我在过去几个月里一直在致力于基础设施和工具的建设,以便为代理分配全球唯一标识符,并使其能够进行沟通。目前这一部分已经运行起来了,但实际上将他们的工作进行结构化仍然非常困难:我仍然需要为他们分配角色和职责,并在正确的目录中以正确的标识符启动代理,以确保他们能够完成任务。
现在我已经自动化了这个部分:一个团队可以通过一个命令从模板中快速创建:
```
aw team bootstrap <a href="https://github.com/awebai/aweb-team-dev-review.git" rel="nofollow">https://github.com/awebai/aweb-team-dev-review.git</a> \
--username <name> \
--work-directory /path/to/your/repo
```
到目前为止,我已经发布了三个我认为有用的模板(可以在提交的 GitHub 页面中找到链接)。
我期待反馈,请告诉我你的想法以及如何使其更有用。我正在考虑的一个方向是用实际的本体结构替代基于 Markdown 的结构。
返回首页
最新
libfyaml 1.0.0-alpha7 增加了一个可选的透明解析缓存,用于重复读取稳定的 YAML/JSON 文件。<p>这并没有使解析器本身快上数百倍。在缓存命中时,libfyaml 会映射通用区域并直接使用该区域,而不是解析文件。由于通用子系统的设计,它甚至避免了重定位,并在使用地址空间布局随机化(ASLR)的 64 位系统中表现良好。<p>基于 Python 绑定对大小为 427.5 MB 的 AllPrintings.json 进行的基准测试结果如下:<p>- 关闭缓存:16.98 秒,+13.4 GB RSS
- 冷缓存:22.45 秒,+13.4 GB RSS
- 热缓存:35.9 毫秒,+1.0 MB RSS<p>在热缓存路径下,这比正常解析快了大约 473 倍,并且内存增量要小得多。还要注意 RSS 基本为零;区域中的通用数据甚至没有被调入内存。<p>此功能旨在用于启动/配置/数据加载工作负载,其中同一个大型 YAML 或 JSON 文件被重复读取。<p>基准测试提交:
<a href="https://github.com/pantoniou/libfyaml/commit/f150432b36e409a4682ca5a2718b73e867d3600d" rel="nofollow">https://github.com/pantoniou/libfyaml/commit/f150432b36e409a...</a>
出于明显的原因,我现在使用一个临时账户。<p>我在公司有一个朋友,他有一些内部消息,(微妙地) 提醒我我可能会在即将到来的裁员中被裁掉。<p>显然,我现在正在疯狂投简历,但我很确定冷申请已经不再有效,因为每个职位发布后立刻就会被大量机器人申请(而且很多职位发布本身就是假的)。<p>那么……人们现在实际上是怎么找工作的呢?真的只是翻阅你的人脉,打扰朋友或以前的同事,问他们能否转发你的简历吗?
嗨,HN,我开发了 py-sql-cleaner,这是一个用于格式化嵌入在 Python 文件中的 SQL 的命令行工具。
Python 格式化工具处理 Python 语法,但它们不会格式化写在 Python 代码中的 SQL。另一方面,SQL 格式化工具通常针对 SQL 文件或原始 SQL 文本,而不是嵌入在 Python 文件中的 SQL。
尽管如此,我认为在 Python 代码库中找到长 SQL 查询并不罕见。py-sql-cleaner 可以检测 Python 文件中的嵌入 SQL,并仅对这些 SQL 进行处理。它的主要功能包括:查找 SQL、就地格式化 SQL,或将其提取到 .sql 文件中。
它避免重写依赖于运行时值或模板扩展的 SQL。例如,包含参数如 %s 或 :name,或 Jinja 风格模板变量如 {{ ds }} 的 SQL 默认会被跳过。
可以尝试以下命令:
```
uvx py-sql-cleaner list path/to/file.py
uvx py-sql-cleaner format path/to/file.py --dry-run
```
如果你写 Python,遇到过这种 SQL 清理问题,或者只是出于好奇,我会很高兴你能看看这个工具。