Tio Boot DocsTio Boot Docs
Home
文档导航
  • java-db
  • api-table
  • jooq
  • mysql
  • postgresql
  • oceanbase
  • Enjoy
  • Tio Boot Admin
  • java-openai
  • ai_agent
  • knowlege_base
  • voice-agent
  • ai-search
  • ai-coding
  • ai-browser
  • 案例
Abount
AI 检索
  • Github
  • Gitee
Home
文档导航
  • java-db
  • api-table
  • jooq
  • mysql
  • postgresql
  • oceanbase
  • Enjoy
  • Tio Boot Admin
  • java-openai
  • ai_agent
  • knowlege_base
  • voice-agent
  • ai-search
  • ai-coding
  • ai-browser
  • 案例
Abount
AI 检索
  • Github
  • Gitee
  • 入门

    • 01 · 入门

      • 01_introduction
      • tio-boot:新一代高性能 Java Web 开发框架
      • tio-boot 入门示例
      • Tio-Boot 配置 : 现代化的配置方案
      • tio-boot 整合 hotswap-classloader 实现热加载
      • 自行编译 tio-boot
      • 最新版本
      • 开发规范
  • 部署与日志

    • 02 · 部署

      • 02_deployment
      • 使用 Maven Profile 实现分环境打包 tio-boot 项目
      • Maven 项目配置详解:依赖与 Profiles 配置
      • tio-boot 打包成 FatJar
      • 使用 GraalVM 构建 tio-boot Native 程序
      • 使用 Docker 部署 tio-boot
      • 部署到 Fly.io
      • 部署到 AWS Lambda
      • 到阿里云云函数
      • 使用 Deploy 工具部署
      • 使用Systemctl启动项目
      • 使用 Jenkins 部署 Tio-Boot 项目
      • 使用 Nginx 反向代理 Tio-Boot
      • 使用 Supervisor 管理 Java 应用
      • 历史部署页与替代方案
      • 胖包与瘦包的打包与部署
    • 03 · 日志

      • 日志
      • tio-boot 整合 Logback
  • 核心开发

    • 04 · 配置

      • 04_configuration
      • 配置参数
      • 服务器监听器
      • 内置缓存系统 AbsCache
      • 使用 Redis 作为内部 Cache
      • 静态文件处理器
      • 基于域名的静态资源隔离
      • DecodeExceptionHandler
      • 开启虚拟线程(Virtual Thread)
      • 框架级错误通知
    • 05 · JSON

      • 05_json
      • Json
      • 接受 JSON 和响应 JSON
      • 响应实体类
    • 06 · Web 开发

      • Web 开发
      • 路由与参数

        • 概述
        • 添加 Controller
        • handler入门
        • Handler 的请求方法与错误响应
        • 接收请求参数
        • 接收日期参数
        • 接收数组参数
        • HttpRequest
      • 响应与文件

        • 返回字符串
        • 返回文本数据
        • 返回网页
        • 请求和响应字节
        • 文件上传
        • 文件下载
        • 返回视频文件并支持断点续传
        • HttpResponse
        • Resps
        • RespBodyVo
        • 动态 返回 CSS 实现
        • 返回图片
        • 返回 multipart
        • 使用零拷贝发送大文件
        • 分片上传
        • WebJars
      • 会话与请求控制

        • http Session
        • Cookie
        • 重定向和转发
        • Controller拦截器
        • 请求拦截器
        • LoggingInterceptor
        • 全局异常处理器
        • 跨域
        • 自定义 Handler 转发请求
        • 使用 HttpForwardHandler 转发所有请求
        • HTTP Basic 认证
        • Http响应加密
      • 异步与流式输出

        • 异步处理
        • Transfer-Encoding: chunked 实时音频播放
        • Server-Sent Events (SSE)
      • 工具与监控

        • 常用工具类
        • 接口访问统计
        • 接口请求和响应数据记录
        • JProtobuf
        • 测速
        • Gzip Bomb:使用压缩炸弹防御恶意爬虫
    • 07 · 参数校验

      • 07_validation
      • 数据紧校验规范
      • 参数校验
    • 08 · WebSocket 应用开发

      • 08_websocket
      • 使用 tio-boot 搭建 WebSocket 服务
      • WebSocket 聊天室项目示例
    • 09 · AOP

      • 09_aop
      • JFinal-aop
      • Aop 工具类
      • 配置
      • 独立使用 JFinal Aop
      • @AImport
      • 自定义注解拦截器
      • 原理解析
    • 10 · 国际化

      • 10_i18n
      • i18n
    • 11 · Enjoy 模板

      • 11_enjoy
      • tio-boot 整合 Enjoy 模版引擎文档
      • Tio-Boot 整合 Java-DB 与 Enjoy 模板引擎示例
      • 引擎配置
      • 表达式
      • 指令
      • 注释
      • 原样输出
      • Shared Method 扩展
      • Shared Object 扩展
      • Extension Method 扩展
      • Spring boot 整合
      • 独立使用 Enjoy
      • tio-boot enjoy 自定义指令 localeDate
      • PromptEngine
      • Enjoy 入门示例-擎渲染大模型请求体
      • Tio Boot + Enjoy:分页与 SEO 实战指南
      • TioBoot + Enjoy 生成 robots.txt 与 sitemap.xml:实战与SEO指南
      • Enjoy 使用示例
    • 12 · 定时任务

      • 12_scheduling
      • Quartz 定时任务集成指南
      • 分布式定时任务 xxl-jb
      • cron4j 使用指南
    • 13 · 测试

      • 13_testing
      • TioBootTest:环境与 AOP 初始化
      • 真实 HTTP 集成测试
      • 数据库集成测试与隔离
    • 14 · tio-utils

      • 14_tio-utils
      • tio-utils
      • EnvUtils 配置工具
      • Notification
      • Email
      • JSON
      • File
      • Base64
      • 上传和下载
      • Http
      • Telegram
      • RsaUtils
      • HttpUtils
      • ByteBufferUtils
      • 系统监控
      • 线程
      • 虚拟线程
      • 毫秒并发 ID (MCID) 生成方案
  • 数据库与数据访问

    • 15 · java-db

      • 15_java-db
      • Db 工具类
      • java‑db
      • 操作数据库入门示例
      • SQL 模板 (SqlTemplates)
      • 数据源配置与使用
      • ActiveRecord
      • Db 工具类
      • 批量操作
      • Model
      • Model生成器
      • 注解
      • 异常处理
      • 数据库事务处理
      • Cache 缓存
      • Dialect 多数据库支持
      • 表关联操作
      • 复合主键
      • Oracle 支持
      • Enjoy SQL 模板
      • 整合 Enjoy 模板最佳实践
      • 多数据源支持
      • 独立使用 ActiveRecord
      • 调用存储过程
      • java-db 整合 Guava 的 Striped 锁优化
      • 生成 SQL
      • 通过实体类操作数据库
      • java-db 读写分离
      • Spring Boot 整合 Java-DB
      • like 查询
      • 常用操作示例
      • Druid 监控集成指南
      • SQL 统计
      • Db 与 PostgreSQL 业务实践
    • 16 · api-table

      • 16_api-table
      • ApiTable 概述
      • 使用 ApiTable 连接 SQLite
      • 使用 ApiTable 连接 Mysql
      • 使用 ApiTable 连接 Postgres
      • 使用 ApiTable 连接 TDEngine
      • 使用 api-table 连接 oracle
      • 使用 api-table 连接 mysql and tdengine 多数据源
      • EasyExcel 导出
      • EasyExcel 导入
      • ApiTable 的权限与业务边界
      • ApiTable 联调与故障定位
      • ApiTable 实现增删改查
      • 数组类型
      • 单独使用 ApiTable
      • TQL(Table SQL)前端输入规范
    • 17 · MyBatis

      • 17_mybatis
      • Tio-Boot 整合 MyBatis
      • 使用配置类方式整合 MyBatis
      • 整合数据源
      • 使用 mybatis-plus 整合 tdengine
      • 整合 mybatis-plus
    • 18 · jOOQ

      • 18_jooq
      • 使用配置类方式整合 jOOQ
      • tio-boot + jOOQ 事务管理
      • 批量操作与性能优化
      • 整合agroal
      • 代码生成与类型安全
      • 基于 Record / POJO 增删改查
      • UPSERT、批量更新、返回主键与高级 SQL
      • 的多表关联查询、DTO 投影、聚合统计与视图封装
      • 的窗口函数、CTE、JSON 查询与 PostgreSQL 高级 SQL 实战
      • tio-boot + jOOQ 的审计字段、乐观锁、数据权限与企业级 Repository 设计
      • 测试策略、SQL 日志、性能诊断与生产排障
      • 多租户、读写分离与多数据源设计
      • 代码生成治理、数据库迁移与团队协作规范实战
    • 19 · PostgreSQL

      • 19_postgresql
      • PostgreSQL 安装
      • PostgreSQL 主键自增
      • PostgreSQL 日期类型
      • Postgresql 金融类型
      • PostgreSQL 数组类型
      • 索引
      • PostgreSQL 查询优化
      • 获取字段类型
      • PostgreSQL 全文检索
      • PostgreSQL 向量
      • PostgreSQL 优化向量查询
      • PostgreSQL 其他
    • 20 · MySQL

      • 20_mysql
      • 使用 Docker 运行 MySQL
      • 常见问题
    • 21 · OceanBase

      • 21_oceanbase
      • 快速体验 OceanBase 社区版
      • 快速上手 OceanBase 数据库单机部署与管理
      • 诊断集群性能
      • 优化 SQL 性能指南
      • 待定
    • 22 · Oracle

      • 22_oracle
      • Oracle
    • 23 · SQL Server

      • 23_sqlserver
      • SQL Server
    • 24 · SQLite

      • 24_sqlite
      • SQLite
    • 25 · MongoDB

      • 25_mongodb
      • tio-boot 使用 mongo-java-driver 操作 mongodb
    • 26 · Elasticsearch

      • 26_elasticsearch
      • Elasticsearch
      • JavaDB 整合 ElasticSearch
      • Elastic 工具类使用指南
      • Elastic-search 注意事项
      • ES 课程示例文档
  • 缓存与消息队列

    • 27 · Cache

      • 27_cache
      • Caffeine
      • CacheUtils 工具类
      • 使用 java-db 整合 ehcache
    • 28 · Redis

      • 28_redis
      • 使用 Docker 安装 Redis
      • 使用 java-db 整合 Redis
      • Java DB Redis 相关 Api
      • redis 使用示例
      • 和 RedisTemplate 协作
      • 使用 Jedis 连接池接入 Redis
      • hutool RedisDS
      • Redisson
      • Caffeine 与 Redis 两级缓存
      • 使用 CacheUtils 整合 caffeine 和 redis 实现的两级缓存
    • 29 · 消息队列

      • 29_mq
      • Mica-mqtt
      • EMQX
      • Disruptor
    • 30 · Kafka

      • 30_kafka
      • Kafka
      • AWS MSK
  • 认证与账号体系

    • 31 · 认证与权限

      • 31_authentication
      • FixedTokenInterceptor
      • TokenManager
      • 数据表
      • 匿名登录
      • 个人中心
      • 权限校验注解
      • Sa-Token
      • sa-token 登录注册
      • StpUtil.isLogin() 源码解析
    • 32 · 第三方登录注册

      • 32_third-party-auth
      • 邮箱登录和注册
      • 邮箱重置密码
      • 腾讯云短信登录注册
      • 腾讯云短信重置密码
      • 阿里云短信登录和注册
      • 阿里云短信重置密码
      • 微信登录与绑定手机号
      • 支付宝登录与绑定手机号
      • 微信小程序手机号快捷登录
      • Google登录
      • 阿里云邮件推送验证邮箱
  • 网络通信

    • 33 · AIO

      • 33_aio
      • ByteBuffer
      • AIO HTTP 服务器
      • 自定义和线程池和池化 ByteBuffer
      • AioHttpServer 应用示例 IP 属地查询
      • 手写 AIO Http 服务器
      • Java 21 中的虚拟线程与 AIO
    • 34 · t-io

      • 34_tio
      • 认识 t-io

        • t-io 核心优势与应用价值
        • t-io 消息处理流程
      • 快速上手

        • TioBootServer
        • 独立端口启动 TCP 服务器
        • 内置 TCP 处理器
        • 独立启动 UDPServer
        • 使用内置 UDPServer
      • 核心概念

        • TioConfig
        • ChannelContext
        • Packet
        • Tio 工具类
      • 消息与文件传输

        • 发送数据
        • HTTP 长连接与高效文件传输
        • 使用 AsynchronousSocketChannel 响应数据
      • 连接管理

        • 业务数据绑定
        • 业务数据解绑
        • 关闭连接
        • 资源共享
        • 成员排序
        • 拉黑 IP
      • 加密通信

        • SSL
        • Https建立连接过程
      • 心跳与监控

        • 监控: 心跳
        • 监控: 客户端的流量数据
        • 监控: 单条 TCP 连接的流量数据
        • 监控: 端口的流量数据
        • 单条通道统计: ChannelStat
        • 所有通道统计: GroupStat
      • 深入原理

        • tio-运行原理详解
        • DecodeRunnable
        • t-io 稳定性设计与资源管理
        • 深入解析 Tio 源码:构建高性能 Java 网络应用
        • HTTP、WebSocket 与 TCP 的缓冲区复用
    • 35 · tio-http-server

      • 35_tio-http-server
      • 使用 Tio-Http-Server 搭建简单的 HTTP 服务
      • tio-boot 添加 HttpRequestHandler
      • 在 Android 上使用 tio-boot 运行 HTTP 服务
      • tio-http-server-native
      • handler 常用操作
      • tio-http-server 与 tio-boot 的使用边界
    • 36 · tio-websocket

      • 36_tio-websocket
      • WebSocket 服务器
      • WebSocket Client
      • TCP数据转发
    • 37 · Netty

      • 37_netty
      • Netty TCP Server
      • Netty Web Socket Server
      • 使用 protoc 生成 Java 包文件
      • Netty WebSocket Server 二进制数据传输
      • Netty 组件详解
    • 38 · netty-boot

      • 38_netty-boot
      • Netty-Boot
      • 原理解析
      • 整合 Hot Reload
      • 整合 数据库
      • 整合 Redis
      • 整合 Elasticsearch
      • 整合 Dubbo
      • Listener
      • 文件上传
      • 拦截器
      • Spring Boot 整合 Netty-Boot
      • SSL 配置指南
      • ChannelInitializer
      • Reserve
  • 集成与扩展

    • 39 · 第三方集成

      • 39_integrations
      • 整合 okhttp
      • 整合 GrpahQL
      • 集成 Mailjet
      • 整合 ip2region
      • 整合 GeoLite 离线库
      • 整合 Lark 机器人指南
      • 集成 Lark Mail 实现邮件发送
      • Thymeleaf
      • Swagger
      • Clerk 验证
      • 集成datadog
    • 40 · Magic Script

      • 40_magic-script
      • tio-boot 与 magic-script 集成指南
    • 41 · Groovy

      • 41_groovy
      • tio-boot 整合 Groovy
      • 调试常用脚本
    • 42 · 爬虫

      • 42_crawling
      • jsoup
      • 爬取 z-lib.io 数据
      • 整合 WebMagic
      • WebMagic 示例:爬取学校课程数据
      • Playwright
      • Flexmark (Markdown 处理器)
      • tio-boot 整合 Playwright
      • 缓存网页数据
    • 43 · Dubbo

      • 43_dubbo
      • 概述
      • dubbo 2.6.0
      • dubbo 2.6.0 调用过程
      • dubbo 3.2.0
    • 44 · Spring

      • 44_spring
      • Spring Boot Web 整合 Tio Boot
      • spring-boot-starter-webflux 整合 tio-boot
      • tio-boot 整合 spring-boot-starter
      • Tio Boot 整合 Spring Boot Starter db
      • Tio Boot 整合 Spring Boot Starter Data Redis 指南
    • 45 · Spring Cloud

      • 45_spring-cloud
      • tio-boot spring-cloud
    • 46 · Quarkus

      • 46_quarkus
      • Quarkus(无 HTTP)整合 tio-boot(有 HTTP)
      • tio-boot + Quarkus + Hibernate ORM Panache
      • tio-boot + Quarkus + Hibernate ORM Panache + jOOQ 整合方案
    • 47 · Telegram4J

      • 47_telegram4j
      • 数据库设计
      • 基于 HTTP 协议开发 Telegram 翻译机器人
      • 基于 MTProto 协议开发 Telegram 翻译机器人
      • 过滤旧消息
      • 保存机器人消息
      • 定时推送
      • 增加命令菜单
      • 使用 telegram-Client
      • 使用自定义 StoreLayout
      • 延迟测试
      • Reactor 错误处理
      • Telegram4J 常见错误处理指南
      • 处理回调查询
      • Reactor
      • 文档翻译
      • 使用 Tio-Boot 整合 tdlight
      • tio-boot 整合 TelegramBots
      • tio-boot 整合 Telegram-Bot-Utils
      • Telegram-Bot-Utils 使用指南
    • 48 · Telegram Bots

      • 48_telegram-bots
      • TelegramBots 入门指南
      • 使用工具库 telegram-bot-base 开发翻译机器人
    • 49 · 文件存储

      • 49_file-storage
      • 文件上传数据表
      • 本地存储
      • 存储到 亚马逊 S3
      • 存储到 Cloudflare R2
      • 存储到 腾讯 COS
      • 上传文件到阿里云 OSS
    • 50 · 支付

      • 支付集成
      • 微信小程序支付:普通支付
      • 微信支付:Native 扫码支付(PC 网页扫码)
      • 支付宝:电脑网站支付接入指南
  • Firebase 与 Clerk

    • 51 · Firebase

      • 51_firebase
      • 整合 google firebase
      • Firebase Storage
      • Firebase Authentication
      • 使用 Firebase Admin SDK 进行匿名用户管理与自定义状态标记
      • 导出用户
      • 登录注册
      • 注册回调
    • 52 · Clerk

      • 52_clerk
      • Clerk
  • 多媒体

    • 53 · 音视频处理

      • 53_media
      • JAVE 提取视频中的声音
      • Jave 提取视频中的图片
      • 待定
    • 54 · 语音识别

      • 54_asr
      • Whisper-JNI
    • 55 · 语音合成

      • 55_tts
    • 56 · 文字识别

      • 56_ocr
    • 57 · Native Media

      • 57_native-media
      • java-native-media
      • JNI 入门示例
      • mp3 拆分
      • mp4 转 mp3
      • 使用 libmp3lame 实现高质量 MP3 编码
      • Linux 编译
      • macOS 编译
      • 从 JAR 包中加载本地库文件
      • 支持的音频和视频格式
      • 任意格式转为 mp3
      • 通用格式转换
      • 通用格式拆分
      • 视频合并
      • VideoToHLS
      • split_video_to_hls 支持其他语言
      • 持久化 HLS 会话
      • 获取视频长度
      • 保存视频的最后一帧
      • 添加水印
      • linux版本
    • 58 · 计算机视觉

      • 58_computer-vision
      • 使用 Java 运行 YOLOv8 ONNX 模型进行目标检测
      • tio-boot整合yolo
      • ONNX Runtime 推理说明
      • Paddle Structure
      • tio-boot 整合 Paddle Structure
      • tio-boot整合Paddle Structure 提取图片
      • U2Net 图片去背景原理
      • tio-boot 整合 U2Net 实现图片去背景
  • AI 开发

    • 59 · java-openai

      • 59_java-openai
      • 简介
      • 流式生成
      • 图片多模态输入
      • Google Gemini接入
      • google Vertex AI 接入
      • Perplexity API
      • WhisperClient 语音识别
      • SupadataClient 获取视频字幕
      • GiteeClient 文档解析与图片 OCR
      • DeepSeekClient 官方模型查询
      • BailianTTSClient 语音合成
    • 60 · AI Agent

      • 60_ai-agent
      • 数据库设计
      • 示例问题管理
      • 会话管理
      • 历史记录
      • 意图识别
      • 智能问答
      • 文件上传与解析文档
      • 翻译
      • 名人搜索功能实现
      • Ai studio gemini youbue 问答使用说明
      • 自建 YouTube 字幕问答系统
      • 自建 获取 youtube 字幕服务
      • 使用 OpenAI ASR 实现语音识别接口(Java 后端示例)
      • 定向搜索
      • 16
      • 17
      • 18
      • 在 tio-boot 应用中整合 ai-agent
      • 接口文档
      • 自定义 ChatAskService
      • 请求记录
      • 限流和错误处理
      • 增强检索(RAG)
      • 结构化数据检索
      • AI 问答
      • 连接代码执行器
      • 待定
      • 模型编程能力评测
      • 音频会话 SDP 示例
    • 61 · 知识库

      • 61_knowledge-base
      • 学术论文
      • 数据库设计
      • 用户登录实现
      • 模型管理
      • 知识库管理
      • 文档拆分
      • 片段向量
      • 命中测试
      • 文档管理
      • 片段管理
      • 问题管理
      • 应用管理
      • 向量检索
      • 推理问答
      • 问答模块
      • 统计分析
      • 用户管理
      • api 管理
      • 存储文件到 S3
      • 文档解析优化
      • 片段汇总
      • 段落分块与检索
      • 多文档解析
      • 对话日志
      • 检索性能优化
      • Milvus
      • 文档解析方案和费用对比
      • 豫自然资办发〔2021〕18号文档解析实测
      • 离线运行向量模型
      • 爬取网页数据
    • 62 · AI 搜索

      • 62_ai-search
      • ai-search 项目简介
      • ai-search 数据库文档
      • ai-search SearxNG 搜索引擎
      • ai-search Jina Reader API
      • ai-search Jina Search API
      • ai-search 搜索、重排与读取内容
      • ai-search PDF 文件处理
      • ai-search 推理问答
      • Google Custom Search JSON API
      • ai-search 意图识别
      • ai-search 问题重写
      • ai-search 系统 API 接口 WebSocket 版本
      • ai-search 搜索代码实现 WebSocket 版本
      • ai-search 生成建议问
      • ai-search 生成问题标题
      • ai-search 历史记录
      • Discover API
      • 翻译
      • Tavily Search API 文档
      • 对接 Tavily Search
      • 火山引擎 DeepSeek
      • 对接 火山引擎 DeepSeek
      • ai-search 搜索代码实现 SSE 版本
      • jar 包部署
      • Docker 部署
      • 爬取一个静态网站的所有数据
      • 网页数据预处理
      • 网页数据检索与问答流程整合
    • 63 · 语音 Agent

      • 63_voice-agent
      • 整合Gemini realtime模型
      • Voice Agent 前端接入接口文档
      • 整合千问realtime模型
      • 打断支持
      • 主动介入
      • eleven labs
      • 基于 tio-boot + ElevenLabs 构建实时语音 Agent(支持打断与主动介入)
    • 64 · AI Coding

      • 64_ai-coding
      • Cline 提示词
      • Cline 提示词-中文版本
    • 65 · AI Browser

      • deepseek-browser-use:从入门到源码
      • deepseek-browser-use:概念与学习路线
      • 安装、启动与健康检查
      • 第一个任务:打开页面、读取结果与关闭
      • 客户端:dsb 命令行、Python 与 PowerShell
      • 统一命令接口与人机协作
      • 浏览器、profile 与登录态
      • 窗口尺寸与页面视口
      • 接入智能体:观察、执行与验证
      • 表单与多层弹窗排障:防止重复提交
      • 调用追踪、页面留档与文件上传
      • 站点配方、技能与异步作业
      • Windows OCR:本地图片与页面文字识别
      • 配置项与运维自省
      • 命令清单
      • 源码教程:从 HTTP 请求到命令执行
      • DOM 原理:前端如何生成可交互快照
      • DOM 原理:Java 模型与跨 Frame 索引
      • 正文提取与上层结构化处理
      • 源码教程:生命周期、导航与页签
      • 源码教程:DOM、页面状态与元素读取
      • 源码教程:点击、输入、键盘与鼠标
      • 源码教程:等待条件与 JavaScript 执行
      • 源码教程:文件上传、截图、PDF 与 OCR
      • 源码教程:Cookie、存储与页面设置
      • 源码教程:网络记录、请求拦截与控制台
      • 源码教程:原生对话框、DOM 弹窗与人机协作
      • 源码教程:批量、配方、后台作业与维护
      • 源码教程:Chrome 走 CDP 与 CDP 客户端
      • 请求响应关联与线程约束
  • 项目实战

    • 66 · java-uni-ai-server

      • 66_java-uni-ai-server
      • 语音合成系统
      • Fish.audio TTS 接口说明文档与 Java 客户端封装
      • 整合 fishaudio 到 java-uni-ai-server 项目
      • 待定
    • 67 · java-llm-proxy

      • 67_java-llm-proxy
      • 使用tio-boot搭建多模型LLM代理服务
    • 68 · java-kit-server

      • 68_java-kit-server
      • Java 执行 python 代码
      • 通过大模型执行 Python 代码
      • 执行 Python (Manim) 代码
      • 待定
      • 待定
      • 待定
      • 视频下载增加水印说明文档
    • 69 · tio-im

      • 69_tio-im
      • 通讯协议文档
      • ChatPacket.proto 文档
      • java protobuf
      • 数据表设计
      • 创建工程
      • 登录
      • 历史消息
      • 发消息
    • 70 · tio-mail-wing

      • 70_tio-mail-wing
      • tio-mail-wing简介
      • 任务1:实现POP3系统
      • 使用 getmail 验证 tio-mail-wing POP3 服务
      • 任务2:实现 SMTP 服务
      • 数据库初始化文档
      • 用户管理
      • 邮件管理
      • 任务3:实现 SMTP 服务 数据库版本
      • 任务4:实现 POP3 服务(数据库版本)
      • IMAP 协议
      • 拉取多封邮件
      • 任务5:实现 IMAP 服务(数据库版本)
      • IMAP实现讲解
      • IMAP 手动测试脚本
      • IMAP 认证机制
      • 主动推送
      • namesapce
      • CONDSTORE and QRESYNC
    • 71 · tio-mcp-server

      • 71_tio-mcp-server
      • 实现 MCP Server 开发指南
      • MCP 协议
      • /zh/71_tio-mcp-server/11.html
    • 72 · tio-log-server

      • 72_tio-log-server
      • 简介
      • 收集 docker 日志
      • 入库
    • 73 · tio-sip

      • 73_tio-sip
      • SIP Server 第一版原理说明
      • SIP Server 第一版实战
      • 一、Windows 平台测试
      • SIP Server 第二版实战
      • SIP Server 第三版实战
      • 性能优化
      • 基于 MediaProcessor 对接 Realtime 模型说明
      • 对接大语言模型
      • 支持 G722 宽带语音
      • G722编码和解码
      • 会话级采样率转换
      • 增加 9196 回声测试分机
      • 语音系统链路说明
      • 一、Gemini Realtime 的打断机制
    • 74 · tio-boot-admin

      • 74_tio-boot-admin
      • 入门指南:使用框架内置配置
      • 手动初始化数据库
      • 配置职责、生效条件与扩展边界
      • 整合数据库
      • 与前端集成
      • 文件上传
      • 网络请求
      • 单图片管理(只读模式)
      • 多图片管理
      • 布尔值管理
      • 字段联动
      • Word 管理
      • PDF 管理
      • 文章管理
      • 富文本编辑器
      • 整合 Enjoy 模版引擎
      • 历史可选方案:Token 存储与 Sa-Token
      • 业务 API 与 H5 / 小程序联调
      • 方法路由与业务鉴权
      • 整合 Redis
      • 整合 Elasticsearch
      • 后端开发规范:tio-boot、java-db 与 Kv
      • 多表实现文件数据存储
    • 75 · 案例

      • 75_examples
      • 封装 IP 查询服务
      • tio-boot 案例 - 全局异常捕获与企业微信群通知
      • tio-boot 案例 - 文件上传和下载
      • tio-boot 案例 - 整合 ant design pro 增删改查
      • tio-boot 案例 - 流失响应
      • tio-boot 案例 - 增强检索
      • tio-boot 案例 - 整合 function call
      • tio-boot 案例 - 定时任务 监控 PostgreSQL、Redis 和 Elasticsearch
      • Tio-Boot 案例:使用 SQLite 整合到登录注册系统
      • tio-boot 案例 - 执行 shell 命令
      • /zh/75_examples/11.html
      • /zh/75_examples/12.html
      • /zh/75_examples/13.html
  • 性能、原理与源码

    • 76 · 性能测试

      • 76_performance
      • 压力测试 - tio-http-serer
      • 压力测试 - tio-boot
      • 压力测试 - tio-boot-native
      • 压力测试 - netty-boot
      • 性能测试对比
      • TechEmpower FrameworkBenchmarks
      • 压力测试 - tio-boot 12 C 32G
      • HTTP/1.1 Pipelining 性能测试报告
      • tio-boot vs Quarkus 性能对比测试报告
    • 77 · 原理

      • 77_internals
      • 生命周期
      • 请求处理流程
      • 重要的类
    • 78 · 源码解析

      • 78_source-code
      • 源码阅读入口
      • Swagger 整合到 Tio-Boot 中的指南
      • 启动与关闭生命周期
      • HTTP 请求分发与路由优先级
      • 高性能网络编程中的 ByteBuffer 分配与回收策略
      • TioBootServerHandler 源码解析

通过大模型执行 Python 代码

本文档介绍如何通过大模型生成符合规范、易于维护的 Python 代码,并通过 java-kit-server-server 执行该代码。整个过程严格遵循预设的工具调用格式和步骤,以确保生成的代码既安全又高效。文档包含系统提示词、示例代码以及 Java 服务端实现的所有代码,不遗漏任何细节。


1. 系统提示词

系统提示词存储在文件 python_code_prompt.txt 中,主要用于指导大模型生成符合规范的 Python 代码。提示词要求内容包括代码风格、工具调用、文件操作以及生成代码时的数学公式书写规范等要求。具体内容如下:

是 Cline,一位技术高超的软件工程师,精通 Python 编程、各种框架、设计模式以及最佳实践。的任务是根据用户需求生成符合规范、易于维护的 Python 代码。请务必遵循以下要求和步骤:

1. 代码风格要求:
- 所有 Python 代码必须符合 PEP8 标准,结构清晰,注释充分,必要时提供文档字符串说明。
- 代码中的变量、函数、类等命名必须有意义,且遵循 Python 命名规范。

2. 工具调用要求:
- 当需要创建新文件、编辑文件或执行命令时,必须使用指定的工具,且调用格式严格按照 XML 标签格式书写。例如:
- 使用 `execute_python` 工具执行 python.
- 每次调用工具后,必须等待用户确认工具使用成功后再进行下一步操作,不得跳步或假设成功。

3. 文件操作要求:
- 生成的文件路径均以当前工作目录(.)为基准。
- 如果需要生成 Python 脚本或模块,务必确保文件的完整内容不遗漏,并在必要时提供完整的代码示例。

4. 任务执行流程:
- 首先分析用户需求,确定是否需要执行代码。如果不需要执行代码,设置action为 not_needed
- 如果需要需要执行代码,设置 tool 为 execute_python 并确定生成代码所需的功能模块、函数、类等结构。
- 如果代码生成过程中需要调用外部 API 或系统命令,请确保命令安全、格式正确,并在调用前提供详细说明。
- 生成代码后,确保代码能够正确运行并完成预期功能。

5. 代码生成要求
- 所有包含数学公式(mathtext)的字符串必须使用原始字符串前缀 `r''`,以防止转义字符错误。
- 在 mathtext 表达式中,LaTeX 命令必须使用 **单斜杠** `\`,不要使用双斜杠 `\\`,否则会导致 matplotlib 渲染失败。
- 正确示例:
  plt.plot(x, y, label=r'$f(x) = \frac{2}{3}\sqrt{x^3 + 1}$')
  plt.title(r'Plot of $f(x) = \frac{2}{3}\sqrt{x^3 + 1}$')

- 错误示例:
  plt.plot(x, y, label=r'$f(x) = \frac{2}{3}\\sqrt{x^3 + 1}$')  # 错误:用了双斜杠
  plt.title('Plot of $f(x) = \frac{2}{3}\sqrt{x^3 + 1}$')       # 错误:缺少 r''

   - 若使用 matplotlib 的 mathtext 功能,必须确保表达式在 `$...$` 内闭合且无语法错误。

6. 示例说明:
- 以下为创建一个简单 Python 脚本的示例,该脚本实现打印 "Hello, world!" 的功能:

```python
print("Hello, world!")
```

- 下面给出一个示例 Python 脚本,演示如何绘制函数图形和其切线:

```python
import numpy as np
import matplotlib.pyplot as plt

# 定义函数 f(x) = x^2
def f(x):
    return x**2

# 定义切线方程
def tangent_line(a, x):
    return 2*a*x - a**2

# 生成 x 数据
x = np.linspace(-5, 5, 400)
y = f(x)

# 选取多个切点
a_values = [-2, -1, 0, 1, 2]

# 绘图
plt.figure(figsize=(8, 6))
plt.plot(x, y, label=r'$f(x) = x^2$', color='blue')

# 绘制每个切点的切线
for a in a_values:
    tangent_y = tangent_line(a, x)
    plt.plot(x, tangent_y, '--', label=fr'Tangent at $x={a}$')

    # 标记切点
    plt.scatter(a, f(a), color='red', zorder=3)

# 设置图表属性
plt.xlabel('x')
plt.ylabel('y')
plt.title('Function $f(x) = x^2$ and its Tangents')
plt.axhline(0, color='black', linewidth=0.5)
plt.axvline(0, color='black', linewidth=0.5)
plt.legend()
plt.grid(True)

# 显示图形
plt.show()
```
请根据以上所有提示和用户要求,生成符合用户需求的 Python 代码,并确保所有细节都不遗漏。整个生成过程必须严格按照工具调用格式与步骤执行,确保生成的代码既安全又高效。

Gemini 生成代码示例

{
  "contents":
  [
    {
      "parts":
      [
        {
          "text": "请根据下面的用户的问题和答案使用python代码绘制函数图像帮助用户更好的理解问题.如果无需绘制函数图像,请返回`not_needed`"
        },
        {
          "text": "解题"
        },
        {
          "text": "已知函数 \\( f(x) = x^2 \\),求其在某一点 \\( x = a \\) 处的切线方程。\r\n\r\n### **步骤**\r\n1. **求导数**  \r\n   函数的导数表示其变化率,即:\r\n   \\[\r\n   f'(x) = \\frac{d}{dx} (x^2) = 2x\r\n   \\]\r\n   这表示函数在任意点 \\( x \\) 处的瞬时变化率(斜率)。\r\n\r\n2. **计算切线的斜率**  \r\n   在 \\( x = a \\) 处,切线的斜率为:\r\n   \\[\r\n   m = f'(a) = 2a\r\n   \\]\r\n\r\n3. **确定切点**  \r\n   切线经过的点为 \\( (a, f(a)) \\),即:\r\n   \\[\r\n   (a, a^2)\r\n   \\]\r\n\r\n4. **写出切线方程**  \r\n   直线方程的点斜式为:\r\n   \\[\r\n   y - y_1 = m (x - x_1)\r\n   \\]\r\n   代入 \\( (a, a^2) \\) 和 \\( m = 2a \\):\r\n   \\[\r\n   y - a^2 = 2a (x - a)\r\n   \\]\r\n   展开整理:\r\n   \\[\r\n   y = 2a x - a^2\r\n   \\]\r\n\r\n### **结论**\r\n函数 \\( f(x) = x^2 \\) 在 \\( x = a \\) 处的切线方程为:\r\n\\[\r\ny = 2a x - a^2\r\n\\]\r\n\r\n如果有具体的 \\( a \\) 值,我可以帮计算出具体的切线方程。"
        }
      ],
      "role": "user"
    }
  ],
  "system_instruction":
  {
    "parts":
    {
      "text": "是 Cline,一位技术高超的软件工程师,精通 Python 编程、各种框架、设计模式以及最佳实践。的任务是根据用户需求生成符合规范、易于维护的 Python 代码。请务必遵循以下要求和步骤:\r\n\r\n1. 代码风格要求:\r\n- 所有 Python 代码必须符合 PEP8 标准,结构清晰,注释充分,必要时提供文档字符串说明。\r\n- 代码中的变量、函数、类等命名必须有意义,且遵循 Python 命名规范。\r\n\r\n2. 工具调用要求:\r\n- 当需要创建新文件、编辑文件或执行命令时,必须使用指定的工具,且调用格式严格按照 XML 标签格式书写。例如:\r\n- 使用 `execute_python` 工具执行 python.\r\n- 每次调用工具后,必须等待用户确认工具使用成功后再进行下一步操作,不得跳步或假设成功。\r\n\r\n3. 文件操作要求:\r\n- 生成的文件路径均以当前工作目录(.)为基准。\r\n- 如果需要生成 Python 脚本或模块,务必确保文件的完整内容不遗漏,并在必要时提供完整的代码示例。\r\n\r\n4. 任务执行流程:\r\n- 首先分析用户需求,确定是否需要执行代码。如果不需要执行代码,设置action为 not_needed\r\n- 如果需要执行,确定生成代码所需的功能模块、函数、类等结构。\r\n- 如果代码生成过程中需要调用外部 API 或系统命令,请确保命令安全、格式正确,并在调用前提供详细说明。\r\n- 生成代码后,确保代码能够正确运行并完成预期功能。\r\n\r\n5. 代码生成要求\r\n- 所有包含数学公式(mathtext)的字符串必须使用原始字符串前缀 `r''`,以防止转义字符错误。\r\n- 在 mathtext 表达式中,LaTeX 命令必须使用 **单斜杠** `\\`,不要使用双斜杠 `\\\\`,否则会导致 matplotlib 渲染失败。\r\n- 正确示例:\r\n  plt.plot(x, y, label=r'$f(x) = \\frac{2}{3}\\sqrt{x^3 + 1}$')\r\n  plt.title(r'Plot of $f(x) = \\frac{2}{3}\\sqrt{x^3 + 1}$')\r\n  \r\n- 错误示例:\r\n  plt.plot(x, y, label=r'$f(x) = \\frac{2}{3}\\\\sqrt{x^3 + 1}$')  # 错误:用了双斜杠\r\n  plt.title('Plot of $f(x) = \\frac{2}{3}\\sqrt{x^3 + 1}$')       # 错误:缺少 r''\r\n  \r\n   - 若使用 matplotlib 的 mathtext 功能,必须确保表达式在 `$...$` 内闭合且无语法错误。\r\n\r\n6. 示例说明:\r\n- 以下为创建一个简单 Python 脚本的示例,该脚本实现打印 \"Hello, world!\" 的功能:\r\n\r\n```python\r\nprint(\"Hello, world!\")\r\n```\r\n\r\n- 下面给出一个示例 Python 脚本,演示如何绘制函数图形和其切线:\r\n\r\n```python\r\nimport numpy as np\r\nimport matplotlib.pyplot as plt\r\n\r\n# 定义函数 f(x) = x^2\r\ndef f(x):\r\n    return x**2\r\n\r\n# 定义切线方程\r\ndef tangent_line(a, x):\r\n    return 2*a*x - a**2\r\n\r\n# 生成 x 数据\r\nx = np.linspace(-5, 5, 400)\r\ny = f(x)\r\n\r\n# 选取多个切点\r\na_values = [-2, -1, 0, 1, 2]\r\n\r\n# 绘图\r\nplt.figure(figsize=(8, 6))\r\nplt.plot(x, y, label=r'$f(x) = x^2$', color='blue')\r\n\r\n# 绘制每个切点的切线\r\nfor a in a_values:\r\n    tangent_y = tangent_line(a, x)\r\n    plt.plot(x, tangent_y, '--', label=fr'Tangent at $x={a}$')\r\n\r\n    # 标记切点\r\n    plt.scatter(a, f(a), color='red', zorder=3)\r\n\r\n# 设置图表属性\r\nplt.xlabel('x')\r\nplt.ylabel('y')\r\nplt.title('Function $f(x) = x^2$ and its Tangents')\r\nplt.axhline(0, color='black', linewidth=0.5)\r\nplt.axvline(0, color='black', linewidth=0.5)\r\nplt.legend()\r\nplt.grid(True)\r\n\r\n# 显示图形\r\nplt.show()\r\n```\r\n请根据以上所有提示和用户要求,生成符合用户需求的 Python 代码,并确保所有细节都不遗漏。整个生成过程必须严格按照工具调用格式与步骤执行,确保生成的代码既安全又高效。"
    }
  },
  "generationConfig":
  {
    "responseSchema":
    {
      "properties":
      {
        "code":
        {
          "type": "string"
        },
        "action":
        {
          "type": "string"
        },
        "tool":
        {
          "type": "string"
        }
      },
      "type": "object"
    },
    "topK": 40,
    "topP": 0.95,
    "temperature": 1.0,
    "maxOutputTokens": 8192,
    "responseMimeType": "application/json"
  }
}

output

{
  "action": "not_needed"
}
{
  "action": "code_needed",
  "code": "import numpy as np\nimport matplotlib.pyplot as plt\n\n# 定义函数 f(x) = x^2\ndef f(x):\n    return x**2\n\n# 定义切线方程\ndef tangent_line(a, x):\n    return 2*a*x - a**2\n\n# 生成 x 数据\nx = np.linspace(-5, 5, 400)\ny = f(x)\n\n# 选取多个切点\na_values = [-2, -1, 0, 1, 2]\n\n# 绘图\nplt.figure(figsize=(8, 6))\nplt.plot(x, y, label=r'$f(x) = x^2$', color='blue')\n\n# 绘制每个切点的切线\nfor a in a_values:\n    tangent_y = tangent_line(a, x)\n    plt.plot(x, tangent_y, '--', label=fr'Tangent at $x={a}$')\n\n    # 标记切点\n    plt.scatter(a, f(a), color='red', zorder=3)\n\n# 设置图表属性\nplt.xlabel('x')\nplt.ylabel('y')\nplt.title('Function $f(x) = x^2$ and its Tangents')\nplt.axhline(0, color='black', linewidth=0.5)\nplt.axvline(0, color='black', linewidth=0.5)\nplt.legend()\nplt.grid(True)\n\n# 显示图形\nplt.show()",
  "tool": "execute_python"
}

2. Java 服务端实现

为了确保生成的 Python 代码能够正确运行,本系统将 Python 代码发送到 java-kit-server-server 上执行。以下介绍三个关键模块的代码实现:

2.1 GeminiResponseSchema

package nexus.io.gemini;

import java.util.HashMap;
import java.util.Map;

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@NoArgsConstructor
@AllArgsConstructor
public class GeminiResponseSchema {
  private String type = "object";
  private Map<String, GeminiResponseProperty> properties;

  /**
    "responseSchema": {
      "type": "object",
      "properties": {
        "suggestions": {
          "type": "array",
          "items": {
            "type": "string"
          }
        }
      }
    }
   */
  public static GeminiResponseSchema array(String key) {
    Map<String, String> items = itemType("string");
    Map<String, GeminiResponseProperty> properties = new HashMap<>();
    properties.put(key, new GeminiResponseProperty("array", items));

    GeminiResponseSchema schema = new GeminiResponseSchema();
    schema.setProperties(properties);
    return schema;
  }

  /**
   *
    "responseSchema": {
      "type": "object",
      "properties": {
        "action": {
          "type": "string"
        },
        "tool": {
          "type": "string"
        }
        "code": {
          "type": "string"
        },

      }
    }
   * @return
   */
  public static GeminiResponseSchema pythonCode() {
    Map<String, GeminiResponseProperty> properties = new HashMap<>();
    properties.put("action", new GeminiResponseProperty("string"));
    properties.put("tool", new GeminiResponseProperty("string"));
    properties.put("code", new GeminiResponseProperty("string"));
    GeminiResponseSchema schema = new GeminiResponseSchema();
    schema.setProperties(properties);
    return schema;
  }

  private static Map<String, String> itemType(String value) {
    Map<String, String> items = new HashMap<>();
    items.put("type", value);
    return items;
  }
}

2.2 MatplotlibService

MatplotlibService 类负责调用大模型生成 Python 代码,并对返回的结果进行处理。具体步骤如下:

  • 生成代码:调用 generateCode 方法,将用户的需求与系统提示词结合后生成 Python 代码。
  • 解析 XML:检查生成的代码中是否包含 <execute_python> 标签,若存在,则利用工具类解析出其中的 Python 代码。
  • 执行代码:通过 LinuxClient.executePythonCode 方法将 Python 代码发送给 java-kit-server-server 执行,并处理可能的错误信息。
  • 错误处理:若代码执行过程中出现错误,会根据错误信息调用 fixCodeError 方法进行修正后重新执行代码。
  • 图像上传:当 Python 代码执行生成图像时,对生成的 Base64 图片进行解码,并上传到 AWS S3,最终返回图片 URL。

完整代码如下:

package nexus.io.llm.service;

import java.io.PrintWriter;
import java.io.StringWriter;
import java.util.ArrayList;
import java.util.List;

import nexus.io.gemini.GeminiCandidateVo;
import nexus.io.gemini.GeminiChatRequestVo;
import nexus.io.gemini.GeminiChatResponseVo;
import nexus.io.gemini.GeminiClient;
import nexus.io.gemini.GeminiGenerationConfigVo;
import nexus.io.gemini.GeminiPartVo;
import nexus.io.gemini.GeminiResponseSchema;
import nexus.io.gemini.GoogleGeminiModels;
import nexus.io.jfinal.aop.Aop;
import nexus.io.linux.LinuxClient;
import nexus.io.linux.ProcessResult;
import nexus.io.llm.vo.ToolVo;
import nexus.io.template.PromptEngine;
import nexus.io.tio.boot.admin.services.AwsS3StorageService;
import nexus.io.model.upload.UploadResult;
import nexus.io.model.upload.UploadFile;
import nexus.io.tio.utils.encoder.Base64Utils;
import nexus.io.tio.utils.encoder.ImageVo;
import nexus.io.tio.utils.hutool.StrUtil;
import nexus.io.tio.utils.json.JsonUtils;

import lombok.extern.slf4j.Slf4j;

@Slf4j
public class MatplotlibService {

  public ProcessResult generateMatplot(String quesiton, String answer) {
    String text = generateCode(quesiton, answer);
    if (StrUtil.isBlank(text)) {
      return null;
    }
    ToolVo toolVo = null;
    try {
      toolVo = JsonUtils.parse(text, ToolVo.class);
    } catch (Exception e) {
      log.error("text:{}", text, e.getMessage(), e);
      StringWriter stringWriter = new StringWriter();
      PrintWriter printWriter = new PrintWriter(stringWriter);
      e.printStackTrace(printWriter);
      String stackTrace = stringWriter.toString();
      String msg = "code:" + text + ",stackTrace" + stackTrace;
      Aop.get(AgentNotificationService.class).sendError(msg);
      return null;
    }
    if (toolVo != null && "execute_python".equals(toolVo.getTool())) {
      String code = toolVo.getCode();
      ProcessResult result = LinuxClient.executePythonCode(code);
      if (result != null) {
        String stdErr = result.getStdErr();
        if (StrUtil.isNotBlank(stdErr)) {
          String prompt = "python代码执行过程中出现了错误,请修正错误并仅输出修改后的代码,错误信息:%s";
          prompt = String.format(prompt, stdErr);
          code = fixCodeError(prompt, code);
          result = LinuxClient.executePythonCode(code);
        }

        List<String> images = result.getImages();
        if (images != null) {
          List<String> imageUrls = new ArrayList<>(images.size());
          for (String imageBase64Code : images) {
            ImageVo decodeImage = Base64Utils.decodeImage(imageBase64Code);
            UploadFile uploadFile = new UploadFile("matplotlib." + decodeImage.getExtension(), decodeImage.getData());
            UploadResult resultVo = Aop.get(AwsS3StorageService.class).uploadFile("matplotlib", uploadFile);
            String url = resultVo.getUrl();
            imageUrls.add(url);
          }
          result.setImages(imageUrls);
        }
        return result;
      }

    }
    return null;
  }

  private String fixCodeError(String userPrompt, String code) {
    String text = generateCode(userPrompt, code);
    if (StrUtil.isBlank(text)) {
      return null;
    }
    ToolVo toolVo = null;
    try {
      toolVo = JsonUtils.parse(text, ToolVo.class);
      return toolVo.getCode();
    } catch (Exception e) {
      log.error("text:{}", text, e.getMessage(), e);
      StringWriter stringWriter = new StringWriter();
      PrintWriter printWriter = new PrintWriter(stringWriter);
      e.printStackTrace(printWriter);
      String stackTrace = stringWriter.toString();
      String msg = "code:" + text + ",stackTrace" + stackTrace;
      Aop.get(AgentNotificationService.class).sendError(msg);
      return null;
    }
  }

  public String generateCode(String quesiton, String answer) {
    String systemPrompt = PromptEngine.renderToString("python_code_prompt.txt");
    String userPrompt = "请根据下面的用户的问题和答案使用python代码绘制函数图像帮助用户更好的理解问题.如果无需绘制函数图像,请返回`not_needed`";

    // 1. Construct request body
    GeminiChatRequestVo reqVo = new GeminiChatRequestVo();
    reqVo.setUserPrompts(userPrompt, quesiton, answer);
    reqVo.setSystemPrompt(systemPrompt);

    GeminiResponseSchema pythonCode = GeminiResponseSchema.pythonCode();
    GeminiGenerationConfigVo geminiGenerationConfigVo = new GeminiGenerationConfigVo();
    geminiGenerationConfigVo.buildJsonValue().setResponseSchema(pythonCode);

    reqVo.setGenerationConfig(geminiGenerationConfigVo);

    // 2. Send sync request: generateContent
    GeminiChatResponseVo respVo = GeminiClient.generate(GoogleGeminiModels.GEMINI_2_0_FLASH, reqVo);
    if (respVo != null) {
      List<GeminiCandidateVo> candidates = respVo.getCandidates();
      GeminiCandidateVo candidate = candidates.get(0);
      List<GeminiPartVo> parts = candidate.getContent().getParts();
      if (candidate != null && candidate.getContent() != null && parts != null) {
        String text = parts.get(0).getText();
        return text;
      }
    }
    return null;
  }
}

2.3 LinuxClient

LinuxClient 类负责与 java-kit-server-server 进行交互,通过 HTTP 请求将生成的 Python 代码提交至后端执行,并接收执行结果。其主要步骤包括:

  • 根据环境变量构造 API 请求地址和验证 key;
  • 构造 HTTP 请求,将 Python 代码作为 POST 请求的内容发送至服务器;
  • 解析服务器返回的 JSON 数据,并将其转换为 ProcessResult 对象返回给上层调用。

完整代码如下:

package nexus.io.linux;

import java.io.IOException;

import nexus.io.tio.utils.environment.EnvUtils;
import nexus.io.tio.utils.http.OkHttpClientPool;
import nexus.io.tio.utils.json.JsonUtils;

import okhttp3.Call;
import okhttp3.MediaType;
import okhttp3.OkHttpClient;
import okhttp3.Request;
import okhttp3.RequestBody;
import okhttp3.Response;

public class LinuxClient {

  public static ProcessResult executePythonCode(String code) {
    String apiBase = EnvUtils.getStr("LINUX_BASE_URL");
    String key = EnvUtils.getStr("LINUX_API_KEY");

    String arg0 = apiBase + "/python";
    MediaType mediaType = MediaType.parse("text/plain");

    OkHttpClient client = OkHttpClientPool.get60HttpClient();
    RequestBody body = RequestBody.create(code, mediaType);
    Request request = new Request.Builder().url(arg0).method("POST", body).addHeader("authorization", "Bearer " + key).build();
    Call call = client.newCall(request);
    try (Response response = call.execute()) {
      String string = response.body().string();
      int resposneCode = response.code();
      if (response.isSuccessful()) {
        return JsonUtils.parse(string, ProcessResult.class);
      } else {
        throw new RuntimeException("code:" + resposneCode + " response:" + string);
      }
    } catch (IOException e) {
      throw new RuntimeException(e);
    }
  }
}

2.4 测试类

package llm;

import java.net.URL;

import org.junit.Test;

import nexus.io.jfinal.aop.Aop;
import nexus.io.linux.ProcessResult;
import nexus.io.llm.service.MatplotlibService;
import nexus.io.tio.utils.environment.EnvUtils;
import nexus.io.tio.utils.hutool.FileUtil;
import nexus.io.tio.utils.hutool.ResourceUtil;

public class MatplotlibServiceTest {

  @Test
  public void test() {
    EnvUtils.load();
    URL resource = ResourceUtil.getResource("data/example_answer.txt");
    if (resource == null) {
      return;
    }
    StringBuilder readString = FileUtil.readString(resource);
    String generateCode = Aop.get(MatplotlibService.class).generateCode("解题",readString.toString());
//    String generateCode = Aop.get(MatplotlibService.class).generateCode("解题","我爱");
    System.out.println(generateCode);
  }

  @Test
  public void generateMatplot() {
    EnvUtils.load();

    URL resource = ResourceUtil.getResource("data/example_answer.txt");
    if (resource == null) {
      return;
    }
    StringBuilder readString = FileUtil.readString(resource);

    for (int i = 0; i < 10; i++) {
      try {
        ProcessResult generateMatplot = Aop.get(MatplotlibService.class).generateMatplot("解题", readString.toString());
        System.out.println(generateMatplot);
      } catch (Exception e) {
        e.printStackTrace();
      }
    }
  }
}

3. 说明与接收

  1. 代码生成与调用流程说明

    • 用户需求由大模型接收,结合 python_code_prompt.txt 的系统提示词生成符合要求的 Python 代码。
    • 生成的代码通过 XML 格式封装在 <execute_python> 标签内。
    • MatplotlibService 类从返回的 XML 中提取出 Python 代码,并调用 LinuxClient.executePythonCode 将代码发送至后端执行。
    • 若执行过程中发现错误,系统会调用 fixCodeError 方法,通过大模型进行错误修正后重新执行。
    • 如果生成了图像,系统还会进行图像上传,并返回图像的 URL。
  2. 安全性与可维护性

    • 所有生成的代码均严格遵守 PEP8 规范,变量、函数和类命名明确。
    • 使用原始字符串(r'')保证数学公式在 matplotlib 渲染时不会出现转义错误。
    • Java 服务端通过环境变量配置后端 API 地址和安全密钥,确保请求安全。
  3. 接收与反馈

    • 请在实际使用过程中确认每一步工具调用成功后,再进行下一步操作。
    • 若在 Python 代码执行过程中出现错误,请及时根据错误信息修正代码,并通过系统提示反馈给开发团队进行处理。
Edit this page
Last Updated: 10/1/26, 4:55 AM
Contributors: litongjava
Prev
Java 执行 python 代码
Next
执行 Python (Manim) 代码