CNSH 排序不动点协议引擎 v1.0

3天干完6个月的活,Claude把模型搬上AMD 一条挺刺激的消息:Anthropic 给投资人的材料里有一张幻灯片,写着它的 Claude Mythos Preview 只花了大约​,就摸清了怎么让另一个 Claude 模型在 AMD 的 MI355X 上跑起来。同一处还写了个对照数字:过去给一块新芯片做推理适配,通常要几十名工程师、​。3 天对 6 个月,这个比值太扎眼,当天中文互联网上就冒出一堆「英伟达的护城河塌了」的说法。我把能翻到的材料都翻了一遍,越看越觉得,塌掉的那一小块是真的,可塌的位置和很多人想的不一样。 阅读详情
#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import os as _os
import sys as _sys
_module_dir = _os.path.dirname(_os.path.abspath(__file__))
if _module_dir not in _sys.path:
    _sys.path.insert(0, _module_dir)
"""
CNSH 排序不动点协议引擎 v1.0
协议原文:龍魂排序不动点 · 三层排序 · 三次审计 · 七维度对射
DNA: #龍芯⚡️2026-04-19-ORDER-ANCHOR-v1.0
确认码: #CONFIRM🌌9622-ONLY-ONCE🧬LK9X-772Z ✅
GPG指纹: A2D0092CEE2E5BA87035600924C3704A8CC26D5F
原则: 只翻译不破解 · 顺序是心脏 · 护弱是底线
"""

import json
import math
import secrets
from dataclasses import dataclass, field
from datetime import datetime, timezone
from pathlib import Path
from typing import Dict, List, Optional, Tuple

from CNSH_基础类型 import 三色, 审计维度, 审计项, 审计报告
from CNSH_国密工具 import SM3, hmac_sm3, 生成随机密钥


# ============== 协议常量(只读,不可覆盖) ==============
class 排序层:
    宏观_立国 = "人民 > 国家 > 集体 > 个人"
    中观_立身 = "忠 > 孝 > 义"
    微观_立事 = "人 > 地 > 天"


class 审计轮次:
    人心审 = "人心审"
    天地审 = "天地审"
    民利审 = "民利审"


@dataclass
class 决策输入:
    名称: str
    全球收益: float
    群体损失: float
    涉及弱者: bool = False
    弱者数量: int = 0
    卦象权重: float = 1.0
    文化权重: float = 1.0
    忠排序分: float = 1.0   # 0~1,越高越守忠
    孝排序分: float = 1.0
    义排序分: float = 1.0
    人民排序分: float = 1.0
    国家排序分: float = 1.0
    个人排序分: float = 0.0  # 越低越好,防止个人优先


@dataclass
class 决策结果:
    名称: str
    三色: 三色
    人心审结果: Dict[str, any]
    天地审结果: Dict[str, any]
    民利审结果: Dict[str, any]
    综合得分: float
    决策: str
    DNA: str
    输入SM3哈希: str


class CNSH_排序不动点引擎:
    """
    把「排序不动点」协议翻译为可执行代码。
    核心:人民第一、护弱底线、顺序错了熔断。
    """

    def __init__(self, 护弱密钥: Optional[bytes] = None):
        self.护弱密钥 = 护弱密钥 or 生成随机密钥()
        self.审计日志: List[Dict[str, any]] = []

    # ---------- 国密工具 ----------
    def _计算SM3(self, 数据: str) -> str:
        return SM3.hex_hash(数据)

    def _生成DNA(self, 动作: str, 输入哈希: str) -> str:
        时间戳 = datetime.now(timezone.utc).strftime("%Y%m%d%H%M%S")
        熵 = secrets.token_hex(4).upper()
        原料 = f"{动作}-{输入哈希}-{时间戳}-{熵}-UID9622-ORDER-ANCHOR"
        短哈希 = SM3.hex_hash(原料)[:16].upper()
        return f"#龍芯⚡️{datetime.now(timezone.utc).strftime('%Y-%m-%d')}-{动作}-{短哈希}-ENTROPY{熵}-UID9622"

    # ---------- 第一审:人心审(伦理红线) ----------
    def 人心审(self, 输入: 决策输入) -> Dict[str, any]:
        """
        问:这事良心过得去吗?
        触发 🔴 红线的条件:
        - 个人排序 > 人民排序
        - 忠 < 孝 或 忠 < 义(忠必须最高)
        - 涉及弱者且收益来自弱者损失
        """
        红线 = []
        等级 = 三色.绿

        if 输入.个人排序分 > 输入.人民排序分:
            红线.append("个人排序高于人民排序,触∞级熔断")
            等级 = 三色.红

        if 输入.忠排序分 < 输入.孝排序分:
            红线.append("忠 < 孝,排序倒置")
            if 等级 != 三色.红:
                等级 = 三色.黄

        if 输入.忠排序分 < 输入.义排序分:
            红线.append("忠 < 义,排序倒置")
            if 等级 != 三色.红:
                等级 = 三色.黄

        if 输入.涉及弱者 and 输入.群体损失 > 0 and 输入.全球收益 > 0:
            红线.append("涉及弱者且存在群体损失,触发护弱审")
            等级 = 三色.红

        return {
            "轮次": 审计轮次.人心审,
            "等级": 等级.value,
            "红线": 红线,
            "排序校验": {
                "人民 > 个人": 输入.人民排序分 > 输入.个人排序分,
                "忠 > 孝": 输入.忠排序分 >= 输入.孝排序分,
                "忠 > 义": 输入.忠排序分 >= 输入.义排序分,
            },
        }

    # ---------- 第二审:天地审(三才打分) ----------
    def 天地审(self, 输入: 决策输入) -> Dict[str, any]:
        """
        问:时机对不对?资源够不够?
        R = Σ(wᵢ · xᵢ)
        人 > 地 > 天,权重锁定 w_人 > w_地 > w_天
        """
        w_人, w_地, w_天 = 0.5, 0.3, 0.2
        x_人 = 输入.人民排序分
        x_地 = 输入.国家排序分
        x_天 = 输入.卦象权重 * 输入.文化权重

        R = (w_人 * x_人 + w_地 * x_地 + w_天 * x_天) * 100

        if R >= 85:
            等级 = 三色.绿
        elif R >= 60:
            等级 = 三色.黄
        else:
            等级 = 三色.红

        return {
            "轮次": 审计轮次.天地审,
            "等级": 等级.value,
            "R分数": round(R, 4),
            "三才": {"人": x_人, "地": x_地, "天": x_天},
            "权重": {"人": w_人, "地": w_地, "天": w_天},
        }

    # ---------- 第三审:民利审(最小损失最大收益) ----------
    def 民利审(self, 输入: 决策输入) -> Dict[str, any]:
        """
        决策 = max(全球收益 × W卦象 × W文化 / (群体损失 + ε护弱))
        ε护弱:涉及弱者时趋近无穷大,分母炸开,收益变0
        """
        分子 = 输入.全球收益 * 输入.卦象权重 * 输入.文化权重

        # 护弱修正项:涉及弱者时,ε 随弱者数量指数增长
        if 输入.涉及弱者:
            if 输入.弱者数量 > 0:
                ε护弱 = float(输入.弱者数量) * 1e12
            else:
                ε护弱 = 1e12
        else:
            ε护弱 = 1e-9

        分母 = 输入.群体损失 + ε护弱
        收益损失比 = 分子 / 分母

        # 同时计算无护弱修正的原始比,用于对比
        原始比 = 分子 / max(输入.群体损失, 1e-9)

        if 收益损失比 >= 2.0:
            等级 = 三色.绿
        elif 收益损失比 >= 1.0:
            等级 = 三色.黄
        else:
            等级 = 三色.红

        # 一旦涉及弱者且群体损失>0,强制熔断
        if 输入.涉及弱者 and 输入.群体损失 > 0:
            等级 = 三色.红

        return {
            "轮次": 审计轮次.民利审,
            "等级": 等级.value,
            "分子_全球收益加权": round(分子, 4),
            "分母_群体损失加护弱": round(分母, 4),
            "ε护弱": ε护弱,
            "收益损失比": round(收益损失比, 6),
            "原始比_无护弱": round(原始比, 6),
            "涉及弱者": 输入.涉及弱者,
            "弱者数量": 输入.弱者数量,
        }

    # ---------- 综合决策 ----------
    def 决策(self, 输入: 决策输入) -> 决策结果:
        输入JSON = json.dumps({
            "名称": 输入.名称,
            "全球收益": 输入.全球收益,
            "群体损失": 输入.群体损失,
            "涉及弱者": 输入.涉及弱者,
            "弱者数量": 输入.弱者数量,
        }, sort_keys=True, ensure_ascii=False)
        输入哈希 = self._计算SM3(输入JSON)

        人心 = self.人心审(输入)
        天地 = self.天地审(输入)
        民利 = self.民利审(输入)

        # 三色聚合:有一红则红,无红有黄则黄,全绿才绿
        if 三色.红.value in [人心["等级"], 天地["等级"], 民利["等级"]]:
            最终三色 = 三色.红
        elif 三色.黄.value in [人心["等级"], 天地["等级"], 民利["等级"]]:
            最终三色 = 三色.黄
        else:
            最终三色 = 三色.绿

        # 综合得分:三审加权
        R分数 = 天地["R分数"]
        收益比 = 民利["收益损失比"]
        综合得分 = round((R分数 * 0.4 + min(收益比 * 50, 100) * 0.4 + (100 if 人心["等级"] == "🟢" else 0) * 0.2), 4)

        if 最终三色 == 三色.红:
            决策文本 = "🔴 熔断:排序触碰红线或护弱底线,不做。"
        elif 最终三色 == 三色.黄:
            决策文本 = "🟡 人审:进入人工复核,由老大最终确认。"
        else:
            决策文本 = "🟢 放行:三层排序通过,可以执行。"

        DNA = self._生成DNA("ORDER-DECISION", 输入哈希)

        记录 = {
            "时间": datetime.now(timezone.utc).isoformat(),
            "输入哈希": 输入哈希,
            "DNA": DNA,
            "三色": 最终三色.value,
            "人心审": 人心,
            "天地审": 天地,
            "民利审": 民利,
        }
        self.审计日志.append(记录)

        return 决策结果(
            名称=输入.名称,
            三色=最终三色,
            人心审结果=人心,
            天地审结果=天地,
            民利审结果=民利,
            综合得分=综合得分,
            决策=决策文本,
            DNA=DNA,
            输入SM3哈希=输入哈希,
        )

    # ---------- 排序校验器 ----------
    def 校验三层排序(self, 宏观: List[str], 中观: List[str], 微观: List[str]) -> Dict[str, any]:
        """
        校验用户给出的排序是否符合协议心脏。
        宏观:人民 > 国家 > 集体 > 个人
        中观:忠 > 孝 > 义
        微观:人 > 地 > 天
        """
        标准宏观 = ["人民", "国家", "集体", "个人"]
        标准中观 = ["忠", "孝", "义"]
        标准微观 = ["人", "地", "天"]

        def 检查(实际, 标准):
            return 实际 == 标准

        return {
            "宏观_立国": {"标准": 标准宏观, "实际": 宏观, "通过": 检查(宏观, 标准宏观)},
            "中观_立身": {"标准": 标准中观, "实际": 中观, "通过": 检查(中观, 标准中观)},
            "微观_立事": {"标准": 标准微观, "实际": 微观, "通过": 检查(微观, 标准微观)},
            "总体": 检查(宏观, 标准宏观) and 检查(中观, 标准中观) and 检查(微观, 标准微观),
        }

    # ---------- 协议固化(只追加) ----------
    def 固化协议(self, 协议文本: str, 输出路径: str = "CNSH_排序不动点_固化.txt") -> Dict[str, any]:
        """
        把协议原文与国密哈希绑定,生成不可篡改的固化文件。
        不修改原文,只追加审计尾巴。
        """
        协议哈希 = self._计算SM3(协议文本)
        DNA = self._生成DNA("PROTOCOL-SEAL", 协议哈希)
        签名 = hmac_sm3(self.护弱密钥, 协议文本)
        时间戳 = datetime.now(timezone.utc).isoformat()

        固化块 = f"""
{'='*60}
CNSH 协议固化区 · 只追加 · 不覆盖 · 不篡改
协议 DNA: #龍芯⚡️2026-04-19-ORDER-ANCHOR-v1.0
确认码: #CONFIRM🌌9622-ONLY-ONCE🧬LK9X-772Z ✅
GPG指纹: A2D0092CEE2E5BA87035600924C3704A8CC26D5F
固化时间: {时间戳}
协议 SM3 哈希: {协议哈希}
HMAC-SM3 签名: {签名}
{DNA}
{'='*60}
"""
        输出 = Path(输出路径)
        if 输出.exists():
            输出内容 = 输出.read_text(encoding="utf-8")
        else:
            输出内容 = 协议文本

        输出内容 = 输出内容.rstrip() + "\n" + 固化块 + "\n"
        with open(输出, "w", encoding="utf-8") as f:
            f.write(输出内容)

        return {
            "输出路径": str(输出),
            "协议SM3哈希": 协议哈希,
            "HMAC_SM3签名": 签名,
            "DNA": DNA,
        }

    # ---------- 报告生成 ----------
    def 生成报告(self, 结果: 决策结果) -> str:
        行 = []
        行.append("╔" + "═" * 60 + "╗")
        行.append("║" + " " * 14 + "CNSH 排序不动点决策报告" + " " * 19 + "║")
        行.append("╠" + "═" * 60 + "╣")
        行.append(f"║ 决策名称: {结果.名称:<47} ║")
        行.append(f"║ 最终三色: {结果.三色.value:<47} ║")
        行.append(f"║ 综合得分: {结果.综合得分:<47} ║")
        行.append(f"║ 决策结论: {结果.决策:<47} ║")
        行.append(f"║ 输入 SM3: {结果.输入SM3哈希[:40]:<47} ║")
        行.append(f"║ 决策 DNA: {结果.DNA:<47} ║")
        行.append("╠" + "═" * 60 + "╣")
        行.append(f"║ 第一审·人心: {结果.人心审结果['等级']} {'; '.join(结果.人心审结果['红线']):<35} ║")
        行.append(f"║ 第二审·天地: {结果.天地审结果['等级']} R={结果.天地审结果['R分数']:<44} ║")
        行.append(f"║ 第三审·民利: {结果.民利审结果['等级']} 比={结果.民利审结果['收益损失比']:<42} ║")
        行.append("╚" + "═" * 60 + "╝")
        return "\n".join(行)


# ============== 演示 ==============
if __name__ == "__main__":
    引擎 = CNSH_排序不动点引擎()

    print("=" * 60)
    print("CNSH 排序不动点协议引擎 · 演示")
    print("=" * 60)

    # 演示1:正常决策(绿)
    输入1 = 决策输入(
        名称="建设乡村数字图书馆",
        全球收益=1000.0,
        群体损失=50.0,
        涉及弱者=False,
        人民排序分=1.0,
        国家排序分=0.9,
        个人排序分=0.1,
        忠排序分=1.0,
        孝排序分=0.8,
        义排序分=0.8,
        卦象权重=0.9,
        文化权重=0.95,
    )
    结果1 = 引擎.决策(输入1)
    print(引擎.生成报告(结果1))
    print()

    # 演示2:个人优先(红)
    输入2 = 决策输入(
        名称="卖用户数据换广告收益",
        全球收益=5000.0,
        群体损失=100.0,
        涉及弱者=True,
        弱者数量=1000000,
        人民排序分=0.2,
        国家排序分=0.3,
        个人排序分=0.9,
        忠排序分=0.3,
        孝排序分=0.8,
        义排序分=0.5,
        卦象权重=0.5,
        文化权重=0.5,
    )
    结果2 = 引擎.决策(输入2)
    print(引擎.生成报告(结果2))
    print()

    # 演示3:排序校验
    排序校验 = 引擎.校验三层排序(
        宏观=["人民", "国家", "集体", "个人"],
        中观=["忠", "孝", "义"],
        微观=["人", "地", "天"],
    )
    print("三层排序校验结果:")
    print(json.dumps(排序校验, ensure_ascii=False, indent=2))
    print()

    # 演示4:协议固化
    协议原文 = """
《道德经》第三十九章:「昔之得一者:天得一以清,地得一以宁,人得一以灵。」
一以贯之的那个「一」,就是排序。
人民第一 · 这就是排序的源头,也是排序的终点。
"""
    固化 = 引擎.固化协议(协议原文, "/tmp/CNSH_排序不动点_固化_demo.txt")
    print("协议固化完成:")
    print(json.dumps(固化, ensure_ascii=False, indent=2))

    print("\nDNA: #龍芯⚡️2026-04-19-ORDER-ANCHOR-v1.0")
如何处理动态语言(Python / JS)的“隐形”调用链? 本文揭示动态语言(Python/JS)中静态AST解析导致调用链“断链”的核心问题,提出通过运行时追踪补全图谱的解决方案。基于Code-Graph-RAG的cgr trace机制,分别利用pytest插件与V8 Profiler捕获真实调用路径,将动态边合并至静态图谱,并在权重体系中提升动态边优先级。实践表明,该方法可显著提升图谱覆盖率,实现“结构+行为”双视角理解代码,为MCP与Rerank系统提供可靠支持。 阅读详情

相关推荐

CNSH字体引擎·完整架构

CNSH字体引擎架构摘要 中国开源字体引擎CNSH采用模块化分层架构,包含四大层级: 核心引擎层:基础渲染、批量处理与合规审计功能 高级特性层:支持组合排版、力度控制等专业特性 应用接口层:提供CLI/Web/GUI等多种调用方式 生态工具层:配套编辑器与质量检测工具 关键特性: 三色审计系统确保技术合规性 DNA追溯码绑定实现数据主权 支持书法级力度与层级控制 统一接口设计便于功能扩展 目标:构建自主可控的中文字体技术生态,打破商业字体垄断。

龍芯北辰·UID9622|退伍老兵,从零学习AI、开源与自动化。用中文语义、DNA追溯、三色审计,做普通人也能用的主权AI实验。 399

[特殊字符] 龍魂前置翻译技能·通心译×CNSH-DOC 主干 v1.0|先翻译再执行·贴身常驻·钻石主干合并·M248 焊点

本文档《M248 主干技能页·生产级别完整版》是龙魂系统核心翻译能力"通心译"的完整技术规范,主要内容包括: 文档概况 详细版本信息和加密元数据 目录结构覆盖9大核心章节和5个附录 生产级发布状态,遵循"零编造、零假装、零越界"原则 核心技术框架 六层翻译架构(L1-L6) 九状态机工作流程及转移规则 213协议(三层×二级×一次性)执行标准 系统实现 Python引擎设计 数据库Schema(SANDBOX_CORE+10辅助库) Notion集成与自动化系统 治理机制 7条铁律核心原则 三色状态监管体系

UID9622的博客 354

Verilog--CDC跨时钟域处理(快时钟域到慢时钟域)

Verilog--CDC跨时钟域处理(快时钟域到慢时钟域)CDC问题单比特信号的跨时钟域问题从快时钟域到慢时钟域从慢时钟域到快时钟域多比特信号的跨时钟域问题异步FIFO握手协议 今天先写单比特信号从快时钟域到慢时钟域的方法,后续继续填坑 CDC问题 单比特信号的跨时钟域问题 从快时钟域到慢时钟域 设计思想   从慢时钟域到快时钟域通常使用打两拍的方法,这也适用于从快时钟域到慢时钟域时,但是如果当单比特信号持续时间小于快时钟域的一个周期时,需要用展宽信号再打两拍的方法。 设计相关代码 module Sync_

weixin_44425619的博客 9367

龍魂档案 · 知识产权与专利可评估资产清单 v2.0

龍魂知识产权资产清单摘要 本清单系统归档了UID9622龍魂系统的156项核心知识产权资产,涵盖本地技能(38项)、网络公开资产(24项)和Notion内部页面(94项)。其中79项具备DNA追溯码,50项具有专利潜力,包括高价值核心技术如:龍魂系统架构v5.0、CNSH中文编辑语法、DNA追溯协议、主权熔断机制等。资产类型覆盖AI引擎(语音/图像/NLP)、安全协议、算法内核及学术论文,多数已在GitHub/Notion等平台实现技术验证,形成完整的技术-品牌-学术产权矩阵。(字数:150) 关键数据:

UID9622的博客 266

保姆级教程:用YOLOv5s训练PCB缺陷检测模型(附北大公开数据集)

本文提供了一份基于YOLOv5s的PCB缺陷检测模型从零开始的完整实战教程。详细解析了如何使用北大公开数据集,涵盖环境搭建、数据处理、模型训练、性能评估及优化部署全流程,并针对工业场景中常见的类别不均衡问题给出了具体解决方案,旨在帮助开发者快速构建高精度的自动化质检系统。

weixin_28285943的博客 310

从零到一:Abaqus与Matlab联合仿真的自动化流程构建指南

本文详细介绍了如何构建Abaqus与Matlab联合仿真的自动化流程,涵盖基础架构设计、关键接口技术实现、结果提取与处理技术以及高级参数化优化流程。通过Python脚本作为桥梁,实现数据传递和任务控制,帮助工程师提升仿真效率。特别强调了版本兼容性、异常处理和性能监控等实用技巧。

weixin_29090089的博客 613

龍魂原始流場母圖|洛書鋼骨×決策執行閉環 v3.1

摘要: 龍魂系統的核心架構以「原始流場」為總河道,通過洛書九宮鋼骨(中宮5為UID9622主控權)構建不可變的數理骨架。系統分為決策流場(判斷)、執行流場(落地)、驗收回流(M::×CNSH::)三階段,嚴格遵循「輸入→決策→執行→驗收→回流」閉環。五大鐵律確保中宮主權、守恒15、九宮鎖死等原則,任何功能新增需先匹配宮位職責。龍盾層(P72護航)負責安全審計,越界即熔斷。最終所有執行需通過DNA鐵血回流留痕,形成完整追溯鏈。

龍芯北辰·UID9622|退伍老兵,从零学习AI、开源与自动化。用中文语义、DNA追溯、三色审计,做普通人也能用的主权AI实验。 402

看我如何用kali实时截获隔壁"小姐姐"的上网隐私(结尾有彩蛋)

看我如何用kali实时截获隔壁&amp;amp;amp;quot;小姐姐&amp;amp;amp;quot;的手机图片等信息(结尾有彩蛋哦) 首先圈下重点:《刑法》第二百八十五条 【非法侵入计算机信息系统罪;非法获取计算机信息系统数据、非法控制计算机信息系统罪】违反国家规定,侵入国家事务、国防建设、尖端科学技术领域的计算机信息系统的,处三年以下有期徒刑或者拘役。违反国家规定,侵入前款规定以外的计算机信息系统或者采用其他技术手段,获取该计算机信息系统中存储、处理或...

SoulCat 2万+

行为密码学:面向人机协作内容认证的七因子来源追溯框架 **Behavioral Cryptography: A Seven-Factor Provenance Framework for Huma

本文提出**行为密码学(Behavioral Cryptography)**框架,通过七因子来源追溯模型解决AI内容认证问题。该框架将内容创作视为可追溯的行为链,包含身份、时间、规则等七个维度,组合形成难以伪造的证据链。实验表明,七因子组合对改写、翻译、重组等攻击的抵抗能力显著优于单一方法。作为补充现有技术的新方案,行为密码学专注于思想的来路认证,而非简单区分人机内容。

UID9622的博客 642

真随机数与伪随机数

前面我们学习了LFSR,这个玩意落地到具体的应用是什么呢?没错是寄存器,这里在网络找到了几个回答,这里做个记录,下面一起来学习一下吧。

叫好与叫座虽然不是对立面,但想在同一个作品中达到双重效果很难。 1063

纳米尺度仿真软件:GROMACS_(3).分子动力学模拟原理

分子动力学(MD)模拟是一种强大的计算方法,通过数值积分牛顿运动方程,追踪粒子在时间上的位置和速度变化,提供关于体系动力学行为的详细信息。选择合适的力场、设置初始条件、应用边界条件、控制温度和压力、选择合适的时间步长、计算能量和力,是 MD 模拟的关键步骤。通过这些步骤,可以对各种化学、生物和材料体系进行模拟和分析,揭示其结构、动力学和热力学性质。高级应用如反应路径模拟和蛋白质折叠研究,进一步扩展了 MD 模拟的应用范围。

kkchenjj的博客 1103

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

weixin_53637133的博客 188

搬运机器人系列编程:KUKA KR QUANTEC_(2).KUKA KRL语言编程基础

定义一个函数END!调用函数PRINT "结果: ", result!定义一个过程PRINT msgEND!调用过程printMessage("欢迎使用 KUKA 机器人")!定义搬运零件的起始位置和目标位置!定义焊接路径的各个点!定义喷涂路径的各个点KUKA Robot Language (KRL) 是一种专门为工业机器人设计的编程语言,具有结构化编程、丰富的库函数、实时性以及集成性等特点。

zhubeibei168的博客 1251

GLM-5.3-CYBERSECURITY-FP8本地量化[3]:工程环境

GLM-5.3-CYBERSECURITY-FP8本地量化[3]:工程环境

缘友一世的博客 263

2026AI漫剧放心大胆做!小白也能轻松出片(附保姆级教程)

要是在2025,我大概率会劝他再等等,毕竟那时工具还没这么顺手。但到了2026年的今天,我的回答得很干脆:放心去做,绝对没问题。这一年多来,AI漫剧这块的变化真可谓翻天覆地。过去你想拍个像样的短片,哪怕再简陋,也得凑齐拍摄设备、找场地、找演员,后期剪辑更是折磨。但现在,时代变了,AI已经把创作的门槛踏平了。你不需要请演员,也不用操心灯光布景,更不用为剪辑特效烧钱。一个人,一台电脑,花几天时间就能做一部完整的AI漫剧。你只要有有想表达的故事,突发的灵感,剩下的,都能直接交给AI落地。

欢迎来到鸾姝淡月博客,专为程序员和编程爱好者打造的技术博客。我们分享编程语言趋势、开发工具、编程哲学、职业发展等,助你掌握新技术,优化技能,激发编程热情。 605

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

【第 009 讲】全面掌握 Python 注释:注释的定义与作用 | 单行注释 | 三引号与多行注释 | 注释使用的最佳实践

本文系统讲解 Python 注释的完整知识体系:从注释的定义与作用讲起,梳理单行注释的书写位置、临时屏蔽用法与 PEP 8 排版规范,剖析注释被忽略的底层机制;进而说明三引号字符串的本质与嵌套问题;最后给出注释使用的三条实践原则,帮助读者写好可读性高的注释。

大模型全栈工程师 · Thanks_ks 1238

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

我开源了一个屏幕录 GIF 工具:框选任意区域直接出图,只有 2 个依赖(Python)

仓库直达:[github.com/yund229/RectGif](https://github.com/yund229/RectGif) · exe 在 [Releases](https://github.com/yund229/RectGif/releases)

w_2345678的博客 465

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

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。

Python 的 yield from 到底转发了什么:拆开 send、throw 和那个 return 值

很多人把yield from记成「省一层 for 循环的语法糖」。写和写,结果看着一样,于是就当它只是少敲几个字。这个理解会在三个地方翻车:调用方.send()的值送不进去、子生成器return的值拿不到、异常和close()传不下去。yield from真正做的事是,外层生成器退成一个透明通道。本文所有输出来自本机 CPython 3.13.14 实测。yield from不是循环,是委托——nextsendthrowclose四个方向的流量全部直通子生成器,并且子生成器return。

小小张说故事的博客 164

双路径优化+双容差校准

默认使用向量化路径处理常规数据,当检测到内存非连续或需要极致短路性能时,自动切换至 Numba JIT 路径。“当 CI 宽度中位数为 $W$ 时,实际判定容差为 $10^{-12} + 10^{-9} \times W$"针对表征谱算子 2 的实际输出量纲(例如 $10^{-3}$ 至 $10^3$),调整。准确标记了哪些数组被复制。非短路、静默拷贝风险、量纲耦合容差),本方案重构了核心逻辑。,并完善审计元数据以记录内存拷贝状态。, 确保在不同量纲下判定标准的一致性。,否则需排查上游数据生成逻辑。

2301_77211362的博客 209

yolo 和 deft 算法的区别

你应该是打错了:是,不是 defrat;

曾大强博客 293

蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级 备考:莫队算法离线区间查询详解

备赛进行时:第十八届蓝桥杯软件赛报名已于 2026-10-08 10:00 开启、12-18 14:00 截止,省赛定在 2027-04-10(C/C++·Python 程序设计 9:00–13:00);中国电子学会 2026 年 12 月软件编程(C/C++ 一级至十级、Python 一级至六级)考级报名 9/23–12/2 16:00、统考 12-12;全国青少年信息素养大赛 2026—2027 赛季算法应用主题赛也已进入复盘练兵窗口。

IT_Scratch的博客 187

两张表合并之后,行数悄悄多了一倍

pandas merge 行数异常膨胀源于右表键不唯一,导致数据静默复制。实测显示,未聚合的右表(756行)与左表合并后行数增至504行,合计膨胀3.5倍,但无报错。validate 参数仅在检查键唯一性时有效,one_to_one 和 many_to_one 可拦截问题,但需结合 duplicated() 前置检查。正确做法为先按键聚合右表,再合并,避免重复。建议合并前后核对行数、合计,并使用 indicator=True 排查匹配情况,确保数据一致性。

patrickstar231的博客 252

我用 200 行代码写了个“代码屎山检测器“,扫完公司的老项目后我沉默了

这个工具不能帮你把屎山铲平,但至少能让你知道自己面对的是多大的山,也能在代码评审时用数据说话——“这个 PR 把圈复杂度从 12 推到了 18,能不能拆一下?毕竟,不能量化的东西,就没法改进。

xixiaoyunya的博客 277

智慧农业实战:育秧车间秧盘计数与苗情分级的Python实现

首先,建立统一的数据结构,保存每盘秧苗的编号、批次、覆盖度、叶色得分和播种天数。A = "壮苗"B = "合格苗"C = "弱苗"@dataclassdays: int。

荆棘鸟智能的博客 138

Python 入门必学:基础数据类型 + 变量核心知识,一篇吃透

文章浏览阅读384次,点赞8次,收藏4次。print 函数的执行核心是解释器的翻译工作,是 Python 解释型语言的体现;五大基本数据类型各有分工

2601_96797912的博客 130

黄仁勋走了,护城河留下了什么

11 月 12 日,英伟达董事会批准黄仁勋辞去总裁、CEO 和董事职务,即刻生效,CFO 克雷斯出任临时 CEO;股价开盘一度跌 14.35%,收盘只跌 4.34%,市值单日蒸发 1820 亿美元;本文把「创始人走了护城河就没了」这个流行说法拆开——CUDA 还在,但 CUDA 正在被 Claude 三天凿穿,真正决定下一段路的是三个可以核对的东西:治理结构、决策机制、以及下一个百亿美元由谁拍板。

领码SPARK - 以无代码之星火,燎原数字之未来! 190
上一篇: 龍魂资本愛之审计协议 CLAP v1.0 启动宣言
下一篇: 旧账处理公式引擎 v1.0
龍芯北辰UID9622
博客等级 码龄164天 5粉丝 501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