Hbnu_DingLi Chat

简介: Hbnu_DingLi Chat

系统首页


1. 用户注册

基本流程:

客户端代码

  private void register() {
        // 1. 获取用户输入的注册信息, 封装到User对象
        User user = HomePage.registerPage();
        // 2. 发送给服务端
        rs.send(user);
        // 3. 读取服务端返回的结果
        String message = rs.readString();
        // 4. 处理结果
        System.out.println(message);
    }

服务端代码

  private void register() {
        // 1. 读取客户端发送过来的用户注册信息
        User user = (User) rs.read();
        // 2. 在数据库中查询是否已注册
        User userByFind = userDao.findByUsername(user.getUsername());
        System.out.print(socket.getPort() + ":" + user);
        String message;
        if (userByFind != null) {
            message = "用户已注册, 请直接登录";
        } else {
            // 3. 如未注册, 将用户的信息插入到数据库
            int i = userDao.insertUser(user);
            message = i == 1 ? "注册成功" : "注册失败";
        }
        System.out.println(message);
        // 4. 向客户端发送注册结果
        rs.sendString(message);
    }

效果演示1: 已注册

2. 登录

3. 找回密码

4. 退出系统

系统主页


1. 查看在线用户

2. 私聊

3. 群聊

4. 账号注销

5. 修改密码

6. 退出登录

相关文章
|
自然语言处理 安全 机器人
什么是Chat GPT3
随着 Chat GPT 技术的进一步发展,有几个关键方面值得关注。 首先是模型的扩展和改进。尽管 Chat GPT 在生成对话方面取得了很大的进展,但仍然存在一些局限性。模型在处理复杂问题和多轮对话时可能存在困难,很容易陷入回答模棱两可或不相关的内容。因此,改进模型在上下文理解和对话逻辑方面的能力是很重要的。 其次是对话的多模态处理。目前的 Chat GPT 模型主要基于文本输入和生成。然而,与人类对话经常伴随着语音、图像和其他非文本的元素不同,模型在多模态对话中的表现仍然较弱。因此,将多模态信息整合到 Chat GPT 中,使其能够更好地处理多媒体对话,将是一个有挑战性但有前景的方向。
203 0
|
3月前
|
前端开发 Go 开发者
用 Go + WebSocket 快速实现一个 chat 服务
用 Go + WebSocket 快速实现一个 chat 服务
|
4月前
|
API Docker 微服务
开发个人Ollama-Chat--1 项目介绍
**开发个人Ollama-Chat** 是一系列教程,聚焦于使用`go-zero`框架构建聊天应用后端,并通过`Docker`部署至公网。涉及`Ollama`API调用、`Docker`本地环境、`cloudflare`免费部署、内网穿透及阿里云域名绑定。项目包括服务拆分、用户&模型管理、UI设计及多步骤部署。
开发个人Ollama-Chat--1 项目介绍
|
6月前
ChatGLM2 源码分析:`ChatGLMForConditionalGeneration.chat, .stream_chat`
ChatGLM2 源码分析:`ChatGLMForConditionalGeneration.chat, .stream_chat`
105 0
|
5月前
|
存储 安全 前端开发
开发一款轻量级的chat app,需要准备什么?
本文探讨了开发轻量级Chat App的准备工作,包括需求分析、技术选型、设计规划和测试部署。需求分析涉及快速注册登录、实时聊天、好友管理、聊天室管理和隐私安全功能。技术选型推荐React Native或Flutter作为前端框架,Node.js或Spring Boot为后端,并考虑云服务部署。设计规划涵盖界面、交互和数据库设计。测试部署包括单元测试、集成测试、性能测试、兼容性测试以及上线计划和应急预案,以保证应用质量和稳定性。【6月更文挑战第8天】
71 1
|
6月前
|
人工智能 开发者
基于LangChain的Prompt模板
LangChain是一个开源库,简化了基于LLM的AI应用开发,充当AI开发的万能适配器,抽象并整合了大语言模型(如OpenAI和文心)的交互。要使用LangChain,首先通过`pip install langchain`安装。示例展示了如何使用LangChain与OpenAI模型交互,包括直接调用OpenAI接口和使用LangChain接口。LangChain的提示词模板功能用于构建Prompt,提高与AI对话的效率。LangChainHub是一个资源库,提供模板、工作流和最佳实践,方便开发者发现和分享。本文介绍了LangChain的基本用法和其生态系统中的LangChainHub。
基于LangChain的Prompt模板
|
6月前
|
人工智能 开发框架 搜索推荐
23.3k Star!推荐一款非常强大的GPT网页客户端:Lobe Chat
23.3k Star!推荐一款非常强大的GPT网页客户端:Lobe Chat
254 2
langchain中的chat models介绍和使用
之前我们介绍了LLM模式,这种模式是就是文本输入,然后文本输出。 chat models是基于LLM模式的更加高级的模式。他的输入和输出是格式化的chat messages。 一起来看看如何在langchain中使用caht models吧。
|
机器学习/深度学习 人工智能 搜索推荐
Chat GPT
* 导读 1 ChatGPT是什么?
225 0
|
自然语言处理 搜索推荐 机器人
什么是Chat GPT5
Chat GPT的未来发展 随着人工智能技术的不断发展,Chat GPT将会越来越成熟和普及。未来,Chat GPT可能会在以下几个方面得到进一步的发展: 首先,Chat GPT可能会更加智能化和个性化。它可以通过分析用户的对话数据和行为模式,为用户提供更加个性化的服务和体验。 其次,Chat GPT可能会更加人性化和情感化。它可以通过模拟人类的情感和语言风格,使得对话更加自然和流畅。 最后,Chat GPT可能会更加广泛地应用于各种领域,如医疗、金融、教育等。它可以为这些领域提供更加智能化和高效的服务和解决方案。 总的来说,Chat GPT的未来发展前景非常广阔,它将会为人们的生活
202 0