQL wyjaśnione za pomocą zapytań, które wykonaliśmy: konkatenacja i NULL, TRIM, UPPER i LOWER, SUBSTR i INSTR, REPLACE, dopełnienie, …
Przeczytaj artykuł →Bazy danych i SQLWyjaśnienie wyzwalaczy SQL: wyzwalacze PRZED i PO, dzienniki audytu i pułapki
Wyzwalacze SQL wyjaśnione za pomocą wyzwalaczy, które uruchomiliśmy: PRZED vs PO, STARY i NOWY, dzienniki audytu, walidacja, aktualizacje zapasów, w…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie modułu Python JSON: zrzuty, ładowanie, typy niestandardowe i typowe błędy
Moduł Python JSON wyjaśniony za pomocą uruchomionego przez nas kodu: zrzuty i ładowanie, pliki, konwersje typów, daty i miejsca dziesiętne, niestand…
Przeczytaj artykuł →Tworzenie oprogramowaniaModuły ES a CommonJS: Jak działa import JavaScript w Node.js, przetestowano
Moduły ES i CommonJS wyjaśnione za pomocą kodu, który uruchomiliśmy w Node.js: składnia importu i eksportu, wymagania, powiązania na żywo, buforowan…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie wyrażenia regularnego w języku Python: wzorce, grupy, przewidywania i pułapki, przetestowane
Wyrażenie regularne w Pythonie wyjaśnione za pomocą wzorców, które uruchomiliśmy: wyszukiwanie vs dopasowanie, findall, grupy i nazwane grupy, zachł…
Przeczytaj artykuł →Sztuczna inteligencjaWyjaśnienie strukturalnych wyników LLM: uzyskiwanie niezawodnego formatu JSON z modeli AI
Ustrukturyzowane dane wyjściowe LLM wyjaśnione wraz z walidacją przeprowadzoną w Pydantic: tryb i schematy JSON, ograniczone dekodowanie, sposoby ps…
Przeczytaj artykuł →DevOpsWyjaśnienie kluczy SSH: jak działają, ssh-keygen, Ed25519 i bezpieczne nawyki
Klucze SSH wyjaśnione za pomocą wygenerowanych przez nas kluczy: klucze publiczne i prywatne, ssh-keygen, Ed25519 vs RSA, odciski palców, hasła, ssh…
Przeczytaj artykuł →DevOpsWyjaśnienie buforowania HTTP: kontrola pamięci podręcznej, odpowiedzi ETag i 304 z testem na żywo
Wyjaśnienie buforowania HTTP na małym serwerze, który prowadziliśmy: dyrektywy Cache-Control, maksymalny wiek, brak pamięci podręcznej vs brak sklep…
Przeczytaj artykuł →Automatyzacja testówWyjaśnienie testowania kontraktu API: wychwytuj istotne zmiany przed wysyłką
Testowanie kontraktu API wyjaśniono za pomocą przeprowadzonej przez nas kontroli schematu: czym jest kontrakt, kontrakty zorientowane na konsumenta,…
Przeczytaj artykuł →Testowanie oprogramowaniaWyjaśnienie testowania opartego na ryzyku: oceń ryzyko, zbuduj macierz i przetestuj, co jest ważne
Testowanie oparte na ryzyku wyjaśnione krok po kroku: identyfikacja ryzyka, prawdopodobieństwo punktacji i wpływ, budowanie matrycy ryzyka, mapowani…
Przeczytaj artykuł →Bazy danych i SQLWyjaśnienie ograniczeń SQL: NOT NULL, UNIQUE, CHECK i OBCY KLUCZ, przetestowane
Ograniczenia SQL wyjaśnione za pomocą przeprowadzonych przez nas testów: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY i FOREIGN KEY, luki NULL, ustawie…
Przeczytaj artykuł →Bazy danych i SQLWyjaśnienie funkcji daty SQL: dodawanie, porównywanie i grupowanie dat bez błędów
Funkcje daty SQL wyjaśnione za pomocą zapytań, które wykonaliśmy: dodawanie interwałów, niespodzianki na koniec miesiąca, różnice dat, pułapka BETWE…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie asyncio Pythona: asynchronizacja, oczekiwanie, zbieranie i grupa zadań z rzeczywistym czasem
Asyncio Pythona wyjaśnione za pomocą kodu, który zmierzyliśmy: współprogramy, oczekiwanie, zbieranie, grupa zadań, obsługa błędów, przekroczenia lim…
Przeczytaj artykuł →Tworzenie oprogramowaniaOdbicie a przepustnica w JavaScript: jak działają, kiedy używać każdego z nich, przetestowano
Debounce a przepustnica w JavaScript wyjaśnione z czasami, które zmierzyliśmy w Node.js: jak każdy z nich działa, proste implementacje, wywołania wi…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie menedżerów kontekstu Pythona: instrukcja with, biblioteka kontekstowa i rzeczywiste zastosowania
Menedżerowie kontekstu Pythona wyjaśnili za pomocą uruchomionego przez nas kodu: jak działa, __enter__ i __exit__, kontekstlib.contextmanager, tłumi…
Przeczytaj artykuł →Sztuczna inteligencjaWyjaśnienie temperatury i góry LLM: jak modele AI wybierają kolejne słowo
Temperatura LLM i top-p wyjaśnione za pomocą przeprowadzonej przez nas symulacji: w jaki sposób zmieniają się prawdopodobieństwa, co utrzymuje top-p…
Przeczytaj artykuł →DevOpsWyjaśnienie YAML: składnia, problem norweski i inne pułapki, które testowaliśmy
YAML wyjaśnił za pomocą testu parsera: podstawowa składnia, listy i mapy, problem Norwegii, wersje zamieniające się w zmiennoprzecinkowe, ósemkowe k…
Przeczytaj artykuł →DevOpsWyjaśnienie zadań Cron: składnia, prawdziwe harmonogramy i błędy, które je psują
Zadania Cron wyjaśnione za pomocą zweryfikowanych przez nas harmonogramów: pięć pól, operatory, prawdziwe przykłady, pułapka dnia miesiąca LUB dnia …
Przeczytaj artykuł →Sztuczna inteligencjaWyjaśnienie halucynacji AI: dlaczego modele językowe tworzą rzeczy i jak je zmniejszyć
Wyjaśniono halucynacje AI: czym są, dlaczego powstają w modelach językowych, typowe typy, jak je zredukować za pomocą uziemień i podpowiedzi oraz pr…
Przeczytaj artykuł →DevOpsWyjaśnienie zmiennych środowiskowych: pliki .env, sekrety i konfiguracja wykonana prawidłowo
Zmienne środowiskowe wyjaśnione na przykładach Pythona, które przeprowadziliśmy: ich odczytywanie i ustawianie, dlaczego każda wartość jest ciągiem …
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie ograniczenia szybkości interfejsu API: algorytmy, nagłówki i obsługa błędów 429
Ograniczanie szybkości API wyjaśnione za pomocą przeprowadzonej przez nas symulacji: zasobnik tokenów, stałe okno, przesuwane okno, 429 odpowiedzi, …
Przeczytaj artykuł →Automatyzacja testówWyśmiewanie w Pythonie: unittest.mock, patch i błędy, które sprawiają, że testy kłamią
Wyśmiewanie w Pythonie za pomocą unittest.mock, przetestowane: Mock i zwracana wartość, efekt uboczny, łatanie tam, gdzie używana jest nazwa, specyf…
Przeczytaj artykuł →Testowanie oprogramowaniaWyjaśnienie zasięgu kodu: pokrycie linii i oddziału oraz co naprawdę oznacza 100%
Wyjaśnienie pokrycia kodu za pomocą prawdziwego pliku cover.py: pokrycie linii, gałęzi i warunków, przeczytanie raportu, dlaczego 100% pokrycia może…
Przeczytaj artykuł →Bazy danych i SQLDELETE vs TRUNCATE vs DROP w SQL: różnice, wycofywanie i kiedy używać każdego z nich
DELETE vs TRUNCATE vs DROP wyjaśnione za pomocą przetestowanego SQL: co każdy usuwa, wycofywanie, wyzwalacze, resetowanie tożsamości, prędkość i czy…
Przeczytaj artykuł →Bazy danych i SQLWyjaśnienie widoków SQL: tworzenie, używanie i unikanie pułapek wraz z przykładami
Widoki SQL wyjaśnione za pomocą zapytań, które uruchomiliśmy: tworzenie widoku, wyniki na żywo, ukrywanie kolumn, wydajność, widoki z możliwością ak…
Przeczytaj artykuł →Tworzenie oprogramowaniaInterfejs TypeScript a typ: rzeczywiste różnice, testowane za pomocą kompilatora
Interfejs TypeScript a typ, sprawdzony z prawdziwym kompilatorem: co oba mogą zrobić, co tylko jeden, łączenie deklaracji, rozszerzenia a przecięcia…
Przeczytaj artykuł →Tworzenie oprogramowaniaPython *args i **kwargs wyjaśnione: elastyczne funkcje z przejrzystymi przykładami
Python *args i **kwargs wyjaśnione za pomocą uruchomionego przez nas kodu: pakowanie i rozpakowywanie, kolejność parametrów, argumenty zawierające t…
Przeczytaj artykuł →Tworzenie oprogramowaniaFunkcje Lambda w Pythonie: składnia, rzeczywiste zastosowania i kiedy ich nie używać
Funkcje lambda w Pythonie wyjaśnione za pomocą uruchomionego przez nas kodu: składnia, sortowanie za pomocą klucza, mapa i filtr, domknięcia, pułapk…
Przeczytaj artykuł →Sztuczna inteligencjaKim są agenci AI? Jak one działają, dzięki prostej pętli agenta, którą możesz uruchomić
Kim są agenci AI? Prosty przewodnik po pętli agenta, narzędziach, pamięci i poręczach, z małą pętlą w Pythonie, którą uruchomiliśmy, prawdziwymi zag…
Przeczytaj artykuł →DevOpsMonitorowanie a obserwowalność: prawdziwa różnica z logami, wskaźnikami i śladami
Wyjaśnienie monitorowania a obserwowalności: znane i nieznane awarie, dzienniki, metryki i ślady, opis incydentu przy kasie, złote sygnały, OpenTele…
Przeczytaj artykuł →DevOpsWoluminy platformy Docker a mocowania powiązań: utrwalanie danych kontenera we właściwy sposób
Wyjaśniono woluminy Dockera a montowanie powiązań: dlaczego dane kontenera znikają, nazwane woluminy, montowanie powiązań, tmpfs, przykłady tworzeni…
Przeczytaj artykuł →Automatyzacja testówTDD vs BDD: kluczowe różnice, jedna funkcja zbudowana w obie strony i kiedy używać każdej z nich
TDD vs BDD wyjaśnione za pomocą jednej funkcji rabatowej zbudowanej w obie strony: refaktoryzacja czerwono-zielona z uruchomionym przez nas kodem, s…
Przeczytaj artykuł →Testowanie oprogramowaniaTestowanie akceptacyjne użytkownika (UAT): proces, lista kontrolna i rzeczywiste przykłady
Wyjaśniono testy akceptacyjne użytkownika: kto je przeprowadza, czym różni się od kontroli jakości, siedmioetapowy proces, szablon przypadku testowe…
Przeczytaj artykuł →Bazy danych i SQLWyjaśnienie wartości SQL NULL: IS NULL, COALESCE, NULLIF i pułapki, których należy unikać
Wartości SQL NULL wyjaśnione za pomocą zapytań, które wykonaliśmy: logika trójwartościowa, IS NULL, COALESCE, NULLIF, w jaki sposób agregacje, łącze…
Przeczytaj artykuł →Bazy danych i SQLInstrukcja SQL CASE WHEN: składnia, rzeczywiste przykłady i typowe błędy
SQL CASE WHEN wyjaśnione za pomocą zapytań, które uruchomiliśmy: proste i przeszukiwane formularze, kolejność warunków, elementy przestawne z SUM, s…
Przeczytaj artykuł →Tworzenie oprogramowaniaCo to jest JWT? Tokeny internetowe JSON wyjaśnione na przykładzie działania
Co to jest JWT? Wyjaśniono tokeny sieciowe JSON: trzy części, token zbudowany i zmodyfikowany w uruchomionym przez nas kodzie, JWT a sesje, pamięć m…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie pętli zdarzeń JavaScript: stos wywołań, mikrozadania i liczniki czasu z przykładami
Pętla zdarzeń JavaScript wyjaśniona za pomocą uruchomionego przez nas kodu: stos wywołań, kolejki zadań i mikrozadań, dlaczego setTimeout 0 nie jest…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie generatorów Pythona i wydajności: oszczędzaj pamięć dzięki prawdziwym przykładom
Generatory Pythona i wydajność wyjaśnione za pomocą uruchomionego przez nas kodu: sposób wstrzymywania i wznawiania, mierzone oszczędności pamięci, …
Przeczytaj artykuł →Sztuczna inteligencjaCzym są osady? Wyjaśnienie wektorów i podobieństwa cosinusa
Czym są osadzania? Prosty przewodnik po wektorach, podobieństwie cosinusów i wyszukiwaniu semantycznym, z małym przykładem, który przeprowadziliśmy,…
Przeczytaj artykuł →DevOpsWdrożenie niebiesko-zielone a kanaryjskie: różnice, kompromisy i sposób wyboru
Wyjaśniono wdrożenie Blue-Green vs Canary: sposób działania każdego z nich, koszty, ryzyko i wycofywanie zmian, przetestowane przez nas stabilne łąc…
Przeczytaj artykuł →Automatyzacja testówNiestabilne testy: co je powoduje i jak je naprawić na dobre
Niestabilne testy wyjaśnione w przeprowadzonych przez nas demonstracjach: główne przyczyny, sposób potwierdzenia i zdiagnozowania jednej z nich, odp…
Przeczytaj artykuł →Testowanie oprogramowaniaLoad Testing vs Stress Testing: Differences, Metrics and k6 Examples
Wyjaśniono testy obciążenia i testy warunków skrajnych: co dowodzi każdy z nich, testy szczytowe i nasiąkania, istotne metryki, dlaczego średnie wpr…
Przeczytaj artykuł →Testowanie oprogramowaniaPrzypadek testowy a scenariusz testowy: kluczowe różnice, przykłady i kiedy stosować każdy z nich
Wyjaśnienie przypadków testowych i scenariuszy testowych: jasne definicje, tabela obok siebie, jedna funkcja resetowania hasła zaczerpnięta ze scena…
Przeczytaj artykuł →Bazy danych i SQLOptymalizacja zapytań SQL: czytaj plany wykonania i napraw powolne zapytania z synchronizacją
Optymalizacja zapytań SQL przetestowana na milionie wierszy: przeczytaj plany wykonania, dodaj odpowiednie indeksy, napraw filtry niesargowalne, uży…
Przeczytaj artykuł →Bazy danych i SQLSQL UNION vs UNION ALL: różnice, przykłady i testowana wydajność
SQL UNION vs UNION ALL wyjaśnione na podstawie zapytań, które uruchomiliśmy: duplikaty, obie reguły są zgodne, prawdziwy błąd danych, zmierzona wyda…
Przeczytaj artykuł →Tworzenie oprogramowaniaSamouczek API pobierania JavaScript: GET, POST, obsługa błędów i limity czasu
Samouczek JavaScript Fetch API testowany na serwerze lokalnym: GET i POST, dlaczego 404 nie rzuca, pomocnik wielokrotnego użytku, ciągi zapytań, prz…
Przeczytaj artykuł →Tworzenie oprogramowaniaObsługa plików w Pythonie: odczyt, zapis, CSV, JSON i pathlib z przykładami
Obsługa plików w Pythonie wyjaśniona za pomocą uruchomionego przez nas kodu: tryby otwarte, czytanie dużych plików, CSV, JSON, pathlib, pliki binarn…
Przeczytaj artykuł →Tworzenie oprogramowaniaKlasy i obiekty Pythona: samouczek OOP z prawdziwymi przykładami
Klasy i obiekty Pythona objaśnione za pomocą uruchomionego przez nas kodu: __init__, metody, atrybuty klas i instancji, dziedziczenie, właściwości, …
Przeczytaj artykuł →Sztuczna inteligencjaCo to jest model dużego języka? Jak działają LLM, wyjaśnione bez szumu
Co to jest model dużego języka? LLM wyjaśnione prostym językiem: tokeny, osadzanie, uwaga, szkolenie, temperatura i okna kontekstowe, mała demonstra…
Przeczytaj artykuł →DevOpsPolecenia systemu Linux dla początkujących: niezbędny przewodnik po terminalu z przykładami
Polecenia systemu Linux dla początkujących, pogrupowane według zadań: nawigacja, pliki, przeglądanie logów, grep, potoki, uprawnienia, procesy i arc…
Przeczytaj artykuł →Automatyzacja testówSelenium kontra dramaturg: kluczowe różnice, porównanie kodu i wybór
Porównanie Selenium i Playwright: architektura, oczekiwanie, obsługa przeglądarki i języka, debugowanie, ten sam test w obu narzędziach, porady doty…
Przeczytaj artykuł →Testowanie oprogramowaniaPartycjonowanie równoważne: technika projektowania testów wyjaśniona na praktycznych przykładach
Wyjaśniono podział równoważny: jak znaleźć prawidłowe i nieprawidłowe partycje, sprawdzone przykłady dla grup wiekowych, hasła i kupony, przeprowadz…
Przeczytaj artykuł →Testowanie oprogramowaniaWażność a priorytet w testowaniu oprogramowania: różnice, macierz i rzeczywiste przykłady
Wyjaśniono ważność a priorytet w testowaniu oprogramowania: jasne definicje, czterokierunkowa macierz z przykładami, skale poziomów, kto ustawia każ…
Przeczytaj artykuł →Bazy danych i SQLSamouczek dotyczący podzapytań SQL: typy, skorelowane podzapytania i ISTNIEJĄ z przykładami
Samouczek dotyczący podzapytań SQL z zapytaniami, które wykonaliśmy: podzapytania skalarne, IN, FROM i SELECT, podzapytania skorelowane, EXISTS, puł…
Przeczytaj artykuł →Bazy danych i SQLWyjaśnienie transakcji SQL i ACID: COMMIT, ROLLBACK i poziomy izolacji
Transakcje SQL i ACID wyjaśnione za pomocą wykonanego przez nas przelewu bankowego: COMMIT, ROLLBACK, punkty zapisu, blokady, poziomy izolacji, brud…
Przeczytaj artykuł →Tworzenie oprogramowaniaŚciągawka dotycząca poleceń Git: polecenia, których faktycznie używasz, z przykładami
Ściągawka poleceń Git pogrupowana według zadań: konfiguracja, przemieszczanie, gałęzie, piloty, skrytka, historia i cofanie błędów, z danymi wyjścio…
Przeczytaj artykuł →Tworzenie oprogramowaniaWyjaśnienie obietnic JavaScript: następnie catch, Promise.all i typowe błędy
Obietnice JavaScript wyjaśnione za pomocą uruchomionego przez nas kodu: stany, łańcuchy then i catch, obsługa błędów, Promise.all, allSettled, race …
Przeczytaj artykuł →Tworzenie oprogramowaniaSamouczek słownika języka Python: metody, przykłady i typowe wzorce
Samouczek słownika języka Python z uruchomionym przez nas kodem: tworzenie, odczytywanie i aktualizowanie słowników, metody kluczowych, łączenie, ro…
Przeczytaj artykuł →Sztuczna inteligencjaCo to jest RAG? Generacja rozszerzona o wyszukiwanie wyjaśniona na przykładzie roboczym
Co to jest RAG? Generowanie wspomagane pobieraniem wyjaśnione krok po kroku: indeksowanie, fragmentowanie, osadzanie, pobieranie, mały działający pr…
Przeczytaj artykuł →DevOpsSamouczek Terraform dla początkujących: Infrastruktura jako kod od pierwszego pliku do modułów
Samouczek Terraform dla początkujących: zacznij bez konta w chmurze, naucz się inicjowania, planowania i stosowania, a następnie zmiennych, wyników,…
Przeczytaj artykuł →DevOpsDocker kontra Kubernetes: kluczowe różnice, jak ze sobą współpracują i czego potrzebujesz
Wyjaśniono Docker vs Kubernetes: co robi każdy z nich, ta sama aplikacja działa z obydwoma, porównanie Docker Compose i Swarm, zmiana podkładki dock…
Przeczytaj artykuł →Automatyzacja testówSamouczek Pytest dla początkujących: urządzenia, parametryzacja i prawdziwe przykłady
Samouczek pytest dla początkujących z testami, które przeprowadziliśmy na pytest 9.2: asercje, urządzenia, parametryzacja, conftest, znaczniki, tmp_…
Przeczytaj artykuł →Testowanie oprogramowaniaCykl życia testowania oprogramowania (STLC): 6 faz, kryteria wejścia i wyjścia, przykład
Wyjaśniono cykl życia testowania oprogramowania: sześć faz STLC z kryteriami wejścia i wyjścia, elementy dostarczane, działający przykład funkcji lo…
Przeczytaj artykuł →Tworzenie oprogramowaniaGit merge vs rebase: różnice, przykłady i kiedy czego używać
Git merge vs rebase wyjaśnione na prawdziwym wyniku logu, z tabelą porównawczą, złotą zasadą rebase i bezpiecznym procesem pracy zespołu.
Przeczytaj artykuł →Tworzenie oprogramowaniaPython list comprehension: składnia, przykłady i kiedy jej unikać
Python list comprehension wyjaśnione: składnia, filtrowanie, if-else, zagnieżdżone pętle, zmierzone czasy i sytuacje, w których zwykła pętla for jes…
Przeczytaj artykuł →Bazy danych i SQLSQL JOIN – wyjaśnienie z przykładami (Inner, Left, Right, Full)
Zrozum złączenia SQL krok po kroku na przykładowych tabelach i zapytaniach: INNER, LEFT, RIGHT, FULL, CROSS i SELF, plus typowe błędy i wskazówki wy…
Przeczytaj artykuł →