手把手搭建AI文献知识库:OpenClaw安装 + 工具选择 + 文献管理

保姆级教程:用MediaPipe和BlazePose在Python里实时追踪你的健身动作(附完整代码) 本文提供了一份详细的Python教程,教你如何使用MediaPipe和BlazePose实现实时健身动作追踪。从环境配置、模型选型到实时视频流处理架构设计,再到健身动作量化分析和可视化反馈系统优化,教程涵盖了完整的实现步骤和代码示例,帮助开发者快速构建高效的姿态特征点检测系统。 阅读详情

找文献的三个死循环

1:找不准——关键词搜出来1000篇,真正相关的不到20篇,筛半天筛不动。

2:读不快——每篇论文30页,读懂一篇要2小时,50篇要100小时——学期都结束了。

3:记不住——读完就忘,下次引用的时候又要翻回去找,笔记零散不成体系。

这三个死循环的根源:是你的工具链断裂——检索、阅读、知识管理之间没有打通。

AI时代的解决方案:不是换一个更好的工具,而是重构一条完整的工作流。

AI文献工作流全链路:从一句话选题到50篇文献矩阵

链路1:检索——从"大海捞针"到"精准定位"

六款文献检索平台实测对比(经管场景):

实操策略:

选题阶段:用Consensus或秘塔学术做"一句话选题验证"——输入你的研究想法,看这个方向有没有人做过、做到什么程度

扩展阶段:用OpenClaw+学术检索Skills做"30篇批量搜索"——给定主题+时间范围+期刊层级,让AI帮你筛

精准阶段:用Perplexity AI(学术模式)或Elicit做"单篇深度定位"——找具体的理论渊源或方法论出处

一句话生成文献矩阵的Prompt:

我的研究主题是[描述],请帮我查找近5年发表在经济学/管理学SSCI核心期刊上的相关文献30篇。输出格式要求:| 序号 | 作者 | 年份 | 标题 | 期刊 | 核心发现 | 与我的研究关联 |每篇文献请标注:①是否提供DOI链接 ②期刊分区 ③被引次数按与我研究的关联度从高到低排列。

链路2:筛选——从"30篇"到"50篇核心库"

AI帮你筛,但你自己做终审。

AI能做的:

  • 按期刊层级过滤(只留SSCI/CSSCI核心)

  • 按时间范围过滤(只留近5年)

  • 按研究方法过滤(只留实证研究/案例研究)

  • 按主题关联度排序

AI不能做的:

  • 判断论文质量(需要你自己看方法论是否严谨)

  • 判断与你研究的真正关联(需要你自己判断理论脉络是否衔接)

筛选流程:AI筛出30篇 → 你快速扫读摘要 → 留下15篇 → 补充遗漏的15篇(手动补)→ 合计30-50篇核心文献库

链路3:阅读——从"2小时一篇"到"10分钟一篇"

结构化阅读笔记模板(9个维度):

每篇论文只需要提取9个维度的信息,10分钟一篇不是梦:

AI辅助阅读Prompt:

请帮我阅读这篇论文[上传PDF],按以下9个维度提取信息:1.摘要(一句话核心结论)2.核心研究问题3.研究背景逻辑4.文献综述展开脉络5.数据来源与估计方法6.核心发现(具体系数和显著性)7.创新点8.空白点/未解决问题9.理论贡献每个维度请控制在50字以内,总共不超过500字。重点关注:空白点——这些是我可能的选题方向。

链路4:知识库——从"读完就忘"到"随时调用"

NotebookLM知识库搭建(最实用的方案):

  • 批量上传PDF:把筛选后的30-50篇论文PDF全部上传到NotebookLM

  • 自动提取核心观点:NotebookLM基于Gemini模型,自动理解每篇论文的核心内容

  • 生成标准化阅读笔记:用上面的9维度模板,让NotebookLM对每篇论文生成结构化笔记

  • 交互式提问:直接在NotebookLM中问"哪些论文研究了MPU对企业绩效的影响",它会从你的知识库中精准定位相关段落

NotebookLM三个核心功能经管青椒必用:

  • Source Overview:一键查看所有上传文献的主题分布,判断你的文献库覆盖是否完整

  • Guided Questions:AI自动生成与你的文献库相关的研究问题——这就是选题灵感来源

  • Audio Overview:自动生成两位AI主持人的播客式讨论,帮你用"听"的方式快速理解文献脉络

知识库的终极目标:不是存PDF,而是让你在写论文的任何环节,都能随时调取相关文献的具体观点和数据。

防幻觉清单:AI找文献的3个验证动作

AI找文献最大的风险:幻觉——编造不存在的论文、捏造引用数据。

三个验证动作,一个都不能省:

  1. 验DOI链接:AI返回的论文如果有DOI链接,点击验证是否真实存在。有DOI链接的论文基本100%真实,没有DOI链接的论文,必须单独验证
  2. 验期刊分区:安装浏览器插件EasyScholar(Chrome/Edge扩展),自动在搜索结果旁显示期刊分区标识。有分区标识的论文确认真实,没有标识的需要手动在CNKI或Web of Science中验证
  3. 验核心数据:AI告诉你"某论文发现系数0.0366",你必须打开原论文验证。不要把AI提取的数据直接写入你的论文——AI读论文可能漏读或误读

你的论文引用的所有数据,必须是你自己从原论文中确认的。

一句话总结:AI帮你找、帮你读、帮你记,但引用的准确性你必须自己负责。

OpenClaw(小龙虾)快速上手:不是装软件,是装"学术助手"

OpenClaw是2026年最火的个人AI助手框架(GitHub两周15万Star),它不是一个聊天机器人,而是一个AI操作工作台——大模型是大脑,Skills是手脚。

对经管青椒来说,OpenClaw的核心价值:

  • 不需要在不同AI之间切换——一个工作台集成多种大模型(DeepSeek、GPT、Kimi、豆包)

  • Skills让AI从"只能聊天"变成"能干活"——学术检索、文献分析、引用管理都有现成Skills

  • 本地运行,数据不出电脑——学术论文数据不用担心泄露

安装三步走(最简版本):

openclaw gateway --verbose

openclaw on dashboard

  1. 安装NodeJS(v20+ LTS版本即可)——官网下载,一键安装
  2. 启动OpenClaw:终端运行 ,再开一个终端运行 ——控制面板就起来了
  3. 配置大模型:购买火山引擎Coding Plan(9.9元/月或49.9元/月),把API Key填入OpenClaw配置文件

关键Skills安装(直接丢链接给AI,让它帮你装):

安装技巧:不要自己手动配置!直接把Skill的GitHub链接或Clawdbot链接丢给OpenClaw,说"请帮我安装并配置好这个Skill,安装产生的文件全部保存到Skills目录"。AI帮你装比自己配置快10倍。

从文献库到论文:知识库怎么变成你的成稿素材

有了50篇文献库+知识库,下一步是什么?不是继续读,而是开始写。

知识库→论文的三步转化:

  1. 选题定位:在NotebookLM中问:“我的50篇文献中,哪些空白点最多人提到但最少人解决?” AI会从你的知识库中汇总所有论文承认的空白点,选一个空白点→这就是你的选题
  2. 综述搭建:在NotebookLM中问:“关于[你的选题],这50篇文献从哪些理论脉络展开?” AI会帮你梳理3-5条理论脉络→这就是你文献综述的骨架,每条脉络引用3-5篇文献→综述的主体就出来了
  3. 方法选择:在NotebookLM中问:“研究[你的选题]的论文,用了哪些实证方法?哪些方法被质疑过?” AI会帮你汇总方法论选择和审稿人质疑→这就是你内生性处理章节的素材

今天的PSM避坑指南+内生性方法体系,就是方法选择的参考框架

AI文献工作流的局限:什么它做不了

  • 论文下载必须人工做:AI批量下载论文会遇到反爬机制,账号会被封。批量检索可以AI做,但PDF下载还是手动一篇一篇下(有硕士的让硕士下,没有的就自己下)

  • 引用准确性必须自己验证:AI提取的数据和观点可能有幻觉,你论文里引用的每一个数字都要回原文确认

  • 研究问题必须自己想:AI可以帮你发现空白点,但"怎么回答这个空白点"是你的学术能力决定的——AI替代不了你的研究直觉

  • 论文写作的学术规范性必须自己把关:AI帮你写初稿可以,但逻辑连贯性、术语准确性、论证深度必须你自己审核

给我们的启发

  • 工具不重要,工作流才重要:不要一个一个工具去学,而是想清楚"从选题到成稿我需要做什么",然后按链路配工具。检索→筛选→阅读→知识库→写作,这条链路打通了,任何一个环节换工具都无感。

  • AI是加速器,不是替代品:AI帮你从2小时/篇降到10分钟/篇,但判断论文质量、选择研究角度、构建理论框架——这些是你的核心竞争力。AI加速了你的工作流,但没有改变你需要做判断的本质。

  • 防幻觉是底线:AI找文献的幻觉不是"偶尔出现",是"一定会有"。三个验证动作(验DOI、验分区、验数据)每次都要做,不能省。

  • 知识库的价值不在存储,在调用:50篇PDF存在电脑里和50篇PDF在NotebookLM里,区别是:前者你得翻文件夹,后者你一句话就能定位到相关段落。知识库的价值是随时调用。

学AI大模型的正确顺序,千万不要搞错了

🤔2026年AI风口已来!各行各业的AI渗透肉眼可见,超多公司要么转型做AI相关产品,要么高薪挖AI技术人才,机遇直接摆在眼前!

有往AI方向发展,或者本身有后端编程基础的朋友,直接冲AI大模型应用开发转岗超合适!

就算暂时不打算转岗,了解大模型、RAG、Prompt、Agent这些热门概念,能上手做简单项目,也绝对是求职加分王🔋

在这里插入图片描述

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料,手把手帮你快速入门!👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型(GPT、文心一言等)特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架(LangChain等)实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块,看似清晰好上手,实则每个部分都有扎实的核心内容需要吃透!

我把大模型的学习全流程已经整理📚好了!抓住AI时代风口,轻松解锁职业新可能,希望大家都能把握机遇,实现薪资/职业跃迁~

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

Cadence OrCAD Capture软件启动过程卡死且无法恢复的解决方法 如下图所示Cadence OrCAD Capture软件在启动后出现卡死的现象,且等待后无法自动恢复,需要强行关闭,再次启动依然卡死。 阅读详情

相关推荐

Q学习(Q-learning)入门小例子及python实现

一、从马尔科夫过程到Q学习 # 有一定基础的读者可以直接看第二部分 Q学习(Q-learning)算法是一种与模型无关的强化学习算法,以马尔科夫决策过程(Markov Decision Processes, MDPs)为理论基础。 标准的马尔科夫决策过程可以用一个五元组<S,A,P,R,γ>表示,其中: S是一个离散有界的状态空间; A是一个离散的动作空间; P为状态转...

wlm_py的博客 4万+

OpenClaw科研工具:全栈式文献管理与数据分析部署指南

文献管理与数据分析是科研工作流程中的核心环节,涉及从数据收集到成果产出的完整链路。现代科研工具通过集成化设计解决传统方案存在的环境碎片化问题,其技术原理主要基于模块化架构和容器化部署。以OpenClaw为代表的工具链实现了文献元数据提取、Jupyter集成分析和LaTeX写作辅助的三位一体,特别适合医学、生物信息学等数据密集型领域。通过Docker容器化和云原生部署方案,研究人员可以快速构建支持团队协作的科研环境,其中文献智能分类、数据分析工作台和Git版本控制等热词功能显著提升研究效率。

weixin_29201933的博客 221

SAP-PP 返工订单成本归集优化:从物料结算到成本中心的配置与增强实践

本文深入探讨SAP-PP模块中返工订单成本归集的优化方案,重点解析从物料结算到成本中心的配置与增强实践。通过结算参数文件配置、分配结构调整及增强开发实战,解决返工费用误计入物料成本的问题,确保财务核算精准性。文章还提供测试验证方案与常见报错处理技巧,助力企业实现成本数据清晰流向分析。

weixin_29260291的博客 366

OpenClaw+Qwen3-32B学术助手:文献管理到论文润色全流程覆盖

本文介绍了如何在星图GPU平台上自动化部署Qwen3-32B镜像,打造OpenClaw+Qwen3-32B学术助手,实现从文献管理到论文润色的全流程覆盖。该方案通过深度语义处理技术,可自动生成文献综述、进行语法校对与查重预警,显著提升学术写作效率,特别适合研究生和科研人员使用。

weixin_42613017的博客 160

二手分析仪器改造实战:如何用PMT搭建荧光检测电路(附完整电路图)

本文详细介绍了如何利用二手分析仪器中的光电倍增管(PMT)核心部件,进行荧光检测电路的实战改造。内容涵盖从PMT工作原理理解、高压供电电路设计、低噪声前置放大(跨阻放大器)到信号调理的完整流程,并提供了关键电路图与调试排错指南,旨在帮助电子爱好者与工程师低成本构建稳定、高灵敏度的专业检测系统。

weixin_29234239的博客 441

CKA-题库-简洁参考答案-反复练习20遍-必过!!!

新版CKA考试已于2020年9月1日正式上线! 考试模式:线上考试 考试时间:2小时 认证有效期:3年 软件版本:Kubernetes v1.19 重考政策:可接受1次重考 经验水平:中級 题目数量:17题 题库量小:随机的题目重复率极高 考试时可打开两个浏览器Tab,一个是考试窗口,一个用来查阅官方文档](https://kubernetes.io/docs/) 01 Task - 英文 Create a new ClusterRole named deployment-clusterrole tha.

随笔记录-分享&记忆 7320

OpenClaw:科研神器!本地、Docker、云服务器三种部署方式详解,助力文献管理、数据分析和论文写作

摘要: OpenClaw作为科研AI工具,通过本地、Docker和云服务器三种部署方式提升科研效率。本地部署适合个人实验室,需Python 3.10+和8GB内存;Docker部署平衡隔离与效率,需Docker 24.0+;云服务器部署适合团队协作,推荐4核8G配置。科研专用技能如PubMedClient和LaTeX模板可通过ClawHub获取,安装时需验证VirusTotal报告、GitHub仓库和SKILL.md文件以确保安全。OpenClaw显著优化了文献检索、数据分析和论文写作等科研核心流程。

2401_84494441的博客 3432

Python 爬虫实战:在丁香医生抓取健康科普文章阅读量,普及健康知识

requests:用于发送 HTTP 请求,获取网页内容。或 lxml:用于解析 HTML 页面,提取目标数据。pandas:用于数据清洗和分析。matplotlib和seaborn:用于数据可视化。通过本项目,我们实现了以下目标:使用 Python 爬虫抓取丁香医生的健康科普文章阅读量。对数据进行清洗和分析,找出热门文章。通过可视化展示数据,并普及健康知识。

u014481728的博客 1567

手把手搭建AI科研OS:用Codex、Claude Code、OpenClaw、Hermes构建24小时在线的科研助手

还在被繁琐的文献整理、数据处理消耗精力? 用零散的单点工具,不如搭建一套专属的科研系统。 四Agent科研协作实战:Codex、Claude Code、OpenClaw、Hermes打造可迭代的AI科研团队

JNLWLAQ的博客 318

第3章: MMU Interval Notifier 区间通知器的核心原理⭐

摘要:区间级内存通知机制分析 本文分析了Linux内核中区间级内存通知机制(mmu_interval_notifier)的设计原理与实现。该机制针对传统全局通知(mmu_notifier)存在的性能开销大、无法精确控制等问题,通过引入区间树(Interval Tree)实现精确匹配,仅当内存变化与注册区间重叠时才触发回调。核心优势包括:1)O(log n + k)的高效查找性能;2)支持独立管理各内存区间;3)实现高并发处理不同区间的失效事件。

图形/计算GPU的驱动与虚拟化技术分享园地 2027

基于灰度区域生长算法的红外目标检测算法matlab仿真

基于灰度区域生长算法的红外目标检测算法是一种常用的红外目标检测技术。它通过对红外图像进行灰度区域生长,找到具有相似灰度值的像素区域来检测目标。在本文中,我们将详细介绍基于灰度区域生长算法的红外目标检测算法的原理、步骤和应用。一、原理灰度区域生长算法是一种基于像素相似性的区域分割算法。它通过对图像中具有相似灰度值的像素进行聚类,将它们组合成更大的区域。灰度区域生长算法通常包括以下步骤:1.初始化:选择一个种子点作为起始点,将其作为第一个区域的中心点。

平时工作较为繁忙,私信消息一般晚上回复,谢谢大家~~ 251

手把手搭建AI科研OS:Codex+Claude Code+OpenClaw+Hermes打造可迭代的AI科研团队

还在被繁琐的文献整理、数据处理消耗精力? 用零散的单点工具,不如搭建一套专属的科研系统。 四Agent科研协作实战:Codex、Claude Code、OpenClaw、Hermes打造可迭代的AI科研团队

2403_89634305的博客 385

【nvidia-B200 生产环境】NVIDIA 570.124.06+Cuda12.8 Ubuntu22.04 nccl-test 一键部署脚本(免修改复制即用)

目录1. 初始化与日志记录2. 安装基础工具与配置更新3. NVIDIA 驱动安装 570.124.064. 安装 Mellanox OFED 24.10-2.1.8.05. 安装 CUDA 12.86. 安装 NCCL 和测试7. 配置 rc.local 和其他优化8. B200 单独步骤9. 最终测试与重启10. 完整生产脚本,复制即可直接使用总结 功能: 设置日志目录和日志文件路径。 使用 命令将标准输出和错误输出同时写入日志文件和终端。 记录脚本开始时间,并计算开始的秒数

jundao1997的专栏 2799

极客专属:用OpenClaw+Phi-3-vision搭建个人图文知识库

本文介绍了如何在星图GPU平台上自动化部署Phi-3-vision-128k-instruct镜像,快速搭建个人图文知识库。该多模态模型能智能解析PDF、图片等技术资料,实现自然语言检索,适用于技术调研、会议资料整理等场景,显著提升知识管理效率。

weixin_35677363的博客 385

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

OpenClaw+百川2-13B:自动化科研文献阅读助手搭建实录

本文介绍了如何在星图GPU平台上自动化部署百川2-13B-对话模型-4bits量化版 WebUI v1.0镜像,构建自动化科研文献阅读助手。该方案结合OpenClaw工具,实现从文献下载、智能解析到知识图谱生成的全流程自动化,特别适用于快速提取中文论文核心观点、生成研究趋势分析等学术场景,显著提升科研效率。

weixin_42309599的博客 173

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

学术研究助手:OpenClaw+nanobot自动整理文献PDF

本文介绍了如何在星图GPU平台上自动化部署🐈 nanobot:超轻量级OpenClaw镜像,实现学术文献的智能管理。该方案能自动解析PDF内容、提取关键信息并生成结构化综述,显著提升研究效率。典型应用场景包括批量处理机器学习论文,自动生成可检索的文献数据库。

weixin_36059856的博客 242

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

OpenClaw学术研究助手:GLM-4.7-Flash自动整理文献笔记

本文介绍了如何在星图GPU平台上自动化部署【ollama】GLM-4.7-Flash镜像,构建OpenClaw学术研究助手。该方案能自动解析PDF文献、提取核心观点并构建知识图谱,显著提升研究效率,特别适用于学术论文的智能整理与跨文献观点对比。

weixin_30591519的博客 219

科研党福音:OpenClaw+GLM-4.7-Flash自动整理文献

本文介绍了如何在星图GPU平台上自动化部署【ollama】GLM-4.7-Flash镜像,实现科研文献的智能管理。该镜像结合OpenClaw工具链,可自动完成文献元数据提取、智能分类及参考文献生成,显著提升科研工作者的文献整理效率,特别适用于学术论文写作中的参考文献自动化处理场景。

weixin_42515842的博客 339

科研小助手:OpenClaw+nanobot自动整理文献参考文献

本文介绍了如何在星图GPU平台上自动化部署🐈 nanobot:超轻量级OpenClaw镜像,实现科研文献的智能管理。该方案能自动提取论文元数据、生成BibTeX引用格式并分类存储,特别适合处理大量学术文献,显著提升研究者的工作效率。

weixin_42361478的博客 211

OpenClaw学术助手:nanobot整理文献参考文献格式

本文介绍了如何在星图GPU平台上自动化部署🐈 nanobot:超轻量级OpenClaw镜像,实现学术文献的智能管理。该镜像能自动提取PDF文献元数据并生成标准化BibTeX条目,特别适合处理中英文混合文献库,帮助研究者高效整理参考文献格式,大幅提升学术写作效率。

JetRaven12的博客 357

OpenClaw+Qwen3.5-9B科研助手:自动整理文献生成综述

本文介绍了如何在星图GPU平台上自动化部署Qwen3.5-9B镜像,构建AI科研助手实现文献自动整理与综述生成。该方案通过OpenClaw框架整合Zotero文献管理,利用Qwen3.5-9B的多模态理解能力智能分析跨文献核心观点,显著提升科研效率,特别适用于学术论文综述撰写等场景。

IronwoodWolf56的博客 439

2026科研人AI工具选型地图:写论文、跑数据、做图表、审稿件,该用哪个AI?

还是。

aishangyanxiu的博客 283

科研助手实战:OpenClaw+Qwen3.5-9B自动整理文献笔记

本文介绍了如何利用星图GPU平台自动化部署Qwen3.5-9B镜像,构建科研文献自动整理系统。该系统通过集成OpenClaw工具链,能够智能提取论文关键信息、生成结构化笔记并自动校验参考文献格式,显著提升研究者的文献管理效率。典型应用场景包括学术论文阅读笔记自动生成与多课题文献库管理。

weixin_42599558的博客 284

OpenClaw+nanobot学术助手:文献自动归类与摘要生成

本文介绍了如何在星图GPU平台上自动化部署🐈 nanobot:超轻量级OpenClaw镜像,构建学术文献智能处理系统。该系统能自动监控文件夹中的PDF文献,通过内置Qwen3-4B模型实现文献归类、结构化摘要生成等功能,显著提升科研工作者的文献管理效率。

weixin_42452924的博客 88

OpenClaw学术助手:ollama-QwQ-32B自动整理参考文献

本文介绍了如何在星图GPU平台上自动化部署【ollama】QwQ-32B镜像,构建OpenClaw学术助手系统。该系统能自动提取论文元数据、生成智能摘要并规范参考文献格式,显著提升科研人员的文献管理效率。典型应用场景包括学术论文的自动化整理与归档,帮助研究者节省大量手动处理时间。

weixin_42596011的博客 226

基于AI工具(ChatGPT、OpenClaw等)工作流的高强度论文写作实战

【摘要】AI赋能论文写作训练营通过6天高强度训练,帮助科研人员掌握结构化写作方法,深度整合ChatGPT、OpenClaw等AI工具,实现从选题到成稿的全流程突破。课程包含工具实操、研究框架构建、数据分析代码生成、学术润色等核心模块,针对文理科差异提供定制化方案,使学员快速产出规范论文初稿。通过AI技能链调用、知识库构建和自然语言编程辅助,显著提升文献处理、写作效率与成果质量,解决"写作难、发表慢"的科研痛点。

hu397313168的博客 703
上一篇: 智谱数开一面:GraphRAG用过吗?和RAG到底有什么区别?
下一篇: 从零到一:打造一个支持 RAG 的智能聊天应用
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2841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