Eson Wong's Blog

www.einktodo.com 是我为 E-ink Todo List 设备开发的网站，为了减少在它上面的测试工作的时间，我使用了 Playwright 来进行 E2E 测试。

Playwright 是一个由微软开发的 E2E 测试框架，它可以模拟用户在浏览器中的操作，比如点击、输入、滚动等等。Playwright 支持多种浏览器，包括 Chrome、Firefox、Safari 等等，而且它还支持多种编程语言，比如 Javascript、Python、C# 等等。

在这篇文章中，我将向你展示如何使用 Playwright 来进行 E2E 测试。我们将会使用 Typescript 来编写测试代码。

mindmap
  ((LLamaIndex))
    ((知识库))
    ((搜索引擎))
    ((Agent))
    ((Workflow))
    ((大语言模型))

LLamaIndex 是一个基于大语言模型的应用的开源框架，可以用于构建 RAG 检索系统和其他基于大语言模型的应用。

本文将从浅及深地介绍如何使用 LlamaIndex 实现一个简单的以向量检索和搜索引擎检索作为基础的 RAG 检索系统。

真正能接受批评的人，能把“批评的事件”和“自我身份的认同”进行课题分离。

通常这样的人，也能从负面信息里提炼出值得改进的行为。（包括是否应该远离发出不当批评的人）

Milvus 是一个开源的向量数据库，它是为了生成式 AI 的应用设计的。它支持大规模的向量检索。

Milvus 的发音是 /ˈmil vəs/。

本文将是 Milvus 的使用入门。

HTTP Live Streaming (HLS) 是 Apple 开发的一种流媒体协议。能够根据用户的网络状况自动调整视频的清晰度。它将整个视频分成一系列小的 HTTP 文件，每个文件包含一小段视频内容。这种方式可以让视频在不同的网络环境下更加流畅地播放。

本文们将介绍如何在网页中使用实现基于 HLS 视频播放，并显示当前播放的分辨率。

最近在主导一个 AI 检索的项目，需要对检索增强生成（RAG）有所了解，下面是我对检索增强生成（RAG）的一个初浅的了解。

索增强生成（RAG）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。

检索增强生成（RAG）的原理图如下：

graph TB

  subgraph 用户交互
    Start([用户查询]):::user
    End([交互响应]):::user
  end

  subgraph 大语言模型
  end

  subgraph 知识库构建
    SD[(结构化知识库)] --> 向量化知识库 --> VD[(向量知识库)]
  end

  Start ==> 向量化用户查询 ==> 向量检索 ==> 相关知识


  Start ==> 提示词模版
  相关知识 ==> 提示词模版
  提示词模版 == 组合 ==> 模型输入

  模型输入 ==> 大语言模型 ==> 模型输出 ==> End
  相关知识 ==> End

  向量化知识库 o-.-o 大语言模型
  向量化用户查询 o-.-o 大语言模型
  向量检索 o-.-o VD
  相关知识 o-.匹配.-o SD


  classDef user fill:green,color:white

辅音字母的读音通常是辅音字母发音的辅音部份。但是存在非常多的例外情况。

ESP-12F 是一款集成了 ESP8266EX 芯片的模块，在 ESP-12F 上 GPIO0 引脚 在 EN 引脚上升沿（从低电平到高电平）时，如果 GPIO0 引脚为低电平，ESP-12F 将进入下载模式。

最近在做 E-ink Todo List 项目，用到了 ESP8266，所以就简单的聊一下 ESP8266。

我在 Twitter 发布的一条 tweet，写了我使用了墨水屏制作了一个 Todo List，可以同步苹果提醒的全家待办列表。收到了很多推友的关注，所以我决定写一个教程，帮助大家制作一个墨水屏 Todo List。

同步服务由我开发的 einktodo.com 提供。