# LLMApi: Real-Time Mock Data with LLMs and SignalR: A Practical Guide # Johdanto [![NuGet](https://img.shields.io/nuget/v/mostlylucid.mockllmapi.svg)](https://www.nuget.org/packages/mostlylucid.mockllmapi) [![NuGet](https://img.shields.io/nuget/dt/mostlylucid.mockllmapi.svg)](https://www.nuget.org/packages/mostlylucid.mockllmapi) > HUOMAUTUS: THH:n artikkeli on ensisijaisesti tekoäly, joka on syntynyt osana uutuuspakettiani julkaisudokumenttina. Se on aika mielenkiintoinen, joten laitan sen tähän, mutta jos se on ongelma sinulle, ole hyvä ja jätä se huomiotta. Osana minun [Nuget-paketti LLMApi / enimmäkseen lucid.mockllmapi ](https://www.nuget.org/packages/mostlylucid.mockllmapi) Tarvitsin sivun, jotta voin käyttää SignalR-ominaisuuksia (se voi simuloida SignalR-syötteitä käyttämällä LLM-tietoja). Niinpä keksin tämän. Voit löytää[ GitHub tässä. ](https://github.com/scottgal/LLMApi)projektia varten kaikki julkisuus ym.... Siitä tuli vaivihkaa varsin mukava työkalu! ![SignalR-simulaattori](signalrsimulator.png) Jos olet joskus tarvinnut kojelautaa tai reaaliaikaista käyttöliittymää ennen varsinaisen tietolähteen olemassaoloa, tiedät haasteen. Päädyt kirjoittamaan kovakoodattuja JSON-laitteita tai tarkempaa `setInterval()` silmukoita, jotka pyörivät saman kourallisen esineitä läpi. Rakensin tämän SignalR-demon ratkaisemaan ongelman joustavammalla tavalla. Kuvailet mitä tietoja tarvitset selkokielellä, ja paikallinen LLM tuottaa realistisen, monipuolisen JSONin, joka virtaa selaimeesi reaaliaikaisesti. Ei varusteita, joita ylläpitää, ei siementiedostoja, joita päivittää, vain kuvaat mitä haluat ja katsot sen virtaavan. Näytän, miten se toimii ja miten siitä saadaan irti mahdollisimman paljon. [TOC] ## Mitä tämä työkalu tekee SignalR-demon sivu (`Index.cshtml`) on reaaliaikaisten tietovirtojen hallintapaneeli. Tässä on perusvirta: 1. Luot "kontekstin" (nimetty datavirta) 2. Kuvailet millaista dataa haluat selkokielellä 3. LLM tuottaa kuvaustesi perusteella sopivan JSON:n 4. SignalR työntää uutta dataa selaimeesi 5 sekunnin välein 5. Tulokset näkyvät syntaksin korostaessa reaaliajassa Se on erityisen hyödyllistä prototyypityksessä, demojen rakentamisessa tai frontend-ominaisuuksien parissa odottaessaan taustarajapintojen valmistumista. Tiedot näyttävät realistisilta, koska LLM ymmärtää kontekstin ja tuottaa sopivat arvot. ### Iso kuva ```mermaid graph TB Browser[Your Browser] UI[Demo UI] API[Management API] Hub[SignalR Hub] Manager[Context Manager] BG[Background Service] LLM[LLM Ollama/OpenAI] Cache[Response Cache] Browser -->|Create Context| API API -->|Store Config| Manager Browser -->|Connect Subscribe| Hub Hub -->|Register Client| Manager BG -->|Generate Data| LLM LLM -->|Return JSON| BG BG -->|Cache Responses| Cache BG -->|Push to Clients| Hub Hub -->|Real-time Updates| Browser ``` ## Miksi signalr reaaliaikaisia päivityksiä varten? SignalR ylläpitää selaimen ja palvelimen välistä pysyvää WebSocket-yhteyttä. Sen sijaan, että HTTP-pyynnöillä järjestettäisiin päätetapahtuma muutaman sekunnin välein, palvelin työntää dataa, kun se on valmis. Näin saat todella reaaliaikaisia päivityksiä, joiden yleiskustannukset ovat mahdollisimman pienet. Yhteys pysyy auki, data virtaa välittömästi, ja käyttöliittymäsi on paljon reagoivampi. Se on samaa teknologiaa, jota käytetään chat-sovelluksissa, live-kojelaudaissa ja yhteistyötyökaluissa, joissa pikapäivityksillä on merkitystä. ## Pikakäynnistys: Get Running in 5 Minutes Aloitetaan nopeimmasta polusta nähdä tämän toimivan. Näytän pörssitiedot esimerkiksi. **Vaihe 1: Aloita sovellus** ```bash dotnet run --project LLMApi/LLMApi.csproj ``` Navigoi `http://localhost:5116` (Tarkista konsolin ulostulo todellisesta portista). **Vaihe 2: Käytä pikakäynnistysesimerkkiä** Näet viisi esiaseteltua esimerkkiä vihreillä "Launch"-painikkeilla. Klikkaa "Stock Marketia" ja olet valmis. Sivu automaattisesti: - Luo pörssin datakontekstin - Tilaa päivityksiä selaimestasi - Alkaa näyttää live-varastotietoja hinnoilla, määrillä ja muutoksilla **Vaihe 3: Katso tietovirtaa** Uusia tietoja ilmestyy viiden sekunnin välein syntaksin korostamana. Jokaisessa päivityksessä näkyy erilaisia osakkeita, joiden hinnat ja kaupankäyntimäärät ovat realistisia. LLM tuottaa uutta dataa joka kerta, joten näet vaihtelua samalla, kun säilytät johdonmukaisen rakenteen. Nyt streamaat pilkkapörssitietoja. Tutustu vapaasti muihin pikavippiesimerkkeihin nähdäksesi erilaisia datamalleja. ## Luo omia omia tietovirtoja Pikakäynnistyspainikkeet ovat käteviä, mutta todellinen teho tulee siitä, että kuvataan, mitä tarvitaan. Luodaan oma esimerkki. **Esimerkki: Kahvikoneen telemetria** Sano, että rakennat IoT-kojelautaa ja tarvitset simuloituja kahvinkeitintietoja. ``` Context Name: coffee-machines Description: Coffee machine telemetry with machine ID, beans remaining percentage, water temperature in Celsius, cups brewed today, and last maintenance timestamp ``` Klikkaa "Create & Subscribe" ja olet vapaalla. ### Mitä tapahtuu maisemien takana ```mermaid sequenceDiagram participant Browser participant API participant Manager participant BG as Background Service participant LLM participant Hub Browser->>API: POST /api/mock/contexts
{name, description} API->>Manager: Store context config Manager-->>API: Context created ✓ API-->>Browser: 200 OK Browser->>Hub: invoke('SubscribeToContext', 'coffee-machines') Hub->>Manager: Register subscription Manager-->>Hub: Subscription confirmed Hub-->>Browser: on('Subscribed') Note over BG,LLM: Every 5 seconds... BG->>LLM: Generate data for 'coffee-machines'
Prompt includes description LLM-->>BG: JSON response BG->>Hub: Broadcast to 'coffee-machines' group Hub-->>Browser: on('DataUpdate', {data}) Browser->>Browser: Display with syntax highlighting ``` Järjestelmä: 1. Luo kontekstin taustaosaan 2. Tilaa selaimesi vastaanottamaan päivityksiä SignalR:n kautta 3. Alkaa tuottaa tietoja kuvauksesi perusteella 4. Työntää päivityksiä 5 sekunnin välein Näet tuotoksen näin: ```json { "machineId": "CM-2847", "beansRemaining": 67, "waterTemp": 94.5, "cupsBrewed": 142, "lastMaintenance": "2025-01-03T08:23:00Z" } ``` Jokaisella päivityksellä on erilaiset arvot, mutta se ylläpitää rakennetta. LLM ymmärtää "kahvikoneen telemetriaa" ja tuottaa siinä yhteydessä järkeviä lukuja. ## Kontekstien ymmärtäminen A **konteksti** On nimetty datavirta-asetus. Ajattele sitä kanavana tai puheenaiheena. Kun luot sellaisen, tarkenna: - **Nimi**: Yksilöllinen tunniste (esim. `weather`, `stock-market`, `sensors`) - **Tavaran kuvaus**: Tietorakenne, jonka haluat, selkokielellä Takaosa sitten: - Luo tällä nimellä varustetun SignalR-ryhmän - Luo LLM:lle ohjeen kuvauksesi perusteella - Tuottaa tuoreita tietoja säännöllisesti (5 sekunnin välein oletuksena) - Lähettää sen kaikille tilaajille Useat selaimet voivat tilata saman kontekstin, ja ne saavat kaikki samat tiedot samanaikaisesti. Tämä on hienoa kojelaudan testaamiseen, jossa on näytettävä synkronoituja päivityksiä eri näytöille tai komponenteille. ### Konteksti Elinkaari valtion kone ```mermaid stateDiagram-v2 [*] --> Created: Create Context
(POST /contexts) Created --> Active: Start
(auto or manual) Active --> Stopped: Stop
(POST /stop) Stopped --> Active: Start
(POST /start) Created --> Subscribed: Client Subscribes Active --> Subscribed: Client Subscribes Stopped --> Subscribed: Client Subscribes
(no data sent) Subscribed --> Receiving: Data Push
(if Active) Receiving --> Subscribed: Client Connected Subscribed --> Created: Unsubscribe Subscribed --> Active: Unsubscribe Subscribed --> Stopped: Unsubscribe Created --> [*]: Delete Active --> [*]: Delete Stopped --> [*]: Delete Subscribed --> [*]: Delete note right of Active Generates data Pushes to clients Shows "Active" badge end note note right of Stopped No data generation Clients stay connected Shows "Stopped" badge end note ``` ## UI:n asettelun ymmärtäminen Liitännässä on kolme paneelia, jotka pitävät asiat järjestyksessä: ### Vasen: Luo tausta Tässä kohtaa määrität uudet tietovirrat. Tarvitset: - **Kontekstinimi**: Tee se ainutlaatuiseksi ja kuvailevaksi. Pienen saksin käyttö toimii hyvin. - **Tavaran kuvaus**LLM toimii parhaiten selkeillä kuvauksilla, kuten "käyttäjäprofiililla, sähköpostilla, iällä ja premium-statuksella booleanilla". Ei tarvitse kirjoittaa JSON-skeemaa tai selittää tietotyyppejä. LLM:n rakenne luontevista kielikuvauksista yllättävän hyvin. ### Keskimmäinen: Aktiiviset taustat Näyttää kaikki juoksevat asiayhteytesi: - Nimi ja asemamerkki (toimellinen/pysäytetty) - Yhteyksien määrä (miten monta asiakasta on tällä hetkellä merkitty) - Ohjauspainikkeet: Kytke, irrota, käynnistä, pysäytä, poista **Yhdistä/katkaise yhteys** Ohjaa selaimesi tilausta. Valitse Connect aloittaaksesi tietojen vastaanottamisen, katkaise yhteys poistaaksesi kontekstin. **Aloita tai lopeta** Ohjaa taustatietojen tuottamista. Tämä on hyödyllistä, kun haluat pysäyttää virran tuhoamatta kontekstikokoonpanoa. **Poista** Poistaa kontekstin kokonaan. Käytä tätä puhdistukseen, kun olet valmis tietyllä tietovirralla. ### Oikealla: Live Data Tässä näet reaaliaikaisia päivityksiä: - Liitäntätilan ilmaisin (yhdistetty/katkaistu) - Tällä hetkellä merkitty kontekstinimi - Viimeiset 10 viestiä, joissa aikaleimat ja syntaksin korostus Data ilmestyy uusimpana ensimmäisenä huipulla, joten näet aina uusimmat päivitykset selaamatta. ## Javascript-yhteyskuvio Sivulla käytetään HTMX:ää lomakkeiden toimittamiseen ja SignalR:ää reaaliaikaiseen yhteydenpitoon. Jos rakennat omaa asiakasta, tässä on SignalR-kuvio, jota tarvitset: ### Asiakasyhteysvirta ```mermaid sequenceDiagram participant Page as Your Page participant SR as SignalR Client participant Hub as /hub/mock participant BG as Background Service Page->>SR: new HubConnectionBuilder()
.withUrl('/hub/mock') Page->>SR: connection.start() SR->>Hub: WebSocket connection Hub-->>SR: Connected ✓ SR-->>Page: Trigger 'connected' event Page->>SR: invoke('SubscribeToContext', 'weather') SR->>Hub: SubscribeToContext('weather') Hub->>Hub: Add to 'weather' group Hub-->>SR: on('Subscribed', {context: 'weather'}) SR-->>Page: Display "Subscribed" loop Every 5 seconds BG->>Hub: Broadcast to 'weather' group Hub->>SR: on('DataUpdate', {data, timestamp}) SR->>Page: Update UI with new data end Page->>SR: invoke('UnsubscribeFromContext', 'weather') SR->>Hub: UnsubscribeFromContext('weather') Hub->>Hub: Remove from 'weather' group ``` **Liitännäisen asennus:** ```javascript const connection = new signalR.HubConnectionBuilder() .withUrl('/hub/mock') .withAutomaticReconnect() .build(); connection.on('DataUpdate', (message) => { // message.context: which context sent this // message.data: the actual JSON payload // message.timestamp: Unix timestamp in milliseconds }); await connection.start(); ``` **Tietojen vastaanottaminen:** ```javascript await connection.invoke('SubscribeToContext', 'my-context-name'); ``` **Ei tilausta, kun valmis:** ```javascript await connection.invoke('UnsubscribeFromContext', 'my-context-name'); ``` Demosivu käsittelee kaiken tämän automaattisesti, mutta nämä kolme mallia ovat kaikki mitä tarvitset mukautettuun toteutukseen. ## Käytännöllisiä käyttötapoja Tässä muutamia skenaarioita, joissa tämä työkalu todella loistaa: **1. UI:n rakentaminen ennen API:tä on olemassa** Työstät kojelautaa ja taustatiimi suunnittelee yhä API-skeemaa. Sen sijaan, että estät heidän työnsä, kuvaile odottamasi datarakenne ja rakenna käyttöliittymäsi valevirtaa vasten. Kun todellinen API on valmis, vaihdat päätepisteen. **2. Asiakasmielenosoitukset** Suoritat liveseurannan kojelautaa asiakkaalle, mutta varsinainen dataputki ei ole vielä valmis. Luo kontekstit, jotka vastaavat suunniteltua datarakennettasi ja näyttävät realistista, muuttuvaa dataa esityksen aikana. Se näyttää ammattimaiselta ja auttaa asiakasta visualisoimaan lopputuotteen. **3. Frontend Development ja Testit** Tarvitset realistista ja monipuolista dataa, jotta voit testata, miten kaaviot, taulukot ja komponentit käsittelevät päivityksiä. Luo kontekstit tarvitsemiisi rakenteisiin ja kehitä käyttöliittymääsi luottaen siihen, että se käsittelee tosimaailman datakuvioita. **4. Kuormituksen testaus reaaliaikaisesti** Haluat nähdä, miten käyttöliittymäsi toimii nopeissa päivityksissä. Luo korkeataajuinen konteksti ja katso, miten komponenttisi käsittelevät datavirtaa. Tämä auttaa tunnistamaan suorituskykyongelmat ennen tuotantoa. **5. Verkkosokettien ja reaaliaikaisten ideoiden opettaminen** Opetat SignalR- tai WebSocket-konsepteja ja haluat oppilaiden näkevän reaaliaikaisia päivityksiä ilman täydellisen taustajoukon rakentamista. demo on toimiva esimerkki, jota he voivat kokeilla ja josta he voivat oppia. ## Pikakäynnistysesimerkkejä selitetty Viisi esiaseteltua esimerkkiä osoittavat erilaisia yhteisiä tietomalleja: **IoT-anturit**: Numeeriset anturilukemat ja laitteen metatiedot **Osakemarkkinat**: Rahoitustiedot hinnoineen, volyymeineen ja prosenttimuutoksineen **Verkkokaupan tilaukset**: Nested objekteja tilauskohteiden sarjoissa **Palvelinmetriikka**: Järjestelmän seuranta useilla suoritusmittareilla **Pelien leaderboard**: Pelaajatilastot ja -statukset Nämä esimerkit ovat valmiita. Klikkaa Käynnistä, katso tietoja ja käytä niitä malliesimerkkinä omiin asiayhteyksiisi. ## Kotouttamisen API-päätteitä Jos rakennat asiakaskohtaista asiakasta tai yhdistät tämän toiseen sovellukseen, tässä HTTP:n päätetapahtumat: **Luo konteksti:** ```bash curl -X POST http://localhost:5116/api/mock/contexts \ -H "Content-Type: application/json" \ -d '{"name": "sensors", "description": "Temperature sensors with device ID and readings"}' ``` **Luettele kaikki kontekstit:** ```bash curl http://localhost:5116/api/mock/contexts ``` **Hanki erityinen konteksti:** ```bash curl http://localhost:5116/api/mock/contexts/sensors ``` **Aloita tai pysäytä datan tuottaminen:** ```bash curl -X POST http://localhost:5116/api/mock/contexts/sensors/start curl -X POST http://localhost:5116/api/mock/contexts/sensors/stop ``` **Poistetaan tekstiyhteys:** ```bash curl -X DELETE http://localhost:5116/api/mock/contexts/sensors ``` Kun olet luonut kontekstin, ota yhteys SignalR-napaan osoitteessa `/hub/mock` ja tilata alkaa vastaanottaa päivityksiä. ## Miten LLM-sukupolvi toimii Kun luot kontekstin, järjestelmä: 1. Ottaa kuvauksen 2. Rakentaa pikavipin, joka sisältää sattumanvaraisuutta (GUID-siemen + aikaleima lajikkeelle) 3. Pyytää LLM:ää luomaan sopivan JSON:n, joka vastaa kuvaustasi 4. Validoidaan vastaus todelliseen JSON:iin (jos tarpeen) 5. Pikatoimitus saa useita vastauksia 6. Luo lisää taustalla pitääksesi välimuistin täytettynä Lämpötila on 1,2 (suhteellisen korkea) vaihtelun varmistamiseksi. "Käyttäjätietoja" kysyttäessä saa joka kerta erilaisia nimiä ja arvoja, ei samoja harvoja kierrätettyjä loputtomasti. Tiedot pysyvät rakenteellisesti yhdenmukaisina ja vaihtelevat realistisesti. ## Suorituskykyä ja älykästä väliseinää Datan tuottaminen tapahtuu taustalla, ei tilattuna työntöä kohden. Tämä pitää päivitykset johdonmukaisina ja vähentää LLM-kuormaa. Näin se toimii: - Järjestelmä täyttää käynnistyksen yhteydessä välimuistin, jossa on vastaukset jokaiseen aktiiviseen kontekstiin - Siinä mitataan, kuinka pitkä sukupolvi kestää (eli 500 milliä per pyyntö) - Siinä lasketaan optimaalinen erän koko: työntöväli - Se luo eriä taustalla pitääkseen välimuistin täydennettynä - Kun on aika työntää, se vetäytyy välimuistista välittömästi Tulos: Ensimmäinen viestisi saapuu heti, sen jälkeen viestejä tulee jatkuvasti viiden sekunnin välein, eikä LLM:tä moukaroida jatkuvasti. ### Älykäs väliseinävirta ```mermaid graph LR subgraph Startup A[App Starts] --> B[Pre-fill Cache] B --> C[Measure Gen Time
500ms] C --> D[Calculate Batch
5000ms / 500ms = 10] end subgraph Runtime Loop E[Timer Tick
Every 5s] --> F{Cache > 50%?} F -->|Yes| G[Pop from Cache] F -->|No| H[Generate Batch
in Background] G --> I[Push to Clients] H --> J[Refill Cache] J --> G I --> E end D --> E style B stroke:#10b981,stroke-width:3px style G stroke:#0ea5e9,stroke-width:3px style H stroke:#ef4444,stroke-width:3px style I stroke:#f59e0b,stroke-width:3px ``` ## Yhteisiä ongelmia **Liitäntä näyttää "Discnnected" -yhteyden, eikä kytketä uudelleen** - Tarkista, että LLM-palvelusi (Ollama/OpenAI) toimii - Oletusasetukset odottavat Ollamaa `http://localhost:11434` - Juokse `ollama list` Varmista, että olet asentanut malleja - Tarkista selainkonsoli SignalR-kytkentävirheistä **Konteksti luotu, mutta tietoja ei ilmesty** - Katso Active Contexts -paneelia – näkyykö kontekstissa "Aktiivinen"? - Klikkaa Connect-painiketta, jos et ole vielä tilannut - Tarkista yhteystila Live Data -paneelissa, jossa näkyy vihreä (yhdistetty) - Tarkista palvelimen lokit nähdäksesi, toimiiko LLM-sukupolvi **Datarakenne ei vastaa odotuksiasi** - Tarkenna kuvaustasi ja konkretisoi - Esimerkki: "lämpötila nollan ja 100:n välillä" toimii paremmin kuin "lämpötila" - Yritä muotoilla uudelleen kuvaustasi – tämä on nopeaa insinöörityötä - Tarkista tuotetut tiedot ja tarkenna kuvausta näkemäsi perusteella **Selainkonsoli näyttää SignalR-kytkentäyritykset** - Takaosa ei ehkä ole käynnissä – tarkista pääte - Olisit voinut vaihtaa porttia – päivittää tarvittaessa SignalR-navan URL-osoitteen - Tarkista palomuuri- tai verkkoongelmat (etenkin Docker/WSL-ympäristöissä) ## Asetukset Voit muokata käyttäytymistä `appsettings.json`: ```json { "MockLlmApi": { "SignalRPushIntervalMs": 5000, // How often to push data (milliseconds) "ModelName": "llama3", // Which LLM model to use "Temperature": 1.2, // Creativity level (0.0-2.0, higher = more varied) "BaseUrl": "http://localhost:11434", // LLM service URL "HubContexts": [ // Optional: pre-configured contexts { "Name": "weather", "Description": "Weather data with temperature, humidity, wind speed", "IsActive": true } ] } } ``` **SignalRPushIntervalMs**: Aseta matalammalle nopeammille päivityksille, korkeammalle vähentämään LLM-kuormaa **Lämpötila**: Korkeammat arvot antavat luovempaa/satunnaisempaa dataa, pienemmät antavat johdonmukaisempia tuloksia **HubContexts**: Määrittele kontekstit, jotka alkavat automaattisesti sovelluksen käynnistyessä ## Integrointi sovellukseesi Jos rakennat varsinaista kojelautaa ja haluat käyttää sitä kehityksen aikana, tässä on React-esimerkki: ```javascript import * as signalR from '@microsoft/signalr'; const connection = new signalR.HubConnectionBuilder() .withUrl('http://localhost:5116/hub/mock') .withAutomaticReconnect() .build(); connection.on('DataUpdate', (message) => { if (message.context === 'stock-market') { updateStockChart(message.data); } }); await connection.start(); await connection.invoke('SubscribeToContext', 'stock-market'); ``` Kun olet valmis siirtymään tuotantoon, vaihda navigaattorin URL. SignalR-rajapinta (`on()` sekä `invoke()`) toimii samalla tavalla oikeiden backendien kanssa. ## Miksi rakentaa tätä? Siellä on hyviä valedatakirjastoja. Faker.js on erinomainen. Mockaroo tekee hyvää työtä. Miksi siis rakentaa toinen työkalu? Tämä työkalu ratkaisee erityishaasteita: 1. **Reaaliaikainen suoratoisto**: Useimmat työkalut antavat sinulle staattisia tietoja tai REST-päätteitä, eivät eläviä WebSocket-virtoja 2. **Luonnollinen kielirajapinta**: Kuvaile, mitä haluat JSON-skeeman kirjoittamisen sijaan 3. **Kontekstin kannalta asianmukaiset tiedot**: LLM:t tuottavat realistisia arvoja, jotka ovat järkeviä yhdessä, eivät vain satunnaisia, tyyppiin sopivia jousia 4. **Itse dokumentointi**: Kuvaus on tietorakenteen dokumentointi 5. **Joustava rakenne**: Muuta datamallia puolikehityksellä ilman tarvikkeiden päivittämistä Se on suunniteltu tiettyä työnkulkua varten: reaaliaikaisen käyttöliittymän rakentaminen silloin, kun tarvitset monipuolista, realistista tietoa ilman konfiguraatiota. ## Aloittaminen Paras tapa ymmärtää tämä työkalu on käyttää sitä: 1. Aloita sovellus: `dotnet run --project LLMApi` 2. Avaa selaimesi `http://localhost:5116` 3. Klikkaa yhtä vihreistä "Launch"-painikkeista 4. Katso datavirtaa Yritä sieltä luoda oma kontekstisi kuvauksella, joka vastaa projektisi tarpeita. Työkalu on kaikkein arvokkain, kun käytät sitä todelliseen kehitystyöhön. Rakensin tämän, koska törmäsin jatkuvasti samaan ongelmaan: tarvitsemme realistista, muuttuvaa dataa demoja ja kehitystä varten. Jos kohtaat tuonkin haasteen, toivon, että tämä työkalu auttaa työnkulkuasi. --- ## Pikaviite **Käynnistys:** ```bash dotnet run --project LLMApi ``` **Oletusverkko- osoite:** `http://localhost:5116` **SignalR-hub:** `/hub/mock` **Tärkeimmät menetelmät:** - `SubscribeToContext(name)` - Aloita tietojen vastaanottaminen - `UnsubscribeFromContext(name)` - Lopeta tietojen vastaanottaminen **Tärkeimmät tapahtumat:** - `DataUpdate` - Uudet tiedot saapuivat - `Subscribed` - Tilaus vahvistettu - `Unsubscribed` - Ei kirjoitusta vahvistettu Loppu on vain sen tutkimista, mitä sillä voi rakentaa.