记录了 VNCTF 2026 Web 赛道的四道题目解题过程。第一题通过 Data 协议文件包含及短标签绕过实现代码执行；第二题针对加密登录参数使用 Python 脚本模拟爆破；第三题利用 Pandoc 的 EPUB 资源抓取机制读取 Flag；第四题为 Python 沙箱逃逸，通过特殊 Unicode 字符绕过过滤并遍历类属性获取环境变量中的 Flag。
基于 Stable Diffusion WebUI 和 AnimateDiff 插件的 AI 图生图及视频生成完整工作流。内容涵盖环境搭建、硬件要求、模型选择、提示词编写技巧、关键参数设置（如帧数、运动幅度）、实战案例演示以及常见问题解决方案。通过规范化的操作流程和参数调整，帮助用户解决视频闪烁、人物变形等问题，实现高质量的静态图片动态化生成。
一个开源的 DJI DroneID 信号分析工具集。该工具基于软件定义无线电（SDR）技术，支持从原始 IQ 数据捕获到最终数据帧解析的全流程。核心功能包括 ZC 序列检测、频率校正、OFDM 符号提取及 Turbo 码解码。技术栈采用 MATLAB/Octave 脚本进行核心算法实现，配合 C++ 高性能解码模块及 GNU Radio 实时处理。文档详细说明了环境配置、标准分析流程、关键算法原理及常见问题解决方案，适用于无人机通信机制…
本文介绍了从零构建 AI 量化交易系统的完整流程，涵盖数据层、策略引擎、回测框架、风控模块及执行系统。内容包括数据源选择（Tushare/AKShare）、数据清洗与特征工程（技术指标与情绪因子）、AI 模型设计（随机森林/XGBoost/LSTM）、策略回测（Backtrader）及实盘对接。重点讲解了数据标准化、时间序列对齐、交叉验证防过拟合以及动态仓位控制等关键技术点，为量化投资提供技术参考。
本文介绍了鸿蒙电商购物全栈项目中商品浏览与智能推荐功能的实现方案。内容涵盖商品浏览的基础架构设计，包括商品分类、搜索及详情展示的工具类实现。同时深入讲解了智能推荐模块，涉及用户行为分析、推荐算法应用及结果展示的具体代码逻辑。最后提供了项目配置文件修改、HAP 编译部署及功能验证步骤，帮助开发者构建具备良好用户体验和推荐效果的鸿蒙电商应用。
本文整理了四道 C++ 二级操作题真题及详细解析。内容涵盖 Score 类设计与字符串处理、Shape 抽象类与多态应用、链表栈的实现以及设备开关的多态控制。重点讲解了构造函数初始化、虚函数机制、内存管理技巧及对象组合关系，适合备考计算机等级考试的考生参考。
本文介绍了 C++ STL 的基础概念与核心价值，阐述了泛型编程思想及 STL 六大组件（容器、迭代器、算法、函数对象、适配器、分配器）的作用。通过代码示例展示了容器的创建与算法的使用，并详细分析了序列容器（vector、deque、list）和关联容器（set/map）的特点及适用场景，强调了合理选型对性能的影响。
汇总了 Llama Factory 大模型微调过程中的常见问题及解决方案，涵盖环境配置（CUDA 版本、依赖冲突）、数据准备（格式、内存）、训练报错（显存不足 OOM、损失 NaN）、模型保存加载、Web UI 启动及性能优化建议。通过调整参数、检查环境及规范数据格式，可有效解决大部分微调障碍。
本文对比了 AWS、Azure、GCP 与 DigitalOcean 四大云服务商。传统三巨头功能全面但复杂昂贵，适合大型企业及高合规场景；DigitalOcean 以简单、透明定价和低成本流量见长，更适合中小企业及初创团队。特别是在 AI 算力与出海网络方面，DigitalOcean 提供了高性价比方案。技术选型需根据架构复杂度、成本敏感度及业务规模决定。
介绍如何使用 Python 结合 OpenAI API 开发一个智能 PDF 文档助手。项目支持 PDF 读取、内容摘要生成、关键词提取及交互问答功能。通过模块化设计（config.py, pdf_reader.py, ai_client.py, main.py），实现了命令行界面的友好交互与流式输出。文章涵盖环境配置、核心代码实现、使用示例及进阶扩展建议，适合希望快速上手 AI 应用开发的开发者参考。
Flutter 三方库 ml_algo 在 OpenHarmony 生态下的端侧计算适配与重构方法。ml_algo 作为纯 Dart 编写的机器学习库，避免了重型原生依赖，适合鸿蒙低时延和长续航场景。文章详细解析了其基于 SIMD 的线性代数原理，提供了 pubspec.yaml 依赖配置、Worker 线程调度建议及 CSV 资源加载方案。通过线性回归、逻辑回归和决策树的代码示例，展示了在健康管理和财务预测等场景下的离线智能决策实现，…
回顾了人工智能从 1956 年达特茅斯会议诞生至今的发展历程。内容涵盖符号主义、专家系统、机器学习及深度学习的演变，分析了大数据与算力对深度学习爆发的推动作用。同时探讨了当前 AI 在产业化应用中的成果及其局限性，如窄域 AI、数据依赖、偏见及黑箱问题。文章旨在帮助读者站在历史高度理解技术现状与伦理挑战。
基于昇腾 910B 硬件平台，对 Meta 开源大模型 Llama-2-7b 进行了深度测评与部署实践。内容涵盖昇腾架构优势、Llama-2-7b 模型特性、环境配置与验证流程、模型加载策略及多维性能评估。测试结果显示，在 FP16 精度下，模型加载耗时约 8.86 秒，平均响应时间 15.75 秒，在知识问答、代码生成等任务中表现稳定。验证了昇腾算力支持主流大模型推理的可行性，为国产 AI 算力生态落地提供参考。
Fish-Speech 1.5 是一款基于双自回归 Transformer 架构的高效语音合成模型。如何通过现成镜像在 5 分钟内部署其 WebUI 和 API 服务。内容包括环境准备、WebUI 界面操作（文本输入、声音克隆、参数调整）、API 接口调用示例（Python 及 cURL）以及服务管理与故障排查。该方案支持中文界面，提供稳定的 Supervisor 管理服务，适合集成到自动化播报系统或进行 AI 语音创作。
LLaMA-Factory 命令行工具 llamafactory-cli 支持模型微调、评估及部署。介绍常用命令，包括版本检查、可视化界面启动、命令行与网页聊天、API 服务开启，以及训练、评估和导出流程。通过灵活组合这些命令，可快速搭建大模型应用环境。
Stable Diffusion API 的本地部署流程及配置方法。首先需准备 NVIDIA 显卡及 Python 3.10.6 环境，通过 Git 克隆官方项目并安装依赖。启动时需添加 --api 参数以启用接口服务，默认监听 7860 端口。为增强安全性，建议在启动脚本中配置 --api-auth 参数实现 Basic Authentication 认证。完成上述步骤后，即可通过 HTTP 请求调用 API 进行图像生成操作。
介绍使用 LLaMA-Factory 进行大模型微调的完整流程。涵盖容器与本地安装部署、数据集准备（Alpaca/Sharegpt 格式）、基于 Qwen3-1.7B 的 LoRA 指令微调配置、训练参数调优及效果评估指标（BLEU/ROUGE）。最后演示了 LoRA 模型合并导出为 GGUF 格式，并通过 Ollama 进行本地推理部署。适合希望快速上手开源大模型微调的开发人员参考。
RaceVLA 项目，这是一个将视觉语言动作（VLA）模型应用于竞速无人机自主导航的系统。它基于斯坦福 OpenVLA 模型优化，通过 FPV 视频流和自然语言指令直接生成 4D 控制向量，实现了从感知到控制的端到端学习。系统采用分布式架构，服务器端运行 VLA 模型，无人机端负责传感器融合与底层控制。相比传统方法，RaceVLA 具备更强的泛化能力和实时性，支持连续控制策略，使无人机能像人类飞行员一样在动态环境中执行复杂任务。
GeoAI 是一个用于地理空间数据分析的 Python 包，结合人工智能技术。其核心功能，包括卫星影像智能分析、LiDAR 数据处理、实时变化检测和目标识别。内容涵盖安装方法（pip/conda）、基础代码示例以及建筑物提取、水体监测、土地覆盖分类等实战场景。此外还分享了批量处理、自定义模型训练及结果可视化等进阶技巧，旨在帮助开发者快速掌握地理空间 AI 分析技能。
OpenClaw 是一个开源本地优先 AI 智能体平台，旨在通过自然语言指令实现全场景任务自动化。其核心技术包括分布式算力群岛原则、Her 提示词协议及 MemBrain 跨模态记忆系统。架构上从单体重构为插件化以提升扩展性与安全性。支持多模型中立策略及移动端覆盖。面临安全漏洞挑战，官方已加强加密与沙盒隔离。提供云部署与本地部署两种方案，未来将聚焦安全加固与生态规范化。
