EntityFramework——委托与Lambda表达式

简介: EntityFramework——委托与Lambda表达式

什么是委托

委托是一种引用类型,表示对具有特定参数列表和返回类型的方法的引用。


可以通过委托实例调用方法。也可以使用委托将方法作为参数传递给其他方法。委托的使用将大大提高程序的可扩展性。


委托语法

public delegate <return type> <delegate-name> <parameter list>

使用案例

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
namespace delegate_demo
{
    class Program
    {
        /// <summary>
        /// 声明委托
        /// </summary>
        /// <param name="name"></param>
        /// <param name="bossName"></param>
        /// <returns></returns>
        public delegate string Delegate_demo(string name,string bossName);
        static void Main(string[] args)
        {
            //调用委托
            Delegate_demo delegate_demo = new Delegate_demo(Func_test);
            System.Reflection.MethodInfo method = delegate_demo.Method;
            Console.WriteLine("委托函数名获取:"+method.Name);
            string str = delegate_demo.Invoke("王语嫣","慕容复");
            Console.WriteLine(str);
        }
        /// <summary>
        /// 委托函数
        /// </summary>
        /// <param name="name"></param>
        /// <param name="bossName"></param>
        /// <returns></returns>
        public static string Func_test(string name,string bossName) {
            return name+"大战"+bossName;
        }
    }
}

执行效果

59.png


关键字总结

Invoke:调用函数

delegate:声明关键字

希望能给大家带来一定的帮助,欢迎一键三连。


相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
305 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
318 155
|
12天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
873 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
258 113

热门文章

最新文章