2025最新版 Go语言&Goland 专业安装及配置（超详细）

Ne0inhk

— 4 min read
2025最新版 Go语言&Goland 专业安装及配置（超详细）

目录

一、安装Go语言 (Golang)

1. 下载安装

  • 一直NEXT

Finish

在这里插入图片描述

修改安装路径

在这里插入图片描述

在Golang官网下载（Windows版）

在这里插入图片描述

2. 配置环境变量

  • 计算机（右键）→属性→高级系统设置→（点击）环境变量

PATH：go的bin目录，通常安装golang后，系统会自动配置
检查一下

在这里插入图片描述

GOPATH：自定义一个工作区目录（存放代码、依赖库等）
新建一个系统变量

在这里插入图片描述


检查GOPATH用户变量（要与上面的系统变量一致）

在这里插入图片描述

GOROOT：Go的安装路径
新建一个系统变量

在这里插入图片描述

3. 安装验证

打开终端，运行：

go version # 显示版本号
在这里插入图片描述
go env # 查看Go环境配置
在这里插入图片描述

二、安装Goland IDE

1. 下载安装

不要勾选运行，直接点击完成

在这里插入图片描述

安装

在这里插入图片描述

勾选快捷方式

在这里插入图片描述

修改安装路径

在这里插入图片描述

在GoLand官网下载

在这里插入图片描述

2. 首次配置

激活

在这里插入图片描述


在这里插入图片描述


在这里插入图片描述
在这里插入图片描述


在这里插入图片描述


2. 基本配置：

Go Modules 设置：

在这里插入图片描述

顺便检查一下 GOPATH （在 Settings → Go → GOPATH 中检查）

在这里插入图片描述

打开Goland → File → Settings → Go → GOROOT，点击 +，选择Go的安装路径

在这里插入图片描述


在这里插入图片描述
  • GOPROXY：管理依赖的核心
  • GOSUMDB：用于验证下载的依赖包是否被篡改，确保安全性
GOPROXY=https://goproxy.cn,https://goproxy.io,direct;GOSUMDB=sum.golang.google.cn
  • 验证：
go env GOPROXY go env GOSUMDB
在这里插入图片描述

3.创建项目验证

重启后创建

在这里插入图片描述
  • 新建项目：
    File → New → Project → 选择位置 → 设置包名 → 勾选Add sample code
在这里插入图片描述


可以看到已经有简单的代码在main.go中了

运行后可以在下方看到对应输出，成功

在这里插入图片描述

Read more

从拼搭到人工智能：青少年机器人编程的系统化学习攻略

很多家长问我：“孩子今年X岁，对乐高和编程感兴趣，想学机器人，到底该怎么开始？家里正好有一套泺喜的教具，该怎么利用起来？” 作为一位深耕青少儿编程教育的从业者，我想说：机器人编程不是单纯写代码，它是机械工程、电子电路和计算机科学的综合体。 如果学习路径走错了，很容易在某个阶段遇到瓶颈，导致孩子产生畏难情绪而放弃。而泺喜的金属教具，以其高精度、高强度、接近工业级的特点，为孩子提供了一条更硬核、更贴近真实工程的成长路径。 今天，我们就来梳理一套适合青少年、并结合泺喜教具特色的 “机器人编程系统化学习金字塔” ，帮助孩子从零基础一路通关到人工智能。 第一阶段：机械启蒙与动手感知（6-9岁） 关键词：金属构件、螺丝紧固、传动原理 这个年龄段的孩子还处于皮亚杰认知理论中的“前运算阶段”向“具体运算阶段”过渡期。他们无法理解抽象的语法，但能通过双手感知物理世界。 * 学习内容： 1. 机械搭建：使用泺喜的金属构件（梁、板、轴、齿轮、螺丝螺母），学习使用螺丝刀、

By Ne0inhk
DAY4 基于 OpenClaw + 飞书开放平台实现 AI 新闻推送机器人

DAY4 基于 OpenClaw + 飞书开放平台实现 AI 新闻推送机器人

DAY4 基于 OpenClaw + 飞书开放平台实现 AI 新闻推送机器人 目录 DAY4 基于 OpenClaw + 飞书开放平台实现 AI 新闻推送机器人 前  言 1 环境准备 1.1 华为云开发环境 1.2 ModelArts 代金券与模型服务 1.3 启动 OpenClaw 网关 2 飞书开放平台配置 2.1 创建企业自建应用 2.2 添加机器人能力 2.3 配置应用权限 2.4 发布应用版本 3 OpenClaw 与飞书集成 3.1 配置 OpenClaw

By Ne0inhk
airsim无人机自动避障路径规划自动跟踪实验辅导

airsim无人机自动避障路径规划自动跟踪实验辅导

计算机人工智sci/ei会议/ccf/核心，擅长机器学习，深度学习，神经网络，语义分割等计算机视觉，精通大小lun文润色修改，代码复现，创新点改进等等。文末有方式 2025-2026最容易出顶会/毕业论文的热门方向之一：   基于AirSim的无人机深度强化学习路径规划——你真的“卷”对了吗？ 如果你现在还在做传统A*、RRT、DWA、人工势场、或者纯深度学习的端到端避障…… 那很抱歉，2025年底～2026年审稿人和答辩老师已经开始审美疲劳了。 真正让审稿人眼睛一亮、让毕业答辩现场鸦雀无声的关键词组合，现在大概长这样： AirSim + 深度强化学习 + 无人机 + 路径规划 + Sim-to-Real + 视觉/激光融合 + 端到端 + 稀疏奖励 下面这几个组合，几乎是目前最容易做出“看上去就很前沿”的实验结果的赛道（尤其适合发中文核心、EI、SCI三区~二区，以及部分顶会workshop）： 1.DQN/DDPG/

By Ne0inhk

【无人机避障算法核心技术】：揭秘五种主流算法原理与实战应用场景

第一章：无人机避障算法概述 无人机避障算法是实现自主飞行的核心技术之一，其目标是在复杂环境中实时感知障碍物，并规划安全路径以避免碰撞。随着传感器技术和计算能力的提升，避障系统已从简单的距离检测发展为融合多源信息的智能决策体系。 避障系统的基本组成 典型的无人机避障系统包含以下关键模块： * 感知模块：利用激光雷达、超声波、立体视觉或RGB-D相机获取环境数据 * 数据处理模块：对原始传感器数据进行滤波、特征提取和障碍物识别 * 决策与规划模块：基于环境模型生成避障轨迹，常用算法包括A*、Dijkstra、RRT和动态窗口法（DWA） 常见避障算法对比 算法优点缺点适用场景A*路径最优，搜索效率高高维空间计算开销大静态环境全局规划DWA实时性强，适合动态避障局部最优风险室内低速飞行RRT*渐进最优，适应复杂空间收敛速度慢三维未知环境 基于深度学习的避障方法示例 近年来，端到端神经网络被用于直接从图像生成控制指令。以下是一个简化的行为克隆模型推理代码片段： import torch import torchvision.transforms as tran

By Ne0inhk