软件项目外包和自建团队

如何通过外包平台承接IT项目 创业的想法很诱人,然而,创业的道路却充满崎岖。尤其是在移动互联网行业创业的开发者们,受乔帮主的鼓舞,人人心中都有一个改变世界的梦想,可现实却将这些创业者打击的头破血流:市场竞争激烈,用户付费习惯尚未养成,VC越来越挑剔,盈利遥不可及……放弃?不舍。坚持?没钱。   在这种情况下,很多创业团队选择了通过承接外包项目赚钱的“以战养战”的方式。有人说这是饮鸩止渴,会使团队偏离最初的方向,无法在核心产品 阅读详情

非软件公司在开发软件项目的时候遇到的第一个问题就是应该找外包公司开发还是自建团队招人开发,这当然取决于项目的预算和项目的长期规则,总的说,大项目适合自建团队,小项目适合找外包公司,下面和分享一下原因。北京木奇移动技术有限公司,专业的软件外包开发公司,欢迎交流合作。

 

一、项目预算

一个典型的软件开发团队需要5-6人,一线城市的人员工资为2-3万,每月的成本为10-15万。常见的软件开发周期为2个月一个版本,那项目总成本在30-40万。以上基本的成本计算,可以参照这个比例计算人员成本。

如果是自建团队那每月支出在15万左右,开发完成后一般不能立即辞退这些开发人员,一年就是180万,可以计算一下项目预算是否满足。

如果是项目外包,那项目总成本30-40万,维护成本一年为2-3万,这样总成本可以控制在50万以内。

因此看项目预算,如果是大项目,一年中需要不断的迭代开发,那应该是自建团队更合适,如果只是项目初期的试水阶段,应该找外包公司更适合。

二、公司的主业

自建团队需要招人团队也需要磨合,如果公司的主业与软件行业相关性较大,那人员的磨合管理过程相对容易,如果与软件行业相关比较远,那管理一个开发团队也并不是一件容易的事,这个过程可能会出现很多新的问题。

外包的话,这个问题就不明显,只要公司把握好需求,有一个优秀的产品经理,那开发过程可以由外包公司来完成,按照标准去验收项目就可以,这会容易很多。但有一点也非常重要,需要有1-2个有懂产品需求和基本的软件项目管理,这样与外包公司沟通起来更容易。

三、长期规划

软件项目需要不断的迭代开发,那迭代周期是多少?目前已经明确的需求有多少?如果要做的内容非常明确,只是需要代码实现,这样的项目更适合找外包公司,只要内容能把控好质量和需求就行。

也有一些思路是前期外包开发做尝试,如果选择的方向可靠,软件的前途不错,那再选择自建团队,这是一个更科学的方法,适合大多数的软件项目。

软件外包项目KPI全景管理指南 软件外包已经成为企业降低成本、提高效率的一种重要手段。在选择外包策略时,企业需要考虑多种因素,包括成本、技能、资源以及时间和质量的控制。软件外包可细分为不同的类型,包括全包(Turnkey)、离岸外包(Offshore)、近岸外包(Nearshore)、多源外包(Multi-sourcing)等。每种类型都有其独特的优点和潜在风险,企业必须根据自身需求和条件,选择最合适的外包策略。全包外包,也被称为“一揽子”外包,涉及将整个项目或流程交付给外包供应商,直至交付最终产品或服务。 阅读详情

相关推荐

Halcon图片拼接避坑指南:特征点匹配常见问题与解决方案

本文深入解析Halcon图片拼接中特征点匹配的常见问题与解决方案,涵盖特征点提取、匹配优化及变换模型选择等关键环节。针对工业视觉检测中的拼接错位、重影等问题,提供参数调优、图像预处理和算法选择等实战技巧,帮助开发者高效避坑并提升拼接精度。

weixin_28694169的博客 200

大厂外包or自研公司?测试人找工作怎么选?

大厂外包项目好还是自研公司好?相信很多人在找工作的时候都遇到这个问题。

软件自动化测试技术交流、资源分享 625

审稿人看了直呼内行:多组学整合分析——科研小白进阶之路

多组学,多平台分析解决方案

pysonger的博客 3946

软件外包还是自建团队

根据IT权威资讯机构Garnter的预测,到2020年企业的75%的软件将是自己开发而不是购买。按照数字经济发展的速度,我们也不难理解Gartner的这个预测。如果企业还是去采购标准软件,那么企业在数字领域就没有核心竞争力(竞争对手也可以去采购一样的软件。) 传统行业企业领袖如果认同Garnter的预测,意味着他们需要开始着手软件开发。那么企业决策的第一个难题是外包软件开发呢还是开始招聘自己的软

vonbros的博客 2064

【数电课程设计】---出租车计价器

文章目录1、任务要求2、方案3、收获 1、任务要求 2、方案 3、收获

LZY 1万+

华为OD机试真题 新系统2026-04-01 C++ 实现【计算数列位置N的值】

如果其前面的M个元素中,存在值相同的元素,则该位置上的数值等于前面M个数中最大的数值与最小的数值之如果其前面的M个元素中,不存在值相同的元素,则该位置上的数值等于前面M个数中最大的数值与最小的数值之差;1、输入M、N两个数,则按照以下规则形成一个数列;两个整数,用逗号分割,分别表示M和N。一个整数,表示数列第N个位置上的数值。2、数列的前M个元素的值为1到M;请计算该数列第N个位置上的数值。N取值范围:1<= N<=50。M取值范围:3<=M<=10。

MISAYAONE的博客 1161

找软件外包公司而不是自建研发团队

专业的外包团队可以快速为客户提供软件开发解决方案,若是自建团队开发,需要从人员的招聘、面试开始,等人员招聘齐全后还需要相互磨合,开发过程中遇到困难时,很可能因为经验不足导致项目烂尾等情况。对于大部分想开发软件的企业来说,软件并不是企业的关键能力,软件只是为了更好地辅助企业管理,是短期性的项目需求,若是直接找外包公司,企业可将精力放在公司主要业务上。正规的软件开发公司会为您提供具有建设性的建议,为了能开发出更好的作品,在开发过程中会不断与您沟通需求,避免开发出来的产品偏离实际需求。

sofar_dev的博客 155

PINN物理信息网络 | 非线性薛定谔方程的物理信息神经网络

PINN物理信息网络 | 非线性薛定谔方程的物理信息神经网络

算法如诗的博客 1299

软件外包成本分析:自建团队与外包模式的对比研究

自建团队与软件外包各有适用场景,成本差异主要体现在人力成本、管理成本和风险成本三个维度。外包模式在初期投入、人员管理、技术风险方面具有成本优势,适合技术需求明确、追求快速上线的项目。自建模式则适合技术需求持续、需要深度定制、技术作为核心竞争力的企业。企业在决策时应综合考虑项目特点、资金状况、技术战略等因素,选择最适合自身发展的模式。无论选择哪种模式,科学的成本管理和质量控制都是确保项目成功的关键。

xunluglobal的博客 438

Claude Code auto mode 管理 subagents 的三道安全闸门

文章摘要: Claude Code的auto mode核心在于重构多代理协作的安全边界,将信任拆解为三个检查点:任务委派前评估主会话指令是否越界(v2.1.178新增);执行中强制subagent继承主会话权限模式,禁止自行降级;返回前审查完整动作历史并附加安全警告。这种设计通过动态运行时约束(classifier)与多层防线(tools限制、hooks等)结合,避免安全策略分散化。auto mode并非完全放权,而是通过减少常规提示+后台严格检查实现平衡,与隔离环境专用的bypassPermissions

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 74

华为OD机试新系统真题【仓库盘点】

华为OD机试真题 新系统【仓库盘点】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题【仓库盘点】

qq_45776114的博客 579

软件开发前的准备工作与外包模式的价值分析

软件开发前的准备工作需要投入相当的时间和精力。外包模式通过专业化分工,帮助企业在人力管理、项目协调、技术决策等方面节省大量工作量,同时降低项目风险。企业可根据自身情况,评估外包模式与自建模式的利弊,选择适合的软件实现路径。

xunluglobal的博客 218

100天精通Python(爬虫篇)——第119天:基于selenium实现隐藏浏览器指纹特征(反反爬策略)

1. 什么是浏览器指纹? 2. 爬虫隐藏浏览器指纹特征的好处? 3. 手动打开浏览器指纹情况 4. 无界面模式打开浏览器 5. 脚本隐藏浏览器指纹特征

努力让自己发光,对的人才能迎着光而来 8万+

对软件外包项目中甲方外包管理的思考(一)——人员外包和项目外包

一、概述 在软件外包项目中,甲方(发包商)通过资金或其它资源获取乙方(承包商)的开发服务,以达成其软件需求目标。为了让外包项目按时按质按量完成,甲方需要做好项目的采购管理、外包管理,其中采购管理的核心是选择合适的供应商、签订合同,外包管理的核心是过程监控、项目验收。按照外包项目采用的形式和管理方法的不同,可以将外包项目分为项目外包、人员外包[1]。 项目外包 甲方将项目的需求和范围要求发给乙...

点滴记录 1万+

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。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

软件外包服务岗前技能训练——软件外包服务之路

软件外包服务是一个充满挑战和机遇的行业。通过参加"软件外包服务岗前技能训练"这门课程,我不仅提升了自己的专业技能,还增强了团队协作和沟通能力。在未来的工作中,我将继续努力,不断学习和进步,为软件外包服务行业做出更大的贡献。以上就是我的csdn心得体会,希望能够对大家有所帮助。软件开发是一项充满挑战和乐趣的工作,让我们一起在这个行业中不断探索和创新,共创美好未来!

m0_62733085的博客 4万+

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

有软件外包项目如何顺利接单

随着信息化的逐步深入,无论是企业、政府还是个人,对软件的依赖已经到了必不可少的地步。现在有越来越多的人认识到了软件在日常经营管理中的重要作用,因此外包的软件项目也在不断增长。但随之而来的,承接外包的软件公司、软件团队也越来越多,包括很多个人SOHO一族也加入到承接软件的竞争行列中来了,因此现在对于软件项目的争夺也很激烈。还有很多人甚至不知道上哪里去争取项目,总是抱怨没有项目做;也有的人虽然编程技术

CSTO外包平台的博客 1万+

程序员如何接外包项目

      随着信息化的逐步深入,无论是企业、政府还是个人,对软件的依赖已经到了必不可少的地步。现在有越来越多的人认识到了软件在日常经营管理中的重要作用,因此外包的软件项目也在不断增长。但随之而来的,承接外包的软件公司、软件团队也越来越多,包括很多个人SOHO一族也加入到承接软件的竞争行列中来了,因此现在对于软件项目的争夺也很激烈。还有很多人甚至不知道上哪里去争取项目,总是抱怨没有项目做;也有的人

氧气的技术博客 3万+

项目中的外包团队如何管理

在复杂的项目工作中,对外采购产品、服务变得越来越普遍。 这种基于合同的跨组织合作方式,确实给项目的管理工作带来了更大的挑战。项目经理在管理好自己团队的同时,应该怎样做好针对外包团队的监督与控制工作呢? 01 工作外包不等于甩包袱 首先需要明确的一点,工作外包了不等于甩包袱。从管理风险的角度看,将包含风险的工作活动交由第三方执行,属于“转移风险”的策略:将风险本身,连带风险的后果、影响都转移出去了,自己无须再面对那些潜在的风险。 但是“转移”出去,不等于对这部分工作就可以不闻不问了。虽...

skydust1979的博客 7103

外包项目如何承接、规划需求与定价

博主也是终于有外包单的人了!对于我这个文科生来说,真的是非常兴奋,为了将这人生第一笔外包单做好,特地从网上找了篇注意事项,以供参考 文章目录写本文的目的第一点, 到哪里接项目第二点, 如何与客户谈需求第三点, 如何合理地报价举例具体报价第四点, 如何组织团队第五点, 如何能收到项目款是否真心外包是否有资金实力资金回款方式转载声明 写本文的目的 现在外包的软件项目不断增长,但随之而来的,承接外包...

xzy565143480的博客 3923

程序员如何承接软件外包项目

     现在外包的软件项目不断增长,但随之而来的,承接外包的软件公司、软件团队也越来越多,包括很多个人SOHO一族也加入到承接软件的竞争行列中来了,因此现在对于软件项目的争夺也很激烈。有很多人不知道上哪里去争取项目,总是抱怨没有项目做;也有的人虽然编程技术不错,但是对于与客户谈项目却是一窍不通,结果应该拿到的项目也拿不到手;也有的虽然已经接到了项目,却发现在实施开发的时候遇到好多从来没有遇到过的...

木木 2026

软件外包项目的管理

我们知道典型的外包项目场景,经常发生在大型国企。大型国企的业务系统非常庞大,但是本身的研发团队一方面建制不足、另一方面往往因为工作本身的特点、研发团队对技术的感知随着时间的发展,逐渐脱离趋势。 关于建制不足方面、其实表现在很多方面、首先是项目缺乏有效的管理机制和团队、其次是研发能力不足,不能很好的满足企业自己的IT项目建设需要,还有一点就是守旧,即使不对的事情、因为历史原因,也无人愿意或者敢于去突...

学习,输出==》再学习再输出 1150

软件之路 之 项目外包

本文首发于个人微信公众号《andyqian》, 期待你的关注~ 一 前两天,被一篇题为《贫困县的4000万是怎么花的》的文章刷屏了。内容简直精彩的不像话,可惜很快被删除了,其原因不得而知。感兴趣的朋友,可以去搜索看看。我看过文章后,感到非常惊讶,这种现象在软件行业简直太普遍了,其精彩程度一点也不亚于上述文章中的描述。趁这个机会,今天就继续沿着之前的文章《软件之路》继续完善,来看看软件行...

划不出的界限 1105

三种App软件开发模式:自建、外包、免编程自制,哪一种适合你?

在开发、制作移动App软件之前,企业可能要经历考验:他们应该如何制作自己的App?寻找外包的App开发团队,还是通过免编程自助式App制作平台快速构建?今天,我们将通过成本、周期、效率、技术、风险和其他维度,与您讨论哪种App开发方式更适合你。 第一种、自建App技术团队:有钱有技术就能HOLD住 (一)优势: 创业者或企业本身拥有雄厚的技术背景与资金,自建技术团队,即可完成App开发。 (二)劣势: App开发不仅需要满足单个功能,还需要复杂庞大的技术系统支持。因此,无论开发什么样的功能系统,都必须从零

zqjzqjzzzz的博客 959

自建团队还是找外包,老板如何精明算账?

不少老板心里琢磨:自己招人组建团队,人都在眼前,感觉特踏实。但实际情况呢?钱究竟花在了哪儿,您真的仔细算过这笔账吗?🤔。

漫云科技 178

为什么很多初创互联网公司要组建自己的技术团队,而不是选择外包?

全文 3935 字,详细介绍了市场上有且仅有的四种开发模式。

BinSTD的博客 2150
上一篇: 软件项目的开发流程
下一篇: 北京APP外包开发公司
fedi_dev
博客等级 码龄4年 0粉丝 21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