Rust AI CLI 配置管理:别把 API Key 写进代码里

ccswitch:AI编程配置中枢系统,统一管理多工具API配置 在AI编程工作流中,开发者常需为Claude Code、Codex、Gemini CLI等工具分别维护.env、config.toml、JSON等格式的API配置,导致重复编辑、路径错乱与环境不一致——这类‘配置碎片化’问题已成为中高级工程师的典型生产力瓶颈。其本质是缺乏统一的配置抽象层与原子化同步机制。ccswitch通过Provider模型将API Key、Endpoint、MCP地址等元数据集中存储于SQLite,并实现跨工具自动渲染与一键切换,兼顾安全性(Rust内存安全)、可靠性(原子文件写入)与 阅读详情

Rust AI CLI 配置管理:别把 API Key 写进代码里

刚开始写 AI 命令行工具的时候,我都是直接在主函数里把 API Key、模型名和 base URL 硬编码进去。写了几个小功能之后发现,每次换个模型环境就得重新编译,想在 CI 上测试还得手动改代码,更别提一不小心就把密钥提交到 git 历史里——这种事我已经干过不止一次了。后来我花了整整一个下午研究 Rust 项目里怎么管理配置,才意识到一个道理:能跑只是写对了一半,能把配置边界管好,才算真正开始靠谱。

在编程自学的路上,我以前写脚本的习惯是"能跑就行"。但 Rust 编译器每天都在提醒我,边界不定义清楚,代码就会偷偷变乱。今天这篇文章,我把我用 Rust 写 AI CLI 工具时整理出来的配置管理思路写下来,希望能帮到和我一样边学边写的朋友。

一、配置来源必须分出层次 — 不要让不同入口互相打架

一个 AI CLI 工具的配置可能来自四个地方:代码里的默认值、本地配置文件、系统环境变量、命令行参数。如果四个来源平起平坐,用户改了环境变量结果代码默认值还在起作用,排查起来会非常沮丧。

我画了下面这张图,来表示我理解中的优先级链路:

flowchart TD
    A[代码默认值 Default] --> E[配置合并层 Config Merger]
    B[配置文件 Config File] --> E
    C[环境变量 Env Variable] --> E
    D[CLI 参数 Arguments] --> E
    E --> F[最终运行配置 Final Config]
    F --> G{校验通过? Validate}
    G -->|是 Yes| H[启动应用 Run App]
    G -->|否 No| I[报错并给出修复提示 Exit with Hint]

这个优先级策略的核心思路是:默认值提供兜底,配置文件提供稳定,环境变量保护密钥,CLI 参数提供临场灵活性。 越靠近用户操作,优先级就越高。我们在入口处用一个统一的配置加载函数把这些来源按顺序合并,后面的模块只看到一份最终的配置,谁也不再私下 std::env::var 了。

二、用一个结构体兜住全部配置 — 别让业务代码到处读环境变量

我在初版代码里犯过一个很蠢的错误:在发起 HTTP 请求的地方直接调 env::var("AI_API_KEY"),在解析模型名的地方又调一次 env::var("AI_MODEL")。结果换了配置文件后,一部分逻辑走环境变量,一部分走了配置文件,排查了半小时才找到原因。

后来我把所有配置信息收敛到一个结构体里,在程序入口加载一次,然后通过参数传给所有需要的地方:

use serde::Deserialize;

/// 应用配置:把所有分散的配置项收拢到一个结构体里
#[derive(Debug, Clone, Deserialize)]
pub struct AppConfig {
    /// 模型服务商提供的 API 密钥
    pub api_key: String,
    /// API 请求的基础地址
    pub base_url: String,
    /// 默认使用的模型名称
    pub model: String,
    /// 单次请求超时秒数
    pub timeout_secs: u64,
    /// 最大重试次数
    pub max_retries: u32,
}

impl AppConfig {
    /// 从多层来源加载配置,按优先级覆盖
    pub fn load() -> Result<Self, String> {
        // 第一步:设置默认值
        let mut config = Self::default();
        // 第二步:从配置文件覆盖(config.toml 或 ~/.config/ai-cli.toml)
        if let Some(file_cfg) = Self::from_config_file()? {
            config = config.merge(file_cfg);
        }
        // 第三步:从环境变量覆盖(保护密钥不能出现在文件里)
        config.apply_env_overrides();
        // 第四步:从 CLI 参数覆盖(最后生效,优先级最高)
        // config.apply_cli_args(args);
        // 第五步:校验必填字段是否完整
        config.validate()?;
        Ok(config)
    }
}

这样以后排查配置问题,只需要看这一个结构体是怎么拼出来的就行。业务函数只负责接收 &AppConfig,不用关心来源。

三、密钥必须优先走环境变量 — 配置文件里只放非敏感信息

很早之前有一次,我把 API Key 写在 config.toml 文件里,然后顺手 git add . 就推送了。还好那是一个测试用的免费 Key,但那种"完了,密钥进仓库了"的紧张感我现在还记得。

从那以后我给自己定了一条规矩:配置文件可以保存模型名、超时时间和输出格式,但密钥类信息必须走环境变量或系统密钥管理工具。 在代码里,我会把密钥的读取写成独立函数,并给出清晰的缺失提示:

use std::env;

/// 从环境变量读取 API Key,缺失时给出修复指引
fn read_api_key() -> Result<String, String> {
    // 优先读取主环境变量 AI_API_KEY
    env::var("AI_API_KEY")
        .or_else(|_| env::var("OPENAI_API_KEY"))
        .map_err(|_| {
            "未找到 API 密钥,请设置环境变量:\n\
             运行: export AI_API_KEY=your_key_here\n\
             或通过 --api-key 参数传入".to_string()
        })
}

我还喜欢在工具里加一个 config doctor 子命令,它不做真正的模型调用,只是把所有配置项的完整性检查一遍:密钥是否设置?URL 格式是否正确?超时值是不是非零?这样用户第一次使用前就能发现问题,不用等到网络请求失败才看到错误。

四、错误提示要能指引用户行动 — 不要只丢一个 panic 就跑

作为自学者,我最讨厌的错误提示就是"connection failed"。失败后怎么办?不知道。是网络问题还是账号问题?不知道。是改密码还是重试?还是不知道。

配置相关的错误提示,我觉得应该像路标一样明确。下面是我现在常用的校验逻辑:

/// 校验配置完整性,每个检查点都给出具体修复建议
fn validate_config(cfg: &AppConfig) -> Result<(), Vec<String>> {
    let mut errors: Vec<String> = Vec::new();

    // 检查密钥是否为空
    if cfg.api_key.trim().is_empty() {
        errors.push(
            "AI_API_KEY 环境变量未设置或为空\n\
             -> 请在终端运行: export AI_API_KEY=你的密钥".to_string()
        );
    }

    // 检查超时值是否合理
    if cfg.timeout_secs == 0 {
        errors.push(
            "timeout_secs 不能为 0\n\
             -> 建议设置为 30 到 120 秒之间的值".to_string()
        );
    }

    // 检查 base_url 是否以 https 开头
    if !cfg.base_url.starts_with("https://") {
        errors.push(
            "base_url 必须使用 HTTPS 协议\n\
             -> 请检查配置文件中的 base_url 是否以 https:// 开头".to_string()
        );
    }

    if errors.is_empty() {
        Ok(())
    } else {
        Err(errors)
    }
}

把错误信息变成可操作的指引,对新手用户来说友好很多。Rust 的类型系统帮我们减少了运行时 panic 的机会,但用户自己的配置错配仍然要认真对待——工具好不好用,往往取决于出错时它说什么。

五、总结

Rust AI CLI 的配置管理不是"设个环境变量就完了"。它需要把配置来源分出层次、用一个统一的结构体兜住全部配置项、密钥走环境变量而文件只存非敏感信息、错误提示要教会用户怎么修复。

作为自学过来的程序员,我以前觉得这些是"麻烦事"。但写多了工具之后发现,配置管理做得早,后面加多模型、换环境、上 CI 都会顺畅很多。 别把 API Key 写进代码里——能跑只是起点,能安全跑下去才是工具成熟的标志。

sentaurus学习笔记(VDMOS仿真)(三) 在Sentaurus中,这通常意味着在2D仿真中,x轴指向下,y轴指向右。定义了在2D模拟中,网格尺寸按照一定的增长率进行扩展,这里的增长率为2.0,意味着远离最小尺寸区域的网格单元大小将是最小尺寸的两倍。定义了2D模拟中网格单元的最小尺寸为0.001微米,这有助于控制网格的最小大小,从而影响仿真的精度和计算成本。表示启用中等级别的日志信息输出,这有助于用户了解仿真过程中发生的事件和可能的问题。表示启用保存调试文件,这可以帮助用户在仿真过程中检查和验证模型的状态。这行代码设置了仿真过程中使用的线程数。 阅读详情

相关推荐

H3C VRF实验

POP-vpn-instance-RT1]route-distinguisher 11:11 # VPN实例-RT1的路由区分器值11:11。配置路由泄露,其实就是在一个VPN示例中添加另一个VPN实例的下一跳,比如在VPN实例RT1中添加去往SRV的默认路由。但是也有了一个新的问题,那就是RT1、RT2和RT3也能互访了,这让VPN实例变得没有意义了。[POP]ip vpn-instance RT1 #配置vpn实例-RT1。绑定了VPN实例,所以要把路由添加到VPN实例POP中。

m0_68698993的博客 4039

Rust AI CLI 会话历史:本地记录要先处理隐私和截断

Rust AI CLI 的会话历史要区分摘要、元数据和完整原文,写入前做脱敏,并提供截断、保留周期和清理命令。命令行工具也会处理敏感上下文。默认少保存、可配置、可清理,才是更稳的本地 AI 工具设计。

no1coder的博客 4515

Android-音频配置文件详解

前言:   Android P 引入了一种新的音频政策配置文件格式 (XML),用于描述音频拓扑。新的 XML 文件支持定义输出输入流配置文件、可用于播放和捕获的设备以及音频属性的数量和类型。但是每个项目的代码里面都有很多音频配置文件,具体使用的是哪个文件呢?本文将详细讲述。 1. 查看运行时具体使用的xml adb shell dumpsys media.audio_policy | grep -iE "Config source:" 结果如下: Config source: /vendor

cheriyou_的博客 3947

Rust AI 命令行工具:从参数解析到模型调用的最小闭环

Rust AI 命令行工具可以从参数解析、配置读取、模型调用和输出格式化的最小闭环开始。把类型、错误和安全边界打好,后续再扩展 Agent、插件和多模型能力会稳很多。

no1coder的博客 5852

基于YOLOv11的仓库机器人导航系统设计与实现:Amazon Robotics Challenge解决方案

本文将详细介绍一个基于YOLOv11目标检测算法的仓库机器人导航系统,该系统能够准确识别托盘(pallet)和箱子(box),为机器人提供精确的导航信息。而基于深度学习的视觉导航系统能够实时识别环境中的关键物体,如托盘和箱子,从而实现更智能的路径规划和货物搬运。YOLOv11作为YOLO系列的最新演进版本,在检测精度和速度上都有显著提升,非常适合仓储环境中的实时物体检测任务。YOLOv11在保持实时性的同时,提高了对小物体和密集物体的检测能力,这对仓储环境中的托盘和箱子检测尤为重要。

YOLO 304

MIPI D-PHY TX 一致性测试实例解析 Part 01 续

本文为MIPI D-PHY TX一致性测试实例解析part01章节的第二部分

一只豌豆象的博客 6048

深入解析 Rust + LLM 开发:手把手教你写一个 AI 运维助手

本文详细阐述了利用 Rust 系统级编程语言结合蓝耘(Lanyun)MAAS 平台的大语言模型能力,开发一款智能命令行助手(CLI)的全过程。文章从 Linux 服务器的基础环境构建入手,深入剖析了 Rust 异步运行时、HTTP 客户端封装、命令行参数解析及终端交互界面的实现原理。特别针对开发过程中涉及的 OpenSSL 动态链接库依赖问题、Rust 类型系统的 Trait 约束问题进行了深度排查与原理解析。

K48932的博客 4万+

【深度学习|语义分割之UNet】如何使用ResNet50 作为 U-Net 网络的骨干网络(backbone)并使用预训练的 ResNet50 模型。附代码及解读。

【深度学习|语义分割之UNet】如何使用ResNet50 作为 U-Net 网络的骨干网络(backbone)并使用预训练的 ResNet50 模型。附代码及解读。

985小水博的摸鱼日常 3091

我的 AI CLI 工具 30 天演进:从单文件脚本到多 crate 工程的完整历程

真正让我"开悟"的,是第四周决定做插件系统。这个 AI CLI 不只是聊天工具了,我让它能执行预定义的"技能":比如ai "帮我查一下这个仓库的 git log",agent 会自动调用 git 命令。我想到的方案是:让每个"技能"实现一个Skilltrait,在编译期通过inventorycrate 做自动注册。// ai-core/src/skill.rs — 技能插件系统/// 技能插件接口/// 每个技能实现这个 trait,编译时通过 inventory 自动注册。

no1coder的博客 4920

Modbus协议全家桶(C#纯原生完整版):ModbusRTU + ModbusTCP + ModbusASCII 协议规范+完整封装+工业级实战

你已经掌握了C#串口/网口原生核心API和工业通信协议本质,而今天的主角Modbus协议,是工业通信领域绝对的王者、通用的标准、入门的必修课,没有之一。凡是做工业通信开发,必会Modbus协议;市面上99%的工业设备(PLC、变频器、温控仪、传感器、流量计、扫码枪)都原生支持Modbus协议。Modbus协议不是单一协议,而是一个「协议家族」,我们常说的就是这个家族的三大核心成员,也是工业现场的全部Modbus应用形态。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 567

Win11右下角不显示图标怎么办?Win11右下角不显示图标的解决方法

所以有不少符合资格的小伙伴都下载进行体验了,但是有的小伙伴在升级完系统之后发现桌面右下角不显示任何图标,那么遇到这种情况要怎么办呢?下面就和小编一起来看看有什么解决方法吧。2、接着找到任务栏设置中的“taskbar corner overflow”。3、然后在下方勾选打开想要显示的图标程序就可以了。1、首先右键任务栏,在其中选择“任务栏设置”。目前微软已经正式推出了。

2401_88800025的博客 888

AI CLI 工具开发中的 10 个反模式:你以为在加速,其实在埋坑的复盘

先为今天的自己写代码,再为明天的用户留接口。自学出身给我最大的优势是:我没有"架构必须先设计好"的心理包袱。我可以先把一个main.rs写到 2000 行,然后痛苦地重构,然后真正理解为什么需要分层。在一个 solo 项目里,你的架构最大敌人不是未来的需求变化,而是你为了"万一"而写的过度设计。具体 > 抽象:三个相同的东西出现之前,不要写 trait。显式 > 隐式:依赖注入比全局状态少十倍调试时间。记录 > 猜测:一行 tracing 日志胜过十分钟盯着代码瞎猜。

no1coder的博客 4937

【Pix4d精品教程】Pix4d空三后处理:点云分类与过滤、DSM精编生成DEM、生成等高线案例详解

本文详细介绍了利用Pix4D软件进行无人机摄影测量后处理的关键步骤,主要包括点云分类与分配、DEM精编生成和等高线绘制三个核心环节。首先通过点云分类区分地面、植被等7种地物类型,然后通过点云分配将地面点云归并到Ground类别,剔除植被等干扰要素。随后重新运行DSM生成步骤获取精确DEM,最后在附加输出中设置参数生成标准等高线。文中配有详细的操作截图和注意事项,如处理前需备份原始DSM/DOM数据,并解释了DEM与DSM的本质区别。该教程为无人机摄影测量内业处理提供了完整的解决方案。

智慧空间实验室 1万+

CC-Switch 使用攻略:一键管理多款 AI CLI 工具配置

CC-Switch是一款跨平台的桌面工具,用于统一管理多个AI编程辅助工具(如Claude Code、OpenCode等)的配置。它提供图形化界面集中管理API密钥、模型选择、提示词模板和会话记录,支持一键切换配置并即时生效。工具采用原子写入技术确保配置文件安全更新,并内置MCP服务和SKILL管理功能,可自动导入现有配置。即使统一模型源,不同工具在上下文管理、代码解析等执行框架层面仍存在差异。CC-Switch支持macOS、Windows和Linux系统,可通过GitHub或包管理器安装。

love___me的博客 5341

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

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

CLI-Anything CC Switch 测试体系:46 个单元测试 + 20 个 E2E 测试如何守住 AI 编码工具配置管理 CLI 的底线

本文围绕 [TEST.md](https://link.gitcode.com/i/ce4baeaba739cbd3e8dba56e150628e4) 展开,讲解 CLI-Anything 仓库中 CC Switch agent harness 的完整测试方案:双层测试矩阵(合成数据单元测试 + 真实数据库 E2E)的组织方式、敏感值脱敏测试的设计、live 配置文件写入的四大合并策略验证,以及

gitblog_07767的博客 581

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。

Claude Code / Codex / Gemini CLI 万能神器,完美解决程序员的痛点!

CC-Switch是一款专为AI编程工具设计的跨平台配置管理工具,可集中管理ClaudeCode、Codex和GeminiCLI的API配置、MCP服务器、Skills插件和系统提示词。它解决了开发者手动修改分散配置文件、多设备同步困难、热切换不直观等痛点,通过可视化界面实现一键切换配置并自动同步到各工具。支持Windows/macOS/Linux系统,提供云端同步、速度测试等功能,特别适合同时使用多款AI编程工具且需要频繁切换供应商的开发者。该工具采用Tauri+Rust构建,具有SQLite+JSON双

xh2277659985的博客 1829

cc-switch:跨平台 AI 编程工具配置管理神器,一键切换 API 供应商

cc-switch 是一款基于 Tauri+Rust 的跨平台桌面工具,专为统一管理 Claude Code、Codex、Gemini CLI 等 AI 编程工具的配置而设计。它支持一键切换 API 供应商,简化了多 AI 工具配置的复杂性。本文详细介绍了 Windows 系统的部署方法(推荐 MSI 安装),包括环境要求、下载安装步骤以及便携版备选方案。同时,文章还提供了完整的初始化配置指南,涵盖供应商添加、API 配置、模型测试等关键操作,帮助用户快速上手并高效管理多个 AI 编程工具。

laowang的博客 538

Viking AI Search CLI:为开发者打造的终端AI搜索工具

在软件开发和运维领域,命令行界面(CLI)是工程师与系统交互的核心工具,其高效、可脚本化的特性使其成为自动化工作流的基石。CLI工具通过封装复杂操作,提供简洁的命令,极大地提升了开发效率。随着人工智能技术的普及,将AI能力无缝集成到现有工作流中成为新的技术趋势。Viking AI Search CLI正是这一趋势下的工程实践,它将大型语言模型的问答能力封装为终端命令,使开发者无需切换上下文,即可在命令行中直接进行技术搜索和问题诊断。该工具支持流式输出、会话管理和本地文件分析,并能通过管道与Shell环境深度

weixin_30127995的博客 263

CC Switch 深度拆解:8 个 AI 编程工具的统一配置管理引擎

同时开着 Claude Code、Codex 和 Gemini CLI 干活,想换个 API 供应商,却要在 JSON、TOML、.env 三种格式之间手动改配置,改完还不一定生效——这是很多 AI 开发者的日常。CC Switch 是一款基于 Tauri 2 和 Rust 的跨平台桌面应用,专门为这类场景做统一配置管理:一键切换 50+ 供应商预设、本地代理自动故障转移、用量成本统计,一次装好,

gitblog_00560的博客 454

CC Switch 项目解析:多款 AI CLI 配置统一管理

《CC Switch:多AI CLI配置管理工具》摘要: CC Switch是一个基于Tauri+React构建的桌面工具,用于集中管理Claude Code/Codex/Gemini等多款AI CLI的配置。它解决了以下常见问题:1) 频繁切换API提供商时的手动配置易错问题;2) 不同工具配置格式分散不统一;3) MCP服务器重复配置;4) Skills/Prompts缺乏统一管理;5) 环境变量冲突难排查。工具采用分层架构,前端使用React+TypeScript,后端使用Rust处理文件读写等本地操

qq_42399932的博客 3046

CC-Switch深度解析与Mac安装全指南:一键搞定AI编程工具配置切换

在AI编程工具爆发的时代,Claude Code、Codex、Gemini CLI等终端智能体已成为开发者的效率利器,但频繁切换不同供应商API配置时,手动修改环境变量、编辑JSON文件的操作繁琐又易出错。CC-Switch作为一款开源跨平台工具,以可视化界面彻底解决了这一痛点,让AI编程工具配置切换像点击开关一样简单。本文将从核心解析、Mac安装、配置实操到高级技巧,全方位带你玩转CC-Switch。

独立思考,明辨是非 1万+

Linux平台AI代码助手实践:从Codex API到原生应用开发

AI代码生成技术通过理解自然语言描述自动生成、解释和重构代码,其核心原理基于大规模预训练语言模型对编程语言模式的学习。这项技术为开发者提供了智能化的编程辅助,显著提升编码效率与质量。在工程实践中,开发者可通过API集成将AI代码生成能力嵌入现有工作流,实现自动化代码补全、错误检测和文档生成。Linux作为主流的开发与服务器操作系统,其生态对AI编程工具的原生支持需求日益增长。本文聚焦于在Linux环境下构建基于Codex的AI编程助手,探讨如何通过API调用、桌面应用集成等方案,为开发者提供便捷的本地化AI

weixin_30764771的博客 374

CC-Switch + Claude Code + Codex CLI 接入 GLM 模型:从零到一的手把手实战教程

*技术栈**:Tauri + Rust(轻量、快速、跨平台)**支持工具**:Claude Code、Codex CLI、Gemini CLI、OpenCode、OpenClaw**供应商预设**:50+ 个,包括智谱 GLM、DeepSeek、火山方舟等安装 Node.js↓安装 Claude Code + Codex CLI↓注册智谱 GLM,获取 API Key↓安装 CC-Switch↓CC-Switch 一键配置 GLM 模型↓🎉 开始用 AI 编程!

weixin_45284808的博客 6981

工具篇-CC Switch 使用教程:一套界面管好所有 AI 编程 CLI 的供应商配置

CC Switch 是一款开源的跨平台桌面工具,可统一管理 Claude Code、Codex、Gemini CLI 等 AI 编程工具的多供应商配置。本教程介绍它的安装步骤与环境变量冲突清理方法,并以接入 {AI大模型} 为例,演示从添加供应商、配置模型名称到一键切换的完整流程,最后涵盖 MCP、Skills、代理故障转移与用量统计等进阶功能。

AI_Gump的博客 173

Rust+MSVC+NuShell构建Windows原生Gemini工作流

Gemini作为云端大语言模型服务,其本地化集成并非简单配置API密钥,而是涉及运行时环境、工具链兼容性与安全通信的系统工程。核心原理在于建立客户端与云服务之间的可靠契约:Rust提供内存安全与零成本抽象,MSVC保障Windows原生ABI及DPAPI加密能力,NuShell则承担结构化数据管道与CLI交互职责。该技术组合显著提升请求稳定性、响应解析鲁棒性与敏感信息防护等级,适用于AI增强型开发工作流,如自动化PR描述生成、Rust代码解释、本地文档摘要等场景。本文聚焦于Windows平台下基于Rust的

weixin_33736649的博客 486

Claude Code / Codex / Gemini CLI 超实用神器,解决了程序员的痛点!

CC-Switch 的价值不在"提供新功能",而在于把分散的配置管理集中化、可视化、自动化。优势挑战统一管理三款工具配置桌面应用,不适合纯服务器环境支持热切换,无需重启首次使用需要学习界面MCP/Skills/Prompts 一站式管理依赖 GUI,命令行死忠派可能不习惯多端同步配置无开源免费,可自建无适合谁:同时使用多款 AI 编程工具、需要频繁切换供应商、有多台设备要同步配置的开发者。怎么用更划算:把常用供应商都配置成预设,用托盘快速切换;配合云同步实现配置跨设备;

weixin_48635316的博客 1174

组网第63课:安全域划分——Trust/Untrust/DMZ、区域模型、与 VLAN 的关系

一组接口 + 一组策略 + 一条默认拒绝。一组接口:这个域包含哪些物理口、VLAN、子接口;一组策略:这个域到别的域放行什么、拒绝什么;一条默认拒绝:没写进策略的,一律不通。第三条最关键。没有默认拒绝,前面划的域全是装饰。

qq_36765170的博客 571
上一篇: WebAssembly 内存传递:跨边界复制比想象中贵
下一篇: Rust 学习笔记结构:把编译错误整理成下一次能用的地图
第一程序员
博客等级 码龄1年 1万+粉丝 1822原创
评论 2
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