C++ 高效入门:从 C 语言到 C++ 的平滑过渡 (一)

C++ 高效入门:从 C 语言到 C++ 的平滑过渡 (一)

引言

本系列文章是笔者学习C++过程中的阶段性总结与心得,旨在为有需要的读者提供一份“从C到C++”的过渡参考。若文中存在疏漏或谬误,恳请各位在评论区不吝赐教,笔者将不胜感激。

需说明的是,本系列文章默认读者已具备扎实的C语言基础,因此对于与C语言重合的知识点(如基础语法、流程控制等)将不再赘述,聚焦于C++特有的核心特性与思维转换,助力读者高效入门C++。

C++ 高效入门系列链接

从“Hello World“ 开始 C++

一、数据类型

相信读者已熟悉C语言中此部分内容(与C++一致),故此处仅展示C++运行图供参考。

1.1 整型

#include<iostream> using namespace std;intmain(){//短整型short a =1;//整形int b =10;//长整型long b =100L;//长长整形longlong d =1000LL;return0;}

1.2 浮点型

#include<iostream> using namespace std;intmain(){//单精度float a =0.1f;//双精度double b =0.1;return0;}

1.3 字符型

#include<iostream> using namespace std;intmain(){char a ='A'; cout <<"a = "<< a << endl;return0;}

1.4 字符串

!!!此处与C语言有差异!!!
!!!此处与C语言有差异!!!
!!!此处与C语言有差异!!!

C++ 支持两种字符串定义方式:在使用C++风格时需要注意:
包含的头文件

在这里插入图片描述

1.5 布尔类型

在C99中C语言也引入了布尔类型。

布尔类型( bool ):
用于表示 真假的类型
true —— 1
false —— 0
在这里插入图片描述

二、数据的输入

2.1 关键字 cin

与C语言常见的 scanf函数 不同的是 C++中使用关键字cin 来输入数据。

语法:cin >> 变量

#include<iostream>#include<string> using namespace std;intmain(){//整型int num1 =0; cout <<"Before: "<< num1 << endl; cin >> num1; cout <<"After: "<< num1 << endl;//浮点数float num2 =0.12f; cout <<"Before: "<< num2 << endl; cin >> num2; cout <<"After: "<< num2 << endl;return0;}
在这里插入图片描述

三、运算符

相信读者已熟悉C语言中此部分内容(与C++一致),故此处仅展示C++运行图供参考。

3.1 加减乘除

在这里插入图片描述

3.2 赋值运算符

在这里插入图片描述

3.3比较运算符

在这里插入图片描述

3.4逻辑运算符

在这里插入图片描述

Read more

手把手教你降低AI率:10条指令打破机器逻辑,外加3个降ai工具推荐

手把手教你降低AI率:10条指令打破机器逻辑,外加3个降ai工具推荐

最近很多同学遇到一个共同的问题:论文明明是自己写的,或者已经手动修改了好几轮,但AIGC检测的结果依然很高。 这并非因为你没有努力修改,而是因为目前的检测算法已经发生了变化。过去的查重系统主要关注文字的重复率,而现在的降ai检测系统主要关注在AI生成的文本逻辑过于连贯、结构过于工整,而人类的真实写作往往包含逻辑上的停顿、观点的反复以及主观情绪的表达。 因此,想要有效降低ai率,仅仅进行同义词替换是无效的。我们需要从逻辑和语气层面入手,打破AI生成的完美结构。 本文将直接分享10个具体的改写指令,帮助你调整文章的逻辑与语气。同时,为了解决部分同学时间紧迫的问题,我也实测了3款市面上主流的降ai率工具,希望能为大家提供实质性的参考,帮助大家把数值从AI率99.9%降至5.7%。 一、 为什么手动修改依然无法通过检测? 在介绍具体方法之前,我们需要明确一个事实:许多网传的aigc免费降重方法之所以失效,是因为它们没有触及算法的核心。 目前的检测系统主要依据以下两个特征进行判定: 逻辑过于顺畅:AI生成的文章通常采用直线型逻辑,从论据直接推导至结论,缺乏人类思考时的犹豫和反复

By Ne0inhk
Flutter 组件 google_generative_language_api 适配鸿蒙 HarmonyOS 实战:生成式 AI 集成,构建大语言模型调度与全场景智能推理治理架构

Flutter 组件 google_generative_language_api 适配鸿蒙 HarmonyOS 实战:生成式 AI 集成,构建大语言模型调度与全场景智能推理治理架构

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 google_generative_language_api 适配鸿蒙 HarmonyOS 实战:生成式 AI 集成,构建大语言模型调度与全场景智能推理治理架构 前言 在鸿蒙(OpenHarmony)生态迈向全场景 AI 赋能、涉及高效的语义理解、自动化内容生成及严苛的端云协同智能隐私保护背景下,如何实现一套既能深度对接 Google 生成式语言模型(如 Gemini、PaLM)、又能保障异步请求高响应性且具备多模态输入处理能力的“AI 调度中枢”,已成为决定应用智能化水平与用户体验代差的关键。在鸿蒙设备这类强调分布式协同与端侧算力按需分配的环境下,如果应用依然采用低效的 REST 手写拼接,由于由于 payload 结构复杂性,极易由于由于“协议解析异常”导致鸿蒙应用在大模型推理环节发生由于由于由于由于通讯阻塞。 我们需要一种能够统一模型调用语义、支持流式(Streaming)响应且符合鸿蒙异步异步并发范式的

By Ne0inhk
【OpenClaw从入门到精通】第01篇:保姆级教程——从零开始搭建你的第一个本地AI助理(2026实测版)

【OpenClaw从入门到精通】第01篇:保姆级教程——从零开始搭建你的第一个本地AI助理(2026实测版)

摘要:本文聚焦2026年开源AI代理工具OpenClaw的本地部署与实操,从核心概念拆解入手,先厘清OpenClaw、Gateway、Skills、ClawHub的关联,再明确硬件系统要求与大模型API-Key准备要点,通过官方一键安装脚本完成本地部署,并配置阿里云百炼API实现大模型对接。以“让AI助理抓取开源中国热门项目”的虚拟实战案例,详细演示Skills调用流程,同时梳理部署中“命令找不到”“API-Key配置失败”等高频问题的解决方法。内容兼顾新手友好性与实操参考性,所有步骤均基于公开技术文档验证,案例为虚拟构建,代码仅作示例未上传GitHub,可指导读者快速搭建本地AI助理并验证核心功能。 优质专栏欢迎订阅! 【DeepSeek深度应用】【Python高阶开发:AI自动化与数据工程实战】【YOLOv11工业级实战】 【机器视觉:C# + HALCON】【大模型微调实战:平民级微调技术全解】 【人工智能之深度学习】【AI 赋能:Python 人工智能应用实战】【数字孪生与仿真技术实战指南】 【AI工程化落地与YOLOv8/v9实战】【C#工业上位机高级应用:高并发通信+性

By Ne0inhk
如何利用人工智能来实现“工学云”自动签到打卡

如何利用人工智能来实现“工学云”自动签到打卡

如何利用人工智能实现工学云自动打卡?告别手动签到,让AI帮你搞定考勤! 一、为什么需要自动打卡? 对于上班族、外勤人员或异地办公的打工人来说,每天手动签到简直是“噩梦”——   🔹 定位不准:明明在公司,系统却显示你在3公里外…   🔹 容易遗忘:一忙起来就漏打卡,月底考勤异常心塞!   🔹 日报周报凑字数:对着空白文档发呆,憋不出两行字…   如果能用AI自动完成这些琐事,该多爽?其实,现在已经可以实现了!   二、AI自动打卡的核心技术   要实现稳定、安全的自动签到,主要依赖以下技术:   1. 智能定位模拟    - 通过虚拟定位技术(如Android的Mock Location或iOS开发模式)模拟真实打卡位置,避免被系统检测为作弊。      - 进阶方案:结合Wi-Fi/IP地址模拟,让定位更“自然”。   2. 自动化脚本(RPA)      - 用Python、Auto.js等工具编写脚本,自动点击工学云APP的签到按钮。      -

By Ne0inhk