- 博客(1162)
- 资源 (37)
- 收藏
- 关注
RSS订阅
原创 解决工程中同时存在两个版本 Qt 导致 This application failed to start because no Qt platform plugin could be initiali
在 Visual Studio 开发的 Qt 程序中，若需调用另一软件（ABC）的 Qt API，部署时会因两个版本的 qwindows.dll 冲突导致平台插件初始化失败。解决方案为：将工程自身所需的 qwindows.dll 移至独立目录 qt6plugins/platforms，通过 RunXYZ.bat 设置 QT_QPA_PLATFORM_PLUGIN_PATH 指向该路径，确保主程序正确加载；在 main.cpp 中创建 QApplication 后清除该环境变量，并添加库路径以支持其他插件。此
2026-11-04 14:27:23
191
原创 AI Prompting for Everyone 课程笔记 - P21 总结 Conclusion
本文总结了从AI新手成长为高阶用户的核心路径，涵盖信息获取、思维协作与多模态应用三大模块。强调通过上下文提供、深度研究、批判性评价与迭代优化，将AI视为协同伙伴。核心在于根据任务选择合适方法，实现从问答到创造的跃迁，最终完成真实项目。
2026-11-04 02:52:49
238
原创 AI Prompting for Everyone 课程笔记 - P20 实验与期末项目 Lab and Final Project
本文总结了AI高阶应用的核心路径：从单一Prompt技巧转向综合实践。通过“实验概览”（Lab Overview）与“最终项目”（Final Project）的结合，强调将图像生成、应用构建、数据分析等能力协同使用。以学习管理工具为例，演示如何整合多步骤AI操作——从头脑风暴、上下文设定、迭代优化到功能测试，最终产出可交互成果。核心启示在于：真正的AI高手，是能根据真实任务灵活组合多种能力，并通过持续反馈完善项目的实践者。
2026-11-04 01:06:38
41
原创 AI Prompting for Everyone 课程笔记 - P19 数据分析 Data Analysis
本文系统介绍如何利用AI进行数据分析，强调通过自然语言指令实现数据读取、清洗、计算、可视化与报告生成。核心在于“代码执行”而非仅语言生成，确保结果准确性；同时需先理解数据结构，避免误解字段含义。AI降低技术门槛，但用户仍需具备批判性思维，验证结果可靠性。
2026-11-03 07:29:05
319
原创 AI Prompting for Everyone 课程笔记 - P18 使用 AI 构建应用程序 Building Apps
本文系统介绍如何利用AI构建应用程序，强调清晰描述需求、区分功能与外观、采用迭代开发模式。通过自然语言指令，用户可快速生成可运行的Web应用原型，降低编程门槛。核心在于明确功能逻辑而非仅关注界面设计，需反复测试与优化，实现从想法到可用产品的转化。
2026-11-03 07:08:25
220
原创 AI Prompting for Everyone 课程笔记 - P17 图像生成 Imaging Generation
本文系统介绍图像生成技术，涵盖文生图、图生图及图像编辑三大核心能力。强调高阶用户应通过明确主体、场景、风格等要素构建有效Prompt，结合参考图与迭代优化，实现精准视觉创作。对比图像理解与生成的差异，指出生成需关注构图、光照、配色等维度，且图生图在保留结构基础上更高效。最终倡导以实验思维持续优化输出，提升AI辅助设计效率。
2026-11-03 01:57:45
561
原创 AI Prompting for Everyone 课程笔记 - P16 图像理解 Imaging Understanding
本文聚焦于AI的图像理解能力，阐述其作为上下文在复杂任务中的核心作用。通过将图片与文本提示结合，AI可实现视觉问答、OCR识别及多模态推理，显著提升对图表、界面、手写内容等视觉信息的解析效率。重点强调图像理解不仅识别物体，更分析关系与场景，适用于设计优化、问题求解等实际场景。结合上下文与多模态技术，用户能更精准地获取结构化信息，推动AI从“读图”迈向“懂图”。
2026-11-03 01:19:51
543
原创 AI Prompting for Everyone 课程笔记 - P15 处理多媒体数据 Working with Multimedia Data
本文介绍多模态AI的核心概念与应用，强调其突破传统文本交互的局限，可处理图像、音频、视频等多元信息。通过图像理解、音频转写、视频分析等技术，用户可直接上传真实世界数据，让AI实现图表解读、界面评估、课程笔记整理等复杂任务。核心价值在于：以直观方式传递上下文，提升信息获取与创作效率，推动AI从“文字助手”迈向“全感官伙伴”。
2026-11-03 00:05:19
209
原创 AI Prompting for Everyone 课程笔记 - P14 实验介绍：AI 头脑风暴与批判性评价 Lab Overview: Brainstorming and Critique
本文系统梳理了成为AI高阶用户的核心能力，强调将头脑风暴（Brainstorming）、上下文（Context）提供、推理（Reasoning）与批判性评价（Critique）等技能组合成完整工作流程。通过实验演示，展示了如何基于用户背景与约束条件生成精准创意，并运用评分量规（Rubric）多轮迭代优化方案，最终形成可行的AI应用设计。核心启示：高效AI协作依赖于结构化思维与持续反馈，而非单一技巧。
2026-11-02 23:53:04
174
原创 AI Prompting for Everyone 课程笔记 - P13 AI 评价与批判性反馈 AI Critique
本文系统阐述AI辅助写作中的AI Critique（批判性评价）核心方法，强调高质量反馈应具备明确标准、具体证据与可执行建议。通过对比一般反馈与批判性评价，提出需避免“谄媚”倾向，采用中立表述；引入评价量规（Rubric）提升评价结构化与一致性；并强调生成可执行反馈的重要性，确保改进建议具体可行。最终目标是借助AI实现内容质量的持续优化。
2026-11-02 23:42:49
336
原创 AI Prompting for Everyone 课程笔记 - P12 用 AI 写作 Writing with AI
本文系统阐述了如何从“AI新手”进阶为“高阶写作伙伴”，核心在于摒弃一次性生成（One-shot Writing）的低效模式，转而采用迭代式写作（Iterative Writing）。通过先制定详细大纲、逐步扩展要点、持续提供上下文信息，用户可有效引导AI生成结构严谨、内容充实、风格契合的高质量文章。强调在写作各阶段主动介入，实现对内容的精准控制，避免AI谄媚倾向带来的空泛表达，真正发挥AI作为协作伙伴的价值。
2026-11-02 02:52:35
123
原创 AI Prompting for Everyone 课程笔记 - P11 谄媚 Sycophancy
本文探讨AI的“谄媚倾向”（Sycophancy）问题，指出AI常因迎合用户而缺乏客观性。通过使用中立提问、明确评价量规（Rubric）和要求证据支持，可有效减少偏见，提升AI作为“思考伙伴”的价值。核心在于：以结构化标准引导AI进行平衡分析，而非被动附和。
2026-11-02 02:17:10
428
原创 AI Prompting for Everyone 课程笔记 - P10 AI 推理 Reasoning with AI
本文系统阐述“使用AI进行推理”（Reasoning with AI）的核心方法，强调复杂决策需超越信息检索，通过深度分析、多维度权衡与结构化思考实现。重点包括：区分快速响应与扩展推理的适用场景，合理设置“思考时间”，选用适合的推理模型，并结合真实案例说明如何在购车、学习规划等任务中有效引导AI进行系统性推理。核心观点：充分的上下文与深度推理相结合，才能应对多约束、高复杂度的实际问题。
2026-11-01 07:28:41
331
原创 AI Prompting for Everyone 课程笔记 - P09 AI 桌面应用 AI Desktop Apps
本文介绍AI桌面应用如何通过集成本地文件与软件，降低用户提供上下文（Context）的负担。相比传统Web AI需手动上传文件，桌面应用可在授权下自动读取项目目录、代码、文档等，实现更高效的任务执行。重点包括：本地文件管理、应用集成（如代码编辑器）、来源追踪及自主探索能力。案例显示，AI可主动分析资料并提出整理方案，提升研究与开发效率。核心价值在于让AI更深入融入真实工作环境，实现智能化辅助。
2026-11-01 06:54:56
320
原创 AI Prompting for Everyone 课程笔记 - P08 上下文 Context
本文系统阐述了提升AI使用效率的核心方法——有效运用上下文（Context）。指出高质量输出不仅依赖精炼的Prompt，更关键在于提供相关、准确的背景信息。通过对比无上下文与有上下文的提问案例，说明具体情境（如学习目标、时间限制、知识短板）能显著提升AI建议的针对性。文章还介绍了Context的多种形式（文本、文档、代码等）、其技术限制（Context Window）及核心原则：相关性优于数量，无关信息会引入噪声。最终强调，将任务背景融入AI交互，是实现个性化、高价值辅助的关键。
2026-11-01 02:25:44
272
原创 AI Prompting for Everyone 课程笔记 - P07 和 AI 一起头脑风暴 Brainstorming with AI
本课程从P7开始转向“AI作为思考伙伴”的新范式，强调通过迭代式头脑风暴（Divergent & Convergent Thinking）激发创意。核心在于：以开放式问题引导AI生成多样化想法，再经多轮反馈与优化，逐步聚焦可行方案。关键方法包括设定明确目标、持续追问、评估潜在风险并改进设计。最终目标不是获取唯一答案，而是借助AI拓展思维边界，实现从模糊构想到可落地创意的跃迁。
2026-11-01 01:53:20
281
原创 AI Prompting for Everyone 课程笔记 - P06 模型提示词对比 AI Model Prompt Comparison
本节课程聚焦于AI模型提示词比较，强调同一Prompt下不同模型输出的差异源于训练数据、架构、微调、推理能力及工具可用性等因素。通过五个实验案例（如联网与否、深度研究对比、上下文影响等），揭示了预训练知识的时效局限、外部信息的重要性及上下文对回答质量的关键作用。为确保公平比较，需控制变量、统一评价标准，并记录结果。实践建议包括测试联网/非联网、Web Search/Deep Research、添加上下文等场景，以客观评估模型性能，提升AI使用效率与准确性。
2026-11-01 01:20:03
147
原创 AI Prompting for Everyone 课程笔记 - P05 使用深度搜索 Using Deep Research
Deep Research 是针对复杂问题的多步骤信息整合模式，通过规划、多轮搜索、分析与迭代，生成结构化研究报告。相比普通联网搜索，它更适用于市场分析、学术综述等任务。其核心依赖 Agentic AI（智能体式 AI），具备自主规划、工具调用与决策能力。以万圣节鬼屋策划为例，AI 可自动研究法规、安全要求、设计与实施细节，形成完整方案。但需注意：结果仍需人工核实，不可完全替代实地确认。
2026-10-31 13:45:35
55
原创 AI Prompting for Everyone 课程笔记 - P04 联网搜索资源 Web Search Sources
本节强调，使用AI联网搜索时，需关注信息来源的可靠性。应优先选择官方公告、学术论文等一手来源，避免依赖社交媒体或商业宣传。判断来源需综合评估权威性、准确性、时效性、相关性和偏向性。通过优化Prompt，引导AI聚焦科学证据与最新资料，可有效提升答案可信度。重要结论：流行≠可靠，实时性至关重要。
2026-10-31 13:00:32
333
原创 AI Prompting for Everyone 课程笔记 - P03 联网搜索 Web Search
本课核心在于：当预训练知识无法满足需求时，应使用联网搜索获取最新、地点或小众信息。通过对比两种信息获取方式，强调在处理近期事件、位置相关或冷门话题时，Web Search能弥补模型知识局限。但需注意搜索结果可能不可靠、过时或被误读，因此需核实来源与结论。高效提问应明确时间范围、范围与输出格式，提升检索质量。最终，判断是否搜索可参考三问口诀：是否新？是否变？是否小众？
2026-10-31 03:19:31
362
原创 AI Prompting for Everyone 课程笔记 - P02 预训练知识 Pretrained knowledge
本课程核心讲解AI的预训练知识：模型通过海量数据学习语言模式与知识关联，具备广泛常识与冷门信息理解能力，可回答日常问题如手机进汤、猫盯墙等。但知识有截止时间、覆盖范围局限，可能产生幻觉。AI能理解不完美提问，因具备语义理解能力。关键判断标准是信息是否稳定——稳定则可用预训练知识，否则需联网或提供上下文。强调：可靠答案需结合事实核查。
2026-10-31 02:20:22
50
原创 AI Prompting for Everyone 课程笔记 - P01 AI 新手与 AI 高阶用户的区别 The AI Novice and the AI Power User
本文核心指出，AI 高阶用户与新手的差异不在于是否使用 AI，而在于如何使用。高阶用户将 AI 视为“思考伙伴”，通过提供充分上下文、中立提问、分阶段迭代写作，并综合分析复杂任务，实现高效协作。关键在于：避免谄媚倾向、善用评价量规、理解 AI 优劣，真正让 AI 参与决策与创造，而非仅获取答案。
2026-10-31 01:56:07
177
原创 VS2026 打包 C++ 程序生成 EXE，借助 Installer Project 扩展工具
本文介绍使用 Visual Studio 2026 结合 Microsoft Visual Studio Installer Projects 2022，将基于 C++/Qt 6.11.1/VTK 9.6.2 开发的程序打包为可部署的 setup.exe 或 .msi 安装包。核心步骤包括：安装 Installer 扩展、创建 Setup Project、添加项目输出与依赖文件（如 Qt 的 DLL）、使用 windeployqt 部署 Qt 组件、配置桌面及开始菜单快捷方式，并设置图标。
2026-10-28 03:30:50
267
原创 赛道 B：泥石流灾害预报及防灾策略，2026 年 MathorCup 数学应用挑战赛——大数据竞赛
初赛赛题下载链接: https://pan.baidu.com/s/1hvwTgMbMe_G1YvOiN8hfXw?pwd=wb4g提取码: wb4g2026 年 MathorCup 数学应用挑战赛——大数据竞赛赛道 B：泥石流灾害预报及防灾策略。
2026-10-23 22:49:32
267
原创 赛道 A：啤酒酿造化合物分析与啤酒风味预测，2026 年 MathorCup 数学应用挑战赛——大数据竞赛
2026 年 MathorCup 数学应用挑战赛——大数据竞赛赛道 A：啤酒酿造化合物分析与啤酒风味预测。
2026-10-23 22:47:29
701
原创 【Paper】2019_Impulsive consensus of leader-following nonlinear multi-agent systems under DoS attacks
这个程序效果如下，通过延长运行时间，能看到 Followers 最终跟上了 Leader，还是能看到系统收敛的，以及误差达到了零。作者公式符号引用的比较多，个人看的有点不清晰，特将所有情况都列出来，方便理解。这个程序效果如下，目的是通过 Leader 状态，验证程序没有写错。，而没有给出所有跟随者的初始状态，只能从给出的状态图中猜测到。因为论文中给出了领航者的所有状态，即。
2023-08-27 06:26:30
2402
2
原创 【数理知识】向量与基的内积，Matlab 代码验证
这里我们直接使用其结论，即向量的内积为，一个向量在另一个向量方向上的投影长度，乘以被投影向量的长度，如下图所示。接下来基于二维平面上的一个向量来举例。关于内积的原理请参考文章。这里的结果等于 7，这是因为新基。而在我们这里被投影向量为基向量。假设存在一个上述的二维平面向量。假设存在一个二维平面内的向量。这与坐标图中的效果也是一致的。我们认为其为横坐标，那么。数值上就等于横坐标的值，即。数值上等于纵坐标的值。现在，我们更改坐标基为。同理，我们也可以得到。最后，公式化描述结论为。，此新基下的坐标值为。
2023-08-16 04:33:53
1674
原创 【数理知识】向量的坐标基表示法，Matlab 代码验证
当坐标基唯一确定后，对应的坐标值也唯一确定。同时向量也可以由坐标值和坐标基线性组合的形式来表示。接下来基于二维平面的一个向量来举例，不过三维空间的情况具有同样的性质和结论。上述例子我们可以看到，无论是在哪个坐标基下，永远存在如下等式。针对三维空间中的向量，同样具有类似的结论。，在不同的坐标系（或称坐标基）下，向量。当向量为二维平面的向量时，可表示为。当向量为三维空间的向量时，可表示为。假设存在一个上述的二维平面向量。由不同的坐标值表示。那么此向量可以表示为。，此新基下的坐标值为。那么此向量可以表示为。
2023-08-16 02:39:06
1488
原创 【数理知识】三维空间旋转矩阵的欧拉角表示法，四元数表示法，两者之间的转换，Matlab 代码实现
从四元数到欧拉角的转换并不是唯一的，因为对于某些旋转，存在多种欧拉角表示。但是，对于大多数实际应用，可以从一个特定的四元数计算一个特定的欧拉角集。这次基于三维空间，讨论下旋转矩阵的两种表示方法，分别是欧拉角表示法，四元数表示法，以及二者之间的转换关系如何。需要再次强调的是，旋转的顺序很重要，并且会影响最终的结果。总旋转的四元数是这三个四元数的乘积。单位四元数在描述 3D 旋转时有一些优势，其不受欧拉角中的 “万向锁” 问题的影响。四元数是一个扩展的复数系统，常用于表示三维空间中的旋转。
2023-08-15 12:06:56
2509
原创 【数理知识】最小二乘法，从线性回归出发，数值举例并用最小二乘法求解回归模型
线性回归：线性回归是一个预测方法，它试图找到一个线性函数（对于简单线性回归）或多个线性函数（对于多元线性回归），这些函数可以最好地描述两个（或更多）变量之间的关系。在上述简单线性回归模型（单解释变量，单响应变量）和多元线性回归模型（多解释变量，单响应变量）的基础上，再扩充一种，称之为多解释变量多响应变量的回归模型。回归分析：回归分析是一个更广泛的术语，用于描述一个变量（或多个变量）与一个或多个其他变量之间关系的统计方法。回归分析：探索和建模变量之间的关系，这可能是线性的、非线性的，或者是其他的关系。
2023-08-10 23:18:10
2211
2
原创 【数理知识】奇异值分解，从数据的线性变换角度来理解
数据的线性变换（Linear Transformation）是一个数学上的概念，通常用于更改数据的表示或基准，但不改变数据的本质结构或关系。在实际的应用中，一个矩阵可能同时表示了多种变换，也就是一个矩阵是多种变化的组合。讲解奇异值分解（Sigular Value Decomposition，SVD）的教程有很多，我这里不做赘述，仅记录下自己的理解。同时，如果想直观地了解矩阵是如何操作的，也可以将其应用在标准基向量（如二维空间中的。的作用是旋转，这一点也可以从以下数据运算上看出，即当经过拉伸的。
2023-08-09 01:43:51
1380
原创 【数理知识】旋转矩阵的推导过程，基于向量的旋转来实现，同时解决欧式变换的非线性局限
序号内容1【数理知识】自由度 degree of freedom 及自由度的计算方法2【数理知识】刚体 rigid body 及刚体的运动3【数理知识】刚体基本运动，平动，转动4【数理知识】向量数乘，内积，外积，matlab代码实现5【数理知识】协方差，随机变量的的协方差，随机变量分别是单个数字和向量时的协方差6【数理知识】旋转矩阵的推导过程，基于向量的旋转来实现，同时解决欧式变换的非线性局限文章目录1. 点和向量的表示2. 基于向量推导旋
2023-08-08 01:54:08
1100
原创 【Python】Scipy 简介，signal 模块介绍
SciPy 是一个开源的 Python 算法库和数学工具包。Scipy 是基于 Numpy 的科学计算库，用于数学、科学、工程学等领域，很多有一些高阶抽象和物理模型需要使用 Scipy。SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。序号模块名功能参考文档1向量量化2数学常量3scipy.fft快速傅里叶变换fft API4积分5插值6scipy.io数据输入输出io API7。
2023-08-07 09:10:57
3273
原创 【Python】Pandas 数据清洗操作，常用函数总结
很多数据集存在数据缺失、数据格式错误、错误数据或重复数据的情况，如果要使数据分析更加准确，就需要对这些没有用的数据进行处理。方法可以帮助我们清洗重复数据。如果对应的数据是重复的，duplicated() 会返回 True，否则返回 False。方法计算列的均值（所有值加起来的平均值）、中位数值（排序后排在中间的数）和众数（出现频率最高的数）。注意：默认情况下，dropna() 方法返回一个新的 DataFrame，不会修改源数据。数据清洗是对一些没有用的数据进行处理的过程。方法可以删除重复数据。
2023-08-07 04:42:09
1794
原创 【Python】Pandas 简介，数据结构 Series、DataFrame 介绍，CSV 文件处理，JSON 文件处理
Pandas 是 Python 语言的一个扩展程序库，用于数据分析，其提供了高性能、易于使用的数据结构和数据分析工具。Pandas 名字衍生自术语 “panel data”（面板数据）和 “Python data analysis”（Python 数据分析）。Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。
2023-08-07 03:58:43
1215
原创 【Paper】2020_网络化多智能体系统的事件触发一致性研究_徐勇
包括误差也是，我反复确认了程序，使用的方法是和论文一致的，虽然效果一般，但是和理论上是说的过去的。因为状态效果就是一个一直在跟随领航者，所以误差最后也是一个振荡的，这是合理的。虽然事件触发效果有点问题，但是我反复核对了 DoS 攻击，实现的机制是没错的。并且由于之前这个文章的参数就不对，所以再调试下去也没太大意义了。在领航者-跟随者多智能体系统中，考虑跟随者智能体。得到了类似的效果，然后就按照这个效果往下继续走了。需要采集它的状态和它邻居的状态去更新控制输入。文中给的参数我做不出来和论文一样的效果，
2023-08-06 00:23:05
1999
5
麦克纳姆轮驱动程序_Arduino UNO+步进电机驱动.c
2019-05-19
Arduino主板烧录器---avrdudess.rar
2019-06-17
ArduinoCode1-让Arduino说出HelloWorld.ino
2020-02-18
ArduinoCode6-抢答器.ino
2020-02-18
ArduinoCode3-流水灯.ino
2020-02-18
ArduinoCode16-一位数码管.ino
2020-02-18
ArduinoCode11-PWM调控灯光亮度.ino
2020-02-18
ArduinoCode17-四位数码管.ino
2020-02-18
ArduinoCode18-驱动74HC595.ino
2020-02-18
ArduinoCode12-感光灯.ino
2020-02-18
ArduinoCode7-蜂鸣器发声实验.ino
2020-02-18
ArduinoCode2-LED闪烁实验.ino
2020-02-18
ArduinoCode4-交通灯.ino
2020-02-18
ArduinoCode5-按键控制.ino
2020-02-18
ArduinoCode8-模拟值.ino
2020-02-18
ArduinoCode9-数字电压表.ino
2020-02-18
ArduinoCode10-光控声音.ino
2020-02-18
ArduinoCode13-温度传感器.ino
2020-02-18
ArduinoCode14-倾斜开关.ino
2020-02-18
ArduinoCode15-火焰报警器.ino
2020-02-18
【控制】《多智能体系统一致性协同演化控制理论与技术》纪良浩老师-第6章-一阶时滞多智能体系统分组一致性.zip
2021-04-25
HSVSpaceImgSep HSV空间图片分离器
2020-11-27
STM32驱动LCD屏幕
2021-10-02
ReadVideoSaveImage.mlapp
2020-11-27
一类多智能体系统的领导-跟随一致性——自写配套代码
2021-03-01
【控制】《多智能体系统一致性协同演化控制理论与技术》纪良浩老师-第7章-二阶时滞多智能体系统分组一致性.zip
2021-04-25
ArduinoCode19-舵机控制Servo库版本代码.ino
2020-02-18
ArduinoCode20-红外遥控库代码.zip
2020-02-18
【控制】《多智能体系统一致性协同演化控制理论与技术》纪良浩老师-第8章-二阶连续时间多智能体系统加权一致性.zip
2021-04-25
ArduinoCode19-舵机控制自由版本代码.ino
2020-02-18
ArduinoCode20-红外遥控.ino
2020-02-18
ArduinoCode21-LCD1602液晶屏.ino
2020-02-18
ArduinoCode22-PS2摇杆.ino
2020-02-18
ArduinoCode23-步进电机.ino
2020-02-18
ArduinoCode24-RGB全彩LED.ino
2020-02-18
ArduinoCode25-8X8LED点阵1.ino
2020-02-18
ArduinoCode25-8X8LED点阵num.ino
2020-02-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人