博客 RSS 訂閱

JaguarJack - PHP 現在可以零成本構建原生 iOS 和 Android 應用 NativePHP for Mobile v3 發佈

PHP 現在可以零成本構建原生 iOS 和 Android 應用 NativePHP for Mobile v3 發佈 NativePHP for Mobile 從 v3 版本開始,核心框架採用 MIT 協議免費開源。Laravel/PHP 開發者現在可以零成本構建原生 iOS 和 Android 應用。 如果使用 nativePHP 開發移動應用的話,可以看nativephp mobile v3

後端

收藏 評論

躺柒 - 讀數字時代的網絡風險管理:策略、計劃與執行05戰略和執行(上)

1.戰略和執行 1.1.需要一個明確的戰略,並根據該戰略持續執行 1.2.網絡風險管理—在數字世界中平衡風險與回報的藝術—比以往任何時候都更具挑戰性 1.3.投資的風險很大,而且越來越大,商業環境和風險狀況都在不斷變化 1.4.風險管理工作往往各自為政,安全組織、風險管理團隊、風險所有者和其他重要利益相關者只是偶爾溝通,合作更是少之又少 1.5.安全組織在基於風險的戰略和執行中的作用是通過與風險

企業信息化

收藏 評論

授客 - Kubernetes 基於sealos創建k8s集羣

實踐環境 openEuler-22.03-LTS-SP4 registry.cn-shanghai.aliyuncs.com/labring/kubernetes:v1.27.16 registry.cn-shanghai.aliyuncs.com/labring/helm:v3.8.2 registry.cn-shanghai.aliyuncs.com/labring/cilium:v1.14.

kubernetes

收藏 評論

古文觀芷 - 古文觀芷App搜索方案深度解析:打造極致性能的古文搜索引擎

古文觀芷App搜索方案深度解析:打造極致性能的古文搜索引擎 引言:在古籍的海洋中精準導航 作為一款專注於古典文學學習的App,古文觀芷需要處理從《詩經》到明清小説的海量古文數據。用户可能搜索一首詩、一位作者、一句名言、一個成語,甚至一段文化常識。如何在這個龐大的知識庫中實現毫秒級精準搜索?這是我作為獨立開發者面臨的核心挑戰。 經過深入分析和技術選型,我摒棄了傳統的數據庫搜索和雲服務方案,自主研發了

後端

收藏 評論

Coding茶水間 - 基於深度學習的跌倒檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的跌倒檢測系統 1. 前言​ 大家好,歡迎來到 Coding 茶水間! 今天要給大家介紹的項目是——基於 YOLO 算法的跌倒檢測系統。在養老護理、公共場所安全監控、校園和社區安防等場景中,及時識別人員的跌倒行為,對降低二次傷害風險、提高應急響應速度具有重要意義。然而,傳統依靠人工值守或簡單運動傳感器的方式,存在反應滯後、誤報率高、覆蓋有限等問題,尤其在高密度人羣或複雜背景下

AI

收藏 評論

PetterLiu - Claude Code團隊內部使用指南

Claude Code(Anthropic 推出的 AI 命令行編程工具)的團隊內部使用指南。它系統地總結了高效使用該工具的 10 個核心技巧,旨在將 AI 從簡單的“自動補全”提升為“協同開發者”。 以下是梳理的詳細解讀: 一、 核心效率指標 圖片右上角標註了四個關鍵目標: 10個核心技巧。 3-5個並行會話。 6個月以上無需手動寫 SQL(通過數據分析功能實現)。 3倍語音

AI

收藏 評論

RedFalcon - 網絡安全入門基礎-常用工具安裝及使用(下)

三、VS Code安裝 3.1安裝 VS Code官網下載 https://code.visualstudio.com/ 下載好一鍵安裝即可 四、phpstudy安裝搭建網站 下載phpstudy解壓安裝 官網下載:https://www.xp.cn/download.html 安裝完成後一鍵啓動 打開內置的網站查看效果 五、cpolar內網穿透 訪問官網,

網絡安全

收藏 評論

Rick Carter - 死鎖是怎麼發生的,舉個簡單的例子

死鎖的示例 下面就是一個會死鎖的示例代碼: // 異步死鎖示例 - 不使用 TaskScheduler,僅用多個 Task 互相等待 Console.WriteLine("=== 多 Task 互相等待死鎖 ===\n"); // 兩個任務互相用 .Result 等待對方完成 → 死鎖 var tcsA = new TaskCompletionSourceint(); var tcsB = n

.net , 後端

收藏 評論

__ZFR__Luo - 博弈論總結(20260201)

博弈論 ICG 遊戲 若滿足以下條件: 遊戲由兩個人蔘與,兩人輪流做出決策且必定對自己最有利; 當有一人無法做出決策時遊戲結束,無法做出決策的人輸,且無論兩人如何決策,遊戲都一定會結束(不會出現平局) 遊戲中的同一個狀態不可多次抵達,任意遊戲者在某一確定狀態下做出的決策只與當前狀態有關,而與遊戲者無關 DAG 中的博弈 根節點有一個棋子,兩個遊戲者輪流移動這

後端

收藏 評論

花酒鋤作田 - Debian 13基於kubeadm和containerd部署單節點kubernetes

前言 在本地虛擬機環境中使用 kubeadm 搭建 Kubernetes 集羣是學習和實驗的理想選擇。考慮到實際應用場景中可能存在的網絡限制以及鏡像構建需求,本文詳細記錄了在完全離線環境下部署單節點 Kubernetes 集羣的完整過程。通過集成 Harbor 私有鏡像倉庫,所有 Kubernetes 組件鏡像均從本地 Harbor 實例拉取,確保部署過程的可靠性和可重複性。 本指南適用於希望在受

kubernetes

收藏 評論

綠蔭阿廣 - 將SignalR移植到Esp32—讓小智設備無縫連接.NET功能拓展MCP服務

前言 這段時間迷上了手搓Esp32的小智聊天機器人,也用.NET為小智AI開發了一些MCP轉接平台和MCP服務。小智ESP32本身就具備MCP能力,可以調用本地MCP工具和服務端MCP工具,並將結果返回給設備,這個功能一直都有。 如果你有手搓Esp32的硬件玩具打算,可以關注我的B站賬號(綠蔭阿廣)https://space.bilibili.com/25228512 帶你手搓玩具。 小智原

.net , 後端

收藏 評論

wang_yb - 傾聽數據的聲音:給數據分析初學者的温馨建議

提到 “數據分析”,你的腦海裏浮現的是什麼?是密密麻麻的Excel表格,是複雜的Python代碼,還是令人眼花繚亂的儀表盤? 很多想踏入這個行業的新人,往往一上來就陷入了工具的學習中。 但實際上,工具只是手段。在成為一名“數據工匠”之前,你首先需要成為一名“數據思考者”。 今天,我們拋開枯燥的定義,一起聊聊數據分析的本質究竟是什麼,以及我們該如何從零開始,培養一種能夠“透視”數據的思維方式。 一、

程序人生

收藏 評論

ClownLMe - LLVM Pass快速入門(一):構建編譯環境

簡介 LLVM 是一個編譯框架工具,是把編譯過程拆解成了高度標準化的組件。 本教程所使用的環境是windows11, vs2022 認識LLVM LLVM 最成功的地方在於它定義了一種極其完美的中間語言LLVM IR,LLVM分為前端,優化器,後端: 前端:負責把源代碼(C/C++、Rust、Go)翻譯成 LLVM IR。比如 Clang。 優化器:這是 LLVM 的靈魂。它只處理 IR,不

網絡安全

收藏 評論

菩提樹下的楊過 - Agent設計模式學習(基於langchain4j實現)(11) - PlanAndExecute

上篇學習了ReACT,今天繼續學習PlanAndExecute模式 與ReACT模式的關鍵區別如下: 對比維度 ReAct Agent Plan-and-Execute Agent 思考模式 單步思考-行動循環 兩階段分離:先規劃後執行 執行流程 Thought → Action → Observatio

AI

收藏 評論

林恆 - 為什麼有些人邊框不用border屬性

🧑‍💻 寫在開頭 點贊 + 收藏 === 學會🤣🤣🤣 1) border 會改變佈局(佔據空間) border會參與盒模型,增加元素尺寸。 例如,一個寬度 200px 的元素加上border: 1px solid #000,實際寬度會變成: 200 + 1px(left) + 1px(right) = 202px 如果不想影響佈局,就很麻煩。 使用 box-shado

前端

收藏 評論

躺柒 - 2026年01月總結及隨筆之年貨採購

1.回頭看 日更堅持了1127天。 讀《共生:4.0時代的人機關係》更新完成 讀《人本智能產品設計6原則》開更並更新完成 讀《數字時代的網絡風險管理:策略、計劃與執行》開更並持續更新中 2023年至2025年12月底累計碼字3054280字,累計日均碼字2786字。 2023年至2026年01月底累計碼字3145403字,累計日均碼字2790字。 2026年01月碼字91123字,同比

程序人生

收藏 評論

Hadwinling - 收入寫RAFT算法(一)Leader選舉

Raft Leader 選舉實現文檔 目錄 1. 概述 2. 核心概念 3. 涉及的類及其職責 4. 實現細節 4.1 節點狀態與轉換 4.2 選舉超時機制 4.3 投票請求處理 4.4 選舉發起流程 4.5 投票響應處理 4.6 心跳機制 4.7 安全性保證 5. 測試指南 6. 使用示例 7. 常見問題 1. 概述 1.

後端

收藏 評論

RedFalcon - 網絡安全入門基礎-常用工具安裝及使用(上)

一、安裝VMware虛擬機軟件並搭建kali和windows滲透測試虛擬機 1. 下載VMware虛擬機軟件 VMware Workstation 17.6.3下載地址 通過網盤分享的文件:VMware-workstation-17.6.3-24583834.exe 鏈接: https://pan.baidu.com/s/1NsheIYJA3xXpIrrz47fL-g?pwd=kgdu

網絡安全

收藏 評論

Rick Carter - hangfire內部執行器是同步的,會導致死鎖

再次遇到dotnet的第三方組件問題,就是hangfire的CoreBackgroundJobPerformer會導致死鎖,它是作為hagnfire服務端的job執行器的,它非常的關鍵,是job能夠運行的關鍵,這些庫可能讀是從很早的dotnetfremework時代移植過來的(我猜測的),同樣的存在同步調用異步代碼的問題,會導致死鎖。 它有問題的代碼如下: namespace Hangfire.S

.net , 後端

收藏 評論

hjk-airl - 【C++】實現一個定時器

前言 實現一個週期性調用類。通過TaskTimer構造函數設置週期,通過setTimerFun傳入要調用函數和參數,start啓動,stop停止。比如要每30秒發送一個心跳包可以把發送包的函數傳入定時器,定時器會創建一個線程週期性發送這個包。 實現 TaskTimer主要有開始、停止、設置調用函數與參數,三個方法。 TaskTimer.h 1 #ifndef _TASKTIMER_H

後端

收藏 評論

ClownLMe - 從0到1,快速訓練並使用YOLO模型

簡介 YOLO是目前計算機視覺領域最前沿、應用最廣泛的目標檢測算法框架,他能快速識別區分目標,廣泛應用於遊戲,無人駕駛,工業等領域。 以識別躲避掉落滑塊的遊戲的物體圖片作為例子。 一,環境配置 pip install ultralytics 二,準備數據集 這個格式目錄如下: my_dataset/ ├── data.yaml # 配置文件(定義路徑和類別) ├── train/ #訓練數據集

AI

收藏 評論

菩提樹下的楊過 - Agent設計模式學習(基於langchain4j實現)(10) - ReACT

這次我們不再討論前文的招聘場景,而是學習一種更為廣泛使用的Agent模式:ReACT (推理+行動)。先來看示意圖: 這跟人類解決問題的思考方式很像:loop(思考-行動)。當我們遇到一系列問題時,通常先思考,逐個想方案(plan),然後執行(action),解決1個後(解決過程中,可能會藉助工具),再來解決下1個,直到所有問題都處理完。 定義ReAct Agent 1 pub

AI

收藏 評論

Coding茶水間 - 基於深度學習的智能停車位檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的智能停車位檢測系統 1. 前言​ 大家好,歡迎來到 Coding 茶水間。今天要給大家介紹的項目是——基於 YOLO 算法的智能停車位檢測系統。在城市交通和停車場管理中,如何快速、準確地掌握車位佔用情況,一直是提升停車效率和用户體驗的關鍵難題。傳統依賴人工巡查或地磁感應的方式,存在實時性差、部署成本高、覆蓋範圍有限等問題,尤其在大型露天或地下停車場,很難做到全場、全天候的動

AI

收藏 評論

菩提樹下的楊過 - Agent設計模式學習(基於langchain4j實現)(9) - 人機協同

經過前面的一系列流程,招聘來到了最重要的1個環節,AI雖然強大,但是不能完全代替人做決定,最終還是要Boss決策這個候選人的去留。從系統設計角度來説,整個AI智能體環節中,要預留人工干預的能力,也稱為"人機協同"(human_in_the_loop) 示例代碼: 1 @SpringBootApplication 2 public class _9a_HumanInTheLoop

AI

收藏 評論