【工具】Git 和小乌龟安装与使用

一、安装

        Git 是命令行的方式使用,小乌龟是 Git 的可视化工具,点点点就能执行命令行操作。因此,先安装 Git,再安装小乌龟,小乌龟安装的时候需要配置 Git 的 .exe 文件路径。

1、安装 Git

        一路默认,安装路径可以改到 D 盘。

        取消勾选,完成。

        安装好后,点击鼠标右键可以看到:

2、安装小乌龟

        一路默认,可以改小乌龟安装路径。

        检查一下配置的 git.exe 路径对不对。

二、使用

1、配置 git 操作身份

        配置远程仓库账号的用户名、邮箱,多人协作操作仓库时能识别操作人的身份。

2、SSH协议传输配置

        git 有两种传输协议,HTTPS 和 SSH。SSH 方式需要创建密钥:git bash 执行

ssh-keygen -t rsa -C "用于备注这个密钥是哪个设备的"

       一路 enter,注意密钥所在路径:

        私钥不要泄露,公钥配置到远程仓库自己的账号里:

        配置小乌龟的 ssh.exe 文件路径:git bash 查一下 ssh 在哪

3、将本地已有仓库推送到远程

        在创建好的项目下面创建本地仓库

        创建一个新的远程仓库路径(注意不要点初始化 readme 文件,相当于在远程仓库 git init 了,会跟本地的 .git 冲突),复制 SSH 地址:

        然后小乌龟(应该是先 add 的,但是 commit 直接自动 add 了)commit 把文件提交到本地仓库:

        同步,配置远程仓库的名字、地址,push 推送到远程仓库:

Read more

Claude Code的完美平替:OpenCode + GitHub Copilot

引言:Claude 虽好,但你真的能用上吗? 在当前席卷全球的“Vibe Coding”浪潮中,Anthropic 推出的 Claude 系列模型 + 终端工具 Claude Code,凭借极强的逻辑推理能力,成为了开发者眼中的“白月光”。但现实是残酷的:对于中国开发者而言,账号随时被封、海外信用卡支付遭拒、API 额度受限以及复杂的网络环境,构成了一道难以逾越的门槛。 虽然最近国产编程模型不断发力,Claude Code + GLM-4.7的表现非常出色,但面对复杂问题,Claude系列模型依然完胜。难道我们只能眼馋Claude全家桶的编程体验吗? 作为一名追求极致生产力的开发者,我发现了一个绝佳的完美替代方案:OpenCode + GitHub Copilot。这个组合不仅能让你享受如 GLM-4.7 一样的性价比,还能更方便的使用 Claude 的顶级模型。 Claude Code 的开源免费平替:OpenCode 想要复刻

By Ne0inhk
Git下载及安装保姆级教程(内附快速下载方法)!

Git下载及安装保姆级教程(内附快速下载方法)!

Git 下载及安装保姆级教程(适用于 Windows/macOS/Linux),含详细步骤和避坑指南: 一、下载 Git 1. Windows 用户 官方下载地址:https://git-scm.com/download/win (自动识别系统位数,点击下载 64-bit Git for Windows Setup) PS:由于一些原因,Git安装包下载速度较慢,可以复制资源链接下载本文的资源 https://pan.q删掉憨子uark.cn/s/8c425974eae3 2. macOS 用户 * 方法2: 下载官方安装包:https://git-scm.com/download/mac 方法1(推荐): 打开终端 → 安装

By Ne0inhk

git详细使用教程

文章目录 * 一、 git介绍与安装 * 1、git介绍 * 2、git的安装 * 3、git使用前的说明 * 二、git的基础使用 * 1、走进git之前 * 2、git基础使用 * 1、`git init` 项目初始化(`init`)成仓库(`repository`) * 2、`git add` 管理文件 * 3、`git commit` 把文件提交到仓库,命令: * 三、git 的高级使用 * 1、git的高级使用1 * 1、`git reset --hard 版本号` 版本回滚 * 2、`git reflog` 查看所有的提交记录 * 2、git 的高级使用2 * 1、

By Ne0inhk

verl框架核心优势一文详解:开源+高性能RL训练

verl框架核心优势一文详解:开源+高性能RL训练 verl 是一个灵活、高效且可用于生产环境的强化学习(RL)训练框架,专为大型语言模型(LLMs)的后训练设计。它由字节跳动火山引擎团队开源,是 HybridFlow 论文的开源实现。 1. verl 介绍 verl 是一个面向大模型时代、专为 LLM 后训练阶段打造的强化学习训练框架。它的出现填补了当前在大规模语言模型 RL 训练中缺乏高效、可扩展、易集成工具的空白。作为 HybridFlow 论文的官方开源项目,verl 不仅具备扎实的理论基础,更在工程实现上追求极致性能与灵活性,目标是让复杂的 RL 流程变得像调用 API 一样简单。 1.1 灵活易用的设计理念 verl 的一大亮点在于其高度模块化和用户友好的架构设计,使得无论是研究者还是工程师都能快速上手并进行定制开发。 易于扩展的多样化 RL 算法支持 verl 采用了一种创新的

By Ne0inhk