从零开始的Web3学习 2| Bitcoin 到 Etherum (智能合约的出现)

从零开始的Web3学习 2| Bitcoin 到 Etherum (智能合约的出现)

1. 比特币BTC一 区块链1.0

1.1 比特币的诞生

历史背景

  • 2008年,署名为“中本聪”的神秘人物发布了论文《比特币:一种点对点式的电子现金系统》首次提出了比特币的概念。
  • 2009年,比特币软件发布并正式启动了比特币金融系统,中本聪逐渐淡出人们的视野,至今他(或他们)的身份仍是未解之谜。
  • 重要背景:08年的次贷危机和金融危机,中本聪希望通过比特币创造一种全球自由流动、不受政府监管和控制的数字加密货币。
1.2 比特去中心化与分布式账本
去中心化的定义
  • 比特币通过去中心化的方式,不受任何个人或机构控制,能够自动运行。
  • 传统金融系统如支付宝依赖于中心化服务器,存在单点故障的风险(如黑客攻击、企业破产)。
  • 比特币的解决方案:通过分布式账本技术,每个运行比特币软件的设备都可以成为一个节点,这些节点共同维护区块链,确保数据的安全性和一致性。
共识机制
  • 比特币使用的工作量证明(Proof of Work)机制,确保只有超过50%的节点同意时,区块链数据才能被修改。
  • 重要数据:截至2021年1月,比特币全球节点数为11703个,篡改数据几乎不可能,因为需要控制51%的节点(约5968个)才能成功。
1.3 矿工与比特币
挖矿的概念
  • 挖矿是运行比特币软件,猜测区块链中下一个区块的加密值,成功猜中后即可获得比特币奖励。
  • 经济激励:金钱驱动力让越来越多的人参与到比特币网络的维护中,形成了比特币挖矿产业。
1.4 比特币的缺陷

<

Read more

论文AI率多少算正常?各高校AIGC检测标准汇总解读

论文AI率多少算正常?各高校AIGC检测标准汇总解读

论文AI率多少算正常?各高校AIGC检测标准汇总解读 “我的论文AI率23%,能过吗?” 这可能是2026年毕业季被问得最多的一句话。问题在于,没有一个放之四海而皆准的答案——你在清华和在地方院校面临的标准完全不同,本科和硕士的要求也不一样,甚至同一所学校不同学院之间都可能存在差异。 本文将尽可能完整地梳理2026年各高校的AIGC检测标准,帮你准确判断自己的论文处于什么位置,以及需要达到什么水平。 一、先搞清楚一个前提:检测平台的差异 在讨论"多少算正常"之前,必须先明确一个经常被忽略的问题:不同检测平台对同一篇论文给出的AI率可能相差很大。 目前国内高校采用的AIGC检测平台主要有四家:知网、维普、万方、大雅。其中知网占据主导地位,大部分985/211院校和相当比例的普通本科院校都采用知网检测。 同一篇论文在不同平台上的检测结果可能差距悬殊。一篇文章在知网检测显示AI率28%,在维普上可能显示42%,在万方上又可能只有15%。这种差异源于各平台采用的检测算法和训练数据不同。 所以当你对照标准评估自己的论文时,一定要搞清楚你的学校用的是哪个平台,然后在对应平台上做检

AI驱动的自动化运维机器人:从“数字劳动力”到“智能协作者”的进化

AI驱动的自动化运维机器人:从“数字劳动力”到“智能协作者”的进化

在IT运维的战场上,一场静默的革命正在发生。传统的人力运维模式,面对日益复杂的混合云架构、海量微服务与瞬息万变的业务需求,已显露出疲态。重复、繁琐、高风险的日常操作消耗着工程师的精力,而突发的故障与变更则让他们疲于奔命。企业亟需一种全新的力量,来打破人力瓶颈,释放创新潜能。 AI驱动的自动化运维机器人,正是这股破局之力。它并非冰冷的脚本集合,而是融合了UI自动化、人工智能(AI)与智能编排的“数字员工”。它能够模拟人类操作,理解复杂意图,并自主执行从日常巡检到故障自愈的全链路任务,标志着运维从“人力密集型”向“人机协同智能化”的根本性转变。 一、传统运维的“人力困局”:在重复与风险中内耗 运维工程师的日常,常常陷入一种价值感低迷的循环: 1. “永动机”式的重复劳动:每日登录数十个系统查看状态、手动执行数百台服务器的补丁更新、反复填写格式化的巡检报告、在多个平台间“搬运”数据以创建工单……这些高度重复、规则明确的工作,占据了工程师70%以上的时间,却难以带来成长与成就感。 2.

ComfyUI:AI绘画与图像生成的高效工作流

ComfyUI:AI绘画与图像生成的高效工作流

引言:AI绘画工具的进化史 在AI绘画领域,从早期的GAN模型到如今的扩散模型,工具的进化始终围绕两个核心命题:生成质量与可控性。ComfyUI作为基于节点式流程的Stable Diffusion高级操作界面,通过可视化编程的方式将传统黑箱式生成过程显式化、流程化,用户可精准控制从模型加载到最终输出的每个步骤。其核心价值不仅在于"画得好",更在于"控得住"——通过模块化设计实现工作流的复用、复制与版本管理,成为AI图像、视频、3D商业化交付的底层操作系统。 技术解析:ComfyUI的界面设计与核心功能 界面架构:节点式编程的革命 ComfyUI的界面采用类似UE4蓝图的可视化编程架构,每个节点代表一个功能模块: # 示例:TimesTwo自定义节点代码classTimesTwo:@classmethoddefINPUT_TYPES(cls):return{"required":{"input1":("INT",{})}} RETURN_TYPES =("INT"

基于STM32的智能家居环境监测与控制系统设计

基于STM32的智能家居环境监测与控制系统设计

基于STM32的智能家居环境监测与控制系统设计 摘要 本论文设计并实现了一种基于STM32F103C8T6单片机的智能家居环境监测与控制系统。系统通过集成多参数环境传感器,构建了完整的家居环境感知-决策-执行闭环,实现了对室内温湿度、烟雾浓度、一氧化碳、空气质量、光照强度及大气压强的精准监测。设计采用模块化架构,利用OLED显示屏进行本地数据可视化,通过步进电机控制窗户开闭实现自动通风,结合LED照明系统调节室内光线,并借助ESP8266-WIFI模块接入机智云平台实现远程监控。系统支持手动模式(APP远程控制)与自动模式(阈值触发联动)双模式运行,创新性地引入用户习惯学习的阈值自适应机制,显著提升系统个性化体验。测试表明,系统在典型家居环境中温湿度误差<±2%,气体浓度误差<±5%,关键安全事件响应时间<3秒,WIFI连接成功率>98%,功耗控制在待机<1W的水平。本设计不仅有效提升了家居环境的安全性与舒适度,还通过智能化管理降低了能源消耗,为低成本、高可靠性的智能家居系统开发提供了实践范本。 关键词:STM32;智能家居;环境监测;WIFI通信;机智云;自动控制;多传感器融