Optimera frontend-API:er med GraphQL BFF och Apollo Server
Mönstret Backend for Frontend (BFF) i kombination med GraphQL och Apollo Server skapar en kraftfull arkitektur för moderna webbapplikationer.
Elasticsearch-kommandon för sökning, indexering och analys.
Elasticsearch är en kraftfull distribuerad sökmotor och analysmotor byggd på Apache Lucene. Denna omfattande snabbreferens täcker essentiella kommandon, bästa praxis och korta referenser för att jobba med Elasticsearch-kluster.
Bygg MCP-server för AI-assistenter med Python-exempel
Model Context Protocol (MCP) revolutionerar hur AI-assistenter interagerar med externa datorkällor och verktyg. I den här guiden kommer vi att utforska hur man bygger MCP servrar i Python, med exempel som fokuserar på webbsökning och skrapning.
Snabbreferens för Docker Model Runner-kommandon
Docker Model Runner (DMR) är Docks officiella lösning för att köra AI-modeller lokalt, introducerad i april 2025. Den här cheatsheten ger en snabb referens för alla viktiga kommandon, konfigurationer och bästa praxis.
Jämför Docker Model Runner och Ollama för lokal LLM
Att köra stora språkmodeller (LLMs) lokalt har blivit alltmer populärt för skydd av integritet, kostnadsstyrning och möjlighet att använda modeller offline. Landskapet förändrades betydligt i april 2025 när Docker introducerade Docker Model Runner (DMR), sin officiella lösning för distribution av AI-modeller.
Steg-för-steg-exempel
Här har vi ett Python Lambda-exempel på SQS-meddelandehantering + REST API med API-nyckelskydd + Terraform-skript för att distribuera det för serverlös körning.
+ Specifika exempel med hjälp av tänkande LLMs
I detta inlägg kommer vi att utforska två sätt att ansluta din Python-applikation till Ollama: 1. Via HTTP REST API; 2. Via den officiella Ollama Python-biblioteket.
Något olika API:er kräver en särskild metod.
Här är en jämförelse sida vid sida av stödet för strukturerad output (att få tillförlitlig JSON tillbaka) hos populära LLM-leverantörer, plus minimala Python-exempel
