自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

weixin_26767391的博客

  • 博客(8667)
  • 资源 (4645)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 SCP收容物999档案写作指南：从零构建虚构收容档案的完整逻辑

虚构档案写作是一种通过格式化文档构建可信世界观的创作技术，其核心原理在于用信息差和细节自洽制造真实感。在工程实践中，通过分层收容措施、维护成本替代威胁等级、附录渐进揭示等手法，可显著提升叙事可信度。该技术广泛应用于悬疑短篇、世界观搭建及伪纪实内容创作。以SCP收容物999为例，采用感知干扰型能力设定与三层收容结构，结合实验记录与事故报告的交叉引用，系统展示了从能力定义到附录编排的完整构建流程，为虚构档案写作提供了可复用的方法论。

2026-11-07 16:57:27 52

原创 面向知识工作者的大模型工作流操作系统设计

知识工作流是指知识工作者在非结构化信息中完成分析、创作与决策的动态过程，其核心瓶颈在于人与大模型之间的交互效率。传统插件模式因上下文断裂、意图表达失真和状态不可沉淀而难以支撑复杂任务。基于slash commands指令协议与可编程中间件架构，新一代工作流系统通过命令总线、上下文编织器、工具调度中心与状态持久化引擎四层设计，实现自然语言驱动的跨应用协同与知识资产沉淀。该方案显著提升AI产出复用率与组织知识可追溯性，适用于产品经理、技术负责人及AI进阶使用者等典型知识工作场景。

2026-11-07 16:47:16 87

原创 knowledge-work-plugins：知识工作流的语义契约操作系统

知识工作流本质是结构化信息在人、工具与系统间的可信流转。其核心原理在于将离散插件升维为具备输入契约、输出规范与错误治理能力的知识原子，通过声明式接口实现语义对齐与跨系统协同。这种范式突破了传统‘功能叠加’局限，赋予团队可验证、可追溯、可审计的知识协作能力，在AI工程化、合规敏感型研发及跨时区知识沉淀等场景中展现出显著技术价值。本文聚焦knowledge-work-plugins与Claude Code workspace两大关键实践载体，解析如何以知识契约驱动真实业务闭环。

2026-11-07 16:45:01 17

原创 知识工作插件化：语义协议驱动的AI协作新范式

知识工作插件化是一种面向非结构化信息处理的轻量级扩展架构，其核心在于语义化意图协议与去中心化运行时设计。它不依赖单一平台或大模型封装，而是通过标准化输入/输出契约、最小权限能力声明和跨工具上下文识别，实现AI能力在VS Code、Notion、Figma等环境中的无缝嵌入。这种架构显著降低认知负荷，提升信息流转效率，支撑产品经理、技术文档工程师等知识工作者构建可复用、可审计、可离线的智能工作流。本文深入解析knowledge-work-plugins的设计逻辑与工程落地路径。

2026-11-07 16:38:48 64

原创 knowledge-work-plugins 深度解析：插件化知识工作流与 slash command 实战

插件化架构通过将重复的认知动作封装为可复用模块，显著提升知识工作的效率与一致性。其核心原理在于利用 slash command 作为意图快捷入口，结合参数传递与上下文注入机制，实现稳定可控的输出。这种模式的技术价值在于降低触发成本、保证格式统一，并支持灵活扩展。典型应用场景包括文档整理、会议纪要结构化、信息提取与摘要生成等。knowledge-work-plugins 正是这一理念的落地实践，它把知识工作的高频操作抽象为插件集合，让用户通过简单命令即可完成复杂处理，同时保留自定义空间，兼顾开箱即用与可组合性

2026-11-07 16:38:33 27

原创 knowledge-work-plugins：知识工作操作系统的架构与实践

知识工作操作系统（Knowledge Work OS）是一种面向信息处理、逻辑组织与决策输出的新型人机协作范式，其核心是将AI助手（如Claude）降级为智能执行引擎，而由本地可插拔的微服务模块承担数据感知、状态维护与跨工具协同任务。它基于标准化的plugin.json契约协议，实现类型安全的端点声明、能力驱动的权限控制与热重载式服务编排，技术价值在于缝合‘上下文断裂’——解决Notion/VS Code/邮件/PDF等多源信息割裂问题。典型应用场景包括会议纪要自动结构化、合同条款实时比对、研发知识资产闭环

2026-11-07 16:05:09 71

原创 前端文本排版与溢出省略：从行盒模型到工程实践

CSS文本排版的核心不只是标签选择，而是字符、行盒与容器三层渲染模型共同作用的结果。理解font-size、line-height、white-space与断行规则，才能解释行高异常、文本溢出、省略号失效和中英文混排不均等常见现象。其技术价值在于用可复用的CSS规则提升页面可读性、响应式适应性与无障碍体验，减少靠试错定位样式问题。应用场景覆盖文章正文、卡片列表、按钮标签、表格单元格、导航与后台界面等高频文本区域。围绕前端文本排版、文本溢出与省略号处理，建立从模型到排查清单的工程方法，才能让Web文字在复杂布

2026-11-07 16:04:50 61

原创 WeKnora：面向离线Wiki的可审计知识终端设计解析

知识终端是面向特定领域文档（如游戏Wiki、设备手册、SOP）提供本地化智能问答的轻量级系统，其核心在于平衡检索精度、部署简易性与安全可追溯性。它不依赖云服务或复杂中间件，而是通过结构化文档规范、版本化向量索引和硬编码安全策略，实现RAG效果的可控增强与Agent行为的契约化约束。相比通用LLM框架，知识终端更强调‘查得准、改得明、跑得久’——即基于Markdown语义锚点的精准chunking、Git驱动的知识更新闭环、以及全链路操作留痕的审计能力。WeKnora正是这一范式的典型实践，专为中小规模、强合

2026-11-07 15:38:57 42

原创 知识管理工作流插件化：从采集到发布的全自动链路

在信息过载的时代，知识管理早已不是简单的笔记整理，而是涉及采集、清洗、归类、检索、再加工与发布的全链路协同。然而，工具割裂导致信息孤岛频现，格式转换与重复搬运正在吞噬知识工作者的宝贵时间。插件化理念为这一困境提供了解法：通过将知识工作拆解为标准化动作，用插件协作取代功能堆叠，让数据以统一的格式在信息流中顺畅流转。从网页剪藏、PDF标注到自动摘要、标签推荐与批量渲染，插件化工作流不仅提升了知识沉淀的效率，更大幅降低了文档生产与发布成本。对于技术写作者、研究员、产品经理及独立开发者而言，借助插件自动完成高频重复

2026-11-07 15:15:43 47

原创 知识工作者的本地插件集：统一入口与高效工作流设计

知识工作者常面临文件分散、上下文切换频繁等效率瓶颈，其本质往往不是工具缺失，而是缺少一个足够快的中间层。插件化架构将高频动作封装为单一职责模块，并通过命令面板统一收口，能显著降低操作成本与记忆负担。本文介绍一套本地插件集的设计思路，涵盖文件模糊跳转、零打扰速记、剪贴板历史管理、专注计时与自动版本快照等核心功能。这些模块遵循“入口统一、职责拆分、操作够快”的原则，既保持故障隔离，又可通过标准接口自由扩展，适用于文本、代码、笔记等碎片化信息的处理场景。对于希望构建可持续知识管理系统的技术人群，这套方法提供了可落

2026-11-07 15:04:08 58

原创 知识工作插件化：构建可组合、可验证的数字工作流操作系统

知识工作插件化是一种面向知识工作者的模块化工作流设计范式，其核心在于将‘思考—记录—检索—复用—协作’全链路拆解为遵循开放协议的原子能力单元。它基于输入/处理/输出三类标准化契约，实现跨平台、跨工具、跨团队的插件复用与安全协同。相比一体化知识管理平台，插件化架构天然适配法律、医疗、科研等高异构性场景，支持VSCode、Obsidian、Notion等多前端接入，并通过本地沙箱、密钥隔离、协议校验等机制保障数据主权与权限可控。当前典型实践已覆盖Claude Code协同开发、会议纪要结构化、论文引用补全等高频

2026-11-07 14:53:51 61

原创 knowledge-work-plugins 实战：用 slash command 重构知识工作流

在 Claude Code 生态中，插件机制与 slash command 是提升知识工作效率的关键技术。插件作为能力包，可封装命令、技能与配置；slash command 则将高频提示词模板化，实现一键调用。二者协同，能把文档摘要、会议整理、资料归档等重复劳动标准化、命令化，显著降低人工翻译指令的成本。对于内容运营、研发产品等需处理大量非结构化文本的岗位，这套方案能有效统一输出格式、压缩处理时间。knowledge-work-plugins 正是这一思路的落地实践，提供了一套可直接复用的知识工作命令集，帮

2026-11-07 14:43:12 57

原创 knowledge-work-plugins：知识工作者的可组合协同操作系统

knowledge-work-plugins 并非传统浏览器或IDE插件，而是一种面向知识型工作者的新型人机协作范式，其核心是通过结构化、可寻址、可复用的能力契约（如 plugin.json）实现任务-上下文-协作的统一建模。它基于标准化JSON Schema定义输入输出、依赖关系与运行约束，支撑多模型（Claude/DeepSeek/Ollama）无缝切换、状态保持与跨系统编排，技术价值在于解耦AI能力与业务逻辑，提升知识复用性、审计性与容错性。典型应用场景包括智能合同审查、会议纪要自动化、数据分析流水线

2026-11-07 14:29:59 53

原创 knowledge-work-plugins：面向知识工作者的可编程工作流协议

knowledge-work-plugins 是一种新兴的知识工作自动化范式，其核心是通过声明式元数据（如plugin.json）定义插件能力边界与意图映射规则，实现自然语言指令到跨工具链操作的精准转译。它基于权限最小化、上下文感知和本地沙箱执行等设计原理，解决传统工作流中意图表达失真、工具胶水缺失与上下文断裂三大难题。技术价值在于降低AI工作流编排门槛，支持零代码接入Claude Code等本地推理引擎，并通过Cowork协议实现插件间安全协同。典型应用场景包括PR影响分析、测试用例生成、合规检查流水线等

2026-11-07 14:18:25 56

原创 知识工作插件化：从plugin.json到智能体工作流

插件化架构是现代知识工作的核心范式，它将阅读、写作、编码、推理等能力解耦为可组合、可验证的模块。其底层原理基于标准化契约（如JSON Schema定义输入输出）、细粒度权限控制与声明式生命周期管理，技术价值在于提升协作确定性、降低系统耦合、强化安全隔离。典型应用场景包括AI辅助文档生成、跨平台会议纪要结构化、合规检查自动化等。本文聚焦`plugin.json`这一关键契约文件，深入解析其作为身份、能力与权限三重宪法的技术内涵，并结合Claude Code等智能体工作台实践，揭示知识工作者如何从流程执行者进化

2026-11-07 14:05:43 162

原创 knowledge-work-plugins：用Claude Code插件把知识工作模块化

在AI辅助知识工作的实践中，如何将重复性认知劳动标准化、可复用，是提升效率的关键。Claude Code的skills机制通过slash commands和预定义指令集，把调研、纪要、写作辅助等任务封装为可调用的插件，实现从非结构化输入到结构化输出的自动化流程。这种模块化方式降低了每次任务的启动成本，保证了输出一致性，尤其适合产品经理、咨询顾问等高频处理信息的角色。knowledge-work-plugins正是这一思路的落地集合，让知识工作者像管理代码一样管理自己的认知工作流。

2026-11-07 13:24:09 52

原创 知识工作流操作系统：CLI驱动的结构化知识处理体系

知识工作流是现代专业工作者处理非结构化信息（如PDF、会议纪要、合同文本）的核心能力，其本质在于将隐性经验转化为可索引、可脚本化、可协作的显性协议。该体系基于命令行工具链与JSON Schema契约设计，通过语义重建、上下文携带和置信度演算等原理，实现PDF解析、跨平台知识同步与智能审核的工程闭环。相比GUI插件，它以状态显性化、环境隔离和Unix管道化提升知识操作的可追溯性与可审计性，特别适用于已建立Obsidian/Notion知识习惯、需应对高频文档处理场景的产品经理、法律从业者与研究者。kw-ext

2026-11-07 13:19:20 69

原创 知识工作插件：构建可编排的跨工具知识流协议

知识工作插件并非传统意义上的功能扩展，而是面向知识工作者的新型协作基础设施——它以统一上下文感知、声明式能力契约和细粒度知识权限为核心，解决多工具间信息割裂、状态失联与意图脱钩等根本问题。其技术原理源于插件化架构的范式升级：从命令式调用转向基于schema的数据绑定、生命周期钩子与副作用管理；技术价值体现在提升知识操作的自动化率、降低上下文切换成本、保障合规性与可审计性；典型应用场景覆盖AI编码辅助（如Claude Code）、文档智能协同（Notion+Claude）、CI/CD知识闭环（GitHub A

2026-11-07 13:12:54 20

原创 知识工作者的数字操作系统：构建可演进的插件化工作流

知识工作是一种高脑力密度、强上下文依赖、非线性产出的职业行为，其核心挑战在于动态需求与固化工具之间的根本矛盾。传统一站式平台（如Notion、Obsidian）难以应对快速变化的分析框架与协作模式，而低代码自动化（Zapier/Make）又缺乏语义理解与本地计算能力。插件化架构以‘单一职责、可组合、可演进’为原则，将复杂工作流拆解为带业务语义的功能闭环——例如会议纪要生成、PDF图表提取、Slack关键词响应等，每个插件封装领域认知逻辑，并支持Claude、Ollama、Whisper等多模型灵活切换。它既

2026-11-07 13:09:04 136

原创 知识工作插件化：用plugin.json重构AI时代的工作流操作系统

知识工作正从工具堆砌走向可编程调度，其本质是将非结构化知识转化为可编排、可验证、可复用的‘工作单元’。基于插件架构（plugins）与声明式元数据（plugin.json），团队得以解耦系统依赖、统一权限治理、实现跨工具语义协同。该范式不仅提升AI调用效率，更支撑‘知识即服务’（KaaS）落地——让Claude理解Obsidian笔记结构、使VS Code自动同步API文档、令Cowork按能力标签调度安全审计插件。本文聚焦知识工作者如何通过标准化插件设计、上下文注入与生产级权限控制，构建稳定、自治、可演进

2026-11-07 13:04:04 54

原创 桌面Agent深度评测：9款主流产品真实体验与选型指南

桌面Agent正从概念走向实用，成为驻留在电脑中的“数字员工”。它具备感知屏幕、读写文件、调用应用、执行多步骤任务的能力，核心价值在于将大模型的规划能力与本地权限体系结合，把“能聊天”升级为“能办事”，从而大幅提升办公自动化效率。本文聚焦通用办公与本地部署两大场景，基于实际任务测试，剖析9款桌面Agent的任务闭环能力、上下文记忆、工具调用广度、隐私边界与运行稳定性，并针对不同人群提供选型建议与一年重度使用积累的避坑忠告，帮助你在真实工作流中找到真正能上岗干活的产品。

2026-11-07 12:59:10 61

原创 知识工作插件：跨平台可组合的智能工作流基础设施

知识工作插件是一种面向研究者、产品经理、技术写作者等知识型工作者的模块化能力单元，其核心是将信息处理操作（如PDF结构提取、会议录音转写、上下文补全）抽象为语义化、可声明、可编排的功能原子。它基于标准化协议（Webhooks/IPC/OpenAPI）实现跨宿主调用，突破VS Code、Notion、Obsidian等工具的生态壁垒，解决长期存在的‘工具间语义损耗’与‘操作摩擦’问题。相比传统插件依赖特定IDE环境或UI集成，该范式强调零信任宿主、声明式能力注册与能力路由中枢，天然适配Claude Code等

2026-11-07 12:43:47 50

原创 知识工作插件化：从信息捕获到内容输出的高效工作流搭建指南

在信息爆炸的今天，知识工作者普遍面临资料散落、上下文断裂、产出无门的困境。插件化思路通过轻量级扩展，为现有工具链补上捕获、关联、加工、输出的结构性缺口，正成为替代“全家桶”软件的高效选择。从浏览器端的网页剪藏与稍后读，到以Obsidian为核心的知识沉淀层，再借助Dataview、Templater、QuickAdd等插件实现自动化流程，一套最小可行组合能打通从信息输入到内容输出的完整链路。无论是做研究、写稿还是运营，理解不同工作环节的插件选型逻辑，并遵循“从具体场景入手、定期审视、以人为本”的原则，即可构

2026-11-07 12:42:13 45

原创 知识工作流操作系统：从Slash命令到本地插件链的工程实践

知识工作流操作系统（Knowledge Work OS）是一种面向知识工作者的自动化协作架构，其核心原理是通过标准化接口、可插拔组件与本地化协议，将散落于Jira、Git、Notion、Obsidian等工具中的知识资产连接成可编程网络。技术价值在于打破应用孤岛，实现跨平台数据流转与模型调用解耦；典型应用场景包括PR自动审查、会议纪要生成、Jira工单摘要等高频重复任务。它不依赖特定AI服务，而是以Slash Commands为触发入口、以Cowork协议为通信基础、以knowledge-work-plug

2026-11-07 12:38:15 55

原创 知识工作插件体系：四层自动化架构与实战经验

在个人知识管理实践中，笔记数量增长并不等于知识价值提升，核心往往在于缺乏一套自动化的流转机制。知识管理工具的本质是存储，而自动化插件体系则能驱动笔记从捕获、固化、连接到输出的完整链路。通过统一的数据结构和对事件协议的约定，多个轻量级插件能够协同工作，实现对碎片信息的自动收集、清洗、关联与聚合，显著降低知识工作者的无感损耗。该模式尤其适用于阅读密集、输出频繁的内容创作场景，可有效缩短从资料收集到成文初稿的周期。本文分享了一套自研knowledge-work-plugins的设计思路与实际踩坑经验，为构建个人效

2026-11-07 12:31:10 62

原创 知识工作流插件化：从采集、整理到创作复盘的完整实践指南

知识工作者常陷于工具堆叠却效率低下的困境，核心症结在于信息流缺乏系统性整合。知识管理不应依赖单一软件，而应构建以插件为纽带的工作流体系。以Obsidian等本地Markdown工具为底座，通过采集、整理、创作、复盘四大环节的插件化配置，可实现信息从碎片化输入到结构化输出的闭环。插件化方案的价值在于降低重复操作、增强笔记关联、保障数据长期可迁移，适用于研究、写作、项目管理等高频信息处理场景。云同步、模板引擎、自动命名与数据备份等配套机制，进一步确保体系的稳定性与可持续性。本文基于知识工作插件化思路，拆解选型逻

2026-11-07 12:24:26 51

原创 知识工作插件化：从零搭建可插拔的知识管理架构

插件化架构是一种通过稳定接口与事件协议，让宿主程序在运行时动态扩展能力的软件设计思想。它强调将业务能力与基础设施解耦，使系统像积木一样可组装、可替换。这一原理广泛存在于各类开发工具中，例如Qt框架中的平台插件机制，通过声明式依赖与协议版本管理，解决了跨平台适配与扩展问题；嵌入式IDE的插件扩展点也遵循同样逻辑，将标准化流程与自定义能力有机结合。在知识管理领域，面对工具碎片化、信息链路断裂的痛点，插件化提供了一种全新的工作架构：将采集、处理、输出拆分为独立插件，由轻量级核心统一调度。从解决插件加载失败、依赖冲

2026-11-07 12:20:05 45

原创 knowledge-work-plugins：面向知识工作的声明式工作流协议

知识工作正从工具堆砌走向协议化协同。本文聚焦‘知识工作协议’这一新兴范式，解析其如何通过声明式配置（如plugin.json）替代传统AI插件的命令式调用，实现跨系统、跨平台、可验证的工作流编排。核心围绕Claude作为默认认知引擎的协议适配能力，以及Cowork作为URI级可信中介所支撑的松耦合知识流动。技术价值在于降低AI落地门槛——无需后端开发即可串联VS Code、Git、Jira、Confluence等异构系统；典型应用场景涵盖会议纪要自动化、代码审查辅助、合规文档处理与组织级知识图谱构建。本质是

2026-11-07 12:01:08 58

原创 WorkBuddy从零到实战：安装、工作流搭建与自动化应用全指南

AI自动化正在重塑个人工作效率，其核心理念是让智能助手理解自然语言指令，将重复性任务拆解为可执行的步骤，并借助本地工具与API完成自动执行。这类工作流引擎的价值在于，无需复杂编程，普通用户即可通过配置Agent、Skill与自定义指令，实现文档整理、数据汇总、定时提醒等场景的自动化。从安装部署到环境配置，从核心概念到排错方法，掌握一套系统化的实践路径至关重要。WorkBuddy作为个人自动化工作台，正是这一理念的典型代表，它支持Windows、macOS与Linux等多平台，可灵活构建工作流并与Obsidi

2026-11-07 11:49:53 47

原创 Axure谷歌插件调试指南：让原型具备可断点、可追踪的开发级调试能力

Axure作为主流原型设计工具，其导出HTML后常面临交互不可见、响应式失效、用户路径难复现等调试困境。本质是原型缺乏运行时可观测性与可控性，而Axure谷歌插件实为一种轻量级协议桥接器，通过注入调试接口打通Chrome DevTools与Axure运行时（axurerp.js）之间的通信链路。它不改变设计流程，却赋予静态原型以变量实时读写、交互事件条件断点、操作链路时序追踪等工程化调试能力。适用于Axure RP 9/10中大型Web系统原型交付、前后端交互对齐及非技术人员查阅场景。本文聚焦真实可用的插件

2026-11-07 11:13:13 47

原创 从信息洪流到结构化认知：搭建个人AI日报系统的完整指南

在信息过载的时代，如何高效获取并处理关键信息成为一项核心技能。RSS阅读器与笔记软件的结合，通过信息源分级、关键词过滤和结构化模板，能够将碎片化信息转化为可检索的个人知识库。这种信息过滤与结构化系统不仅提升了信息获取效率，还通过长期积累和趋势判断，帮助从业者建立对行业变化的敏锐直觉。对于AI从业者、产品经理和投资人而言，一套可复现的日报系统是应对信息洪流的有效工具，也是构建个人知识资产的重要途径。

2026-11-07 11:12:40 276

原创 知识工作插件不是功能堆砌，而是事件驱动的协作操作系统

知识工作插件（knowledge-work-plugins）本质是面向知识工作者的新型协作范式，其核心在于以结构化知识事件为枢纽，实现跨工具、跨应用的状态共识与语义联动。它突破传统插件模型的孤立性局限，依托知识事件总线（KEB）、声明式权限契约和自然语言协议网关（NLPG）三大底座，将人类意图（如#需法务审核）实时转化为可执行、可审计、可组合的技术指令。该范式显著提升AI工具在真实办公场景中的可用性与可信度，支撑会议纪要自动提炼、跨文档任务同步、智能归档等高频知识工作流，直击当前‘Claude Code安装

2026-11-07 11:11:05 65

原创 Zero CTA并非零成本：4周A/B实验拆解隐性业务开销

行动号召（CTA）是产品设计中引导用户完成关键动作的核心机制，从注册、订阅到下载、分享，其本质是通过降低决策成本来提升转化效率。当界面移除所有显式CTA，看似简化了视觉与开发成本，实则将业务目标转嫁为用户的自我探索负担。A/B测试作为量化UE（用户体验）决策的工程手段，能够精准区分不同用户群体的行为差异。在实践中，Zero CTA策略往往对熟悉路径的老用户有效，却显著恶化新用户的留存、注册与付费转化。这一现象在内容社区、SaaS工具等场景中尤为突出，提醒产品团队在追求极简设计时，需权衡隐性业务损失。本文通过

2026-11-07 11:09:01 289

原创 knowledge-work-plugins：面向知识工作的插件化协同操作系统

知识工作插件（knowledge-work-plugins）是一种以plugin.json为契约、workspace为上下文、human-in-the-loop为原则的新型AI协同范式，其核心在于将AI能力解耦为可声明、可组合、可权限管控的知识处理单元。它超越传统IDE插件，通过结构化输入输出、模型无关适配与跨终端一致性，支撑需求分析、文档生成、代码评审等典型知识流闭环。结合Claude Code的workspace-aware提示工程与Cowork参考实现，该体系正成为技术团队构建可复用、可审计、可演进A

2026-11-07 10:59:27 140

原创 知识工作插件化：面向知识工作者的协同操作系统

知识工作插件化是一种新兴的工作流基础设施范式，其核心是将AI能力与企业现有系统（如Jira、Confluence、Notion）深度集成，通过自然语言驱动的Slash Commands实现语义化任务调度。它基于插件协议构建可寻址、可组合、可审计的‘工作代理’，而非简单封装API调用；强调本地化执行以保障数据安全与低延迟，同时支持跨平台运行时（如WSL2、VS Code）。该架构既满足金融、咨询等行业的合规刚性需求，也释放个体开发者快速构建定制化工作流的能力，典型落地形态包括Cowork（私有化部署）与Cla

2026-11-07 10:56:59 55

原创 Vibe时代下的体系化思维：从情绪信号到可干预变量

在信息过载与情绪优先的Vibe时代，‘氛围感’正成为新型决策信号源，但真正支撑持续破局的底层能力，是将模糊vibe翻译为可观测动作、可测量变量与可验证因果的体系化思维。其核心原理在于识别最小行为触点、构建变量关系图谱、设计单点干预单元，并通过反馈校准形成闭环。这种思维不仅提升个体在短视频、私域运营、产品交互等场景中的响应精度，更重塑团队协作接口、成功指标定义与学习方式——让每一次‘感觉不对’都能精准定位到‘哪个变量失联’。本文聚焦vibe信号源锚定与最小干预单元设计两大关键实践，提供可每日训练的落地路径。

2026-11-07 10:55:43 88

原创 插件化知识管理工作流：从捕获到输出的高效闭环

知识管理的关键不在于工具数量，而在于工作流是否顺畅。插件化架构将传统软件拆分为轻量积木，以Markdown纯文本保障数据自主性，通过单一职责和开放接口实现灵活组合，帮助知识工作者在信息捕获、整理和输出环节减少认知负担。随着AI技术融入，基于检索增强生成（RAG）的插件使个人知识库可被自然语言问答，但需警惕自动化黑箱与幻觉风险。从浏览器剪藏到文献标注，再到语义检索与发布自动化，一套不超过五个核心插件的组合即可构建从灵感到成文的完整闭环。本文梳理插件选型标准、常见暗坑及迭代策略，为个人知识管理提供可落地的实操指

2026-11-07 10:45:10 40

原创 构建知识工作插件体系：从信息捕获到高效输出的完整实践

知识管理不仅是工具选择问题，更是工作流设计问题。面对信息过载，单纯收藏容易形成数据孤岛，导致输出时找不到素材。插件化思维强调单一职责与数据互通，通过捕获层、整理层、输出层的模块化组合，将零散信息沉淀为可检索、可引用的个人知识网络。无论是写深度文章、做文献研究，还是长期追踪领域动态，这套方法都能有效降低上下文切换成本，保护创作心流。开源工具、浏览器插件、笔记应用协同工作，实现从灵感捕获到初稿输出的无缝衔接。从实际工程实践出发，探讨如何搭建一套可拼可拆、能随数据迁移的知识工作插件体系，让积累真正转化为写作与思考

2026-11-07 10:36:25 161

原创 知识工作者的操作系统增强层：Slash命令驱动的AI插件体系

知识工作插件是一种面向知识型工作者的轻量级能力扩展范式，其核心是将写作、研究、会议纪要等高频任务抽象为可声明、可组合的标准化模块。基于‘命令即服务’（Command-as-a-Service）原理，它通过统一CLI入口、结构化JSON协议与上下文代理机制，实现跨应用数据协同与管道化操作。技术价值在于降低AI调用门槛、提升多源信息融合效率，并天然支持模型切换与权限沙箱。典型应用场景包括会议纪要生成、跨文档比对、需求-代码一致性校验等。本文聚焦slash commands与cowork两大关键设计要素，详解如何

2026-11-07 10:34:59 61

原创 知识工作插件：面向知识工作者的可组合式协议层

知识工作插件（knowledge-work-plugins）是一种新兴的、面向工程师与知识型工作者的标准化能力调度协议，其核心在于语义路由与上下文感知，而非传统功能挂载。它通过 slash commands 统一交互语法，依托标准化 Context 接口实现跨工具、跨模型的能力编排，将自然语言意图转化为可审计、可复用、可协同的原子操作。该范式显著提升需求澄清效率、文档复用率与新人上手速度，并支撑合规验证、知识发现、流程自动化等关键场景。本文深入解析其协议设计、能力矩阵与企业级落地实践，聚焦 knowledg

2026-11-07 10:30:24 59

各种模式的液晶显示字符实验-sql server 数据库基本操作语句总结
29.3 各种模式的液晶显示字符实验 本小节讲解如何利用字模使用在液晶屏上显示字符。 根据编码或字模存储位置、使用方式的不同，讲解中涉及到多个工程，见表 29-10 中 的说明，在讲解特定实验的时候，请读者打开相应的工程来阅读 表 29-10 各种模式的液晶显示字符实验 工程名称 说明 液晶显示 仅包含 ASCII 码字符显示功能，字库直接以 C 语言常量数组的方式存储在 STM32 芯片的 内部 FLASH 空间 液晶显示中英文（字库在外部 FLASH） 包含 ASCII 码字符及 GB2312 码字符的显示 功能，ASCII 码字符存储在 STM32 内部 FLASH，GB2312 码字符存储在外部 SPI- FLASH 芯片 液晶显示中英文（字库在 SD 卡） 包含 ASCII 码字符及 GB2312 码字符的显示 功能，ASCII 码字符存储在 STM32 内部 FLASH，GB2312 码字符直接以文件的格式 存储在 SD 卡中 液晶显示中英文（任意大小） 在基础字库的支持下，使用字库缩放函数， 使得只用一种字库，就能显示任意大小的字 符。包含 ASCII 码字符及 GB2312 码字符的 显示功能，ASCII 码字符存储在 STM32 内部 FLASH，GB2312 码字符存储在外部 SPI- FLASH 芯片 这些实验是在《液晶显示》工程的基础上修改的，主要添加字符显示相关的内容，本 小节只讲解这部分新增的函数。关于液晶驱动的原理在此不再赘述，不理解这部分的可阅 读前面的章节。 29.3.1 硬件设计 针对不同模式的液晶显示字符工程，需要有不同的硬件支持。字库存储在 STM32 芯片 内部 FLASH 的工程跟普通液晶显示的硬件需求无异。需要外部字库的工程，要有额外的 SPI-FLASH、SD 支持，使用外部 FLASH 时，我们的实验板上直接用板子上的 SPI-FLASH 芯片存储字库，出厂前我们已给 FLASH 芯片烧录了前面的《GB2312_H1616.FON》字库文 件，如果您想把我们的程序移植到您自己设计产品上，请确保该系统包含有存储了字库的

2021-07-11

独立模式多通道采集实验-sql server 数据库基本操作语句总结
31.5 独立模式多通道采集实验 31.5.1 硬件设计 开发板已通过排针接口把部分 ADC 通道引脚引出，其中电位器通过跳线帽默认接了一 个 ADC 的 IO，其他的 ADC IO 在做实验的时候可以用杜邦线连接到开发板中的 GND 或者 3V3 来获取模拟信号。要注意的是，用来做 ADC 输入的 IO 不能被复用，否则会导致采集 到的信号不准确。 31.5.2 软件设计 这里只讲解核心的部分代码，有些变量的设置，头文件的包含等并没有涉及到，完整 的代码请参考本章配套的工程。 跟单通道例程一样，我们编写两个 ADC 驱动文件，bsp_adc.h 和 bsp_adc.c，用来存放 ADC 所用 IO 引脚的初始化函数以及 ADC 配置相关函数，实际上这两个文件跟单通道实验 的文件是非常相似的。 1. 编程要点 1) 初始化 ADC GPIO； 2) 初始化 ADC 工作参数； 3) 配置 DMA 工作参数； 4) 读取 ADC 采集的数据； ADC 转换结果数据使用 DMA 方式传输至指定的存储区，这样取代单通道实验使用中 断服务的读取方法。实际上，多通道 ADC 采集一般使用 DMA 数据传输方式更加高效方便。

2021-07-11

输出比较应用-sql server 数据库基本操作语句总结
34.4 输出比较应用 输出比较模式总共有 8种，具体的由寄存器 CCMRx的位 OCxM[2:0]配置。我们这里只 讲解最常用的 PWM 模式，其他几种模式具体的看数据手册即可。 34.4.1 PWM 输出模式 PWM输出就是对外输出脉宽（即占空比）可调的方波信号，信号频率由自动重装寄存 器 ARR 的值决定，占空比由比较寄存器 CCR 的值决定。 PWM 模式分为两种，PWM1 和 PWM2，总得来说是差不多，就看你怎么用而已，具 体的区别见表格 34-1。 表格 34-1 PWM1 与 PWM2 模式的区别 模式 计数器 CNT计算方式 说明 PWM1 递增 CNTCCR，通道 CH 为无效，否则为有效 PWM2 递增 CNTCCR，通道 CH 为有效，否则为无效 下面我们以 PWM1模式来讲解，以计数器CNT计数的方向不同还分为边沿对齐模式和 中心对齐模式。PWM信号主要都是用来控制电机，一般的电机控制用的都是边沿对齐模式，

2021-07-11

电源管理相关的库函数及命令-sql server 数据库基本操作语句总结
45.2 电源管理相关的库函数及命令 STM32 标准库对电源管理提供了完善的函数及命令，使用它们可以方便地进行控制， 本小节对这些内容进行讲解。 45.2.1 配置 PVD 监控功能 PVD 可监控 VDD 的电压，当它低于阈值时可产生 PVD 中断以让系统进行紧急处理， 这个阈值可以直接使用库函数 PWR_PVDLevelConfig 配置成前面表 45-1 中说明的阈值等级。

2021-07-11

的扩展服务已经结-王晓波-从微服务到serverless+架构应用与实践v2
10.1 的扩展服务已经结 束 – 详见 Note:761713.1 9.2.0.X 9.2.0.8 无 2007 年 7月 2010 年 7 月 自 2010 年 7 月至 2012 年 7 月提供有限的扩展服务。 详见这里 9.2.0.8 是 9.2 的最终补 丁集。 免费的扩展服务在 2008 年 7 月 31 日结束。 详见 Note:392222.1 上表颜色的要点： 标准服务 扩展服务 有限扩展服务 如非特殊声明，不再提供新的修复 延伸服务 大版本 （点击查 看详情） 最终补丁集 错误更正支持结束日期 （点击日期查看停止提供支 持的信息） 扩展维护支 持停止日期 （点击日期 查看停止提 供支持的信 息） Notes 9.0.1.X 9.0.1.4 (iAS 为 9.0.1.5) 2003 年 12 月 31 日 无扩展维护 支持 9.0.1.4 是 "通用版" 9.0 的最终补丁集。 9.0.1.5 是针对 iAS 的特定版。 8.1.7.X 8.1.7.4 战略平台 2004 年 12 月 31 日 其它平台 2003 年 12 月 31 日 Novell NetWare 截 止 到 2003 年 1 月 31 日） 战 略 平 台 2006年 12月 31 日 其 它 平 台 2005年 12月 31 日 (或更 早) （ Novell NetWare 无 8.1.7.4 是 8.1.7 的 最终补丁集。 扩展维护支持已结 束。 以下 例外可继续提 供修复。

2021-07-11

该文是建议将参数设置>60-pmbok第五版 英文版
Metalink ID 465043.1 该文是建议将参数设置>60

2021-07-11

程序设计-pmbok第六版-中文-带吴老师标记和书签版
8.3 程序设计 本实验将实现 HDMI 输出显示，在 ZYNQ 癿 PL 部分实现编程驱劢 HDMI 输出，在 HDMI 显示器里显示测试图像彩条。HDMI输出显示模块分成3 个模块实现，分删是时钟模块 vidio_pll, 彩条生成模块 color_bar 和 VGA 转 DVI 模块 rgb2dvi。实现癿逡辑框图如下：

2021-07-11

编译生成比特流文件-pmbok第六版-中文-带吴老师标记和书签版
10.4 编译生成比特流文件 因为系统中添加癿 IP 都使用了 PL 部分资源，返里需要编译幵生成 FPGA 癿比特流文件。 点击 Run Implementation 挄钮综合程序幵布线。

2021-07-11

筛选器类型-ft-2000四核cpu硬件设计指导手册-v1.5
8.2 筛选器类型 8.2.1 范围筛选器 范围筛选器可使您选择值的范围。左侧及右侧的拖动框可用于更改范围的上下限，这意 味着图中仅保留所选范围内包含值的行。滑块上方的标签说明了您已设置的确切范围。 如果想要将范围设置为具体数字，您可以双击这些标签，然后键入值。 如果范围筛选器显示了日期，您还可以单击日历图标 为滑块设置日期。 当筛选器处于活动状态时，也可以使用箭头键来调整范围：左箭头键和右箭头键可移动 下限（左拖动框），上箭头键和下箭头键可移动上限。 您可以捕捉并移动当前所选的范围筛选器区间以平移所选范围 - 为扫掠不同数据表―切 片‖提供了有效方式。单击并拖动范围筛选器滑块的黄色部分可完成此操作。通过观察其 他筛选器对此类扫掠的反应，您可以发现一些有关数据表中参数之间的关联的有趣线 索。 范围滑块的一项重要功能是根据数据值在线性刻度上分布值。因此，如果值分布不均， 这将反映在范围筛选器中。 注意：使用项目筛选器不存在这种情况，不论实际数值是多少，值均沿着滑块的范围以 平均间隔分布。 调整范围筛选器跨距 ► 将范围筛选器跨距缩小为当前筛选的数据： 1. 已使用其他筛选器来减少当前筛选的行。双击范围筛选器的中心。 2. 现在范围筛选器调整为只显示有效范围。 ► 筛选数据范围： 有时您可能想要使用更小的范围而非列的全部范围来筛选列中的数据。如果是这样，您 可以将范围筛选器设置为只包含一个较小的范围。 1. 原始范围筛选器跨距为 1 至 500。 2. 移动拖动框以缩小选择。 3. 在范围筛选器上单击鼠标右键以显示弹出式菜单。

2021-07-11

项目质量管理-深入浅出mips
第八章 项目质量管理 华夏智诚项目管理专家认证培训 494

2021-07-11

控制质量-深入浅出mips
8.3 控制质量 目的： 监督并记录质量活动执行结果，以便评估绩效，并推荐必要的变更 主要作用： 1）识别过程低效或产品质量低劣的原因，建议并/或采取相应措施消除这 些原因； 2）确认项目的可交付成果及工作满足主要干系人的既定需求，足以进行 最终验收 成果： 《质量控制测量结果》、《确认的变更》、《核实的可交付成果》 《工作绩效信息》、《变更请求》 第 八 章 项 目 质 量 管 理 华夏智诚项目管理专家认证培训 536

2021-07-11

开始下载-天线测量手册
4.3 开始下载 打开 mcuisp 软件，配置如下：①搜索串口，设置波特率 115200（尽量不要设置的太 高） 、②选择要下载的 HEX 文件、③校验、编程后执行、④DTR 低电平复位，RTS 高电 平进入 bootloader、⑤开始编程。如果出现一直连接的情况，按一下开发板的复位键即可。

2021-07-11

色彩深度-天线测量手册
(2) 色彩深度 色彩深度指显示器的每个像素点能表示多少种颜色，一般用“位”(bit)来表示。如单 色屏的每个像素点能表示亮或灭两种状态(即实际上能显示 2种颜色)，用 1个数据位就

2021-07-11

数据输出信号-天线测量手册
(1) 控制寄存器 标号处的是 OV7725 的控制寄存器，它根据这些寄存器配置的参数来运行，而 这些参数是由外部控制器通过 SCL 和 SDA 引脚写入的，SCL 与 SDA 使用的通讯 协议 SCCB 跟 I2C 十分类似，在 STM32 中我们完全可以直接用 I2C 硬件外设来控 制。 (2) 通信、控制信号及时钟 标号处包含了 OV7725 的通信、控制信号及外部时钟，其中 PCLK、HREF 及 VSYNC分别是像素同步时钟、行同步信号以及帧同步信号，这与液晶屏控制中的 VGA 信号是很类似的。RSTB 引脚为低电平时，用于复位整个传感器芯片， PWDN 用于控制芯片进入低功耗模式。注意最后的一个 XCLK 引脚，它跟 PCLK 是完全不同的，XCLK 是用于驱动整个传感器芯片的时钟信号，是外部输入到 OV7725 的信号；而 PCLK 是 OV7725 输出数据时的同步信号，它是由 OV7725 输 出的信号。XCLK 可以外接晶振或由外部控制器提供，若要类比 XCLK 之于 OV7725 就相当于 HSE 时钟输入引脚与 STM32 芯片的关系，PCLK 引脚可类比 STM32 的 I2C 外设的 SCL引脚。 (3) 感光矩阵 标号处的是感光矩阵，光信号在这里转化成电信号，经过各种处理，这些信号 存储成由一个个像素点表示的数字图像。 (4) 数据输出信号 标号处包含了 DSP 处理单元，它会根据控制寄存器的配置做一些基本的图像处 理运算。这部分还包含了图像格式转换单元及压缩单元，转换出的数据最终通过 D0-D9 引脚输出，一般来说我们使用 8 根据数据线来传输，这时仅使用 D2-D9 引 脚。

2021-07-11

跑马灯实验-gbase sql参考手册
第六章 跑马灯实验 STM32 最简单的外设莫过于 IO 口的高低电平控制了，本章将通过一个经典的跑马灯程序， 带大家开启 STM32 之旅，通过本章的学习，你将了解到 STM32 的 IO 口作为输出使用的方法。 在本章中，我们将通过代码控制 ALIENTEK 战舰 STM32 开发板上的两个 LED：DS0 和 DS1 交替闪烁，实现类似跑马灯的效果。 本章分为如下四个小节： 6.1， STM32 IO 口简介 6.2， 硬件设计 6.3， 软件设计 6.4， 仿真与下载

2021-07-11

组织过程资产-keras 回调函数callbacks 断点modelcheckpoint教程
（1）活动资源估计； （2）环境和组织因素； （3）组织过程资产； （4）项目管理计划。 项目人力资源计划编制的输出： 项目人力资源计划【(1)角色和职责的分配；(2)项目的组织结构图；(3)人员配备管理计划。】 14、2009年 11月第 44题（此题为常规重点考题，建议举一反三） 小王作为项目经理正在带领项目团队实施一个新的信息系统集成项目。项目团队已经共同 工作了相当一段时间，正处于项目团队建设的发挥阶段，此时一个新成员加入了该团队，此时 （44）。 A.团队建设将从震荡阶段重新开始 B.团队将继续处于发挥阶段 C.团队建设将从震荡阶段重新开始，但很快就会步入发挥阶段 D.团队建设将从形成阶段重新开始 【难度系数】低 【心得感受】送分的题目，一定要得分。 【答案】D 【解析】本题考查的是项目团队的变化，这个必须掌握。偶尔考。 新成员的加入，团队建设又会从形成阶段重新开始。 15、2009年 11月第 45题（此题为常规重点考题，建议举一反三）

2021-07-11

停止型GC的示意图-togaf 9.2 full version
8.1 什么是增量式垃圾回收 通常的 GC 处理很繁重，一旦 GC 开始执行，不过多久 mutator 就没法执行了，这是常有 的事。也就是说，GC 本来是从事幕后工作的，可是它却一下子嚣张起来，害得 mutator 这个 主角都没法发挥作用了。我们将像这样的在执行时害得 mutator 完全停止运行的 GC 叫作停 止型 GC A。停止型 GC 的示意图如图 8.1 所示。 mutator GC GC开始 GC结束 图8.1　停止型GC的示意图 A 英语为 Stop-The-World-GC，即“停止世界而执行的 GC”。

2021-07-11

路由重分布-关于matlab的svm工具箱的几个函数
3.1 路由重分布 3.1.1 实验目的 通过对已经学习到的 EIGRP和 OSPF的基本重分布 进行实验， 掌握 在重分布 进入 EIGRP 和 OSPF时所需要注意的细节。并且掌握 重分布的 基本原理 。 3.1.2 实验拓扑 本实验由 三台路由器完成。 每台路由器拥有一个 X.X.X.X/24的环回口， 并且 R2的环回 口处于 EIGRP 100中。 3.1.3 实验步骤 1. 首先对 R1，R2和 R3进行基本 配置， 完成相 关接口 IP地址的配置， 并且保证直连 接口的连 通性。同时将 相应接口加入相 应的路由 进程中。 在路由器之间的路由 进程建立邻居完成，相互学习到路由 后，检查各自路由表。

2021-07-11

主要概念-投核保系统需求分析报告全文
1.1 基本概念 1.2 Kubernetes 101 1.3 Kubernetes 201 1.4 Kubernetes集群 核心原理 2. 核心原理 2.1 架构原理 设计理念 2.2 主要概念 Pod Namespace Node Service Volume Persistent Volume Local Volume Deployment Secret StatefulSet DaemonSet ServiceAccount ReplicationController和ReplicaSet Job CronJob 1 目录

2021-07-11

信号采集系统结构框图-如何解读统计图表：研究报告阅读指南
13.2 系统工作原理分析 如前所述，一个完整的信号采集系统，除了具备信号输入单元、信号处理单元和信号输出单元外，还需要 缓冲区、时钟以及电源等相关系统。如图 13.2 所示是本案例信号采集系统的结构框图。 图 13.2 信号采集系统结构框图 该结构图中，方块表示对应的功能部件，连线表示互联关系。它清晰地表示了系统的组成结构及相互关系。 首先将分别从 3 组总线，即数据总线、控制总线和地址总线来认识系统各主要模块之间的关系，再来分析 系统的控制机制和工作原理。 13.2.1 数据总线 数据总线是系统中传送数据的链路，也是信号采集系统中 重要的链路。各功能部件的性能指标决定了数 据总线的宽度及频率。如图 13.3 所示是本系统数据总线的连接示意图。

2021-07-11

生成字符串对象-togaf 9.2 full version
350 第12章　Rubinius的垃圾回收 hello_hello_world() hello_hello_world() rd_str_new2() Rubinius NativeMethodFrame A A 用于 A 的 处理器 (1) 字符串对象 C 语言扩展库 帧处理器表格 全局处理器列表 A 图12.15　(3)生成字符串对象 接下来，从 C 语言扩展库调用 Rubinius 的 rb_funcall()函数，这样一来就会从 Rubinius 调 用出 C 语言扩展库的 hello_world()函数。因为已经从 Rubinius 调用出了 C 语言扩展库的函数， 所以还会往调用栈里堆积 NativeMethodFrame。此时的状态如图 12.16 所示。 hello_hello_world() hello_hello_world() hello_world() rb_funcall() A A A A Rubinius NativeMethodFrame 用于 A 的 处理器 (2) C 语言扩展库 全局处理器列表 图12.16　(4)调用hello_world() 这里有一点需要大家注意，那就是要把对象 A 传递给 hello_world() 函数。 对象 A 已经生成了处理器（图 12.15）。当把这样的对象交给 C 语言扩展库时，只会对处 理器内的计数器执行增量操作，并将其追加到处理器表格。此时并没有生成新的处理器。

2021-07-11

控制点选择面板与列表-pt5108规格书 high-psrr 500ma ldo
图 3.3 控制点选择面板与列表 （8） 在 Ground Control Points Selection 面板上，选择 Options→Orthorectify File，在 文件选择对话框中选择待校正的 WorldView 文件，单击 OK（如果提示输入 rpc 文件，可选 择 WorldView 全色图像的 RPC 文件，后缀为*.rpb），之后打开 Orthorectification Parameters 面板。 （9） 在 Orthorectification Parameters 面板中，单击 Select DEM File 按钮，选择 DEM 文件；单击 Change proj…按钮选择输出投影坐标系：Beijing_1954_GK_Zone_21N；选择输出 路径及文件名：WV2-NNDiffusePanSharpening-ortho.dat；图像和 DEM 重采样方法选择 Cubic Convolution，其他参数默认，如下图所示。单击 OK 执行正射校正。 图 3.4 Orthorectification Parameters 面板 提示：①这里正射校正使用的 DEM 是像元分辨率 30 米免费 ASTERG-Dem，这个分辨率 的 DEM 远不能满足 0.5 米图像的正射校正要求，在实际生产中需要至少 1：5000 比例尺的 DEM 数据。 ②参考图像、控制点、DEM 数据的坐标系与正射校正结果保持一致，能减少一定的系统 误差。

2021-07-11

数据读取与定标-pt5108规格书 high-psrr 500ma ldo
3.1 数据获取 本专题使用的数据在 USGS 网站下载（国内可在 www.gscloud.cn 网站下载）。 使用的数 据是 2013 年 10 月 03 日的 123-032/123-033。 在下载数据时候，可以查看元数据信息，得到两景图像的详细成像时间，用于后面的大 气校正。 图 3.1 获取图像成像时间 注：有些数据中的*MLT.TXT 文件中的 SCENE_CENTER_SCAN_TIME 提供成像时间，有些只 提供数据生产时间。目前，ENVI5.1 以上版本可以识别 Landsat 8 数据的成像时间（在 Metadata 中的 Time 属性中）。 3.2 数据读取与定标 直接用 ENVI 中的辐射定标功能，以 123-032 景数据为例介绍详细过程，123-033 操作基 本一样。 第一步、数据读取

2021-07-11

叶绿素反演-pt5108规格书 high-psrr 500ma ldo
3.2 叶绿素反演 本专题选择较成熟的算法，即波段比值法（BNIR/BRED）来进行模型的建立，模型如下： Chla=a*（BNIR/BRED）+b 其中，Chla 表示叶绿素 a 浓度；BNIR 和 BRED 分别为近红外波段和红波段；a 和 b 表示系 数。 第一步：整理采样点实测数据 本步骤需要结合实地调查数据，将水面采样点与实测叶绿素浓度在空间上建立对应关 系。实地调查数据包括：水面调查点的经纬度、叶绿素含量。以四列形式保存为.txt 和 Excel 文件，格式如下： 序号 纬度 经度 chla 实测含量（mg/L） 1 31.516334 120.182215 0.0531 2 31.457170 120.041978 0.0535 3 31.459692 120.177602 0.0496 ……

2021-07-11

修改投影信息-pt5108规格书 high-psrr 500ma ldo
图 3.14 自定义投影坐标系参数设置 （6） 回到 Projection Selection 面板，选中“SIN”坐标系，Datum 选择 WGS-84，单 击 OK 按钮。 （7） 回到 Edit Map Information 面板，输入左上角像元的地理坐标，如下图所示。 单击 OK 按钮。 图 3.15 修改投影信息 （8） 重新打开和加载 MCD12Q1.A2009001.h27v05.005.2011230180754.dat 数据，在 Data Manager 中，右键单击数据文件，选择右键菜单 View Metadata，查看 Coordinate System， 已经具有投影信息的数据，如下图。 图 3.16 定义投影后的 MCD12Q1 数据 重复上述步骤，打开其他两个 HDF 文件，并编辑投影信息。

2021-07-11

拉普拉斯近似-effective akka
4.4 拉普拉斯近似 在4.5节，我们会讨论logistic回归的贝叶斯观点。正如我们将看到的那样，这⽐3.3节和3.5节 讨论的线性回归模型的贝叶斯观点更加复杂。特别地，我们不能够精确地关于参数向量x求积 分，因为后验概率分布不再是⾼斯分布。因此，有必要介绍某种形式的近似。稍后在本书中， 我们会介绍⼀系列基于分析估计和数值采样的技术。 这⾥我们介绍⼀个简单的但是⼴泛使⽤的框架，被称为拉普拉斯近似。它的⽬标是找到定义 在⼀组连续变量上的概率密度的⾼斯近似。⾸先考虑单⼀连续变量z的情形，假设分布p(z)的定 义为 p(z) = 1 Z f(z) (4.125) 其中Z = ∫ f(z) dz是归⼀化系数。我们假定Z的值是未知的。在拉普拉斯⽅法中，⽬标是寻找 ⼀个⾼斯近似q(z)，它的中⼼位于p(z)的众数的位置。第⼀步是寻找p(z)的众数，即寻找⼀个 点z0使得p′(z0) = 0，或者等价地 df(z) dz ∣∣∣∣∣ z=z0 = 0 (4.126) ⾼斯分布有⼀个性质，即它的对数是变量的⼆次函数。于是我们考虑ln f(z)以众数z0为中⼼ 的泰勒展开，即 ln f(z) ≃ ln f(z0)− 1 2 A(z − z0)2 (4.127) 其中 A = − d2 dz2 ln f(z) ∣∣∣∣∣ z=z0 (4.128) 注意，泰勒展开式中的⼀阶项没有出现，因为z0是概率分布的局部最⼤值。两侧同时取指数， 我们有 f(z) ≃ f(z0) exp { − A 2 (z − z0)2 } (4.129) 这样，使⽤归⼀化的⾼斯分布的标准形式，我们就可以得到归⼀化的概率分布q(z)，即 q(z) = ( A 2π ) 1 2 exp { − A 2 (z − z0)2 } (4.130) 图4.14给出了拉普拉斯近似的说明。注意，⾼斯近似只在精度A > 0时有良好的定义，换句话 说，驻点z0⼀定是⼀个局部最⼤值，使得f(z)在驻点z0处的⼆阶导数为负。 我们可以将拉普拉斯⽅法推⼴，去近似定义在M维空间z上的概率分布p(z) = f(z) Z 。在驻 点z0处，梯度∇f(z)将会消失。在驻点处展开，我们有 ln f(z) ≃ ln f(z0)− 1 2 (z − z0)TA(z − z0) (4.131) 其中M ×M的Hessian矩阵A的定义为 A = −∇∇ ln f(z)|z=z0 (4.132) 其中∇为梯度算⼦。两边同时取指数，我们有 f(z) ≃ f(z0) exp { − 1 2 (z − z0)TA(z − z0) } (4.133) 分布q(z)正⽐于f(z)，归⼀化系数可以通过观察归⼀化的多元⾼斯分布的标准形式（2.43）得 到。因此 q(z) = |A| 1 2 (2π) M 2 exp { − 1 2 (z − z0)TA(z − z0) } = N (z | z0,A−1) (4.134) 154

2021-07-11

多机通信-mysql高可用方案大全
（1）多机通信的基本原理多机通信的基本原理 �多机通信系�中，�保证�机（发�）�多台从机（接收）之间能可靠通信，串行通 信必须具备识别能力�MC�-51系列单片机的串行通信控制寄存器�CON中设有多机通信选择位MC�-51系列单片机的串行通信控制寄存器�CON中设有多机通信选择位系列单片机的串行通信控制寄存器�CON中设有多机通信选择位�CON中设有多机通信选择位中设有多机通信选择位 �M��当程�设置�M�=1，串行通信��于方式�或方式8，发�端通过对TB8的设置以区别于发�当程�设置�M�=1，串行通信��于方式�或方式8，发�端通过对TB8的设置以区别于发�M�=1，串行通信��于方式�或方式8，发�端通过对TB8的设置以区别于发，串行通信��于方式�或方式8，发�端通过对TB8的设置以区别于发�或方式8，发�端通过对TB8的设置以区别于发或方式8，发�端通过对TB8的设置以区别于发8，发�端通过对TB8的设置以区别于发，发�端通过对TB8的设置以区别于发TB8的设置以区别于发的设置以区别于发 �的是地址帧（TB8=1）还是�据帧（TB8=0），接收端通过对接收�RB8�行识别：当�M�=1，TB8=1）还是�据帧（TB8=0），接收端通过对接收�RB8�行识别：当�M�=1，）还是�据帧（TB8=0），接收端通过对接收�RB8�行识别：当�M�=1，TB8=0），接收端通过对接收�RB8�行识别：当�M�=1，），接收端通过对接收�RB8�行识别：当�M�=1，RB8�行识别：当�M�=1，�行识别：当�M�=1，�M�=1，， 若接收�RB8=1，则被确��呼叫地址帧，将该帧内容装��BU�中，并置位R�=1，向C�U请求中RB8=1，则被确��呼叫地址帧，将该帧内容装��BU�中，并置位R�=1，向C�U请求中，则被确��呼叫地址帧，将该帧内容装��BU�中，并置位R�=1，向C�U请求中�BU�中，并置位R�=1，向C�U请求中中，并置位R�=1，向C�U请求中R�=1，向C�U请求中，向C�U请求中C�U请求中请求中 断，�行地址呼叫处理�若RB8=0��据帧，将不�理�，接收的信息被丢��若�M�=0，则无RB8=0��据帧，将不�理�，接收的信息被丢��若�M�=0，则无��据帧，将不�理�，接收的信息被丢��若�M�=0，则无�M�=0，则无，则无 论是地址帧还是�据帧均接收，并置位R�=1，向C�U请求中断，将该帧内容装��BU��据�原R�=1，向C�U请求中断，将该帧内容装��BU��据�原，向C�U请求中断，将该帧内容装��BU��据�原C�U请求中断，将该帧内容装��BU��据�原请求中断，将该帧内容装��BU��据�原�BU��据�原�据�原 理，可实现多机通信� 对于上图的从机式多机通信系�，从机的地址�0，1，�，…，n�实现多机通信的过程�0，1，�，…，n�实现多机通信的过程�，1，�，…，n�实现多机通信的过程�1，�，…，n�实现多机通信的过程�，�，…，n�实现多机通信的过程��，…，n�实现多机通信的过程�，…，n�实现多机通信的过程�…，n�实现多机通信的过程�，n�实现多机通信的过程�n�实现多机通信的过程��实现多机通信的过程� �： ① 置全�从机的�M�=1，处于只接收地址帧状态�置全�从机的�M�=1，处于只接收地址帧状态��M�=1，处于只接收地址帧状态�，处于只接收地址帧状态� ② �机首先发�呼叫地址帧信息，将TB8设置�1，以表示发�的是 呼叫地址帧��机首先发�呼叫地址帧信息，将TB8设置�1，以表示发�的是 呼叫地址帧�TB8设置�1，以表示发�的是 呼叫地址帧�设置�1，以表示发�的是 呼叫地址帧�1，以表示发�的是 呼叫地址帧�，以表示发�的是 呼叫地址帧� 呼叫地址帧�呼叫地址帧� ③ 所有从机接收�呼叫地址帧后，各�将接收�的�机呼叫的地址�本机的地址相比所有从机接收�呼叫地址帧后，各�将接收�的�机呼叫的地址�本机的地址相比 较：若比较结�相等，则�被寻址从机，清除�M�=0，准备接收从�机发�的�据帧，��全�M�=0，准备接收从�机发�的�据帧，��全，准备接收从�机发�的�据帧，��全 ��据传输完�若比较不相等，则�非寻址从机，任维持�M�=1不变，对其后发来的�据帧不�M�=1不变，对其后发来的�据帧不不变，对其后发来的�据帧不 �理�，即接收�的�据帧内容不装��BU�，不置位，R�=0，不会产生中断请求，��被寻址�BU�，不置位，R�=0，不会产生中断请求，��被寻址，不置位，R�=0，不会产生中断请求，��被寻址R�=0，不会产生中断请求，��被寻址，不会产生中断请求，��被寻址 �止� 8.13 多机通信 STC �机 STC MCU 从机2 STC MCU 从机n

2021-07-11

查看仿真器驱动是否正常安装-modelicabyexample实例教程中文版
1.1 查看仿真器驱动是否正常安装 开发板断电，连接好仿真器和开发板，并将仿真器的 USB 口插进电脑 USB 插槽，开 发板上电。右击计算机图标，点击”设备->通用串行总线控制器”或者”设备->端口（COM 和 LPT）”，查看是否有对应的仿真器的选项出现，如有说明仿真器驱动已经正常安装， 否则请先正确安装 CCS。安装方法请查阅使用手册 TMS320C6748 相关软件安装里 CCS 软 件安装步骤。

2021-07-11

任务通知模拟消息邮箱实验-鲁棒控制——线性矩阵不等式处理方法 俞立 文字版 非扫描版
18.7 任务通知模拟消息邮箱实验 任务通知也可用来向任务发送数据，但是相对于用队列发送消息，任务通知向任务发送消 息会受到很多限制！ 1、只能发送 32 位的数据值。 2、消息被保存为任务的任务通知值，而且一次只能保存一个任务通知值，相当于队列长度 为 1。 因此说任务通知可以模拟一个轻量级的消息邮箱而不是轻量级的消息队列。任务通知值就 是消息邮箱的值。 发送数据可以使用函数 xTaskNotify()或者 xTaskNotifyFromISR()，函数的参数 eAction 设置 eSetValueWithOverwrite 或 者 eSetValueWithoutOverwrite 。 如 果 参 数 eAction 为 eSetValueWithOverwrite 的话不管接收任务的通知值是否已经被处理，这个通知值都会被更新。 参数 eAction 为 eSetValueWithoutOverwrite 的话如果上一个任务通知值话还没有被处理，那么新 的任务通知值就不会更新。如果要读取任务通知值的话就使用函数 xTaskNotifyWait()。下面通 过一个实验来演示一下任务通知是如何用作消息邮箱。

2021-07-11

子网掩码-深信服scsa认证考试总题库
3.5 子网掩码 任何主机在引导时进行的部分配置是指定主机 I P地址。大多数系统把 I P地址存在一个磁 盘文件里供引导时读用。在第 5章我们将讨论一个无盘系统如何在引导时获得 I P地址。 除了 I P地址以外，主机还需要知道有多少比特用于子网号及多少比特用于主机号。这是 在引导过程中通过子网掩码来确定的。这个掩码是一个 32 bit的值，其中值为 1的比特留给网 络号和子网号，为 0的比特留给主机号。图 3 - 7是一个B类地址的两种不同的子网掩码格式。第 一个例子是n o a o . e d u网络采用的子网划分方法，如图 3 - 5所示，子网号和主机号都是 8 bit宽。 第二个例子是一个B类地址划分成10 bit的子网号和6 bit的主机号。 图3-7 两种不同的B类地址子网掩码的例子 尽管 I P地址一般以点分十进制方法表示，但是子网掩码却经常用十六进制来表示，特别 是当界限不是一个字节时，因为子网掩码是一个比特掩码。 给定I P地址和子网掩码以后，主机就可以确定 I P数据报的目的是：( 1)本子网上的主机； (2)本网络中其他子网中的主机；( 3)其他网络上的主机。如果知道本机的 I P地址，那么就知道 它是否为A类、B类或C类地址(从I P地址的高位可以得知)，也就知道网络号和子网号之间的分 界线。而根据子网掩码就可知道子网号与主机号之间的分界线。 举例 假设我们的主机地址是 1 4 0 . 2 5 2 . 1 . 1（一个B类地址），而子网掩码为2 5 5 . 2 5 5 . 2 5 5 . 0（其中8 b i t为子网号，8 bit为主机号）。 • 如果目的 I P地址是1 4 0 . 2 5 2 . 4 . 5，那么我们就知道 B类网络号是相同的（ 1 4 0 . 2 5 2），但是 子网号是不同的（1和4）。用子网掩码在两个 I P地址之间的比较如图3 - 8所示。 • 如果目的 I P地址是1 4 0 . 2 5 2 . 1 . 2 2，那么B类网络号还是一样的（ 1 4 0 . 2 5 2），而且子网号也 是一样的（1），但是主机号是不同的。 • 如果目的 I P地址是1 9 2 . 4 3 . 2 3 5 . 6（一个C类地址），那么网络号是不同的，因而进一步的 比较就不用再进行了。 图3-8 使用子网掩码的两个B类地址之间的比较 32使用TCP/IP详解，卷1：协议 下载 16位 8位 8位 8位10位16位 B类 子网掩码 子网掩码 B类 网络号 网络号 子网号 主机号 主机号子网号 B类网络号末尾 指明的子网号末尾 8位8位16位 网络号相符 子网号不相等 B类 B类 子网掩码

2021-07-12

广播和多播-深信服scsa认证考试总题库
第12章 广播和多播 12.1 引言 在第1章中我们提到有三种 I P地址：单播地址、广播地址和多播地址。本章将更详细地介 绍广播和多播。 广播和多播仅应用于 U D P，它们对需将报文同时传往多个接收者的应用来说十分重要。 T C P是一个面向连接的协议，它意味着分别运行于两主机（由 I P地址确定）内的两进程（由 端口号确定）间存在一条连接。 考虑包含多个主机的共享信道网络如以太网。每个以太网帧包含源主机和目的主机的以 太网地址（4 8 b i t）。通常每个以太网帧仅发往单个目的主机，目的地址指明单个接收接口，因 而称为单播 ( u n i c a s t )。在这种方式下，任意两个主机的通信不会干扰网内其他主机（可能引起 争夺共享信道的情况除外）。 然而，有时一个主机要向网上的所有其他主机发送帧， 这就是广播。通过 A R P和R A R P可以看到这一过程。多播 (multicast) 处于单播和广播之间：帧仅传送给属于多播组的 多个主机。 为了弄清广播和多播，需要了解主机对由信道传送过 来帧的过滤过程。图1 2 - 1说明了这一过程。 首先，网卡查看由信道传送过来的帧，确定是否接收 该帧，若接收后就将它传往设备驱动程序。通常网卡仅接 收那些目的地址为网卡物理地址或广播地址的帧。另外， 多数接口均被设置为混合模式，这种模式能接收每个帧的 一个复制。作为一个例子，t c p d u m p使用这种模式。 目前，大多数的网卡经过配置都能接收目的地址为多 播地址或某些子网多播地址的帧。对于以太网，当地址中 最高字节的最低位设置为 1时表示该地址是一个多播地址， 用十六进制可表示为 0 1 : 0 0 : 0 0 : 0 0 : 0 0 : 0 0（以太网广播地址 ff : ff : ff : ff : ff : ff可看作是以太网多播地址的特例）。 如果网卡收到一个帧，这个帧将被传送给设备驱动程序（如果帧检验和错，网卡将丢弃 该帧）。设备驱动程序将进行另外的帧过滤。首先，帧类型中必须指定要使用的协议（ I P、 A R P等等）。其次，进行多播过滤来检测该主机是否属于多播地址说明的多播组。 设备驱动程序随后将数据帧传送给下一层，比如，当帧类型指定为 I P数据报时，就传往 I P层。I P根据I P地址中的源地址和目的地址进行更多的过滤检测。如果正常，就将数据报传送 给下一层（如T C P或U D P）。 每次U D P收到由 I P传送来的数据报，就根据目的端口号，有时还有源端口号进行数据报 图12-1 协议栈各层对收到帧 的过滤过程 丢弃 丢弃 丢弃 丢弃 交付 设备驱 动程序 接口卡 交付 交付 交付

2021-07-12

TCP的服务-深信服scsa认证考试总题库
17.2 TCP的服务 尽管T C P和U D P都使用相同的网络层（ I P），T C P却向应用层提供与U D P完全不同的服务。 T C P提供一种面向连接的、可靠的字节流服务。 面向连接意味着两个使用 T C P的应用（通常是一个客户和一个服务器）在彼此交换数据 之前必须先建立一个 T C P连接。这一过程与打电话很相似，先拨号振铃，等待对方摘机说 “喂”，然后才说明是谁。在第 1 8章我们将看到一个 T C P连接是如何建立的，以及当一方通信 结束后如何断开连接。 在一个T C P连接中，仅有两方进行彼此通信。在第 1 2章介绍的广播和多播不能用于 T C P。 T C P通过下列方式来提供可靠性： • 应用数据被分割成T C P认为最适合发送的数据块。这和 U D P完全不同，应用程序产生的 数据报长度将保持不变。由 T C P传递给 I P的信息单位称为报文段或段（ s e g m e n t）（参见 图1 - 7）。在1 8 . 4节我们将看到T C P如何确定报文段的长度。 • 当T C P发出一个段后，它启动一个定时器，等待目的端确认收到这个报文段。如果不能 及时收到一个确认，将重发这个报文段。在第 2 1章我们将了解T C P协议中自适应的超时 及重传策略。 • 当T C P收到发自T C P连接另一端的数据，它将发送一个确认。这个确认不是立即发送， 通常将推迟几分之一秒，这将在 1 9 . 3节讨论。 • T C P将保持它首部和数据的检验和。这是一个端到端的检验和，目的是检测数据在传输 过程中的任何变化。如果收到段的检验和有差错， T C P将丢弃这个报文段和不确认收到 此报文段（希望发端超时并重发）。 • 既然T C P报文段作为 I P数据报来传输，而 I P数据报的到达可能会失序，因此 T C P报文段 的到达也可能会失序。如果必要， T C P将对收到的数据进行重新排序，将收到的数据以 正确的顺序交给应用层。 • 既然I P数据报会发生重复，T C P的接收端必须丢弃重复的数据。 • T C P还能提供流量控制。 T C P连接的每一方都有固定大小的缓冲空间。 T C P的接收端只

2021-07-12

SMTP的未来-深信服scsa认证考试总题库
28.4 SMTP的未来 I n t e r n e t邮件发生了很多改变。应当记得 I n t e r n e t邮件的三个组成部分：信封、首部和正文。 新加入的S M T P命令影响了信封，首部中可以使用非 A S C I I字母，正文（M I M E）中也加入了 结构。本节中我们依次对这三部分的扩充进行讨论。 340使用TCP/IP详解，卷1：协议 下载

2021-07-12

STRING参数-信号稀疏分解及压缩感知理论应用研究
AKD用户指南 | 25.40   STRING参数 25.40 STRING参数 本章讲述STRING参数。 25.40.1 STRING1.DRIVESENABLED to STRING2.DRIVESENABLED 1186 25.40.2 STRING1.NODECOUNT to STRING2.NODECOUNT 1187 Kollmorgen | 2014 年 12 月 1185

2021-07-12

下检验这颗锻子是否均匀-840dsl五轴应用调试包
试在显著性水平为 0.05 下检验这颗锻子是否均匀． 解 这是一个分布拟合优度检验，总体总共分6类．若记出现点数 i 的概率 为乱，则要检验的假设为 Ho: p, = P2 = = P6 ＝士 这里 k=6，检验拒绝域为 lx2 ~ X~ －a(5) I ，若取 α ＝ 0. 05 ，则查表知，对以5) = 11 . 070 5 ，检验的统计量为 问能否认为一页的印刷错误个数服从泊松分布（取 α ＝ 0. 05). 解 这是一个要检验总体是否服从泊松分布的假设检验问题． 由于有几类 的观测个数偏少，为使用近似分布，需要把后面四类合并为一类．于是我们把总 体分成4 类，在原假设下，每类出现的概率为： Pi: ~e-A ,i: 0,1 儿 p3 ＝ 三士e A 未知参数 A 可采用最大似然方法进行估计，为 ＝」一（ 1 × 40 + 2 x 19 +… + 5 × I) = I , 100 、 将 i 代人可以估计出诸λ 于是可计算出检验核计量／，如下表：

2021-07-12

死锁及预防-power bi白皮书
21.5 死锁及预防 任务间步的目的是为了消除系统的竞争问题，以及做到任务间流畅、有序地协同工作。但 是任务同步还很容易带来另一个问题一一死锁。 死锁问题在讲解互斥锁时有所涉及， 当时的场最是因为任务对同一互斥锁进行重复的上锁 而造成的，最终的解决方法是为互斥锁增加了递归功能。 死锁发生的另一种场景是由多个任务需要同时持有多个同步对象。比如，存在 A 和 B 两 个任务，且任务A和 8 在某种场合下需要同时持有 X和 Y两个同步对象。如果任务A持有了 X 同步；对象且试图持有 Y 同步对象，但是任务 B 却持有了 Y 同步对象并试图持有X 同步对象。 在这种情形下就会出现死锁。 造成死锁的根本原因，是由多个任务对同步对象的获取顺序不一致而造成的。如果所有的 任务在需要持有多个同步对象时总是采用相同的获取顺序，就一定不会出现死锁问题。读者可 以对上面的死锁情形采用获取顺序一致的方法进行分析，看看是不是解决了死锁问题。 除了任务采用一致的同步对象在取顺序外， 使用向步对象时注意以下几点将有助于减少死 锁问题的发生。 · 力争做到同步对象的使用具有很强的局部性。将同步对象的获取与释放两个动作总是 放在同一个函数中实现，而不是将两个动作分散在不同的两个函数中。 · 减小同步对象所保护资源的粒度。这存在两个层面的意思2 第一，同步对象的获取时 间点应尽可能靠近代码的同步点：第二， 如果同步对象所保护的资源太多， ff在多个 任务需要分别使用不同的部分，则采用将大资源分割成多个小资源的方法， 再用多个 同步对象分别对它们进行管理。 · 同步对象的使用如果有造成死锁的趋势， 则说明软件的模块化设计存在概念不消的问 题。 在这种情形下，应致力于分析概念不清是如何造成的，并通过调整模块的结构消 除其中的不清。 一个概念清晰的模块能有效地消除同步对象的使用混乱问题， 从而避 免死锁问题。 21.6 小结 信号量是一种资源计数器，用于记录一种资源的多个实例。它除了可以被用于任务与任务

2021-07-12

防止仿真和综合结果不一致-labview模块和工具包（嵌入式设计）
8.7 如何提高代码的仿真效率 对于一个复杂的设计而言，仿真效率往往是芯片验证的瓶颈。本节将介绍几个要点，帮 助 Verilog 用户提高 RTL 代码的仿真效率。 一、仿真精度越高，仿真效率越低 仿真时采用、timescale lns/lns b~采用、timescale lns/lOOps 的仿真效率高。 二、减少层次结构 在设计中层次结构越少，仿真速度越快，这是因为参数在 module 之间通过端口传递会 消耗仿真器的时间。 三、进程越少，仿真鼓率越高 语言中出现的进程越少，仿真越快。比如实现一个状态机，采用两个 always 结构就比 使用一个 always 结构仿真慢，因为仿真器在多个进程之间切换也需要时间。 四、减少门级原语的使用，尽量采用行为描述 在描述同样的功能时尽量采用行为描述，少用 Verilog 的门级原语。建模的抽象层次越 高，仿真效率越高。 五、尽量使用 case 语旬，而不是 if...else 语旬 如果使用 case 语句和 if.. .else 语句能够实现相同的电路，则应尽量使用 case 语句，以 提高仿真效率。 六、减少 begin...end 语旬块的使用 在语言不发生歧义的情况下尽量少用 begin...end 语句块，以提高仿真效率。 七、减少仿真器的输出显示 过多使用仿真器的输出显示系统任务，如语句$display 、 $fdisplay 等，会降低仿真器执 行的速度。 最后要提醒读者的是，以上几点只是用来提高仿真效率的建议，并不是说设计代码-定 要按照这几点来做，而是建议读者在保证代码的可读性、可维护性和安全性的前提下，尽量 采用能提高仿真效率的设计方法，节约仿真和调试的时间，毕竟代码的可读性、可维护性和 安全性才是最重要的。 8.8 防止仿真和综合结果不一致 本章 8.2.3 小节中提到过，保证 Verilog 代码符合仿真语义是一项非常重要、非常有意义 的工作，是成功的第-步。 只有符合仿真语义、没有歧义的代码，才能被综合工具综合成想要的电路，否则综合结 219

2021-07-12

两轴云台机械结构设计-中国科学院大学《矩阵代数》期末考试试题
第二章两轴云台机械结构设计 电机的功率需要满足带动总的负载即云台本身和承托器件的总质量的要 求。 电机的转速根据两轴云台设计的要求，电机的转速满足变化范围较大，所 以电机需同时满足高速和低速要求。 可装配性电机的体积、尺寸和质量是否满足两轴云台的装配要求。 综合以上因素考虑，本文初选台达(delta)公司型号为ECMA．C30602LSS的 伺服电机作为驱动电机。表2．3及图2—6为所选定电机官方给出的电气特性和外 观尺寸【241。 表2-3台达各机型电气特性表 C△04 C△06 C△08 C△∞ C△10 C△13 机型蹦A 01 02 04 04 07 07 10 10 20 30 顿定功率(肼) 0．1 0．2 0．4 0．4 0．75 0．75 1．0 1．0 2．0 3．0 额定扭矩(N·正) 0．32 0．64 1．27 1．27 2．39 2．39 3．18 3．18 6．37 9．55 量大扭矩(N·m) 0．96 1．92 3．82 3．82 7．16 7．14 8．78 9．54 19．1 28．65 额定转速(r／正in) 3000 3000 3∞0 3000 最高转速(r／min) 5000 30∞ 5000 4500 额定电流(A) 0．90 1．55 2．60 2．∞ 5．10 3．66 4．25 7．30 12．∞ 17．2 ■时最大电流(A) 2．70 4．65 7．80 7．24 15．3 11 12．37 21．9 36．15 47．5 每秒最大功率 27．7 22．4 57．6 22．1 48．4 29．6 38．6 38．1 90．6 7l-8 (KI／s) 转子惯量(× 0．037 0．177 O．277 0．鹄 1．13 1．93 2．62 2．65 4．45 12．7 10-lkg·皿1) 机械常数(衄) 0．75 0．80 0．53 0．73 0．62 1．72 1．20 0．74 0．61 1．11 扭矩常数-酊 0．36 0．4l 0．49 0．的 0．47 0．65 0．75 0．“ 0．53 0．557 (N·m／A) 根据经验，与台达伺服电机配套使用的减速机仍然选择台达公司的行星式减 速机ZDH060L1．10，其减速比为10。

2021-07-12

应用指令的介绍-数值方法(matlab版.第四版)-mathews
2.2 应用指令的介绍2.2 应用指令的介绍 1. 充实的基本性能 准备了以数据的传送和比较、四则运算、逻辑运算、数据的循环和移位等的基本应用指令为首的，输入输出刷 新、中断、高速计数器专用比较指令、高速脉冲输出等的高速处理指令、在SFC控制上将机械控制的常规动作 程序封装化的初始化状态指令等，追求“基本功能、高速处理、使用简单”的各种规格。 2. 高级控制变得简单 由于备有多个将复杂的顺序控制封装化的便捷指令，因此可以减轻编制顺控程序的工作量，并且可以节约输入 输出点数。 此外，为了适应更加高级的控制还备有浮点运算和PID运算。 2.2.1 主要应用指令 介绍从应用指令中选取的有代表性的指令。1. 程序流程 • 条件跳转(CJ/FNC 00) • 子程序调用(CALL/FNC 01) • 允许中断(EI/FNC 04) • 禁止中断(DI/FNC 05) • 循环范围的起始(FOR/FNC 08)等 → 请参考8章 2. 传送·比较 • 比较(CMP/FNC 10) • 触点比较(FNC 224～246) • 浮点数比较 (ECMP/FNC 110、EZCP/FNC 111) • 区间比较(ZCP/FNC 11) • 高速计数器比较(FNC 53～55) • 高速计数器表比较(HSCT/FNC 280) • 数据传送(MOV/FNC 12) • 浮点数数据传送(EMOV/FNC 112) • 高速计数器传送(HCMOV/FNC 189) • BCD转换(BCD/FNC 18) • BIN转换(BIN/FNC 19) • 格雷码的转换(FNC 170、171)等 → 请参考9,13,18,22,24,28,32章 3. 四则·逻辑运算 • BIN加法运算(ADD/FNC 20) • BIN减法运算(SUB/FNC 21) • BIN乘法运算(MUL/FNC 22) • BIN除法运算(DIV/FNC 23) • BIN加一(INC/FNC 24) • BIN开方运算(SQR/FNC 48) • 三角函数(FNC 130～135) • 浮点数转换(FNC 49、118、119、129) • 浮点数四则运算(FNC 120～123) • 浮点数开方运算(ESQR/FNC 127)等 → 请参考10,12,18章304. 循环·移位 • 循环右移(ROR/FNC 30) • 循环左移(ROL/FNC 31) • 带进位循环右移(RCR/FNC 32) • 带进位循环左移(RCL/FNC 33) • 位右移(SFTR/FNC 34) • 位左移(SFTL/FNC 35) • 字右移(WSFR/FNC 36) • 字左移(WSFL/FNC 37)等 → 请参考11章 5. 数据处理 • 成批复位(ZRST/FNC 40) • 译码(DECO/FNC 41) • 编码(ENCO/FNC 42) • ON位数(SUM/FNC 43) • 平均值(MEAN/FNC 45) • 字节单位的数据分离·结合(FNC 141、142) • 16位数据的4位的结合·分离(FNC 143、144) • 上下限限位控制(LIMIT/FNC 256) • 死区控制(BAND/FNC 257) • 区域控制(ZONE/FNC 258) • 数据块处理(FNC 192～199) • 字符串处理(FNC 200～209)等 → 请参考12,19,25,26,29章 6. 高速处理 • 输入刷新(REF/FNC 50) • 输入刷新(带滤波器设定)(REFF/FNC 51) • 脉冲密度(SPD/FNC 56) • 脉冲输出(PLSY/FNC 57) • 带加减速的脉冲输出(PLSR/FNC 59)等 → 请参考13章

2021-07-12

主成分分析-effective akka
12.1 主成分分析 主成分分析，或者称为PCA，是⼀种被⼴泛使⽤的技术，应⽤的领域包括维度降低、有损数 据压缩、特征抽取、数据可视化（Jolliffe, 2002）。它也被称为Karhunen-Loève变换。 图 12.1: ⼀个⼈⼯⽣成的数据集，以⼿写数字图像为输⼊，创建出多个副本，每个副本中，数字都在⼀个 更⼤的图像中进⾏了⼀个随机的平移和旋转。每个⽣成的图像都有100× 100 = 10, 000个像素。 381

2021-07-11

查看更多

draw.io如何导入导出图表?

2025-03-19

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除