AI sedang membentuk semula landskap pekerjaan, tetapi tidak mengikut cara media menggambarkannya. Kami memerlukan lebih banyak penyelesai masalah berbanding sebelum ini. Bidang baharu, teknologi baharu dan pasaran baharu muncul dengan pantas.
Sebagai pembangun perisian, anda perlu memerhatikan semua perkara baharu ini untuk menonjol di pasaran. Tetapi mencari apa yang perlu dipelajari boleh menjadi sukar.
Jadi, saya telah memilih senarai alat yang diidamkan yang akan memastikan anda sentiasa relevan dan meningkatkan peluang anda untuk mendapatkan pekerjaan.
Jadi. jom pergi.
Saya boleh bertaruh dalam hidup saya (tidak juga! tetapi anda faham) bahawa ejen AI akan menjadi sangat popular. Produk baharu akan dikendalikan sepenuhnya menggunakan ejen. Walau bagaimanapun, untuk menjadikan ejen benar-benar mampu, anda perlu menyambungkannya ke apl luaran.
Jika anda mencipta ejen kejuruteraan AI, ia mesti mengakses GitHub, Liner, Jira, Slack, dll., untuk menjadi benar-benar berguna. Composito melakukan ini. Kami membenarkan anda menyambungkan lebih 250 apl untuk mengautomasikan tugas yang rumit.
Kami menguruskan pengesahan seperti OAuth, supaya anda boleh membina ciri yang penting.
Ini adalah pasaran baru muncul dengan banyak aktiviti. Mempelajari perkara ini akan menjadikan CV anda lebih sejuk dengan serta-merta.
Bermula dengan Composito adalah mudah.
pip install composio-core
Tambahkan penyepaduan GitHub.
composio add github
Komposio mengendalikan pengesahan dan kebenaran pengguna bagi pihak anda.
Berikut ialah cara anda boleh menggunakan integrasi GitHub untuk membintangkan repositori.
from openai import OpenAI
from composio_openai import ComposioToolSet, App
openai_client = OpenAI(api_key="******OPENAIKEY******")
# Initialise the Composio Tool Set
composio_toolset = ComposioToolSet(api_key="**\\*\\***COMPOSIO_API_KEY**\\*\\***")
## Step 4
# Get GitHub tools that are pre-configured
actions = composio_toolset.get_actions(actions=[Action.GITHUB_ACTIVITY_STAR_REPO_FOR_AUTHENTICATED_USER])
## Step 5
my_task = "Star a repo ComposioHQ/composio on GitHub"
# Create a chat completion request to decide on the action
response = openai_client.chat.completions.create(
model="gpt-4-turbo",
tools=actions, # Passing actions we fetched earlier.
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": my_task}
]
)
Jalankan skrip Python ini untuk melaksanakan arahan yang diberikan menggunakan ejen.
Komposio berfungsi dengan rangka kerja terkenal seperti LangChain, LlamaIndex, CrewAi, dll.
Untuk mendapatkan maklumat lanjut, lawati dokumen rasmi dan untuk contoh yang lebih kompleks, lihat bahagian contoh repositori.
Bintangkan repositori Composito ⭐
Jika anda menulis Python dalam sebarang kapasiti, ini adalah satu kemestian. Mungkin penyelesaian terbaik untuk ekosistem pengurusan pakej yang tidak kemas Python. Ia adalah satu alat yang menggantikan pip, pip-tools, pipx, puisi, pyenv, twine, virtualenv dan banyak lagi.
Ia ditulis dalam Rust dan boleh mengurus versi Python, memasang aplikasi, mempunyai ruang kerja seperti kargo dan, yang paling penting, 100x kali lebih pantas daripada pip.
Bermula dengannya adalah mudah.
curl -LsSf https://astral.sh/uv/install.sh | sh
Menggunakan pip
pip install uv
uv mengurus kebergantungan projek dan persekitaran, dengan sokongan untuk fail kunci, ruang kerja dan banyak lagi, serupa dengan rai atau puisi:
$ uv init example Initialized project `example` at `/home/user/example` $ cd example $ uv add ruff Creating virtual environment at: .venv Resolved 2 packages in 170ms Built example @ file:///home/user/example Prepared 2 packages in 627ms Installed 2 packages in 1ms + example==0.1.0 (from file:///home/user/example) + ruff==0.5.7 $ uv run ruff check All checks passed!
Lihat dokumentasi projek untuk bermula.
Muat turun versi Python mengikut keperluan:
pip install composio-core
Gunakan versi Python tertentu dalam direktori semasa:
composio add github
Lihat dokumentasi pemasangan Python untuk bermula.
Bintangkan repositori UV ⭐
Oh budak lelaki! Ia adalah antara alat terbaik yang telah saya gunakan dengan Python dan bertanggungjawab untuk memastikan ia relevan bersama-sama dengan Numpy, Sklearn, dll.
Pydantic meningkatkan pembayang jenis Python ke tahap baharu dengan menyediakan pengesahan dan penghuraian data masa jalan berdasarkan pembayang tersebut. Sama ada menangani respons API, fail konfigurasi atau data bersarang yang kompleks, Pydantic memastikan input anda bersih dan tersusun dengan baik tanpa memerlukan kod plat dandang yang meluas.
Anda boleh meneroka Zod jika anda mahukan perkara yang serupa dalam ekosistem Javascript.
Pasangnya dengan pip atau uv.
from openai import OpenAI
from composio_openai import ComposioToolSet, App
openai_client = OpenAI(api_key="******OPENAIKEY******")
# Initialise the Composio Tool Set
composio_toolset = ComposioToolSet(api_key="**\\*\\***COMPOSIO_API_KEY**\\*\\***")
## Step 4
# Get GitHub tools that are pre-configured
actions = composio_toolset.get_actions(actions=[Action.GITHUB_ACTIVITY_STAR_REPO_FOR_AUTHENTICATED_USER])
## Step 5
my_task = "Star a repo ComposioHQ/composio on GitHub"
# Create a chat completion request to decide on the action
response = openai_client.chat.completions.create(
model="gpt-4-turbo",
tools=actions, # Passing actions we fetched earlier.
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": my_task}
]
)
Ini contoh mudah.
curl -LsSf https://astral.sh/uv/install.sh | sh
Pengeluar: Menghantar mesej ke baris gilir.
pip install uv
Pengguna: Menerima mesej daripada baris gilir.
$ uv init example Initialized project `example` at `/home/user/example` $ cd example $ uv add ruff Creating virtual environment at: .venv Resolved 2 packages in 170ms Built example @ file:///home/user/example Prepared 2 packages in 627ms Installed 2 packages in 1ms + example==0.1.0 (from file:///home/user/example) + ruff==0.5.7 $ uv run ruff check All checks passed!
Lihat dokumentasi untuk maklumat lanjut.
Terokai repositori RabbitMQ ⭐
Jika anda mementingkan kestabilan apl anda, Sentry mesti dimiliki. Ia merupakan penyelesaian muktamad untuk menjejak ralat, isu prestasi dan kesihatan aplikasi dalam masa nyata. Sama ada anda membina untuk web, mudah alih atau desktop, Sentry disepadukan dengan lancar untuk membantu anda menyahpepijat dengan lebih pantas dan lebih bijak.
Dengan surih tindanan terperinci, serbuk roti dan konteks pengguna, anda mendapat semua yang anda perlukan untuk menentukan punca masalah. Tetapi ia tidak berhenti di situ—Sentry juga membantu anda memantau prestasi apl dengan ciri seperti pengesanan transaksi dan metrik tersuai.
Lihat dokumentasi untuk mengetahui lebih lanjut.
Terokai repositori Sentry ⭐
Jika anda perlu memantau metrik, log atau jejak, Grafana ialah alat yang sesuai. Ia merupakan platform sumber terbuka yang menukar data mentah anda menjadi papan pemuka interaktif yang cantik, menjadikannya mudah untuk memahami perkara yang berlaku dalam sistem anda.
Grafana berintegrasi dengan hampir mana-mana sumber data—Prometheus, Elasticsearch, InfluxDB, AWS CloudWatch dan banyak lagi.
Ini pasti salah satu alatan yang mungkin anda temui di hampir semua organisasi.
Terokai repositori Sentry ⭐
Jika anda pernah mengharapkan cara yang lebih baik untuk mengurus ejen AI dengan aliran kerja yang kompleks, LangGraph adalah jawapannya. Ia merupakan rangka kerja untuk membina ejen AI berstatus yang boleh mengendalikan proses berbilang langkah, membuat keputusan dan pengekalan konteks dengan mudah.
Kami membina ejen SWE kami sendiri di LangGraph, yang mendapat markah 48.60% pada SWE-Bench, penanda aras untuk menguji keberkesanan ejen pengekodan AI.
Pasang LangGraph.
pip install composio-core
Tambahkan kunci API untuk Tavily dan OpenAI pada pembolehubah persekitaran.
composio add github
Sila baca ini untuk memahami aliran contoh. Juga, sila lihat dokumentasi di LangGraph untuk mendapatkan maklumat lanjut.
Bintangkan repositori LangGraph ⭐
Setiap profesional teknologi menghadapi automasi penyemak imbas pada satu ketika dalam kerjaya mereka. Banyak syarikat bergantung pada Selenium untuk pelbagai tugas, termasuk automasi web, ujian dan mengikis kandungan dinamik.
Selenium memudahkan pembangun mengawal pelayar web secara pengaturcaraan, membolehkan mereka mensimulasikan interaksi pengguna seperti mengklik butang, mengisi borang dan menavigasi antara halaman
Ia tersedia dalam bahasa pengaturcaraan.
Pasang Selenium dalam Python dengan pip.
from openai import OpenAI
from composio_openai import ComposioToolSet, App
openai_client = OpenAI(api_key="******OPENAIKEY******")
# Initialise the Composio Tool Set
composio_toolset = ComposioToolSet(api_key="**\\*\\***COMPOSIO_API_KEY**\\*\\***")
## Step 4
# Get GitHub tools that are pre-configured
actions = composio_toolset.get_actions(actions=[Action.GITHUB_ACTIVITY_STAR_REPO_FOR_AUTHENTICATED_USER])
## Step 5
my_task = "Star a repo ComposioHQ/composio on GitHub"
# Create a chat completion request to decide on the action
response = openai_client.chat.completions.create(
model="gpt-4-turbo",
tools=actions, # Passing actions we fetched earlier.
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": my_task}
]
)
Anda mesti memasang Pemacu Web Chrome untuk penyemak imbas berasaskan Chromium dan Pemacu Gecko untuk penyemak imbas Firefox.
Berikut ialah contoh penggunaan Selenium dengan ChromeDriver:
curl -LsSf https://astral.sh/uv/install.sh | sh
Terokai repositori Selenium ⭐
Terima kasih kerana membaca. Nyatakan mana-mana alatan lain yang sering anda gunakan di tempat kerja anda.
Atas ialah kandungan terperinci alat sumber terbuka ust-know untuk mendapatkan pekerjaan impian anda di 5. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
![[Web front-end] Permulaan pantas Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
