python 调用ollama 使用deepseek 返回的json无法识别

### Python 调用 Ollama DeepSeek 返回 JSON 的解析错误解决方案 当遇到 `parse error` 或者类似的异常时,通常是因为接收到的数据不符合预期格式或者存在编码问题。以下是可能的原因以及对应的解决办法。 #### 可能原因分析 1. **数据传输中的编码问题** 如果服务器端返回的内容不是标准 UTF-8 编码,则可能会引发解码失败的情况[^2]。这可以通过设置合适的编码方式来解决。 2. **JSON 数据不完整或损坏** 接收的响应可能是部分截断或者是非法字符引起的语法错误。可以尝试捕获并打印原始响应以便调试[^1]。 3. **API 使用不当** API 请求参数配置有误可能导致服务端返回非 JSON 响应。确认请求头是否设置了正确的 Content-Type 和 Accept 字段为 application/json[^3]。 4. **网络连接不稳定** 不稳定的网络环境也可能造成接收数据中断从而触发解析错误。增加重试机制能够提高程序健壮性。 #### 实现改进方案 下面提供一段经过增强处理后的代码示例用于调用 Ollama 并安全地解析其返回值: ```python import requests import json def fetch_and_parse(url, payload): headers = { 'Content-Type': 'application/json', 'Accept': 'application/json' } response_text = "" try: res = requests.post(url, data=json.dumps(payload), headers=headers) res.raise_for_status() # 检查HTTP状态码 # 尝试多种方式进行解码以防止单一方法失效 encodings_to_try = ['utf-8', 'latin1'] for encoding in encodings_to_try: try: response_text = res.content.decode(encoding) break except UnicodeDecodeError: continue parsed_data = json.loads(response_text) except (requests.exceptions.RequestException, ValueError) as err: print(f"An error occurred while fetching or parsing the response: {err}") return None return parsed_data url = "http://localhost:11434/api/generate" payload = {"model":"deepseek","prompt":"hello world"} response_json = fetch_and_parse(url, payload) if response_json is not None: print(json.dumps(response_json, indent=4)) else: print("Failed to retrieve valid JSON from server.") ``` 此脚本通过指定多个潜在可用的字符串编码选项来规避因默认 ASCII 导致的问题;同时加入了基本异常捕捉逻辑以保障运行流畅度。 #### 注意事项 确保本地安装了最新版本的 Requests 库 (`pip install --upgrade requests`) ,因为较旧版可能存在兼容性和安全性方面的缺陷。 --- ###

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

【Python】基于 LLM-API 统一接口解决多 LLM 调用适配难题!.zip

【Python】基于 LLM-API 统一接口解决多 LLM 调用适配难题!.zip

【Python】基于 LLM-API 统一接口解决多 LLM 调用适配难题!.zip

Python Django图书管理系统 - 毕业设计

Python Django图书管理系统 - 毕业设计

已经博主授权,源码转载自 https://pan.quark.cn/s/d1a7dec80b40 软件开发工具:Pycharm 数据库管理系统:mysql 使用的技术: Django(一种MVT架构,与Java的SSM架构相仿) 时光短暂,Python即兴,今天我们向大家展示一个运用Python语言并基于Django框架构建的图书管理平台。项目的用户界面和后台管理系统模板均为自主设计,前端部分选用Bootstrap框架进行UI开发,而后端则采用EasyUI框架进行UI设计,未采纳Django自动生成的管理后台,因其界面设计过于简陋,令人不悦!该项目的核心功能在于图书资料的增补、修订、满足多种条件的组合式检索以及资料的移除。尽管系统的功能设定并不繁复,但它却是一个极好的学习范例,涵盖了普遍字段的应用,诸如字符串、浮点数、整数、日期、图片、富文本字符串、文件以及下拉框外键关联等字段类型,几乎包含了所有商业项目设计中所需的所有字段种类,堪称商业系统设计原理的集大成者!这无疑也是一项极佳的学习资源,优质内容值得传播,我们极力推荐! 系统中的实体构成: 图书分类:包含图书类别标识、类别描述以及可借阅期限 图书资料:涵盖图书条形码、图书标题、所属分类、图书定价、库存数量、出版时间、出版社信息、图书封面图片、图书内容简介、图书相关文件

OpenCode本地部署指南[代码]

OpenCode本地部署指南[代码]

本文详细介绍了如何在Mac系统上本地部署OpenCode,一款终端优先、100%开源、模型无关的AI编程智能体。通过Homebrew安装OpenCode后,使用Ollama进行本地模型管理,包括下载、列出、查看、复制、删除和停止模型等操作。此外,还提供了运行交互式命令的示例,如直接提问、从文件输入和带参数运行等。最后,文章指导如何创建配置文件config.json,配置Ollama本地服务的相关参数和模型限制。OpenCode将GPT-4o/Claude级别的编码能力直接集成到命令行,提升开发效率。

VSCode配置OpenCode指南[源码]

VSCode配置OpenCode指南[源码]

本文详细介绍了如何在Visual Studio Code(VSCode)中配置和使用OpenCode工具,一个开源的AI编程代理。内容涵盖了从安装OpenCode CLI到配置VSCode扩展的完整步骤,包括如何选择模型、设置API密钥以及优化工作流。OpenCode支持多模型切换、终端原生操作和隐私优先设计,适合从简单脚本到复杂项目的开发需求。文章还提供了常见问题的解决方案,如命令行工具安装失败和网络超时等,帮助开发者快速搭建高效、个性化的开发环境。

Win11 使用 Ollama 本地部署 DeepSeek - R1 详细指南.pdf

Win11 使用 Ollama 本地部署 DeepSeek - R1 详细指南.pdf

Win11 使用 Ollama 本地部署 DeepSeek - R1 详细指南.pdf

Doris RAG知识库搭建指南[源码]

Doris RAG知识库搭建指南[源码]

本文介绍了如何利用MaxKB开源工具零代码快速搭建Apache Doris专属RAG知识库,旨在解决开发者、运维人员在海量文档中查找信息效率低下的问题。文章详细阐述了MaxKB的核心优势,包括零代码开箱即用、文档适配性强、中文优化检索精准等,并提供了从前期准备到MaxKB部署、配置大模型、创建知识库、测试问答助手及发布使用的完整步骤指南。通过本文,即使是技术小白也能轻松上手,快速拥有自己的Doris智能问答助手,提升文档检索效率。

deepseek私有化RAG思路 ollama 运行deepseek模型和向量化模型bge-m3,anything 实现喂数据到向量化数据库milvus,deepseek4j结合便可以实现RAG私有

deepseek私有化RAG思路 ollama 运行deepseek模型和向量化模型bge-m3,anything 实现喂数据到向量化数据库milvus,deepseek4j结合便可以实现RAG私有

deepseek应用开发思路

Ubuntu安装Deepseek指南[项目代码]

Ubuntu安装Deepseek指南[项目代码]

本文详细介绍了在Ubuntu 24.10系统上安装Deepseek的完整流程,包括Ollama的在线和离线安装方法、服务配置、模型下载与配置,以及open-webui的安装与使用。内容涵盖了从基础环境准备到最终应用部署的全过程,提供了详细的命令和配置说明,适合需要在Ubuntu系统上部署AI模型的用户参考。

Cline+DeepSeek本地AI编程助手教程[项目代码]

Cline+DeepSeek本地AI编程助手教程[项目代码]

本教程详细介绍了如何利用Cline插件和DeepSeek模型在VS Code中打造本地AI编程助手,实现代码补全、重构、调试和单元测试等功能。教程从环境准备开始,逐步指导安装Cline插件、配置DeepSeek API或Ollama本地模型,并通过实战演示了代码解释、重构、生成单元测试等核心功能。此外,还涵盖了进阶技巧如自定义系统提示词、多模型切换、快捷键配置以及Docker容器开发集成。该方案不仅免费且保护代码隐私,是Cursor的平替方案,适合希望提升编码效率但不愿支付订阅费用的开发者。

DeepSeek API 使用指南[可运行源码]

DeepSeek API 使用指南[可运行源码]

本文介绍了如何通过第三方平台稳定调用 DeepSeek AI 的 API,解决官方服务不稳定的问题。作者程序员鱼皮分享了使用硅基流动和火山引擎两个平台的详细步骤,包括 API 密钥的获取、代码示例的修改和运行。文章还提供了多个主流平台的对比表格,帮助用户根据需求选择合适的服务。此外,作者推荐了更多编程学习资源和 AI 知识库,供读者进一步学习和探索。

DeepSeek-R1量化部署指南[项目代码]

DeepSeek-R1量化部署指南[项目代码]

本文详细介绍了如何在Ollama中部署DeepSeek-R1-Distill-Qwen-7B模型的Q4_K_M量化版本。该模型基于Qwen架构,仅70亿参数,在数学推导、代码生成和多步逻辑推理上表现优异,适合在普通笔记本(16GB内存+RTX 3060起步)上运行。教程分为三个主要步骤:确认Ollama安装、拉取并量化模型、验证部署成功。此外,还提供了进阶用法,如通过curl调用API、在VS Code中直接调用模型以及控制生成质量的参数调整。文章还列举了常见问题及解决方案,并对比了Q4_K_M量化版本与其他模型的性能优势。最后,总结了部署后的成果和未来应用场景。

Ollama本地大模型指南[源码]

Ollama本地大模型指南[源码]

本文详细介绍了Ollama作为本地大模型的“平替神器”,从入门到实战的全面指南。Ollama的设计理念类似于Docker,用户只需一句命令即可在本地运行大模型,无需复杂的环境配置。文章涵盖了Ollama的安装方法、支持的模型类型(如Llama3、Qwen、DeepSeek等)、Python API调用方式以及如何自定义模型(Modelfile)。此外,还提供了三分钟安装与运行方法(Windows/Mac/Linux)、一行命令拉取并启动本地模型的技巧,以及Python如何调用Ollama进行推理的示例代码。对于进阶用户,文章还介绍了如何通过Modelfile对模型进行微调,使其更符合特定需求。

Ollama本地大模型部署[可运行源码]

Ollama本地大模型部署[可运行源码]

本文详细介绍了如何使用Ollama在本地部署开源大模型(如Llama 3.3、Qwen 2.5等),并结合Python实现API调用、流式输出、多轮对话等功能。文章从为什么要在本地部署大模型开始,分析了数据隐私与安全、成本优势、定制化能力和离线可用等核心优势。随后详细讲解了Ollama的安装方法(包括Windows、macOS和Linux系统),特别提供了针对国内网络环境的加速方案。文章还包含了Python集成Ollama的完整示例代码,涵盖基础对话、流式输出、多轮对话管理和高级参数调整等实用功能。最后通过一个实战项目演示了如何构建功能完整的本地AI助手,并提供了常见问题的解决方案。

Claude+Deepseek一键部署脚本

Claude+Deepseek一键部署脚本

一键部署!避免复杂的安装和环境配置步骤,方便小白极速入门Claude+Deepseek

SpringAIOllama.7z

SpringAIOllama.7z

Ollama.7z

Trae自定义模型接入指南[项目代码]

Trae自定义模型接入指南[项目代码]

本文详细介绍了如何在Trae AI编程助手中接入自定义模型,包括DeepSeek、GLM和Qwen等。文章首先解释了为何需要更换模型,并提供了更换前的准备工作,如检查Trae版本和获取API Key。接着,文章分步骤指导了两种方法:直接切换内置模型和手动添加自定义模型。此外,还提供了常见模型的配置参数和常见问题的解决方案。最后,文章分享了一些进阶技巧,如多模型按场景切换、接入本地模型和使用中转服务降低成本。

本地部署QwQ-32B指南[源码]

本地部署QwQ-32B指南[源码]

阿里Qwen团队近日开源了QwQ-32B推理模型,该模型虽仅有32B参数,但性能媲美大参数模型如DeepSeek-R1。QwQ-32B可在消费级显卡如RTX 3090/4090上运行,适合本地部署。文章详细介绍了通过Ollama工具部署QwQ-32B的步骤,包括安装Ollama、下载模型及运行模型的方法。此外,还提供了QwQ-32B在数学和代码方面的基准测试结果,显示其性能接近满血版DeepSeek-R1。文章最后还推荐了多种AI大模型学习资源,帮助读者快速入门和掌握相关技能。

Claude Code Router简介[项目代码]

Claude Code Router简介[项目代码]

Claude Code Router是一个开源中间件工具,专为Claude Code设计,旨在解决多AI模型管理和调度的核心问题。它通过智能路由功能自动选择最优模型,支持多提供商如weelinking、DeepSeek、Ollama等,并统一处理不同API格式差异。该工具还支持动态切换模型、CI/CD集成,适用于多模型对比测试、成本优化调度、生产环境部署等场景。安装要求包括Node.js 16.0+和npm或yarn包管理器。配置文件结构详细,支持环境变量配置和自定义路由逻辑。weelinking平台因其国内网络优化、成本控制和多模型聚合等优势被推荐使用。此外,文章还提供了性能优化建议、CI/CD集成实战和常见问题解决方案。

用Java编写一个ai智能体,从0完整实现一个Claude Code.zip

用Java编写一个ai智能体,从0完整实现一个Claude Code.zip

面向企业级市场的一站式AI应用开发框架,支持多厂商大模型统一接入与管理,具备安全可控的企业知识库与高精度检索优化能力,提供可视化流程编排、自主决策智能体与多智能体协同调度,兼容主流 Agent Skill 协议,帮助企业与开发者零门槛快速构建安全、高效、可落地的AI智能体应…

开源 Coze 智能体私有部署平台.zip

开源 Coze 智能体私有部署平台.zip

2026 最系统的 AI Agent 速成指南|智能体实战教程 · 完整学习路径 + 实战项目 + 面试题库 · 对标大模型应用开发工程师岗位 · 覆盖LangChain / LangGraph / Coze / Dify / MCP / skills / LLM /…

最新推荐最新推荐

recommend-type

python快速编写单行注释多行注释的方法

在python代码编写过程中,养成注释的习惯非常有用,可以让自己或别人后续在阅读代码时,轻松理解代码的含义。 如果只是简单的单行注释,可直接用“#”号开头,放于代码前面。 单行注释也可以跟代码同行,放在代码后面,以“#”号开头。 如果是多行注释,可在每行注释前面加“#”号。 多行注释,也可用3个双引号括起来。 多行注释,还可以用3个单引号括起来。 如需将现有的代码注释掉,可先选中需要注释的代码。 再按Ctrl + / ,这样选中的代码行前均会加上“#”号,表示该代码已经被注释掉了,不会再运行。 以上就是本次介绍的关于python如何快速编写单行注释多行注释的具体操作,感谢大家对软
recommend-type

Python中注释(多行注释和单行注释)的用法实例

前言 学会向程序中添加必要的注释,也是很重要的。注释不仅可以用来解释程序某些部分的作用和功能(用自然语言描述代码的功能),在必要时,还可以将代码临时移除,是调试程序的好帮手。 当然,添加注释的最大作用还是提高程序的可读性!很多时候,笔者宁愿自己写一个应用,也不愿意去改进别人的代码,没有合理的注释是一个重要原因。虽然良好的代码可自成文挡,但我们永远也不清楚今后读这段代码的人是谁,他是否和你有相同的思路。或者一段时间以后,你自己也不清楚当时写这段代码的目的了。 总的来说,一旦程序中注释掉某部分内容,则该内容将会被 Python 解释器忽略,换句话说,此部分内容将不会被执行。 通常而言,合理的代码
recommend-type

Pyhton中单行和多行注释的使用方法及规范

大家都知道python中的注释有多种,有单行注释,多行注释,批量注释,中文注释也是常用的。python注释也有自己的规范,这篇文章文章中会给大家详细介绍Pyhton中单行和多行注释的使用方法及规范,有需要朋友们可以参考借鉴。
recommend-type

Python中的单行、多行、中文注释方法

今天小编就为大家分享一篇Python中的单行、多行、中文注释方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

Perl中的单行注释和多行注释语法

主要介绍了Perl中的单行注释和多行注释语法,本文还同时讲解了其它常见编程语言的单行注释和多行注释语法,需要的朋友可以参考下
recommend-type

学生成绩管理系统C++课程设计与实践

资源摘要信息:"学生成绩信息管理系统-C++(1).doc" 1. 系统需求分析与设计 在进行学生成绩信息管理系统开发前,首先需要进行系统需求分析,这是确定系统开发目标与范围的过程。需求分析应包括数据需求和功能需求两个方面。 - 数据需求分析: - 学生成绩信息:需要收集学生的姓名、学号、课程成绩等数据。 - 数据类型和长度:明确每个数据项的数据类型(如字符串、整型等)和长度,例如学号可能是字符串类型且长度为一定值。 - 描述:详细描述每个数据项的意义,以确保系统能够准确处理。 - 功能需求分析: - 列出功能列表:用户界面应提供清晰的操作指引,列出所有可用功能。 - 查询学生成绩:系统应能通过学号或姓名查询学生的成绩信息。 - 增加学生成绩信息:允许用户添加未保存的学生成绩信息。 - 删除学生成绩信息:能够通过学号或姓名删除已经保存的成绩信息。 - 修改学生成绩信息:通过学号或姓名修改已有的成绩记录。 - 退出程序:提供安全退出程序的选项,并确保所有修改都已保存。 2. 系统设计 系统设计阶段主要完成内存数据结构设计、数据文件设计、代码设计、输入输出设计、用户界面设计和处理过程设计。 - 内存数据结构设计: - 使用链表结构组织内存中的数据,便于动态增删查改操作。 - 数据文件设计: - 选择文本文件存储数据,便于查看和编辑。 - 代码设计: - 根据功能需求,编写相应的函数和模块。 - 输入输出设计: - 设计简洁明了的输入输出提示信息和操作流程。 - 用户界面设计: - 用户界面应为字符界面,方便在命令行环境下使用。 - 处理过程设计: - 设计数据处理流程,确保每个操作都有明确的处理逻辑。 3. 系统实现与测试 实现阶段需要根据设计阶段的成果编写程序代码,并进行系统测试。 - 程序编写: - 完成系统设计中所有功能的程序代码编写。 - 系统测试: - 设计测试用例,通过测试用例上机测试系统。 - 记录测试方法和测试结果,确保系统稳定可靠。 4. 设计报告撰写 最后,根据系统开发的各个阶段,撰写详细的设计报告。 - 系统描述:包括问题说明、数据需求和功能需求。 - 系统设计:详细记录内存数据结构设计、数据文件设计、代码设计、输入/输出设计、用户界面设计、处理过程设计。 - 系统测试:包括测试用例描述、测试方法和测试结果。 - 设计特点、不足、收获和体会:反思整个开发过程,总结经验和教训。 时间安排: - 第19周(7月12日至7月16日)完成项目。 - 7月9日8:00到计算机学院实验中心(三楼)提交程序和课程设计报告。 指导教师和系主任(或责任教师)需要在文档上签名确认。 系统需求分析: - 使用表格记录系统需求分析的结果,包括数据项、数据类型、数据长度和描述。 - 分析数据项如学生成绩信息、状态器、链表节点等,确定其属性和行为。 以上就是文档中提到的学生成绩信息管理系统开发的关键知识点。开发此类系统需要熟练掌握C++编程基础,了解面向对象的程序设计思想,以及熟悉文件操作和链表等数据结构的应用。此外,良好的软件开发流程意识、测试意识和文档撰写能力也是必不可少的。
recommend-type

别再手动拖拽了!用Lumerical脚本批量创建FDTD仿真结构(附完整代码)

# 告别低效建模:Lumerical脚本自动化实战指南 在光子学仿真领域,时间就是科研生命线。当同行还在GUI界面里反复点击菜单时,你已经用脚本批量生成了20组参数化结构——这不是未来场景,而是每位FDTD用户都应该掌握的基础生产力革命。本文将彻底改变你与Lumerical的交互方式,从手动拖拽的农耕时代,跃迁到自动化建模的工业文明。 ## 1. 为何脚本建模是必然选择 2019年Nature Photonics的一项研究显示,科研工作者在仿真工具上平均浪费37%的时间在重复性操作上。对于需要参数扫描的纳米光学结构设计,这个数字可能更高。手动创建10个不同尺寸的纳米柱阵列意味着: -
recommend-type

Java邮件解析任务中,如何安全高效地提取HTML邮件内容并避免硬编码、资源泄漏和类型转换异常?

<think>我们被要求优化一段Java代码,该代码用于处理邮件(特别是来自特定发件人的构建通知邮件)。代码的主要问题包括: 1. 重复获取邮件内容:在检查MIME类型后,多次调用`msg[i].getContent()`,这可能导致性能问题或流关闭异常。 2. 类型转换问题:直接将邮件内容转换为`Multipart`而不进行类型检查,可能引发`ClassCastException`。 3. 代码结构问题:逻辑嵌套过深,可读性差,且存在重复代码(如插入邮件详情的操作在两个地方都有)。 4. 硬编码和魔法值:例如在解析HTML表格时使用了硬编码的索引(如list3.get(10)),这容易因邮件
recommend-type

RH公司应收账款管理优化策略研究

资源摘要信息:"本文针对RH公司的应收账款管理问题进行了深入研究,并提出了改进策略。文章首先分析了应收账款在企业管理中的重要性,指出其对于提高企业竞争力、扩大销售和充分利用生产能力的作用。然后,以RH公司为例,探讨了公司应收账款管理的现状,并识别出合同管理、客户信用调查等方面的不足。在此基础上,文章提出了一系列改善措施,包括完善信用政策、改进业务流程、加强信用调查和提高账款回收力度。特别强调了建立专门的应收账款回收部门和流程的重要性,并建议在实际应用过程中进行持续优化。同时,文章也意识到企业面临复杂多变的内外部环境,因此提出的策略需要根据具体情况调整和优化。 针对财务管理领域的专业学生和从业者,本文提供了一个关于应收账款管理问题的案例研究,具有实际指导意义。文章还探讨了信用管理和征信体系在应收账款管理中的作用,强调了它们对于提升企业信用风险控制和市场竞争能力的重要性。通过对比国内外企业在应收账款管理上的差异,文章总结了适合中国企业实际环境的应收账款管理方法和策略。" 根据提供的文件内容,以下是详细的知识点: 1. 应收账款管理的重要性:应收账款作为企业的一项重要资产,其有效管理关系到企业的现金流、财务健康以及市场竞争力。不良的应收账款管理会导致资金链断裂、坏账损失增加等问题,严重影响企业的正常运营和长远发展。 2. 应收账款的信用风险:在信用交易日益频繁的商业环境中,企业必须对客户信用进行评估,以便采取合理的信用政策,降低信用风险。 3. 合同管理的薄弱环节:合同是应收账款管理的法律基础,严格的合同管理能够保障企业权益,减少因合同问题导致的应收账款风险。 4. 客户信用调查:了解客户的信用状况对于预测和控制应收账款风险至关重要。企业需要建立有效的客户信用调查机制,识别和筛选信用良好的客户。 5. 应收账款回收策略:企业应建立有效的账款回收机制,包括定期的账款跟进、逾期账款的催收等。同时,建立专门的应收账款回收部门可以提升回收效率。 6. 应收账款管理流程优化:通过改进企业内部管理流程,如简化审批流程、提高工作效率等措施,能够提升应收账款的管理效率。 7. 应收账款管理策略的调整和优化:由于企业的内外部环境复杂多变,因此制定的管理策略需要根据实际情况进行动态调整和持续优化。 8. 信用管理和征信体系的作用:建立和完善企业内部信用管理体系和征信体系,有助于企业更好地控制信用风险,并在市场竞争中占据有利地位。 9. 对比国内外应收账款管理实践:通过研究国内外企业在应收账款管理上的不同做法和经验,可以借鉴先进的管理理念和方法,提升国内企业的应收账款管理水平。 综上所述,本文深入探讨了应收账款管理的多个方面,为RH公司乃至其他同类型企业提供了应收账款管理的改进方向和策略,对于财务管理专业的教育和实践都具有重要的参考价值。
recommend-type

新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构

# 新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构 第一次拿到BingPi-M2开发板时,面对Tina Linux SDK里密密麻麻的文件夹,我完全不知道从哪下手。就像走进一个陌生的大仓库,每个货架上都堆满了工具和零件,却找不到操作手册。这种困惑持续了整整两天,直到我意识到——理解目录结构比死记硬背每个文件更重要。 ## 1. 为什么SDK目录结构如此重要 想象你正在组装一台复杂的模型飞机。如果所有零件都混在一个箱子里,你需要花大量时间寻找每个螺丝和面板。但如果有分门别类的隔层,标注着"机身部件"、"电子设备"、"紧固件",组装效率会成倍提升。Ti