practiceGit/李柏霖学习笔记/4.1.md

goframe

s.BindHandler("/say", hello.SayHello)

默认method是all

s.BindHandler("GET：/say", hello.SayHello)

将请求方式变味了get

bindObject：批量绑定方法

例：

func (s *Server) BindObject(pattern string, object interface{}, method ...string)

method ...string指定绑定的方法，不指定全都有；

BindObjectMethod：只能绑定一个方法；需要特殊路径，或一个 Controller 只想暴露少量接口时。

func (s *Server) BindObjectMethod(pattern string, object interface{}, method string)

BindObjectRest：只能绑定指定的方法名如：GET POST DELECT 只能匹配动词的方法；纯粹的资源操作（CRUD），符合标准 REST 规范。最常用的get，post

规范路由

GoFrame中提供了规范化的路由注册方式，注册方法如下

func Handler(ctx context.Context, req *Request) (res *Response, err error)

其中Request与Response为自定义的结构体。

通过如下方式指定请求方法与路径

type HelloReq struct {
    g.Meta `path:"/hello" method:"get"`
}

api内一般定义请求和响应的结构体的

func (c *Hello) Params(ctx context.Context, req *hello.ParamsReq) (res *hello.ParamsRes, error error) {
	r := g.RequestFromCtx(ctx)
	name := r.GetQuery("name")
	r.Response.WriteJson(name)
	return
}

name位置是一个var的泛型

getquery第二个参数是个默认值；

方法名	返回类型	核心优势	Java 类比
GetQuery	*gvar.Var	链式转换类型极方便	getParameter()
GetQueryMap	map[string]interface{}	快速获取全部原始数据	getParameterMap()
GetQueryStruct	error	全自动绑定，代码最优雅	DTO 自动注入
GetQueryMapStrStr	map[string]string	类型统一，无需转型	-

用GetQueryMap来

func (c *Hello) Params(ctx context.Context, req *hello.ParamsReq) (res *hello.ParamsRes, error error) {
	r := g.RequestFromCtx(ctx)
	data := r.GetQueryMap(map[string]interface{}{"name": "lisi", "age": "20"})
	r.Response.Writeln(data)
	return
}

goframe的动态路由

主要写在g.Meta的path标签里

占位符格式	名称	匹配规则	示例
:name	命名占位符	匹配两个 / 之间的内容（最常用）	/user/:id 匹配 /user/123
\*any	模糊占位符	匹配从当前位置开始的所有后续内容	/file/*path 匹配 /file/img/a.png
{pattern}	正则占位符	使用正则表达式进行精确匹配	/user/{[0-9]+} 只匹配数字 ID

api

package api

import (
    "github.com/gogf/gf/v2/frame/g"
)

type Res struct {
    g.Meta `mime:"text/html"`
}

type ParamReq struct {
    g.Meta `path:"/params/:name" method:"all"`
}

homily link的ai预测大模型

1. AI预测大模型功能与特点 • 模型包含六个关键价格：买回价、卖出价、两个预测低点与两个预测高点。 • 采用深度学习算法分析历史数据，实时调整策略以捕捉市场趋势变化。 • 处理流程分为数据预处理、模型构建和数据分析决策三个阶段。 • 已从8月2日开始实际体验，用户可测试其预测功能。
2. 实际预测案例验证 • 英伟达案例显示7月31日预测的8月1日高低点与实际价格误差约0.2%-1%。 • 苹果案例中8月6日预测的次日高点214.81与实际213.64相差1.17美元。 • 通过计算预测价格中值并与当日收盘价对比，可预判次日涨跌方向。
3. 核心使用场景与方法 • 涨跌预判：用前日预测高低点均值对比当日收盘价，高于中值则预判次日上涨。 • 日内交易：依据模型提供的买回价、卖出价在日内进行低吸高抛操作。 • 上涨趋势中参考买回价寻找低吸机会，下跌趋势中按卖出价或预测高点挂单。
4. 模型应用原则与局限性 • 预测结果需结合趋势判断使用，如先确认涨跌概率再执行交易策略。 • 明确告知所有预测存在误差，核心价值在于提供量化参考依据。 • 强调通过AI技术辅助交易决策，但需保持对市场动态的独立判断。