Realtek 8922AE Ubuntu22.04 无WiFi驱动解决

Realtek 8922AE,在下载驱动的时候可能有前缀rtw、RTL,具体我没太区分,尝试了好几个版本,现记录最傻瓜式的安装方式(如果是双系统,驱动的型号在Windows下高级网络设置-硬件和连接属性中可以看,在ubuntu中,本人设备是拯救者7000p,使用 lspci | grep -i Network 可看)

注意,确保你先使用某种方式能连上网(有线\手机USB)

首先需要设定BIOS的Secure Boot 为disabled

可通过指令查询:

mokutil --sb-state

结果为SecureBoot disabled即可,否则先关机设置,拯救者是按F2进BIOS,备选方案是使用以下指令,将驱动对应的公钥(mok.pub)导入到系统中。导入后,后续还需要在计算机重启时进入 “Machine Owner Key (MOK)” 管理界面,选择注册刚刚导入的密钥,完成签名验证流程:

sudo mokutil --import /var/lib/dkms/mok.pub

但我没尝试过备选,建议改SecureBoot,随后正式开始:

git clone https://github.com/morrownr/rtw89.git cd rtw89

清理系统中可能存在的冲突驱动:

sudo make cleanup_target_system

编译并安装驱动

make clean modules && sudo make install

安装固件

sudo make install_fw

复制配置文件

sudo cp -v rtw89.conf /etc/modprobe.d/ 

到此可以选择modprobe加载内核模块,但当系统重启时,内核会自动扫描 /lib/modules/$(uname -r)/ 等默认目录中已安装的模块,并根据 /etc/modprobe.d/ 下的配置文件(包括你复制的rtw89.conf)来决定加载哪些模块。

所以最简单的,重启电脑就好了。

最后如果要卸载驱动:

sudo make uninstall sudo rm -f /etc/modprobe.d/rtw89.conf

此外,如果固件有问题,可从openwrt官网获取固件包

https://pkgs.org/download/rtl8922ae-firmware

Read more

【保姆级教程】从零入手:Python + Neo4j 构建你的第一个知识图谱

【保姆级教程】从零入手:Python + Neo4j 构建你的第一个知识图谱

摘要: 大数据时代,数据之间的关系往往比数据本身更有价值。传统的 SQL 数据库在处理复杂关系(如社交网络、推荐系统、风控分析)时显得力不从心,而 知识图谱 和 图数据库 Neo4j 正是为此而生。本文将带你从 0 基础出发,理解知识图谱核心概念,安装 Neo4j 环境,并手把手教你用 Python 代码构建一个生动的人物关系图谱。拒绝枯燥理论,全是实战干货! 一、 什么是知识图谱与 Neo4j? 在动手写代码之前,我们先用大白话把两个核心概念捋清楚。 1. 什么是知识图谱 (Knowledge Graph)? 不要被高大上的名字吓到。知识图谱本质上就是把世界上的事物(节点)和它们之间的联系(关系)画成一张巨大的网。 * Excel 思维: 罗列数据。例如:张三,25岁;李四,

By Ne0inhk
近五年体内微/纳米机器人赋能肿瘤精准治疗综述:以 GBM 为重点

近五年体内微/纳米机器人赋能肿瘤精准治疗综述:以 GBM 为重点

摘要 实体瘤治疗长期受制于递送效率低、肿瘤组织渗透不足以及免疫抑制与耐药等问题。传统纳米药物多依赖被动累积与扩散,难以在肿瘤内部形成均匀有效的药物浓度分布。2021–2025 年,体内微/纳米机器人(包括外场驱动微型机器人、自驱动纳米马达以及生物混合机器人)围绕“运动能力”形成了三条相互收敛的技术路线: 其一,通过磁驱、声驱、光/化学自驱等方式实现运动增强递药与深层渗透,将治疗从“被动到达”推进到“主动进入”; 其二,与免疫治疗深度融合,实现原位免疫唤醒与肿瘤微环境重塑; 其三,针对胶质母细胞瘤(glioblastoma, GBM)等难治肿瘤,研究趋势转向“跨屏障递送(BBB/BBTB)+ 成像/外场闭环操控 + 时空可控释放”的系统工程。 本文围绕“运动—分布—疗效”的因果链条,总结 2021–2025 年代表性研究与关键评价指标,讨论临床转化所需的安全性、

By Ne0inhk

Moonshine专为端侧/边缘设备做的深度架构优化+可变长度推理+隐私原生+多语言强适配

一、架构与推理效率:端侧原生设计(核心优势) 1. 可变长度输入,无强制30秒窗口 * Whisper固定30秒块,短音频也要填充到30秒再处理,固定开销大。 * Moonshine支持任意长度音频,计算量与音频长度线性正比,短音频(1–3秒)速度提升5–15倍。 * 延迟:10秒音频在手机/树莓派上仅50–150ms,Whisper同条件约500–1500ms。 2. 轻量化Transformer+高效算子 * 基于Transformer但大幅精简,参数仅27M–245M(Tiny/Base/Medium),远小于Whisper同定位模型。 * 采用旋转位置嵌入(RoPE),更好捕捉语音时序,减少冗余计算。 * 推理引擎深度优化,支持INT8/FP16量化,内存占用再降70%+。 3. 流式/实时推理原生支持 * 内置流式解码,边录边转,无需等整段音频结束。 * 端到端延迟**<50ms*

By Ne0inhk
开发兜不住?让数据库来兜底:金仓 SQL 防火墙的工程化实践

开发兜不住?让数据库来兜底:金仓 SQL 防火墙的工程化实践

开发兜不住?让数据库来兜底:金仓 SQL 防火墙的工程化实践 在真实的生产环境中,数据库安全从来不是“写完代码就结束”的问题,而是一个贯穿系统生命周期的持续对抗过程。哪怕你已经严格执行参数化查询、ORM 框架封装、输入校验等规范,仍然无法保证系统绝对无注入风险——遗留系统、动态 SQL、第三方组件、甚至临时脚本,都会成为潜在突破口。 这也是为什么越来越多企业开始将防线下沉到数据库层:既然应用层不可控,那就让数据库成为最后一道“强制执行的安全边界”。 本文结合 KingbaseES 的 SQL 防火墙机制,从原理、模式设计到性能表现,讲清楚它是如何在工程上解决 SQL 注入问题的。 一、SQL 注入的本质:语义劫持,而不是“字符串拼接问题” 很多人对 SQL 注入的理解还停留在“拼接字符串不安全”,但从数据库视角来看,本质其实是: 攻击者篡改了 SQL 的语义结构(

By Ne0inhk