Git BASH安装教程

什么是 Git Bash?

简单来说,Git Bash 是为 Windows 系统提供的模拟 Linux 风格的 Bash 命令行环境,主要用于运行 Git 命令。Bash 是 Linux 和 macOS 用户常用的命令行工具,而 Windows 自带的命令提示符与它不兼容。因此,Git for Windows 软件包中包含了 Git Bash,让你可以在 Windows 上使用熟悉的 Bash 语法来操作 Git 和进行文件管理

第一步:下载 Git for Windows

Git Bash 是 Git for Windows 的一部分,所以安装 Git 的同时就会自动装上 Git Bash。

访问官网:打开浏览器,访问 Git 的官方网站:https://git-scm.com/

自动下载:网站会自动检测你的操作系统(Windows),并显示一个“Download for Windows”的按钮。点击这个按钮,即可下载最新版本的安装程序(.exe 文件)。

在这里插入图片描述


根据处理器选择对应的安装包下载

在这里插入图片描述

第二步:运行安装程序

下载完成后,找到并双击运行安装程序。根据你对定制化的需求,可以选择以下两种方式之一:

方式一:快速安装(适合大多数用户)

对于初学者或希望快速上手的朋友,最简单的方式就是一直点击“Next”,接受所有默认选项,最后点击“Install”即可完成安装。默认设置已经过优化,能够满足绝大多数开发场景。

方式二:自定义安装(了解关键配置)

如果你想了解每个步骤的含义,可以按照以下指南进行配置。以下是在安装向导中需要注意的几个关键点:

选择组件 (Select Components):建议保留默认勾选。其中 “Git Bash Here” 和 “Git GUI Here” 是非常实用的选项,它们会在你的文件夹右键菜单中添加快捷方式,方便你在特定目录下直接打开 Git Bash。

选择默认编辑器 (Choosing the default editor used by Git):Git 有时需要你输入提交信息,会打开一个文本编辑器。默认是 Vim,它对新手不太友好。你可以在此处下拉选择你熟悉的编辑器,如 Notepad++、Visual Studio Code 等。

调整 PATH 环境变量 (Adjusting your PATH environment)

推荐选择中间项:“Git from the command line and also from 3rd-party software”。这个选项会将 Git 添加到系统的 PATH 环境变量中,让你不仅在 Git Bash,还能在 Windows 自带的命令提示符 (CMD) 或 PowerShell 中直接使用 Git 命令。

配置行结束符 (Configuring the line ending conversions)

推荐选择第一项:“Checkout Windows-style, commit Unix-style line endings”。这是因为 Windows 和 Linux/Unix 系统使用的换行符不同(CRLF 与 LF)。选择此项后,Git 在 Windows 上下载代码时会自动转换为 CRLF 以适应 Windows 工具,在你提交代码时又会自动转换回 LF,从而避免因换行符不同导致的混乱。

选择终端模拟器 (Configuring the terminal emulator to use with Git Bash)

推荐选择:“Use MinTTY (the default terminal of MSYS2)”。MinTTY 功能更丰富,提供了更好的文本渲染和色彩支持,能带来更佳的终端体验。

完成上述关键选择后,一路点击“Next”直到“Install”,最后点击“Finish”完成安装。

第三步:验证安装与初步配置

打开 Git Bash:安装完成后,你可以在桌面或任意文件夹中点击鼠标右键,选择 “Git Bash Here” 来启动它。

在这里插入图片描述

验证版本:在打开的黑色窗口中,输入以下命令并回车,如果正确显示 Git 版本号,则说明安装成功:

git--version

Read more

AIGC率检测哪个比较靠谱?我的血泪史和最终答案

凌晨两点,宿舍楼的灯光灭了大半,只有我的屏幕还亮着。那是我硕士论文提交前的最后一晚,我用某免费工具跑了一遍检测——78%的AI率。盯着那个数字,我手心冒汗,一遍遍刷新页面,希望是系统出错了。可结果纹丝不动。问题是,那篇论文我熬了三个星期,每个字都是自己敲的。后来我才知道,那晚让我崩溃的,不是我的论文有问题,而是我信错了工具。从那以后,我把市面上能试的AIGC检测平台几乎都测了一遍。今天,我想把这些踩过的坑和最终的答案,原原本本讲给你听。 一、为什么AIGC检测结果差这么多? 1. 不同工具的算法,各玩各的 关键要点: * 有的工具用统计特征分析,看词汇分布、句法复杂度 * 有的用深度学习模型,捕捉文本的语义连贯性 * 有的干脆就是黑箱,你永远不知道它凭什么判 我的亲身经历:有一次,我把一段纯手写的实验方法描述贴进三个工具。第一个显示78%,第二个23%,第三个直接说“无法判断”。我对着三个结果发了半天呆,最后还是不知道该怎么办。宿舍的台灯发着昏黄的光,我盯着屏幕上三个并排的窗口,手指无意识地敲着桌子。室友问我怎么还不睡,

By Ne0inhk
【GitHub Copilot】Figma MCP还原设计稿生成前端代码

【GitHub Copilot】Figma MCP还原设计稿生成前端代码

这里写自定义目录标题 * Step1:让AI给你配置MCP * Step2:替换成自己的Figma密钥 * Step3:如何使用 Cursor+Figma MCP的教程已经很多了,由于我所在的公司采购的是GitHub Copilot,我研究了一下直接在vscode里利用GitHub Copilot接入Figma MCP进行设计稿还原代码,大获成功,这里分享我的步骤,希望能帮到你。 Step1:让AI给你配置MCP 在vscode中打开你的项目(我的例子是一个微信小程序),呼出github copilot对话框,模式选择Agent,模型建议Claude 3.7 Sonnet,提问: https://github.com/GLips/Figma-Context-MCP 如何配置能让你在vscode里使用这个mcp 之后跟着提示狂点下一步即可完成配置,如果有什么需要装的vscode插件它会自动帮你装,甚至自动生成了配置说明文档。 由于不能保证AI每次生成的答案都一致,这里附上我的运行结果作为参考,可以看到它在项目文件夹最外层建了一个.vscode文件夹,在sett

By Ne0inhk
AI的提示词专栏:LLaMA-2 与 Mixtral 的提示词调优技巧

AI的提示词专栏:LLaMA-2 与 Mixtral 的提示词调优技巧

AI的提示词专栏:LLaMA-2 与 Mixtral 的提示词调优技巧 本文围绕 LLaMA-2 与 Mixtral 两大模型的提示词调优展开,先分析二者核心特性,再针对性给出适配原则与实战技巧。LLaMA-2 因参数规模差异大、通用领域训练数据为主、指令敏感度低,需按参数分层设计提示词、补充领域知识、强化指令约束,还提供了结构化指令、Few-Shot 示例等 5 个实战技巧;Mixtral 凭借混合专家架构、长上下文窗口、强多语言能力,需引导激活对应专家模块、合理处理长文本、规范多语言输出,配套专家引导指令等 4 个技巧。文章还对比二者调优重点与适用场景,指出常见误区并给出避坑方案,最后总结核心思路并提供后续实践建议,助力开发者优化提示词、发挥模型性能。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、AI 创作、智能绘图等多个细分领域的知识整合起来。

By Ne0inhk
文心一言4.5开源模型测评:ERNIE-4.5-0.3B超轻量模型部署指南

文心一言4.5开源模型测评:ERNIE-4.5-0.3B超轻量模型部署指南

目录 * 引言:轻量化部署的时代突围 * 一.技术栈全景图:精准匹配的黄金组合 * 基础层:硬核环境支撑 * 框架层:深度优化套件 * 工具层:部署利器 * 二.详细步骤:精准匹配CUDA 12.6的黄金组合 * 准备环节 * 1.模型选择 * 2.配置实例 * 3.选择镜像 * 4.进入JupyterLab * 5.进入终端 * 6.连接到ssh * 系统基础依赖安装 * 1.更新源并安装核心依赖 * 2.安装 Python 3.12 和配套 pip * 解决 pip 报错 * 深度学习框架部署:PaddlePaddle-GPU深度调优 * FastDeploy-GPU企业级部署框架 * 1.安装FastDeploy核心组件 * 2.修复urllib3

By Ne0inhk