- 结构化输出 意味着向模型询问定义格式的数据,通常是与模式匹配的 JSON。
- 仅靠提示是不可靠的。在我们的测试中,6 个实际响应中有 4 个在第一次解析时未通过验证。
- 将生成限制为模式的提供程序功能大大减少了可用的格式错误。
- 始终在您自己的代码中进行验证,并添加语义检查:有效的 JSON 仍然可能包含错误的值。
应用程序要求模型读取发票并返回号码、日期、总额和货币。大多数时候它都有效。然后,一个响应封装在 Markdown 代码块中,另一个响应添加了“如果您需要更多信息,请告诉我!”,第三个响应将日期写入 10/11/2026。解析回复的代码崩溃,或者更糟糕的是,存储了错误的日期。 结构化输出 技术可以使 AI 响应像 API 一样可靠。
我们没有为本文调用实时模型。相反,我们编写了六个响应来模仿现实世界中常见的故障,并使用 Python 3.13 中的 Pydantic 2.14 对其进行验证。下面的验证结果来自该运行。
什么是结构化输出?
结构化输出是使大型语言模型以固定的机器可读形状而不是自由文本返回数据的任何方法,以便代码可以直接使用它。 JSON 是常用格式,由 JSON 架构描述:存在哪些字段、它们的类型、哪些字段是必需的以及允许哪些值。典型用途包括从文档中提取、分类、填写表格、路由请求以及调用工具或功能。
执法级别
| 方法 | 它是如何运作的 | 可靠性 |
|---|---|---|
| 仅提示 | “使用这些字段以 JSON 格式回复…” | 最低;格式漂移 |
| JSON模式 | 提供者保证有效的 JSON 语法 | 有效的 JSON,但任何形状 |
| 模式约束的输出/工具调用 | 提供者将生成限制为您的架构 | 最高格式 |
| 您自己的验证 | 解析并验证代码中的每个响应 | 始终需要 |
最后一行在任何级别都不是可选的。提供者功能发生变化,模型被交换,并且没有格式保证值是否正确。
定义架构
from typing import Literal
from pydantic import BaseModel, Field, field_validator
class Invoice(BaseModel):
invoice_no: str
date: str = Field(pattern=r"^\d{4}-\d{2}-\d{2}$")
total: float = Field(ge=0)
currency: Literal["INR", "USD", "EUR"]
@field_validator("total")
@classmethod
def two_decimals(cls, v):
if round(v, 2) != v:
raise ValueError("total must have at most 2 decimals")
return v
Pydantic 生成了一个与 Invoice.model_json_schema() 匹配的 JSON 模式:属性 invoice_no、date、total 和 currency,全部必需。该架构可以发送到支持架构约束输出的提供程序,因此一个定义可以驱动生成和验证。在 TypeScript 中,Zod 扮演着同样的角色。如果类型提示和数据类很熟悉,Pydantic模型会感觉很自然。
模型输出如何中断
我们通过 Invoice.model_validate_json() 验证了六个响应:
good OK 1180.0
markdown fence FAIL (1) ['root: json_invalid']
trailing text FAIL (1) ['root: json_invalid']
wrong types FAIL (4) ['invoice_no: string_type', 'date: string_pattern_mismatch',
'total: float_parsing', 'currency: literal_error']
missing field FAIL (1) ['date: missing']
string number OK 1180.0
每个失败都反映了模型仅在提示时真正执行的操作:
- Markdown 栅栏: JSON 到达内部
```json ... ```,因为聊天调整模型为人类格式化答案。 - Chatty extras: JSON 使其无效后的友好句子。
- 类型和格式错误: 发票号为数字,日期为“10/11/2026”,总计为“1,180”,货币为“Rs”。一个回答中有四个错误。
- 缺失字段:模型找不到的字段被简单地忽略。
拯救封装的 JSON
def extract_json(text):
s, e = text.find("{"), text.rfind("}")
return text[s:e + 1] if s != -1 and e > s else text
# markdown fence after extract_json: OK INV-104 1180.0
# trailing text after extract_json: OK INV-104 1180.0
获取第一个 { 和最后一个 } 之间的文本恢复了两个包装的响应。它是一个有用的安全网,但也很脆弱:它对于数组、包含多个对象的响应或当解释性文本本身包含大括号时失败。将其视为后备方案,而不是设计。
宽松与严格解析
发送的“字符串号”响应"total": "1180.00",一个字符串而不是一个数字,它就通过了。 Pydantic 的默认宽松模式将干净的数字字符串转换为浮点数。这很方便,但这意味着模型输出中的类型错误可能会被忽视。如果您想检测模型何时忽略架构(例如为了测量可靠性),请使用严格模式,这会拒绝它。谨慎选择:宽松模式用于稳健性,严格模式用于测量以及类型更改可能可疑的字段。
受限解码
一些提供商和开源推理工具提供模式约束的输出。从概念上讲,模式被转化为关于接下来可能出现哪些令牌的规则,并且会在生成过程中阻止会破坏格式的令牌。该模型实际上无法生成 Markdown 栅栏或缺失的大括号。这消除了几乎所有语法和形状错误。一些文章报告说,严格的约束可能会稍微降低推理繁重任务的答案质量,因此请根据您自己的数据进行衡量。不同提供商支持的架构功能也有所不同,因此请检查您的提供商接受的内容。
有效不等于正确
模式验证检查形状。它无法判断 1080 还是 1180 是否是正确的总数。我们添加了一个简单的语义检查,确认提取的总数出现在源文本中:
semantic check (total in source): True
semantic check (wrong total): False
总共 1080 的响应是完全有效的 JSON,具有正确的类型,但它仍然是错误的。业务规则检查捕获以下内容:与行项目匹配的总计、未来的日期、数据库中存在的 ID、源文档中显示的值。这些是保护真实用户的检查。
重试并修复循环
- 使用架构和清晰的说明调用模型。
- 解析并验证响应。
- 如果失败,请再次调用并包含验证错误,例如“日期必须匹配 YYYY-MM-DD”。
- 少量尝试后停止,然后回退:排队等待人工审核、返回明确的错误或使用默认值。
- 使用原始响应记录每个失败,以便您可以改进提示或架构。
Pydantic 的错误列表(例如 date: string_pattern_mismatch)足够精确,可以反馈给模型。保持重试有界;无界循环会导致成本快速增加。
架构设计技巧
- 保持扁平和小。 深度嵌套架构更容易失败。
- 使用枚举作为类别而不是自由文本。
- 对日期和金额使用明确的格式,并在字段描述中说明。
- 允许 null 表示可能丢失的信息。
- 仅当您的代码实际使用时才添加置信度或注释字段。
- 对架构进行版本控制,,因为更改它是合约变更,如 API 合约测试中所述。
测试结构化输出
构建具有预期输出的真实输入测试集,包括混乱的文档和缺少字段的情况。在每次提示、模式或模型更改时运行它,并跟踪三个数字:解析的响应份额、通过验证的份额以及值正确的份额。使用故意损坏的输出对您的验证器进行单元测试,就像我们的六个示例一样,这样解析代码就不会在生产中让您感到惊讶。
将其组合在一起:最小管道
- Pydantic 或 Zod 中的一个模型定义,包含字段描述和允许的值。
- 从中生成 JSON 架构,并将其传递给提供者的结构化输出或工具调用功能。
- 解析并验证使用相同模型的回复,仅在需要时才回退到 JSON 提取。
- 针对源数据和业务规则运行语义检查。
- 使用错误消息重试一次或两次,然后将失败路由到人工队列。
- 记录每次调用的原始输入、原始输出、错误和设置,以便可以重现和修复故障。
每一层都能捕捉到其他层错过的问题。它们一起将概率模型转变为系统其余部分可以依赖的组件。
最后的话
从模型获取 JSON 很容易;获得可靠的 JSON 需要分层。在 Pydantic 或 Zod 中定义一次架构,使用提供程序的架构约束输出(如果可用),验证您自己的代码中的每个响应,为重要的值添加语义检查,并使用错误反馈重试有限次数。在我们的测试中,六个提示式响应中的四个在第一次解析时未通过验证,并且仅模式检查就会接受错误的总数。
常见问题
LLM 的结构化输出是什么?
一种让语言模型以定义的格式返回数据的方法,通常是与架构匹配的 JSON,以便应用程序代码可以直接使用它。
JSON模式和结构化输出一样吗?
不完全是。 JSON 模式保证有效的 JSON 语法,但不保证您的字段或类型。基于模式的结构化输出限制对特定模式的响应。
为什么模型要用 markdown 包装 JSON?
经过聊天调整的模型为人们格式化答案。使用提供程序结构化输出功能,或从文本中提取 JSON 对象作为后备。
我还需要使用约束解码进行验证吗?
是的。代码中的验证可以防止提供程序更改和模型交换,语义检查可以捕获格式良好但错误的值。
我应该使用哪个库来验证 LLM 输出?
Pydantic 是 Python 中的常见选择,Zod 是 TypeScript 中的常见选择。两者都可以根据您验证时使用的相同定义生成 JSON 架构。
继续学习
需要测试、WordPress 或 SEO 方面的帮助?
我们帮助团队交付更好的软件并发展他们的网站。告诉我们您正在做什么,我们将建议明确的下一步。
更多指南 测试、人工智能和现代开发
喜欢这篇文章吗?选择一个主题并直接跳至我们最新的教程。
RAG 分块策略解释:固定、重叠、句子、递归和标题、测量
RAG 分块策略在一份文档上与 tiktoken 0.14 进行比较:固定大小、重叠、句子打包、递归拆分和基于标题的分块、测量拆分事实、孤立标题和存储成本。
阅读文章 →软件开发API 幂等性解释:幂等密钥和安全重试,经过测试
API 幂等性通过我们运行的 Python 服务器和客户端进行了解释:丢失的响应导致在没有密钥的情况下产生双重费用,在有密钥的情况下产生单次费用,再加上密钥重用、并发重试和存储规则。
阅读文章 →DevOpsGit Stash 解释:保存、应用、弹出和未跟踪的文件,经过测试
Git stash 用我们在 Git 2.56 上运行的命令进行了解释:推送消息、未跟踪的文件、列表和显示、应用与弹出、保留索引、冲突、存储分支、删除和清除。
阅读文章 →软件测试成对测试解释:全成对如何将 216 次测试减少到 13 次,已测试
成对测试用我们在 Python 3.13 中运行的生成器进行了解释:检查 13 个测试覆盖的 216 种组合、经过验证的覆盖范围、更大的示例以及成对可能错过的三向错误。
阅读文章 →测试自动化测试替身解释:Dummy、Stub、Spy、Mock 和 Fake,以及经过测试的 Python 代码
测试替身通过在 pytest 9.2 中运行的一个 Python 示例进行了解释:dummy、stub、spy、mock 和 fake、何时使用每一种、状态与行为检查,以及 autospec 如何捕获普通 Mock 隐藏的错误。
阅读文章 →数据库与 SQLSQL COALESCE 解释:默认值、NULLIF、IFNULL 与 ISNULL 和陷阱,已测试
SQL COALESCE 解释了我们在 SQLite 3.50 中运行的查询:第一个非空值、空字符串、数学中的 NULL、除以零的 NULLIF、聚合、LEFT JOIN 间隙以及 IFNULL 与 ISNULL。
阅读文章 →数据库与 SQLSQL 自连接解释:员工-经理、配对和行比较,经过测试
SQL 自连接用我们在 SQLite 3.50 中运行的查询来解释:员工和经理,收入比经理多,唯一对,每日变化,两跳链和索引。
阅读文章 →软件开发JavaScript Spread 运算符解释:Spread 与 Rest、副本和陷阱、经过测试
JavaScript 扩展运算符用我们在 Node 24 上运行的代码进行了解释:数组、对象、浅拷贝、剩余参数、Math.max 限制和 reduce 中的性能陷阱。
阅读文章 →软件开发Python 集合模块解释:Counter、defaultdict、deque 等,已测试
Python 集合用我们在 Python 3.13 上运行的代码进行了解释:Counter、defaultdict、deque、namedtuple、OrderedDict 和 ChainMap,以及列表与双端队列计时和备忘单。
阅读文章 →人工智能LLM 上下文窗口解释:标记、限制以及如何适应更多、衡量
LLM 上下文窗口用我们使用 tiktoken 测量的令牌计数进行了解释:散文、代码和印地语的单词与令牌、输入和输出预算、修剪聊天记录、RAG 和成本的分块。
阅读文章 →软件开发Webhooks 解释:它们如何工作以及如何安全地接收它们
Webhooks 解释了我们在 Python 中运行的接收器和发送器:推送与轮询、HMAC-SHA256 签名、拒绝篡改和重播的请求、使用回退重试、幂等性和测试技巧。
阅读文章 →DevOpsGit Cherry-Pick 解释:安全地、经过测试地复制您需要的提交
Gitcherry-pick 用我们在 Git 2.56 中运行的命令进行了解释:将修补程序复制到发布分支、新的哈希值和补丁 ID、-x、-n、提交范围、冲突、–abort、–skip 以及稍后的合并。
阅读文章 →测试自动化快照测试解释:它是如何工作的、何时有用、何时有害
快照测试通过我们运行的 pytest 和糖浆演示进行了解释:创建快照、在代码更改后读取差异、屏蔽时间戳、安全更新以及快照何时有帮助或有害。
阅读文章 →软件测试突变测试解释:为什么 100% 覆盖率仍然漏掉了我们的 bug
突变测试用我们构建并运行的一个小型突变工具进行解释:14 个突变体,一个 100% 线覆盖的测试套件,得分为 79%,边界测试达到 100%,加上工具、成本和 CI 技巧。
阅读文章 →人工智能即时注入解释:人工智能应用程序如何被欺骗以及如何防御它们
为构建者解释提示注入:直接和间接攻击、关键字过滤器失败的原因(我们的测试阻止了 4 中的 1 个)以及分层防御,包括最小权限、工具允许列表和输出检查。
阅读文章 →DevOpsDNS 记录解释:A、AAAA、CNAME、MX、TXT 和 TTL 以及真实查找
通过我们运行的查找来解释 DNS 记录:解析如何工作、A 和 AAAA、CNAME 规则、MX 和 null MX、用于 SPF 和验证的 TXT、NS、TTL 和缓存以及安全 DNS 更改。
阅读文章 →DevOps功能标志解释:安全发布、逐步推出和标志卫生
通过我们运行的推出模拟解释了功能标志:标志类型、具有稳定散列的百分比推出、终止开关、允许列表、测试两条路径、标志债务和最佳实践。
阅读文章 →测试自动化使用 Python Faker 测试数据生成:真实、可重复且安全的数据
使用 Python Faker 测试数据生成、运行和测量:可重复数据的播种、区域设置、唯一值、域形状记录、Faker 未命中的边缘情况、屏蔽生产数据和速度。
阅读文章 →软件测试左移测试解释:尽早发现错误而不拖慢团队速度
左移测试解释:它意味着什么,为什么早期缺陷成本更低,从需求审查到 CI 检查的实践,测试人员角色的变化,右移,指标和推出计划。
阅读文章 →数据库与 SQLSQL 字符串函数解释:TRIM、SUBSTR、REPLACE、CONCAT 和数据清理
通过我们运行的查询来解释 SQL 字符串函数:连接和 NULL、TRIM、UPPER 和 LOWER、SUBSTR 和 INSTR、REPLACE、填充、Unicode 长度、清理混乱数据和方言差异。
阅读文章 →数据库与 SQLSQL 触发器解释:BEFORE 和 AFTER 触发器、审核日志和陷阱
SQL 触发器用我们运行的触发器进行了解释:BEFORE 与 AFTER、OLD 和 NEW、审核日志、验证、库存更新、WHEN 条件、回滚、方言差异以及何时避免它们。
阅读文章 →软件开发Python JSON 模块解释:转储、加载、自定义类型和常见错误
Python JSON 模块用我们运行的代码进行了解释:转储和加载、文件、类型转换、日期和小数、自定义编码器、object_hook、浮点精度、解析错误和 JSON 行。
阅读文章 →软件开发ES 模块与 CommonJS:JavaScript 导入如何在 Node.js 中工作并经过测试
ES 模块与 CommonJS 用我们在 Node.js 中运行的代码进行了解释:导入和导出语法、require、实时绑定、缓存、顶级等待、动态导入、文件扩展和互操作。
阅读文章 →软件开发Python 正则表达式解释:模式、组、前瞻和陷阱,经过测试
Python 正则表达式用我们运行的模式进行解释:搜索与匹配、findall、组和命名组、贪婪与懒惰、sub、前瞻、标志、Unicode 惊喜和灾难性回溯。
阅读文章 →人工智能LLM 结构化输出解释:从 AI 模型获取可靠的 JSON
LLM 结构化输出通过我们在 Pydantic 中运行的验证进行了解释:JSON 模式和模式、约束解码、模型输出中断的方式、重试循环和语义检查。
阅读文章 →DevOpsSSH 密钥解释:它们如何工作、ssh-keygen、Ed25519 和安全习惯
SSH 密钥用我们生成的密钥进行解释:公钥与私钥、ssh-keygen、Ed25519 与 RSA、指纹、密码、ssh-agent、authorized_keys、配置文件、GitHub 和密钥卫生。
阅读文章 →DevOpsHTTP 缓存解释:缓存控制、ETag 和 304 响应,通过实时测试
使用我们运行的小型服务器解释 HTTP 缓存:Cache-Control 指令、max-age、无缓存与无存储、ETag 重新验证和 304 响应、CDN、缓存清除和测试标头。
阅读文章 →测试自动化API 合约测试解释:在发布之前捕获重大变更
API 合约测试通过我们运行的模式检查进行了解释:什么是合约、消费者驱动的合约、Pact、OpenAPI、哪些更改会破坏消费者,以及它如何适应 CI。
阅读文章 →软件测试基于风险的测试解释:对风险进行评分、构建矩阵并测试重要内容
基于风险的测试逐步解释:识别风险、对可能性和影响进行评分、构建风险矩阵、将风险映射到测试深度、工作示例和常见错误。
阅读文章 →数据库与 SQLSQL 约束解释:NOT NULL、UNIQUE、CHECK 和 FOREIGN KEY,已测试
通过我们运行的测试解释了 SQL 约束:NOT NULL、UNIQUE、CHECK、DEFAULT、PRIMARY 和 FOREIGN KEY、NULL 漏洞、SQLite 的外键设置、命名约束并测试它们。
阅读文章 →数据库与 SQLSQL 日期函数解释:无错误地添加、比较和分组日期
SQL 日期函数通过我们运行的查询进行解释:添加间隔、月末惊喜、日期差异、BETWEEN 陷阱、按天分组、时区、索引和方言差异。
阅读文章 →软件开发Python asyncio 解释:async、await、gather 和 TaskGroup With Real Timings
Python asyncio 用我们计时的代码进行了解释:协程、await、gather、TaskGroup、错误处理、超时、限制并发以及破坏性能的阻塞调用错误。
阅读文章 →软件开发JavaScript 中的 Debounce 与 Throttle:它们如何工作、何时使用、经过测试
JavaScript 中的反跳与节流通过我们在 Node.js 中测量的计时进行了解释:每种方式如何工作、简单实现、前导和尾随调用、真实用例和测试。
阅读文章 →软件开发Python 上下文管理器解释:with 语句、contextlib 和实际用途
Python 上下文管理器用我们运行的代码进行了解释:如何工作、__enter__ 和 __exit__、contextlib.contextmanager、suppress、ExitStack、数据库事务和常见错误。
阅读文章 →人工智能LLM 温度和 Top-p 解释:AI 模型如何选择下一个单词
LLM 温度和 top-p 通过我们运行的模拟进行了解释:概率如何重塑、top-p 保留什么、按任务推荐的设置、确定性和测试 AI 功能。
阅读文章 →DevOpsYAML 解释:语法、挪威问题和我们测试的其他陷阱
YAML 通过解析器测试进行解释:基本语法、列表和地图、挪威问题、版本转换为浮点数、八进制邮政编码、六十进制时间、锚点、多行文本和安全加载。
阅读文章 →DevOpsCron 作业解释:语法、实际计划以及破坏它们的错误
Cron 作业通过我们验证的时间表进行了解释:五个字段、运算符、真实示例、每月或每周的陷阱、环境问题、日志记录、重叠和时区。
阅读文章 →人工智能人工智能幻觉解释:语言模型为何会产生幻觉以及如何减少它
人工智能幻觉解释:它们是什么,为什么语言模型产生它们,常见类型,如何通过基础和提示来减少它们,以及我们进行的简单检查。
阅读文章 →DevOps环境变量解释:.env 文件、秘密和配置正确完成
使用我们运行的 Python 示例解释环境变量:读取和设置它们、为什么每个值都是字符串、.env 文件、进程继承、秘密和验证。
阅读文章 →软件开发API 速率限制解释:算法、标头和处理 429 错误
API 速率限制通过我们运行的模拟进行了解释:令牌桶、固定窗口、滑动窗口、429 响应、速率限制标头、带回退的重试和测试限制。
阅读文章 →测试自动化Python 中的模拟:unittest.mock、补丁以及导致测试谎言的错误
使用unittest.mock 在Python 中进行模拟,经过测试:模拟和return_value、side_effect、修补使用名称的位置、spec 和autospec、模拟日期以及常见错误。
阅读文章 →软件测试代码覆盖率解释:行覆盖率与分支覆盖率以及 100% 的真正含义
用真实的coverage.py运行来解释代码覆盖率:行、分支和条件覆盖率,阅读报告,为什么100%覆盖率仍然会错过错误,以及合理的目标。
阅读文章 →数据库与 SQLSQL 中的 DELETE、TRUNCATE 和 DROP:差异、回滚以及何时使用它们
DELETE、TRUNCATE 和 DROP 通过经过测试的 SQL 进行了解释:各自删除什么、回滚、触发器、身份重置、速度,以及 PostgreSQL、MySQL、SQL Server 和 SQLite 有何不同。
阅读文章 →数据库与 SQLSQL 视图解释:创建、使用和避免陷阱(附示例)
SQL 视图通过我们运行的查询进行解释:创建视图、实时结果、隐藏列、性能、可更新和物化视图、破坏的依赖关系和最佳实践。
阅读文章 →软件开发TypeScript 接口与类型:真正的差异,使用编译器进行测试
TypeScript 接口与类型,使用真实编译器进行检查:两者都可以做什么,只有一个可以做什么,声明合并,扩展与交集以及要遵循的简单规则。
阅读文章 →软件开发Python *args 和 **kwargs 解释:灵活的函数和清晰的示例
Python *args 和 **kwargs 用我们运行的代码进行了解释:打包和解包、参数顺序、仅关键字和仅位置参数、装饰器和常见错误。
阅读文章 →软件开发Python Lambda 函数:语法、实际用途以及何时不使用它们
Python lambda 函数用我们运行的代码进行了解释:语法、使用键排序、映射和过滤器、闭包、后期绑定陷阱,以及何时普通 def 是更好的选择。
阅读文章 →人工智能什么是人工智能代理?它们是如何工作的,只需运行一个简单的代理循环
什么是人工智能代理?关于代理循环、工具、内存和护栏的简单指南,以及我们运行的一个小型 Python 循环、真正的风险以及何时简单的聊天机器人是更好的选择。
阅读文章 →DevOps监控与可观察性:真正的区别,包括日志、指标和跟踪
监控与可观察性解释:已知和未知的故障、日志、指标和跟踪、检查事件演练、黄金信号、OpenTelemetry 和有用的警报。
阅读文章 →DevOpsDocker Volumes 与 Bind Mounts:以正确的方式保留容器数据
Docker 卷与绑定挂载解释:为什么容器数据消失、命名卷、绑定挂载、tmpfs、Compose 示例、备份、权限以及何时使用它们。
阅读文章 →测试自动化TDD 与 BDD:主要区别、以两种方式构建的一个功能以及何时使用每种方式
TDD 与 BDD 的解释是通过一种双向构建的折扣功能:使用我们运行的代码进行红绿重构、Given-When-Then 场景、工具、权衡以及何时使用每种方案。
阅读文章 →软件测试用户验收测试 (UAT):流程、清单和真实示例
用户验收测试解释:谁运行它、它与 QA 有何不同、七步流程、UAT 测试用例模板、清单、签核标准和常见错误。
阅读文章 →数据库与 SQLSQL NULL 值解释:IS NULL、COALESCE、NULLIF 和要避免的陷阱
通过我们运行的查询解释了 SQL NULL 值:三值逻辑、IS NULL、COALESCE、NULLIF,聚合、连接和排序如何处理 NULL,以及它悄悄引起的错误。
阅读文章 →数据库与 SQLSQL CASE WHEN 语句:语法、实例和常见错误
SQL CASE WHEN 解释了我们运行的查询:简单和搜索表单、条件顺序、SUM 透视、COUNT 技巧、自定义排序、更新和要避免的 NULL 陷阱。
阅读文章 →软件开发什么是智威汤逊?通过工作示例解释 JSON Web 令牌
什么是智威汤逊? JSON Web Tokens 解释:这三个部分,在我们运行的代码中构建和篡改的令牌,JWT 与会话,存储,刷新令牌和安全错误。
阅读文章 →软件开发JavaScript 事件循环解释:调用堆栈、微任务和计时器以及示例
JavaScript 事件循环用我们运行的代码进行了解释:调用堆栈、任务和微任务队列、为什么 setTimeout 0 不是立即执行、阻塞、饥饿和面试测验。
阅读文章 →软件开发Python 生成器和 Yield 解释:通过真实示例节省内存
Python 生成器和yield 用我们运行的代码进行了解释:它们如何暂停和恢复、测量内存节省、管道、无限序列、yield from、发送和常见陷阱。
阅读文章 →人工智能什么是嵌入?向量和余弦相似度简单解释
什么是嵌入?关于向量、余弦相似度和语义搜索的简单语言指南,其中包含我们运行的一个小示例、常见用途、选择模型和已知限制。
阅读文章 →DevOps蓝绿部署与金丝雀部署:差异、权衡以及如何选择
蓝绿部署与金丝雀部署解释:每种部署的工作原理、成本、风险和回滚、我们测试的稳定用户分桶、数据库迁移、滚动更新以及如何选择。
阅读文章 →测试自动化不稳定的测试:造成这些问题的原因以及如何彻底解决它们
我们运行的演示解释了不稳定的测试:主要原因、如何确认和诊断、正确的时间修复、共享状态和日期以及隔离过程。
阅读文章 →软件测试负载测试与压力测试:差异、指标和 k6 示例
负载测试与压力测试的解释:各自证明什么、峰值和浸泡测试、重要的指标、为什么平均值会误导、k6 个示例以及如何计划测试。
阅读文章 →软件测试测试用例与测试场景:主要区别、示例以及何时使用它们
测试用例与测试场景的解释:清晰的定义、并排的表格、从场景到案例的密码重置功能、模板以及何时使用每个功能。
阅读文章 →数据库与 SQLSQL 查询优化:读取执行计划并修复慢速查询(带计时)
对一百万行进行 SQL 查询优化测试:读取执行计划、添加正确的索引、修复不可控制的过滤器、使用复合索引和键集分页。
阅读文章 →数据库与 SQLSQL UNION 与 UNION ALL:差异、示例和性能测试
SQL UNION 与 UNION ALL 通过我们运行的查询进行了解释:重复、都遵循的规则、真实的数据错误、测量的性能、INTERSECT 和 EXCEPT 以及何时使用它们。
阅读文章 →软件开发JavaScript Fetch API 教程:GET、POST、错误处理和超时
针对本地服务器测试的 JavaScript Fetch API 教程:GET 和 POST、为什么不抛出 404、可重用的帮助程序、查询字符串、超时、CORS 和常见错误。
阅读文章 →软件开发Python 文件处理:读取、写入、CSV、JSON 和 pathlib 以及示例
使用我们运行的代码解释了 Python 文件处理:打开模式、使用、读取大文件、CSV、JSON、pathlib、二进制文件、安全写入、错误处理和常见错误。
阅读文章 →软件开发Python 类和对象:带有实际示例的 OOP 教程
用我们运行的代码解释 Python 类和对象:__init__、方法、类与实例属性、继承、属性、dunder 方法、数据类和常见错误。
阅读文章 →人工智能什么是大语言模型?法学硕士如何运作,在没有炒作的情况下进行解释
什么是大语言模型?法学硕士用简单的语言解释:标记、嵌入、注意力、训练、温度和上下文窗口、一个微小的下一个单词演示和真正的限制。
阅读文章 →DevOps适合初学者的 Linux 命令:带有示例的基本终端指南
适合初学者的 Linux 命令,按任务分组:导航、文件、查看日志、grep、管道、权限、进程和档案,并附有实用的日志分析示例。
阅读文章 →测试自动化Selenium 与 Playwright:主要区别、代码比较以及选择
Selenium 与 Playwright 比较:架构、等待、浏览器和语言支持、调试、两种工具中的相同测试、迁移建议以及如何选择。
阅读文章 →软件测试等价划分:通过实例解释测试设计技术
等效分区解释:如何找到有效和无效分区,年龄、密码和优惠券的工作示例,我们运行的测试,以及为什么将其与边界配对。
阅读文章 →软件测试软件测试中的严重性与优先级:差异、矩阵和实例
软件测试中的严重性与优先级解释:清晰的定义、带有示例的四向矩阵、级别尺度、谁设置每个级别以及如何运行错误分类。
阅读文章 →数据库与 SQLSQL 子查询教程:类型、相关子查询和 EXISTS 以及示例
SQL 子查询教程,其中包含我们运行的查询:标量、IN、FROM 和 SELECT 子查询、相关子查询、EXISTS、NOT IN NULL 陷阱以及子查询与 JOIN 与 CTE。
阅读文章 →数据库与 SQLSQL 事务和 ACID 解释:COMMIT、ROLLBACK 和隔离级别
SQL 事务和 ACID 通过我们运行的银行转账进行了解释:COMMIT、ROLLBACK、保存点、锁、隔离级别、脏读、死锁和最佳实践。
阅读文章 →软件开发Git 命令备忘单:您实际使用的命令,以及示例
Git 命令备忘单按任务分组:设置、暂存、分支、远程、存储、历史记录和撤消错误,以及来自真实演示存储库的输出。
阅读文章 →软件开发JavaScript Promise 解释:then、catch、Promise.all 和常见错误
JavaScript 承诺用我们运行的代码进行了解释:状态、then 和 catch 链、错误处理、Promise.all、allSettled、race 和 any、事件循环和常见错误。
阅读文章 →软件开发Python 字典教程:方法、示例和常见模式
Python 字典教程,包含我们运行的代码:创建、读取和更新字典、关键方法、合并、理解、计数和分组模式以及常见错误。
阅读文章 →人工智能什么是 RAG?通过工作示例解释检索增强生成
什么是RAG?检索增强生成逐步解释:索引、分块、嵌入、检索、一个小型的 Python 工作示例、评估和常见故障。
阅读文章 →DevOpsTerraform 初学者教程:从第一个文件到模块的基础设施即代码
适合初学者的 Terraform 教程:从没有云帐户开始,学习初始化、计划和应用,然后是变量、输出、状态、模块和安全的团队工作流程。
阅读文章 →DevOpsDocker 与 Kubernetes:主要区别、它们如何协同工作以及您需要哪些
Docker 与 Kubernetes 的解释:各自的作用、同一个应用程序同时运行、Docker Compose 和 Swarm 的比较、dockershim 的变化以及如何决定您需要什么。
阅读文章 →测试自动化Pytest 初学者教程:夹具、参数化和真实示例
面向初学者的 pytest 教程,其中包含我们在 pytest 9.2 上运行的测试:断言、固定装置、参数化、conftest、标记、tmp_path、monkeypatch、有用的标志和 CI。
阅读文章 →软件测试软件测试生命周期 (STLC):6 个阶段、进入和退出标准、示例
软件测试生命周期解释:六个 STLC 阶段,包括进入和退出标准、可交付成果、有效的登录功能示例、STLC 与 SDLC 以及敏捷中的 STLC。
阅读文章 →软件开发Git merge 与 rebase 的区别:示例及如何选择
用真实的 log 输出、对比表、rebase 黄金法则和安全的团队工作流,讲清 Git merge 与 rebase 的区别。
阅读文章 →软件开发Python 列表推导式:语法、示例与何时避免使用
Python 列表推导式详解:语法、过滤、if-else、嵌套循环、实测耗时,以及何时普通 for 循环更合适。
阅读文章 →数据库与 SQLSQL JOIN 详解:附示例(INNER、LEFT、RIGHT、FULL)
通过示例表和查询,一步步讲解 SQL JOIN:INNER、LEFT、RIGHT、FULL、CROSS 和 SELF,并介绍常见错误与性能技巧。
阅读文章 →