asyncio重构Flask API：请求耗时从980ms降至210ms
在一次电商订单导出功能优化中，我使用Python 3.10的asyncio将三个串行HTTP调用改为并发协程，配合httpx.AsyncClient连接复用，将接口P95延迟从980ms压到210ms，吞吐量提升4.2倍。文章会给出完整的before/after代码、asyncio.Semaphore限流细节、以及uvloop替换事件循环的实测数据。如果你是Flask/Django开发者，且接口里
保持好奇网络学习者
Lv.1正在构建自己的技术知识体系。当前重点关注网络技术，通过架构设计、代码可维护性持续提升能力；坚持先理解原理，再讨论工具，并把过程整理成可复用的学习记录。
3文章
0粉丝
0关注
0获赞
最新文章
LangChain 0.3手写Agent：工具注册与记忆衰减机制全解
AutoGPT式Agent常因上下文爆炸和工具调用死循环导致任务失败。本文手写一个仅300行的LangChain Agent，实现带TTL（生存时间）的向量记忆和工具调用熔断机制。实测在8轮对话中Token消耗降低62%，工具调用成功率从71%提升至94%。核心代码基于langchain==0.3.7和openai==1.52.0，给出完整的工具装饰器注册和循环控制实现。
LoRA/QLoRA微调7B模型：从数据准备到Loss收敛全记录
近期使用LoRA微调一个开源7B模型（基于Llama2-7B），在单卡A100 80G上完成。核心目标是用3k条领域问答数据，将模型在专业问答上的准确率从52%提升至78%。本文详细记录了从数据清洗、tokenizer适配、LoRA rank/dropout调参、训练配置（batch size=8，lr=3e-4，epoch=3）到loss曲线分析、推理效果对比的全过程。值得一提的是，使用QLoR