Go工具& GitLab-让你如何轻松进行持续集成

Grok Build:构建可验证的AI-Native CLI工作流 CLI(命令行接口)作为软件工程中最稳定、可脚本化、可管道化的交互范式,正迎来与大语言模型深度集成的关键拐点。其核心原理在于将AI能力封装为具备明确输入输出契约、可版本控制、可沙箱执行的原子化命令原语,而非依赖不透明的云端API调用。这种AI-Native CLI架构显著提升了AI能力在CI/CD、数据库审查、代码自动化等场景中的确定性、安全性和可审计性。技术价值体现在环境无关的静态二进制交付、声明式约束编程替代脆弱提示工程、以及面向专用模型矩阵的灵活编排能力。本文聚焦Grok Build框架,深入解析其构 阅读详情

原文:Go tools & GitLab — how to do Continuous Integration like a boss
作者:Julien Andrieux
翻译:lloog

译者注:在Pantomath,我们使用GitLab进行所有开发工作。本文介绍如何使用这些工具来减轻开发压力。

在Pantomath,我们使用GitLab进行所有开发工作。 本文的目的不是介绍GitLab及其所有功能,而是介绍如何使用这些工具来减轻我们的压力。

为了让你开发项目中的所有内容自动化,并能让你专注于代码编写。 我们将介绍lint,单元测试,数据竞争,内存消毒,代码覆盖和构建。

在这篇文章中显示的所有代码都可以在https://gitlab.com/pantomath-io/demo-tools中找到。你可以免费获取使用代码,还可以做标记链接。代码存放在$ GOPATH的src文件夹中:

$ go get -v -d gitlab.com/pantomath-io/demo-tools
$ cd $GOPATH/src/gitlab.com/pantomath-io/demo-tools

go工具

幸运的是,Go有很多有用的工具,可以构建、测试和检查代码。事实上,一切都在那里。我们只需要利用额外的工具来拼接组合它们。但前提是我们需要一个一个地了解他们的功能。

包列表

正如在官方文档中所描述的那样,go项目是包的集合。下面介绍的大多数工具都将使用这些包,因此我们需要的第一个命令是列出包的方法。我们可以用go list子命令来完成(阅读优秀的手册和来自Dave Cheney的优秀文章):

$ go list ./...

请注意,如果我们要避免将我们的工具应用于外部资源,并将其限制在我们的代码中。 那么我们需要去除vendor 目录,命令如下:

$ go list ./... | grep -v /vendor/

linter

这是我们在代码中使用的第一个工具:linter。它的作用是检查代码风格/错误。这听起来像是一个可选的工具,或者至少是一个“不错”的工具,但它确实有助于在项目上保持一致的代码风格。

linter并不是go本身的一部分,所以如果要使用,你需要手动安装它(见官方文档)。

使用方法相当简单:只需在代码包上运行它(也可以指向. go文件):

$ golint -set_exit_status $(go list ./... | grep -v /vendor/)

注意-set_exit_status选项。 默认情况下,golint仅输出样式问题,并带有返回值(带有0返回码),所以CI不认为是出错。 如果指定了-set_exit_status,则在遇到任何样式问题时,golint的返回码将不为0。

单元测试

这些是您可以在代码中运行的最常见的测试。每个.go文件需要一个能支持单元测试的_test.go文件。可以使用以下命令运行所有包的测试:

$ go test -short $(go list ./... | grep -v /vendor/)

数据竞争

这通常是一个难以逃避解决的问题,go工具默认具有(但只能在linux / amd64、freebsd / amd64、darwin / amd64和windows / amd64上使用)。有关数据竞争的更多信息,请参阅本文。与此同时,下面是如何运行它的命令:

$ go test -race -short $(go list . /…| grep - v /vendor/)

内存检错

Clang有一个很好的用读未初始化的内存检测器,称为MemorySanitizer。go测试工具能很好地与Clang模块进行交互(只要在linux / amd64主机上,并使用最新版本的Clang / LLVM(> = 3.8.0)。运行命令如下:

$ go test -msan -short $(go list . /…| grep - v /vendor/)

代码覆盖

这是评估代码的质量的必备工具,并能显示哪部分代码进行了单元测试,哪部分没有。 Rob Pike关于这个主题上写了一篇完整的文章。
要计算代码覆盖率,需要运行以下脚本:

$ PKG_LIST=$(go list ./... | grep -v /vendor/)
$ for package in ${PKG_LIST}; do
    go test -covermode=count -coverprofile "cover/${package##*/}.cov" "$package" ;
done
$ tail -q -n +2 cover/*.cov >> cover/coverage.cov
$ go tool cover -func=cover/coverage.cov

如果我们想要获得HTML格式的覆盖率报告,我们需要添加以下命令:

$ go tool cover -html=cover/coverage.cov -o coverage.html

构建

最后一旦代码经过了完全测试,我们要对代码进行编译,从而构建可以执行的二进制文件。

$ go build -i -v gitlab.com/pantomath-io/demo-tools

Makefile

git标签:init-makefile

现在我们可以把持续集成环境中使用的所有工具,全部打包在Makefile中,并用统一的方式调用它们。

这个文档的目的不是要make,你可以参考官方文档了解更多关于Makefile的信息。

PROJECT_NAME := "demo-tools"
PKG := "gitlab.com/pantomath-io/$(PROJECT_NAME)"
PKG_LIST := $(shell go list ${PKG}/... | grep -v /vendor/)
GO_FILES := $(shell find . -name '*.go' | grep -v /vendor/ | grep -v _test.go)
.PHONY: all dep build clean test coverage coverhtml lint
all: build
lint: ## Lint the files
 @golint -set_exit_status ${PKG_LIST}
test: ## Run unittests
 @go test -short ${PKG_LIST}
race: dep ## Run data race detector
 @go test -race -short ${PKG_LIST}
msan: dep ## Run memory sanitizer
 @go test -msan -short ${PKG_LIST}
coverage: ## Generate global code coverage report
 ./tools/coverage.sh;
coverhtml: ## Generate global code coverage report in HTML
 ./tools/coverage.sh html;
dep: ## Get the dependencies
 @go get -v -d ./...
build: dep ## Build the binary file
 @go build -i -v $(PKG)
clean: ## Remove previous build
 @rm -f $(PROJECT_NAME)
help: ## Display this help screen
 @grep -h -E '^[a-zA-Z_-]+:.*?## .*$$' $(MAKEFILE_LIST) | awk 'BEGIN {FS = ":.*?## "}; {printf "\033[36m%-30s\033[0m %s\n", $$1, $$2}'

我们现在有什么? 除了之前提供任何工具之外,还有另外3点:
- 依赖的安装(dep);
- 项目的内部管理(清洁);
- 有效的帮助(帮助)。

注意还必须为计算代码覆盖率创建一个脚本。 这是因为在Makefile文件中实现循环是很困难的。所以通过编写bash脚本,Makefile触发脚本来完成代码覆盖率工作。

使用以下命令来建立Makefile:

$ make help
$ make lint
$ make coverage

持续集成

git标签:init-ci

现在这些工具已经到位了,我们可以对代码运行各种测试,我们希望在代码库中实现测试自动化。 幸运的是,GitLab为此提供CI管道。 它的设置非常简单:所有你要创建的仅仅是在存储库根目录下的.gitlab-ci.yml文件。

其中Yaml文件的完整文档提供了所有的选项,首先从这个.gitlab-ci.yml开始:

image: golang:1.9
cache:
  paths:
    - /apt-cache
    - /go/src/github.com
    - /go/src/golang.org
    - /go/src/google.golang.org
    - /go/src/gopkg.in
stages:
  - test
  - build
before_script:
  - mkdir -p /go/src/gitlab.com/pantomath-io /go/src/_/builds
  - cp -r $CI_PROJECT_DIR /go/src/gitlab.com/pantomath-io/pantomath
  - ln -s /go/src/gitlab.com/pantomath-io /go/src/_/builds/pantomath-io
  - make dep
unit_tests:
  stage: test
  script:
    - make test
race_detector:
  stage: test
  script:
    - make race
memory_sanitizer:
  stage: test
  script:
    - make msan
code_coverage:
  stage: test
  script:
    - make coverage
code_coverage_report:
  stage: test
  script:
    - make coverhtml
  only:
  - master
lint_code:
  stage: test
  script:
    - make lint
build:
  stage: build
  script:
    - make

我们对上面的文件进行分解,下面是对它的内容的一些解释:
- 首先要选择Docker镜像用于运行CI。到Docker Hub为你的项目选择正确的镜像。

  • 然后,指定要缓存镜像的文件夹。目的是避免多次下载相同的内容。一旦工作完成,列出的路径将被存档,下一次将使用相同的存档。

  • 其次将工作拆分成不同阶段。在我们的例子中,我们有两个阶段(按照这个顺序来处理):测试和构建。也可以有其他的阶段,比如部署。

  • before_script定义在作业实际完成之前在Docker容器中运行的命令。在我们的环境中,这些命令只是复制或链接在$ GOPATH中部署的存储库,并安装依赖关系。

  • 然后使用Makefile来执行作业。请注意code_coverage_report的特殊情况,其中执行被限制在masterbranch中。

但当我们提交/推送存储库中的.gitlab-ci.yml文件时,CI会自动触发管道错误。 为什么?

其中lint_code作业错误,是因为它找不到golint二进制文件:

$ make lint
make: golint: Command not found
Makefile:11: recipe for target 'lint' failed
make: *** [lint] Error 127

所以,需要更新你的Makefile来安装golint作为依赖的一部分。

memory_sanitizer作业错误,是因为gcc:

$ make msan
# runtime/cgo
gcc: error: unrecognized argument to -fsanitize= option: 'memory'
Makefile:20: recipe for target 'msan' failed
make: *** [msan] Error 2

但是请记住,我们需要使用Clang / LLVM> = 3.8.0来使用go测试命令中的-msan选项。

这里有两个选择:
- 我们要么在作业中设置Clang(使用before_script);
- 或者我们使用默认安装了Clang的Docker镜像。

第一个选择很好,但这意味着要为每个独立的作业进行设置。 这将耗费时间,但我们想一劳永逸。 所以我们更喜欢第二个选择,使用GitLab注册表。

git标签:use-own-docker

我们需要为容器创建Dockerfile(像往常一样:阅读官方文档以获取更多关于它的选项):

# Base image: https://hub.docker.com/_/golang/
FROM golang:1.9
MAINTAINER Julien Andrieux <julien@pantomath.io>
# Install golint
ENV GOPATH /go
ENV PATH ${GOPATH}/bin:$PATH
RUN go get -u github.com/golang/lint/golint
# Add apt key for LLVM repository
RUN wget -O - https://apt.llvm.org/llvm-snapshot.gpg.key | apt-key add -
# Add LLVM apt repository
RUN echo "deb http://apt.llvm.org/stretch/ llvm-toolchain-stretch-5.0 main" | tee -a /etc/apt/sources.list
# Install clang from LLVM repository
RUN apt-get update && apt-get install -y --no-install-recommends \
    clang-5.0 \
    && apt-get clean \
    && rm -rf /var/lib/apt/lists/* /tmp/* /var/tmp/*
# Set Clang as default CC
ENV set_clang /etc/profile.d/set-clang-cc.sh
RUN echo "export CC=clang-5.0" | tee -a ${set_clang} && chmod a+x ${set_clang}

Dockerfile构建的容器将基于golang:1.9镜像(是在.gitlab-ci.yml文件中引用的镜像)。

以前我们在容器中首先安装golint, 然后我们按照规范的方式在LLVM仓库安装Clang 5.0。

现在我们有了Dockerfile,我们则需要构建容器镜像,并将其提供给GitLab:

$ docker login registry.gitlab.com
$ docker build -t registry.gitlab.com/pantomath-io/demo-tools .
$ docker push registry.gitlab.com/pantomath-io/demo-tools

上面第一条命令代表连接到GitLab注册表。第二条代表构建Dockerfile中描述的容器映像。第三条代表把它放到GitLab注册表。

如果查看存储库的注册表,你将看到你准备使用的镜像。为了让CI使用你的镜像,你需要更新.gitlab- ci.yml文件:

image: golang:1.9

变

image:registry.gitlab.com/pantomath-io/demo-tools:latest

最后一个细节:需要让CI使用正确的编译器(即CCenvironment变量),因此我们在.gitlab-ci.yml文件中添加了变量初始化:

export CC=clang-5.0

一旦修改完成,下一次提交将触发管道:

https://gitlab.com/pantomath-io/demo-tools/pipelines/13497136

徽章

git标签:init-badges

现在工具已经就绪,每个提交都将启动一个测试套件,您可能想要显示它,这是合理的:)最好的方法就是在README文件中使用徽章。

编辑README文件,并添加以下4个徽章:

构建状态:主分支上最后一个管道的状态:

Build Status

覆盖报告:测试代码覆盖百分比

Coverage Report

go报告卡:

Go Report Card

许可证:
License MIT

其中覆盖报告需要特殊配置。因为考虑到CI中有作业要在运行时显示,所以需要告诉GitLab如何获取这些信息。

在作业的输出中,要为GitLab配置正则表达式。 如果正则表达式匹配到,GitLab则把匹配结果作为代码覆盖率。

这需要在存储库中的设置> CI / CD,向下滚动到“常规管道设置”部分中的“测试覆盖率分析”设置,然后使用以下正则表达式:

total:\s+\(statements\)\s+(\d+.\d+\%)

结论

接下来是什么?可能在CI中进行更多测试。查看CD(持续部署),自动部署构建。文档可以使用GoDoc完成。其中使用code_coverage_report生成一个覆盖率报告,但是不要在CI中使用它。你可以使用scp将该HTML文件复制到web服务器(参见关于如何使用SSH密钥的文档)。

非常感谢Charles Francoise撰写本文和https://gitlab.com/pantomath-io/demo-tools的Charles Francoise。

我们目前正在研究Pantomath。 Pantomath是一个现代化的开源监控解决方案,专为性能而设计,弥补了公司各个层面的差距。

飞书CLI开源:AI Agent办公自动化实战与生态解析 命令行接口(CLI)作为连接用户与系统核心功能的标准工具,其设计遵循了Unix哲学,强调通过组合简单、单一用途的工具来构建复杂工作流。这一原理在自动化领域尤为重要,它使得脚本编写和任务编排变得高效且灵活。随着AI Agent技术的兴起,CLI的价值进一步凸显,因为它为智能体提供了标准化、可预测的执行环境,使其能够通过解析和生成命令行指令来操作外部系统。飞书CLI的开源,正是这一技术趋势的典型实践。它通过提供官方、稳定的命令行工具,极大地降低了将AI能力(如大语言模型)与飞书办公套件(包括即时通讯、日历、文档 阅读详情

相关推荐

自建开源Pushover:打造私有、可控的开发者消息推送中枢

消息推送是连接后端服务与终端用户的关键技术,其核心原理是通过服务端与客户端之间的长连接或平台通道(如FCM/APNs),实现信息的实时、可靠传递。这项技术的价值在于能够将系统状态、业务事件等重要信息主动触达用户,极大地提升了运维效率与自动化流程的闭环能力。在服务器监控、CI/CD流水线、自动化脚本等应用场景中,及时的通知能帮助开发者快速响应问题。本文聚焦于一个名为“开源Pushover”的解决方案,它通过提供一套轻量级、可自托管的HTTP API,让开发者能够完全掌控数据流与推送逻辑,实现高可靠、高私密性的

weixin_30781107的博客 408

d的模糊测试

d的模糊测试

个人进步之路 1236

Gitleaks双引擎检测:正则与熵分析协同守护代码仓库密钥安全

在软件开发和DevSecOps实践中,代码仓库安全是保障核心资产的关键环节。其核心原理在于通过自动化工具对代码进行静态分析,识别潜在的安全风险。这项技术的核心价值在于能够将安全防护左移,在开发早期发现并修复问题,从而显著降低因敏感信息泄露导致的数据泄露、服务入侵等安全事件风险。它广泛应用于CI/CD流水线、本地开发环境以及定期的代码仓库审计等场景。具体到密钥检测领域,Gitleaks作为代表性工具,其技术实现巧妙地融合了正则表达式(Regex)和熵分析(Entropy Analysis)两种核心方法。正则表

weixin_34205826的博客 296

基于Gitlab CI 和 Cobertura查看单元测试代码覆盖率

在项目中做单元测试已经是一件必不可少并且大家都认可的任务。 有了单元测试,还需要直观的看到单元测试的代码覆盖率,还有具体的报告。 有了覆盖率的报告,还需要支持CI/CD平台读取这个报告内容。 一: 整合maven 和 cobertura 我们目前使用的代码覆盖率工具是Cobertura, 具体的使用方式如下: 1 cd{项目根目录} 2 mvn cobertura:cob...

一支烟一朵花 7232

Codex不是App:AI编程助手的协议化本质与CLI+IDE实战构建

Codex本质上是基于代码语义理解的程序化接口协议,而非可安装的客户端工具——它将自然语言到可执行代码的映射能力,以标准化RESTful API形式封装,构成开发者工作流的底层能力层。其技术原理根植于大语言模型的代码补全与上下文感知机制,核心价值在于解耦AI能力与UI载体,实现安全、可控、可编排的工程化集成。典型应用场景包括命令行批量脚本生成、VS Code编辑器内零打断智能补全,以及嵌入企业低代码平台的能力复用。本文聚焦Codex的协议化定位与真实落地路径,深入解析API调用契约、Prompt工程方法论及

weixin_34384681的博客 409

AI驱动漏洞挖掘实战:从原理到构建自动化扫描器

软件安全测试正从传统基于规则的静态分析(SAST)和动态分析(DAST)向智能化演进。其核心原理是利用机器学习,特别是大语言模型(LLM)对代码语义和上下文的理解能力,学习海量“漏洞-补丁”对中的微观模式。这项技术的价值在于能以前所未有的效率发现复杂、深层的逻辑漏洞和潜在的零日漏洞,显著提升漏洞挖掘的自动化水平与覆盖率。在实际应用场景中,它可作为渗透测试的“自动化先锋”和“侦察兵”,融入DevSecOps流程,在代码提交阶段进行早期风险预警。本文聚焦于**AI驱动的自动化漏洞挖掘**,通过构建一个融合代码解

weixin_33824363的博客 481

**GoCover-Cobertura:为您的持续集成环境量身定制的覆盖率报告工具**

GoCover-Cobertura:为您的持续集成环境量身定制的覆盖率报告工具 项目介绍 在测试驱动开发和持续集成(CI)流程中,代码覆盖度是一个至关重要的指标。它帮助我们理解测试对于整个代码库的触及程度,从而提升软件质量和可靠性。然而,在Go语言的世界里,找到一个兼容多个CI平台且能输出标准化XML格式(如Cobertura格式)以方便整合的工具并不容易。直到遇见了gocover-cobertu...

gitblog_00075的博客 657

golab:Go语言编写的Gitlab CLI

Go语言编写的Gitlab CLI 该项目提供了用Go编写的Gitlab的命令行界面(CLI)。 该项目使用与Gitlab进行通信。 它允许您从命令行运行Gitlab管理任务。 目录 更新供应商依赖性 将API Doc转换为标志结构 Gitlab Docker映像 故障排除 panic: trying to get string value of flag of type int json: Unmarshal(non-pointer []*gitlab.ProtectedBranch) 待办事项 支持多个目标 在用户命令中支持GPG密钥 支持嵌套组 修复Windows上的密码问题 更多资源 用法 例子 创建一个用户 golab user create --email username@company.com --username username --password 123

andorid使能ftrace失败

android使能ftrace失败

qq_35018427的博客 1310

使用Go(golang)编写的自定义Gitlab Cli工具-Golang开发

使用Go(golang)编写的GLab开源自定义Gitlab Cli工具,可帮助从命令行与Gitlab无缝协作。 GLab使用Go(golang)编写的GLab开源自定义Gitlab Cli工具,可帮助从命令行无缝地与Gitlab协同工作。 用法表 [flags]核心命令glab mr [列出,创建,关闭,重新打开,删除] glab问题[列出,创建,关闭,重新打开,删除] glab config glab help示例$ glab issue create --title =&ldquo; This is a issue title &ldquo; --description =&rdquo;这是一个非常长的描述&ldquo; $ glab问题列表--closed安装下载适合的二进制文件

对称加密中GCM和CBC俩种加密模式的区别

**CBC(Cipher Block Chaining)** 和 **GCM(Galois/Counter Mode)** 是两种常见的对称加密模式。它们的主要区别体现在加密方式、性能和安全性上。

闲人 1112

GitLab联合DigitalOcean为开源社区提供GitLab CI免费托管

GitLab(同名的Git的代码管理和持续集成工具的制造者)与云平台提供商DigitalOcean已合作,将向开源社区提供免费托管,以便其将持续集成工作转移到云端。\\GitLab针对持续集成的解决方案基于两个组件:一是GitLab CI,它是管理项目/构建的一种服务,而且也是GitLab.com的一部分;还有一个是GitLab Runner,其负责真正地去执行构建,运行测试和通过API访问Git...

cpongo5 147

QT编程之PCM音频播放与采集

Qt5/Qt6通用方案。

深之JohnChen的专栏 1174

Docker - 与GitLab CI结合,实现代码提交自动构建镜像

选择 GitLab CI 并非出于偏好,而是源于其架构一致性与开箱即用的安全边界✅同源存储:代码仓库、CI 配置、制品仓库(Container Registry)、环境变量、密钥管理全部内置于同一平台,权限模型统一(Project → Group → Instance),避免跨系统凭证同步风险;✅Runner 即服务:支持共享 Runner(Shared Runner)与项目专属 Runner(Specific Runner),可轻松对接自建 Kubernetes 集群或裸金属节点,资源调度透明可控;

千淘万漉虽辛苦,吹尽狂沙始到金 5862

一种导弹追踪算法的MATLAB仿真实现

以下是一个用于模拟机动变轨导弹和防空导弹追踪过程的 MATLAB 代码,同时会提供 3D 效果展示。你可以运行这段代码,从而观察机动变轨导弹和防空导弹的速度与位置变化。

SmartGridequation的博客 937

使用基于python的neurora进行表征相似性分析(RSA)

发现了一款用于表征分析的Python API,还是挺方便的,这里简单介绍一下进行表征相似性分析的使用方法。

zjh12312311的博客 2767

开源项目Pet使用教程:告别记忆负担,高效管理命令行代码片段

还在为记不住复杂的命令行代码而烦恼吗?还在shell历史记录中苦苦寻找曾经使用过的命令?Pet(命令行代码片段管理器)正是你需要的解决方案!这款用Go语言编写的开源工具,让你能够轻松保存、标记、搜索和执行命令行代码片段,彻底解放你的记忆力。 通过本文,你将掌握: - Pet的核心功能与安装配置 - 代码片段的创建、搜索和执行技巧 - 参数化代码片段的高级用法 - 多平台同步与团队协作方案 ...

gitblog_00690的博客 427

自动驾驶小车DIY:树莓派+激光雷达实现DWA路径规划(从仿真到实车)

本文详细介绍了如何基于树莓派与激光雷达,从零搭建一套完整的自动驾驶小车系统,并实现DWA局部路径规划算法。内容涵盖硬件选型、ROS环境部署、DWA算法原理与仿真,以及关键的实车调试与性能优化技巧,为创客和竞赛爱好者提供了一套低成本、高可行性的自主导航解决方案。

kiwi8的博客 530

如何用XJar保护Spring Boot应用:4个高效安全加密技巧

在当今数字化时代,保护企业核心代码资产变得至关重要。当你的Spring Boot应用部署到生产环境时,你是否担心源码泄露或被反编译?XJar作为一款专业的Spring Boot JAR安全加密运行工具,为你提供了一套完整的内存解密方案,有效防止源码泄露和反编译风险。 ## 为什么需要JAR包加密? 想象一下,你的Spring Boot应用被打包成JAR文件部署到客户服务器上。任何拥有这个JAR

gitblog_00707的博客 1088

YOLO12涨点改进| 损失函数改进篇 |AAAI 2025| 一种小目标检测SDLoss损失函数,解决现有损失函数对不同目标尺度敏感度不足的局限,提高了网络检测不同尺度目标的敏感能力,助力高效涨点

本文提出了一种改进的小目标检测方法SDLoss,通过动态调整尺度损失与位置损失的权重,优化了YOLOv12模型的性能。针对红外小目标检测中存在的两个主要问题:1)标准卷积难以捕捉目标的高斯空间分布特性;2)现有损失函数对不同尺度目标的敏感度不足,研究团队开发了Pinwheel-shaped卷积(PConv)和Scale-based Dynamic损失函数(SDLoss)。PConv通过不对称卷积核设计显著提升感受野,SDLoss则根据目标大小动态平衡尺度与位置损失的影响。

Ai缝合怪、助力小伙伴高效发论文 239

【异常】Cursor导入Karpathy指南失败解决方案Failed to import GitHub/GitLab rules: Error executing git: Cloning into

摘要:本文解决了Git克隆单个文件报错的问题,指出git clone只能克隆整个仓库而非单个文件。提供了两种解决方案:1) 推荐手动创建规则文件,在Cursor项目中新建.mdc文件并粘贴Karpathy行为指南完整内容;2) 备选克隆整个仓库获取文件。指南包含编码行为规范,强调简单性、精准修改和明确目标。还说明了如何设置全局规则和即时生效的方法。

奶爸的编程之路,也就一周冷个三天 176

VMware Unlocker终极指南:在普通电脑上运行macOS虚拟机的完整解决方案

想要在Windows或Linux电脑上运行macOS虚拟机进行iOS应用开发、macOS软件测试,却被VMware官方限制困扰?VMware Unlocker开源工具正是你的完美解决方案。这个强大的解锁工具通过智能修改VMware二进制文件,让你能够在非苹果硬件上完整运行macOS虚拟机环境,为开发者和技术爱好者提供了前所未有的灵活性。 ## 痛点分析:为什么你需要macOS虚拟机支持? ##

gitblog_00624的博客 732

hwasan / asan详细分析踩内存之一:Use after free

UAF漏洞全称为use after free ,即利用已经被free掉的堆块被再次利用,该漏洞的存在是因为程序编写者在free堆块部分没有将该堆块的fd指针改为0,进而导致该堆块可以被申请回来,3.内存块被free后,其对应的指针没有被设置为 NULL,但是在它下一次使用之前,有代码对这块内存进行了修改,那么当程序再次使用这块内存时,就很有可能会出现奇怪的问题。2.堆块free后,对应指针没有被设置为NULL,即还可以调用会该堆块,当我们申请一个比该堆块小于等于的size时。

1402

Regal 完全指南:基于 OPA 生态的 Rego 静态检查器(Linter)与语言服务器

Regal 是 Open Policy Agent(OPA)生态中面向 Rego 策略语言的专业 linter 与 language server(语言服务器),旨在让策略代码更规范、更易维护,同时通过丰富的规则集、文档和编辑器集成,显著提升 Rego 开发体验。本文以仓库内 [docs/projects/regal/index.md](https://link.gitcode.com/i/893

gitblog_00612的博客 523

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

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。

搭建个人技术知识库:基于VS Code与MkDocs的高效管理方案

在软件开发与学习过程中,知识管理是提升效率的核心环节。面对信息碎片化与知识孤岛问题,一个结构化的本地知识库能有效聚合代码片段、配置记录与解决方案。其原理在于通过目录分类与标签系统建立关联,并借助全文检索工具实现快速定位。这种方案的技术价值在于将零散经验系统化,形成可复用的技术资产,降低重复搜索成本。应用场景广泛,涵盖日常开发调试、技术学习笔记以及项目部署运维。本文以VS Code、Markdown和MkDocs为核心工具,详细介绍了如何构建一个轻量级、可定制且支持快速检索的“技术中转站”,其中涉及Markd

weixin_34199335的博客 436

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

上一篇: 从谷歌创始人的公开信中所学到的
下一篇: 你可能不知道的RoR 5点技巧
csdn研发技术
博客等级 码龄9年 1381粉丝 90原创
评论 1
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