需要特别注意的一些建议 API路由覆盖的问题 比如有两个接口 A get /v1/user/{user_id}和 B get /v1/user/profile如果A定义在B之前，那么B可能会被A覆盖路由。需要将A放到B之前。 JWT使用的建议 摘自极客时间课程《高并发系统实战课》 通讯过程必须使用 HTTPS 协议，这样才可以降低被拦截的可能。 要注意限制 token 的更换次数，并定期刷新 token，比如用户的 access_token 每天只能更换 50 次，超过了就要求用户重新登陆，同时 token 每隔 15 分钟更换一次。这样可以降低 token 被盗取后给用户带来的影响。 Web 用户的 token 保存在 cookie 中时，建议加上 httponly、SameSite=Strict 限制，以防止 cookie 被一些特殊脚本偷走。 自定义接口返回内容 正常的响应序列化逻辑通过Response Encoder实现。 错误的序列化逻辑通过ErrorEncoder实现。 注意：自定义Encoder后，可能会遇到零值字段被忽略的情况，可以参考这个issue。具体的解决办法是 proto定义返回内容，然后将生成的类型在encoder中使用。 简单代码大致如下： proto定义 import "google/protobuf/any.proto"; // BaseResponse is the base response message BaseResponse{ int32 code = 1 [json_name = "code"]; google.protobuf.Any data = 2 [json_name = "data"]; } go代码...

模型设置 模型路径设置 @echo off echo set models storage path to current Dir %~dp0models SETX OLLAMA_MODELS %~dp0models echo setup done timeout 5 这个脚本会将模型的存储路径放在批处理相同目录的models目录下 启动 一键启动ollam和对应模型 @echo off echo start ollama... start %~dp0ollama.exe serve echo boot model start %~dp0ollama.exe run phi3

原文https://tfpk.github.io/nominomicon/introduction.html，使用Google进行机翻 nominomicon 欢迎阅读这本关于Nom的书；使用 Nom 解析器发挥巨大作用的指南。本指南将向您介绍使用 Nom 的理论和实践。 本指南仅假设您： 想学习Nom， 已经熟悉 Rust。 Nom 是一个解析器组合器库。换句话说，它为您提供了定义以下内容的工具： “解析器”（接受输入并返回输出的函数），以及 “组合器”（采用解析器并将它们组合在一起的函数！）。 通过将解析器与组合器相结合，您可以从简单的解析器构建复杂的解析器。这些复杂的解析器足以理解 HTML、mkv 或 Python！ 在我们出发之前，列出一些注意事项很重要： 本指南适用于 Nom7。 Nom 发生了重大变化，因此如果您正在搜索文档或 StackOverflow 答案，您可能会找到较旧的文档。一些常见的表明它是旧版本的指标是： 2021 年 8 月 21 日之前的文档 named! 宏的使用 使用 CompleteStr 或 CompleteByteArray 。 Nom 可以解析（几乎）任何东西；但本指南几乎完全专注于将完整的 &str 解析为事物。 第一章：Nom 方式 首先，我们需要了解 nom 思考解析的方式。正如简介中所讨论的，nom 让我们构建简单的解析器，然后组合它们（使用“组合器”）。 让我们讨论一下“解析器”实际上是做什么的。解析器接受输入并返回结果，其中： Ok 表示解析器成功找到了它要查找的内容；或者 Err 表示解析器找不到它要查找的内容。 如果解析器成功，它将返回一个元组。元组的第一个字段将包含解析器未处理的所有内容。第二个将包含解析器处理的所有内容。这个想法是解析器可以愉快地解析输入的第一部分，而无法解析整个内容。 如果解析器失败，则可能会返回多个错误。然而，为了简单起见，在接下来的章节中，我们将不对这些进行探讨。 ┌─► Ok( │ what the parser didn't touch, │ what matched the regex │ ) ┌─────────┐ │ my input───►│my parser├──►either──┤ └─────────┘ └─► Err(....

Deref Deref 是一种 Rust 编译器宏，用于实现 Deref trait。Deref trait 允许将自定义类型转换为引用，从而使其能够用于任何需要引用的地方。 Deref 宏通常用于以下场景： 新类型模式: 当您定义一个新类型时，deref 宏可以使其能够像引用一样使用。例如，您可以创建一个 Box 类型，该类型将值存储在堆上，并实现 Deref trait 以便可以使用 * 运算符访问值。 链式访问: deref 宏可以用于创建链式访问语法。例如，您可以创建一个 Vec<Box<T>> 类型，其中 T 是任何可实现 Deref trait 的类型。这允许您使用 * 运算符在向量中迭代并访问每个值。 泛型代码: deref 宏可以用于编写泛型代码，该代码可以与任何可实现 Deref trait 的类型一起使用。例如，您可以创建一个函数，该函数接受任何可实现 Deref trait 的类型并返回其值。 deref宏在 Rust 中扮演着重要的角色，它允许你自定义类型在特定情况下表现得像引用一样。这带来了许多便利，例如： 简化访问底层数据: 无需手动解引用，直接访问结构体内部数据。 使用运算符重载: 使自定义类型支持 * 和 [] 等运算符。 自动解引用: 在需要引用的地方，自动解引用自定义类型。 实用例子 1. 自定义智能指针 use std::ops::Deref; struct MyBox<T>(T); impl<T> Deref for MyBox<T> { type Target = T; fn deref(&self) -> &Self::Target { &self....

代码示例 ONNX web interface to YOLOv8 object detection neural network implemented on Rust. 仓库地址 Client/server face detection from your webcam with tokio, axum, tract-onnx and the lightweight ultraface network. 仓库地址 Segment anything inference using Rust llm https://github.com/jondot/awesome-rust-llm 其他 https://github.com/rustai-solutions 文章 图书

小试牛刀 clap是rust下面的一款命令行解析的库，下面是一些使用的笔记。 在Cargo.toml中添加下面的依赖 [dependencies] clap = {version = "4",features = ["derive"]} 对应feature的作用如下： 默认特性 std: Not Currently Used. Placeholder for supporting no_std environments in a backwards compatible manner. color: Turns on colored error messages. help: Auto-generate help output usage: Auto-generate usage error-context: Include contextual information for errors (which arg failed, etc) suggestions: Turns on the Did you mean '--myoption'? feature for when users make typos. 可选特性 deprecated: Guided experience to prepare for next breaking release (at different stages of development, this may become default) derive: Enables the custom derive (i....

本文原为为 https://blog.logrocket.com/building-rust-parser-pest-peg/，使用Google翻译进行机翻，部分内容做了细微润色。 编写一个高效的词法分析器对来解析复杂的结构可能具有挑战性。如果格式或结构是固定的，并且您必须以易于理解、维护和扩展以适应未来更改的方式编写解析器，那么这会变得更加复杂。 在这些情况下，我们可以使用解析器生成器，而不是手写解析器或手动解析我们的项目。在本文中，我们将回顾什么是解析器生成器，并探索一个名为 Pest 的 Rust 解析工具。我们将涵盖： [TOC] 请注意，您应该能够轻松地阅读和编写基本的 Rust 代码，例如函数、结构和循环。 什么是解析器生成器？ 解析器生成器是一些程序，它接受解析器需要考虑的规则，然后以编程方式为您生成一个解析器，该解析器将根据这些规则解析输入。 大多数时候，规则以简化语言（例如正则表达式）提供给解析器生成器。因此，当您想要通过更改规则或添加新规则来更新解析器时，您只需更新或添加规则的正则表达式即可。然后，当您运行解析器生成器时，它将重写解析器以适应这些规则。 可以想象使用这样的解析工具可以节省多少时间。许多解析器生成器还会生成词法分析器，因此您不必自己编写词法分析器。如果生成的词法分析器不适合您，您可以选择使用您自己的词法分析器运行解析器（如果需要）。 目前，Rust 生态系统中有多个解析器生成器可供您使用。其中最受欢迎的三个是 LalrPop、Nom 和 Pest。 LalrPop 与 Yacc 非常相似，它让您定义规则和相应的操作。我个人用它来为我的 8086 模拟器项目编写规则。 Nom 是一个解析器组合器库，您可以在其中将规则编写为函数组合。这更面向解析二进制输入，但也可用于解析字符串。 最后，Pest 使用 Parsing Expression Grammar 来定义解析规则。我们将在这篇文章中详细探讨 Rust 与 Pest 的解析。 Pest 中的解析表达式语法是什么？ 解析表达式语法（PEG）是用 Pest 定义 Rust 解析“规则”的方法之一。 Pest 接受具有此类规则定义的文件的输入，并生成遵循它们的 Rust 解析器。 在编写规则时，您应该考虑 Pest 和 PEG 的三个定义特征。 第一个特点是贪婪匹配。 Pest 将始终尝试将输入的最大值与规则相匹配。例如，假设我们编写了如下规则： match one or more alphabets 在这种情况下，Pest 将消耗输入中的所有内容，直到达到数字、空格或符号。在此之前它不会停止。 要考虑的第二个特征是交替匹配是有序的。为了理解这意味着什么，假设我们给出了多个匹配来满足一条规则，如下所示： rule1 | rule2 | rule3 Pest 将首先尝试匹配 rule1 。当且仅当 rule1 失败时，Pest才会尝试匹配 rule2 ，依此类推。如果第一条规则匹配，Pest 将不会尝试匹配任何其他规则来找到最佳匹配。...

准备工作 使用rust进行mongodb连接需要添加依赖，在Cargo.toml中添加下面的依赖 [dependencies] mongodb="2" serde = "1" 添加serde的原因是我们建模的时候需要用。 预备知识 连接数据库 下面是我们的本地数据库连接 const CONNECT_STR:&str = "mongodb://czyt:[email protected]:27017"; 然后使用连接字符串进行数据库连接 let mut client_options = ClientOptions::parse_async(CONNECT_STR).await?; // Set the server_api field of the client_options object to Stable API version 1 let server_api = ServerApi::builder() .version(ServerApiVersion::V1) .build(); client_options.server_api = Some(server_api); // Create a new client and connect to the server let client = Client::with_options(client_options)?; // Send a ping to confirm a successful connection client.database("admin").run_command(doc! { "ping": 1 }, None)....

请先看下面这个例子： enum Creatures { Dog(Dog), Cat(Cat), } trait Animal { fn make_sound(&self); } struct Dog; struct Cat; impl Animal for Dog { fn make_sound(&self) { println!("Bark!"); } } impl Animal for Cat { fn make_sound(&self) { println!("Meow!"); } } fn main() { let animals: Vec<Creatures> = vec![ Creatures::Dog(Dog), Creatures::Cat(Cat), ]; for animal in animals { match animal { Creatures::Dog(dog) => dog.make_sound(), Creatures::Cat(cat) => cat.make_sound(), } } } 在 main 函数中，我们创建了一个名为 animals 的 Vec<Creatures> 向量，其中包含不同种类的生物。遍历 animals 向量时，使用 match 语句来确定每个生物的实际类型，然后调用相应实例的 make_sound 方法。...