背景

最近项目开发中使用了qiankun框架去做微前端，我是属于半懂不懂的状态，大概了解过微前端是什么，可以解决什么问题，但是没有并系统的认识和从0实战过。

所以希望通过几篇文章去重新认识微前端这一架构，主要会从几个方面：

• 是什么，以及为什么会出现
• 实现原理，以及主流框架
• 项目实战

背景

今日收集一些好玩有趣的开源api或框架或开源项目

自动生成1000个性化视频

通过Shotstack提供的API服务制作不同视频。

ShotStack是一个基于云的视频编辑API。与Adobe Premiere或After Effects等传统桌面视频编辑应用程序不同，ShotStack纯粹是基于代码的–您可以使用代码创建编辑。该API使用使用JSON的REST架构样式来描述应该如何编辑视频。有许多不同语言的SDK可用于与API交互并创建JSON请求。

是否可以利用该api和小程序结合在一起做一些 生日祝福小视频定制服务。

背景

最近从开源库看到一个很火的项目，就是用一句话画一幅画。

这里虽然他们开源只识别英文，我们可以调用第三方的翻译API转成英文，然后再返回到开源库。

小程序思路：

• 一个人一天体验3次，转发可以获得次数
• 允许转发下载，以及个人签名等
• 提高用户量
• 如果访问量爆发的话，可以继续尝试
• 名字叫随意画

AI生成图片开源项目

stable-diffusion-ui 一句话生成一幅画

背景

最近chatgpt智能对答火的一塌涂地，就是你找chatgpt咨询，它不仅能理解你的意思，还能给出准确的答案，而且能够从上下文理解你的意思。

简单的说，就不再是之前的智能对答，如果遇到不理解的问题回复【我好像不太理解你的问题】。

更有甚者，利用chatgpt完成论文编写，同时还有帮小孩子写作业、程序员利用它整理某个业务的实现思路，作者利用其帮忙写小说细节等等。

我尝试问了一些常规问题，如下图所示，可以更好的理解chatgpt的能力。

1. 如何以Nest.js框架实现用户登录功能

   more >>

背景

开发公共平台项目，测试资源相对比较少，因此对开发者自身而言，为了维护项目的稳定性，需要对平台做各类测试，即使有测试环境，但是也很容易缺乏测试场景导致带着bug上线的情况。

因此我们需要做完整自动化测试方案，来避免这类常规错误，提高平台的可用性和稳定性。

这里先简单描述自动化测试的分类：

• 单元测试，验证独立的单元模块代码或函数是否正常工作
• 集成测试，验证多个单元模块间的协同工作
• UI 测试，只针对前端UI部分测试，后端数据采用mock方式
• 端到端测试，从用户的角度，通过机器来模仿用户在真实浏览器中验证应用交互
• 快照测试，验证程序的UI变化

接下来我们将根据这些测试类如何在项目中落地完整方案。

背景

此想法源于一个抖音视频，里面有个商业模式，通过摄像头+气味嗅觉捕捉器+液体分析器，可以识别当前植物的状态，且占地面积不大，可以直接树立到家里墙上。大概如下图所示：

数据可视化收集

收集数据可视化或报表开源系统，为了能够根据不同数据源展示可视化界面。

DataEase

人人可用的开源数据可视化分析工具

• 官网地址：https://dataease.io/
  Github： https://github.com/dataease/dataease/

本文翻译的目的，主要想了解GPT3是什么，以及目前大家使用GPT3用来做什么，以及如何开发GPT3。

GPT-3

GPT-3是一个很多人或公司正在使用的协助开发的工具，比如：编写脚本、命令行等操作。

GPT-3指的是生成型预训练变换模型3（英语：Generative Pre-trained Transformer 3，简称GPT-3）是一个自回归语言模型，目的是为了使用深度学习生成人类可以理解的自然语言[1]。GPT-3是由在旧金山的人工智能公司OpenAI训练与开发，模型设计基于谷歌开发的变换语言模型。GPT-3的神经网路包含1750亿个参数，为有史以来参数最多的神经网路模型[2]。OpenAI于2020年5月发表GPT-3的论文，在次月为少量公司与开发人团释出应用程式介面的测试版。微软在2020年9月22日宣布取得了GPT-3的独家授权。 —— 维基百科 GPT-3

使用gitcommit,你将不需要花费时间去写git commit。 下面就让学习如何安装 gptcommit，以及享受一下GPT-3帮你写git commit。