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
200+累计阅读
260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
安装typo后，发现用中文标题发表文章，前台对应标题点开则将只能返回404页面，网上找到的方法：
原因在于RedirectController将已经URI.decode过的参数传给了Article.find_by_permalink方 法，该方法直接去查询articles表中:permalink列，所以失败。
修改方法很简单，只要修改${TYPO_ROOT}/app/models/article.rb文件，将
req_params[:permalink] = params[:title]
修改为
req_params[:permalink] = URI.encode(params[:title])
保存刷新，OK!
rails2.0学习
开发者技术博客实战指南：从问题定位到静态站部署
技术博客不是知识展示，而是工程认知的结构化沉淀。它源于调试中的‘啊哈时刻’，依托问题驱动的方法论（如断点式穿透、问题树组织、失败过程复现），通过可验证的现象锚定、最小可运行示例和工具链自治（Markdown+GitHub Pages+Utterances+Algolia）实现可持续输出。其核心价值在于降低团队理解成本、加速新人上手、反哺架构决策——当一篇《Webpack module resolution 调试笔记》被重复引用50次，它已超越文档，成为组织级认知基础设施。本文聚焦开发者视角的落地闭环，覆盖从
【开源】参与开源项目：从修复Typo开始
首先，对于初学者来说，参与开源项目可能看起来有点吓人，但事实上，有很多简单的方法可以让我们开始。开源社区是友好和支持的，只要你愿意学习和贡献，总会有你的位置。而且，通过参与项目，我们不仅能够提升自己的技能，还能结识一群志同道合的朋友。最近，我有幸收到了一个项目负责人的邮件，提到了如何加入并参与开源项目。所以，如果你对开源项目感兴趣，不妨从修复一个typo开始，逐步深入，你会发现参与开源项目是一件非常有趣和有成就感的事情。随着时间的推移，项目中使用的库和框架可能会更新，我们可以帮助项目保持最新状态。
Copilot与Cursor深度对比：AI编程工具的范式选择
AI编程助手正从简单代码补全演进为具备推理与代理能力的开发协作者。其底层逻辑围绕上下文理解、模型可控性与交互范式展开：GitHub Copilot以轻量、稳定、强约束的云端补全为核心，适合高频日常编码；Cursor则构建开放可编程的Agent工作台，支持多模型切换与项目级上下文分析，适用于复杂重构与私有知识深度利用。技术价值体现在开发效率跃迁与认知负荷再分配——前者降低‘写对’门槛，后者提升‘想清’能力。典型应用场景包括Python类型提示生成、Vue Composition API逻辑提取、Node.js
Markdown 语法之typora设置中文字体篇
上回书说，typora是一款很不专业的Markdown编辑器，说起来不专业就不专业在对中文不友好，中文作为联合国官方语言，博大精深，不支持中文简直就是反人类的特点。笔者今天就要让它支持中文楷体。 1. file->perference; 2. open_Theme_folder; 3. 选一个你常用的格式对应的cs文件； 4. 打开，查找font_family字样(注意不是@font_fam
GLM-4.5 MoE架构解析：大模型作为操作系统内核的工程实践
大模型正从通用对话工具演进为支撑智能体（Agent）运行的操作系统内核，其核心在于推理、编码与工具调用能力的原生融合。MoE（混合专家）架构并非参数堆叠的权宜之计，而是面向长上下文、多步骤、强工具依赖场景的工程效率终极妥协——通过动态激活稀疏专家实现低延迟高吞吐，使模型真正具备‘思考→调度→执行’的闭环能力。这种设计直接决定Agent在真实产线中的可用性，如自动分析报表、调用BI工具、生成合规病历摘要等任务。GLM-4.5将MoE路由、统一tokenization、分层缓存与状态化思考模式深度耦合，标志着国
产业园区运营负责人如何实现创新资源的系统化配置？.docx
产业园区运营负责人如何实现创新资源的系统化配置？
程序员快速处理代码bug的5大技巧
不管是项目团队出现了bug，还是前辈留下的代码出现bug，这个锅反正程序员是背定了。 不少的程序员被代码虐杀的痛苦万分。但从积极的方面来看，代码bug也是绝佳的学习机会。 处理bug能力重要性不言而喻，通常也是面试的考察范围。 下面w3cschool给小伙伴们分享5个处理bug技巧： 0、二分法定位 二分法定位是比较常用的bug处理技巧。 通过二分法，...
高校技术转移办公室人员需要哪些材料完成成果转化项目审核？.docx
高校技术转移办公室人员需要哪些材料完成成果转化项目审核？
typo in word。android studio对于错误拼写/不识别的英文单词，给予波浪提示。
使用自己的名字当Tag。却发现有个非常不用好的提示。波浪，我浪个你妹。 Typo：In word ‘miyuehu’ less...（Ctrl+F1） spellchecker inspection helps locate typos and misspelled in your code,comments and literals, and fix them
状态估计【扩展卡尔曼滤波算法的神经网络训练】BP神经网络、扩展卡尔曼滤波EKF+BP、粒子滤波PF轨迹估计研究（Matlab代码实现）
【状态估计】【扩展卡尔曼滤波算法的神经网络训练】BP神经网络、扩展卡尔曼滤波EKF+BP、粒子滤波PF轨迹估计研究（Matlab代码实现）内容概要：本文主要介绍了基于变频控制的多相交错LLC谐振变换器闭环仿真研究，重点探讨了多相交错并联技术在降低输出电流纹波和提升功率容量方面的优势，分析了交错角对纹波抵消的影响以及均流问题的成因。针对变频控制带来的非线性特性，文章采用扩展描述函数（EDF）建立小信号模型，用于指导PID控制器的设计，并验证其在稳态和动态工况下的控制性能。通过Simulink仿真平台对闭环系统进行建模与测试，考察了启动过程、负载阶跃响应及频率调节的平滑性，结果表明所设计的控制系统具有良好的稳态精度和动态响应能力。; 适合人群：电力电子、电气工程及其自动化等相关专业的高校师生及从事电源系统研发的工程技术人员。; 使用场景及目标：①掌握多相交错LLC谐振变换器的工作原理与建模方法；②学习变频控制下非线性系统的建模与PID环路设计技巧；③应用于高效率、低纹波开关电源的仿真设计与优化。; 阅读建议：建议结合文中提供的仿真模型与参数设置进行实践操作，重点关注EDF建模过程与控制器参数整定方法，通过对比不同交错角下的仿真结果加深对纹波抑制机理的理解。
论文复现基于物理信息神经网络预测2D3D非稳态温度场及热源（Python代码实现）
内容概要：本文详细介绍了基于物理信息神经网络（PINN）预测2D和3D非稳态温度场及热源的Python代码实现，旨在复现相关科研论文。该方法将物理定律嵌入神经网络结构中，利用偏微分方程描述传热过程，在无需大量标注数据的前提下，求解复杂的非稳态传热问题，实现对温度场时空演化和内部热源分布的高精度预测。文中系统阐述了PINN的模型构建原理、损失函数设计策略（包含初始条件、边界条件与控制方程的物理约束）、网络训练流程以及数值实验结果，充分展示了其在科学计算与工程仿真中的强大潜力与良好泛化能力。; 适合人群：具备一定Python编程基础和深度学习理论知识，熟悉偏微分方程与传热学基本概念，对科学计算、物理信息建模、智能仿真等方向感兴趣的研究生、科研人员及工程技术人员。; 使用场景及目标：①用于复现并深入理解PINN在非稳态热传导问题中的具体应用；②为从事热管理、材料科学、能源系统、航空航天等领域的研究人员提供可扩展、可定制的开源代码框架；③辅助高校教学与科研实践，帮助学生掌握物理信息驱动的机器学习建模方法及其在实际工程问题中的实现路径。; 阅读建议：建议读者结合文中提供的完整代码与详细注释，使用主流深度学习框架（如TensorFlow或PyTorch）进行动手实践，重点理解物理约束如何通过损失项融入网络训练过程，并尝试在不同几何构型、边界条件或热源形式下进行模型验证，以深入掌握PINN的设计思想与泛化机制。
自用Typora样式（自动编号功能）
自用Typora样式（自动编号功能） 示例： /** initialize css counter * 从h2开始编号 */ #write { counter-reset: h2 } h1 { text-align:center } h2 { counter-reset: h3 } h3 { counter-reset: h4 } h4 { ...
无源项一维波动问题的PINN的Python torch实现
内容概要：本文详细介绍了无源项一维波动问题的物理信息神经网络（PINN）的Python实现方法，基于PyTorch框架构建神经网络模型，将波动方程作为物理约束嵌入损失函数中，实现对偏微分方程的无网格数值求解。文中系统阐述了PINN的核心原理、网络结构设计、初始与边界条件的处理策略，以及利用自动微分技术高效计算高阶偏导数的方法。该方法摆脱了传统数值方法对网格划分的依赖，能够以端到端的方式逼近复杂物理问题的解，展现出在科学计算与工程仿真领域的强大潜力，尤其适用于高维或多物理场耦合问题的智能求解。; 适合人群：具备深度学习基础、偏微分方程知识及Python编程能力的研究生、科研人员，以及从事科学计算、工程仿真与人工智能交叉领域研究的专业技术人员。; 使用场景及目标：①掌握物理信息神经网络（PINN）求解偏微分方程的理论与实现流程；②完成无源项一维波动方程的神经网络建模、训练与结果可视化；③将该方法迁移应用于热传导、流体力学、电磁场等其他物理系统的建模与仿真研究； 其他说明：代码实现强调物理定律与数据驱动的深度融合，建议读者在学习过程中结合PyTorch框架特性与微分方程理论，通过调整网络层数、激活函数、损失权重和优化器参数等方式，探究不同配置对模型收敛速度与求解精度的影响，以深化对PINN工作机制的理解。
Kubernetes新手贡献指南：从文档修改到首个LGTM的完整路径
Kubernetes作为云原生基础设施操作系统，其开源贡献长期被误认为必须深入核心代码。实际上，贡献的本质是理解社区治理逻辑与分层协作机制——文档修正、测试补充和CLI体验优化等非核心任务，构成了92%新人的首秀入口。这类贡献依托标准化流程（CLA签署、upstream同步、hugo本地预览）、低风险验证（无编译/无集群依赖）和短反馈闭环（平均6小时获LGTM），天然适配初学者的技术认知边界与心理安全感。它不仅是入门跳板，更是建立开源协作直觉、积累CNCF项目背书、打通SRE/DevOps工程能力跃迁的关键
Oracle到金仓数据库信创改造迁移实施规划方案
**性能测试和优化**：对金仓数据库的性能进行测试，根据业务负载情况进行必要的调优，确保系统能够稳定高效运行。- **数据兼容性**：评估Oracle数据库中的数据结构和金仓数据库的兼容性，明确需要重构的数据模型。- **性能测试**：通过对金仓数据库的性能测试，预估在实际业务环境下的表现，是否能达到业务需求。- **工具选择**：选择适合的迁移工具，如金仓数据库提供的迁移工具，能够提升迁移效率和准确性。- **全面迁移**：在初步迁移成功后，进行全面数据迁移，确保所有数据完整迁移到金仓数据库上。
使用Python下载ECMWF的ERA-5数据
一、注册账号 [官网]https://www.ecmwf.int/ 二、登录后获取下载key https://cds.climate.copernicus.eu/api-how-to 如图右侧红色框中的内容复制保存为TXT文件，并重命名为“.cdsapirc”，注意前面有点，保存在 C:\Users\username\.cdsapirc，（WINDOWS系统），username指当前电脑登录账户。 三、安装cdsapi库 以pycharm为例： 在pycharm中依次打开：File>setting
开源社区治理新范式：从管理到赋能的四大跃迁
开源社区本质上是自主演化的社会技术系统，其健康度不取决于运营动作的密集度，而取决于成员自主权与贡献价值的可感知性。本文基于Jono Bacon提出的社区治理新纪元理念，深入解析‘星云结构’替代漏斗模型的底层逻辑，阐明‘上下文编织’如何提升信息有效性，并系统拆解‘贡献契约’‘动机映射’‘反馈压缩’等可落地机制。内容紧扣开源社区治理、贡献者体验、maintainer burnout 等高频搜索关键词，融合 Apache Flink、Rust 等一线项目实证，为技术负责人、社区经理及开源项目维护者提供兼顾理论深度
C++常见面试题总结
C++常见面试题总结
CVS、SVN与Git：集中式到分布式版本控制演进史
版本控制是软件工程的基础设施，其核心在于如何安全、可追溯地管理代码变更。从CVS的文件级悲观锁与线性修订号，到SVN的原子提交与目录版本化，再到Git基于内容寻址与有向无环图（DAG）的分布式对象模型，每一次范式跃迁都源于对协作效率、网络可靠性与历史完整性等现实约束的回应。CVS强调中心权威与人工协调，SVN强化事务一致与企业审计，Git则将副本自治与分支轻量化推向极致。理解这三者的原理差异，不仅有助于遗留系统维护与迁移决策，更能指导团队在发布频率、团队规模、合规要求等维度建立匹配的协作契约。本文深入剖析C
Windows系统下复现PointNet++算法
本文详细介绍了如何在Windows系统下复现PointNet++算法，内容包括程序下载、环境配置、数据集准备以及三个主要任务（语义分割、分类、部件分割）的实现步骤和常见报错解决方法。通过遵循本文的指导，用户可以顺利完成PointNet++算法的复现。
RK3566/RK3588 NPU性能实测：用mobilenet模型快速验证你的开发板NPU是否正常工作
本文提供了RK3566/RK3588开发板NPU性能实测指南，通过MobileNet模型快速验证NPU是否正常工作。详细介绍了环境搭建、测试资源获取、编译运行及结果分析的全流程，帮助开发者高效验证神经网络加速器功能，为后续AI应用部署奠定基础。
收藏必备！vLLM架构完全指南：从入门到精通（附源码解析）
本文是一份全面的vLLM架构学习指南，详细解析了vLLM的PagedAttention内存管理、Continuous Batching批处理等核心技术，以及项目架构、技能需求和学习路径。文章从环境搭建、基础使用到代码贡献提供完整学习路径，包含调试技巧、常见陷阱解决方案和扩展练习，帮助读者从基础使用到深度理解vLLM架构，最终能够参与项目贡献。
银河麒麟V10-ARM架构-postgresql安装与部署指南
本文详细介绍应用源码进行pgsql的安装步骤，本文以postgresql-12.0为例。提示：以下是本篇文章正文内容，下面案例可供参考银河麒麟系统安装程序比较繁琐，潜在问题比较多，个人建议均通过源码自定义编译安装。国产系统还需努力啊！
GitHub开源项目破圈方法论2026版：从第一次提交到全球开发者热捧的完整实战路径
文章的最后，我想回到阿明的故事。2025 年春天，KubeBoard 的 Star 数突破了 20000。在项目 3 周年的线上庆祝会上，阿明打开了一个旧文件夹——那是 2022 年，项目刚创建时的截图。12。1人。README：写了又删，删了又写的草稿。他对着视频里的 50 多位核心贡献者说：“三年前，我最大的愿望是能有 100 个 Star。这篇文章的方法论，是我过去 5 年参与开源项目的总结。但它不是一个公式——每个项目都有自己的节奏、自己的故事。
Vue - 详细实现低代码平台，支持拖曳式可视化生成应用软件功能，用户通过拖拽元素、搭积木的方式创建应用（适合迭代的基础架构、低代码平台）
Vue低代码平台-拖曳式拖拉拽可视化生成应用软件，拖拽式低代码数据可视化开发平台，vue实现拖拽，拖拽式Vue组件代码生成平台，基于vue的可视化拖拽代码生成工具，Vue实现可拖拽组件的方法，一个低代码平台的前端部分，靠拖拉拽生成页面。Vue技术栈从零实现低代码可视化搭建平台示例，低代码轮子，通过拖拽就可生成Vue代码的平台来了，vue低代码平台开发相关比低代码更强大的零代码开发平台，这款低代码SAAS数据可视化工具,拖拽生成大屏。vue实现拖拽效果，Vue自由拖拽缩放组件，自定义组件（文本、图片
Android Framework AMS面试题及参考答案
比如，应用 B 的 Activity 如果是 “singleTask” 启动模式，AMS 会查找应用 B 是否有包含该 Activity 的任务栈，若有则将这个任务栈切换到前台，并且清除该 Activity 之上的其他 Activity，实现流畅的跨应用跳转体验。如果一个 Activity 的启动依赖于另一个 Activity 的结果，AMS 会暂停当前 Activity 的部分生命周期操作，等待依赖的 Activity 完成相关操作后，再继续当前 Activity 的生命周期进程。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
667
扫一扫
