YOLOv8火焰烟雾检测系统实战
这是一套基于 YOLOv8 的火焰烟雾双类别检测系统完整实战教程，对图像、视频、摄像头三种来源做火焰与烟雾检出，置信度越线时弹窗报警并写入 CSV 日志，全程 CPU 可跑。交付物含可运行 Python 源码、100 张自造小样本（图片加 YOLO 标注）、9 章文档（三件套）、PPT 和 7 张截图。
内容围绕 main.py 的命令：gui 打开 Tkinter 界面，三个按钮分别处理图像、视频、摄像头输入，置信度滑块实时调阈值；train 执行训练主循环，--dryrun 用 1 epoch 20 张图先验证，正式训练 100 张 30 epoch CPU 实测约 33 分钟；infer 支持命令行单图或视频推理；check-data 校验图片与标注配对、生成 data.yaml。报警控制器在火焰置信度越线时弹窗，按来源设冷却窗口防刷屏。
亮点在于无显卡要求：8GB 内存普通电脑即可，yolov8n 权重约 6.2MB、3.0M 参数，单图推理实测 60ms；依赖锁定 Python 3.10 + ultralytics 8.0.196 + torch 2.1.0+cpu + opencv-python 4.8.1.78；第 7 章整理 15 个以上高频报错；第 8 章给出换数据集、换模型、接视频流的路径。
LSTM电力负荷预测系统实战
这是一套从零搭建 LSTM 电力负荷预测系统的完整实战教程，用两层 LSTM 编码过去 72 小时逐小时负荷与时间特征，一次输出未来 24 小时预测，附带 Tkinter 面板。交付物含可运行 Python 源码、两份演示 CSV（电力负荷小时级数据和门店销量日粒度数据）、训练好的权重 lstm_load_best.pt、9 章文档（三件套）、PPT 和 6 张截图。
内容主线围绕 main.py 的命令：train 自动完成数据清洗、滑动窗口切样本、标准化和 30 轮训练；infer 在测试集上算 MAE、RMSE、MAPE 并生成预测对比图、误差分布图、未来 24 点预测图共 4 张；gui 打开面板，按钮分别选数据、加载模型、开始评估、未来 24 点预测，计算放后台线程不卡界面；内置 naive 基线。
亮点在于对硬件要求极低：普通四核 CPU 30 轮训练实测 58 秒，不需要显卡，参数量约 5.7 万、权重约 0.23MB；依赖锁定 Python 3.10 + torch 2.1.0+cpu + numpy 1.26.4；实测 MAPE 为 2.30%，相对 naive 基线提升 22.6%；第 7 章整理 12 个高频报错；第 8 章给出换自己 CSV 预测销量、流量等时序的改法。
适合做时序预测毕设的学生、想从数据分析转 AI 的读者，以及需要二次开发模板的工程师。会 Python 基础即可，无需深度学习背景。
使用方式：进入 src 目录建虚拟环境并 pip install -r requirements.txt，python main.py train 训练（可跳过用附带权重），python main.py gui 打开面板，加载模型后即可评估或预测。
Ollama+FastAPI本地问答实战
这是一套用 Ollama 在本机运行开源大模型、再用 FastAPI 封装成带网页界面的流式问答服务的完整实战教程。交付物含可直接运行的 Python 源码、单文件聊天前端、Windows 一键启动脚本、9 章讲解文档（Markdown / HTML / PDF 三版）、PPT 讲解稿和 4 张效果截图，全程真机验证。
内容主线围绕"模型如何变成可用的服务"展开：原生 HTML/CSS/JS 聊天页带会话侧栏、模型下拉和停止按钮，不依赖前端框架；后端以 SSE 协议逐帧推送，前端按帧渲染实现打字机效果；多会话历史落盘到 JSON，重启不丢、可追问可删除；模型下拉一键切换本机已拉取的模型；python main.py check 一条命令自检环境；Swagger 文档资产全部本地化，离线也能打开。
亮点在于整套方案不依赖任何云服务：模型、对话、历史都留在本机磁盘上，没有按调用量计费的持续开销；依赖锁在 Python 3.10 + FastAPI 0.104.0 + uvicorn 0.24.0 这套真机跑通的版本组合；第 7 章收录 12 条以上真实报错与定位过程；第 8 章给出换模型、调整系统提示词、接入检索增强、增加鉴权等二次开发方向。
适合想把大模型跑在自己电脑上做实验的开发者，想理解接口层、流式协议、会话历史管理的学习者，以及学习后端服务封装思路的 Python 工程师。
使用方式：先到 Ollama 官网下载安装包并 ollama pull qwen2:1.5b 拉个小模型，再进 src 目录 pip install -r requirements.txt，Windows 双击 start.bat 起服务，浏览器访问 127.0.0.1:8000 即可对话。
Qwen2模型LoRA微调全流程实战
这是一套用 PEFT 对 Qwen2-1.5B-Instruct 做 LoRA 指令微调的完整实战教程，以 100 条电商售后问答小样本为例，从数据体检、训练、推理对比到权重合并全流程走通。交付物含可运行 Python 源码、示例 JSONL 数据、CPU 干跑产物（训练曲线与适配器权重）、9 章讲解文档（三件套）、PPT 和 6 张截图。
内容主线围绕 main.py 五个子命令：prepare 读取 JSONL 并出分布图；train 执行 LoRA 训练主循环，含 cosine 调度、梯度累积、损失曲线和参数占比图；infer 支持单条提问、交互对话及微调前后对比导出 CSV；merge 把适配器权重合并回基础模型。train 另带 --dryrun 模式，用随机权重在 CPU 上几十秒跑通链路，不下载权重即可验证代码。
亮点在于版本锁定在真机验证口径：Python 3.10 + torch 2.1.0 + transformers 4.37.2 + peft 0.7.0 + datasets 2.15.0；LoRA 只训练 q_proj 和 v_proj 的低秩矩阵，r=8 时可训练参数占比约 0.07%，8GB 显存即可训练；第 7 章整理 18 条高频报错。适合缺动手记录的大模型学习者、需要工程基线的毕设学生、想迁移微调的开发者。
使用方式：建虚拟环境并 pip install -r requirements.txt，按文档指引准备好预训练权重，先跑 train --dryrun 验证链路，再在 GPU 上 prepare 和 train 训练，最后 infer --mode compare 看效果、merge 导出模型。
公众号文章批量导出小工具
这是一款将公众号文章批量导出为Word文档的工具，把文章链接一行一个粘贴进来，正文文字和图片一起保存成Word，方便离线归档和文本分析。
工具核心功能：粘贴文章链接列表，每行一条最多50条，一键批量导出；自动提取标题、作者、发布时间，正文完整保留；正文里的图片自动下载嵌入到Word对应位置；两种导出模式，每篇单独存一个Word或全部合并成一个Word；自动限速间隔3秒，失败链接跳过并列清单不中断任务；导出清单CSV记录每篇标题、链接、成功或失败状态。
亮点在于：正文图片自动下载嵌入Word对应位置，离线阅读不用再打开网页；两种导出模式灵活选择；失败链接单独列出不影响其他文章处理；界面操作无需写代码；导出结果按目录分类存放。
适合做文献综述、文本分析、资料整理的学生和研究员，需要把公开文章离线存成本地文档方便阅读的人群。本工具仅用于学习交流，请遵守目标网站服务条款与法律法规，不用于任何商业用途。
使用方式：双击启动.bat打开界面，粘贴文章链接列表，选择导出模式和间隔秒数，点开始导出，结果在output目录。随包附示例URL列表，可直接体验批量导出和图片嵌入Word功能，非常方便。
二维码批量识别导出小工具
这是一款本地运行的二维码批量识别工具，把一文件夹的二维码照片自动识别并导出Excel台账。现场拍了大量二维码照片需要录入表格时，不用一张张手动抄写。
工具核心功能：批量扫描文件夹内jpg、png、bmp、tif等格式图片，自动识别其中的二维码和条形码；一图多码全部列出，识别失败的照片单独列清单；识别结果表格预览，双击单元格可手动修正；一键导出Excel，一行一条码，图片名自动进台账；识别前自动灰度化加对比度增强，提升手机拍照模糊反光时的识别率。
亮点在于：双引擎识别，pyzbar主引擎加OpenCV备用引擎自动兜底中文乱码问题；本地离线运行不上传任何照片到网络；支持递归扫描子文件夹；识别格式可按需勾选；界面操作无需写代码，结果一目了然。
适合仓储盘点人员、行政登记人员、样品收发人员等现场拍了二维码照片需要批量录入表格的工作人员，减少手动抄写工作量。
使用方式：双击启动.bat打开界面，选择图片文件夹，勾选预处理选项和递归扫描，点开始识别，结果出来后点导出结果到Excel，文件保存在output目录。随包附多张示例二维码图片，可直接体验批量识别和导出Excel功能，操作非常简单。
PDF批量加密解密小工具
这是一款本地运行的PDF批量加密解密工具，给一批合同、报表、试卷PDF统一加上打开密码，或用已知密码批量解除PDF密码。带图形界面，不用一份份在Adobe里手动操作另存为加密。
工具核心功能：批量加密模式给整文件夹PDF统一加打开密码，可选禁止打印、禁止复制文本、禁止修改内容等权限限制；批量解密模式用已知密码批量解除已加密PDF的密码；混合文件夹自动识别，已加密或已解密的文件自动跳过并在日志写明原因；密码长度过短时弹窗提醒但不强制阻断。
亮点在于：原文件只读不动，所有结果输出到独立output文件夹，同名自动加序号不覆盖；支持显示密码勾选明文查看；失败文件不影响其他文件继续处理；全程本地处理不上传服务器，很好地保护敏感文档隐私。
适合需要给合同、财务报表、试卷等PDF统一加密码保护的办公人员、财务人员和教师，以及收到一批带已知密码PDF需要批量解锁的人群。
使用方式：双击启动.bat打开界面，添加PDF文件夹，选加密或解密模式，输入密码，勾选需要的权限限制，点开始处理，完成后点打开输出文件夹直达结果。随包附四份示例PDF，可直接体验加密和解密两种模式以及权限限制选项，开箱即用。
PDF批量加页码小工具
这是一款本地运行的PDF批量加页码工具，在报告、标书、论文打印前一键为PDF添加页码。支持四种页码样式，位置九宫格自由选择，封面不计页码，原PDF文字图片排版完全保留，不会把PDF转成图片。
工具核心功能：四种页码样式可选，纯数字、X/Y、第X页、第X页共Y页；位置九宫格从左上到右下任意选择，字号6到24可调，颜色支持黑、灰、红、蓝；封面不计页码，从第N页开始打页码，起始数字可自定义；页码范围可选，支持1,3,5-7这种跳页语法；页眉页脚支持左中右三栏自定义文字。
亮点在于：在原PDF上叠加透明页码层，原文字图片排版完全保留；内置预览功能，先看第一页效果再批量执行；原文件只读不动，结果输出到独立output文件夹，同名自动加序号不覆盖；全程本地处理不上传服务器，保护文档隐私。
适合需要给报告、标书、论文、合同批量加页码的办公人员、学生和行政人员，尤其是有封面页不需要页码、正文才开始计数的场景。
使用方式：双击启动.bat打开界面，添加PDF文件，选页码样式和位置，设置从第几页开始，点预览确认后开始处理，结果在output文件夹中。随包附三份示例PDF，可直接体验四种页码样式和封面不计页码功能。
证件照批量换底色小工具
这是一款本地运行的证件照批量换底色工具，把白底证件照换成蓝底、红底、灰底等常用底色，也支持自定义RGB颜色。人脸照片全程本地处理，不上传任何网站，保护个人隐私。
工具核心功能：纯色背景证件照换底色，白、蓝、红、灰四色常用预设一键切换，也支持自定义RGB数值；边缘容差滑条控制发丝边缘过渡，换完不会出现一圈白边；证件尺寸预设一寸295x413、二寸413x579、小二寸413x531，自动等比缩放居中裁剪；一键生成六寸照片纸排版版1800x1200像素300DPI，直接发冲印店即可洗。
亮点在于：非纯色背景照片自动检测并跳过，不硬处理导致效果翻车；内置预览功能，用当前参数先渲染第一张看效果，满意后再批量执行；单张输出和六寸排版输出分目录存放；原文件只读不动，同名输出自动加序号不覆盖原图。
适合求职者报名换证件照底色、家长给孩子换入学照片、公司人事批量处理入职照，以及所有需要把白底证件照批量换成其他底色的人群。
使用方式：双击启动.bat打开界面，选择照片文件夹，选目标底色和证件尺寸，点预览确认效果后开始批量换底色，结果在output文件夹的单张和排版子目录中。随包附三张示例照片，可直接体验换底和排版效果。
多图拼接长图制作小工具
这是一款本地运行的多图拼接长图工具，把多张截图按顺序拼成一条长图。支持纵向和横向两种拼接方向，图片列表可上移下移调整顺序，宽度不一致时自动等比缩放或留白居中对齐，全程本地处理，不上传服务器，保护隐私。
工具核心功能：纵向上下拼接或横向左右拼接，图片间隔、四周边距、背景色全部可调，预设白、黑、浅灰三种底色也支持自定义RGB；宽度策略提供等比缩放统一宽度和留白居中对齐两种方式；分段模式可设置每N张切一张图，解决社交平台对长图的大小压缩限制；输出PNG无损或JPG压缩两种格式。
亮点在于：内置预览功能，拼接前先小窗看效果再批量生成；自动生成拼接顺序CSV方便回溯核对；支持添加整个文件夹递归扫描图片；同名输出自动加序号不覆盖原图；界面操作无需写代码。
适合自媒体小编拼接聊天记录截图、电商运营拼接商品详情截图、客服拼接对话记录，以及所有需要把多张截图快速拼成一条长图发布的人群。
使用方式：双击启动.bat打开界面，添加图片并调整顺序，设置拼接方向和参数，点预览确认后开始拼接，结果在output文件夹中，完成后点打开输出文件夹直达。随包附6张示例截图，可直接体验纵向横向两种拼接效果和分段输出功能。
PPT模板一键批量生成奖状证书
这是一款基于PPT模板和Excel名单的奖状证书批量生成工具。你只需在PPT里用文本框排好奖状模板，把需要填名字的位置写成{{姓名}}这样的占位符，再把名单存成Excel，脚本就会自动把每行数据填进模板，每人生成一份独立PPT，可选同时导出PDF直接打印。
工具核心功能包括：PPT模板占位符自动识别与替换，支持任意多个自定义字段如姓名、奖项、日期等；Excel名单逐行读取，字段映射表自动按同名匹配，双击单元格即可调整取值列；生成后自动检查残留占位符，名单缺列会在日志中列出警告，不会悄悄产出废件；勾选转PDF后通过本机PowerPoint直接导出可打印的PDF文件。
亮点在于：全程不需要写代码，图形界面操作即可完成；字段映射表可视化编辑，换模板或名单后一键重新扫描；文件名自动取姓名列，非法字符自动替换为下划线，同名文件自动加序号绝不覆盖；所有结果输出到独立的output文件夹，原始模板和名单不被修改或删除。
适合期末要发几十张奖状的班主任、年底做结业证书的培训机构行政、批量制作聘书和获奖证书的HR，以及需要按名单批量生成个人化文档的行政办公人员。
使用方式：双击启动.bat打开界面，选择PPT模板和Excel名单，字段映射自动填好后点开始生成，结果在模板同级output文件夹里。随包附示例模板和名单Excel，开箱即用。
二维码批量生成LOGO小工具
这是一款从Excel名单批量生成二维码图片的工具，把链接、编号或文字一行一条批量变成二维码图片，可选在中心嵌入自己的LOGO图标。
工具核心功能：Excel驱动，选好xlsx文件自动读取列名，指定内容列和文件名列，一行生成一个二维码；粘贴文本模式，没有Excel时直接每行一条粘贴批量出图；中心嵌入LOGO，自动控制比例保证扫得出来；四档纠错等级L、M、Q、H可选，加LOGO建议切到H档30%容错；尺寸100到2000像素自由设置，前景背景色自定义。
亮点在于：文件名自动取编号列的值，不用手动命名每张图；浅色码自动警告前景色过浅避免生成扫不出的码；所有结果输出到独立output文件夹，同名自动加序号不覆盖原文件；界面操作无需写代码；本地离线运行不需要联网。
适合运营贴资产标签、仓储做设备台账二维码、教师印课程签到码、市场人员给活动链接批量出图的人群。
使用方式：双击启动.bat打开界面，选Excel文件并指定内容列和文件名列，可选勾选中心嵌入LOGO，点开始生成，结果在output文件夹。随包附示例Excel和LOGO图，可直接体验批量生成和LOGO嵌入功能，操作非常简单方便好用。
PDF批量压缩瘦身小工具
这是一款本地运行的PDF批量压缩瘦身工具，把扫描合同、课件PDF、扫描试卷等图片型PDF逐页重渲染为JPEG后重建，体积通常能压掉30%到60%。原文件不动，纯文字PDF自动检测跳过，不会越压越大。
工具核心功能：三档压缩等级可选，高清150DPI适合打印、均衡100DPI适合屏幕阅读、极限72DPI适合邮件发送；目标体积模式勾选后填入上限MB数，自动从高DPI往下试，压到达标为止；纯文本PDF自动检测跳过，文件本来就小不会硬压变大；处理日志逐文件打印原大小到新大小并汇总总节省量。
亮点在于：压缩后反而比原文件大时自动不生成，不白占磁盘空间；同名输出自动加序号不覆盖原文件；三档预设加目标体积模式灵活应对不同场景；界面操作无需写代码；全程本地处理不上传服务器，保护隐私文件。
适合手里有扫描合同、扫描试卷、课件PDF、扫描发票等大文件，邮件发不出去或系统上传有大小限制的办公人员和学生。
使用方式：双击启动.bat打开界面，选择PDF文件夹，选压缩等级，点开始压缩，完成后点打开输出文件夹直达结果。随包附扫描件和纯文本示例PDF，可直接体验三档压缩效果和纯文本自动跳过功能，操作非常简单。
图片批量裁剪比例小软件
这是一款本地运行的图片批量裁剪工具，支持按比例裁剪和固定像素区域裁剪两种模式。无论你有大量手机照片需要统一裁成3:4发社交平台，还是需要裁掉截图顶部的状态栏和底部多余边栏，都能一键批量完成。图片全程本地处理，不上传任何服务器。
工具核心功能：按比例模式预设1:1方形、3:4竖版社交、4:3横版、9:16竖版短视频、16:9横版视频等常用比例，也支持自定义任意比例；固定像素模式可从上下左右四边分别裁掉指定像素，适合去除顶部状态栏、底部页脚等固定边距；锚点控制支持居中、上、下、左、右五种裁剪位置，避免主体被切到。
亮点在于：内置预览功能，点预览第一张裁剪框用红框画出保留区域，确认主体没被切到再批量执行；输出格式支持PNG无损和JPG压缩两种；保持子目录结构，批量重命名为序号方便后续按顺序处理；输出裁剪清单CSV记录每张图的原尺寸、裁剪框和输出尺寸；同名文件自动加序号不覆盖原图。
适合社交媒体运营人员统一裁剪配图、设计师批量处理截图、摄影爱好者整理照片，以及所有需要批量调整图片尺寸比例的人群。
使用方式：双击启动.bat打开界面，添加图片文件夹，选择裁剪模式并设置参数，点预览确认裁剪框后点开始批量裁剪，结果在output文件夹中。随包附多种尺寸示例图，可直接体验两种裁剪模式。
PPT合并拆分提取页效率工具
这是一款集成了PPT合并、拆分、提取页三大功能的图形界面工具。把需要处理的PPT文件添加进列表，选择对应功能，点一下开始处理即可，无需手动复制粘贴幻灯片。
工具支持三种操作模式：合并模式将多份PPT按列表顺序合成一个文件，列表顺序可上移下移自由调整；提取页模式从每个PPT中按页码范围语法挑出指定页面单独导出，支持1-3,7,10-这种连续与离散组合写法，超出范围的页码自动跳过不会报错；按页拆分模式将一份大PPT按每N页拆成多个小文件，方便按章节分发。
亮点在于：添加文件支持多选和整个文件夹批量扫描；页码范围语法灵活，连续区间加离散页码混排也能识别；结果输出到独立的output文件夹，原始PPT文件不会被修改；纯文字和图片类幻灯片处理效果良好，全程界面操作无需写代码。
适合教师整理几十份课件挑页重组、培训师按模块拆分大PPT、行政人员合并多份汇报材料，以及所有需要频繁对PPT页面做批量整理的办公人员。不需要手动打开每一份PPT逐页复制。
使用方式：双击启动.bat打开界面，添加PPT文件后选择功能模式，填写页码范围或拆分份数后点开始处理，完成后点打开输出文件夹直达结果。随包附三份示例课件，开箱即可体验三种模式。
Office文档批量转PDF工具
这是一款将Word、Excel、PPT批量转换为PDF的图形界面工具。选择一个文件夹，工具自动扫描其中的Office文档并全部转为PDF，排版保真度与手动在Office里另存为PDF一致，因为底层直接调用本机Office引擎完成转换。
工具核心功能：整文件夹递归扫描docx、xlsx、pptx三种格式，格式可勾选过滤；混合格式文件夹一次全处理，Word、Excel、PPT混着来；转换进度条实时显示，每文件成功或失败状态在日志中列出；输出目录结构保持，原文件只读不动，结果输出到独立的output文件夹；自动跳过被Office占用的文件并列出清单，不中断整个批量任务。
亮点在于：相比纯Python转换库不会丢排版，本工具调用本机Office引擎，字体、表格、版式完全保真；递归扫描子文件夹，输出目录结构原样保持；转换完成弹窗汇总，一键打开输出文件夹；全程界面操作无需写代码。
适合行政人员批量归档文档、财务人员将报表转PDF对外发送、教师将课件批量转为PDF分发，以及所有需要把大量Office文档转为PDF的办公人群。
使用方式：双击启动.bat打开界面，选择源文件夹，勾选需要转换的格式，点开始转换，完成后点打开输出文件夹直达结果。随包附Word、Excel、PPT三种示例文件，可直接体验三种格式的转换效果。
408考研四门核心考点精讲
这是一份 408 计算机学科专业基础统考方向的备考题库，共 302 题，覆盖数据结构、计算机组成原理、操作系统、计算机网络四门核心课程，按考纲高频考点自拟，交付 Markdown、HTML、PDF 三种阅读版本，方便在电脑、平板和手机上随时翻看。
内容主线覆盖十二个章节：数据结构部分讲线性表、栈、队列与串，树与二叉树，图，查找与排序；组成原理部分讲数据的表示与运算、存储系统、指令系统与 CPU、总线、IO 与中断；操作系统部分讲进程线程、同步互斥与死锁，内存管理、文件系统与 IO；计算机网络部分讲物理层、数据链路层、网络层、传输层以及应用层综合。
题目采用统一结构：每题先给一句话结论，再展开正文，最后列回答要点，高频题后面跟了追问和容易答挂的坑。计算题如 Cache 地址划分、流水线加速比、PV 操作、银行家算法、子网划分、TCP 拥塞窗口，建议自己动手算一遍，别光看答案。教材版本基准对齐四门课通用经典教材的主流讲法，TCP 部分按 Reno 版本写法。
适合备考 408 统考的同学，也适合复试面试前想把四门课核心概念系统过一遍的考研党。
使用时按模块过一遍，每天一个模块，重点看高频标记的题；追问部分是面试现场顺着边界往下挖的方向，回答时主动带到追问里的点，比单纯背名词解释有用。
Qt桌面上位机面试精解
这是一份 Qt 桌面与上位机方向的面试题库，共 295 题，覆盖对象模型、窗口布局、事件系统、绘图、Model/View、QML、多线程、串口网络工业协议、本地存储、插件架构、打包发布、排错十二个模块，面向工控、医疗、车载、安防上位机场景，交付三种阅读版本，方便随时翻看。
内容主线覆盖十二个模块：Qt 对象模型（元对象系统、信号槽、moc）、窗口布局与界面搭建、事件系统（事件传递、过滤器、自定义事件）、绘图（QPainter、双缓冲、自定义控件）、Model/View 架构（表格、树、代理）、QML 与 Qt Quick、多线程（QThread、线程亲和性、QtConcurrent）、串口网络与工业协议（QSerialPort、Modbus、TCP）、数据库 SQLite 与配置文件持久化、插件机制与动态库架构、打包发布与跨平台界面美化、排错（界面卡死、信号槽不触发、中文乱码、跨线程崩溃）。
作者在工控和医疗设备行业写了多年 Qt，做过采集卡上位机和医疗影像客户端，面试过的人加起来有几百。题目把面试中真被问过、以及带人时反复踩的坑整理出来。每题先给一句能直接说出口的结论，再展开原理或排查步骤，最后列回答要点；带高频标签的是面经里反复出现的点，带追问的是面试官顺着主答案往下挖的方向。版本基准对齐 Qt 5.15 LTS，Qt 6.5 的差异点在题目里单独标注。
适合准备 Qt 开发岗或上位机工程师岗的校招和一到三年社招，也适合从单片机、嵌入式转 PC 上位机的同学，以及已经在写 Qt 但没系统梳理过的在职者。
使用时先盖住答案自己过一遍题面，能说出三句话的算过，说不出来的标出来重点看；高频题优先；排错模块留到最后看，它把前面十一章串起来；追问别跳过。
Python爬虫数据采集面试精解
这是一份 Python 爬虫与数据采集方向的面试题库，共 296 题，按采集链路拆成十二章，覆盖 HTTP 协议与会话、并发采集、页面解析、Scrapy 框架、动态渲染、JS 逆向、验证码、代理指纹、稳定性工程、清洗存储、分布式扩展、合规边界，交付三种阅读版本，方便随时翻看。
内容主线覆盖十二章：HTTP 协议与会话、请求库与并发采集（requests、httpx、aiohttp）、页面解析、Scrapy 框架、动态渲染与浏览器自动化（Playwright、Selenium）、JS 逆向基础、验证码识别与打码、代理 IP 与浏览器指纹限速、稳定性工程（超时、重试、退避）、数据清洗去重与存储（MySQL、Redis、Elasticsearch）、分布式爬虫、法律合规边界。
题目把概念题、手撕代码题、场景判断题、排错复盘题和方案对比题混着排。每题先给一句能直接说出口的结论，再展开原理或排查步骤，最后列回答要点；带高频标签的是公开面经里反复出现的点，带追问的是面试官顺着主答案往下挖的方向。版本基准对齐 Python 3.11、requests、httpx、aiohttp、Scrapy、Playwright、Selenium 4、MySQL 8.0、Redis 7、Elasticsearch 8。
适合一到四年爬虫工程师、数据采集工程师、数据服务岗的社招面试准备，也适合后端、测试方向转数据采集的同学，以及校招目标数据采集岗的同学。
使用时先盖住答案读题面，能三两句说清结论的算过，卡住的标出来重点看；编程题先自己写一遍再对照，重点看超时、异常分类、退避重试和边界输入；排错题按现象、证据、定位、修复过一遍；合规题记住授权前提、数据最小化、不突破访问控制、操作留痕与到期删除这几条。
游戏服务器开发面试精解
这是一份游戏服务器开发方向的面试题库，共 295 题，覆盖游戏服务端架构、网络通信、同步模型、场景管理、战斗系统、数据存储、分服容灾、反作弊运维等核心链路，交付三种阅读版本，方便随时翻看。
内容主线按面试实际被追问的路径组织，覆盖十二个模块：游戏服务器整体架构与进程模型、网络通信（TCP/KCP/UDP/协议设计）、同步模型（状态同步、帧同步、预测回滚）、场景管理与 AOI、战斗与技能系统、任务活动与商业化系统、数据库设计与数据落地、缓存与内存数据库（Redis）、分区分服跨服与合服、高并发容灾与回档、防作弊与外挂对抗、运维监控日志与线上事故处理。
游戏服务端和普通后端不同，考的不是 Redis 分布式锁这种背一遍就行的八股，而是 100 人同屏广播怎么压、帧同步不同步怎么查、回档事故怎么收场这类一线踩坑题。作者面过腾讯 IEG、网易雷火、米哈游等公司的服务端岗，按公开面经频次统计后重新出题并逐题写解答。每题先给一句能直接说出口的结论，再展开原理或排查步骤，最后列回答要点；带追问标记的题顺着项目场景往下挖。版本基准对齐 C++17、Linux epoll、MySQL 8.0 InnoDB、Redis 7.2、MongoDB 6.0、protobuf、KCP，Netty 与 Go 在对比题里提到。
适合准备校招或一到三年社招、目标腾讯、网易、米哈游、莉莉丝、三七等游戏服务端岗的同学，C++ 为主的服务器方向最对口，Go 或 Netty 栈的同学看网络和架构部分也通用。
使用时第一遍从头过，盖住答案自己说一遍，卡壳的标星；第二遍只看标星和高频题；面试前重点看同步、战斗、回档三个模块，追问别跳过。
量化策略回测系统全流程实战
这是一套量化策略回测系统实战包，基于 Backtrader 事件驱动引擎，对日线行情跑策略回测并输出可视化报告。包内含实战教程 md/html/pdf 三件套、PPT 讲解、完整 src 源码、随包三只标的三年日线 CSV 数据、回测输出图表与 Markdown 报告，解压即可离线跑通全部功能。
系统围绕三套策略模板展开：双均线趋势（快线上穿慢线买入、下穿卖出）、RSI 超买超卖反转、网格交易（基准价上下自动低买高卖）。功能覆盖命令行回测、参数网格寻优（144 组参数一次跑完出热力图）、Streamlit 交互面板（侧边栏选标的选策略调参数自动重跑）、四类图表（K 线买卖点、资金曲线、回撤曲线、策略对比）。
几个亮点：内置真实交易成本模型（佣金、印花税、滑点），纸面盈利和扣费后实际盈利的差距一目了然；全部 matplotlib 自绘图表，绕开 Backtrader 自带绘图与新版 matplotlib 不兼容的坑；依赖全部锁版本，numpy 与 backtrader 的二进制兼容问题已在文档点明；随包数据离线可跑，不联网也能完整演示。
适合量化入门者和金融工程方向做课设的学生，事件驱动引擎、指标预热、订单撮合这些回测常考点都有对应章节；也适合想把从数据加载到可视化报告完整走一遍的 Python 学习者。回测基于历史数据，仅用于策略研究学习，不构成投资建议。
使用方式：pip install 安装依赖，python main.py 一键跑三策略演示，python main.py app 启动 Streamlit 交互面板调参查看结果。
知识图谱问答系统全流程实战
这是一套知识图谱问答系统实战包，基于 Neo4j 图数据库搭建，输入中文问句自动分词、识别意图、生成 Cypher 查询并返回答案，配网页版界面和 ECharts 力导向图谱可视化。包内含实战教程 md/html/pdf 三件套、PPT 讲解、完整 src 源码、随包 30 部电影演示数据 CSV，解压即可导入图谱开始问答。
系统支持 8 类问句：电影导演、电影主演、演员作品、导演作品、类型推荐、电影信息、合作电影、年代筛选。前端用 Flask 起服务，页面输入问句后走 jieba 分词、规则打分意图识别、参数化 Cypher 查询、中文答案生成一条链路，右侧同步铺开图谱关系图。
几个亮点：规则模板路线可离线运行，不依赖外部接口也能完整演示；分词结果、命中意图、生成的 Cypher、查到的结果每一步都可打印，答辩时问"为什么这么答"答得上来；可选接外部接口做答案润色，接口不通自动降级为模板答案，主链路不受影响；随包数据含 30 部电影、72 位影人、161 条关系，导入 10 秒内完成。
适合知识图谱方向做毕设的学生（不需要图数据库或 NLP 基础，教程从属性图模型讲起）、NLP 应用学习者（jieba 分词、规则意图识别、模板问答是一条完整小型 NLU 链路）。
使用方式：pip install 安装依赖，启动 Neo4j 服务，python main.py import 导入演示数据，再运行 python main.py web 打开网页问答界面即可。
面部表情识别系统全流程实战
这是一套面部表情识别系统实战包，基于 FER2013 数据集，用 MediaPipe 做面部区域定位、轻量卷积网络做表情分类，配 Tkinter 图形界面支持单图识别和视频流实时识别。包内含实战教程 md/html/pdf 三件套、PPT 讲解、完整 src 源码、随包小样例图片、演示视频与训练曲线图，解压即可走通训练、识别、评估全流程。
项目围绕五块功能展开：FER2013 数据加载与预处理（列名清洗、像素串转矩阵、官方三划分）、轻量 CNN 训练（约 14 万参数，四核 CPU 上 10 epoch 约 22 分钟）、单图识别加概率条形图、视频流逐帧实时识别、验证集批量评估（总体准确率、每类 P/R/F1、混淆矩阵）。
几个亮点：两段式路线，MediaPipe 先定位面部区域再裁出 48×48 灰度图交给分类网络，识别流程不会因检不出面部而中断；7 类表情覆盖生气、厌恶、恐惧、高兴、难过、惊讶、中性；全 CPU 训练不需要显卡，机房电脑和五年前的笔记本都能跑；依赖全部锁版本，torch CPU 源与 mediapipe 的兼容坑已在文档点明。
适合 CV 方向做课设或毕设的学生（表情识别比手写数字识别有话题性）、人机交互方向的学习者、以及想把深度学习从数据清洗到 GUI 部署完整走一遍的入门者。
使用方式：pip install 安装依赖，python download_data.py 下载 FER2013 数据集，python main.py train 训练模型，python main.py gui 启动图形界面即可操作。
电影个性化推荐系统全流程实战
这是一套基于 MovieLens 100K 数据集的电影推荐系统实战包，用 scikit-surprise 实现 UserCF 和 ItemCF 两种协同过滤，配 Streamlit 可视化界面。包内含教程 md/html/pdf 三件套、PPT 讲解、src 源码、7 张截图与随包评分数据 CSV，解压即可走通训练、评估、推荐全流程。
系统围绕两条算法主线展开：UserCF 基于用户相似度找同好，ItemCF 基于物品相似度找相似电影，同数据同评估跑完直接对比。功能覆盖双算法一键训练（CPU 约 17 秒）、评分预测（RMSE/MAE）、Top-N 推荐（Precision/Recall/Coverage 三指标）、命令行推荐和浏览器可视化看板。
几个设计亮点：评分预测走逐对 predict 精确计算，Top-N 排序另起一条向量化路径秒级出全量榜单，精确与近似的取舍在文档里逐行拆讲；UserCF 用 cosine 相似度、ItemCF 用 pearson 相关，错开度量让双算法对比多一层可分析维度；依赖全部 == 锁版本，numpy 与 surprise 的二进制兼容坑已在文档点明。
适合推荐系统方向做毕设或大数据方向交课程大作业的读者，相似度矩阵、评估指标、算法对比这些答辩常问点都有对应章节；也适合想把"评分预测和 Top-N 排序为什么算两件事"想明白的 Python 进阶读者。
使用方式：在 src 目录创建虚拟环境，pip install -r requirements.txt 安装依赖，运行 main.py train 训练并评估模型，再运行 main.py web 启动可视化界面，浏览器自动打开 localhost:8501 即可操作。
扩散模型本地绘图工作台实战
这是一套基于 diffusers 的本地扩散模型绘图工作台实战包，把提示词管理、批量出图、桌面端与网页端双界面装进同一个工程。包内含实战教程 md/html/pdf 三件套、PPT 讲解、完整 src 源码、示例提示词模板库与批量任务清单、示例输出图片，解压即可按文档走通从装依赖到批量出图的全流程。
系统围绕六个功能：单图生成（采样器、步数、CFG、seed 命令行全可配，出图自动归档）、批量矩阵出图（清单里主体乘风格自动展开，逐张生成、命名、归档，收尾出 CSV 报告）、提示词模板库（风格、负面、主体三类模板存 JSON，增删改查不碰代码）、Tkinter 桌面端、Gradio Web 端、显存优化开关（fp16 半精度加 attention slicing，6GB 显存可跑 SD1.5）。
几个亮点：全程本地运行，不联网、不上传、不按张收费；固定 seed 让每张图可复现，参数进文件名进 CSV，隔周翻记录就能答；底层生图、归档、提示词库共用同一套模块，CLI、桌面端、Web 端只是三种壳，改一处三处受益；依赖全部锁版本，torch CPU 版与 diffusers 的版本配对坑已在文档点明。
适合需要批量、需要复现、需要把过程写成文档说明的学习者（对照实验、固定 seed 只换一个变量就能出成组数据）；也适合有 NVIDIA 显卡想从命令行调参出图的开发者，CPU 也能跑只是慢一些。
使用方式：pip install 安装依赖，python download_model.py 下载 SD1.5 权重，python main.py web 启动 Web 工作台，或 python main.py generate 命令行单图出图。
DQN贪吃蛇强化学习实战
这是一套 DQN 贪吃蛇强化学习实战包，用 PyTorch 从零实现一个符合 Gymnasium 接口的贪吃蛇环境，再用 DQN 算法训练智能体自己学会玩游戏。包内含实战教程 md/html/pdf 三件套、PPT 讲解、完整 src 源码、预训练权重、训练曲线图与 pygame 演示帧，解压即可直接开玩或从头训练。
项目是完整闭环：自实现 SnakeEnv 环境（11 维状态向量、3 个相对转向动作、奖励规则全注释）、DQN 训练器（三层 MLP 网络加经验回放缓冲区加目标网络加 epsilon 退火）、三张训练曲线自动产出（滑动平均奖励、得分分布、epsilon 衰减）、pygame 可视化演示、训练日志与最佳/最终两份权重。
几个亮点：全程纯 CPU 训练，普通笔记本约 6 到 10 分钟跑 400 局，不需要显卡；包内附预训练权重，解压后跳过训练直接 python main.py play 就能看蛇自己玩；不写任何手工规则，蛇的转向决策全部来自撞墙、咬到自己、吃到食物的奖励反馈；依赖全部锁版本，torch CPU 版与 numpy 的兼容坑已在文档点明。
适合强化学习入门者（DQN 是这个领域公认第一课，代码量小到能逐行读完）、算法方向课程大作业（环境、算法、可视化、实验分析齐全，曲线可直接进报告）、以及想补工程实践的开发者。
使用方式：pip install -r requirements.txt 安装依赖，python main.py train 训练模型，或直接 python main.py play 加载预训练权重看演示。
智能出题刷题系统全流程实战
这是一套完全本地运行的智能出题刷题系统实战包，基于 Streamlit + SQLite 搭建，把一份 Excel 题库变成完整的练题流水线：导入题库、jieba 自动标注知识点、按难度配比组卷、在线作答判分、错题自动归档、学情出图统计。包内含实战教程 md/html/pdf 三件套、PPT 讲解、完整 src 源码、8 张效果截图与示例题库 xlsx，解压即可按文档走通全流程。
系统围绕五大模块展开：题库管理页支持 Excel 批量导入与按学科、知识点、难度三维筛选；智能组卷页可自定题量、三档难度配比与知识点范围，种子固定可复现，试卷一键导出纯文本打印；在线刷题页提供顺序、随机、错题重练三种模式，作答即判分，错题自动进本、答对自动出本；学情统计页输出累计正确率、薄弱知识点榜与雷达图、趋势图；智能出题页提供离线规则变式出题，并预留外部接口作为可选增强。
设计亮点：全程不依赖云服务，无外网也能完整使用；依赖全部用 == 精确锁版本，numpy 与 pandas 的二进制兼容坑已在文档里点明；知识点抽取采用 jieba 词频统计，秒级完成、结果可复现；组卷引擎固定随机种子，同参数重新组卷题目与顺序不变，便于效果验证。
适合教育信息化或计算机专业做毕设的读者，数据库设计、组卷算法、判分口径这些答辩常问点都有对应章节；也适合想看一个不依赖重型框架的完整 Web 应用如何划分模块的 Python 进阶读者。
使用方式：在 src 目录创建虚拟环境，pip install -r requirements.txt 安装依赖，运行 main.py demo-data 初始化演示题库，再运行 main.py run 启动系统，浏览器自动打开 localhost:8501 即可操作。
经典电影数据分析含词云源码
这是一份经典电影榜单统计分析课程设计，用PySpark完成离线计算，matplotlib绘制图表，jieba分词生成简介词云，最后自动汇总分析结论。交付物包含实验报告三件套、汇报PPT、完整源码、内置250条电影数据JSON以及八张运行截图，安装依赖后运行主文件即可生成全部图表与结论。本项目仅用于学习交流。
内容主线按加载、统计、出图、成文展开：数据层读取内置电影JSON，对排名连续性、评分区间和简介长度做结构校验；计算层用SparkSession执行六项统计，包括评分分布、年代分布、国家地区分布、导演上榜次数、类型分布和评分与评价人数的相关系数；展示层把结果绘制成直方图、柱状图、饼图和散点图，同时对剧情简介分词生成词云；结论层把统计数字和高频词自动整理成Markdown报告。
亮点在于统计与绘图分层解耦：所有聚合走Spark DataFrame算子，同一份代码换到百万级数据不用改写法，绘图则在驱动端单机完成。数据全程离线内置，不依赖网络，删掉输出目录重新运行即可复现全部结果。异常防护做在最前面，JSON缺失、字段不全、评分越界等问题在启动阶段就拦截并定位到具体条目，不会等Spark跑了十几秒才报错。词云生成支持中文字体自动探测，跨平台都能正常显示。
适合大数据、计算机相关专业需要做数据分析方向课程设计的学生，也适合想学习PySpark和matplotlib可视化的自学者。安装好依赖并确保本机有Java环境后，运行入口文件即可看到完整进度条，输出目录下生成七张统计图、一张词云和一份分析结论；想换数据的同学只需替换内置JSON并保持字段一致即可。
热搜舆情分析系统含可视化源码
这是一份社交平台热搜舆情数据分析课程设计，覆盖热搜定时采集、历史入库、热度趋势可视化、情感分析与词云生成全链路。交付物包含实验报告的Markdown、HTML、PDF三件套，汇报PPT，完整Flask后端与前端页面源码，以及四张运行截图，安装依赖后运行入口即可在浏览器中查看看板。本项目仅用于学习交流。
内容主线从数据采集到页面展示分为三层：采集层定时请求热搜实时接口，解析话题词与热度值写入SQLite数据库，接口不可用时自动回退到内置缓存，后台线程按固定间隔自动抓取；统计层把原始快照聚合成话题热度折线、上榜时长排行、情感三档占比、词云词频和六大分类柱状图；展示层用Flask加ECharts拼成三个网页，看板首页展示最新榜单TOP20与KPI卡片，情感分析页展示饼图词云与分类图，话题详情页展示单话题趋势与正负面例句。系统还提供完整JSON接口，前端不存任何计算结果。
亮点在于内置缓存双模式：系统首次运行自动灌入七天共三百余条热搜快照和数百条讨论文本，实时接口不可用时整条展示链路切到缓存数据上，离线环境下全部功能也能正常使用。缓存数据用固定随机种子生成，删掉数据库重启灌入的仍是同一批快照，两次演示的图表完全一致。NLP分析用jieba分词过滤停用词后统计词频，SnowNLP对讨论文本输出零到一的情感极性值，按阈值落到正面、中性、负面三档。ECharts和词云插件已下载到本地，页面不依赖任何外网CDN。
适合大数据、软件工程相关专业需要做数据分析方向课程设计的学生，也适合想学习Flask加ECharts可视化和SQLite持久化的自学者。安装好依赖后运行入口文件，浏览器访问本地端口即可打开看板，首次启动自动建库并灌入演示数据；需要体验实时抓取的同学按配置文件调整接口地址即可。
CPU进程调度可视化含源码
这是一份操作系统课程设计，用Python实现的CPU进程调度模拟器，覆盖先来先服务、短作业优先、时间片轮转、优先级调度四种算法，配甘特图可视化和指标对比。交付物包含实验报告的Markdown、HTML、PDF三件套，汇报PPT，完整Python源码，以及六张运行截图，装好依赖后运行主文件即可打开图形界面。
内容主线围绕四种调度算法展开：在左侧面板录入进程名、到达时间、服务时间和优先级，也可以随机生成一批进程；右侧选择算法并设置时间片参数，点击调度后甘特图按时间比例画出每个CPU运行片段的色带，空闲时段以灰色标注；表格逐进程列出完成时间、周转时间、带权周转时间和等待时间，并汇总三项平均值。点击对比按钮会弹出柱状图窗口，并排展示四种算法的平均周转与平均带权周转，最优算法的柱子以橙色高亮；结果可导出为CSV文件，编码带BOM保证Excel直接打开不乱码。
亮点在于调度逻辑与界面展示完全解耦：算法层只负责按规则挑下一个进程并维护就绪队列，界面层只负责渲染甘特图和指标表，中间靠数据类传递结果。想新增一种调度算法只需在算法文件里加函数并登记，界面代码无需改动。输入处理做了完整防护，到达时间为负、服务时间小于1、优先级超出范围、时间片非法等情况都会弹窗说明原因并拒绝提交，不会让程序崩溃。整个项目除matplotlib外全部使用标准库，离线环境装好Python即可运行，启动自带六个预置演示进程。
适合操作系统课程需要做课程设计的计算机相关专业学生，也适合想通过可视化方式理解四种调度算法差异的自学者。安装好matplotlib依赖后运行入口文件即可打开主窗口，自带演示数据可直接查看甘特图和指标；也可自行修改进程参数和时间片大小，对比不同算法下平均周转时间的变化。
银行家算法死锁避免课设源码
这是一份操作系统课程设计，用单文件C语言完整实现银行家算法的死锁避免演示，覆盖安全性检测、资源请求试探与不安全状态自动回滚。交付物包含实验报告的Markdown、HTML、PDF三件套，汇报PPT，完整C语言源码，以及五张运行截图，用gcc编译一条命令即可运行。
内容主线按算法执行步骤展开：程序启动后通过菜单手动录入进程数、资源种类数、Available向量、Max矩阵和Allocation矩阵，也可以随机生成测试数据或直接加载经典用例；录入完成后可在状态页查看Max、Allocation、Need三张矩阵与Available并排展示；选择安全性检测后，程序以Work和Finish向量逐步推演每一轮哪个进程能完成，输出完整安全序列；选择处理资源请求后，程序先做两道预检，再在副本上试探预分配，复查通过才正式分配，不通过则自动回滚到试探前状态。每一步推演都有带统一前缀的日志行，Work向量变化和判定依据全程留痕。
亮点在于逐步可追溯的日志设计：一次安全性检测约十几行输出，Work每轮怎么变、进程为什么被跳过都能追到具体某一行，不再像教材表格那样只给结论不给过程。试探动作全部发生在状态副本上，回滚靠三份内存拷贝完成，真实系统状态在试探期间不被修改。输入处理做了防护，数值输入统一整行读入再解析，输错只提示重输不会死循环；程序启动时自动切换控制台编码，Windows下中文提示不会乱码。项目零第三方依赖，只用标准库头文件，离线环境也能编译运行。
适合操作系统课程需要做课程设计的计算机相关专业学生，也适合想动手理解死锁避免算法原理的自学者。用任意支持C99的编译器打开main.c即可编译运行；没有开发环境的同学也可照着报告步骤和截图对照算法推演过程。
食堂点餐小程序含商家端源码
这是一份基于原生小程序与云开发的校园食堂点餐课程设计，覆盖学生端浏览菜单、加购物车、下单取餐，以及商家端菜品管理和出餐处理全流程。交付物包含实验报告的Markdown、HTML、PDF三件套，汇报PPT，完整前端页面与云函数源码，以及九张运行截图，导入开发者工具即可查看效果。
内容主线按两类角色展开：学生端在首页按早午晚三个时段浏览在售菜品，把选好的菜加入购物车，结算时填写或扫码带入桌号，确认后弹出模拟支付窗口，提交成功按时段字母加当日序号生成取餐号，之后在订单页按状态筛选查看进度，待取餐的订单可自行取消；商家端在管理页对菜品执行下架或恢复售卖，对待出餐订单标记完成或取消，出餐时展示桌号方便核对。系统内置七个页面、三个云函数，购物车加减数量时实时计算小计与总价。
亮点在于双模式设计：本地模拟模式下数据存在缓存里，使用游客模式即可编译运行，不需要开通云环境也能在开发者工具中完整体验全部功能，内置十二道种子菜；云模式下数据走云数据库与云函数，多端实时同步。数据访问层对页面暴露统一接口，两种后端同签名，切换模式时页面代码一行不用改。取餐号按日期加时段计数，跨天自动归零；下单前会再校验一次菜品在售状态，防止顾客结算时菜刚被下架；购物车单品数量上限二十份，防止误触连点。
适合计算机、软件工程相关专业需要做小程序方向课程设计的学生，也适合想学习原生小程序与云开发联调的自学者。本地模式用开发者工具导入项目目录，选择游客模式即可编译运行，内置演示数据可直接浏览；需要体验云模式的同学按README步骤开通云开发、部署三个云函数、创建三个数据集合，再把配置开关打开即可。
校园失物招领小程序含后端源码
这是一份基于uni-app框架与Vue语法的校园失物招领小程序课程设计，配一个Express轻后端，覆盖寻物启事、失物招领、搜索筛选、认领留言和后台审核全流程。交付物包含实验报告的Markdown、HTML、PDF三件套，汇报PPT，完整前端工程与后端服务源码，以及八张运行截图，导入HBuilderX即可查看效果。
内容主线按三类角色展开：失主发布寻物启事，描述丢失物品、地点和时间，等待认领线索；拾主发布招领信息，说明捡到物品的特征和位置，等人来认；管理员在后台审核全部信息，处理违规内容并执行下架或恢复。前端五个页面分别承载信息流浏览、发布表单、详情留言、个人管理和后台审核，寻物与招领双Tab切换，按发布时间倒序排列。搜索功能对标题、地点、描述三个字段做模糊匹配并加了输入防抖，分类筛选支持校园卡、钥匙、电子产品、书籍资料和其他五类。
亮点在于双模式设计：离线模拟模式下数据存在本地缓存，不需要Node环境，一个开关切换即可在开发者工具中完整体验全部功能；后端模式下数据走Express服务并持久化到JSON文件，支持多端联调。数据访问层对页面暴露统一接口，两种后端同签名，切换模式时页面代码无需改动。认领流程设计为双向确认：拾主或失主在详情页留言并勾选认领标记，线下核对后由发布者在个人页将条目标记为已认领，避免陌生人误操作。表单校验覆盖必填项与字段长度。
适合计算机、软件工程相关专业需要做小程序方向课程设计的学生，也适合想学习uni-app跨端开发与Express后端联调的自学者。离线模式用HBuilderX打开前端目录，把配置开关设为模拟模式，运行到小程序模拟器即可，内置演示数据和留言可直接浏览；需要体验完整后端的同学按README启动Node服务并切回真实接口模式即可。
社团活动报名签到小程序含源码
这是一份基于小程序与云开发的社团活动管理课程设计，覆盖活动发布、在线报名、扫码签到、名单导出和数据统计全流程。交付物包含实验报告的Markdown、HTML、PDF三件套，答辩PPT，完整前端页面与云函数源码，以及九张运行截图，导入开发者工具后即可查看效果。
内容主线按两类角色展开：学生侧在活动广场浏览搜索活动，查看名额进度后填写姓名学号手机号报名，活动当天扫码或输入六位数字码完成签到，在"我的活动"里追踪自己的报名与签到状态；管理员侧发布活动并设置限额，活动开始前生成滚动签到码投屏现场，报名期间实时盯人数，结束后一键导出CSV名单并查看报名率与签到率统计。系统内置六个页面、五个云函数，活动状态由时间和名额自动推算，无需手动维护。
亮点在于双模式设计：本地模式下数据存在缓存里，一个开关切换，离线环境下全部功能也能正常使用；云模式下数据走云数据库与云函数，多端数据同步。数据访问层对页面暴露统一接口，两种后端同签名，切模式时页面代码一行不用改。签到码每五分钟滚动更新一次，配合时间窗校验和已报名校验，旧码几分钟后自动失效。报名占名额采用事务保护，两人同时抢最后一个名额不会超员；CSV导出带UTF-8 BOM，Excel直接打开不乱码。
适合计算机、软件工程、信息管理相关专业需要做小程序方向课程设计的学生，也适合想学习原生小程序与云开发联调的自学者。本地模式装好开发者工具导入项目目录，选择测试号即可编译运行，内置四条演示数据可直接体验；需要体验云模式的同学按README步骤开通云开发、部署五个云函数、创建三个数据集合，再把配置开关打开即可。
Hive电商数仓课程设计含大屏
这是一份基于Hive数仓的电商销售数据分析课程设计，围绕十万条模拟电商订单完成从数据清洗到可视化大屏的全链路。交付物包含实验报告的Markdown、HTML、PDF三件套，答辩PPT，完整Python与HiveQL源码，以及十张运行截图，开箱即可对照学习。
内容主线按数仓分层展开：原始订单先落ODS层保底，清洗后的干净明细进DWD层，六组统计结果落在ADS层，再导出到MySQL供大屏读取。六组分析口径覆盖日销售趋势、品类排行、省份地域分布、用户复购率、月度客单价和分时段订单量，每组各对应一张结果表，表结构在报告第三章有完整说明。
亮点在于双路设计：集群路走Hive三层数仓跑真正的分布式计算，本地路用pandas按完全相同的清洗规则和指标口径算一遍，两条路径吃同一份数据，可逐表比对验证结果是否一致。数据用固定随机种子生成，同一条命令跑两遍十万行订单逐行一致，统计数字可复现。大屏依赖的echarts脚本和中国地图js文件随源码内置，断网环境下打开HTML照样能渲染图表。清洗环节还专门注入了约百分之二的重复、空值和非法价格脏数据，五条清洗规则与剔除量统计都能在报告里逐条对上数。
适合大数据、软件工程、计算机相关专业需要做课程设计或大作业的学生，也适合想理解数仓分层思想和HiveQL实战的自学者。本地模式装好依赖后一条命令即可跑通全链路；有集群环境的同学可按源码里的run_cluster.sh脚本在Linux上部署Hadoop与Hive，体验完整的分布式数据处理流程。
MediaPipe跌倒检测看护系统实战
这是一套基于 MediaPipe Pose 的老人跌倒检测看护系统完整实战教程，给普通摄像头装上一双看得懂人体姿态的眼睛，逐帧提取 33 个人体关键点，用躯干倾角和肩膀高度骤降两路几何特征判断人有没有倒下，判定成立就地报警并自动留档。交付物含可运行 Python 源码、演示视频、9 章文档（三件套）、PPT 和 6 张真跑截图。
内容围绕 main.py 的命令：gui 打开 Tkinter 双栏看护面板，左栏实时画面加骨架叠加与状态条，右栏事件列表，跌倒即弹窗，倾角阈值、骤降阈值、连续确认帧数三根滑杆当场可调；video 不开界面跑完整段视频，产出骨架序列帧与事件 CSV；demo 程序化生成演示视频，没有摄像头也能复现整条链路。报警瞬间追加一行 CSV 并保存现场截图，CSV 用 utf-8-sig 编码，Excel 双击打开中文不乱码。
亮点在于无显卡要求：普通 CPU 即可运行，实时 30-40 FPS，无需训练；依赖锁定 Python 3.10 + mediapipe 0.10.9 + opencv-python 4.8.1.78 + numpy 1.26.0 + pillow 12.3.0；第 7 章整理 13 个以上高频报错；第 8 章给出换多人姿态、接入摄像头、对接云平台的二次开发路径。
适合做计算机视觉方向毕业设计的学生、智慧养老课题的学习者，以及需要课程大作业演示项目的开发者。会 Python 基础即可，无需深度学习背景。
使用方式：进入 src 目录建虚拟环境并 pip install -r requirements.txt，py main.py demo 生成演示视频，py main.py 启动看护面板选演示视频点启动即可看到跌倒报警全流程。
车牌识别停车场管理系统实战
这是一套基于 hyperlpr3 的车牌识别停车场收费管理系统完整实战教程，给程序一张带车牌的图片，它认出车牌号并进数据库，入场登记、出场结算、阶梯计费、历史查询、记录导出这条停车场管理链路完整跑通。交付物含可运行 Python 源码、5 张演示车牌图、9 章文档（三件套）、PPT 和 6 张真跑截图。
内容围绕 main.py 的命令：gui 打开 Tkinter 管理面板，识别入库、在场车辆列表、历史记录查询三个区域，操作按钮对应选择图片识别、入场登记、出场结算、导出 Excel；infer 支持命令行单图或目录批量识别，输出车牌号、置信度、车牌类型、边界框，标注图和识别记录落到 output 目录。计费规则集中在 config.py，首小时价、后续每小时价、单日封顶价改一处配置就生效。
亮点在于无显卡要求：普通 CPU 即可运行，整套模型约 18MB，单张图片识别不到 1 秒；依赖锁定 Python 3.10 + hyperlpr3 0.1.3 + opencv-python 4.8.1.78 + onnxruntime 1.23.2 + pandas 2.3.3 + openpyxl 3.1.0；第 7 章整理 15 个以上高频报错；第 8 章给出换计费规则、批量导入图片、对接现有数据库的路径。
语音情感识别系统实战教程
这是一套基于 Librosa + PyTorch CNN 的语音情感识别系统完整实战教程，输入一段 wav 人声录音，程序输出 8 种情感（中性/平静/快乐/悲伤/愤怒/恐惧/厌恶/惊讶）各自的概率和主判定结果，全程纯 CPU 可跑。交付物含可运行 Python 源码、RAVDESS 完整数据集（1440 条）、训练好的权重、9 章文档（三件套）、PPT 和 6 张真跑截图。
内容围绕 main.py 的命令：train 扫描音频提取 MFCC 特征并缓存，二次训练免重复提取，--dryrun 用极小样本几分钟走通全链路；infer 在测试集上输出准确率、分类报告与混淆矩阵图，支持单文件预测和批量识别；gui 打开 Tkinter 可视化工作台，左侧选音频看结果与 Top-3 候选，右侧实时显示波形与 8 类情感概率条形图，批量结果一键导出 CSV。
亮点在于无显卡要求：8GB 内存普通电脑即可，MFCC 特征提取加训练合计十来分钟，模型权重仅 1-2MB；依赖锁定 Python 3.10 + torch 2.1.0+cpu + librosa 0.10.1 + numpy 1.26.4 + scikit-learn 1.3.2；第 7 章整理 15 个以上高频报错；第 8 章给出换情感表、换特征、接入长音频的路径。
Whisper语音转写字幕生成实战
这是一套基于 faster-whisper 的语音转写与字幕生成工具完整实战教程，把音频或视频文件丢进去，得到带时间轴的文字结果，一键导出 SRT、JSON、TXT 三种格式，SRT 拖进剪映或 Premiere 即可挂字幕。交付物含可运行 Python 源码、示例音频和视频、9 章文档（三件套）、PPT 和 4 张真跑截图。
内容围绕 main.py 的命令：gui 打开 Tkinter 图形界面，支持拖拽导入文件、实时进度条、结果预览，转写放在子线程执行界面不卡死；transcribe 支持命令行批量转写，视频自动抽音轨不走 ffmpeg 命令行；bench 子命令让多个模型跑同一段音频，输出速度与字数对比表。停顿分段模块按语音停顿切分片段，长句自动合并或拆分，避免一句话被拦腰截断。
亮点在于无显卡要求：普通 CPU 即可运行，推理引擎是 CTranslate2，模型权重以 int8 量化加载，15.1 秒中文音频 small 档实测 4.6 秒转完，实时率 0.30x；依赖锁定 Python 3.10 + faster-whisper 1.1.0 + av 12.3.0 + pandas 2.3.3，不需要安装 PyTorch 和 ffmpeg 命令行；第 7 章整理 15 个以上高频报错；第 8 章给出换模型、接入长视频、自定义分段规则的路径。
PaddleOCR票据识别实战教程
这是一套基于 PaddleOCR 的票据批量识别归档系统完整实战教程，把一堆票据照片丢进文件夹，程序自动扫描、识别、提取字段，最后产出一张 Excel 台账，认不出的图单独归档等待重试。交付物含可运行 Python 源码、3 张样例票据图、9 章文档（三件套）、PPT 和 6 张真跑截图。
内容围绕 main.py 的命令：ocr 批量扫描文件夹里的 jpg/png/bmp/tif 图片，调用 PP-OCRv4 三模型流水线产出文本行，正则加规则层把文本翻译成结构化字段（类别、发票号、日期、金额、置信度），汇总导出 Excel，发票号列强制文本格式保住前导零；gui 打开 Tkinter 图形界面，左侧原图、右侧标注图并排对照，字段和置信度同屏展示；infer 支持命令行单图识别。识别失败或字段缺失的图自动归档到 retry_images 目录，形成重试清单。
亮点在于无显卡要求：普通 CPU 即可运行，三个模型合计约 18MB，单张票据识别 1-3 秒；依赖锁定 Python 3.10 + paddlepaddle 2.6.2 + paddleocr 2.7.0.0 + numpy 1.26.4 + opencv-python 4.6.0.66 + pandas 2.1.0 + openpyxl 3.1.2；第 7 章整理 12 个以上高频报错；第 8 章给出换票据类型、批量接入扫描件、对接财务系统的路径。
RSS订阅
1278
1