博客作者
网络协议开发者
353
已发布文章
12K
博客获赞
717K
博客浏览
第 6 页
OpenClaw 是一款开源 AI 助手项目，旨在将被动聊天机器人进化为主动数字员工。 OpenClaw 的核心特点及应用场景，重点演示了如何在本地环境通过千帆大模型 API 和 Node.js 部署 OpenClaw 服务，并完成与腾讯 QQ 机器人的对接配置，实现自动化任务处理。
介绍 AI 自动化测试平台的背景、底层框架及大厂实践。涵盖 Playwright、Midscene 等工具，对比传统与 AI 方案差异。总结页面理解、规划能力、断言机制、成本效率及场景适配五大重难点，并提出多模态融合、Agent 架构、大小模型协同等优化方案，为技术选型提供参考。
介绍基于 Qwen3-VL-4B-Thinking 和多模态大模型垂直微调实战，使用 Llama Factory 框架。内容包括数据集制作（格式转换）、环境配置（Conda、LLaMA-Factory）、训练参数设置（LoRA、SFT）及模型导出。通过清洗通用平台推广信息，提供标准化的技术实施流程，适用于企业级文档处理与结构化提取场景。
介绍基于 Arduino 与 6.5 寸轮毂电机的智能动态跟随机器人底盘方案。涵盖高扭矩动力架构、多模态感知融合（UWB/视觉/激光雷达）及分层控制策略。提供 UWB 定位、OpenMV 视觉、激光雷达 SLAM、超声波及蓝牙 RSSI 等多种跟随模式的代码实现与硬件选型建议。重点阐述 FOC 电机控制、PID 调参、电源管理及安全冗余机制，适用于物流搬运、…
企业数字化转型中决策环节面临的瓶颈，如人工化、非标准化及不可追溯等问题。介绍了低代码平台决策流能力的核心价值，包括可视化零代码建模、标准结构化执行、全链路可追溯及动态调整特性。详细阐述了决策流的技术架构，涵盖 9 类标准化节点、辅助设计工具及流程校验机制，并提供了独立运行与嵌入支持的两种应用场景。最后总结了其在降低建设成本、提升响应速度及统一决策标准方面的技…
介绍大模型时代人形机器人的感知体系升级。重点阐述视觉 - 语言模型（VLM）如 CLIP、BLIP、Flamingo 的应用，解析文本与视觉的语义对齐机制，包括统一嵌入空间构建、对比学习及跨模态注意力。同时探讨基于语言的视觉任务控制（VIF），展示如何从指令到感知再到行动闭环，支撑机器人在复杂场景中的理解与执行能力。
Reachy Mini 是一款开源桌面机器人，采用分层模块化架构设计。核心亮点包括六自由度斯图尔特平台、多模态传感器阵列及分布式电子控制系统。技术实现涵盖神经网络、物理引擎及解析运动学三种方案，基于 Zenoh 协议通信。适用于学术研究、人机交互研究及原型开发，推动开源硬件生态发展。
一套基于 SpringBoot2、Vue3、MyBatis-Plus 和 MySQL8.0 开发的交通管理在线服务系统。系统实现了用户管理、车辆信息管理、违章处理及在线缴费等功能。采用前后端分离架构，通过 JWT 进行身份验证，保障数据安全。数据库设计包含用户、车辆及违章记录表。文章提供了核心代码示例及技术架构说明，旨在为交通信息化管理提供解决方案。
CycleGAN 是一种用于无配对数据图像转换的生成对抗网络。它利用两个生成器和两个判别器构建循环一致性，实现风格迁移而不需匹配输入输出对。文章阐述了其核心原理，并以夏冬风景图转换为例说明应用场景。
深入解析了 HTTP Cookie 的定义、工作原理及分类，包括会话 Cookie 与持久 Cookie 的区别。详细阐述了 Cookie 的安全机制，如 Secure 和 HttpOnly 标志的作用，以及如何通过 Set-Cookie 头部控制生命周期和作用域。文章结合 C++ 代码示例，演示了如何在服务器端设置 Cookie、配置过期时间及路径限制，并…
MinerU 是一款将复杂 PDF 文档转换为 LLM 可用 Markdown 或 JSON 格式的工具，支持 Agentic 工作流。主要功能包括文档结构解析、多媒体提取、公式识别（LaTeX）、表格识别（HTML）及 OCR 支持。 MinerU 的环境准备（CPU/GPU 要求、Python 版本）、安装方法（pip、源码、Docker）、配置文件详解…
系统介绍了前端开发的核心技术栈：HTML 负责页面结构与常见标签（段落、图片、链接、表单等），CSS 负责页面样式与布局（选择器、颜色、尺寸、边距等），JavaScript 负责页面交互与行为（变量、函数、对象及 jQuery 库的使用）。文章提供了基础语法示例与代码片段，帮助读者建立前端基础知识体系。
Stable Diffusion 从 1.x 至 3.x 完成架构演进。1.x 基于 LDM+UNet，轻量高效；2.x 引入 OpenCLIP 增强文本理解；XL 系列采用双编码器与大参数 UNet，支持高分辨率；3.x 转向 MMDiT Transformer 原生架构，结合多编码器与 QK-Norm 优化稳定性。各版本在参数量、显存占用及推理速度上差异…
介绍 VS Code 远程连接服务器后 Github Copilot 失效的排查方法。主要步骤包括验证扩展安装状态、检查网络连通性、排查认证同步问题以及诊断扩展冲突。通过重置远程扩展缓存和重启连接通常可解决问题。核心关注点为扩展状态、认证同步及网络配置。
对比了 Claude Code、Cursor、Aider、GitHub Copilot、MetaGPT 及 OpenHands 六款主流 AI 编程工具。从技术特性、优缺点及部署门槛分析，涵盖命令行、IDE 插件及多智能体框架等不同形态。总结指出：日常开发首选 Cursor，极客用户可选 Aider 或 Claude Code，企业环境推荐 Copilot，…
探讨无人机精准空投中的视觉闭环技术。传统开环系统受环境因素影响大，无法修正误差。引入视觉系统后，无人机不仅能识别目标，更能量化实际落点与目标的偏差。通过目标识别、空间定位、投掷预测、落点观测及误差反推五个步骤，系统实现实时反馈与模型修正。这种机制使无人机具备持续学习能力，从'猜测世界'转向'校正世界'，从而在复杂环境中实现真正的可控与可靠。
探讨了为图像增强工具 GPEN 添加断点续传功能的可行性。分析了当前批量处理流程的中断风险，设计了基于服务器端文件记录的状态持久化方案。内容包括任务状态结构、处理流程改造、界面增强以及实现中的挑战（如状态一致性、资源清理）。通过优化状态更新机制和提供用户友好的进度管理，该方案能有效防止意外中断导致的数据丢失，提升大批量图片处理的可靠性与用户体验。
介绍基于 Python 和 Selenium 的 Web 自动化测试实战方案，以博客系统为例。涵盖测试范围明确、用例设计（登录、列表、详情）、脚本开发（通用工具类、模块测试、执行入口）及测试报告整合。通过模块化封装与断言验证，实现从用例到报告的全流程自动化，保障系统质量并减少重复人力成本。
深入解析 FPGA 比特流（Bitstream）的概念与本质。比特流是 FPGA 的配置数据，用于定义内部逻辑单元（如 LUT、触发器）和互连结构。文章对比了 FPGA 比特流与单片机 bin 文件的区别，指出前者重构硬件而后者执行指令。详细阐述了从 Verilog 代码到比特流的综合、布局、布线流程，以及.bit、.bin、.mcs 等文件类型的用途与存储…
梳理了 AI 大模型的系统化学习路线，分为四个阶段：初阶应用（Prompt 工程、架构）、高阶应用（RAG、Agent）、模型训练（微调、Transformer）及商业闭环（部署、合规）。内容涵盖从理论基础到实战部署的关键知识点，适合希望从入门到精通的开发者参考。
