1.分享一个全自动生成短视频的网址t网AI工具
2.越学越多——获取虚幻源码
3.哪里能够买到商用的django项目源码(2023年最新整理)
4.springcloud2022？
5.GPT-Engineer一夜爆火！一个提示生成整个代码库，生成GitHub狂飙19k星

分享一个全自动生成短视频的接口AI工具

       近期，程序员Fuji Coders创新性地开发了一个名为Money Printer的源码全自动化短视频生成工具，它通过AI技术实现一键式视频制作。站源YouTube和TikTok上的网址t网点球游戏源码许多视频已经大量使用了这种自动化技术，如Invideo等平台提供了文本转视频功能，生成能生成包含字幕、接口配音和背景音乐的源码高质量视频。

       Money Printer的站源创建基于Python代码和MoviePy库，通过接入大语言模型、网址t网TTS工具和图库平台的生成免费API，实现视频生成。接口Fuji Coders拒绝使用按使用次数付费的源码API，他选择了使用PAPI等免费资源，站源将其命名为“印钞机视频生成器”。该工具开源后，短短时间内就收获了多个星标，FujiCoders提供详细的本地部署教程并在Discord社区支持用户交流。

       对于Windows用户，部署教程包括以下步骤：首先安装ImageMagick和Git；然后选择Python 3.版本；创建FCPL文件夹并克隆项目代码；接着配置环境，如添加API密钥，指定image magick和素材库平台的API；最后，运行命令启动Money Printer，如果遇到问题，可以在社区寻求帮助。Money Printer允许用户选择高级设置，如接入ChatGPT，调整配音和字幕，支持YouTube上传和自定义音乐。

       虽然Money Printer目前的视频质量和素材库可能不如主流平台如Invideo，但它提供了免费且本地化的短视频批量生成能力，无需购买专业工具。这为用户提供了新的创作可能性，尽管在某些功能上尚有提升空间。

越学越多——获取虚幻源码

       游戏开发领域，知识永无止境。

       那么，如何获取虚幻引擎的源码呢？

       获得源码方法一：

       官方教程：unrealengine.com/zh-CN/...

       第一步：关联账户

       1. 打开Epic Games启动器，点击管理账户后，跳转网页。出入登记管理源码

       2. 如果网页无法打开，直接访问unrealengine.com/accoun...

       3. 进入后，点击关联GitHub账户，点击授权EpicGames按钮，完成OAuth应用授权流程。

       4. 接收邮件，加入GitHub上的@EpicGames组织。

       第二步：下载源码

       1. 登录GitHub账号。

       2. 在GitHub个人页面点击右上角Your profile，进入后点击这个图标（有这个图标表示已经加入虚幻组织）。

       3. 进入后，找到虚幻源码仓库，双击进入。

       4. 下载源码。

       第三步：打开源码文件

       1. 下载后解压，地址不能有中文和空格。

       2. 运行setup.bat，可能报错无法下载。

       - 第一种错误：Failed to download 'cdn.unrealengine.com/de...': 远程服务器返回错误: () 已禁止。 (WebException)

       解决办法：要解决此问题，您需要获取位于此处的文件：github.com/EpicGames/Un...

       然后替换engine/build/commit.gitdeps.xml版本中的文件。

       文件在这，点击下载Commit.gitdeps.xml。

       - 第二种错误：下载至%时，下载失败。

       解决办法：UE4源码下载对于文件路径长度有要求，将文件夹名字改短即可，6个字符长度。

       再次运行Setup.bat，即可成功。这个阶段时间很长。

       双击运行GenerateProjectFiles.bat文件，运行结束会生成UE5.sln文件，这个就是源码啦！

       获取源码方法二：

       这个方法适合只是想要了解学习引擎底层原理，并不用于编译的情况。

       快速打开代码去查看，一般用于非程序人员想要进阶了解引擎原理的时候。

       前提，安装Visual Studio。怎么扒站点源码

       第一步：打开虚幻引擎工程。

       第二步：新建蓝图类，比如actor。

       第三步：新建C++组件，选择actor组件。

       第四步：创建类。

       第五步：完成，在Visual Studio里查看代码。

哪里能够买到商用的django项目源码(年最新整理)

       导读：很多朋友问到关于哪里能够买到商用的django项目源码的相关问题，本文首席CTO笔记就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！

我在Fedora下初学django遇到问题。大牛们来看看吧，帮帮我

       你是linux系统我也遇到过

       你可以下载一个django的源码包

       django/bin/django-admin.py其实你找的就是源码包里面的这个文件然后创建就可以了

       至于删除不了应该是权限不够你终端下sudorm-rf文件夹就可以了用的时候小心点删除就找不回来了

       Django框架是什么？

       Django是基于Python的免费和开放源代码Web框架，它遵循模型-模板-视图(MTV)体系结构模式。它由DjangoSoftwareFoundation(DSF)维护，这是一个由非营利组织成立的独立组织。

       Django的主要目标是简化复杂的，数据库驱动的网站的创建。该框架强调组件的可重用性和“可插入性”，更少的代码，低耦合，快速开发以及不重复自己的原则。整个过程都使用Python，甚至用于设置文件和数据模型。Django还提供了一个可选的管理创建，读取，更新和删除界面，该界面通过自省动态生成并通过管理模型进行配置。

       一些使用Django的知名网站包括公共广播服务，Instagram，Mozilla，华盛顿时报，Disqus，Bitbucket，和Nextdoor。

       Django创建于年秋天，当时《劳伦斯日报》世界报纸的域名监测api源码网络程序员AdrianHolovaty和SimonWillison开始使用Python来构建应用程序。西蒙·威利森(SimonWillison)的实习期结束前不久，雅各布·卡普兰·莫斯(JacobKaplan-Moss)在Django的发展中就被聘用了。它于年7月在BSD许可下公开发布。该框架以吉他手DjangoReinhardt的名字命名。年6月，宣布新成立的Django软件基金会(DSF)将来将维护Django。

       年7月，与一些Django联合创始人和开发人员建立联系的软件咨询公司RevolutionSystems在劳伦斯举办了周年纪念活动。

       Django的设计理念如下：

       松耦合——Django的目标是使堆栈中的每个元素彼此独立。

       更少的编码——更少的代码，因此可以快速开发。

       不重复自己(DRY)——一切都应该只在一个地方开发，而不是一次又一次地重复。

       快速开发——Django的理念是尽一切可能促进超快速开发。

       简洁的设计——Django严格按照自己的代码维护简洁的设计，并易于遵循最佳的Web开发实践。

       Django的一些优势如下：

       对象关系映射(ORM)支持——Django在数据模型和数据库引擎之间建立了桥梁，并支持包括MySQL，Oracle，Postgres等在内的大量数据库系统。

       多语言支持——Django通过其内置的国际化系统支持多语言网站。因此，您可以开发支持多种语言的网站。

       框架支持——Django内置了对Ajax，RSS，缓存和其他各种框架的支持。

       GUI——Django为管理活动提供了一个很好的即用型用户界面。

       开发环境——Django带有轻量级的Web服务器，以促进端到端应用程序的开发和测试。

       Django是PythonWeb框架。和大多数现代框架一样，Django支持MVC模式。

       关于Python的基础问题可以看下这个网页的视频教程，网页链接，希望我的回答能帮到你。

Django源码阅读(一)项目的生成与启动

       诚实的说，直到目前为止，我并不欣赏django。在我的认知它并不是多么精巧的设计。只是2020交易盘源码由功能堆积起来的"成熟方案"。但每一样东西的崛起都是时代的选择。无论你多么不喜欢，但它被需要。希望有一天，python能有更多更丰富的成熟方案，且不再被诟病性能和可维护性。（屁话结束）

       取其精华去其糟粕，django的优点是方便，我们这次源码阅读的目的是探究其方便的本质。计划上本次源码阅读不会精细到每一处，而是大体以功能为单位进行解读。

       django-adminstartprojectHelloWorld即可生成django项目，命令行是exe格式的。

       manage.py把参数交给命令行解析。

       execute_from_command_line()通过命令行参数，创建一个管理类。然后运行他的execute()。

       如果设置了reload，将会在启动前先check_errors。

       check_errors()是个闭包，所以上文结尾是(django.setup)()。

       直接看最后一句settings.INSTALLED_APPS。从settings中抓取app

       注意，这个settings还不是我们项目中的settings.py。而是一个对象，位于django\conf\__init__.py

       这是个Settings类的懒加载封装类，直到__getattr__取值时才开始初始化。然后从Settings类的实例中取值。且会讲该值赋值到自己的__dict__上（下次会直接在自己身上找到，因为__getattr__优先级较低）

       为了方便debug，我们直接写个run.py。不用命令行的方式。

       项目下建个run.py，模拟runserver命令

       debug抓一下setting_module

       回到setup()中的最后一句apps.populate(settings.INSTALLED_APPS)

       开始看apps.populate()

       首先看这段

       这些App最后都会封装成为AppConfig。且会装载到self.app_configs字典中

       随后，分别调用每个appConfig的import_models()和ready()方法。

       App的装载部分大体如此

       为了方便debug我们改写下最后一句

       res的类型是Commanddjango.contrib.staticfiles.management.commands.runserver.Commandobjectat0xEDA0

       重点是第二句，让我们跳到run_from_argv()方法，这里对参数进行了若干处理。

       用pycharm点这里的handle会进入基类的方法，无法得到正确的走向。实际上子类Commond重写了这个方法。

       这里分为两种情况，如果是reload重载时，会直接执行inner_run()，而项目启动需要先执行其他逻辑。

       django项目启动时，实际上会启动两次，如果我们在项目入口(manage.py)中设置个print，会发现它会打印两次。

       第一次启动时，DJANGO_AUTORELOAD_ENV为None，无法进入启动逻辑。会进入restart_with_reloader()。

       在这里会将DJANGO_AUTORELOAD_ENV置为True，随后重启。

       第二次时，可以进入启动逻辑了。

       这里创建了一个django主线程，将inner_run()传入。

       随后本线程通过reloader.run(django_main_thread)，创建一个轮询守护进程。

       我们接下来看django的主线程inner_run()。

       当我们看到wsgi时，django负责的启动逻辑，就此结束了。接下来的工作交由wsgi服务器了

       这相当于我们之前在fastapi中说到的，将fastapi的app交由asgi服务器。(asgi也是django提出来的，两者本质同源)

       那么这个wsgi是从哪来的？让我们来稍微回溯下

       这个settings是一个对象，在之前的操作中已经从settings.py配置文件中获得了自身的属性。所以我们只需要去settings.py配置文件中寻找。

       我们来寻找这个get_wsgi_application()。

       它会再次调用setup()，重要的是，返回一个WSGIHandler类的实例。

       这就是wsgiapp本身。

       load_middleware()为构建中间件堆栈，这也是wsgiapp获取setting信息的唯一途径。导入settings.py，生成中间件堆栈。

       如果看过我之前那篇fastapi源码的，应该对中间件堆栈不陌生。

       app入口→中间件堆栈→路由→路由节点→endpoint

       所以，wsgiapp就此构建完毕，服务器传入请求至app入口，即可经过中间件到达路由进行分发。

去哪里找python的开源项目

       GitHub是一个面向开源及私有软件项目的托管平台，因为只支持git作为唯一的版本库格式进行托管，故名GitHub。作为开源代码库以及版本控制系统，Github拥有超过万开发者用户。随着越来越多的应用程序转移到了云上，Github已经成为了管理软件开发以及发现已有代码的首选方法。在GitHub，用户可以十分轻易地找到海量的开源代码。

       下面给大家介绍一些GitHub上个开源项目：

       （1）TensorFlowModels

       如果你对机器学习和深度学习感兴趣，一定听说过TensorFlow。TensorFlowModels是一个开源存储库，可以找到许多与深度学习相关的库和模型。

       （GitHub：）

       （2）Keras

       Keras是一个高级神经网络API，用Python编写，能够在TensorFlow，CNTK或Theano之上运行。旨在完成深度学习的快速开发（GitHub：）

       （3）Flask

       Flask是一个微型的Python开发的Web框架，基于Werkzeug?WSGI工具箱和Jinja2模板引擎，使用BSD授权。

       （GitHub：）

       （4）scikit-learn

       scikit-learn是一个用于机器学习的Python模块，基于NumPy、SciPy和matplotlib构建。，并遵循BSD许可协议。

       （GitHub：）

       （5）Zulip

       Zulip是一款功能强大的开源群聊应用程序，它结合了实时聊天的即时性和线程对话的生产力优势。Zulip作为一个开源项目，被许多世界强企业，大型组织以及其他需要实时聊天系统的用户选择使用，该系统允许用户每天轻松处理数百或数千条消息。Zulip拥有超过名贡献者，每月合并超过次提交，也是规模最大，发展最快的开源群聊项目。

       （GitHub：）

       ：《Python入门教程》

       （6）Django

       Django是Python编程语言驱动的一个开源模型-视图-控制器（MVC）风格的Web应用程序框架，旨在快速开发出清晰，实用的设计。使用Django，我们在几分钟之内就可以创建高品质、易维护、数据库驱动的应用程序。

       （GitHub：）

       （7）Rebound

       Rebound是一个当你得到编译错误时即时获取StackOverflow结果的命令行工具。就用rebound命令执行你的文件。这对程序员来说方便了不少。

       （GitHub：）

       （8）GoogleImagesDownload

       这是一个命令行python程序，用于搜索GoogleImages上的关键字/关键短语，并可选择将图像下载到您的计算机。你也可以从另一个python文件调用此脚本。

       （GitHub：）

       （9）YouTube-dl

       youtube-dl是基于Python的命令行媒体文件下载工具，完全开源免费跨平台。用户只需使用简单命令并提供在线视频的网页地址即可让程序自动进行嗅探、下载、合并、命名和清理，最终得到已经命名的完整视频文件。

       （GitHub：.hutool.core.collection.CollectionUtil;

       importcom.netflix.hystrix.HystrixCommandGroupKey;

       importcom.netflix.hystrix.HystrixCommandKey;

       importcom.netflix.hystrix.HystrixCommandProperties;

       importcom.netflix.hystrix.HystrixObservableCommand;

       importcom.netflix.hystrix.exception.HystrixRuntimeException;

       importorg.springframework.beans.factory.ObjectProvider;

       importorg.springframework.cloud.gateway.filter.GatewayFilter;

       importorg.springframework.cloud.gateway.filter.GatewayFilterChain;

       importorg.springframework.cloud.gateway.filter.factory.AbstractGatewayFilterFactory;

       importorg.springframework.cloud.gateway.support.ServerWebExchangeUtils;

       importorg.springframework.cloud.gateway.support.TimeoutException;

       importorg.springframework.core.annotation.AnnotatedElementUtils;

       importorg.springframework.mand;

       if(CollectionUtil.isNotEmpty(apiTimeoutList)){

       //request匹配属于那种模式

ApiHystrixTimeoutapiHystrixTimeout=getApiHystrixTimeout(apiTimeoutList,path);

command=newUnicornRouteHystrixCommand(config.getFallbackUri(),exchange,chain,initSetter(apiHystrixTimeout.getApiPattern(),apiHystrixTimeout.getTimeout()));

       }else{

       command=newUnicornRouteHystrixCommand(config.getFallbackUri(),exchange,chain,initSetter(serviceId(exchange),null));

       }

       returncommand;

}

       /

***@paramapiTimeoutList

*@parampath

*@return

*/

privateApiHystrixTimeoutgetApiHystrixTimeout(ListapiTimeoutList,Stringpath){

       for(ApiHystrixTimeoutapiTimeoutPattern:apiTimeoutList){

       if(this.antPathMatcher.match(apiTimeoutPattern.getApiPattern(),path)){

       returnapiTimeoutPattern;

}

       }

       ApiHystrixTimeoutapiHystrixTimeout=newApiHystrixTimeout();

       apiHystrixTimeout.setApiPattern("default");

       apiHystrixTimeout.timeout=null;

       returnapiHystrixTimeout;

}

       @Override

publicGatewayFilterapply(Configconfig){

       return(exchange,chain)-{

       UnicornRouteHystrixCommandcommand=initUnicornRouteHystrixCommand(exchange,chain,config);

returnMono.create(s-{

       Subscriptionsub=command.toObservable().subscribe(s::success,s::error,s::success);

       s.onCancel(sub::unsubscribe);

}).onErrorResume((Function)throwable-{

       if(throwableinstanceofHystrixRuntimeException){

       HystrixRuntimeExceptione=(HystrixRuntimeException)throwable;

HystrixRuntimeException.FailureTypefailureType=e.getFailureType();

switch(failureType){

       caseTIMEOUT:

       returnMono.error(newTimeoutException());

       caseCOMMAND_EXCEPTION:{

       Throwablecause=e.getCause();

if(causeinstanceofResponseStatusException||AnnotatedElementUtils

       .findMergedAnnotation(cause.getClass(),ResponseStatus.class)!=null){

       returnMono.error(cause);

}

       }

       default:

       break;

}

       }

GPT-Engineer一夜爆火！一个提示生成整个代码库，GitHub狂飙k星

       AI代码生成明星项目GPT-Engineer一夜爆火，短短几天狂揽k星。AutoGPT之后，诞生了又一个明星项目。这是一个根据指示生成代码的AI工具，你只需要「动动嘴」，就能直接构建整个代码库。项目地址：github.com/AntonOsika/g...。

       GPT-Engineer的特色包括：一个提示就能生成一个代码库，提出需要澄清的问题，生成技术规范，编写所有必要代码，易于添加自己的推理步骤、修改和实验，项目开源，分分钟让你完成编码。这预示着未来软件创造将是一个人机共话的时代。

       项目主要作者Anton Osika在6月日首次推出GPT-Engineer，并介绍了这款AI工具最大的特点：简单易用，能够为用户提供价值；灵活且易于添加新的「AI步骤」；支持高级提示，可以记住用户反馈；能快速在AI和人类之间快速切换；所有计算都是「可恢复的」，并持久地保存到文件系统。这个项目独特地方在于，开发者在文本文件中提交需求，GPT-Engineer不是无条件接受这些要求，而是提出许多详细的问题来让程序员澄清缺失的细节。

       GPT-Engineer的工作流程分两个阶段：需求细化促进阶段和软件构建阶段。在需求细化阶段，用户提供的包含软件需求的文本文件被提交给GPT-Engineer，并被放置在OpenAI的GPT的初始消息中，同时还包括确定澄清问题的指示。GPT-Engineer系统接收来自OpenAI GPT-4的反馈，了解哪些需求需要澄清，并回应提示用户澄清的问题。整个过程循环，直到所有问题澄清到OpenAI GPT-4满意为止。在软件构建阶段，前一阶段提炼的需求被打包，并与OpenAI的GPT指令（即系统提示）和另外一套GPT-Engineer希望看到的输出指令（即用户提示）一起包装起来。GPT-Engineer收到来自OpenAI GPT-4的响应，然后创建源代码文件。

       使用GPT-Engineer，你可以创建一个多人可玩的贪吃蛇网页版游戏。你只需要输入一些关键提示，GPT-Engineer就会让你继续回答一些细节的问题，例如游戏规则和机制、玩家互联、游戏状态更新、用户界面、游戏控制、游戏结束状况和代码结构。具体步骤唰唰唰地来了，最后一款完美的贪吃蛇游戏代码就完成了。

       用户反馈显示，「澄清问题」是真正使GPT-Engineer脱颖而出的原因，因为修复生成代码中的问题往往比编写代码本身需要更多的时间。然而，这个项目火虽火，一位网友测试了GPT-Engineer，给出了体验：难设置，实际上不是创建文件，只是让你从命令行中运行一次（即不能调试），与ChatGPT4的能力相当。还有网友对基准指出了问题，GPT-Engineer做了几个简单的编程任务，并将它们作为基准，可以为你快速开发一个currency_converter，但不能正确编码一个pomodoro_timer。

       安装方法：对于稳定版本，使用pip install gpt-engineer；对于开发版，git clone git@github.com:AntonOsika/gpt-engineer.git，cd gpt-engineer，make install，source venv/bin/activate。设置使用GPT4访问权限的API密钥运行：export OPENAI_API_KEY=[your api key]。运行：创建一个空文件夹，如果在repo中，可以运行cp -r projects/example/ projects/my-new-project，在新文件夹中填写 main_prompt，运行gpt-engineer projects/my-new-project。检查 projects/my-new-project/workspace 中生成的文件。

       项目主要作者Anton Osika是Depict.ai的首席技术官，创建了机器学习推荐系统，通过尖端的机器学习、计算机视觉和自然语言处理来理解产品。就在4小时前，他还发了一条动态称，GPT-Engineer已经跃升到k星，一点也没有减速迹象。

参考资料：

github.com/AntonOsika/g...