写在前面: 梯子的应用在文章最后 安装conda wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh chmod +x Anaconda3-2022.05-Linux-x86_64.sh ./Anaco
写在前面: 梯子的应用在文章最后 安装conda wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh chmod +x Anaconda3-2022.05-Linux-x86_64.sh ./Anaco
1、 刚开始测试bug提出质量，书写标准，包括标题、复现步骤、附件说明； 2、研发改bug的质量，二次打开的bug，修改bug引发出来新的问题； 3、人员的变动引起需求方面的了解程度不足 4、延期处理的bug 5、用例待补充： （1）探索性测试中遇到的问题，用例需要补充； （2）其他待补充问题 6、
1、课程场景、会议场景、自习场景：开始时间1小时前展示，如果上节（课/会议）结束时间未到，以结束时间为准； 2、自习场景：学生预约自己审核通过的时间段，展示自习正常数据； 3、自习场景（空闲中展示）：自习中改成空闲中； 4、制作模板时，自习场景和宣传场景不能同时关闭； 5、发布模板时，下发模板命令包
1.迁移vllm用户输入敏感词过滤逻辑 和敏感词增删改查的逻辑 1.5天 2.open-webui新增流式对话接口 （1）模型输出的敏感词过滤 1.5天 （2）增加输入和输出的过滤记录 1.5天 （3）调用vllm会话接口，有自定义的参数设置自定义参数没有则读取基础模型参数设置 1.5天 （4）统计
请求数据 { "stream": true, "model": "DeepSeek-R1-0528-Qwen3-8B", "messages": [ { "role": "system", "content": "你好" }, { "role": "user",
vllm开发的优势 1.环境是现成的 2.已经有了当前打包流程 3.已经有一部分写好的代码 4.不影响与ragflow的流式接口 vllm劣势 1.gpu资源有限，在开发时，ragflow的请求会受影响 2.vllm编译时间较长，CPU满负荷运转，执行pip install -e . 初次要15~2
使用命令行进入镜像的文件系统： sudo docker run -it --rm --entrypoint /bin/bash infiniflow/ragflow:v0.23.1 在根目录查看文件系统及其大小： du -h --max-depth=1 ./ | sort -hr ragflow 4
