博客

零信任安全是一种IT安全模型，要求每个试图访问私有网络资源的人员和设备都进行严格身份验证，无论他们是在网络边界内还是外部。 ZTNA是与零信任架构相关的主要技术；但零信任是一种综合性的网络安全方法，涵盖了多种原则和技术。

简单来说，传统的IT网络安全信任网络内部的任何人和任何事物。零信任架构则不信任任何人和任何事物。

传统的IT网络安全基于城堡和护城河的概念。在城堡和护城河安全中，从网络外部获得访问权限很困难，但网络内部的每个人默认都是受信任的。这种方法的问题在于一旦攻击者获得对网络的访问权限，他们就可以自由地控制网络内的一切。

城堡和护城河安全系统中的这种漏洞加剧了一个事实，即公司不再只将其数据存储在一个地方。如今，信息通常分散在云供应商之间，这使得对整个网络拥有单一安全控制变得更加困难。

零信任安全意味着无论是来自网络内部还是外部的任何人都不能默认受信任，并且每个试图访问网络资源的人都需要进行验证。这个额外的安全层已经被证明可以防止数据泄露。研究表明，单个数据泄露的平均成本超过300万美元。考虑到这个数字，许多组织现在急于采用零信任安全策略也就不足为奇了。

中小企业联系千家万户，是推动创新、促进就业、改善民生的重要力量。为深入贯彻党的二十大精神，落实《助力中小微企业稳增长调结构强能力若干措施》有关任务要求，破解当前中小企业科技创新能力不强、数字化网络化智能化能力薄弱等难题，进一步提高科技成果转化和产业化水平，推动科技成果有效“赋智”中小企业，持续增强中小企业核心竞争力，带动更多中小企业走“专精特新”发展之路，特开展本行动。

一、总体要求

（一）指导思想
以习近平新时代中国特色社会主义思想为指导，全面贯彻落实党的二十大精神，坚持稳中求进工作总基调，立足新发展阶段，完整、准确、全面贯彻新发展理念，构建新发展格局，坚持供需两端发力，深挖中小企业科技创新需求，强化科技成果有效供给，畅通技术供需对接渠道，持续提升中小企业技术实力，建立科技成果赋智中小企业发展的常态化、长效化机制，助力优质企业梯度培育体系建设，提升产业链、供应链韧性和安全水平。

（二）基本原则
目标导向。围绕中小企业核心技术能力提升，聚焦科技成果有效推广应用，充分发挥新型体制机制优势，创新工作方法，加速科技成果向中小企业集聚。整合政产学研用资源优势，采取有效措施，提升科技成果转化和产业化的精准性、有效性，满足中小企业技术创新需求。

谷歌、微软、奥多比（Adobe）在 AI 领域的动作都非常频繁，每周都有相关的产品发布，大部分产品都在测试阶段，只对少部分用户公开，这也足矣说明一点，AI 平民化的时代已经开始了。我们作为软件工程师，现在应该建立起一套新的开发思路与工具包，为创造智能化应用做好准备。

我们先来明确一些相关的概念，AI 指的是人工智能，它是一个比较大的概念，它的下面又包含了很多领域，比如机器学习，深度学习，计算机视觉，自然语言处理等等。OpenAI 是一家初创公司，这家公司训练了一些 AI 模型，比如 GPT，前阵子经常出现在媒体上出现的 ChatGPT 这个网站应用，它在后端使用的就是 GPT 模型。

GPT 是 Generative Pre-trained Transformer 的简称，中文可以翻译成 “生成式预训练转换器”，这种东西是基于深度学习里的 Transformer（转换器）架构训练出来的。训练这种东西需要用到大量的高质量的文本数据，它会在其中找出规律，理解语言的意思，这样当你给它提供一些文本指令或提示的时候，它会通过推理给出文本结果。

最近关注了一下 Agtech 初创项目，发现了 MiiMosa，它是一个针对农业和农村发展项目的众筹平台，旨在连接农民、生产者和农村企业家与有兴趣支持他们的倡议的个人、企业和组织。总部在法国巴黎，项目发布于 2014 年，目前融资 8400 万。

快速起步

langchain-s23-01-00-01-使用 Warp 的 AI 命令搜索
langchain-s23-01-00-02-创建 LangChain 项目（Node.js）
langchain-s23-01-01-01-使用大语言模型生成文本（Models）
langchain-s23-01-01-02-使用提示模板管理模型提示（Prompts）
langchain-s23-01-01-03-使用链组合模型与提示完成多步工作流（Chains）
langchain-s23-01-01-04-使用工具处理任务（Tools）
langchain-s23-01-01-05-使用代理动态执行任务（Agents）
langchain-s23-01-01-06-让链与代理有记忆（Memory）

最近，宁皓网为同学们准备了一套关于开发AI驱动应用的重要课程，基于大语言模型（LLM），让应用智能化，这应该是未来几年的必然趋势，几乎所有的应用都需要做智能化改造，所以成为一名 Prompt 工程师，将会拥有无限的发展机会。

课程主要介绍的是 LangChain 这个应用框架，内容覆盖了框架所有的关键概念。最近这个框架拿到了 6900 万的种子资金，种子轮能拿这么多钱，也足以能证明资本市场对大语言模型应用的信心。这个框架有两个版本，Python 与 Node.js，我们选择的是 Node.js 这个版本，可以很好地跟宁皓网现有的 Node.js 生态课程融合在一起。

大模型语言可以让应用以前所未有的方式工作，但是需要做大量的 Prompt 工程，也就是你需要用人类语言描述你要做的事情，比如可以在 Prompt 里写清楚需要的数据格式，提供少量的样本数据，有时候还需要使用之前的对话作为上下文。LangChain 这个框架提供了一些工具，可以让 Prompt 工程变得简单，也更容易维护。

以下是大语言模型的几个应用场景：

如果你是一位正在学习 React 的开发者，或者想要进一步了解 React 的函数式组件和钩子（Hooks）概念，那么这个课程是为你量身定制的。在这个课程中，我们将重点介绍 React 中一些最重要的钩子，以及如何在函数式组件中使用它们。

课程的第一部分将从最基础的钩子开始：useState。我们将学习如何在函数式组件中使用useState来管理状态。从简单的状态管理到懒初始状态和函数式更新状态，我们将详细讲解这些概念，并通过实例演示如何使用它们。

接下来，我们将深入研究另一个重要的钩子：useEffect。通过使用useEffect，我们可以在函数式组件中添加各种效应，例如订阅事件、发送网络请求或处理其他副作用。我们将学习如何正确地使用useEffect，以及如何处理清理和依赖项的变化。

在本课程的下一部分，我们将介绍自定义React Hook的概念。你将学习如何创建自己的钩子，以便在多个组件之间共享和复用逻辑。自定义Hook是提高代码可维护性和重用性的强大工具，我们将通过实例演示如何创建和使用它们。

React 是一个流行的 JavaScript 库，用于构建用户界面。在 React 中，表单元素是与用户交互最频繁的部分之一。本课程将介绍如何在 React 中处理表单元素。

首先，我们会学习如何防止表单元素的默认行为，例如提交表单时自动刷新页面的问题。通过使用 preventDefault() 方法，我们可以轻松地解决这个问题。

接下来，我们将介绍受控组件，这是一种将表单元素的状态交给 React 组件控制的方法。通过将表单元素的值绑定到组件的状态中，我们可以实现实时更新表单值和对用户输入进行验证的功能。

然后，我们会探讨多行文本框、复选框、多值复选框、单选按钮、选择列表和选择文件等表单元素的使用方法。您将了解如何将这些元素添加到您的表单中，并在提交表单时读取它们的值。

最后，我们将学习如何使用 ref 控制文本框的焦点状态。通过使用 ref，我们可以轻松地将焦点聚焦到文本框中，并使用户更加方便地输入信息。

通过完成本课程，您将能够使用 React 创建复杂的表单，并使用户输入数据变得更加简单和流畅。

这门课程介绍的是关于React组件的基础知识和技能。React组件是React开发中不可或缺的部分，通过学习这门课程，学生将掌握如何绑定React元素的样式属性、处理React元素的事件、按条件显示元素、导入样式表、使用编辑器代码片段快速创建组件、在组件中显示列表、使用children属性、实现内容插槽和导入组件时使用绝对位置等技术。

在课程的第一部分，学生将学习如何绑定React元素的样式属性，包括如何在组件中使用style属性来设置样式，并且通过实例讲解如何使用内联样式或外部样式表来美化组件。

在第二部分，学生将学习如何处理React元素的事件，包括如何在组件中定义事件处理程序、如何传递事件参数和如何防止默认行为等。

在第三部分，学生将学习如何在React组件中按条件显示元素，包括如何使用条件语句或三目运算符来实现根据条件动态显示或隐藏组件。

在第四部分，学生将学习如何导入样式表，包括如何在组件中引入外部样式表、如何使用CSS模块来管理样式和如何在组件中定义局部样式表。

在第五部分，学生将学习如何使用编辑器代码片段快速创建React组件，包括如何使用编辑器的代码片段来快速生成组件结构和常见的React组件模板。

本课程将介绍嵌入（Embeddings）的概念和使用方法。我们将使用 OpenAI 应用接口与客户端获取文本的嵌入（Node.js），并且给内容生成嵌入向量。接着，我们将使用这些嵌入向量实现语义智能搜索功能（Semantic Search）和聚类功能（Clustering）。

在本课程中，你将学习如何使用嵌入向量来将文本转换为数学空间中的向量表示，这种表示方式可以捕捉到单词、短语和句子之间的语义关系。我们将介绍如何使用 OpenAI 应用接口与客户端获取文本的嵌入，并使用 Node.js 进行代码实现。通过实践项目，你将了解如何从文本中生成嵌入向量，并使用它们实现语义智能搜索和聚类功能。

在本课程的语义智能搜索部分，你将学习如何使用嵌入向量实现基于语义的搜索功能。我们将演示如何使用嵌入向量计算文本之间的相似性，并且如何使用这种相似性来进行搜索。通过这个项目，你将学会如何使用嵌入向量实现更加智能的搜索功能。

在聚类部分，你将学习如何使用嵌入向量实现聚类功能。我们将演示如何使用聚类算法将文本数据分组成类似的子集。通过这个项目，你将学习如何使用嵌入向量实现更加智能的数据聚类。