满身特技,你下一个网文写作神器?

CentOS8静默安装Oracle11.2.0.1 背景 新安装oracle,用静默安装方式就不需要安装图形界面了,省时省力。 前期准备工作与图形化安装一样,如创建用户|用户组、环境变量、内核参数、创建目录等. 可参考图形化安装,链接:https://blog.youkuaiyun.com/heroicpoem/article/details/104229369 环境 平台 版本 操作系统 centOS 8 Oracle 11gR2 1.响应文件 响应文件的内容就是图形化安装时手工设置的选项内容。 解压后,database/response/db 阅读详情

对90后来说,看网络小说应该是很多人的校园回忆。尽管当时手里拿着只是两三寸屏的手机,或者屏幕更小的MP4,但依旧乐此不疲。多年过去,网文行业发展的越来越好。一方面,随着人们的生活水平的提高,对文化和娱乐的需求也不断增加。另一方面,随着互联网渗入日常生活,人们比以往任何时候都要更容易接触到网络文学。此外,国家对网络版权也越来越重视。可见,对于爱看小说的人和爱写小说的人,现在都是一个很好的时代。

请添加图片描述

谈及写小说,也许很多人在年轻时都有过这样的想法,甚至还有过这样的尝试。也许讲故事是人类的天生的爱好之一,只是由于我们缺乏人生的阅历,抑或者找到自己更想要做的事情,逐渐忘却了曾经的冲动。只有一部分人坚定地成为了一个写者,在故事创作领域施展自己的才华。网文行业其实门槛并不高,但确实比较考验毅力。成为网文作者,写作就成为了工作,这意味着你无法在将他单纯视为兴趣爱好。无形之中,压力就会因此而来:无法在自由的选题,也不能随意时间去写。慢慢的,自己长时间接触到的就是自己的书桌,电脑屏幕,键盘,鼠标,当然还有一个写作软件。

请添加图片描述

人们喜欢精心挑选自己中意的硬件,人机工程学的研究早就深入人心,使用是否称手成为衡量产品好与坏的标准。同样的事情却还没有贯穿软件行业,大量需要人去适应软件的情况还比比皆是。网络有那么多所谓的软件教程多少可以证明这一点。写作软件的一个例子就是Word,虽然我们常用的功能就那么几个,可是工作区上顶着的成堆的功能选项卡还是会让人不明觉厉。也许是时候好好考虑一下自己使用写作软件的体验,是否具有提升的空间?

也许你不想抛弃Word,因为这些丰富的功能能够做出很多专业的排版。然而排版与写作无关,如果使用Word写作,大概会造成大量认知的浪费。认知负荷理论认为每个人的认知资源都有即一定的范围界限,人类在热衷认知活动都需要消耗认知资源,过高的认知符合会降低人类行为的效率。这种认知负荷存在与软件使用的方方面面,包括对软件功能的学习,软件界面的熟悉以及软件常用操作的难易程度等。

从中可以得出一个很简单的道理,那就是一款写作软件应该是专注的。纯粹的写作体验应该是怎样的值得审视,围绕使用的需求始终应该是设计的宗旨。毫无疑问,提升写作的效率,满意度是公认的目标;也可换句话说,写作软件应该帮助作者进入一种状态,能够心无旁骛的创作。这种状态有一个心理学名字,那就是Mihaly教授提出的心流,而且有一个相应的设计风向,那就沉浸式设计。

请添加图片描述

上述理念不可置否得到了群众的喜爱,因为越来越多的写作软件在朝着这方面努力,并且收获了一批忠实的用户。例如石墨文档,一款中国风的在线办公文档。虽没有Word强大的文字编辑能力,但是他足以胜任一般的文字工作。简单的界面让用户能够快速上手。当然,他最大的特色还是云端保存,在线共同编辑,十分适合团队协作。此外不得不提的是那些异军突起的Markdown软件。Ulysses便是其中出色的代表,相比办工作软件,他进一步简化了,因为Markdown语言的引入,不再需要功能键了,施加文字样式的操作由特殊字符代劳了。具体地说,用户不需要通过鼠标选中文字,然后点击功能按钮来赋予文字样式了,而是使用约定好的字符来做标记,全程使用键盘就可以完成标题,加粗,斜体等等操作。纯文本的写作体验顺畅得停不下来。

尽管珠玉在前,我仍想谈谈一款的新的写作软件——Effie,因为这个写作软件似乎带来些不一样的。

请添加图片描述

首先,激进的极简主义是Effie的鲜明的底色。打开软件,三段式的设计很直观,从左至右,分别是文稿组区,文稿列表,工作区。界面上的元素少得可怜,没有多余图标,按钮,甚至没有主题配色。新建文稿几乎是唯一能操作的事情。在进行文稿写作的时候,侧栏和标题栏还可以隐藏,剩下的就只是一个空白的写作窗口。用户在写作时完全可以做到心无旁骛,不受到任何来自软件的干扰。

请添加图片描述

其次,关注思维是Effie独特的功能。为什么一个写作软件需要关注思维,如果你爱好使用思维导图整理小说创作思路,那么应该会很快回过神来。写作实际上是将我们脑海中的想法通过文字的方式表达出来。小说的最终源头可能是一个微小但很有意思的脑洞。然而谁也无法立刻从一个火苗似的想法快速构建成一篇小说。于是先列出大纲或思维导图是很有帮助的,一方面,记录下来就可以避免遗忘;此外,大纲和思维导图都是一个很好的再发散思维的工具,可以用来不断地丰富创作。Effie在文稿里内嵌了大纲写作模式,并且可以一键切换成思维导图,可算是帮了作者一个忙,省去了周转于其他的软件的麻烦。

请添加图片描述

另外,对于数据的开放是开发方少有的态度。此话怎讲?也许由于人类总在不停忧患,对于一款软件的可持续性总是特别看重,而且对自己的数据也十分在意,尤其是文稿相当于创作的心血。因此对数据的安全以及可迁移性可能是多数人希望被保证的要素。Effie采用云服务同步所有的数据避免丢失,同时,提供多种格式的导出,更进一步,Effie还支持多个文稿合并导出,因此投入Effie的怀抱实在不需要太多的心理负担。

请添加图片描述

除去这些“特技”,Effie其他方面也不落人后。譬如Effie同样支持优秀的Markdown输入体验,并且渲染足够美观。此外,Effie已经支持了各大主流平台,兼容性属于第一梯队,跨设备无缝衔接完全不是问题。Effie还支持发布的功能,相当于免费给用户一个在线博客空间,可以自由分享自己的创作。

网文丰富了网民的精神文化生活,同时促进了国家文化事业的发展,而这一切的基石便是那些乐于创作的网络作者们。相信让作者写作更多,更高质量的网文是大家共同的心愿。使用Effie作为写作软件,也许能够让这个愿景成功得更快一点。

SRC漏洞挖掘实战:从攻击面管理到业务逻辑漏洞的精准狩猎 在网络安全领域,漏洞挖掘是识别和利用软件系统中安全弱点的核心实践。其基本原理在于通过系统化的方法,识别和评估一个应用或系统的攻击面,并从中定位安全防护的薄弱环节。这项技术的价值在于能够主动发现潜在风险,防患于未然,对于保障企业数字资产安全至关重要。典型的应用场景包括对Web应用、移动端API以及各类在线业务系统的安全性评估。在实际的漏洞挖掘,尤其是针对安全应急响应中心(SRC)的实战中,高效的策略往往聚焦于**边缘资产**的发现与利用,以及对**业务逻辑漏洞**的模式化测试。掌握这些经过验证的思路,能帮助安 阅读详情

相关推荐

数字IC后端时钟树综合实战:OCC电路优化与时钟树平衡策略

本文深入探讨了数字IC后端设计中时钟树综合的关键挑战,重点分析了OCC电路时钟树优化的必要性。通过实战案例,详细阐述了如何通过手动干预、时钟分组与分段长树等策略,避免工具自动平衡导致的时序违例和资源浪费,从而有效实现时钟树平衡并提升设计质量。

weixin_29306261的博客 326

2026年AI写小说软件红黑榜:盘点6款能帮你“日更过万”的写小说神器(含优缺点对比)

​ 做网文这行,最残忍的真相是什么? 不是你写得不好,而是你的“好”还没被人看到,就被隔壁日更 2 万字的“水怪”淹没在了榜单底端。 现在圈里有个怪象:以前骂 ai写小说 没灵魂的大神,新书更新速度突然翻倍。别问,问就是“手速爆发”,实则大家心知肚明:哪来那么多天赋异禀?全是工具换代罢了。                                           但我见过太多作者,买了 GPT 账号却哭着回来:“折腾半天提示词,写出来的全是‘充满决心’的翻译腔!” 这就对了。通用 AI(

EdwardAITooL的博客 301

Windows下ArduPilot SITL仿真环境搭建与QGC地面站联调全攻略

软件在环仿真(SITL)是无人机开发中的关键一环,它通过将飞控固件运行在PC上,用数学模型模拟传感器数据,实现无硬件依赖的飞行逻辑验证。这项技术不仅降低了试错成本,更为地面站开发、自动化测试和任务规划提供了安全可控的试验场。在工程实践中,MAVLink协议作为飞控与地面站之间的通信桥梁,贯穿仿真、遥测与指令控制全程。结合QGroundControl(QGC)这一主流地面站,开发者可以直观地观察飞行状态、规划航点并记录日志。本文以Windows原生环境为例,详细介绍ArduPilot SITL的搭建流程、MA

weixin_31858171的博客 317

python torch 自定义神经网络NN

经过epochs次训练,每次epoch训练多个batch_size个样本,Loss逐渐减少。自定义全连接神经网络需要继承Model,重写__init__ 和forward方法。

frt的博客 210

STM32超声波避障小车硬件设计与实时测距实现

超声波测距是嵌入式系统中经典的环境感知技术,其原理基于声波在空气中的传播时间与距离的线性关系,通过精确计时实现非接触式距离测量。该技术具备成本低、抗光干扰强、算法简洁等优势,广泛应用于智能小车、机器人避障、液位监测等场景。工程落地的关键在于硬件信号完整性(如5V/3.3V电平匹配)、微秒级定时精度(依赖高稳定外部晶振与输入捕获模式)以及强干扰环境下的数据鲁棒性(需软硬协同滤波)。本文以STM32F103C8T6为平台,深入解析HC-SR04模块的时序闭环控制、TIM3输入捕获双沿测量、L298N电机状态机驱

weixin_42578963的博客 295

Python海康摄像头SDK二次开发

摘要:为解决海康威视摄像头RTSP拉流延迟严重的问题,本文提出改用海康私有SDK直接取流的方案。通过下载海康设备网络SDK并调用其Python接口,实现了低延迟的视频流获取。文中详细介绍了SDK配置流程,并提供了优化版的Python代码示例,重点解决回调函数处理、队列缓冲和CPU占用等问题。测试结果表明,该方案显著降低了延迟,同时保持了较高的帧率(30FPS以上)和较低的CPU占用率(约2%)。相较于传统OpenCV+FFmpeg的RTSP方案,海康SDK直接取流在实时性方面具有明显优势。

xiaohouzi112233的博客 2608

基于神经网络的机器人导航系统的设计与执行!

基于神经网络的机器人导航系统,本质上是一个“感知-规划-控制”的闭环。它的核心优势在于强大的泛化能力和端到端的简洁性,能够处理传统几何方法难以解决的复杂场景(如密集人群、非结构化地形)。

m0_65595995的博客 218

RK3588 buildroot 制作的系统增加 docker 支持

RK3588 使用buildroot制作的系统添加 docker 和 docker-compose 的功能

荻夜的博客 1567

Pytorch 【5】神经网络基础(nn.Module、卷积层、池化层、线性层)

前面我们学习了张量Tensor、自动求导Autograd,这两个是Pytorch最底层的基石。在真实项目中,我们不会手动去写大量求导逻辑,torch.nn模块封装好了神经网络各类层、损失函数,让我们快速搭建网络。本篇重点讲解nn.Module以及常用网络层:卷积Conv、池化Pool、全连接Linear。,和opencv、PIL的HWC相反!卷积之后进全连接,一定要flatten展平,否则维度对不上padding的作用:控制特征图尺寸不变,same padding池化层不改变通道数,只缩小高宽。

Beforthing的博客 169

LeRobot 入门教程(七)数据集

LeRobot Dataset v3.0 是机器人学习数据的标准化格式,支持多模态时间序列数据和视频的统一访问。该版本通过基于文件的存储(Parquet/MP4)、关联元数据和Hub原生流式处理等新特性,显著提升了性能并降低了存储开销。文档详细介绍了格式设计、安装使用、数据记录与加载方法,以及从v2.1迁移到v3.0的步骤,特别针对大型数据集(如DROID 1.0.1)的处理提供了SLURM集群移植方案。v3.0通过优化文件组织和元数据管理,实现了更快的加载速度、更高的内存效率和更好的可扩展性。

2506_90492529的博客 2052

Python爬虫实战:爬取国家气象局台风路径数据的完整教程

国家气象局(如中国气象局)一般会在官方网站公布台风的实时路径,包括台风编号、名称、时间点、经纬度、中心气压、最大风速等信息。这些数据以图形和表格的形式呈现,有时以JSON或CSV文件形式下载。爬取这类数据,有助于构建台风数据库、历史路径分析、趋势预测等应用。本文详细介绍了如何通过Python爬取国家气象局发布的台风路径数据,涵盖了数据采集、解析、存储和可视化全流程。通过实践,你可以构建自己的台风数据库,结合机器学习开展路径预测和风险评估等高级分析。后续可结合深度学习技术,实现台风轨迹预测;

2201_76125261的博客 1024

【人工智能驱动的电催化研究-01】人工智能是什么?AI、机器学习、深度学习和神经网络之间有什么区别?

介绍人工智能、机器学习、神经网络和深度学习的基本概念及相互关系。围绕催化剂性能预测,解释样本、特征、标签、模型、参数、训练、预测与验证的含义。结合二硫化钼边缘位点与析氢活性的研究案例,说明科学问题如何指导特征选择。利用真实文献中的析氢数据,通过手算和Python实践,对比人工规则与均值模型,理解参数学习和误差评价。强调数据学习不保证预测更优,相关性不能直接证明反应机理,文献数据还须核查实验条件与适用范围,为后续编程、数学和电催化机器学习课程建立基础。

2402_84593233的博客 782

多模态脑区细分图谱 HCP-MMP v1.0, Glasser et al. 2016 皮层和皮下区域,简写和全称对应关系

人类连接组计划多模态脑区细分图谱(HCP-MMP)提供了对人类大脑皮层区域的非常有用的细分(Glasser et al. 2016a, b)。图谱是多模态的,因为每个区域都是根据四个标准的组合定义的,包括结构(T1加权/T2加权髓鞘含量和皮层厚度图)、静息态功能连接、基于任务的激活和拓扑地形组织。HCP-MMP v1.0图谱包含每个半球180个皮层区域,基于210名参与者的分析。

从事脑科学核磁共振方法学研究,在Nature communications等权威期刊发表研究论文,熟练掌握磁共振处理方法和统计学方法,欢迎大家和我交流。 2618

ai药物 对应的D-MPNN(有向消息传递神经网络) Chemprop Python 库,实现了 D-MPNN

前 49 讲是通用图机器学习体系;D-MPNN 这一新模块是把消息传递机制"从节点搬到有向边上",专门为分子性质预测设计的高效变体。学它之前,建议确保已掌握第 3 章 MPNN 的消息传递三要素(消息函数、聚合函数、更新函数),再学 D-MPNN 会非常顺。需要我进一步展开 D-MPNN 的完整数学推导、Chemprop 代码结构,或者帮你制定一份这门课的学习计划(按每天学习时长排期)吗?

AI 前沿技术实战博客:LLM / Agent / AI 制药 / 生信四大栏目日更,硬核干货 + 可复现代码,看完就能上手 302

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

数据是如何输入到神经网络的?

通过对前面文章的学习,我们已经知道神经网络可以实现真正的人工智能。本小节我会进行详细地讲解,让大家彻底地弄懂神经网络。我们需要弄懂的第一步就是如何将数据输入到神经网络中。例如,在我们百度的“小度智能屏”中,是如何将麦克风采集到的音频数据输入到神经网络中的;小度智能屏还能根据人脸来判断年龄从而自动切换成人和儿童模式,那它又是如何将摄像头采集到的人脸数据输入到神经网络中的此例中,待输入的数据是一张图像。

calm_programmer的博客 296

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

从“人工智障”到“智能”,没有激活函数的神经网络只是在叠直线

没有激活函数的神经网络仅能表示线性关系,即使堆叠多层也无法拟合复杂非线性模式,导致模型表现如“人工智障”。激活函数(如ReLU)引入非线性,使网络能分段拟合复杂边界,实现从“画直线”到“拼曲线”的跃迁。正确使用激活函数、避免输出层重复激活、合理选择损失函数,是解决模型失效的关键。

JYF2007ABC的博客 250

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

神经网络与深度学习笔记_Day2

神经网络与深度学习笔记_Day2,包含 张量 与 自动微分。 写于2026/01/21。

ZZHow Blog 58

神经网络与深度学习笔记_Day1(Pro)

神经网络与深度学习笔记_Day1,包含 深度学习 与 PyTorch。 写于2026/01/19。

ZZHow Blog 248

Week1/理解并独立跑通一个神经网络的训练过程

import torch ​​​x = torch.arange(12) Arange创建行向量 x.shape 形状 x.numel() 元素总数 X = x.reshape(3, 4) reshape调整形状不调整数值 torch.zeros((2, 3, 4)) tensor([[[0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]], [[0., 0.,

李韶华 197

AI前沿日报 | 2026-11-03 — 基因突变:当AI开始重写神经网络

MIT团队发现GPT-6 Astra可直接读写神经网络权重,仅需编辑0.016%参数即可将Qwen3.5-0.8B的MATH-500得分从7.9%飙升至48.1%,已在arXiv发布演示页面。Ubuntu对CVSS 9.8级Linux内核TCP协议栈远程代码执行漏洞CVE-2026-98432三周未修补,志愿维护的Debian/Arch/Alpine均已发布补丁,Canonical安全响应能力受质疑。Anthropic内部AI使用费按零售价折算已超员工薪酬,90%新增代码由AI编写;比亚迪AI工厂实现"黑灯

johnsong2009的博客 396

Qwen 与 GPT-6 直接读写神经网络权重,大模型开始编辑其他模型的行为逻辑

Qwen 和 GPT-6 Astra 通过读取神经网络权重判断模型功能并修改其行为,实验显示 GPT-6 Astra 仅编辑 0.8B 参数模型 0.016% 的权重即可将其数学准确率从 7.9% 提升至 48.1%。

wfly blog 109

【零基础学AI】第 23 章——用神经网络识别图片

上一章的模型只接收一个数字。本章把输入换成一张手写数字图,输出换成 0 至 9 中的一个类别。训练循环依然包含计算损失、求梯度和更新参数,但图片怎样装进张量、怎样分批,以及训练完怎样单独使用模型,都需要交代清楚。我们选一组很小的公开图片。普通电脑的 CPU 就能完成训练,读者可以把时间花在看清每一步。本章随附训练脚本、固定数据快照、模型参数和单图预测入口。执行代码见。

m0_73879806的博客 473

为什么神经网络经过剪枝后仍能保持较高性能,稀疏性、冗余参数与泛化之间是什么关系?

神经网络之所以能在移除大量参数(甚至高达 90% 以上)后仍保持较高性能,根本原因在于深度模型普遍存在**严重的过参数化(Over-parameterization)**现象。在实际操作中,为了在保持性能的同时实现高稀疏度,通常采用**迭代式剪枝(Iterative Pruning)**策略:先评估权重重要性,移除一部分,微调恢复性能,再循环此过程。稀疏性不仅仅是压缩模型的手段,它通过改变优化景观(Optimization Landscape)和正则化效应,直接提升了模型的泛化能力。

2402_84593233的博客 203

DeepXDE 物理信息神经网络(PINN):自动微分嵌入 PDE 求解的计算特征与 UltraLAB 图形工作站选型

单卡显存决定单任务上限,CPU 高主频多核决定试验吞吐。入门者一张 12—16 GB 显卡即可开展研究;做三维反问题与算子学习的团队建议 24 GB 级单卡起步、64 GB 以上内存;需要批量反演与不确定度量化的实验室按"多卡多任务"扩展,并把预算优先给显存与内存,而非盲目堆卡数。DeepXDE 多后端特性使同一环境可服务 TensorFlow/PyTorch/JAX 三类技术栈,部署时注意 CUDA 版本与后端版本的匹配。

149

不用神经网络!自己设计一款带记忆、同义词识别的轻量对话机器人(符号派小Demo)

本文介绍一种无需深度学习的符号主义对话机器人实现:通过同义词分组、状态记忆与候选回复池,构建可解释、可控的轻量级对话系统。代码基于C++,支持多话题识别、记忆递增与差异化回复,避免死板查表。虽无自主学习能力,但逻辑透明、易于扩展,适合教学与简单交互场景。

weixin_56334307的博客 273

从万物互联到万物智联:6G,下一代数字世界的神经网络

网络 “长眼睛、有大脑”,可以实现厘米级定位、障碍物探测、动态环境识别,支撑自动驾驶、低空无人机、工业机器人、沉浸式XR等业务,也是AI-RAN的底层核心能力新华网。6G的核心目标:万物智联,网络原生具备感知、计算、AI推理能力,服务对象从人、机、物延伸到智能体,覆盖空间从地面拓展到空、天、地、海全域国际科技创...。面向6G通信、通感一体、毫米波 / 太赫兹、信道仿真、相控阵雷达全场景,模块化可扩展SDR平台,是科研院所、通信企业、设备厂商开展6G技术预研、原型开发、标准验证的首选硬件底座。

V3_Bs的博客 206
上一篇: Effie:有没有好用的待办事项清单的软件?
下一篇: 云笔记软件有很多,哪款笔记比较好用?
Dr_ginger
博客等级 码龄6年 22粉丝 305原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值