diff --git "a/content/post/CY24S2/2024092101-\345\237\272\344\272\216Qwen2.5\345\222\214CrewAI\346\270\270\346\210\217\344\273\243\347\240\201\347\274\226\345\206\231\345\233\242\351\230\237/index.md" "b/content/post/CY24S2/2024092101-\345\237\272\344\272\216Qwen2.5\345\222\214CrewAI\346\270\270\346\210\217\344\273\243\347\240\201\347\274\226\345\206\231\345\233\242\351\230\237/index.md" index 828c020..e183ace 100644 --- "a/content/post/CY24S2/2024092101-\345\237\272\344\272\216Qwen2.5\345\222\214CrewAI\346\270\270\346\210\217\344\273\243\347\240\201\347\274\226\345\206\231\345\233\242\351\230\237/index.md" +++ "b/content/post/CY24S2/2024092101-\345\237\272\344\272\216Qwen2.5\345\222\214CrewAI\346\270\270\346\210\217\344\273\243\347\240\201\347\274\226\345\206\231\345\233\242\351\230\237/index.md" @@ -3,7 +3,7 @@ slug = "2024092101" date = "2024-09-21" lastmod = "2024-09-21" title = "基于 Qwen2.5-Coder 模型和 CrewAI 多智能体框架，实现智能编程系统的实战教程" -description = "Qwen2.5 开源的系列模型中，Qwen2.5-Coder 模型的推理能力技压群雄，本文集合 CrewAI 框架，让多智能体自己编写程序……" +description = "Qwen2.5 开源的系列模型中，Qwen2.5-Coder 模型的推理能力技压群雄，本文集合 CrewAI 框架，让多智能体自己编写符合我们需求的程序……" image = "01.jpg" tags = [ "AI", "Agent", "Qwen2.5", "CrewAI" ] categories = [ "人工智能" ] diff --git "a/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/.gitignore" "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/.gitignore" new file mode 100644 index 0000000..0fd0308 --- /dev/null +++ "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/.gitignore" @@ -0,0 +1,3 @@ +*.zip +*.png +.DS_Store diff --git "a/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/00.jpg" "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/00.jpg" new file mode 100644 index 0000000..7d0c687 Binary files /dev/null and "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/00.jpg" differ diff --git "a/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/10.jpg" "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/10.jpg" new file mode 100644 index 0000000..9b4c98f Binary files /dev/null and "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/10.jpg" differ diff --git "a/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/11.jpg" "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/11.jpg" new file mode 100644 index 0000000..8bc8757 Binary files /dev/null and "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/11.jpg" differ diff --git "a/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/20.jpg" "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/20.jpg" new file mode 100644 index 0000000..9d6725c Binary files /dev/null and "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/20.jpg" differ diff --git "a/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/30.jpg" "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/30.jpg" new file mode 100644 index 0000000..faa29bb Binary files /dev/null and "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/30.jpg" differ diff --git "a/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/31.jpg" "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/31.jpg" new file mode 100644 index 0000000..2b038ab Binary files /dev/null and "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/31.jpg" differ diff --git "a/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/book.jpg" "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/book.jpg" new file mode 100644 index 0000000..7a30cd2 Binary files /dev/null and "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/book.jpg" differ diff --git "a/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/index.md" "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/index.md" new file mode 100644 index 0000000..3f28d40 --- /dev/null +++ "b/content/post/CY24S2/2024092801-Qwen2.5-Math\345\245\245\346\225\260\351\242\230\345\256\236\346\210\230/index.md" @@ -0,0 +1,336 @@ ++++ +slug = "2024092801" +date = "2024-09-28" +lastmod = "2024-09-28" +title = "使用世界领先的 Qwen2.5-Math 开源模型当 AI 数学老师，让奥数解题辅导不在鸡飞狗跳（文末有福利）" +description = "本文主要介绍 Qwen2.5-Math 特点和能力，并在本地进行部署和数学推理，最后验证小学和初中的奥数题目，Qwen2.5-Math 不仅解题步骤清晰明了，正确率也达到惊人的 100%……" +image = "00.jpg" +tags = [ "AI", "Qwen2.5", "奥数" ] +categories = [ "人工智能" ] ++++ + +在上篇文章中，我们使用**Qwen2.5-Coder**编写了一个自动编程的多智能体系统（[基于 Qwen2.5-Coder 模型和 CrewAI 多智能体框架，实现智能编程系统的实战教程](https://mp.weixin.qq.com/s/8f3xna9TRmxMDaY_cQhy8Q)），着实感受到了**Qwen2.5-Coder**和**CrewAI**强强联合所发挥出来的强大威力。 + +我们知道最新发布的**Qwen2.5**全家桶共有 3 个模型，除常规的大语言模型 Qwen2.5 和专门针对编程的 Qwen2.5-Coder 模型之外，还有一个专门针对数学的 **Qwen2.5-Math** 模型，它号称是**世界领先的数学开源大语言模型**，我们今天就通过奥数题目来实实在在的感受一下它的强大之处。 + +![Qwen2.5-Math评测结果世界领先](10.jpg) + +因此，我们将通过以下 3 个主要部分来完成 **Qwen2.5-Math** 模型的实战之旅： + +1. **Qwen2.5-Math**的基本介绍，主要是简单了解一下**Qwen2.5-Math**的特点和能力 +2. 本地部署**Qwen2.5-Math-1.5B**模型，通过一个一元一次方程简单数学题，体验一下其数学推理能力 +3. 我们选取**小学**和**初中**阶段经典的几道奥数题，让 **Qwen2.5-Math-72B** 作为 AI 老师，来实战验证其逻辑推导能力 + +# Qwen2.5-Math 基本介绍、CoT 和 TIR 推理方式 + +**Qwen2.5-Math** 明确说明：Qwen2.5-Math 主要被设计用于通过**CoT**或**TIR**的方式解中英数学题，不推荐在其他任务上使用该系列模型。那么，什么是 **CoT** 和 **TIR** 推理方式呢？ + +【**CoT** 推理方式：】即思维链（Chain of Thought），主要目的是让大模型一步一步的展现出其推理过程，而不是直接给答案，就像我们人类逻辑思维过程一样，通过多步分解的方式，能更好的理解和解决复杂问题。如下数学题目的解答过程： + +- 题目：小明有 10 个苹果，他给了小红 3 个苹果，然后又买了 5 个苹果，请问小明现在有几个苹果？ +- **CoT** 推理过程： + - 第一步：小明最初有 10 个苹果。 + - 第二步：小明给了小红 3 个苹果，所以现在剩下 10-3=7 个苹果。 + - 第三步：小明又买了 5 个苹果，所以现在共有 7+5=12 个苹果。 + - 答案：现在小明有 12 个苹果。 + +【**TIR** 推理方式：】即工具集成推理（Tool integrated Reasoning），就是在推理过程中使用外部工具（如：使用 Python 执行代码获取结果）。**TIR** 是**Qwen2.5-Math**的新特性，它能显著提升中英文的数学解题能力，包括精确计算、符号操作和算法操作等方面。具体用法可以阅读样例代码：[https://github.com/QwenLM/Qwen-Agent](https://github.com/QwenLM/Qwen-Agent) + +另外，有关 **Qwen2.5-Math** 的预训练架构设计，有个特别**有趣**的地方：**Qwen2.5-Math**的部分预训练数据，竟然是由**Qwen2-Math-Instruct** 模型提供的，感觉它们已经开始在左右互搏了，因此**世界领先**也就不为奇了。 + +![Qwen2.5-Math架构设计](11.jpg) + +更多 **Qwen2.5-Math** 的详细介绍，可查看官网：[https://qwenlm.github.io/zh/blog/qwen2.5-math/](https://qwenlm.github.io/zh/blog/qwen2.5-math) + +# **Qwen2.5-Math** 本地部署和体验 + +我们先本地部署 **Qwen2.5-Math** 模型，然后进行简单的数学题推理。由于老牛同学电脑配置不够强悍，因此本次演示我们使用**1.5B**参数版本（大家可根据自己硬件配置，选择不同的参数量版本）。我们通过以下三步完成整个流程： + +【**第一步**：下载 **Qwen2.5-Math** 模型权重文件】 + +存放权重文件目录：`Qwen2.5-Math-1.5B-Instruct` + +```shell +# Git大文件系统 +git lfs install + +# 下载模型权重文件 +git clone https://www.modelscope.cn/qwen/Qwen2.5-math-1.5B-Instruct.git Qwen2.5-Math-1.5B-Instruct +``` + +若下载过程中异常中断，可以通过`git lfs install`命令继续下载： + +```shell +# 切换到Git目录 +cd Qwen2.5-Math-1.5B-Instruct + +# 继续下载 +git lfs install +git lfs pull +``` + +【**第二步**：设置 Python 虚拟环境和安装依赖】 + +**工欲善其事，必先利其器**，我们通过**Miniconda**管理 Python 虚拟环境，**Miniconda**的安装和使用可以参考老牛同学之前的文章：[大模型应用研发基础环境配置（Miniconda、Python、Jupyter Lab、Ollama 等）](https://mp.weixin.qq.com/s/P_ufvz4MWVSqv_VM-rJp9w) + +```shell +# Python虚拟环境名：Qwen2.5，版本号：3.10 +conda create -n Qwen2.5 python=3.10 -y + +# 激活虚拟环境 +conda activate Qwen2.5 +``` + +接下来，在虚拟环境中下载依赖包： + +```shell +pip install torch +pip install modelscope +pip install "transformers>=4.37.0" +pip install "accelerate>=0.26.0" +``` + +【**第三步**：使用**CoT**方式进行数学推理验证】 + +我们先通过一个简单数学方程：`4X+5=6X+7`，验证一下 **Qwen2.5-Math** 的推理能力： + +```python +# Qwen2.5-Math-Eval-01.py + +import os +from modelscope import AutoModelForCausalLM, AutoTokenizer + +# 权重文件目录 +model_dir = os.path.join('D:', os.path.sep, 'ModelSpace', 'Qwen2.5', 'Qwen2.5-Math-1.5B-Instruct') +print(f'权重目录: {model_dir}') + +# 初始化模型 +model = AutoModelForCausalLM.from_pretrained( + model_dir, + torch_dtype='auto', + device_map='auto', + local_files_only=True, +) + +# 初始化分词器 +tokenizer = AutoTokenizer.from_pretrained( + model_dir, + local_files_only=True, +) + +# Prompt提示词 +prompt = '请计算等式中的X值: 4X+5=6X+7' +messages = [ + {'role': 'system', 'content': '你是一位数学专家，特别擅长解答数学题。'}, + {'role': 'user', 'content': prompt} +] +text = tokenizer.apply_chat_template( + messages, + tokenize=False, + add_generation_prompt=True, +) +model_inputs = tokenizer( + [text], + return_tensors='pt', +).to(model.device) + +print(f'开始推理: {prompt}') + +generated_ids = model.generate( + **model_inputs, + max_new_tokens=512, +) + +print('推理完成.') + +generated_ids = [ + output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids) +] + +response = tokenizer.batch_decode( + generated_ids, + skip_special_tokens=True, +)[0] + +print(f'推理结果: {response}') +``` + +执行本 Python 程序：`python Qwen2.5-Math-Eval-01.py`，可以看到 **Qwen2.5-Math** 模型通过 **CoT** 的推理方式给出了结果： + +![Qwen2.5-Math解方程推理过程](20.jpg) + +从最终结果来看，**Qwen2.5-Math** 推理过程很清晰，和我们的思维模型比较相近（唯一不足就是老牛同学电脑配置有点吃力）。 + +# Qwen2.5-Math-72B 推理小学和初中奥数题挑战 + +上面一元一次方程只是简单体验，接下来我们通过奥数题目，对 **Qwen2.5-Math** 发出挑战。因此，我们将采用 **Qwen2.5-Math-72B** 目前地表最强数学模型，来解答**小学**和**初中**奥数题目。（那为啥没有高中奥数题呢？因为老牛同学有点担心自己不会，当不了裁判，因此就不好去挑战大模型了^\_^） + +我们将通过以下 3 个步骤，完成 **Qwen2.5-Math** 整个奥数题挑战验证： + +【**第一步**：整理奥数题目，小学和初中分别 3 道题目】 + +老牛同学在网上分别找了 3 道奥数题目，我们通过 JSON 格式文件存储每道题目，每道题由等级、题目和答案组成： + +```json +[ + { + "level": "小学", + "title": "小明和小红共有100元钱，小明比小红多20元。请问小明和小红分别有多少钱？", + "answer": "小明：60元，小红：40元" + }, { + "level": "小学", + "title": "小明围绕长方形操场跑步，跑了3圈共480米，操场的长比宽多20米。请问操场面积是多少平方米？", + "answer": "操场面积：1500平方米" + }, { + "level": "小学", + "title": "甲乙二人从两地沿直线同时相对而行，经过4小时，在距离中点4千米处相遇，甲比乙的速度快。请问甲每小时比乙快多少千米？", + "answer": "甲每小时比乙快：2千米" + }, { + "level": "初中", + "title": "小明和小红以同样多的钱买了同一种铅笔，小明要了13支，小红要了7支，小明又给小红0.6元钱。请问每支铅笔多少钱？", + "answer": "每支铅笔：0.2元" + }, { + "level": "初中", + "title": "父亲今年45岁，儿子今年15岁。请问多少年前父亲的年龄是儿子年龄的11倍？", + "answer": "12年前" + }, { + "level": "初中", + "title": "商店有一套运动服，成本价为100元，按标价的8折出售仍可获利20元。请问这套运动服的标价是多少元？", + "answer": "这套运动服的标价：150元" + } +] +``` + +【**第二步**：调用 **Qwen2.5-Math-72B** API 完成推理】 + +由于老牛同学本地推理比较慢，接下来将使用阿里云百炼平台 API 完成奥数推理。大家如果对自己电脑配置有信心的话，可以直接使用本地模型进行验证，可以免费完全接下来的推理。 + +有关阿里云百炼平台的介绍，可参考老牛同学之前的文章：[太卷了，阿里云免费 1 个月大模型算力额度，玩转 Llama3.1/Qwen2 等训练推理](https://mp.weixin.qq.com/s/xclHiuy7gFPUlWZW5oOBSg) + +奥数题目的推理程序逻辑有 3 部分组成（`Qwen2.5-Math-奥数推理.py`）： + +1. 读取奥数题目 JSON 文件，并循环每一道题 +2. 使用 **Qwen2-Math** 模型进行推理（或者：百炼平台 API），获取结果 +3. 存储奥数题目和推理结果到新文件，便于我们进行查看检测 + +如果大家是通过调用 API 完成推理，请先安装依赖包：`pip install OpenAI` + +```python +# Qwen2.5-Math-奥数推理.py + +import os +import json +from openai import OpenAI + +# 初始化客户端：提前配置好`DASHSCOPE_API_KEY`环境变量 +client = OpenAI( + api_key=os.getenv('DASHSCOPE_API_KEY'), + base_url='https://dashscope.aliyuncs.com/compatible-mode/v1', +) + + +# 读取奥数题目 +input_file = 'Qwen2.5-Math-奥数题目.json' + +with open(input_file, 'r', encoding='utf-8') as file: + data = json.load(file) + + +# 循环每道题目，请求推理服务 +output_data = [] + +for item in data: + print('') + print(f'奥数题目-> {item["title"]}') + print(f'期望答案-> {item["answer"]}') + + completion = client.chat.completions.create( + model='qwen2.5-math-72b-instruct', + messages=[ + {'role': 'system', 'content': '你是一位数学专家，特别擅长解答数学题。'}, + {'role': 'user', 'content': item["title"]} + ], + ) + + # 获取推理结果 + result = json.loads(completion.model_dump_json()) + content = result['choices'][0]['message']['content'] + + print(f'推理结果-> {content}') + + # 暂存结果，后面统一存储到文件 + output = { + 'level': item['level'], + 'title': item['title'], + 'answer': item['answer'], + 'result': content + } + + output_data.append(output) + + print('') + + + +# 保存推理结果 +output_file = 'Qwen2.5-Math-推理结果.md' + +with open(output_file, "w", encoding="utf-8") as file: + for output in output_data: + file.write(f'{output["level"]}题目：{output["title"]}\n\n期望答案：{output["answer"]}\n\n') + file.write(f'{output["result"]}\n\n---\n\n') +``` + +**Qwen2.5-Math-72B** 果然没有让人失望，推理过程较快，并且推理的每一步都清晰明了： + +![Qwen2.5-Math-72B推理过程样例](30.jpg) + +【**第三步**：验证推理结果的正确性，给出评分】 + +最后一步，我们打开 **Qwen2.5-Math-72B** 推理结果文件`Qwen2.5-Math-推理结果.md`，确定其准确率：**100%**（奥数题全对） + +![所有奥数题结果样例](31.jpg) + +说实话，老牛同学还是挺吃惊的，它的推理速度，比老牛同学要快得多，并且推理的步骤都非常清晰明了。 + +对于有娃的朋友们，如果您在辅导家庭作业感到头疼的话，**Qwen2.5-Math** 赶紧使用起来吧，让我们真正体验一下父慈子孝的和谐乐趣~ + +# 最后：又来给大家免费包邮送几本新书 + +送书小活动我们举办过 1 次，送的是大模型书：[ChatTTS 长音频合成和本地部署 2 种方式，让你的“儿童绘本”发声的实战教程（文末有福利）](https://mp.weixin.qq.com/s/9ldLuh3YLvx8oWvwnrSGUA) + +本期老牛同学和出版社朋友合作，继续举办送书福利小活动，送的书是《**AI 绘画基础与商业实战**》 + +![AI 绘画基础与商业实战](book.jpg) + +这本新出版的书比较偏应用，通过 **Midjourney** 和 **Stable Diffusion** 等 AI 绘图大模型，协助我们在日常的餐饮、服饰等各个领域落地的应用教程，值得我们学习（正所谓**肚中有货，从容不迫**）。 + +那么本期福利小活动的规则如下，和上期基本类似： + +1. 关注**老牛同学**微信公众号，因为这是老牛同学公众号关注者的小福利 +2. 本文评论区**留言**，留言的**点赞**数排名**前 3 名**的朋友，**免费**且**包邮**获得 1 本书（即：默认送 3 本书） +3. 若本文的**阅读量**和**老牛同学** CSDN 同文的阅读量之和达到了**2000**（含**2000**），则留言的**点赞**数排名**前 6 名**的朋友均免费包邮送书（即：最多送 6 本书） +4. 活动时间：2024 年 9 月 28 日到 2024 年 10 月 5 号上午 12 点整（正好 1 周，恰逢国庆假期，便于老牛同学统计和收集寄件地址） +5. 老牛同学不参与本次活动（因为老牛同学默认就有 1 本） + +最后的最后，为了方便大家购买，老牛同学贴上京东商品链接（大家也可在购书网站搜索“AI 绘画基础与商业实战”直接购买）： + +【书籍购买链接】 + +--- + +往期推荐文章： + +[基于 Qwen2.5-Coder 模型和 CrewAI 多智能体框架，实现智能编程系统的实战教程](https://mp.weixin.qq.com/s/8f3xna9TRmxMDaY_cQhy8Q) + +[vLLM CPU 和 GPU 模式署和推理 Qwen2 等大语言模型详细教程](https://mp.weixin.qq.com/s/KM-Z6FtVfaySewRTmvEc6w) + +[基于 Qwen2/Lllama3 等大模型，部署团队私有化 RAG 知识库系统的详细教程（Docker+AnythingLLM）](https://mp.weixin.qq.com/s/PpY3k3kReKfQdeOJyrB6aw) + +[使用 Llama3/Qwen2 等开源大模型，部署团队私有化 Code Copilot 和使用教程](https://mp.weixin.qq.com/s/vt1EXVWtwm6ltZVYtB4-Tg) + +[基于 Qwen2 大模型微调技术详细教程（LoRA 参数高效微调和 SwanLab 可视化监控）](https://mp.weixin.qq.com/s/eq6K8_s9uX459OeUcRPEug) + +[ChatTTS 长音频合成和本地部署 2 种方式，让你的“儿童绘本”发声的实战教程](https://mp.weixin.qq.com/s/9ldLuh3YLvx8oWvwnrSGUA) + +![微信公众号：老牛同学](https://ntopic.cn/WX-21.png) diff --git "a/static/CSDN-\347\262\211\344\270\235\347\256\241\347\220\206.txt" "b/static/CSDN-\347\262\211\344\270\235\347\256\241\347\220\206.txt" index 80d0cae..c78f60c 100644 --- "a/static/CSDN-\347\262\211\344\270\235\347\256\241\347\220\206.txt" +++ "b/static/CSDN-\347\262\211\344\270\235\347\256\241\347\220\206.txt" @@ -13,30 +13,38 @@ GLM-4-Flash 大模型 API 免费了，手把手构建“儿童绘本”应用实 基于Llama 3搭建中文版（Llama3-Chinese-Chat）大模型对话聊天机器人：https://blog.csdn.net/obullxl/article/details/139102576 - - - -【微信公众号：关注自动回复】 -Hi 很高兴与您相遇，在这里，我们融汇人工智能的前沿探索，解码大模型的无限潜能，细琢代码的编程艺术，装点个人生活空间的智能美学。从代码哲思到家居科技，共筑未来生活梦想。欢迎关注和转发，让我们共同启程智慧之旅！ - - - -你好，智旅者！欢迎步入未来之门，这里是AI、大数据模型、Python智慧与家居美学的交响乐章。我们用代码编织梦想，于人工智能的浩瀚中寻找灯塔，通过大模型深潜数据蓝海，揭示世界的隐秘规律。 - -Python，这根神奇的魔法棒，不仅构建数字世界的基石，也成为了我们心灵沟通的桥梁。无论你是编程小白，还是代码老匠，这里都有你的专属领地。我们共析算法之美，分享实战技巧，让每一次思维碰撞都绽放智慧火花，携手在编程征途中步步生莲。 - -而家，这片温暖的港湾，也将因科技焕发新生。我们探索智能家居的无限可能，将Python的魔力融入个人家装，让每一个小窝都成为未来生活的预演。从灯光的智能调控到环境的个性化定制，每一处设计都蕴含匠心，让生活更智能，更贴心。 - -在这里，每一篇文章都是一个新世界，每一次阅读都是一次灵感的触发。我们相信，技术的力量在于让生活更美好，让梦想触手可及。加入我们，不仅仅是学习之旅的启程，更是一场心灵与智慧的深度对话。 - -立即关注，与万千智者同行，不论是AI的奥秘、大模型的深邃、Python的优雅，还是家居的温馨与智能，都将在这方寸之间，为你缓缓展开。一起踏上这场技术与生活的融合之旅，共筑未来之梦，探索无尽可能！ - - - - -很高兴与您相遇，让我们以禅心感悟编程之道，分享Python的深邃与智慧，探讨编程经验与心得，共同领悟编程真谛，感受心灵的宁静与升华，成就技术之路上的禅师境界。欢迎关注，共修技术禅心，共探Python之美！ - - -你好，智界探索者！在这里，我们融汇人工智能的前沿探索，解码大模型的无限潜能，细琢Python编程艺术，装点个人生活空间的智能美学。从代码哲思到家居科技，共筑未来生活梦想。立即关注，启程智慧之旅！ - +https://markdown.com.cn/editor/ + +/*自定义样式，实时生效*/ +#nice { + padding: 0; + font-family: YaHei; +} + +#nice a { + font-weight: 90%; + text-decoration: none; +} +/*自定义样式，实时生效*/ + + +【兰青】 +/*自定义样式，实时生效*/ +#nice { + padding: 0; + font-weight: normal; + font-family: 'Microsoft YaHei', Arial, sans-serif; +} + +#nice a { + font-size: 90%; + font-weight: normal; + text-decoration: none; +} + +#nice hr { + margin: 20px 0; + border-top: 1px dotted #3e3e3e; +} +/*自定义样式，实时生效*/