企业官网建设流程全解析

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

PostgreSQL

官网：https://www.postgresql.org/
gitcode： gitcode下载地址

1.PostgreSQL 简介

2.下载安装

下载地址：https://www.enterprisedb.com/downloads/postgres-postgresql-downloads

3.语法

4.SpringBoot整合PostgreSQL

1.创建SpringBoot项目导入依赖

<!--mybtis--><dependency><groupId>org.mybatis.spring.boot</groupId><artifactId>mybatis-spring-boot-starter</artifactId><version>2.2.2</version></dependency><!--postgresql--><dependency><groupId>org.postgresql</groupId><artifactId>postgresql</artifactId></dependency><!--lombok--><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId></dependency>

主配置文件中配置连接数据库参数

spring:datasource:driver-class-name:org.postgresql.Driverurl:jdbc:postgresql://localhost:5432/testdbusername:postgrespassword:rootmybatis:mapper-locations:classpath:mapper/*.xmlconfiguration:map-underscore-to-camel-case:true# 驼峰

2.java代码

创建实体类

@DatapublicclassBook{privateIntegerid;privateStringbookName;privateBigDecimalprice;}

创建mapper接口

@MapperpublicinterfaceBookMapper{BookfindById(Integerid);}

创建mapper xml文件

<?xml version="1.0"encoding="UTF-8"?><!DOCTYPEmapperPUBLIC"-//mybatis.org//DTD Mapper 3.0//EN""http://mybatis.org/dtd/mybatis-3-mapper.dtd"><mapper namespace="com.woniuxy.postgresql.mapper.BookMapper"><select id="findById"resultType="com.woniuxy.postgresql.entity.Book">select*frompublic.books where id=#{id}</select></mapper>

测试类

@SpringBootTestclassPostgreSqlApplicationTests{@ResourceprivateBookMapperbookMapper;@TestvoidcontextLoads(){System.out.println(bookMapper.findById(1));}}

结合大模型Checkpoint存储实现

1. PostgreSQL搭建与操作

dockerrun-d\--namepostgres16\-p5432:5432\-ePOSTGRES_PASSWORD=postgres123\-ePOSTGRES_DB=langgraph_db\-vpostgres_data:/var/lib/postgresql/data\--shm-size=256mb\--restart=unless-stopped\postgres:16

2.安装对应依赖

PostgresSaver 适合生产环境的多实例部署场景，使用PostgreSaver之前需要在对应的python环境中安装如下依赖：

pipinstalllanggraph-checkpoint-postgres==3.1.1 pipinstallpsycopg-binary==3.3.4

3.案例：使用PostgreSaver存储Checkpoint。

""" PostgresSaver：使用 PostgreSQL 持久化 checkpoint """fromlangchain.chat_modelsimportinit_chat_modelfromdotenvimportload_dotenvimportos# 从.env文件中加载环境变量load_dotenv(override=True)model=init_chat_model(model="gpt-5.4-mini",model_provider="openai",api_key=os.getenv("CLOSEAI_API_KEY"),base_url=os.getenv("CLOSEAI_BASE_URL"))

# 替换为你的实际数据库连接串fromlangchain.agentsimportcreate_agentfromlangchain.messagesimportHumanMessagefromlanggraph.checkpoint.postgresimportPostgresSaver DB_URL="postgresql://langchain_user:abcd1234@118.195.128.47:5432/langchain_db?sslmode=disable"withPostgresSaver.from_conn_string(DB_URL)ascheckpointer:# 初始化PostgreSQL数据库checkpointer.setup()agent=create_agent(model=model,checkpointer=checkpointer)config={"configurable":{"thread_id":"1"}}response1=agent.invoke({"messages":[HumanMessage("你好，我是老王")]},config=config)print("="*30,"-> 第一次调用 <-","="*30)formsginresponse1["messages"]:msg.pretty_print()response2=agent.invoke({"messages":[HumanMessage("你好，我是谁？")]},config=config)print("="*30,"-> 第二次调用 <-","="*30)formsginresponse2["messages"]:msg.pretty_print()

4.表数据分析