OneDrive 或者 OneDrive for Business 如何使用 WebDAV？ – Hugo Koo的回答 – 知乎
https://www.zhihu.com/question/281570647/answer/2724959643
最近github上的chatgpt-next-web项目更新，可以选择将本地聊天和配置上传到网盘进行保存。找到了一个利用Onedrive设置账户的好方法。
以上有错误，虽然显示更新成功，但网盘里面没有新增文件。
按知乎的新教程重新操作https://zhuanlan.zhihu.com/p/656214960
利用了第三方网盘，成功实现了消息的同步。
没有对服务器和系统进行升级或设置调整，假期博客突然不能访问，显示“建立数据库连接时出错”。
试图搜索并通过chatgpt解决问题，相关问题多，一个个排除很费时间，而且要搞懂底层逻辑很困难。
想先备份数据库再试验，结果不行，数据库显示为空。然后发现自动备份到OneDrive的历史操作没有成功。
心里凉了一截。
再次搜索，发现在宝塔论坛有类似问题被解决。只需要修改服务器blog文件夹下的wp-config.php文件，更新其中的密码。
尝试后恢复正常。想着还是要有个备份，在后台发现了七牛云，注册了账号，开了存储桶。上了自动备份。还可以当图床。
又收获了新技能。。。
放个样图试试
ps：因为七牛图床免费流量仅支持http，不支持https，所以在访问加密网站时，浏览器会阻止http开头的图片显示
今天（11月5日）又出现了同样的错误，重启下数据库就可以恢复了，更加简单。（把解决方案写在博客上，服务器出问题了根本找不到，只好又去搜索）
import requests
from docx import Document
from docx.shared import Pt
from concurrent.futures import ThreadPoolExecutor
from tqdm import tqdm
def chatgpt(prompt):
h = {
'Content-Type': 'application/json',
'Authorization': 'Bearer Openai密钥'
}
d = {
"model": "text-davinci-003",
"prompt": prompt,
"max_tokens": 1000,
"temperature": 0
}
u = 'https://网址/v1/completions'
r = requests.post(url=u, headers=h, json=d, verify=True, timeout=30).json()
if 'choices' in r:
return r['choices'][0]['text']
# Read the Word document
doc = Document('/home/aistudio/[EN]利用数据共享工具实现循环经济：以产品数字护照为例.pdf.docx')
# Create a new Word document to save the translated results
new_doc = Document()
# Create a ThreadPoolExecutor
executor = ThreadPoolExecutor(max_workers=20)
# Process paragraphs
prompts = [f'Translate the following English text to Chinese: {paragraph.text}' for paragraph in doc.paragraphs]
for prompt, translation in tqdm(zip(prompts, executor.map(chatgpt, prompts)), total=len(prompts)):
# Add the original text and translation to a new paragraph in the new document, and set paragraph spacing
new_para = new_doc.add_paragraph()
new_para.add_run(prompt.replace('Translate the following English text to Chinese: ', ''))
new_para.space_after = Pt(12)
new_para = new_doc.add_paragraph()
new_para.add_run(translation)
new_para.space_after = Pt(12)
# Process tables
prompts = [f'Translate the following English text to Chinese: {cell.text}' for table in doc.tables for row in table.rows for cell in row.cells]
for prompt, translation in tqdm(zip(prompts, executor.map(chatgpt, prompts)), total=len(prompts)):
# Add the original text and translation to a new table in the new document
new_cell = new_doc.add_table(1, 1).cell(0, 0)
new_cell.text = prompt.replace('Translate the following English text to Chinese: ', '')
new_cell = new_doc.add_table(1, 1).cell(0, 0)
new_cell.text = translation
# Save the new document
new_doc.save('[EN]利用数据共享工具实现循环经济：以产品数字护照为例.docx')
效果和过程见链接https://aistudio.baidu.com/projectdetail/6708613
得到结果后，还需要调整文本格式，并清理掉AI的胡言乱语。
日常用的话，推荐效果更好的“沉浸式翻译”
本来想继续调试，调用百度文心一言的api(此处使用Dify简化后的API)，但千帆平台目前给个人注册用户的QPS只有5，翻译速度很慢，报工单给了客服，说不通过商务经理的话目前只能反馈给项目部。虽然百度在开放api付费token方面已经做的挺好了，但和烧钱扩张的Openai比还是有差距。飞桨Studio虽然不错，但和GoogleColab比起来，在网络环境配置和平台开放性上还是有欠缺。
吐槽结束。。。
在YouTube上搜索openai的whistper api使用方法，发现订阅号“大數軟體有限公司”，
给出了详细视频教程:大數軟體有限公司-whistper教程
以及谷歌colab代码，需付费使用openai key：使用openai key的谷歌colab代码文件
同一作者的python课程订阅号“大数学堂”有7个小时的python视频课程。
听了开头数据科学的框架，感觉蛮有意思，用字幕在线工具Downsub和GPT总结记录在下面。
前几分钟字幕的ChatGPT总结：
这段话讨论了数据科学家需要具备的技能和Python语言的优点，以及为什么Python是数据科学家的首选。
1. 数据科学家所需的技能：
– Hacking Skill：编程能力是至关重要的，这就是为什么学习Python如此重要。
– 数学和统计能力：这些能力允许数据科学家解析和理解数据，进行预测和推断。
– 领域知识：数据科学家需要对他们所在领域有深入的了解，这样他们才能知道如何问出正确的问题并找到有意义的答案。
2. 数据科学家完成工作的三大步骤：
– 数据分析：这包括统计分析，如单变量分析、多变量分析、变量间的关系等。
– 数据处理：数据科学家需要收集、存储和清洗数据，这被称为数据清洗或Data Munging。
– 数据可视化：这意味着将数据转化为图表或其他视觉形式，以便更易理解和传播。
3. Python在数据科学中的角色：
– 简洁快速的语法：Python的语法简单易学，使得实现复杂的应用变得更容易。
– 丰富的第三方库：Python有很多第三方库，可以帮助数据科学家更容易地完成任务。
– 跨平台特性：Python可以在多个平台上运行，包括Windows和Mac。
这段话也提到了一个数据科学家可能遇到的陷阱，即”danger zone”，如果只有领域知识和编程能力，但缺乏数学和统计能力，那么他们可能无法判断他们的推断是否正确，这可能会导致误解。只有将编程能力、数学和统计能力以及领域知识结合在一起，才能成为一个合格的数据科学家。
某锌冶炼改造项目从去年中签订合同，折腾了一年终于等到要评审。
同行的苏童鞋很有意思，英国留学背景，路上聊了挺多英国趣闻，比如打工、卖烟、论文代写被一群老师审查、文化冲击（裸体骑行和彩虹节）等等。成年之后需要交税，但有点能力就可以养活自己，要是有才艺，路边搭个摊就可以卖唱了。。。
昨天去机场路上，本来打算坐地铁，碰到同小区出来的家政阿姨，一手推车、一手拿着块不轻的桌板，走在马路边上，感觉挺危险的。正好顺路，帮阿姨拿桌板到地铁口。阿姨武汉人，在北京几十年了，目前在旁边楼给两户人家收拾屋子做做饭。临别留了电话，阿姨说可以给免费收拾屋子一次。
到地铁，发现离登机时间一个多点赶不到了，坐了一站，打车花费140多块赶到机场，正点起飞。
晚餐业主招待，喝了酱香型的媚酒，辣的不行。
入住酒店5楼，外边的不知道是摄像头还是红绿灯，隔6秒左右发出6声滴滴滴，很响亮，凌晨4点酒醒了，听了滴滴声迷糊了一阵，想到下午开会，捂头睡到9点才起。
本来还有一个评审会后天也在这里，考虑的某大型项目周四交稿，还是要提前回京。
# This will get executed each time the exercise gets initialized
b = 6
# Create a variable a, equal to 5
a = 5
# Print out a
print(a)
# Create a variable a, equal to 5
a = 5
# Print out a
print(a)
test_object("a")
test_function("print")
success_msg("Great job!")
=) to create the variable a.vpn教程：自建ss服务器教程 · Alvin9999/new-pac Wiki (github.com)
vps服务器主页：RackNerd – Introducing Infrastructure Stability
第三方vps优惠消息:RackNerd优惠码和促销活动整理 (2023最新版) – 瓦力箱子 (walixz.com)
听说用别人的vpn登录还是有泄密的风险，之前看到的一些国外vps价格还是挺优惠的，所以在网上找了下最近的优惠活动，尝试自己搭建vpn。
其实之前也考虑过，但上一次用小飞机（SSR)访问YouTube后，服务器ip被封掉了大半个月，无法在国内访问，所以挑了这个1核/1g/14G硬盘版本，一年才11美元，可以支付宝，不知道能用多久。
留个记录在这里。
因为有了单独ip，终于可以体验谷歌bard了
搭建教程相关的链接:免费部署自己的new bing (qq.com)
根据链接教程，操作了一遍，可以显示页面，但无法会话，一开始以为是国内网络环境问题，后来搭了梯子仍然不行。
根据引用的GitHub项目链接Harry-zklcdc/go-proxy-bingai: 用 Vue3 和 Go 搭建的微软 New Bing 演示站点，拥有一致的 UI 体验，支持 ChatGPT 提示词，国内可用。 (github.com)，点进里面的测试页，发现也无法使用。
主要原因是微软封杀了相关的服务商，如文章中推荐的Huggingface以及Vercel、Cloudflare等。
与Openai相比，微软作为商业公司，首要目的当然是推广其Edge浏览器的使用。
申请了文心一言的api接口，利用网页端、GitHub的chatall项目试用了下。感觉ERNIE-Bot版本在回答物理化学和编程时，表现得比ERNIE-Bot-turbo效果更好。准确度也很高。
让chatgpt3.5给出了文心一言api打包成网页的代码。示例如下（需要获得其中的access_token并更换，保存为html格式文件）:
你提供的代码中，已经使用内嵌方式将 JavaScript 代码嵌入到了 HTML 文件中。以下是整合后的代码：
<!DOCTYPE html>
<html>
<head>
<title>API交互网页</title>
</head>
<body>
<h1>API交互网页</h1>
<label for="input">输入：</label>
<input type="text" id="input" />
<button onclick="callAPI()">提交</button>
<h2>结果：</h2>
<div id="result"></div>
<script>
function callAPI() {
// 获取用户输入的内容
var input = document.getElementById("input").value;
// 构造 API 请求的数据
var requestData = {
messages: [
{ role: "user", content: input }
]
};
// 发送 API 请求
fetch('https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions?access_token=[access_token]', {
method: 'POST',
headers: {
'Content-Type': 'application/json'
},
body: JSON.stringify(requestData)
})
.then(response => response.json())
.then(data => {
// 处理 API 返回的数据
var result = data.result;
// 显示结果
var resultDiv = document.getElementById("result");
resultDiv.innerText = result;
})
.catch(error => {
console.log(error);
});
}
</script>
</body>
</html>在这个代码中，JavaScript 代码被直接嵌入到了 <script> 标签中，以实现与 API 的交互。当用户点击 “提交” 按钮时，callAPI() 函数会被调用，该函数会获取用户输入的内容，并发送 API 请求。然后，通过处理 API 返回的数据，将结果显示在页面上。