QSOE 0.1 版本发布:统一双内核系统,开启 RISC - V 操作系统新征程!

数量1倍数特性.pdf 立即下载

QSOE 系统资讯

QSOE 是一款受 QNX 启发的操作系统,具备可选择的内核。2026 年 6 月,QSOE 0.1 版本已发布,这是统一双内核系统的首个公开版本。

QSOE 变体情况

QSOE 有两种变体,它们共享一个用户空间和一个构建系统。QSOE/N 运行在专门为该项目从头编写的微内核 Skimmer(设计支持 SMP)上;QSOE/L 则以 seL4 作为内核。编译后,这两种变体都会提供可直接在如 U - Boot 加载器中使用的内核和 initrd 文件。两种变体的用户空间完全相同;每个内核特有的部分只有任务管理器 `taskman` 和 C 库 `libc.so` ,C 库在源代码层面约 85% 是共享的,仅在与内核交互的薄层有所不同。该设计遵循 QNX Neutrino 的传统:小内核,其余功能都在用户空间;采用同步消息传递 IPC;服务使用资源管理器模型。QSOE 目标是在 SiFive HiFive Unmatched (`FU740`) 上运行 64 位 RISC - V (`RV64`, `Sv39`) ,日常开发使用 QEMU。目前,两种 QSOE 变体都能在真实硬件上启动。该系统根据 Apache - 2.0 许可证发布。

QSOE 下载方式

QSOE 可以从源代码构建,也可以安装预构建的二进制文件。每个版本的现成镜像都发布在指定处(当前版本:0.1)。文件如下:

  • [`skimmer.bin`]:Skimmer 微内核,即 QSOE/N 变体的内核。这是一个原始二进制镜像,由引导加载器(或 QEMU)与下面的用户空间包一起加载。
  • [`modpkg.cpio`]:模块包,即共享的 QSOE 用户空间(任务管理器、`init`、C 库、shell、驱动程序和实用工具),以 CPIO 存档形式存在。QSOE/N 将其作为 initrd 与 `skimmer.bin` 一起启动。
  • [`qsoe - l - qemu.elf`]:QSOE/L 变体(基于 seL4 内核),是适用于 QEMU `virt` 机器的单个自包含 ELF 文件。它将 elfloader、seL4 内核、任务管理器和用户空间捆绑在一起,启动时无需其他文件。
  • [`qsoe - l - sifive.elf`]:同样的 QSOE/L 镜像,为 SiFive HiFive Unmatched (FU740) 开发板构建。
  • [`mrbml - riscv64.efi`]:mr - bml,QSOE 自己的引导加载器(适用于 RISC - V 的 EFI 应用程序)。它可以加载任何一种变体,并在真实硬件上驱动引导菜单。
  • [`nvme.img.gz`]:一个可直接运行的自引导 QEMU 磁盘镜像(GPT)。其 EFI 分区包含 `mr - bml`,磁盘根目录包含两个内核,因此 QEMU 可直接进入 mr - bml 菜单,无需 `- kernel` 参数。这是查看 QSOE 运行的最快方式。
  • [`virtio.img.gz`]:仅在 QEMU 下运行 QSOE/L 时使用的配套根磁盘(原生 seL4 早于 QEMU 的 NVMe 所需的中断控制器,因此它从 virtio 磁盘挂载根目录)。QSOE/N 或真实硬件不需要此文件。

简而言之,要在 QEMU 中运行,下载 `nvme.img.gz`(如果需要 QSOE/L,还需下载 `virtio.img.gz`),并参考在 QEMU 下运行部分。要安装到真实硬件上,需要 `mrbml - riscv64.efi` 加上内核 —— QSOE/N 使用 `skimmer.bin` + `modpkg.cpio`,QSOE/L 使用 `qsoe - l - *.elf` 镜像之一 —— 并参考安装部分。

在 QEMU 下运行 QSOE

这是查看 QSOE 运行的最快方式,无需硬件,也无需处理 `- kernel` 参数。下载的 `nvme.img` 是一个自引导 UEFI 磁盘:QEMU 的固件从该磁盘运行 `mr - bml`,mr - bml 的菜单可直接从磁盘启动任意一种变体。

所需条件
  • `qemu - system - riscv64`:QSOE/N 需要版本 11.0.1 或更高(其 NVMe 需要 AIA 中断控制器)。
  • edk2 RISC - V UEFI 固件:在 Debian/Ubuntu 系统上,可通过 `qemu - efi - riscv64` 包获取。
  • 来自 [os] 仓库的启动器 `[run - nvme.sh]`:它会为每种变体配置合适的 QEMU 机器、固件和磁盘,无需手动操作。
运行步骤
# 解压镜像(如果需要 QSOE/L,添加 virtio.img.gz)gunzip nvme.img.gz virtio.img.gz# 将启动器指向镜像,并从菜单中选择一个变体NVME_IMG=./nvme.img VIRTIO_IMG=./virtio.img ./run - nvme.sh

可以传递 `n` 或 `l` 跳过菜单(`./run - nvme.sh n`)。脚本会自动选择匹配的 QEMU 机器 —— QSOE/N 使用带有 NVMe 根目录的 AIA 机器,QSOE/L 使用带有 virtio 根磁盘的 PLIC 机器。mr - bml 菜单和系统控制台都会显示在终端上,选择一个变体后,系统会启动到 `login:` 提示符。使用用户名 `root` 和密码 `QSOE` 登录。

QSOE 安装方法

适用于真实硬件和真实磁盘。QSOE 0.1 可在 SiFive HiFive Unmatched (FU740) 上启动,未来目标是 SpaceMiT K3。此安装过程假设开发板已运行 Linux,需要将文件放置在现有的 EFI 和引导分区上,因此需要熟悉开发板的固件。引导模型很简单:mr - bml 位于 EFI 系统分区;它从 ext2/3/4 分区读取菜单和内核;所选变体随后从 fs - qrv 分区挂载自己的根目录。

安装步骤
  1. 将 `mrbml - riscv64.efi` 复制到 ESP 中,命名为 `EFI/BOOT/BOOTRISCV64.EFI`(UEFI 可移动媒体路径),或者使用 `efibootmgr` 将其注册为引导条目。
  2. 在引导/根文件系统上创建 `/boot/qsoe/` 目录,并将内核复制到该目录:QSOE/N 使用 `skimmer.bin` + `modpkg.cpio`,QSOE/L 使用 `qsoe - l - sifive.elf`。
  3. 创建 `/boot/mr - bml/mr - bml.cfg` 文件,每种变体对应一个条目,例如:
# /boot/mr - bml/mr - bml.cfg  — 根据磁盘调整 mainfs= 分区menuentry 'QSOE/N (Skimmer)' {    kernel /boot/qsoe/skimmer.bin mainfs=/dev/nvme0n1p8    modpkg /boot/qsoe/modpkg.cpio}menuentry 'QSOE/L (seL4)' {    kernel /boot/qsoe/qsoe - l - sifive.elf mainfs=/dev/nvme0n1p8}

`mainfs=` 指定了包含 QSOE 根文件系统(fs - qrv)的分区,需将其设置为开发板上分配给 QSOE 的分区。在真实硬件上,没有 QEMU virtio 分区的区别,两种变体都直接驱动 NVMe 磁盘。

从源代码构建 QSOE

QSOE 使用 `riscv64 - linux - gnu -` 交叉工具链(rv64gc)和标准 `make` 进行构建,QEMU 可用于测试。主仓库负责协调构建过程,并拉取与发布标签匹配的组件仓库。

git clone https://gitlab.com/qsoe/oscd osmake prepare   # 获取此标签对应的组件(详见 component.list)make           # 构建两种变体:先 QSOE/N,再 QSOE/Lmake dist      # 可选:生成 QEMU 磁盘镜像(nvme.img.gz, virtio.img.gz)

QSOE/L 在 `make prepare` 过程中还会浅克隆 seL4 内核。构建过程会生成下载列表中的所有文件。整个项目遵循 Apache - 2.0 许可证,源代码位于指定处。

QSOE 文档情况

QSOE 手册以 PDF 格式与版本一同发布:

  • [`Design.pdf`]:架构文档,介绍双内核模型、任务管理器、IPC 和资源管理器设计。
  • [`UserGuide.pdf`]:用户指南,涵盖安装、shell、基本命令、文本编辑器和实用工具。
  • [`ProgrammingBook.pdf`]:编程手册,包括资源服务器框架章节。
  • [`AppPortingGuide.pdf`]:应用移植指南,介绍如何将 Unix(和 QNX)软件移植到 QSOE,包括 `fork()`、`brk()`、`select()` 等的处理。

QSOE 路线图规划

人们常说 Linux 内核没有路线图,但 QSOE 有。从当前的 0.1 版本到统一的 1.0 版本,规划了十个版本。这是一个工作计划,而非承诺,随着工作推进,里程碑可能会调整。

  • `0.1`:首次公开版本。双内核基础,共享用户空间,`/usr` 目录下为只读 `fs - qrv`,支持交互式 getty + 登录,源代码开放。(当前版本)
  • `0.2`:在 GK208(“Kepler”)上实现文本模式控制台,可在设备上显示,便于在硬件上查看实时音频工作,而不仅通过串口查看。
  • `0.3`:首个可写文件系统:qrvfs 支持文件创建/删除、`O_CREAT`/`O_TRUNC`、`realpath` 和符号链接解析。
  • `0.4`:经典的双面板文件管理器:QSOE 的旗舰应用,全面测试可写文件系统和用户空间。
  • `0.5`:首个 `deva - hdmi` 音频设备,为硬实时路径奠定优先级/中断/调度基础。
  • `0.6`:全面的一致性套件和音频实时包(在 N 核系统上支持最多 N 个硬实时任务)。
  • `0.7`:临近时确定具体内容。
  • `0.8`:第二个硬件目标(SpaceMiT K3,RVA23 类)和 AIA 中断架构(IMSIC/APLIC),使 MSI/MSI - X 在各开发板上统一工作。
  • `0.9`:推动 QNX - libc 兼容性:重新编译并运行一组 QNX 源代码实用工具,填补剩余的 libc 差距。
  • `1.0`:首个稳定版本:API 与 QNX 6.x 相当,旨在移植 QNX 用户空间软件(`fork` → `posix_spawn`)。

其他相关项目

早期及相关工作:

  • [GateMate PC]:基于 Cologne Chip GateMate FPGA 构建的个人计算机。
  • [GateMate System/359]:受 IBM S/360 启发的 FPGA 计算系统实现,具备 I/O 通道和强大的宏汇编器。
  • [QRV]:QNX 到 RISC - V 的移植(历史项目),为 QSOE/N 提供了硬件启动经验。

QSOE 服务内容

提供底层和系统软件的咨询与开发服务:

  • 基于微内核的操作系统
  • 系统库和底层运行时
  • 实时应用的虚拟化
  • RISC - V 系统启动
  • FPGA 的 AI 辅助开发

服务范围从专注的启动工作到长期的架构设计和实现。欢迎联系讨论具体需求。

关于 QSOE 系统

QSOE 系统是 Yuri Zaporozhets 的独立项目。Yuri Zaporozhets 是一位拥有 25 年以上底层软件开发经验的系统软件开发者,曾参与内核、操作系统、运行时以及相关硬件启动工作。

联系 QSOE

电子邮件是联系的最佳方式。

邮箱地址及其他相关平台信息可获取。

QSOE 系统未来会如何发展,能否顺利达成路线图中的目标呢?

__EF550.zip 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

尤里·扎波罗热茨:一人玩转多项目,QSOE 新操作系统引关注!

自制 PC 和迷你大型机只是尤里·扎波罗热茨(Yuri Zaporozhets)最新操作系统开发的热身嗷。QRV Systems 的尤里·扎波罗热茨可真是个大忙人呐!他打造了一台基于 RISC - V 的新个人电脑、一台基于 FPGA 的大型机,还两次重写了 QNX 系统。似乎每隔一两个月,《The Register》的自由开源软件(FOSS)板块就会收到一封邮件,告知我们他又完成了某个惊人的项目。我们可太高兴看到他最近的一个项目——名为 QSOE 的新操作系统,目前在 FOSS 领域引起了一些关注咯。不过

IT界那些事儿 25

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

qsort的用法

利用qsort可以快速调用快速排序。   形式:qsort(void *base, int nelem, int width, int (*fcmp)(const void *,const void *))。第一个参数是待排序的第一个元素的地址,第二个参数是待排序的元素的个数,第三个参数是单个元素的大小(建议写成sizeof(s[0])的形式,因为这样在结构体中也好应用),第四个参数是比较函数

DoriLeigh的专栏 445

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

一种具有实验验证的层级扰动抑制深度跟踪控制算法,适用于欠驱动型AUV(Simulink仿真、Matlab代码)

内容概要:本文详细介绍了一种专为欠驱动型自主水下航行器(AUV)设计的层级扰动抑制深度跟踪控制算法,该算法通过构建分层控制架构,有效应对海洋环境中复杂的外部扰动(如水流、波浪等)以及系统内部的非线性动态特性,显著提升了AUV在执行深度跟踪任务时的控制精度与系统鲁棒性。研究不仅涵盖了控制策略的理论设计与稳定性分析,还包括详细的Simulink仿真模型搭建、Matlab代码实现及参数设置,并通过对比实验验证了所提方法在抗干扰能力和跟踪性能方面相较于传统控制算法的优越性。资源包内含完整的可运行代码、仿真模型和详尽的文档说明,便于研究者复现结果并在此基础上进行二次开发与创新。; 适合人群:具备自动控制理论基础、海洋工程或机器人相关学科背景,且熟练掌握Matlab/Simulink仿真环境的科研人员、研究生及高年级本科生。; 使用场景及目标:① 深入学习和研究欠驱动AUV的先进运动控制技术,特别是深度跟踪控制策略;② 开展水下机器人抗外部扰动控制算法的设计、仿真与性能验证工作;③ 作为毕业设计、科研项目或学术论文的技术支撑与代码原型,加速研究进程。; 阅读建议:建议使用者结合提供的Matlab代码与Simulink模型,逐模块理解算法的实现逻辑与数据流,推荐从简单静态环境仿真入手,逐步过渡到复杂动态扰动工况,通过调整控制器参数与扰动强度,全面掌握算法的性能边界、鲁棒性特征及优化潜力。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

国央企如何构建高效的内部技术转移与创新协同机制?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

别再让地图加载慢吞吞!GeoServer + GeoWebCache 缓存配置实战(附性能对比)

本文详细介绍了如何通过GeoServer和GeoWebCache优化地图服务性能,实现地图加载速度的显著提升。从缓存机制解析到实战配置流程,再到高级性能调优技巧,帮助开发者构建高效地图缓存系统,解决地图加载慢的问题。

weixin_42525369的博客 407
上一篇: Opus 4.8 二次诊断 MRI 结果与医生诊断大不同,该信谁?
下一篇: Proxy - KD 新方法:突破黑盒大语言模型知识蒸馏限制,性能超传统白盒技术!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22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