AI 让我一人顶一队,效率高了但更充实了

游戏AI决策架构深度对比:行为树、GOAP与效用AI的选型指南 在游戏开发中,AI决策系统是赋予非玩家角色智能行为的关键技术。其核心原理在于,通过一套规则或算法,让AI能够根据环境状态自主选择并执行行动。不同的技术路径带来了不同的技术价值:行为树以其层次化、可视化的流程控制,确保了逻辑的清晰与高可维护性;目标导向行动规划通过智能搜索算法,让AI具备了动态生成行为序列的涌现性能力;而效用AI则通过量化评估模型,实现了基于多重动机的细腻、动态决策。这些技术广泛应用于角色行为模拟、策略决策、开放世界NPC交互等场景。本文聚焦于游戏AI领域最主流的三种架构——行为树、GOAP和 阅读详情

2025 年我开始认真用大模型写代码。一开始只是图省事,后来发现它出的代码可用率已经很高,改改就能上线。我们组后端同学那会儿基本不手写代码了,只给 AI 下指令,一句代码不写,产出翻了好几倍。我也学着这么干,前后端一把抓,一天能出以前一周的量。有回一个需求,按老办法我得排两周,那回对着工具拆成模块、让 AI 填骨架,我三天就提了测。

可问题来了。有次绩效会,领导看了我的产出,说"既然你一个人能干俩人的活,那下个季度编制就少给一个"。我当场没接话,回去越想越凉——效率越高,越可能被少配人,甚至被优化。招聘软件上满屏"35 岁以下"“精通 AI 大模型应用”,技术岗尤其初级在缩,公司不怎么招新人了,活全压在少数老人身上。我一个做前端的朋友,因为产出"看起来够用",组里就没给他补人,结果一个人扛三个人的需求。

有回赶一个活动页,产品周五要,我周三对着工具把页面、接口、联调一把梭,提前交了。结果周一例会上,这个"提前"被当成了"你其实一直有空"的证据,又分了我一个本来该两人做的活。效率成了双刃剑,刀刃那面朝着自己。我一个做前端的朋友更惨,他用 AI 一天出了三个版本的落地页,领导看了说"既然这么快,那这个季度你兼掉视觉的活"。他没多拿一分钱,活却堆成了山。我们私下聊,都觉得这股风把"能干"变成了"该多干"。

组里还搞过"AI 工具使用量"排行榜,每周贴出来,谁用得少谁尴尬,末位淘汰周期压到了三个月。那个排行榜最伤人气,有人为了不垫底,半夜还挂着工具刷量,第二天开会打瞌睡。我后来想通了:工具是拿来干活的,不是拿来互相咬的,可那种氛围下,谁都免不了跟着卷。有个大厂的朋友私下判断,说他们那边未来可能只需要过去五分之一的工程师,剩下的人都在"陪跑"。这话不一定准,但那种"干得越好越危险"的荒诞感,我是真的体会到了。你越会把活干快,上面越觉得"这摊事用不了这么多人"。

说到底,慌的不是 AI 多能打,是它把"努力"这件事的尺子改了——以前比谁写得多,现在比谁让 AI 写得多。尺子一换,老黄牛最容易懵。还有个说不出的累:工位从"写代码"变成了"审代码",我对着 AI 出的每一行负责,产出是多了,可脑子从没真正下班。离线焦虑是真的,周末手机一响我就紧张,怕哪里又出幺蛾子。有回我带着电脑去郊外,半天看了七次群消息,假放得像没放。夜里躺床上还在过一遍白天的提交,生怕哪行漏了边界判断。这种紧绷,不是矫情,是怕哪天活还在、人却被悄悄换掉,连个说法都没有。

二、从赶项目,到接私活

契机很现实。有阵子主业方向调整,活变少,我怕收入断层,就开始在外面接小项目。第一个是个社区小店的下单系统,前端加后端加部署,放以前我得熬两周。那回我用对话工具把常用模块做成模板,重复的部分让 AI 填,前后五天出了可用版本,店主当场就能演示给供货商看。他挺满意,还介绍了一个同行给我。系统上线后,店主拉我去店里吃饭,说终于不用在本子上记账了。那一刻我忽然觉得,写代码这么多年,头回觉得手里的活真落到了地上,而不是飘在需求文档里。

后来我把十年攒下的业务和项目管理经验,慢慢整理成一堆提示词和模板——不是去和 AI 比谁加班狠,而是用 AI 把我过去要手写很久的东西提速。接的活也从单纯写功能,变成帮小商家想清楚"到底要个什么系统、哪些能省、哪些不能省"。有个开面馆的老板起初非要搞会员积分加直播,我帮他盘了下投入,劝他先做个简单的扫码点单,他听了,省了几千块冤枉钱。这种"先想清楚再动手"的活,以前我接不上,因为光写代码不值钱,现在我能卖的是经验。第二个私活是个理发店的预约小程序,老板不懂技术,我先用 AI 拉出原型跟他确认,再让工具把重复页面批量生成,省下的时间全花在跟他说清"为什么不能无限加功能"上。那单赚得不多,但我第一次觉得,卖经验比卖代码站着把钱挣了。

慢慢我攒了十来个这样的小商家模板:下单、预约、会员、库存。每个新活我不再从零写,而是改模板、调业务逻辑。AI 负责把"改"这件事变快,我负责决定"改什么"。这个分工,是我这两年想最明白的一件事。这路子不是我发明的,听过一个被裁的朋友,把十来年经验转成提示词和模板,用 AI 工具接私活,几个月后收入慢慢回补。我学的就是这种"用 AI 放大经验"的思路,而不是跟年轻人拼体力。他跟我说得实在:AI 不会替你谈需求、不会替你担责任,能替的只是你手上的重复活。我渐渐明白,AI 帮我省下的不是时间,是重复劳动;而时间这种东西,省下来往往不是用来休息,是被新的活填满。

三、收入多了一块,边界也糊了

现在我的状态:主业之外确实多了一份不算稳定的进项,填上了我对主业的担心。一个人加 AI,确实能顶下一小队,接活比以前从容些。

但代价也实在。工作和生活的边界彻底糊了。私活的消息在主业群里也弹,下班了还得回;AI 让我随时能开工,也让我随时停不下来。最难受的是边界,有回年夜饭吃到一半,主业群里弹了个线上故障,我放下筷子开电脑。老婆没说话,把我的碗收了。那一刻我清楚,所谓"用 AI 放大经验",放大的不只是收入,还有我离不开屏幕的距离。上周末本来答应陪家人,中途来了个线上 bug,我趴在沙发上改了两小时,饭凉了,人也没缓过来。那种累不是搬砖的累,是脑子一直挂着线的累。离线焦虑比纯上班时还重。我也试过关手机半天,结果半夜爬起来补活,反而更累。后来学乖了,每天固定两个时段集中回消息,其余时间硬扛着不点开。这不叫平衡,顶多叫勉强不断线。说到底,AI 没给我自由,它只是把原来分给三个人的活,压进了一个人的夜里。

收入结构变了,但没逆袭。主业没涨多少,副业也时有时无,有的月份接得多,有的月份一个都没有。所谓"用 AI 放大经验",放大的是我能接的活,没放大我的清闲。我算过一笔账,副业平均下来也就是补上了我对主业的那点不踏实,谈不上多赚。有时候半夜改完私活的代码,我会愣一下:我到底是更自由了,还是被更多绳子拴住了?

写在最后

我没有靠 AI 翻身,也没觉得以后就稳了。它确实让我一个人能扛更多,但也让我更难从工作上抽身。如果你也在全栈这行,大概懂这种"能力强了、人却更紧绷"的滋味。那些吹得天花乱坠、把结果说得包票满满的话,我都当耳边风。如果你也打算靠 AI 接点私活补一补,我的体会是:它能让你跑得快,但跑哪条路、跑多远,还是你自己的腿说了算。把 AI 当工具使,别当救命稻草,日子虽累,但至少方向盘还在自己手里。

想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2025 年 AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享!

👇👇扫码免费领取全部内容👇👇

​

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI:

1. 100+本大模型方向电子书

在这里插入图片描述

2. 26 份行业研究报告:覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:

  • 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
  • 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
  • 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
  • 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT:听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

在这里插入图片描述

  • 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
  • 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
  • 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
  • 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析:

2. 102 道 AI 大模型真题:直击大模型核心考点

针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:


三、路线必明: AI 大模型学习路线图,1 张图理清核心内容

刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

在这里插入图片描述

路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。

img

L1阶段:启航篇丨极速破界AI新时代

L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。

img

L2阶段:攻坚篇丨RAG开发实战工坊

L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

img

L3阶段:跃迁篇丨Agent智能体架构设计

L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

img

L4阶段:精进篇丨模型微调与私有化部署

L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

img

L5阶段:专题集丨特训篇 【录播课】

img
四、资料领取:全套内容免费抱走,学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!

五个AI并行开发:Orca多智能体编程工具实战解析 在AI辅助编程快速演进的今天,多智能体协作正在改变软件工程的执行方式。所谓多智能体,是指将研发流程拆解为需求理解、架构设计、编码实现、测试审查、部署运维等独立角色,每个角色拥有独立上下文并行推进任务,通过任务编排器实现分工与合入。这种模式的核心价值在于将长链路任务切片化,降低上下文污染风险,提升复杂项目的交付效率。对于模块边界清晰、测试基建完善的工程场景,多智能体工具能显著加速从需求到代码骨架的落地。Orca作为典型的多智能体编程工具,正是基于这一原理,让五个AI程序员各司其职协同工作。本文从实际项目出发, 阅读详情

相关推荐

Godot游戏AI转向行为框架:从原理到实战的智能体导航指南

在游戏开发中,智能体(Agent)的自主移动是AI系统的核心挑战之一,其本质是通过算法模拟生物或角色的智能运动决策。转向行为(Steering Behaviors)作为解决这一问题的经典范式,基于向量力合成原理,将复杂的移动意图分解为可计算的基础力,如寻找、逃离、分离、聚合等。这种模块化设计不仅让运动更自然平滑,还大幅提升了开发效率,无需从底层数学开始构建。在工程实践中,转向行为框架尤其适用于需要群体模拟(如鸟群、鱼群)或战术移动(如RTS单位调度、ARPG怪物追击)的场景。通过合理组合行为模块并调优参数,

weixin_42636895的博客 275

多智能体强化学习实战:从IPPO算法到协作游戏AI开发

本文深入探讨了多智能体强化学习在协作游戏AI开发中的应用,重点解析了IPPO算法的核心原理与实战部署。通过结合去中心化执行与中心化评估的架构,IPPO能有效解决多智能体协调难题,并提供了从环境搭建、代码实现到高级优化(如通信机制与课程学习)的完整指南,帮助开发者构建高效协作的智能体团队。

weixin_29081163的博客 406

强化学习智能体记忆系统构建:从经验回放到可学习记忆检索

在人工智能与机器学习领域,强化学习(Reinforcement Learning)是让智能体通过与环境交互、试错来学习最优决策策略的核心范式。其基本原理是智能体根据当前状态选择动作,获得奖励,并以此更新策略。然而,传统强化学习面临样本效率低、长期依赖难以捕捉等挑战,尤其是在部分可观测、稀疏奖励的场景中。为解决这些问题,研究者引入了记忆机制,其技术价值在于让智能体不仅能被动存储经验,更能主动、有选择地检索与当前情境相关的过往片段,从而提升决策的准确性与泛化能力。这一思路借鉴了近似最近邻搜索等高效检索技术,并借

weixin_32480007的博客 281

三个新模型齐发,OpenAI 的 GPT-5.6 Sol 到底有多强?

OpenAI最新发布的GPT-5.6系列模型(含Luna、Terra和旗舰款Sol)获美国政府批准上线。Sol在TerminalBench2.1测试中以91.9%的高分超越Claude Mythos5,其创新性的"超频模式"能调度多个AI子代理协同工作,显著提升效率。不过该模型在SWEBenchPro测试中未公布成绩,且被METR机构质疑存在"走捷径"行为。与Claude Fable相比,Sol以更快速度和更低价格见长,而Fable则以精细度取胜。开发者可通过付费账号

钉子之家 283

MAPPO算法在多智能体协作中的实战指南:从理论到代码实现

本文深入解析了MAPPO算法在多智能体协作任务中的应用,从理论核心到代码实现提供了完整指南。文章详细阐述了MAPPO如何通过参数共享与集中式训练解决环境非平稳性挑战,并重点介绍了GAE、价值归一化等关键实战技巧,帮助开发者高效训练如机器人编队、游戏AI等协作智能体。

weixin_29079643的博客 348

多智能体强化学习MASAC算法:从原理到PyTorch实战详解

深度强化学习通过智能体与环境的交互试错来学习最优策略,是解决复杂序列决策问题的核心技术。其核心原理在于利用价值函数或策略梯度来最大化累积奖励,在机器人控制、游戏AI等领域展现出巨大技术价值。当面对多个智能体需要协同或竞争的复杂动态环境时,单智能体算法因环境非平稳性而面临挑战,多智能体强化学习应运而生。Multi-Agent Soft Actor-Critic (MASAC) 算法融合了SAC的稳定高效与中心化训练去中心化执行的范式,通过维护中心化Critic网络和独立策略网络,有效解决了多智能体协作中的信用

weixin_30080745的博客 335

基于SRAM的FPGA感知机:逻辑门布局优化策略

针对逻辑门的多层感知机实现,提出一种面向SRAM型FPGA的高效布局方法,通过优化资源映射与布线结构,提升多层感知机在可编程逻辑中的运行效率与资源利用率。

weixin_34885746的博客 652

计算机专业学生如何选择与备战编程竞赛:从入门到高阶实战指南

编程竞赛是计算机领域一种高效的项目式学习方式,其核心在于通过解决具体问题来锻炼算法思维与工程实践能力。从原理上看,竞赛通常围绕数据结构、算法设计与特定技术栈展开,要求参赛者将理论知识转化为可运行的代码。其技术价值不仅体现在提升个人编程水平,更能培养系统性的问题拆解、团队协作与抗压能力。在应用场景上,竞赛可分为算法类、项目创新类及企业级赛事,分别对应不同的技术侧重与能力要求。例如,算法竞赛如蓝桥杯和ACM/ICPC,着重考察动态规划、贪心算法等核心算法;而项目类竞赛如“互联网+”和“挑战杯”,则更强调技术实现

weixin_30632883的博客 321

寻音捉影·侠客行参数详解:多词并行、置信度阈值与内力强度调优手册

本文介绍了如何在星图GPU平台上自动化部署🗡️ 寻音捉影·侠客行镜像,并详解其核心参数调优。该镜像基于FunASR语音识别算法,能高效处理音频内容,核心应用场景包括从长视频素材库中快速定位和提取提及特定关键词(如“碳中和”、“新能源电池”)的片段,助力内容创作者高效完成素材粗筛与整理。

weixin_42163404的博客 153

[论文笔记]DouZero: Mastering DouDizhu with Self-Play Deep Reinforcement Learning

本篇论教你如何训练一个强化学习模型来斗地主

日积月累,天道酬勤 1231

从0开始学算法5:线性表

文章目录

weixin_38356640的博客 602

并行采样和束搜索 区别

特性并行采样束搜索核心目标速度与多样性质量与准确性生成方式并行顺序/自回归随机性高(通过采样引入)低(目标是找到最优解)输出数量可一次性生成多个不同序列通常输出一个最优序列(但搜索过程中保留k个)计算效率高(理论上一步完成)低(需要多步,且束宽越大越慢)输出质量可能不连贯,质量不稳定通常更连贯、更准确典型应用创意写作、数据增强机器翻译、文本摘要。

weixin_63681863的博客 872

Vmware 17保姆级教程:从零部署华为enspPro模拟器(附镜像下载+配置优化)

本文提供了一份详尽的Vmware 17部署华为eNSP Pro模拟器的保姆级教程。内容涵盖从镜像下载、虚拟机导入、网络配置到深度性能调优的全过程,并针对常见启动失败、设备卡顿等故障提供了实用的排查方案,旨在帮助网络工程师和华为认证备考者快速搭建稳定高效的实验环境。

arduino9maker的博客 639

C++ 指令集拓扑分析:针对 AVX-512 与 AMX 扩展指令集的 C++ 矢量化计算内核设计

早期的 x86 架构有 80 位浮点寄存器(x87),后来引入了 MMX(64 位),再到 SSE(128 位 XMM 寄存器),AVX(256 位 YMM 寄存器),直至我们今天重点讨论的 AVX-512(512 位 ZMM 寄存器)。由于 AMX 的配置和使用比 AVX-512 更复杂,且需要特定的硬件和软件环境(如 Intel OneAPI 或最新 GCC/Clang 版本,并带有特定编译选项),下面提供一个高度简化和概念性的代码片段,以说明其编程模型。各位听众,大家下午好!

weixin_41455464的博客 139

STM32F407与W5100S的SPI通信实战:从硬件连接到TCP服务器搭建

本文详细介绍了STM32F407微控制器通过SPI接口驱动W5100S以太网模块,并搭建TCP服务器的完整实战过程。内容涵盖硬件连接、SPI驱动配置、网络参数设置及Socket编程,重点解析了SPI通信时序、W5100S寄存器操作和TCP连接管理,为嵌入式网络通信开发提供实用指南。

weixin_29173777的博客 195

告别迷茫!用ETAS RTA-OS配置你的第一个AUTOSAR OS任务(含VRTA虚拟ECU实战)

本文详细介绍了如何使用ETAS RTA-OS工具链在VRTA虚拟ECU上配置和运行第一个AUTOSAR OS任务。通过从XML配置到任务调度的全流程实战,帮助开发者快速掌握嵌入式操作系统开发的核心步骤,特别适合刚接触AUTOSAR的开发者快速上手。

weixin_42533622的博客 421

从DDPG到MADDPG:多智能体强化学习的演进与实践

本文系统阐述了从DDPG到MADDPG的多智能体强化学习演进路径。深入剖析了DDPG算法在连续动作空间中的核心机制与实现要点,并重点解读了MADDPG如何通过“集中训练,分散执行”的创新框架解决多智能体环境中的非平稳性挑战,为协作与竞争场景提供了有效的算法实践方案。

vulkan6gpu的博客 424

[Dify实战] 项目复盘助手:自动拉数据、生成复盘报告

本文介绍如何利用Dify平台构建自动化项目复盘助手,解决传统人工复盘效率低、易遗漏等问题。系统通过自动拉取Git/Jira等数据源,计算关键指标后,由LLM生成结构化复盘报告。文章详细讲解了数据采集、指标计算、Prompt设计等核心模块的实现,并分享了完整Workflow搭建步骤。实践表明,该系统能将复盘耗时从4小时缩短至10分钟,显著提升数据准确率和执行频率。最后总结了数据一致性、输出质量等常见问题的解决方案,强调Dify+LLM组合可实现复盘流程的自动化流水线。

技术小甜甜:传播可落地技术,帮助个人和企业降低解决真实场景问题的成本 121

企业级智能体效能管理:从指标到落地的实操指南

随着大模型应用深入,智能体(Agent)已成为企业智能化转型的核心载体。然而从单点Demo走向规模化生产,智能体在业务效果、系统性能、成本消耗等方面暴露出诸多管理难题。企业级智能体效能管理应运而生,它借鉴软件工程的观测、评估与优化思想,通过链路追踪、埋点监控、评估集回归等手段,让智能体的表现可量化、可追溯、可改进。RAG链路优化、Token成本管控、工具调用治理、多智能体协同调度是其中的关键环节。无论是后端工程师、产品经理还是AI中台架构师,都需要掌握这套方法论,在保障业务价值、系统稳定和成本可控之间取得平

weixin_33836874的博客 354

scratch绘制旋转彩球 2023年9月电子学会图形化编程scratch编程等级考试四级真题和答案解析

​ scratch绘制旋转彩球 2023年9月电子学会图形化编程Scratch等级考试四级真题 一、题目要求 1、准备工作 (1)删除小猫角色,从角色库选择Ball角色; (2)默认空白背景。 ​

青少年编程学习指导 1369

计算机组成原理(第三版)唐朔飞-第六章计算机的运算方法-课后习题(17-32)

计算机组成原理(第三版)唐朔飞-第六章计算机的运算方法-课后习题(17-32)

weixin_45735391的博客 12万+

蔬菜定价与补货建模:从菜市场逻辑到可落地决策系统

蔬菜供应链建模本质是处理易腐性、短周期与非线性响应三大特性,其核心不在复杂数学工具,而在将真实业务逻辑转化为可量化规则。基于时间粒度(小时级)、空间异质性(社区店/前置仓等)和品类价格敏感度差异,构建分时段损耗函数、动态价格信任区间与机会成本博弈模型,显著提升预测精度与决策实用性。该方法规避了传统成本加成法失效、标价与成交价混淆、品类混同等常见陷阱,适用于数学建模竞赛备赛及中小生鲜门店数字化升级,尤其契合‘易腐性’与‘短周期’两大高频搜索技术痛点。

weixin_34310369的博客 548

Cadence PCB仿真 使用Allegro PCB SI为BRD文件创建通用型IBIS模型的方法图文教程

本文简单介绍使用Allegro PCB SI软件为BRD PCB设计文件中的元器件创建IBIS模型的方法。

fydar的博客 2172

Cooperative-ORCA*:多智能体导航中实时主动死锁避免算法详解

在多智能体系统(如机器人集群、自动驾驶车队)的导航与路径规划中,死锁是一个普遍且棘手的问题,它会导致系统整体停滞,严重影响任务执行效率。死锁的本质源于智能体间资源的循环等待,在连续空间导航中表现为智能体相互阻挡、无法前进。传统的局部避障算法,如经典的ORCA(Optimal Reciprocal Collision Avoidance),虽然能高效处理两两避撞,但其局部性和反应性设计使其在**高密度、狭窄通道**等复杂场景下容易陷入对称死锁或循环等待。为解决此痛点,Cooperative-ORCA*算法应运

weixin_34342905的博客 358

inno setup自定义卸载程序和美化

也就是DisplayName,因为我们在第一步的时候,将卸载程序名称也写入了注册表,所以,我们直接从注册表读DisplayName字段即可。1.要实现inno setup自定义卸载程序,首先需要关闭自带的卸载程序。在[Setup]的字段关闭卸载程序步骤和页面。2.删除应用程序目录里能够删除的并且返回进度。3.自定义卸载程序相关的注册表信息。4.删除启动菜单栏和guid注册表。2.自定义快捷方式和程序菜单。

cs821984831的博客 2349

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

Sqribble文档流水线:模板驱动的结构化出版系统

电子书与专业PDF生成本质上是结构化文档工程问题,其核心在于内容语义化、排版规则化与交付自动化。Sqribble并非AI写作工具,而是一套融合HTML解析、DOM语义提取与CSS-like布局约束的文档生产系统,通过模板驱动实现标题层级映射、自动目录生成、页眉页脚同步等确定性排版能力。它解决的是信息准确呈现与批量可复用交付的技术瓶颈,适用于SOP手册、行业白皮书、课程讲义等标准化知识产品场景,将传统依赖设计师手感的排版过程,转化为基于语义块(如标题1/正文/图表块)和行为规则(如TOC逻辑、分页策略)的工程

weixin_30247307的博客 356

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

上一篇: 大模型应用开发工程师学习路线:从 Prompt、RAG 到 Agent 工程落地
下一篇: Agent工作的核心“Harness工程“,到底是什么?
Llama-Turbo
博客等级 码龄4年 9901粉丝 2025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