VSCode中如何搭建JAVA+MAVEN开发环境?

一、前置条件(必须先安装)

在配置 VSCode 的 Maven 环境前,需要先安装好以下工具:

  1. JDK(推荐 JDK 8/11/17,Maven 对新版本 JDK 兼容性较好)
  2. Maven(官网下载 /apache-maven-3.6 + 版本)
  3. 配置环境变量:
  • 配置JAVA_HOME(指向 JDK 安装目录)
  • 配置MAVEN_HOME(指向 Maven 安装目录)
  • 把%MAVEN_HOME%\bin和%JAVA_HOME%\bin添加到系统Path中
  • 验证:打开终端执行 java -version 和 mvn -v,能正常输出版本信息即配置成功。

二、VSCode 配置步骤

1. 安装必备插件

打开 VSCode,在左侧扩展栏(Ctrl+Shift+X)搜索并安装以下插件:

  • Extension Pack for Java(微软官方 Java 扩展包,包含核心的 Java 开发工具)
  • Maven for Java(专门支持 Maven 项目的插件,提供 pom.xml 编辑、依赖管理、生命周期执行等功能)
  • Project Manager for Java(可选,方便管理多个 Java/Maven 项目)

2. 配置 VSCode 的 Java/Maven 路径(可选,自动识别失败时手动配置)

如果 VSCode 没有自动识别 JDK/Maven 路径,需要手动配置:

打开 VSCode 设置(Ctrl+,),搜索 java.configuration.runtimes,点击「编辑 in settings.json」。

添加 JDK 配置(示例为 JDK 11):

"java.configuration.runtimes": [ { "name": "JavaSE-11", "path": "你的JDK安装路径(如D:\\jdk-11.0.19)", "default": true } ]

搜索 maven.executable.path,设置 Maven 可执行文件路径(如D:\\apache-maven-3.9.6\\bin\\mvn.cmd)。

搜索 maven.settings.file,可选配置 Maven 的 settings.xml 路径(如D:\\apache-maven-3.9.6\\conf\\settings.xml,用于配置镜像、本地仓库等)。

3. 创建 / 打开 Maven 项目

方式 1:创建新的 Maven 项目

打开 VSCode 命令面板(Ctrl+Shift+P),输入 Maven: Create Maven Project,回车。

选择 Maven Archetype(推荐maven-archetype-quickstart,基础 Java 项目模板)。

选择 Archetype 版本(直接回车选最新即可)。

输入项目信息:

  • Group Id(如com.example,组织 / 包名前缀)
  • Artifact Id(如maven-demo,项目名)
  • Version(默认1.0-SNAPSHOT,回车即可)
  • Package(默认和 Group Id 一致,回车即可)

选择项目保存路径,等待 Maven 自动生成项目结构。

方式 2:打开已有的 Maven 项目

点击 VSCode 左侧「文件」→「打开文件夹」,选择 Maven 项目的根目录(包含 pom.xml 的目录)。

VSCode 会自动识别 Maven 项目,并加载依赖(首次加载可能需要几分钟,耐心等待)。

4. 验证环境是否正常

打开项目中的src/main/java/com/example/App.java(自动生成的测试类)。

右键点击文件,选择「Run Java」,终端会输出Hello World!,说明运行正常。

验证 Maven 命令:打开 VSCode 终端(Ctrl+),执行 mvn clean package,能成功打包生成target` 目录,说明 Maven 命令执行正常。

三、优化配置(可选,提升开发体验)

配置 Maven 镜像(加速依赖下载):

编辑 Maven 的settings.xml(路径:MAVEN_HOME/conf/settings.xml),添加阿里云镜像:

<mirrors> <mirror> <id>aliyunmaven</id> <mirrorOf>central</mirrorOf> <url>https://maven.aliyun.com/repository/public</url> </mirror> </mirrors>

设置本地仓库路径:

在settings.xml中添加:

<localRepository>你的本地仓库路径(如D:\\maven-repo)</localRepository>

总结

  1. 搭建核心:先安装并配置 JDK 和 Maven 的环境变量,再给 VSCode 装 Java 和 Maven 插件。
  2. 关键验证:通过「创建 Maven 项目 + 运行测试类 + 执行 mvn 命令」确认环境可用。
  3. 优化点:配置阿里云 Maven 镜像可大幅提升依赖下载速度,是必做的优化项。

整个过程完成后,你就可以在 VSCode 中正常开发、编译、打包 Java Maven 项目了。如果遇到依赖加载慢、插件识别失败等问题,优先检查环境变量和 VSCode 的 settings.json 配置是否正确。

Read more

3大开源修复模型横评:云端镜像快速部署,1天完成全面测试

3大开源修复模型横评:云端镜像快速部署,1天完成全面测试 你是不是也遇到过这样的情况:团队要选一个AI图像修复工具,大家各自在本地跑GFPGAN、CodeFormer、GPEN,结果有人用笔记本CPU跑,有人用高端显卡,测试速度、画质效果完全没法比?最后开会讨论时,谁的电脑配置高,谁的结果就“看起来更好”,根本没法做出公正决策。 这正是很多技术主管在搭建AI工具链时最头疼的问题——缺乏统一、可复现的测试环境。不同设备、不同依赖版本、不同参数设置,导致评估结果偏差巨大,选型变成“看运气”。 别急,今天我就来帮你解决这个痛点。我们不靠本地部署“拼电脑”,而是直接上云端标准化镜像环境,一键部署三大主流开源人脸修复模型:GFPGAN、CodeFormer 和 GPEN,在相同GPU资源下完成公平对比测试,1天内搞定从部署到出报告的全流程。 ZEEKLOG星图平台提供了预置好这三大模型的AI镜像,无需手动安装复杂依赖,不用折腾CUDA、PyTorch版本兼容问题,点击即用,还能对外暴露API服务,方便团队成员远程调用测试。整个过程就像租了一台“AI修复工作站”,谁都能用,结果可比对。

By Ne0inhk
手把手教你在GitHub上运行开源项目(新手必看版)

手把手教你在GitHub上运行开源项目(新手必看版)

📦 说在前面 GitHub这个程序员宝藏平台(我愿称之为代码界的金矿),每天都有成千上万的开源项目更新。但是很多新手朋友看到那些酷炫项目时,经常会遇到三大灵魂拷问:这项目怎么跑起来?需要装什么软件?报错了怎么办?今天咱们就用最接地气的方式,手把手教你从0到1运行GitHub项目! 🔧 准备工具包(装机三件套) 1. 代码编辑器(必装) 推荐直接上VS Code这个万金油,装好记得在扩展商店安装这两个插件: * GitLens(代码时光机,能看到每行代码的修改记录) * Code Runner(一键运行脚本的神器) (超级重要)👉 如果项目里有.vscode文件夹,一定要用VS Code打开,里面可能有预置的调试配置! 2. Git客户端(下载代码必备) Windows用户直接装Git for Windows,安装时记得勾选这个选项: Use Git and optional Unix tools from the Command Prompt (这样就能在CMD里用Linux命令了,真香!

By Ne0inhk
弃用MobaXterm,拥抱开源软件Tabby

弃用MobaXterm,拥抱开源软件Tabby

目录 * 引言 * MobaXterm * MobaXterm - Windows下的增强型终端 * 🚀 核心功能点 * 🖥️ X服务器功能 * 💻 终端功能 * 🌐 网络协议支持 * 📁 文件管理功能 * 🔧 高级功能 * 🎨 界面定制 * 📊 会话管理 * 🔌 插件系统 * 🔒 安全功能 * 📱 便携特性 * 🌍 多语言支持 * 📈 专业版增强功能 * 版本说明: * 🔹 家庭版 (Home Edition) * 🔸 专业版 (Professional Edition) * 企业使用建议: * 使用场景: * Tabby * Tabby - 现代化的终端模拟器 * 🚀 核心功能点 * 💻 终端功能 * 🎨 界面定制 * 🔗 网络连接功能 * SSH客户端 * 其他协议 *

By Ne0inhk
第4章:开源模型全景图:如何选择你的技术底座

第4章:开源模型全景图:如何选择你的技术底座

第4章:开源模型全景图:如何选择你的技术底座 引言 开源大模型生态正在经历爆炸式增长。截至2024年6月,HuggingFace平台托管的模型数量已超过50万个,每月新增数千个模型。面对如此庞杂的选择,技术决策者往往陷入两难:是选择规模最大、性能最强的模型,还是选择更符合实际约束的务实方案?本章将建立一套系统的模型选型框架,通过参数规模-性能曲线分析、推理成本量化和许可证风险评估,为技术决策提供科学依据。 1. 开源模型生态现状分析 1.1 主流开源模型系列对比 当前开源大模型生态已形成多个技术流派,各具特色: Llama系列(Meta): * 技术特点:基于Transformer解码器架构,使用RoPE位置编码,采用Grouped-Query Attention优化 * 开源策略:社区友好许可证,允许商业使用(需申请) * 代表型号:Llama-2-7B/13B/70B,Llama-3-8B/70B * 优势:生态完善,工具链成熟,微调资源丰富 Mistral系列: * 技术特点:采用滑动窗口注意力(Sliding Window

By Ne0inhk