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
1.2k累计阅读
1.2k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
今天我们部门开例会（从晚８：５０－９：２０），我一大早的去那等着，我今天让副部全部通知了，都要开会，因为我想趁着这次例会再演讲一番，主要讲一下本部门的纪律性和觉悟性问题，结果，１２（已经踢走了４人）人只来了６个，一个脚纽伤，一个没下课，一个关机，一个说她妈要出差，要她回家，还有一个散会了才来．
我准备好的内容就想给他们说的，结果他们都没福享受，哎，下次一定要把我的精神传达到他们！！！
因为我们上次开会，我的领导说我们部长到６月３０就到聘用期了，但聘书要１０月发，而我同时又是学代会的委员，要到１２月３０才到期，也就是说我即使退了还要主持我们部的工作．
所以我想给他讲讲：让他们回想一下当初的面试问题，和现在的收获怎样～～
１，你为什么要加入学生会？（是想锻炼能力还是只想拿证？）
２，当院会的工作和系里的或班级，学习冲突时，你会怎样做？
３，假如你当了部长，你有何计划，怎样安排工作，当有人不服从安排时你会怎样做？（换位思考）
最后，作为学长，部长，提几点建议：
１．继续配合其他部门工作，一定要服从安排
２，认真完成本职工作，不要偷懒，不要耍滑头．
禾赛XT16 vs XT32激光雷达实测对比：选16线还是32线？看完这篇不纠结
本文深度评测禾赛XT16与XT32激光雷达的性能差异与应用选择。通过实测数据对比，分析16线与32线激光雷达在点云密度、动态场景适应性及与IMU协同工作等方面的表现，帮助用户根据自动驾驶、机器人等不同应用场景做出最优选型决策。
微软ODBC Driver 1.0 for Linux 使用 pyodbc并发产生的问题
站点的制作到达尾声，需要考虑部署的问题了。 所以想趁前段时间很火的docker还热手，熟悉一下练练手，也方便后面实际环境部署用，避免又像之前一样apache在一台server上怎么都跑不起来的尴尬。 但是，就在啥都部署好了，站点也都能正常运行和访问之后，发现一个让我崩溃的问题。 pyodbc会产生一个并发的异常错误。 现象是pyodbc报出来的，但是具体是不是pyodbc的错误，还不
别再为STM32F407的USB高速通信发愁了！手把手教你用USB3320（ULPI接口）搞定硬件设计
本文详细介绍了STM32F407通过USB3320（ULPI接口）实现高速USB通信的硬件设计实战。从USB3320的选型优势到原理图设计避坑，再到PCB布局和固件配置，提供了一套完整的解决方案。特别针对USB PHY芯片的常见问题，如供电处理、信号完整性和初始化代码，给出了专业建议和调试技巧，帮助工程师高效完成高速USB通信设计。
张萌的个人简历
姓 名：张 萌性别：男计科系e-mail:zhang_meng_2004@163.com求职意向电子商务，网站开发，市场营销，J2EE，或其它相关工作 工作职务◇2004.3—2005.4 校新纪元网站 网络部部长负责校党委宣传部新纪元网站的开发，改版工作◇2004.10--至今 学生会信息服务部部长，学委会委员负责学生会的考研，就业等信息的发布，制作学生会网站◇2004.3—2005.4
Windows下CMake的下载与安装详解
目录一、CMake介绍二、CMake的下载与安装 一、CMake介绍 CMake是一个跨平台的安装（编译）工具，可以用简单的语句来描述所有平台的安装(编译过程)。它能够输出各种各样的makefile或者project文件，能测试编译器所支持的C++特性，类似UNIX下的automake。 二、CMake的下载与安装 CMake下载链接：https://cmake.org/download/。 下载最新稳定版即可（Latest Release）： 下载完成后，单击“Next”按钮，在下图中勾选“I acce
实战指南：在摩尔线程GPU上部署AI模型的完整流程
本文提供了一份详尽的实战指南，手把手教你如何在摩尔线程GPU上成功部署AI模型。内容涵盖从驱动安装、Docker环境配置，到核心的代码适配与模型运行全流程，并分享了性能调优技巧与常见避坑方法，旨在帮助开发者高效利用国产硬件进行AI应用开发。
差点，参加中国平安保险集团
今天，我去参加中国平安保险集团的面试，受不了，先听培训师忽悠了一 阵子，然后做了一套问卷，就走了，很无聊吧，其中内情有兴趣的 我可以单独告诉，嘿嘿，在这我就不说了。在回去的路上（古彭广场），遇到一个老头在卖艺，第一个节目是转碗，但三次都失败了，他说：献丑了，有换了个节目，第二个还算成功，咳，听可悲的，沿街卖艺，但看的人没个给钱！以后可不能卖艺！！
【深度学习驱动流体力学】采集OpenFOAM仿真数据作为AI模型训练数据集与卷积神经网络搭建到预测(一站式完整代码实现)
采集OpenFOAM仿真数据作为AI模型训练数据集与卷积神经网络搭建到预测(一站式完整代码实现)
怀念老对联
不服不行说 说你 不行 行你
自适应控制 (Adaptive Control) 算法详解及案例分析
自适应控制是一种能够在线调整控制器参数以适应系统动态变化的控制方法。其核心思想是通过实时估计系统参数或调整控制器参数，使系统在不确定性或动态变化的环境中仍能保持稳定性和性能。
C#串口通信上位机开发实战：轻松实现硬件控制与数据交互
摘要：本文介绍如何使用C#开发串口通信上位机应用，实现与硬件设备（如传感器、PLC等）的数据交互。文章涵盖串口通信原理、开发环境配置、功能实现（串口连接管理、数据收发、实时显示）及UI设计，重点讲解SerialPort类的应用、多线程数据接收处理和错误优化。通过Windows Forms构建直观界面，帮助开发者快速掌握工业控制和自动化系统中的串口通信技术，为物联网和智能设备开发提供实用解决方案。全文约150字。
第一次公开竞选学生会干部
竞选学生会信息服务部部长图片！我以笔试第一，面试第三的成绩光荣当选（不要笑哦），感谢学生会给我这次机会！
华为OD机考双机位A卷 - 流浪地球（Java & Python& JS & C/C++ & GO ）
华为OD机考双机位A卷 - 流浪地球（OD上机考试双机位A卷）。提供在线OJ刷题。Java、C++、Python、GO语言、C语言、JavaScript题解，并提供完整思路讲解。
第二次竞选
这是我的第二次公开竞选，即竞选学代会委员,少年壮志，意气风发吧！
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
ET2012新版免狗免安装绿色软件
ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，
即将告别－－新纪元网站
新纪元网站，让我结识了许多朋友，强化了网络网站方面的技术，怀念着早期的弟兄姐妹们，而现在带着复杂的心情作别昔日的乐园．．
怀旧版电脑GBC模拟器
再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。
我的第一次入会
2004年,10月左右,我加入了,KW学院的第一大会,从此不解之缘开始.....
C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正
RabbitMQ 面试题
你发一条消息，在网络上并不是一个整体飞过去的。如果消息比较大，RabbitMQ 的底层协议会把它切成多个数据包（帧），按顺序发送，Broker 收到后再拼起来。假设线程 T1 和 T2 同时用同一个 Channel 发消息：T1 发消息 A，被切成三个帧：[A1] [A2] [A3]T2 发消息 B，也被切成三个帧：[B1] [B2] [B3]如果没有任何保护，这两个线程的帧可能交错到达 Broker，变成 [A1] [B1] [A2] [B2] [A3] [B3]。
基于 TVM Relax BYOC 扩展 Example NPU 后端：从跑通官方流程到自定义算子融合
至于 codegen 要不要补，取决于 Example NPU 的实现细节——先跑通分区验证，再决定是否深入 codegen，是更稳妥的路径。而「扩展一个原本不支持的融合模式」这件事，恰好能证明你不是照着教程抄了一遍，而是真的理解了 BYOC 的分区规则是怎么工作的。），那么新模式即使被切出来，codegen 阶段也可能报「不支持的算子」。如果 Example NPU 的 codegen 是「按算子名硬编码」的，那么新模式切出来之后，这句话本身没问题，但偏「结果导向」，面试官会追问细节。
smart-tunnel-ai · 隧道/高速智慧化 AI 应用项目
面向的工程师：一个能跑通、能改、能讲清楚的 Spring Boot + Spring AI 项目。：它不是「调了个 ChatClient 输出一句话」，而是把切块策略、增量入库、来源溯源、防幻觉、工具调用、结构化输出、评估集、密钥守卫、CI 护栏这些工程问题都落到了代码里。每一处都能指向具体类讲取舍。详见。
LeetCode 面试经典 150_多维动态规划_交错字符串（97_C++_中等）
LeetCode 面试经典 150_多维动态规划_交错字符串（97_C++_中等） 题目描述： 给定三个字符串 s1、s2、s3，请你帮忙验证 s3 是否是由 s1 和 s2 交错 组成的。 两个字符串 s 和 t 交错 的定义与过程如下，其中每个字符串都会被分割成若干 非空 子字符串： - s = s1 + s2 + ... + sn - t = t1 + t2 + ... + tm - |n - m| <= 1 - 交错 是 s1 + t
Spring 原理高频面试题全解：Bean 生命周期、三级缓存与 @Transactional 失效（2026 招聘 JD 真题复盘）
按 2026 招聘 JD 与一线面经整理 10 道 Spring 高频题：Bean 生命周期与扩展点顺序、AOP 代理生成时机、三级缓存为何必须三级、构造器注入循环依赖为何无解、@Transactional 六类失效与自调用修复三法、REQUIRES_NEW 连接池耗尽风险、事件总线同步语义与 @TransactionalEventListener、自动配置从 spring.factories 到 imports 的演进、自定义 Starter 三步走，附速查表与三条追问链。
Docker镜像优化：面试高频翻车的简单题
本文深入探讨Docker镜像优化的两大核心层面：体积优化与构建速度优化。指出仅关注镜像瘦身（如使用Alpine）是表面理解，真正关键在于平衡空间与时间——在DevOps流水线中，构建速度常优先于体积。文章详解了多阶段构建、缓存利用、.dockerignore文件等高效策略，并揭示Alpine镜像虽小但存在兼容性、依赖缺失等风险，强调需结合业务场景权衡选择。掌握这些细节，方能在面试中展现真实技术深度，脱颖而出。
从 MLIR Toy Tutorial 到自定义硬件方言 Pass：一份 AI 编译器面试项目实战指南
AI 编译器岗位的面试，通常不会只问你「什么是算子融合」这种概念题，而是会顺着简历上的项目往下挖：你写的这个 Pass 解决了什么问题？IR 是怎么设计的？lowering 的边界在哪？为什么这里要插一个 Op 而不是直接生成循环？一个基于 MLIR 的小项目，恰好能覆盖这些追问点。它足够「真」——你能讲清楚 IR、Dialect、Pass、Lowering 的完整链路；又足够「小」——不需要真的去写一个后端，也不需要跑在真实硬件上。先讲 MLIR 的核心思想、分层设计和功能；
AI 全栈开发工程师【二面】
传统的大模型应用通常采用：用户输入 → Prompt → LLM → 输出结果这种模式适合简单问答、文本生成和信息提取等任务。但对于复杂业务，仅依靠一次模型调用往往不够。例如，用户提出：帮我查询某个地区近三个月销量最高的产品，并分析销量变化原因。理解用户需求。拆解查询条件。调用数据库或外部工具。获取查询结果。分析数据。生成最终报告。Agent 的核心价值在于让大模型不仅能够生成文本，还能够根据任务目标进行规划、调用工具、观察执行结果，并根据结果调整后续行动。
【AI Agent面试系列】上下文管理1
工具返回价值密度最低、体积最大（常占 30%~60%），清理它收益最高、损失最小。摘要对话会丢语义细节，代价更高。按"价值密度从低到高"排序，不是按"体积从大到小"。
邓明 Agent 系统面试-意图识别学习笔记
不要只是做意图识别而不做测评，就好像要评估 RAG 准确性，在接口服务要测试响应时延，超时控制等等，这里也要关注意图识别准确率，如果面试官认为项目指标太高是在吹牛，关键就是回答因为 Agent 解决的是特定领域的意图识别，识别场景单一，另外就是因为用户输入相对简单。意图识别影响 prompt/spec 的加载，意图识别影响上下文组织，意图识别影响工具选择，意图识别影响 prompt 建议，意图识别得到的意图不是让模型随机生成而是候选类别里去做选择。2.意图识别的原因，以及意图识别得到的是什么？
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
944
扫一扫
