场景文字识别的快速调研
微信公众号数据采样试验mitmproxy实时数据处理appium对手机微信的自动化测试winAppDriver对桌面微信的自动化测试场景文字识别的快速调研UI Automation对桌面微信的自动化测试基于机器视觉的桌面窗体组件的目标检测.notFinished
初探具身智能及潜在应用
...
输出模块提示词:Search-general-knowledge-CN
系列文章输出模块提示词:Search-general-knowledge-CN 功能目标在对某一个topic的最新发展近况进行调查时,可以使用RAG Flow的Agent同时对多个数据源进行搜索,获取最新的信息,兼顾查全率、查准率。 为了使输出结果更易于阅读,可以在输出模块中配置提示词,使输出结果兼顾排版美观、并符合“引文规范”,以便用户更快地了解搜索结果的主要内容、并快速跳转到数据源。 而对于topic不同的调查目的,其数据源的选择、输出结果的展示方式也会有所不同。一个常情形是:如果我们要对某个新的概念的常识(General Knowledge)进行调研,一般会这么做: 通过Google等通用搜索引擎、wiki垂直搜索引擎获得其通用知识。 在原文中直接以inline的方式给出参考文献,以便用户快速了解数据源。 围绕此目标,我们在RAGFlow中的Agent的设计方案及其相应的输出提示词如下文所示。 方案实现 输出模块的提示词: 12345678910111213141516171819202122232425262728Role: You are an intelligent assistant. Task: Chat with user. Answer the...
2024年车联网的应用场景、发展趋势及前景
应用场景车联网(Internet of Vehicles, IoV)是指通过各种通信技术实现车辆与车辆(V2V)、车辆与基础设施(V2I)、车辆与行人(V2P)以及车辆与网络(V2N)之间的信息交互,从而提升驾驶安全性、改善交通效率并提供丰富的车载信息服务。当前车联网最有前景的应用主要包括以下几个方面: 智能辅助驾驶: 利用车联网技术,车辆可以实时获取周围环境的信息,包括其他车辆的位置、速度以及交通信号等,从而实现更准确的感知和决策。 例如,自动紧急制动系统(AEB)、盲点监测系统(BSD)等主动安全技术,通过车与车之间的通信,提前预警潜在的碰撞风险。 车路协同自动驾驶: 车辆与道路基础设施之间的通信使得车辆能够更好地理解周围的交通状况,从而做出更为精确的驾驶决策。例如,基于V2X技术的红绿灯相位和时间信息推送,可以帮助车辆调整速度以减少停车次数,提高通行效率。 智慧交通管理: 通过收集来自各个车辆的数据,交通管理部门可以实时监控路况,及时发现拥堵点并采取措施疏导交通。同时,还可以利用这些数据优化信号灯配时方案,进一步提升道路利用率。 个性化信息服务: ...
基于机器视觉的桌面窗体组件的目标检测.notFinished
系列文章微信公众号数据采样试验mitmproxy实时数据处理appium对手机微信的自动化测试winAppDriver对桌面微信的自动化测试场景文字识别的快速调研UI Automation对桌面微信的自动化测试基于机器视觉的桌面窗体组件的目标检测.notFinished 需求和目标通过自动化测试技术激活软件的流量、进而对软件内容进行爬取, 其中的一个关键点就是如何定位到软件的窗口组件, 从而进行后续的操作。 在本系列文章前面的文章中, 我们通过inspect.exe等软件, 预先将桌面软件窗体组件”硬编码”到了代码中. 但是这种方式的弊端在于: 不仅增加了程序员的工作量, 而且当目标组件的属性变化时, 原先的自动化测试爬虫就失效了. 总之, “硬编码船体组件”是非常僵化的方式. 我们需要一种更加鲁棒的方式, 实现对窗体目标组件的识别, 而目标检测(object detection)技术, 就是一种对目标进行智能化检测的手段. 在本文, 我将基于YOLO架构, 实现一个目标检测模型, 用于识别软件窗体组件. 本文的主要内容包括: YOLO目标检测的基本概念和原理 YOLOv5目标检测的关键技术 对电脑屏幕中的软件窗体组件进行目标检测 方案与实施
winAppDriver对桌面微信的自动化测试
1. 系列文章微信公众号数据采样试验mitmproxy实时数据处理appium对手机微信的自动化测试winAppDriver对桌面微信的自动化测试场景文字识别的快速调研UI Automation对桌面微信的自动化测试基于机器视觉的桌面窗体组件的目标检测.notFinished 2. 需求和目标在winAppDriver 对桌面微信的自动化测试中, 我们实现了通过抓取网络流量, 对公众号内容的收集. 为了更高效地对内容进行批量采集, 我们需要一种自动化的方法, 从而批量地激活网页流量. 因此, 在appium 对手机微信的自动化测试中, 我们试图用Appium对手机微信进行自动化操作, 同时以PC作为中间代理, 从而在PC上截获手机流量, 对内容进行爬取. 但这种方法存在两个缺陷: 需要对手机的Android进行root, 并植入用户证书. 而从Android12之后, 系统不再信任用户证书. 为了绕后系统安全措施, 我们需要进一步对手机微信app进行逆向; 通过手机微信进行爬取, 需要长时间无法使用手机. 如果任务量太大, 可能需要专门的手机. 成本太高. 所以需要反思: 我们是否问对了问题? 是否有其它的方式. 回到此项任务的需求, 我们只是需要点击微信公众号中的链接,...
开源情报技术及资源框架
...
mitmproxy实时数据处理
...