Infusion ドキュメント生成 CLI ツール
Infusion は、コード ファイル内でドキュメントを生成するために使用されるオープンソース ツールです。コメントの書き込みには OpenAI gpt-4 モデルを使用します。これは私のプロジェクトであり、Python で書きました。
GitHub リンク:
https://github.com/SychAndrii/infusion
explainer.js は、コード ファイル内のコード スニペットを説明するために使用されるオープンソース ツールです。 Groq モデルを使用してコメントを記述します。これは私のチームメイト @aamfahim のプロジェクトで、彼は Node.JS
で書きました。GitHub リンク:
https://github.com/aamfahim/explainer.js
私は現在、Seneca Polytechnic のオープンソース コースに登録しています。そこでは、他の人とチームを組んで、お互いのコードをレビューし、GitHub の問題を使用して改善のための提案を行うという任務を受けていました。このプロセスについて説明します。
通信モード
両方のリポジトリで生成された問題のほとんどは、Discord 通話による同期通信を使用して行われました。その後、私たちは Discord メッセージを使用して非同期で話し合いました。bash スクリプトを使用してプロジェクトのセットアップを効率化するのは難しい問題があり、チームメイトのマシンで動作するかどうかをテストする必要があるたびにチームメイトに電話するのは不要だと思われたためです。私のマシンで Docker コンテナと WSL Linux サブシステムを使用したテストは、Al のシステムでのテストとは異なり、重要なバグが浮き彫りになりました。
誰かのコードをレビューした経験
私は Node.JS 開発の経験が豊富なので、チームメイトのコードをレビューするときに何も異常はありませんでした。私は問題を作成し、それに対する解決策をすぐに提案するのが好きでした。私たちが抱えていた問題の 1 つは、私が作成した課題にラベルを付ける方法が見つからなかったことです。ラベルを付けることができるのは Al だけであり、面倒でした。
誰かが私のコードをレビューした経験
アルは、特に CLI ツールのインストールに関して、多くの改善の余地があることを示唆してくれました。彼が最初に私のリポジトリをフォークしたとき、エンドユーザーは特定のバージョンの Python を手動でインストールする必要がありましたが、これは間違いなくイライラする作業でした。さらに、ツールを起動するたびに API キーを入力する必要がないように .env ファイルを導入するなど、ツールを便利に使用するために考えられるその他の改善点も強調しました。私は自分のコードについて他の人から意見をもらうのが好きです。そうすることで開発者として成長できるし、開発ライフサイクルの見方が確実に広がります。
レビューおよびテスト中に発生した問題
Al の CLI プログラムは Node.JS で書かれており、私たち二人とも Node.JS について豊富な経験があるため、私たちが抱えていた問題のほとんどは私のツールにありました。対照的に、私たちは 2 人とも Python エコシステムが好きではないため、Python エコシステムとやり取りするのに非常に苦労しました。 Al のリポジトリをテストしたとき、彼の README に書かれているドキュメント、特にモデルと API キーのオプションが誤解を招く、または理解しにくいことがわかりました。私たちは、どの API キーとモデルが彼のツールに受け入れられるかを理解するために、試行錯誤のプロセスを経る必要がありました。私のリポジトリをテストすることになったとき、Al のシステム上の Python のバージョンは非常に古い (2.7) ため、彼は 3.10.6 (私のツールを使用するために必要なバージョン) を手動でインストールする必要がありました。しかし、それでも問題は解決しませんでした。彼がそれをインストールしたにもかかわらず、私のツールが Pipenv で作成した仮想環境ではまだ認識されませんでした。その後も、ツールを起動するたびに使用に必要な API キーを入力するのが面倒になりました。最後に、README ドキュメントはインストールには役に立ちませんでした。私たちはそれらに従おうとしましたが、PATH 上で認識されないいくつかのスクリプトに関連するエラーが発生し続けました。そのとき、すべてのインストールを自動的に実行してくれる何らかの自動化ツールが必要だと判断しました。アプリケーションを Docker 化することも考えましたが、その場合は、ツールに指定された出力ディレクトリと入力ファイルに何らかの方法で Docker ボリュームをマップする必要があり、すべてが 2 倍複雑になります。したがって、多くのパッケージ マネージャーは実際にはコマンド ライン ツールであり、GitHub リポジトリを複製してパッケージ マネージャーをインストールする場合は、ある種の bash セットアップ スクリプトを実行してセットアップする必要があることを思い出しました。そこで私はこのアイデアを実行することにしました。最後に、私たち二人とも、提出した問題にバグや機能強化などのラベルを割り当てる方法を見つけることができませんでした。
私が提出した問題
https://github.com/aamfahim/explainer.js/issues/13
https://github.com/aamfahim/explainer.js/issues/12
https://github.com/aamfahim/explainer.js/issues/11
https://github.com/aamfahim/explainer.js/issues/10
https://github.com/aamfahim/explainer.js/issues/9
私が見つけた問題を要約すると、このプロジェクトの README ファイルに書かれているオプションが実際には機能しなかったり、その動作方法が誤解を招くような説明がされていた場合がほとんどでした。
私のリポジトリに提出された問題
https://github.com/SychAndrii/infusion/issues/11
https://github.com/SychAndrii/infusion/issues/10
https://github.com/SychAndrii/infusion/issues/9
https://github.com/SychAndrii/infusion/issues/8
私のリポジトリで見つかった問題を要約すると、それらは主にツールの使用の利便性に関連していました。さらに、構文的に正しいソース コードを含むファイルを私のツールに提供すると、そのファイルが有効なソース コードを含まないファイルとして識別されるというバグが 1 つありました。
なんとか修正できた問題
すべての問題を解決しました。すべての修正には 30 分もかかりませんでしたが、修正するのに 2 ~ 3 時間ほどかかった問題が 1 つありました。
https://github.com/SychAndrii/infusion/issues/8
README ファイルの拡張は簡単に実現できるはずなので、奇妙に思えるかもしれませんが、Al の最初の提案では、ツールのインストール プロセスを完全に作り直す必要があり、インストール用に 2 つのスクリプトを導入する必要がありました。1 つは bash 用、もう 1 つは bash 用です。 1 つは Powershell 用です。ほとんどの場合、私が解決できなかった問題は、これらのセットアップ スクリプトが必要なバージョンの Python を適切にインストールしたにもかかわらず、このバージョンの Python が仮想環境に渡されなかったことでした。このバージョンは、私のツールを使用する前に入力する必要があります。結局、それを修正しました。
学んだこと
README スキルは確実に向上しました。使用例を示した方法は、エンド ユーザーにとって非常にわかりにくいものでした。さらに、私は最終的に bash 言語と PowerShell 言語を使用して自分で何かを行うようになりました。学校の課題のためではなく、必須だったからではなく、ツールを操作するプロセスを簡素化したかったからです。ついに、私は絶対に我慢できない言語、それが Python と向き合うことにしました。私にとって、それを使って働くのは決して楽しいものではありませんでしたが、特に AI がトレンドになっている今日、仕事を見つけたいなら、それを使えるようにすることが不可欠だと思います。
以上がInfusion ドキュメント生成 CLI ツールの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undress AI Tool
脱衣画像を無料で

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

API認証を扱うための鍵は、認証方法を正しく理解して使用することです。 1。Apikeyは、通常、リクエストヘッダーまたはURLパラメーターに配置されている最も単純な認証方法です。 2。BasicAuthは、内部システムに適したBase64エンコード送信にユーザー名とパスワードを使用します。 3。OAUTH2は、最初にclient_idとclient_secretを介してトークンを取得し、次にリクエストヘッダーにbearertokenを持ち込む必要があります。 4。トークンの有効期限に対処するために、トークン管理クラスをカプセル化し、トークンを自動的に更新できます。要するに、文書に従って適切な方法を選択し、重要な情報を安全に保存することが重要です。

Pythonを使用して最新の効率的なAPIを作成するには、Fastapiをお勧めします。標準のPythonタイプのプロンプトに基づいており、優れたパフォーマンスでドキュメントを自動的に生成できます。 FastAPIおよびASGIサーバーUVICORNをインストールした後、インターフェイスコードを記述できます。ルートを定義し、処理機能を作成し、データを返すことにより、APIをすばやく構築できます。 Fastapiは、さまざまなHTTPメソッドをサポートし、自動的に生成されたSwaggeruiおよびRedocドキュメントシステムを提供します。 URLパラメーターはパス定義を介してキャプチャできますが、クエリパラメーターは、関数パラメーターのデフォルト値を設定することで実装できます。 Pydanticモデルの合理的な使用は、開発の効率と精度を改善するのに役立ちます。

APIをテストするには、Pythonのリクエストライブラリを使用する必要があります。手順は、ライブラリのインストール、リクエストの送信、応答の確認、タイムアウトの設定、再試行です。まず、pipinstallRequestsを介してライブラリをインストールします。次に、requests.get()またはrequests.post()およびその他のメソッドを使用して、get requestsを送信または投稿します。次に、respons.status_codeとresponse.json()を確認して、返品結果が期待に準拠していることを確認します。最後に、タイムアウトパラメーターを追加してタイムアウト時間を設定し、再試行ライブラリを組み合わせて自動再生を実現して安定性を高めます。

Pythonでは、関数内で定義されている変数はローカル変数であり、関数内でのみ有効です。外部から定義されているのは、どこでも読むことができるグローバル変数です。 1。関数が実行されると、ローカル変数が破壊されます。 2。関数はグローバル変数にアクセスできますが、直接変更できないため、グローバルキーワードが必要です。 3.ネストされた関数で外部関数変数を変更する場合は、非ローカルキーワードを使用する必要があります。 4。同じ名前の変数は、異なるスコープで互いに影響を与えません。 5。グローバル変数を変更するときにグローバルを宣言する必要があります。それ以外の場合は、バウンドロカレラーロールエラーが発生します。これらのルールを理解することで、バグを回避し、より信頼性の高い機能を書くことができます。

PythonでネストされたJSONオブジェクトにアクセスする方法は、最初に構造を明確にし、次にレイヤーごとにインデックスを作成することです。まず、辞書ネストされた辞書やリストなど、JSONの階層関係を確認します。次に、辞書キーとリストインデックスを使用してレイヤーごとにアクセスし、データ「詳細」["zip"]などのレイヤーごとにアクセスして、zipエンコードを取得し、データの詳細[0]を取得して最初の趣味を取得します。 keyerrorとindexerrorを回避するために、デフォルト値は.get()メソッドで設定できます。または、capsulation function safe_getを使用して安全なアクセスを実現できます。複雑な構造の場合、jmespathなどのサードパーティライブラリを再帰的に検索または使用して処理します。

はい、PythonとPandasを使用してHTMLテーブルを解析できます。まず、pandas.read_html()関数を使用してテーブルを抽出します。テーブルは、Webページまたは文字列のHTML要素をデータフレームリストに解析できます。次に、テーブルにクリア列のタイトルがない場合、ヘッダーパラメーターを指定するか、.columns属性を手動で設定することで修正できます。複雑なページの場合、リクエストライブラリを組み合わせてHTMLコンテンツを取得したり、BeautifulSoupを使用して特定のテーブルを見つけたりできます。 JavaScriptのレンダリング、エンコードの問題、マルチテーブル認識などの一般的な落とし穴に注意してください。

DEFは、複雑な機能に適しており、複数の行、文書文字列、ネストをサポートしています。 Lambdaは、単純な匿名関数に適しており、関数がパラメーターによって渡されるシナリオでよく使用されます。 defを選択する状況:①関数本文には複数の線があります。 ②ドキュメントの説明が必要です。 ③複数の場所と呼ばれました。 lambdaを選択するとき:①1回限りの使用。 ②名前やドキュメントは必要ありません。 ③単純なロジック。 Lambda遅延結合変数は、エラーをスローし、デフォルトのパラメーター、発電機、または非同期をサポートしない場合があることに注意してください。実際のアプリケーションでは、ニーズに応じて柔軟に選択し、明確さを優先します。

Pythonで大きなJSONファイルを効率的に処理する方法は? 1. IJSONライブラリを使用して、アイテムごとの解析を介してメモリオーバーフローをストリーミングして回避します。 2. JSonlines形式の場合は、行ごとに読み取り、json.loads()で処理できます。 3.または、大きなファイルを小さな部分に分割してから、個別に処理します。これらの方法は、メモリ制限の問題を効果的に解決し、さまざまなシナリオに適しています。
