bantianys

https://newsnow.busiyi.world/c/hottest
这个是开源的项目，自己改下，用 LLM 的 API 过滤。具体代码怎么改可以用 cursor 根据整个 CodeBase 辅助你修改。

无限循环我也遇到过，个人怀疑还是上下文窗口超了，然后某些关键记忆上下文丢失，导致处理某些异常代码逻辑发生循环。要不试试 Gemini2.5pro 这些上下文窗口比较大的。

另外再补充一个。auzure openai 组件的配置不能使用全局变量，我前面调通的例子把参数改成全局变量就失败了。只能配置成明文。

官方 issue 清单似乎也有人遇到这样的问题。
https://github.com/langflow-ai/langflow/issues/3876

发现可能的原因了。
https://github.com/langflow-ai/langflow/issues/3860
https://stackoverflow.com/questions/76475419/how-can-i-select-the-proper-openai-api-version

我在 flow 的模型节点的 api 版本选择的是我在 azure 部署的版本（ 2024.05.13 ），但似乎这个版本 api 和之前 2023 的有些差异，正如爆栈上提到的“”The API Version property depends on the method you are calling in the API: all methods are not supported in all API versions.“

目前 langflow 的这个 auzure openai 组件还不能使用 2024.05.13 的版本，选择 2023.05.15 则一切正常。

APIConnectionError: Connection error.
[09/28/24 20:02:37] ERROR 2024-09-28 20:02:37 - ERROR - main - unhandled error: 'NoneType' object is main.py:170
not subscriptable

表象是 api 连接错误，但后面的错误似乎是某些参数没有正确读到。

部署了个 navidrome 听音乐，一直都正常。

用的 airflow ，下面的代码是 chatgpt 鲁的一个简单 demo ，可以参考下。

from airflow import DAG
from airflow.operators.bash_operator import BashOperator
from airflow.operators.python_operator import PythonOperator
from datetime import datetime, timedelta


def task_a():
# 在此处编写任务 A 的代码
return True # 假设任务 A 成功执行


def task_b():
# 在此处编写任务 B 的代码
return True


def task_c():
# 在此处编写任务 C 的代码
return True


default_args = {
'owner': 'airflow',
'depends_on_past': False,
'start_date': datetime(2022, 1, 1),
'retries': 1,
'retry_delay': timedelta(minutes=5),
}

dag = DAG('task_flow', default_args=default_args, schedule_interval=timedelta(days=1), max_active_runs=1)

task_a = PythonOperator(
task_id='task_a',
python_callable=task_a,
dag=dag,
)

task_b = PythonOperator(
task_id='task_b',
python_callable=task_b,
dag=dag,
)

task_c = PythonOperator(
task_id='task_c',
python_callable=task_c,
dag=dag,
)

task_a >> [task_b, task_c]



部署和执行 Airflow DAG 的步骤如下：
安装 Airflow：请参考官方文档安装 Airflow 。
创建 DAG 文件：将代码保存为一个.py 文件，然后将文件放在您的 DAG 目录中（默认为~/airflow/dags/）。
启动 Airflow 服务：运行以下命令以启动 Airflow 服务：
BASH
复制
airflow webserver -p 8080
airflow scheduler
第一个命令启动 Web 服务器，第二个命令启动调度器。您可以将这些命令放在后台运行，这样它们就会一直运行。
运行 DAG：通过 Airflow 的 Web 界面，您可以手动运行 DAG 。在 Web 界面中，DAG 任务列表中应该会显示您的任务流程。在任务列表中，单击"Trigger Dag"按钮以手动运行 DAG 。
查看日志：Airflow 会自动记录每个任务的日志。您可以通过 Web 界面查看任务的日志，以了解任务的详细信息。
希望这些步骤可以帮助您部署和执行 Airflow DAG 。如果您有任何其他问题，请随时问我。

one party to rule them all.
所以谁受益很明显。

分母+1
祝楼主的书大卖！！！