墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
2.6k累计阅读
2.7k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
2007年1月22日，我和父亲乘坐晚上的火车来到了广州！
23日上午一到，就去黄浦海关请那里的一个熟人吃饭！
吃饭的感觉还不错，我知道很多人都是表面装的！
最大的感受是南方的一些老男人真BT，居然公开调戏着服务员！
老男人就是这样！
吃过饭后，就没事了！
我知道这次来，就没任何希望！
来了之后，我马上就病了！
老毛病又烦了，哎！身体不好，真的什么都不好干！
27号体能测试，本来身体就不好！再加上长期不运动， 在跑完1000后，自己小腿具疼，真的感觉要死了！
但我后来还是挺过来了！
28号穿着西装去面试了，感觉还不错！但并不特别好！
30号接到电话，64.5分！Bu知道如何算出来的！排6，初试第九！
虽然进步了，但结果还是失败了！
身体不好！病了几天，面试也失败了，还让自己50的父亲跟着！真是不好受！
人生就是这样！
没办法！一步一步来吧！一切会慢慢好的！
画个板子玩一玩STM32F030F4P6，也许是最便宜的32bit MCU
前言，什么是STM32F030F4P6 STM32目前最便宜的芯片之一应该就是这一块，STM32F030F4P6，这一个芯片没有USB，但是其他都有，引脚少，价格低廉，如果找不到原厂，可以买替代的国产芯片，性能也一样。 不管怎么样也是Cortex-M0，比8bit和16bit的性能都强，总的来说就是低价，引脚少，体积小的同时，还容易开发，有很多模拟输入可玩，还有SPI，硬件I2C等等 所以，这一款MCU真的是从理论来说又便宜又好用，非常适合把玩。 画个板，最小系统 STM32F030其..
RabbitMQ 面试题
你发一条消息，在网络上并不是一个整体飞过去的。如果消息比较大，RabbitMQ 的底层协议会把它切成多个数据包（帧），按顺序发送，Broker 收到后再拼起来。假设线程 T1 和 T2 同时用同一个 Channel 发消息：T1 发消息 A，被切成三个帧：[A1] [A2] [A3]T2 发消息 B，也被切成三个帧：[B1] [B2] [B3]如果没有任何保护，这两个线程的帧可能交错到达 Broker，变成 [A1] [B1] [A2] [B2] [A3] [B3]。
使用 ANSYS 实现铸造、凝固和熔炼的高级解决方案
凭借其强大的有限元分析 （FEA） 和计算流体动力学 （CFD） 功能，ANSYS 可以准确预测模具内的热和流体流动行为。总之，ANSYS 是铸件凝固和熔化领域的关键工具。其全面的仿真功能、工艺优化功能、材料特性分析和用户友好的界面使其成为旨在创新和改进制造工艺的工程师不可或缺的工具。通过利用 ANSYS，各行各业可以在铸造业务中实现更高的质量、效率和成本效益，从而为先进的制造解决方案铺平道路。ANSYS是一款领先的工程仿真软件，提供强大的功能来建模和优化这些复杂的热过程，从而显著提高生产效率和质量。
基于 TVM Relax BYOC 扩展 Example NPU 后端：从跑通官方流程到自定义算子融合
至于 codegen 要不要补，取决于 Example NPU 的实现细节——先跑通分区验证，再决定是否深入 codegen，是更稳妥的路径。而「扩展一个原本不支持的融合模式」这件事，恰好能证明你不是照着教程抄了一遍，而是真的理解了 BYOC 的分区规则是怎么工作的。），那么新模式即使被切出来，codegen 阶段也可能报「不支持的算子」。如果 Example NPU 的 codegen 是「按算子名硬编码」的，那么新模式切出来之后，这句话本身没问题，但偏「结果导向」，面试官会追问细节。
TMS320F28335调试跟踪的问题：DSP从上电复位，一直到执行main（）的第一条语句之间，都干了些什么，以及CCS调试时程序查找的问题
🏆 本文收录于《全栈Bug调优(实战版)》专栏，致力于分享我在项目实战过程中遇到的各类Bug及其原因，并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者，本文将为你指引出一条更高效的Bug修复之路，助你早日登顶，迈向财富自由的梦想🚀！同时，欢迎大家关注、收藏、订阅本专栏，更多精彩内容正在持续更新中。让我们一起进步，Up！Up！Up！ 备注： 部分问题/难题源自互联网，经过精心筛选和整理，结合数位十多年大厂实战经验资深大佬经验总结所得，数条可行方案供所需之人参考。
[STC32G144K246入门第三步]驱动串口收发（接收不定长数据）
本文介绍了STC32G144K246单片机的串口功能配置与使用。该芯片具有8组独立USART，支持异步/同步模式，各串口可独立配置波特率并支持DMA传输。重点讲解了串口寄存器配置方法，包括引脚设置、波特率计算和中断处理。特别指出RX引脚需配置为开漏或准双向口以避免接收乱码。还介绍了通过定时器实现不定长数据接收的技术方案，并提供了完整的初始化代码和中断处理函数示例。文中包含串口时序图、寄存器配置表等实用参考信息，适合嵌入式开发者快速上手多串口应用开发。
smart-tunnel-ai · 隧道/高速智慧化 AI 应用项目
面向的工程师：一个能跑通、能改、能讲清楚的 Spring Boot + Spring AI 项目。：它不是「调了个 ChatClient 输出一句话」，而是把切块策略、增量入库、来源溯源、防幻觉、工具调用、结构化输出、评估集、密钥守卫、CI 护栏这些工程问题都落到了代码里。每一处都能指向具体类讲取舍。详见。
以 Joule 驱动的生成式开发：把需求文档直接变成可运行的 SAP 应用
摘要：SAP BTP的AI助手Joule正在改变开发方式，支持从自然语言描述自动生成数据模型、服务、UI及测试代码。在SAP Business Application Studio中，Joule能根据业务需求生成结构化代码，并提供代码补全、重构、解释等功能。开发者需注意避免上传敏感数据，并对AI生成的代码进行人工审核。Joule特别针对ABAP开发进行了优化，提供符合SAP规范的代码建议，帮助迁移遗留系统。此外，它还能快速生成CAP项目原型，但所有AI生成内容都需经过严格测试验证。
LeetCode 面试经典 150_多维动态规划_交错字符串（97_C++_中等）
LeetCode 面试经典 150_多维动态规划_交错字符串（97_C++_中等） 题目描述： 给定三个字符串 s1、s2、s3，请你帮忙验证 s3 是否是由 s1 和 s2 交错 组成的。 两个字符串 s 和 t 交错 的定义与过程如下，其中每个字符串都会被分割成若干 非空 子字符串： - s = s1 + s2 + ... + sn - t = t1 + t2 + ... + tm - |n - m| <= 1 - 交错 是 s1 + t
ArcGIS Pro 3.4 二次开发 - 知识图谱
本文介绍了在ArcGIS Pro SDK 3.4和.NET 8环境下操作知识图谱的方法。主要包含两大功能模块：1) 知识图谱数据存储操作，包括建立连接、获取图层、检索要素类与表定义、ID转换等；2) 知识图谱数据模型管理，如获取数据模型属性、标识符信息等。代码示例详细展示了如何使用C#通过QueuedTask异步任务与知识图谱服务交互，包括异常处理、数据转换等常见操作场景。所有示例均采用using语句确保资源释放，并遵循ArcGIS Pro SDK的最佳实践。
YOLO由浅入深，最简单地说明白YOLO基本实现原理
YOLO（You Only Look Once）是一种高效的实时目标检测技术，广泛应用于自动驾驶、监控和无人机等领域。其核心优势在于速度快，能够在视频流中实时识别目标并标出其位置、大小、类别及置信度。YOLO基于卷积神经网络（CNN），通过卷积层提取图像特征，池化层和扁平化层优化特征处理，全连接层进行分类。与传统方法不同，YOLO将图像分割成多个网格，每个网格预测多个边界框及其置信度，仅对高置信度的框进行详细计算，从而快速确定目标的位置和类别。这种机制使得YOLO在保持高准确率的同时，实现了高效的实时处理能
Docker镜像优化：面试高频翻车的简单题
本文深入探讨Docker镜像优化的两大核心层面：体积优化与构建速度优化。指出仅关注镜像瘦身（如使用Alpine）是表面理解，真正关键在于平衡空间与时间——在DevOps流水线中，构建速度常优先于体积。文章详解了多阶段构建、缓存利用、.dockerignore文件等高效策略，并揭示Alpine镜像虽小但存在兼容性、依赖缺失等风险，强调需结合业务场景权衡选择。掌握这些细节，方能在面试中展现真实技术深度，脱颖而出。
详解Pytorch求导
本文主要详解Pytorch求导，希望能对学习Pytorch的同学有所帮助。 文章目录 1. pytorch求导问题 2. pytorch三大类求导代码示例 2.1 标量求导 2.2 向量求导&矩阵求导
Spring 原理高频面试题全解：Bean 生命周期、三级缓存与 @Transactional 失效（2026 招聘 JD 真题复盘）
按 2026 招聘 JD 与一线面经整理 10 道 Spring 高频题：Bean 生命周期与扩展点顺序、AOP 代理生成时机、三级缓存为何必须三级、构造器注入循环依赖为何无解、@Transactional 六类失效与自调用修复三法、REQUIRES_NEW 连接池耗尽风险、事件总线同步语义与 @TransactionalEventListener、自动配置从 spring.factories 到 imports 的演进、自定义 Starter 三步走，附速查表与三条追问链。
假人有限元模型
假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
AI 全栈开发工程师【二面】
传统的大模型应用通常采用：用户输入 → Prompt → LLM → 输出结果这种模式适合简单问答、文本生成和信息提取等任务。但对于复杂业务，仅依靠一次模型调用往往不够。例如，用户提出：帮我查询某个地区近三个月销量最高的产品，并分析销量变化原因。理解用户需求。拆解查询条件。调用数据库或外部工具。获取查询结果。分析数据。生成最终报告。Agent 的核心价值在于让大模型不仅能够生成文本，还能够根据任务目标进行规划、调用工具、观察执行结果，并根据结果调整后续行动。
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
从 MLIR Toy Tutorial 到自定义硬件方言 Pass：一份 AI 编译器面试项目实战指南
AI 编译器岗位的面试，通常不会只问你「什么是算子融合」这种概念题，而是会顺着简历上的项目往下挖：你写的这个 Pass 解决了什么问题？IR 是怎么设计的？lowering 的边界在哪？为什么这里要插一个 Op 而不是直接生成循环？一个基于 MLIR 的小项目，恰好能覆盖这些追问点。它足够「真」——你能讲清楚 IR、Dialect、Pass、Lowering 的完整链路；又足够「小」——不需要真的去写一个后端，也不需要跑在真实硬件上。先讲 MLIR 的核心思想、分层设计和功能；
LinePhone3.2.7(android端最新版本) sip客户端
SIP客户端For android：LinePhone3.2.7(最新版本)，官网地址：http://www.linphone.org/
【AI Agent面试系列】上下文管理1
工具返回价值密度最低、体积最大（常占 30%~60%），清理它收益最高、损失最小。摘要对话会丢语义细节，代价更高。按"价值密度从低到高"排序，不是按"体积从大到小"。
邓明 Agent 系统面试-意图识别学习笔记
不要只是做意图识别而不做测评，就好像要评估 RAG 准确性，在接口服务要测试响应时延，超时控制等等，这里也要关注意图识别准确率，如果面试官认为项目指标太高是在吹牛，关键就是回答因为 Agent 解决的是特定领域的意图识别，识别场景单一，另外就是因为用户输入相对简单。意图识别影响 prompt/spec 的加载，意图识别影响上下文组织，意图识别影响工具选择，意图识别影响 prompt 建议，意图识别得到的意图不是让模型随机生成而是候选类别里去做选择。2.意图识别的原因，以及意图识别得到的是什么？
上位机面试：值类型 vs 引用类型
大部分教程会告诉你"值类型在栈上，引用类型在堆上"。如果 ④ 和 ⑤ 都用 99，⑤ 打印出 99 时你分不清是"第 3 条和第 4 条是最容易混的，也是面试最爱追问的地方。很多人把"传引用类型的参数"当成"引用传递"，这是错的。所以那句"引用类型比较就是比地址"不是通则——跑 100 万次对比，数量级差异很明显。记住这张图，下面所有现象都能推出来。这一行，才是真正的"按引用传递"。的核心原因——泛型不需要装箱。生效了"还是"根本没生效"。，比背"栈和堆"高一个层次。，这是测试设计的基本要求。
# Linux 系统编程深度解析：从文件 I/O 到高并发网络
Linux 系统编程，就是用 C/C++ 等语言，直接调用 Linux 内核提供的接口（系统调用）来操作硬件资源（文件、内存、CPU、网络）的编程方式。你写过的 、、、，全部都是系统调用；你写过的 、、，是库函数，库函数底层最终还是调用系统调用。CPU 有特权级别（x86 上 ring 0 是内核态，ring 3 是用户态）：应用程序跑在用户态。当你调用 时，CPU 会通过 或 指令触发陷入（trap），切换到内核态，由内核完成真正的磁盘读取，再切回用户态返回结果。 为什么要区分两个态？ 安全：用户
C++ 运行时多态与虚函数机制全面剖析【面试重点】
构成C++ 运行时多态必须是基类的指针或者引用调用虚函数。被调用的函数必须是虚函数，并且派生类必须对该虚函数完成重写/覆盖（Override）。只有基类的指针或引用才能既指向基类对象，又指向派生类对象（切片机制）；而只有完成了虚函数重写，派生类与基类才具备不同的函数行为，达到“指向谁就调用谁”的效果。在类成员函数的前面加上virtual关键字修饰，该成员函数就成为了虚函数。public:// 成员函数前加 virtual 修饰，声明为虚函数。
[特殊字符]中粮集团秋招｜11.7线上笔试+AI双环节
#中粮集团校招 #中粮笔试题库 #中粮笔试 #2027秋招 #央企笔试 #职豚题库 #秋招笔试 #AI面试 #校招备考。✨拉开分差重点，一定要背 ▪部分岗位附带专业考题 ▪笔试结束马上衔接 AI 面试，高频题：自我介绍、求职动机、岗位匹配，提前备好思路。收到中粮笔试邮件的宝子集合📩 这次是线上笔试 + AI 面试连在一起按顺序作答 很多人容易忽略 AI 面试环节，踩大坑！✅考试：11 月 7 日（周六）10:00–11:40，合计 100 分钟 ✅。
「设计一个在线文档协同编辑系统」：从 WebSocket、OT/CRDT 到快照回放，一篇讲透这道面试顶流题
大厂面试顶流题：设计飞书式在线文档协同编辑系统。从 WebSocket 长连接、OT 与 CRDT 核心原理、可运行 Java 代码讲起，覆盖文档 Actor 串行定序、Redis/Kafka 跨节点广播、快照 + OpLog 版本回放、断线离线合并、光标同步、权限管控。拆解并发冲突收敛难点，附 18 条速查表，面试可直接背诵，项目可当作设计文档。来聊聊你选 OT 还是 CRDT？
AI面试复盘系统：从模糊感受到可迭代优化
复盘的价值不在于给上一场打分，而在于把“我好像不太行”转换成“第 3 类追问下我的方案缺少容量估算”——后者才是能改变的。系统的作用，是让这个转换每次都发生，并且在下一次面试时告诉你它到底有没有发生。海量精选技术文档和实战案例持续更新，敬请关注【风骏时光少年】
零基础转 AI 运维：投入清单、技术路线与核对表
零基础转AI运维需科学决策：投入上，按时间（课时+练习）、资金（四要素拆解）、精力（每周8-15小时）三表核算；路线依依赖排序：底座层（系统/网络/集群）→智算层（K8s/大模型部署/RAG）；课程核对须关注结构分段、真实算力实验、完整项目案例与就业服务。建议将总周期切为两周小阶段，每阶段产出可验收项目，积累求职素材。
Android 面试题逐题简析：28 个专题，232 题
常见原因是未在 onMeasure 处理 AT_MOST 下的期望尺寸，沿用了默认测量而占满可用区域，或未考虑内容、padding 和最小尺寸。应计算 desiredWidth/Height，再通过 resolveSizeAndState 等与父约束合并。wrap_content 是测量输入，框架不会自动知道自定义内容想要多大。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2万+
扫一扫
