【共创稿事节】仓颉小游戏开发,棋盘能画了,规则却散在 onTouch 里——我用多个 Grok Bot 怎么先卡住驿路

利用MATLAB 4f光学系统,在Python中进行弗劳恩霍夫衍射和傅里叶面滤波——用镜头模拟光学图像处理。.zip 1.版本:matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 立即下载

第一周用 Agent 搭驿路巡点,体感很分裂:Empty Ability + Canvas 很快能绿、棋盘能画、手指能动;可规则一旦散落在 onTouch 分支里,两天后谁都不敢动。

不是模型不会写仓颉。是我没先写清「什么叫过」,Agent 就会优先交出「能看见的皮肤」。

这篇讲两件事怎么叠在一起:三条规则约定,以及我怎么用 Grok Bot(桌面多助手协作环境)开多个专家角色(含 Projects Manager、1:1 与拉群、Notion 回流)把脚手架和打回跑起来。

这是驿路第一周我正在用的卡法,给第一次用 Agent 搭仓颉游戏的人一个能试的切口;已经在跑多助手的,也可以拿验收约定怎么写来和我对一对——不是官方教程,也还没写成最终方法。

驿路巡点是 Zip 风格正交哈密顿路径:按序踩编号驿站且铺满网格。规则不复杂,却刚好验清——领域模型能不能先于 Canvas 站住。

先看一眼真机棋盘(长安·第 1 驿)与拖出第一步后的路径态:

为什么用仓颉写这款游戏

早前那条线,是把已有 ArkTS 产品往仓颉迁:源码可以尽量写成仓颉,系统边界仍常要 ArkTS / JS interop,并不是全量仓颉的手机应用。驿路巡点换了一条路——从零做一款纯仓颉手机游戏:官方 Empty Ability 模板,入口在仓颉侧,工程树里不混 ArkTS 页,先把规则层和 Canvas 手感走通。

优点先写:Zip 规则正交、可判定、可单测——升序驿站、不回头占格、全图覆盖——非常适合写成纯函数;网格尺寸可控,第一周就能用「长安」一类教程关把闭环跑通。缺点也清楚:仓颉侧 Canvas / onTouch 文档仍是 Beta(API 起始版本 22,以当时工程为准),资源读取绑定未必有你敢在真机上赌的写法;人侧闸门(体验版 / 插件)开篇已写,排期里必须留人侧时间。

所以我故意选了官方 [Cangjie] Empty Ability 模板:入口在 index.cj,官方树里也没有 src/main/ets。路径与 import 细节以当时官方模板为准。

本节速览:驿路巡点不是「证明仓颉比 ArkTS 好」,而是证明——在 Agent 协作下,规则层能不能先于皮肤站住。

用 Agent 搭骨架:什么过了,什么崩了

我把目标写成可引用的验收面,而不是「帮我做一个 Zip 游戏」这种空 prompt。Agent 擅长:按 Empty Ability 树生成工程骨架;拼出 RenderingContextSettings(antialias: true) + CanvasRenderingContext2D + onReady 首帧(宽高用 100.percent,颜色用整数,坐标用 Float64);在 Canvas 上挂 onTouch,用 event.eventType(不是 ArkTS 的 event.type)把 touches[0].x/y 映射到格子。这些「过了」的部分,体感是:编译能绿、棋盘能画、手指能动——Empty Ability + Canvas + 规则层能交卷,说明现模型从零写仓颉已经够用,不是卡在语言能力。

「崩了」的部分更有价值,而且几乎都发生在我没写验收清单的时候:

  • 规则散落在 onTouch 分支里——边界、墙、编号、撤销各写一段 if,两天后谁都不敢动。

  • 引擎文件为了「方便」直接 import Canvas / UI 类型,结果单元测试要起整棵 ArkUI。

  • 幻想运行时读 rawfile/levels.json,文档核不到稳妥绑定,真机才发现空表或读失败。

  • 把 ArkTS 画板习惯(字符串色、方法式 lineWidth(5)、社区过时 import ohos.component.*)原样搬进仓颉,类型检查或首帧绘制直接打脸。

我后来固定成四步:先写验收句 → Agent 交最小 diff → 本机 / 真机反馈 → 把坑写进 memories。跳过任意一步,下一轮都会用相同代价再踩一遍。定性要分清:少了这四步,多半是验收约定缺位或脚手架偷懒,不是「模型不会仓颉」。优点:Agent 把脚手架压到小时级,人可以把精力留给「什么叫过」。缺点:没有验收约定时,Agent 会优先交出「能看见的 Canvas」,而不是「能测的规则」——这仍不等于可停在 cjc(仓颉编译器命令行)绿。协作清单压成三句——下面三条决定,全部改写成 Agent 要能对得上的验收约定,而不是事后复盘感想。

第一次先做的,是写清三句验收约定(规则离开 UI / 步进唯一入口 / 关卡进源码),再让 Agent 交最小 diff;没写约定前,不把「棋盘能画」当成过。

验收清单一:规则纯函数,GridMap 零 Canvas 类型

触摸、绘制、动画都会变;「相邻能不能走」不会。所以我要求 Agent:engine 包里的 GridMap 只认格子和墙,不 import 任何 Canvas / UI 类型。对角线直接禁掉:曼哈顿距离必须正好是 1;正交边上若有墙,同样算 blocked。触点到格子的映射单独放在 touchToCell(px, py, layout)——吃像素和布局(原点、格宽、行列),吐 Option<Cell>;Canvas 只负责把手指坐标喂进来,规则层永远看不到「按下 / 拖动 / 抬起」。

// engine/grid.cj — 正交邻居(示意)
public func isOrthogonalNeighbor(a: Cell, b: Cell): Bool {
    var dx = a.x - b.x
    var dy = a.y - b.y
    if (dx < 0) { dx = -dx }
    if (dy < 0) { dy = -dy }
    return dx + dy == 1
}

验收语言比代码更重要:会话结束时,我只问三件事——GridMap 的 import 里有没有 UI;邻居与墙判定能否在无 Canvas 进程里跑;换皮肤是否需要改 engine。任一否,就打回,而不是「先把棋盘画好看再说」。可复用的那一块,正是这句:引擎包零 Canvas 类型。

优点:换皮肤、换控件、甚至换到非鸿蒙前端,规则代码不用动;Agent 再生成绘制层时,也不会把墙判定拖进 UI。缺点:前期要忍住「全都写在 index.cj」的快感;Agent 默认喜欢把逻辑贴在事件回调旁,必须用验收约定把它拆开,并在审查时显式扫 import。

验收清单二:canEnter / tryStep 唯一入口

Zip 规则叠在网格之上:升序踩驿站、不回头占格、最后一格必须是最大编号且路径覆盖全图。我把判定收敛进 PatrolGame.canEnter,步进入口只有 tryStep——拖回上一格等于撤销一步(Zip 手感),其余一律先问 canEnter 再 path.push。UI 只做「坐标 → Cell → tryStep」;断言写在规则对象上,不挂 UI 也能跑。

// game/patrol.cj — 唯一入口示意(非完整实现)
func canEnter(cell: Cell): Bool { /* 边界 / 已访 / 墙 / 编号 / 终局覆盖 */ }
public func tryStep(cell: Cell): Bool { /* 拖回=undo,否则 canEnter 才 push */ }

canEnter 的验收句可以写得很干:出界 false;已在路径上 false;相对上一步若 blocked(非正交或有墙)false;格子上有编号则必须等于下一个应收驿站;若编号等于最大驿站,则 path.size() + 1 必须等于全图格数——否则终局捷径一律拒绝。Agent 若在 UI 里再写一套「能不能走」,就算编译绿也算验收失败。

常见做法是把规则塞进各个 onTouch 分支,过两周你就不敢动任何一处。这里反过来——真机手感不对时,先对 canEnter 用例,而不是在绘制里猜。优点:规则对象可测,Canvas 只是显示器;这四步转得快。缺点:唯一入口要求产品拍板提前(撤销手感、终局条件),Agent 不能自己发明第二套规则;人侧缺席拍板时,模型很容易「两边都写一点」。

验收清单三:关卡进 levels.cj,不走运行时 rawfile

工程里其实有两份同源数据:resources/rawfile/levels.json 给求解器、脚本用;entry/src/main/cangjie/levels.cj 是应用真正编译进去的字面量。没用运行时读 rawfile,原因很具体:仓颉 1.1.3(以当时工程为准)的资源读取绑定,官方文档里还核不到一套我敢在真机上赌的写法。于是关卡变成源码——坏坐标、坏墙边会在构建或测试里炸,而不是玩家点进关才发现空表。

tools/build_levels.py 只做一件事:把已验证的 JSON 抄成仓颉字面量,不发明关卡、不生成路径。改关必须先改 JSON,再跑脚本同步。Agent 的验收约定写成三条禁令:禁止手写「看起来像」的 levels.cj;禁止跳过求解器验证直接改字面量;禁止把「JSON 里有文件」偷换成「应用已加载关卡」。会话 memories 里写清「JSON 为源」,否则 Agent 「好心」直接改 .cj,人和脚本会打架。

优点:双重账——一边诚实承认仓颉资源绑定成本,一边吃到编译期收益;求解器与应用读同一事实源。缺点:多一步同步脚本;CI 若只有脚本没有 DevEco,只能证明「字面量生成过」,不能证明「HAP 装过」——这两层验收要分开记账。

一周付出去的成本

三条约定能站住,不等于工具链免费。一周里真实付出去的,至少这三笔:

  • DevEco(华为鸿蒙 IDE)↔ 仓颉插件版本锁步:插件与 DevEco 必须成套安装,不能「IDE 升了插件没跟上」。本工程当时用的是 SDK 1.1.3、插件与 DevEco 组合以当时工程为准(曾出现插件 5.x 装不进 DevEco 6.0.1 的组合)。报名体验版 / 公测、Install Plugin from Disk,仍是人侧闸门——细则见开篇人侧闸门。

  • 云 CI 当前编不出 HAP:鸿蒙仓颉工具链仍要本机 DevEco;没有 DevEco / 仓颉鸿蒙工具链的环境,CI 不声称编过包。Agent 可以跑求解器与字面量生成,但不能把「脚本绿」偷换成「HAP 绿」。

  • 纯仓颉路径,不是 hybrid:这篇游戏是纯仓颉 UI + Canvas。我不假装「无缝替代 ArkTS」——互操作路径存在,但驿路巡点故意不踩那条路,先把规则层走通。和 Hybrid 模板混用,只会把验收边界搅糊。

优点写透:成本写进排期后,Agent 长跑不会在错误层级空转(例如在云主机上硬编 HAP);纯仓颉边界一旦卡住,后续讨论不会滑回「顺便嵌个 ArkTS 页」。缺点写清:本机锁步与真机共测吃时间;纯仓颉路径放弃了部分 ArkTS 生态捷径——这是主动选择,不是疏忽。一周账的中心判断只有一句:留下的是可测规则与同源关卡管道,付出去的是人侧闸门(开篇已写)与文档 Beta 不确定性。

我怎么用 Grok Bot 开多个 Grok Bot 搞驿路

Grok Bot 先说清楚:它是跑在桌面上的助手环境——可以同时养多个各有分工的 Grok Bot,而不是在一个聊天窗口里让模型硬扮演所有角色。我定验收约定与拍板;各 Grok Bot 认领任务执行。驿路这一周,脚手架、过关图、规则层、烟测和挑刺是错开推进的,靠的就是这套形状。

两台电脑:云侧长跑,本地碰真工程

多 Grok Bot 之外,还有一层常被漏写的体感:Grok Bot 能动手碰电脑——而且不是只能碰「助手自己那台」。我这边叠着用两套环境:

  • 助手侧的云电脑:每个 Grok Bot 自带的那台机。适合长跑任务、装工具、浏览器查文档,登录态也能常驻。脚手架脚本、调研抓取、把大段构建探针丢过去跑——我盯验收约定,云侧扛耗时活,少占本机焦点。

  • 我已注册的本地电脑:真机工程、本机文件与会话所在。Grok Bot 可以经我授权后在本机执行:读工程目录、碰 DevEco / 模拟器相关路径、动本机文件。没授权就不碰;授权是按次确认,不是默认接管整台机。

分工。本节速览:云侧跑长任务、装工具;本地侧碰「只有我这台机才有的」工程与设备——人授权,Grok Bot 执行。本地机要先在 Grok Bot 设置的电脑页登记成可用机器;具体点哪几个按钮以你客户端实况为准,这篇不展开菜单路径。

优点:长跑不堵本机,设备侧验又不靠口头描述。缺点:本地动作会等人点授权,急活偶尔卡一下;云侧没有我本机的 DevEco / 模拟器,编 HAP 仍得回本地——这和前面「云 CI 当前编不出 HAP」是同一条边界,不是两套故事。

Projects Manager:按意图创建专家 Grok Bot

日常入口往往不是我亲手把每个角色建一遍,而是先跟 Projects Manager(项目管理) 说清意图:这一周要驿路可玩、规则可测、过关图可审。PM 负责澄清范围、排人、卡验收——按需要创建或唤醒 designer / researcher / coder / tester / reviewer / writer 等专家 Grok Bot。人定方向与验收约定;PM 排班;专家执行。优点:角色边界清楚,少「一个人既画又写又测」。缺点:意图含糊时 PM 也会把任务拆歪——验收句仍要我先写清,不能外包给排人。

专家怎么拆(仍扣驿路)

  • researcher:盘面与站名、过关图约束;不交「唯一解」四字空话。

  • designer:棋盘 / 触控与讲解屏;图标与色值按目标尺寸交,不交糊成方块的默认形。

  • coder:Empty Ability + Canvas + 规则层落地;过审设计稿才进代码。

  • tester:本机连模拟器烟测与缺陷报告;用 hdc+设备侧 uitest 点滑截图,拉回全屏图后人眼看——不是只会口述「我点过了」。

  • reviewer:故事自洽、关卡过关图、验收约定有没有被偷懒——专门挑刺。

  • writer:把这四步与三条约定写成可引用的验收句,不替产品拍板。

这四步照旧:先写验收句 → 对应 Grok Bot 交最小交付 → 本机 / 模拟器反馈 → 坑进 memories。某个 Grok Bot 交了「能看见的 Canvas」却没把规则提出 UI,reviewer 或我会打回,而不是让 coder 继续叠皮肤。

tester 怎么点滑验:hdc + uitest,不是录屏工具

本节速览:Agent 用鸿蒙的 hdc + 设备侧 uitest,像人一样点、滑、截全屏,再拉回图用人眼看——这证明平台给了可被脚本驱动的模拟 / 自动化测通面,而不是又一个「帮你录屏」的壳。

工具链本轮证据如下(来自驿路烟测,不夸大):

  • hdc 连模拟器 127.0.0.1:5555;设备侧 uitest(dumpLayout / uiInput)负责读树与注入;snapshot_display 打全屏,再 hdc file recv 拉回本机(Mac)。

  • 没用 Hypium;也没有自动像素对比流水线。脚本落在仓内 qa-shots/(例如 clear_zhuo10.py、play_to_5x5.py)。

  • 装包与启停走平台能力(含 aa force-stop / aa start);Grok Bot 负责把命令串起来,并把截图拉回。

点与滑怎么发生:先 uitest dumpLayout 拿到控件树 JSON(text / bounds / type)→ 按文案取 bounds 中心 → uitest uiInput click x y;树里找不到就退已知坐标。画线通关:把 Canvas bounds 映射到格子,再 uiInput drag …;列表用 uiInput swipe。这不是 Accessibility DSL,是「树 dump + 坐标注入」——选择器一漂,点击就会空,所以脚本要肯重 dump,而不是死记一次坐标。

边界必须诚实:本轮验收都在模拟器 5555。真机理论上同套命令,但没有跑真机对照——不能写成「已在真机验过」。平台给的是布局树、坐标点拖滑、全屏截图、装包启停;Grok Bot 拉回图后,章皮 / 半身 / 地貌带这类观感验收仍靠全屏肉眼,不靠 auto-diff。自动化省的是重复点滑;「好不好看、对不对章」仍是人审。

优点:烟测可脚本化,回归不必每次人手点完十盘。缺点:选择器不稳时要重 dump;全屏观感没有自动红绿;本地授权与模拟器在线仍是前置。把 tester 写进多 Grok Bot,不是为了多一个头衔,而是为了把「能跑到第几关」从口头变成可复现的命令链。

协作形态:1:1 消息,也可以拉群

各 Grok Bot 之间、以及我与某个 Grok Bot,都可以 1:1 发消息:派活、改稿、收交付,适合「只找 coder 修 tryStep」这种窄口。也可以 拉群(channel)——比如驿路相关的 designer / coder / tester / reviewer 同室对齐过关图与打回,减少私聊里来回传话。优点:并行对齐、少串台。缺点:群一热闹就容易刷屏;我要求群里只贴验收相关的结论与附件,过程碎嘴留在 1:1。不是只能跟用户单聊——专家 Grok Bot 彼此也能通气,但最终「什么叫过」仍由我拍板。

Notion:把验收约定与坑落到外部板

外部我接了 Notion 一类连接器:任务板上认领「未开始 / 接下来」类写作或关卡任务,做完把状态与链接回流,验收通过与打回大家看得见。规则验收句、这四步备注,也会落到 Notion 文档页,而不是只活在某个 Grok Bot 的短期上下文里。体感上:连接器擅长认领与回写状态;验收原文与锁版仍是人定——我不会让 Grok Bot 自己把「过了」写进终态。优点:周报与验收通过有外部锚。缺点:板一乱,Grok Bot 会认领错行;字段与状态名以板上实况为准,不展开点击路径。

这套形状服务什么(不是功能清单)

回到驿路三条约定:多 Grok Bot 的价值,是让「规则离开 UI / 步进唯一入口 / 关卡进源码」各自有人盯——researcher 与 reviewer 盯过关图与偷懒,coder 落地,tester 打红绿,writer 把验收句写硬。脚手架能绿只是进门;打回发生在约定被偷懒时,而不是模型「不会仓颉」。优点:并行、角色可记账。缺点:人必须验收;群聊要克制;PM 与连接器都替代不了「什么叫过」。这不是产品广告,是我这周真实用过的协作形状。

收束

目前我这样做:先写三句验收约定,再让多个 Grok Bot 认领脚手架 / 规则 / 过关图 / 烟测;GridMap 零 UI 类型,canEnter/tryStep 唯一入口,关卡经 build_levels.py 从 JSON 进源码;云侧长跑、本机授权后碰 DevEco;tester 用 hdc+uitest 在模拟器 5555 点滑截全屏,真机对照本轮没跑。目前我认这三条约定,才算「规则站得住」;别的拆法还没比过。从零搭仓颉游戏,目前我认脚手架能绿已够用,但棋盘能画只是进门,不是过。

仍待验证:真机是否同令可复现;云 CI 何时能诚实编 HAP;三条约定要不要再拆更细的「撤销手感 / 终局」产品拍板字段;选择器漂了之后,全屏肉眼验收能不能部分自动化而不误伤。

想和你讨论:验收约定写在 session goal / memories 里,和写进 Notion / 测试文件,哪一种更不容易被 Agent「先画皮肤」旁路?纯仓颉 Empty Ability 这条边界,在什么规模下其实应该早接 ArkTS hybrid,而不是再忍一周?

协作形状这里只摊开驿路这一周的现场;拍板放哪、批准之后怎么流转、证据怎么卡,我另有 Grok Bot 三篇笔记接着写——这篇不展开。

本节速览:三条约定 + 这四步是我这边这周的现场刀;别只复制 Canvas 脚手架,也别把「能交卷」误读成零坑。

利用MATLAB和Excel对逆流双管热交换器的热性能进行分析。.zip 1.版本:matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 立即下载

相关推荐

利用MATLAB对5G NR波束成形技术的性能分析.zip

1.版本:matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

【FDE知识库】(1):AI 编程时代开发语言选型分析,云使用go,企业用java,算法python,底层c

AI 编程时代,开发语言选型需综合考量AI适配度、编译速度、跨平台与学习成本。Python以海量语料和即时执行成首选,适用于AI/ML与原型开发;TypeScript凭借类型系统与秒级构建,成为前端及应用层主流;Go以极速编译与统一风格,契合AI代理高效迭代需求。Rust/C++虽性能强,但编译慢、学习成本高,不适于快速试错。综合推荐:优先选Python、TypeScript、Go,兼顾效率与生态,实现最优AI协作体验。

freewebsys的专栏 482

工业互联网工控安全与工业质检AI大模型建设方案.pptx

工业互联网工控安全与工业质检AI大模型建设方案.pptx

2026最新7款企业AI编程平台深度选型实测

上个月我作为技术负责人,接了个硬骨头——两周内给团队选一款企业级AI编程平台。我们公司做金融数据SaaS,代码库80多万行,涉及大量客户敏感数据,安全合规是第一优先级。我拉了个评测清单,把市面上7款主流AI编程工具全部跑了一遍。字节跳动出品的TRAE基础版免费,这一点在预算审批上直接帮了大忙——先让两个小组试用了一周,实测效果远超预期。经过这次选型,我对企业级AI编程工具有了全新的认知。

2603_96966239的博客 197

通信行业CentOS 7内核网络栈优化:高并发连接下UDP/TCP性能调优与系统资源管理

内容概要:本文聚焦于CentOS 7系统在通信行业高并发场景下的性能调优实践,重点围绕内核网络栈优化展开,涵盖UDP/TCP缓冲区调整、文件句柄与连接跟踪表扩容、TIME_WAIT状态复用、软中断分布优化及tuned工具的自动化调优。通过具体配置参数和实际案例(如VoIP软交换系统)深入解析各项调优措施的设计原理与实施效果,有效解决高CPS下丢包、连接失败等问题,并展望了向云化、eBPF等动态智能调优方向的发展趋势。; 适合人群:从事通信系统运维、网络开发或Linux系统性能优化的技术人员,具备一定操作系统和网络基础知识,工作经验1年以上的中初级工程师。; 使用场景及目标:①应用于软交换、媒体网关、信令网关等高并发通信设备的系统调优;②解决UDP丢包、conntrack表满、TCP连接队列溢出等典型性能瓶颈;③提升系统在小包高频、低时延要求场景下的稳定性和吞吐能力。; 阅读建议:建议结合实际生产环境或测试平台同步验证文中配置,重点关注参数背后的物理意义(如BDP、softirq、conntrack机制),并配合ss、conntrack、dmesg等命令进行调优前后对比分析,确保安全可控地实施变更。

2024 《计算机网络》实验教学指导书.doc

2024 《计算机网络》实验教学指导书.doc

Grok 4.7在zeekeai编程提示词哪个好用?

在AI编程进阶实践中,用Grok 4.7生成高质量提示词(Meta-Prompt) 成为突破效率瓶颈的关键。依托其实时信息流与极客视角,Grok能精准捕捉最新开源动态,生成具备前沿性、攻击性与低限制的提示词,在框架初始化、代码审计与逆向重构等场景中表现卓越。通过zEEKEAI平台实现多模型路由——以Grok写“战略指令”,再交由GPT-6.1或Claude执行“战术落地”,可显著提升代码可用性与工程鲁棒性。关键在于:善用其破局能力,严控输出格式与风险,构建“提示词架构师+代码执行者”的协同范式,实现成本可控

li475068192的博客 292

不平衡电网下自抗扰顺序模型预测PWM整流器控制仿真模型(Simulink仿真实现)

内容概要:本文围绕面向城市空中交通的多无人机路径规划问题展开研究,提出了一套融合全局规划、动态避障与局部协同调整的综合路径规划方法。研究内容涵盖基于改进RRT算法与图论的全局路径规划、基于动态风险场和动态窗口法(DWA)的模型预测控制实现动态避障,以及基于分布式协同控制的多无人机局部路径协同策略。通过Matlab平台构建仿真环境,在多种典型城市交通场景下对所提方法进行了系统性验证,结果表明该方法在路径安全性、编队稳定性与任务效率方面表现优异。文章还深入探讨了算法的创新点与未来研究方向,为复杂城市环境下多无人机系统的自主协同提供了理论支撑与技术路径。; 适合人群:具备自动化、控制理论、计算机科学或相关领域基础知识,从事无人机系统、智能交通、路径规划、多智能体协同控制等方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①为城市空中交通系统中的多无人机安全、高效飞行提供可靠的路径规划解决方案;②支持在复杂、动态的城市场景中开展无人机自主导航、编队飞行与协同控制的技术研究与仿真验证。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注算法的具体实现细节、参数配置对性能的影响以及不同仿真场景下的实验设计,以深入理解各模块的集成逻辑与实际应用效果。

用AstraFlow星图实测7家大模型:8960局圈地+11份转笔作业,AI编程能力差距到底在哪

给每家AI一份陌生规则、一次机会、限时完成可运行的程序或3D网页。国产五家与海外两家同台,最终收上五份圈地作业、十一份转笔作业。结果显示:名次不等于模型强弱,花钱多不等于名次高,最关键的失分点不是能力不足,而是时间没用完就主动收工。

qq_25897071的博客 223

【选址和定容】模拟退火改进多目标粒子群算法在分布式电源选址和定容中的应用【IEEE69节点】(Matlab代码实现)

内容概要:本文研究了模拟退火改进多目标粒子群算法在分布式电源选址和定容中的应用,以IEEE69节点配电系统为算例进行仿真分析。通过融合模拟退火算法的强全局搜索能力与粒子群算法的高效局部收敛特性,构建了一种改进的多目标优化算法,用于解决分布式电源在配电网中的最优位置选择与容量配置问题。研究旨在实现多重优化目标,包括最小化网络有功损耗、提升节点电压质量、增强系统运行的经济性与稳定性。文中详细阐述了多目标优化模型的数学构建、算法的改进机制与实现流程,并基于Matlab平台完成了算法编程与仿真验证,结果表明所提方法在求解质量和收敛性能上均优于传统算法。; 适合人群:具备电力系统分析、优化理论基础及Matlab编程能力,从事配电网规划、分布式能源系统优化、智能优化算法应用等相关领域的科研人员、工程师以及高校研究生。; 使用场景及目标:①解决高比例分布式电源接入背景下配电网的科学规划问题;②为新型电力系统中源网协调设计提供有效的优化工具;③为相关领域的科研工作提供可复现、可拓展的算法模型与仿真代码实例,支持进一步的算法对比与功能升级。; 阅读建议:建议读者结合提供的Matlab代码与IEEE69节点标准数据,动手复现实验结果,深入理解算法的参数设置、迭代过程与多目标折衷分析方法,并可根据实际研究需求修改目标函数或引入新的约束条件以适应不同的应用场景。

PX4环境git submodule update --init --recursive失败的解决办法

最近开始搭建PX4环境,搭建是需要从github下载工程,然后使用语句git submodule update --init --recursive更新工程子模块,但往往由于网络原因这一步需要很久,甚至会失败。因为github是外网,在上面下载代码会受到很大限制,往往会出现下面的问题: 即无法连接到github,查阅了相关资料后,我发现了解决更新子模块失败的方法: 1.打开你下载的PX4源码,即Firmware文件夹,找到其中的.gitmodules,如下图: 2…gitmodules有以上格式,path

qq_36903625的博客 1万+

基于AI编程工具(Trae Work / Cursor Codex)开发全栈项目标准化流程

本文提出一套基于AI编程工具(Trae Work/Cursor Codex)的全栈开发标准化流程,解决AI“脑补需求”“乱改代码”“契约不一致”等痛点。核心思想:人定契约,AI执行,通过需求澄清、接口契约先行、Spec/Checklist锁定范围、任务分步迭代、强制Skill规则约束,实现可复用、可验证的开发闭环。配套提供项目Skill规则、文档模板及FastAPI+Vue3+Flutter极简Demo,确保AI生成代码精准落地,提升工程化效率与交付质量。

jacky choise 183

【HSCNN解析】HSCNN:从欠采样光谱图重建高光谱图的CNN网络

本文介绍HSCNN,是一个将欠采样光谱图重建为高光谱图的纯CNN网络,2017年提出。

上个大学哪有不疯的?硬撑罢了! 1619

AI编程技术拆解(11月7日)|给函数加了一个参数,九处调用漏了六处,六个页面白屏返工两小时

先只改定义,别合并,跑一遍编译,把报错的文件名抄下来,再让它按名单逐个改,半小时。改完,漏的六处自己会冒出来。

李文慧 中国开源充电桩平台第一人;李文慧 国内知名开源工作者 全栈工程师 华为云最具价值专家 10

压电阀控制器设计-总章

本文章用于回顾记录本人制作压电阀控制器的关键技术,本人所制作压电阀控制器已经上市得到应用,特在此对一些关键技术进行回顾记录,欢迎从事压电控制及压电阀相关人员一起讨论

qq_42712859的博客 849

因果推断综述-A Survey on Causal Inference

最近读到一篇讲述很全面的综述文献-《A Survey on Causal Inference》,对于接触因果推断不久的同学而言是特别详细的介绍和科普。文献很长,我会分成几部分介绍。 目录 摘要 第一部分:简介 第二部分:因果推断基础知识 第三部分:基于三种假设的因果推断方法 第四部分:实验 第五部分:应用 摘要 几十年来,因果推理是一个跨许多领域的关键研究主题,如统计、计算机科学、教育、公共政策和经济学。与随机对照试验相比,研究方向由于可用数据量大且预算要求低,如今,从观测数据..

海边凝望的博客 3182

【AI编程】使用笔记:修复vscode中codex插件加载失败 Codex could not start

适用于打开 Codex 侧栏后显示,并在日志中确认界面就绪超时的情况。本文将等待时间从延长到。这是针对特定插件版本的临时修改,该版本把时限写在插件程序里,VS Code 的和 Codex 的都没有对应设置项。

tz_zs的博客 293

Ubuntu下Ollama局域网共享大模型服务:5分钟搞定配置与防火墙设置

本文提供了一份在Ubuntu系统上快速配置Ollama实现局域网共享大模型服务的实战指南。通过修改服务配置使其监听所有网络接口,并设置UFW防火墙规则,用户可在5分钟内让同一Wi-Fi下的其他设备(如笔记本、手机)便捷调用主机上的AI模型能力,实现团队或多设备间的AI资源共享。

ik6789012的博客 822

2026最新6款AI编程工具深度实测:基础版免费哪家强?

回到开头那个发票模块的事故,如果当时我用了 TRAE 的 Agent 能力做 SDK 升级兼容性检查,大概率不会漏掉字段变更的问题。AI 编程工具选哪款,取决于你的开发场景、团队规模和预算约束。没有哪款工具能适配所有人,但 TRAE 在免费策略、中文能力、模式覆盖和迁移便利性上做到了很均衡的交付。花两个周末跑完这轮深度实测,我对 2026 年的 AI 编程工具体系有了自己的判断——剩下的就是选一款趁手的,把时间花在写业务逻辑上,而不是修兼容性问题。

2603_97112020的博客 165

【ros2】ros2_control 全面解析与实战指南

ros2_control 是 ROS2 生态中用于机器人实时控制的核心框架,旨在统一硬件接入接口、复用控制算法,避免重复开发,实现仿真与实机硬件的无缝迁移。其核心目标是简化不同硬件(传感器、执行器、完整系统)的集成流程,让开发者专注于控制逻辑而非硬件适配。创建类型功能包,依赖rclcpp。实现on_initupdate在中声明控制器插件,编译生成动态库。在 YAML 配置文件中指定自定义控制器类型,加载测试。

EnHengNa的博客 1467

基础入门篇 | YOLOv8 项目【训练】【验证】【推理】最简单教程 | YOLOv8必看 | 最新更新,直接打印 FPS,mAP50,75,95

三个文件搞定YOLOv8【训练】【验证】【推理】🚀🚀🚀

Coding... 2万+

团队AI编程落地第14篇|AI 编程安全合规五层防护:脱敏 / 沙箱 / 门禁 / 准入 / 审计(含 2026 事故与配置)

防源码泄露、密钥外泄、提示注入、供应链投毒、Agent 误删生产?本文给五个安全能力组件、五步落地路径、权限矩阵与小团队零成本动作,可直接照做。

Derekjiang的笔记簿 299

【雕爷学编程】Arduino动手做(45)---红外光电避障传感器模块4

雕爷学编程,Arduino动手做,开源硬件,创客传感器,红外光电避障传感器模块

雕爷学编程 2503

AI编程——从 Vibe Coding 到 SDD

编程的重心,从"写代码"挪到了"写规范"。把 Spec 当源代码——像对待代码一样去版本管理、评审、做 diff;把代码当编译产物——可重生成、可替换,Spec 才是核心资产。这也是 Karpathy 所说的 Software 3.0 的真正含义:当自然语言能直接驱动程序,自然语言本身就是新的编程语言。而写好这门"语言"的能力——定义问题、划定边界、想清楚怎样算对——恰恰是工程师最不可替代的价值。门槛降低的同时,认知代价在悄悄累积。保持警惕,比追求速度更重要。

AI模型架构,技术分享 176

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

【嵌入式软件AI编程】(3)面向 AI 协同开发的 STM32 硬件信息标准化

本文以 NUCLEO-G431RB 为例,建立硬件信息标准化流程。利用统一规范和 Python 程序,将 Altium 原始网表转换为标准化 JSON;再结合硬件事实整理与 Codex 对话,生成 Markdown 核心硬件上下文。最终形成默认读取与按需查询相结合的两类文件,为 AI 协同开发提供可复用的硬件信息支持。

youcans的博客 282

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

上一篇: Skill 退烧,大厂接棒:GitHub 周榜的权力交接
下一篇: 本周 GitHub 没有大爆款,但 Attention 完成了一次换位
猛码象限
博客等级 码龄12年 5粉丝 32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