04 · 数据库层:无 ORM 的 SQLite,15 张表与种子数据
打开 app/db.py,SCHEMA 一共 15 张 CREATE TABLE IF NOT EXISTS。按功能分组:
56 阅读♡ 00 评论
PythonFastAPI数据库
04 · 数据库层:无 ORM 的 SQLite,15 张表与种子数据
打开 app/db.py,SCHEMA 一共 15 张 CREATE TABLE IF NOT EXISTS。按功能分组:
03 · 环境搭建与项目骨架:让第一个接口跑起来
python -m venv .venv # 或者: python -m virtualenv .venv(部分 Windows Python 缺 venv 模块时) .\.venv\Scripts\python.exe -m pip install -r requirements.txt
02 · 架构设计:三层解耦、技术选型与目录结构
先把整个系统装进一张图(对应 README 的 mermaid 架构图):
01 · 需求分析:把"公司要个 AI 中台"翻译成可验收的功能清单
假设你是一家跨境电商公司的技术负责人。公司在亚马逊开店,你会观察到三个真实痛点:
00 · 系列总览与学习路线:我们最终要做出什么
"司南"(指南针的前身)取"指向企业知识的那根针"之意。它是一个跨境电商企业级 AI 中台,部署后打开浏览器 http://127.0.0.1:8005,你能看到:
10 · 部署上线与学习路线图(完结篇)
Docker 的价值不在"能跑",在到处都一样能跑:你的 Windows、朋友的 Mac、云服务器、公司的 K8s,同一个镜像行为完全一致。它同时也是工具安全的前提——run_python_code 这类工具放进容器,就拥有了真正的隔离边界。
09 · 多 Agent 协作与进阶玩法
先泼冷水:多 Agent 不是数量游戏。两个烂 Agent 不会等于一个好 Agent。
08 · Web 界面与产品化:把 Agent 变成产品
普通 ChatBot 的界面只需要气泡;Agent 的界面必须回答另一个问题——"它现在在干嘛?"
07 · 技能系统:可插拔的"武功秘籍"
这三个词经常被混着叫,但它们是三种完全不同的东西:
06 · RAG 知识库:让 Agent 拥有私域知识
四步流程,一个都不能少:
05 · 记忆系统:让 Agent 记住你
两个残酷的事实:
04 · 工具系统:给 Agent 装上双手
哲学 1:描述即接口。 模型看不到你的函数源码,它决定"用不用、怎么用"完全基于你写的 description 和参数说明。