DanLi 脚本的使用

DanLi    脚本的使用
# 文章目录 - [前言](#%E5%89%8D%E8%A8%80) - [一、DanLi是什么?](#%E4%B8%80%E3%80%81danli%E6%98%AF%E4%BB%80%E4%B9%88%EF%BC%9F) - [二、使用步骤](#%E4%BA%8C%E3%80%81%E4%BD%BF%E7%94%A8%E6%AD%A5%E9%AA%A4) - [1.DanLi代码](#1danli%E4%BB%A3%E7%A0%81) - [2.所使用的代码,需要在Awake中添加代码](#2%E6%89%80%E4%BD%BF%E7%94%A8%E7%9A%84%E4%BB%A3%E7%A0%81%EF%BC%8C%E9%9C%80%E8%A6%81%E5%9C%A8awake%E4%B8%AD%E6%B7%BB%E5%8A%A0%E4%BB%A3%E7%A0%81) - [3.当需要调用的时候,可以直接调取脚本中公开的方法](#3%E5%BD%93%E9%9C%80%E8%A6%81%E8%B0%83%E7%94%A8%E7%9A%84%E6%97%B6%E5%80%99%EF%BC%8C%E5%8F%AF%E4%BB%A5%E7%9B%B4%E6%8E%A5%E8%B0%83%E5%8F%96%E8%84%9A%E6%9C%AC%E4%B8%AD%E5%85%AC%E5%BC%80%E7%9A%84%E6%96%B9%E6%B3%95) --- ## 前言 提示:这里可以添加本文要记录的大概内容: 例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。 提示:以下是本篇文章正文内容,下面案例可供参考 ## 一、DanLi是什么? DanLi脚本,方便不同代码的调用。 ## 二、使用步骤 ### 1.DanLi代码 代码如下: ```csharp using System.Collections; using System.Collections.Generic; using UnityEngine; public class DanLi { static DanLi _DL; public Login Login;//项目中的脚本 public static DanLi GetDL { get { if (_DL == null) { _DL = new DanLi(); } return _DL; } } } 

2.所使用的代码,需要在Awake中添加代码

代码如下:

void Awake() { if (DanLi.GetDL.Login == null) { DanLi.GetDL.Login = this; } } 

3.当需要调用的时候,可以直接调取脚本中公开的方法

方法1:

DanLi.GetDL.Login.FunChangeScence(); 

方法2(适用于多处代码的调用):

Login Login; void Start() { Login = DanLi.GetDL.Login; } void FunUse() { Login.FunChangeScence(); } 

Read more

Agent篇---Dify:2026年领先的开源LLM应用开发平台

Agent篇---Dify:2026年领先的开源LLM应用开发平台

一、平台概述 Dify(发音同"Diffy")是一款开源的大语言模型(LLM)应用开发平台,旨在降低AI应用开发门槛,让开发者和非技术人员都能轻松构建、部署和运营生成式AI原生应用。它融合了Backend as Service (BaaS) 和 LLMOps 的理念,提供了从模型接入、Prompt编排、知识库管理到工作流可视化的全链路解决方案。 截至2026年3月,Dify已发展为企业级AI微服务网关,最新稳定版本为v1.10.1(2025年11月发布),支持多数据库矩阵(PostgreSQL/MySQL/OceanBase)、非root容器运行等企业级特性,广泛应用于金融、政务等强监管场景。 二、核心特性与优势 🎯 1. 可视化工作流编排(Workflow Studio) * 拖拽式节点编辑:通过图形化界面连接LLM、知识库、API工具、条件判断等节点 * 乐高式搭建:无需编写代码,1-3小时即可构建客服机器人、

BoltzGen: 安装与使用,来自MIT团队生成式人工智能开源模型用于大分子binder设计

BoltzGen: 安装与使用,来自MIT团队生成式人工智能开源模型用于大分子binder设计

代码地址:https://github.com/HannesStark/boltzgen 文章来源:https://hannes-stark.com/assets/boltzgen.pdf BoltzGen开发背景 2024 年,麻省理工学院 Jameel Clinic 研究团队推出了开源的 Boltz-1 模型。Boltz-1 采用扩散模型与 Transformer 架构相结合的生成体系,能够在原子级别预测蛋白质、RNA、DNA 及小分子复合物结构。其灵活的条件化接口,让模型能针对特定结合位点或分子构象进行精准建模,极大拓宽了其产业应用范围,从新型抗体设计、酶工程优化,到小分子配体筛选,都能在 Boltz-1 框架下实现端到端预测,大大降低了生物计算的进入门槛。 2025 年,麻省理工学院 Jameel Clinic 团队在 Boltz-1 的基础上推出了 Boltz-2 模型。

开源:AI+无人机巡检系统项目调研

主流开源AI无人机巡检项目调研 本部分系统梳理了当前主流的开源无人机巡检相关项目,涵盖飞控系统、地面站软件、AI视觉识别、数据处理等多个技术栈,为商业化产品开发提供技术选型参考。 一、飞控与地面站开源项目 1.1 PX4 Autopilot 项目地址:github.com/PX4/PX4-Autopilot 开源协议:BSD 3-Clause 项目简介:由Dronecode基金会(Linux基金会旗下)维护的专业级开源自动驾驶仪软件,是全球最广泛使用的无人机飞控系统之一。支持多旋翼、固定翼、垂直起降等多种机型,广泛应用于工业无人机和科研领域。 核心能力:飞行控制、任务规划、传感器融合、MAVLink通信协议、硬件抽象层、模块化架构 1.2 ArduPilot 项目地址:github.com/ArduPilot/ardupilot 开源协议:GPLv3 项目简介:历史最悠久的开源自动驾驶仪项目,社区活跃度极高。

阿里云全品类 8 折券限时领,建站 / AI / 存储通用 立即领取