- 博客(47)
- 收藏
- 关注
RSS订阅原创 红蓝配尺码，还是四选二？用 kotlin-itertools 做一个鸿蒙 KMP组合工具
这份工具最值得保留的，是三种问题到三种 API 的对应关系。商品规格让两组选项交叉搭配，组合忽略顺序，排列保留顺序。输入范围、重复项处理和预览上限再由应用决定。把这些约定写清楚，同一个迭代器工具库就能继续用于套餐、组队、排班或测试数据生成。新增 harmony 保存平台接入，example/harmony 提供可以运行的鸿蒙应用。原来的迭代器实现保留，因此后续改界面或增加一种业务展示，也能沿用这条调用链。正式功能若涉及很大的结果空间，应先设计分页、取消或逐批消费，再考虑列表样式；
2026-10-21 09:53:25
2506
原创 CSV 的逗号不总是分隔符：把 kotlin-csv 接入鸿蒙 KMP的读写记录
这次接入把 CSV 解析、重新编码、UTF-8 字节处理与沙箱文件往返放在一条可以逐步核对的链路中。原来的共享解析器和 I/O 扩展保留，鸿蒙目标、依赖和调用入口放入 harmony，完整示例位于 example/harmony。每个结果都能沿着相同的数据输入重新检查，遇到坏格式也能继续操作下一份正常资料。后面做导入页面时，建议先确定分隔符、空值语义和列数错误策略，再设计表格展示。格式规则如果没有说明白，界面画得再像电子表格，也很难知道读到的数据是不是原来的数据。
2026-10-21 09:52:42
2333
原创 提交资料前，先让 Konform 把问题指出来：鸿蒙 KMP表单校验实践
最后得到的是一份能够被鸿蒙页面调用的共享校验器。规则围绕数据类型组织，嵌套对象和集合错误带着自己的路径，输入格式问题在建立对象之前处理。页面负责显示和再次提交，因此完整资料、规则变化和错误恢复可以沿着同一条调用链检查。源码中的 harmony 说明鸿蒙目标和桥接改动，example/harmony 提供完整应用示例。新增规则时，建议先确定数据结构、提示文案和错误路径，再安排界面展示位置。这样即使换了页面布局，校验逻辑仍能继续复用，而错误也不会只剩下一条无法定位的提示。鸿蒙跨平台库示例总仓库。
2026-10-21 09:51:54
2502
原创 手上全是油，我怎么让rokid眼镜在厨房里教我炒菜
打开应用就是食材页。屏幕上摆了 12 个常用芯片：鸡蛋、番茄、土豆、青椒、豆腐、鸡肉、猪肉、面条、米饭、青菜、黄瓜、香菇，滑到哪个点一下就选上了。也可以直接说话——在 Craft 调试时点右边麦克风唤醒，输入框打"辣椒炒肉拌面"发出去，它能自己拆出食材。一屏一步，大字显示当前在干嘛，上一步下一步靠镜腿滑动，需要等的步骤（比如"小火煮 3 分钟"）自带倒计时，到点自动语音念"第 n 步时间到"。整应用没有引入任何第三方 npm 包，纯原生 AIUI 写的；
2026-09-17 20:44:51
273
原创 计算平台技术架构深度解析：以 asnumpy 仓库探索算子演进之路
为 CANNops-nn仓库贡献代码，是一条通往深度学习底层技术架构师的必经之路。它要求贡献者不仅要掌握 Python 和 TBE 语言，更要对异构计算的内存模型、指令级并行和硬件架构有深刻的理解。从修正一个简单的 Bug，到一个新算子的 TBE 实现，再到复杂的性能优化，每一步贡献都将加深你对 AI 芯片栈的理解。积极参与社区的讨论和代码审查，将使你的技术视野从上层的应用层迅速下沉到硬件执行层，成为具备全栈能力的资深架构师。
2026-02-07 12:11:08
122
原创 基于 ops-math 的稀疏算子加速方案深度解析
基于仓库的稀疏算子加速方案，是昇腾CANN生态中实现高性能AI推理和训练的关键组成部分。通过深入理解昇腾硬件的并行架构，并利用中提供的、针对稀疏数据结构优化的底层内核，我们可以有效地克服稀疏计算中随机访存和低计算密度带来的挑战。要充分利用这些先进的加速能力，开发者需要密切关注 CANN 社区的最新进展，特别是CANN 组织中的代码更新和新的高级算子实现。随着模型稀疏化趋势的加剧，对中稀疏算子内核的深度定制和优化，将是释放昇腾AI处理器全部潜能的必由之路。
2026-02-07 00:25:54
304
原创 算子融合进阶：解决多层 MLP 的冗余访存瓶颈
在metadef中，算子被定义及其属性（如数据类型、维度）被记录。融合的发生通常依赖于数据流分析和模式匹配。数据流分析：编译器会分析相邻算子之间的数据依赖关系。如果一个算子的输出是另一个算子的输入，并且它们之间没有其他不兼容的操作（例如，数据类型转换、需要全局同步的操作），则可能发生融合。模式匹配：CANN 编译器栈中存在一系列优化 Pass，它们会在图优化阶段（Graph Optimization）寻找预定义的融合模式。例如，模式是一个高度优化的常见融合目标。
2026-02-07 00:23:19
218
原创 集合通信算子性能评测：如何测量 hccl 真实的通信时延
测量 HCCL 的真实通信时延是一个系统性的工程，它要求我们从传统的 CPU 侧测量转向深入的 Device 侧同步和硬件事件分析。通过精细地利用 Ascend 架构提供的设备时钟或依赖于成熟的 Profiler 工具，我们可以绕过 CPU 封装和 Host 拷贝的干扰，获取到网络传输的真实延迟。对hccl 仓库的深入理解，结合CANN 组织提供的底层接口，是实现高性能分布式训练优化的基石。
2026-02-07 00:22:48
222
原创 计算平台 3D 卷积算子性能优化：面向医学影像处理的架构深度解析
3D卷积算子是医学影像深度学习模型中的性能瓶颈。通过深入理解昇腾CANN的底层架构，特别是其在和仓库中提供的算子实现机制，我们可以针对性地进行性能优化。成功的加速实践依赖于对数据布局的精确控制、高效的内存访问模式设计以及对AI Core计算特性的充分利用。作为资深架构师，我们应持续关注CANN开源社区的最新进展，以确保在处理复杂、高维的医学影像数据时，能够最大限度地发挥昇腾AI处理器的计算潜力。
2026-02-07 00:22:18
295
原创 PyTorch 昇腾算子映射表：解析常用算子的迁移工作量
PyTorch 算子到昇腾 CANN 的迁移工作量评估，是一个系统性的工程，它直接取决于该算子在 CANN 现有算子库中的匹配程度和复杂性。通过深入分析常见基础算子：迁移工作量低，主要工作在于验证属性映射的准确性。复杂或新颖算子：迁移工作量高，可能需要投入大量资源进行 TBE 内核开发、性能调优和图优化设计。作为昇腾CANN技术架构师，我们的目标是最大化利用已有的高性能算子映射，同时高效地填补缺失的算子空白，确保 PyTorch 模型在昇腾平台上实现卓越的性能和稳定性。
2026-02-07 00:21:48
323
原创 异构多核编程模型：计算图任务下发至 Cube/Vector 核心的逻辑架构
昇腾的异构多核编程模型，以 AIR 作为核心的中间表示，成功地在抽象的计算描述与底层的 Cube/Vector 硬件执行之间架起了桥梁。AIR 不仅仅是一种中间语言，更是一种指导编译器进行资源分配、调度优化和指令生成的框架。通过深入理解CANN 组织提供的工具链和AIR 仓库中的设计哲学，我们可以看到，高效的异构编程依赖于对数据流、硬件特性和编译时优化的精妙平衡。未来，随着昇腾架构的演进，AIR 及其任务下发机制将继续作为释放异构计算潜力的关键所在。
2026-02-07 00:21:13
306
原创 核心效能分析：从热点图洞察计算平台核心利用率
昇腾 CANN Profiler 及其提供的数据可视化工具，特别是热点图，是深入理解 NPU 核心利用率的利器。通过将抽象的执行时间转化为直观的颜色分布，开发者能够快速识别出计算瓶颈、数据依赖延迟以及资源调度不均等问题。要充分发挥 NPU 的极致性能，必须紧密结合社区提供的工具和技术，深入分析仓库中的原理，将可视化分析结果转化为具体的优化行动，从而实现模型推理效率的最大化。对热点图的精细解读，是迈向高效能 AI 部署的关键一步。
2026-02-07 00:20:42
267
原创 算子定义元数据框架：metadef 如何保障计算图的向前兼容性与高性能
深度学习框架（如 MindSpore, TensorFlow-AIPU）在不同版本中，对算子的输入输出格式、属性（Attributes）定义可能会发生细微的变化。为了应对这种变化，ops-nn采用了明确的算子版本号机制。在 CANN 的设计中，算子的定义通常遵循一个规范的 ID 和版本结构。当框架调用一个算子时，它会携带目标算子的名称和期望的版本号。ops-nn内部维护了一个映射表，将特定的 (OpName, Version) 组合路由到对应的实现逻辑。这种机制避免了对旧版本框架的硬性要求。
2026-02-07 00:20:12
176
原创 计算平台 NPU 处理 NLP 任务：ops-transformer 算子架构深度解析
昇腾 NPU 在 NLP 领域的竞争力，很大程度上依赖于其底层算子库的深度优化能力。通过对仓库的分析，我们可以看到，针对 Transformer 算子的优化是一个系统工程，它涉及对硬件特性的深刻理解、精细的 TBE 编程、算子融合技术以及数据布局的极致控制。CANN 社区在上持续迭代这些核心算子，是确保昇腾平台在处理 BERT、GPT 等前沿 NLP 模型时，能够提供领先的性能和能效比的关键所在。未来，随着模型规模的持续扩大，对更复杂的张量操作（如稀疏化、量化感知训练后的算子定制）的优化，将是。
2026-02-07 00:19:41
490
原创 计算图元定义与动态编译：metadef 框架的技术演进
计算图的动态编译是实现高性能 AI 基础设施的必然趋势。昇腾 CANN 生态中，metadef框架提供了一个灵活、可扩展的元定义层，用于描述和抽象计算图的编译需求。而JIT 编译器则负责在运行时根据实际上下文，高效地实例化、优化并生成目标硬件代码。metadef 与 JIT 编译器的深度融合，使得 CANN 平台能够在处理动态形状、控制流等复杂场景时，依然能够保持高性能的计算执行能力。通过对CANN 组织和metadef 仓库。
2026-02-07 00:19:10
296
原创 算子开发中的 Tile 策略：基于昇腾 L1/L2 缓存的访存优化
算子开发中的 Tile 策略是实现昇腾 AI 处理器高性能的关键。它本质上是对内存层次结构的一次精细化调度，旨在最大化 L1/L2 缓存的命中率和数据重用率。通过对ops-nn等开源仓库中算子实现的分析，我们可以看到，成功的 Tile 策略需要精确计算 L1 和 L2 的容量限制，并设计出与 AI Core 计算模式完美匹配的循环结构和数据加载顺序。掌握 L1/L2 缓存的访存优化，是每一位资深昇腾 CANN 算子架构师必须具备的核心能力。
2026-02-07 00:18:32
266
原创 大规模集群全量同步：HCCL AllReduce 算法的数学原理与架构解析
HCCL 的AllReduce算法是构建高性能分布式训练系统的基石。其核心依赖于的数学原理，通过将全局同步问题转化为NNN个点对点流水线操作的组合，有效地将通信复杂度从线性扩展降低到接近于最优的OLBO(L/B)OLB延迟。通过对通信拓扑的精细感知、数据分块策略的动态调整以及与昇腾硬件的深度融合，HCCL 确保了大规模集群上梯度同步的低延迟和高吞吐量。要深入理解和优化这些性能，开发者必须熟悉仓库中对这些数学模型的具体工程实现。
2026-02-07 00:17:58
428
原创 深度架构解析：高性能计算平台中 Host 侧运行时环境对设备异常脱离的容错机制
在昇腾 AI 软件栈中，不仅仅是一个简单的 API 转发层，它更是一个健壮的资源管家。通过精密的异常捕获机制、严格的状态机管理以及高效的线程唤醒策略，它优雅地解决了 NPU 热插拔带来的复杂一致性问题。对于开发者而言，深入理解这部分源码，不仅有助于编写更健壮的 AI 应用，也能在遇到硬件故障排查时，通过 Runtime 返回的错误码精准定位问题根源。欢迎广大开发者访问CANN 组织参与共建，共同提升国产算力底座的稳定性。
2026-02-06 20:35:20
133
原创 协同演进，共筑底座：CANN架构体系下 Community 仓库的治理逻辑与技术解构
CANNcommunity仓库不仅是华为开源精神的缩影，更是连接开发者与昇腾算力的桥梁。它通过标准化的治理模型、透明的决策过程以及高质量的代码示例，降低了异构计算的开发门槛。无论你是想优化一个 Transformer 算子的执行效率，还是想完善一份 AI 推理的部署文档，community 仓库都是你开启昇腾开发者之旅的最佳起点。让我们在 AtomGit 上共同构建全球领先的 AI 异构计算架构生态！
2026-02-06 20:34:43
132
原创 云原生视角下的计算平台资源虚拟化与切分技术实现：深度解读 ge 仓库
并非一个孤立的组件，它是华为CANN整个算力底座在云原生时代的延伸。通过对Allocate以及底层dsmi细粒度切分：将昂贵的 NPU 资源利用率提升 3-5 倍。拓扑感知：支持 HCCS/RoCE 网络的拓扑感知的调度，确保分布式训练时的通信效率。运维自动化：屏蔽了底层驱动复杂的初始化逻辑。对于开发者而言，深入研究该仓库的代码，不仅能理解 Kubernetes Device Plugin 的标准写法，更能掌握高性能计算资源在容器化环境下的管理精髓。欢迎广大开发者访问。
2026-02-06 20:34:12
197
原创 深度解读 CANN hccl：多卡互联场景下的集体通信优化策略
CANN ACL 作为一个高性能的算力调度库，其在多卡互联场景下的优化不仅体现在接口的设计上，更蕴含在底层对硬件拓扑的极致利用与异步并发模型的深度抽象中。如果您希望深入了解更多关于昇腾底层开发的细节，欢迎访问CANN 组织参与社区讨论，或直接克隆acl 仓库源码进行研究。通过掌握这些核心优化策略，开发者能够充分释放昇腾 AI 处理器的集群算力，为大模型时代提供坚实的性能保障。v。
2026-02-06 20:33:36
159
原创 深度解析 ops-transformer：多维注意力机制中的分段累加架构逻辑
通过对仓库的深度剖析，我们可以看到华为在CANN算子开发上的深厚造诣。分段累加优化只是其庞大技术栈中的冰山一角，但正是这些底层细节的不断打磨，才使得昇腾 AI 处理器能够在激烈的算力竞争中脱颖而出。对于开发者而言，深入研究该仓库的代码实现，不仅能提升对 NPU 架构的理解，更能掌握编写高性能 AI 算子的核心方法论。
2026-02-06 20:32:55
124
原创 深度解读：CANN 架构下的异常处理与心跳监测机制在工业级部署中的演进
air仓库作为昇腾 AI 软件栈的核心，其异常处理与心跳监测机制体现了华为对工业级稳定性的极致追求。通过这种深层的架构设计，CANN不仅为开发者提供了高性能的算力，更提供了一个安全、可靠、易维护的生产级 AI 运行环境。更多技术细节，欢迎访问CANN 组织主页参与社区讨论。
2026-02-06 20:32:25
108
原创 深度解读计算平台元数据定义：计算图编译中的动态 Shape 支持机制研究
CANN graph 仓库将“动态性”从编译期的负担转变为运行时的自适应能力。通过在 IR 层引入符号化表达，在执行层引入动态 Tiling 机制，以及在内存层实现按需分配，CANN 成功解决了大模型时代下计算图灵活性的难题。这不仅保证了模型在面对变长输入时的性能稳定性，也为后续更复杂的非规则计算（Irregular Computing）奠定了基础。如果你希望深入了解昇腾 AI 算子是如何被组织和编译的，graph 仓库是你必须攻克的“技术高地”。欢迎访问CANN 组织。
2026-02-06 20:31:54
132
原创 深度解读 metadef：探究元数据定义框架对模型加载性能的影响
metadef仓库不仅是 CANN 架构的定义者，更是性能优化的先行者。其序列化机制通过延迟解析、零拷贝倾向和高效的哈希索引，解决了大规模 AI 模型加载慢、内存占用高的痛点。对于开发者而言，深入理解metadef的实现逻辑，不仅有助于优化自定义算子的开发，更能帮助在复杂系统调试中精准定位性能瓶颈。欢迎广大开发者访问CANN 组织参与社区贡献，共同完善这一 AI 底座。CANN 官方代码托管平台 (AtomGit)Metadef 仓库主页。
2026-02-06 20:31:07
125
原创 HCCL 环形通信与分块通信在海量数据下的性能博弈：底层架构解析
通过对hccl 仓库的深度解析，我们可以看到，高性能集合通信不仅仅是数学算法的堆砌，更是对硬件特性、内存管理与任务调度之间精妙平衡的把握。作为CANN 组织下的核心组件，HCCL 持续在分块策略优化、拓扑感知算法以及抗网络抖动方面演进。对于希望深入了解国产 AI 计算底层的开发者来说，研读其源码是掌握大规模分布式训练调优的必经之路。更多技术细节，请访问AtomGit CANN 组织首页与HCCL 官方代码仓。
2026-02-06 20:30:37
162
原创 算子之魂：深度解析 ops-math 卷积相关数学运算的形状自适应选择架构
通过对ops-nn仓库的分析，我们可以看到华为 CANN 专家在算子开发上的匠心：卷积算子不再是一个死板的计算公式，而是一个能够感知数据形状、理解硬件约束的智能体。这种自适应选择算法确保了无论是在 ResNet 的深层小特征图，还是在 YOLO 系列的高分辨率输入下，昇腾 AI 处理器都能迸发出最强的算力。对于开发者而言，深入研究ops-nn的 Tiling 实现，不仅能提升对 NPU 架构的理解，更能为自定义高性能算子的开发提供宝贵的范本。欢迎更多开发者访问CANN 组织。
2026-02-06 20:29:54
146
原创 深度解读计算平台元数据定义框架：metadef 核心逻辑与并发演进
的异步任务队列模型是昇腾计算效率的基石。它通过高效的生产者-消费者模型解决了驱动层面的延迟问题，通过精妙的 Event 机制解决了并发中的依赖问题，并通过背压控制确保了长时运行的稳定性。对于希望深度优化 AI 应用性能的开发者来说，理解这一层面的并发模型，能够帮助你更科学地设计多 Stream 并行策略，从而彻底榨干昇腾 NPU 的每一分算力。
2026-02-06 20:29:23
158
原创 深度解读：从 community 仓库看 CANN 错误码体系的标准化与诊断演进
CANN 的强大不仅在于算子库的丰富，更在于其底层架构的严谨与规范。通过AtomGit 上的 community 仓库，我们看到了华为在构建昇腾生态时的开放态度：将错误诊断这种“脏活累活”标准化、透明化。如果你正在深度开发基于昇腾的 AI 应用，建议定期关注CANN 组织的动态。理解了错误码背后的标准化逻辑，就掌握了与 NPU 对话的底层语言，从而在面对复杂系统故障时，做到从容不迫，精准诊断。
2026-02-06 20:28:31
287
原创 资源调度增强：runtime 仓库下的资源分配策略深度解读
不仅仅是驱动的封装，它是CANN生态向云原生演进的基石。通过对拓扑感知、虚拟化切分以及动态配置的支持，它解决了 AI 算力在云端“不好管、分不匀、用不满”的痛点。对于开发者而言，深入研究该仓库的源码，不仅能理解 K8s Device Plugin 的标准实现，更能学习到华为在高性能计算集群管理上的实战经验。随着昇腾算力的普及，这一套调度增强策略也将持续进化，为国产 AI 基础设施提供更强的支撑。更多技术细节，欢迎访问CANN 组织主页与ascend-device-plugin 仓库参与社区贡献。
2026-02-06 20:27:40
276
原创 深度解读 CANN Runtime：多流并发场景下的内存管理架构原理
在CANN 组织提供的 ACL 框架下，高效的内存管理是实现多流并发性能翻倍的关键。静态化：变动态申请为预先分配，消除全局锁竞争。异步化：坚持使用Async接口，配合 Stream 实现计算与通信掩盖。对齐化：严格遵循昇腾架构的内存对齐要求，优化总线吞吐。深入理解acl 仓库的底层实现，能够帮助开发者在构建超大规模 AI 应用时，不仅跑得通，更跑得快、跑得稳。本文由 CANN 架构专家团队撰写，更多技术细节请参考 AtomGit 官方仓库。
2026-02-06 20:25:52
283
原创 深度解读 ops-adv：如何通过算子深度优化重塑 Transformer 计算效率
不仅仅是一个代码库，它是华为在昇腾计算算子领域深耕多年的技术结晶。通过对 Transformer 核心算子的深度重构与融合，它为大模型的训练与推理提供了坚实的性能支撑。如果你正在追求极致的模型性能，或者希望深入了解昇腾底层的算子优化之道，欢迎访问AtomGit 上的 CANN 组织，参与到开源共建中来，共同定义 AI 计算的未来。
2026-02-06 20:25:20
351
原创 深入解析 CANN 任务下发流程中的零拷贝优化技术
通过在air 仓库中的深度优化，CANN 架构实现了从“数据搬运驱动”向“地址映射驱动”的转变。零拷贝技术不仅降低了任务下发的时延，更提升了昇腾 NPU 在处理高频、高并发推断任务时的整体吞吐量。对于开发者而言，理解 AIR 的零拷贝机制，有助于在编写自定义算子或进行图优化时，更好地利用Workspace和共享内存，规避不必要的DataCopy算子，从而充分释放昇腾 AI 处理器的性能潜力。若想深入了解更多底层实现细节，欢迎访问CANN 开源社区参与讨论与代码贡献。
2026-02-06 20:24:40
370
原创 深度解析 CANN 图引擎：常量折叠与公共子表达式消除的实现机制
通过对graph 仓库的深度分析，我们可以看到 CANN 在图优化层面的严谨性。常量折叠通过“空间换时间”消除了冗余计算，而 CSE 通过“拓扑归并”减少了算子规模。对于开发者而言，理解这些底层机制不仅有助于编写更高效的模型，也能在利用CANN进行算子开发或底层调优时，更好地利用图引擎的自动化能力。如果你对昇腾计算图的底层实现感兴趣，AtomGit 上的graph 仓库是每一个 AI 工程师不容错过的技术宝库。
2026-02-06 20:24:13
263
原创 深度解读 Metadef：构建 CANN 自定义算子的属性定义与扩展基石
在metadef中，算子属性的定义主要围绕OpDef和Operator类展开。当标准属性类型无法满足复杂算子需求时，开发者需要利用 Metadef 的扩展能力。Metadef 是 CANN 软件栈中“牵一发而动全身”的核心组件。理解了 Metadef 对算子属性的处理逻辑，就掌握了昇腾算子开发的底层密码。对于希望深入了解昇腾架构的开发者，建议密切关注CANN 组织的动态，并深入研读metadef 仓库中的graph和register目录。
2026-02-06 20:22:56
347
原创 HCCL 拓扑感知算法在异构计算集群中的应用分析
通过对AtomGit 上 hccl 仓库的深度剖析，我们可以看到华为在底层通信库上的匠心。拓扑感知算法不仅是简单的路径规划，更是对硬件特性的极致压榨。对于开发者而言，深入理解hccl的实现逻辑，有助于在构建分布式 AI 应用时更好地进行性能调优。欢迎广大开发者访问CANN 组织首页，参与到昇腾生态的建设中，共同推动国产算力底座的进化。
2026-02-06 20:22:26
460
原创 深度解读 ops-nn：探秘华为 CANN 算子融合技术的底层实现与性能逻辑
ops-nn仓库不仅是高性能算子的集合，更是CANN架构下“计算与存储协同优化”思想的体现。通过深入理解其底层融合策略，开发者不仅可以更好地使用现有的算子库，更能借鉴其 Tiling 与访存优化思路，开发出更高效的自定义算子。如果你希望深入了解昇腾算子开发的精髓，建议从阅读ops-nn中的impl源码开始，探索那些精妙的指令编排与内存布局。CANN 组织主页ops-nn 仓库。
2026-02-06 20:21:44
400
原创 容器化开发：在鸿蒙PC上配置Docker/Podman环境
经过一个多月的实践，我现在可以在鸿蒙PC上流畅地运行各种开发环境容器。虽然过程中遇到了不少挑战，但最终的成果是值得的。在鸿蒙PC上运行原本不兼容的Linux工具链创建隔离的、可复现的开发环境轻松分享开发环境配置给团队成员避免污染宿主机的系统环境更重要的是，这次探索让我对鸿蒙PC的系统架构有了更深入的理解。作为一个正在发展的平台，鸿蒙PC为容器化技术提供了新的可能性。现在，每当我启动一个开发容器，看到它在鸿蒙PC上流畅运行，都会想起最初那段充满挑战的配置过程。
2026-01-12 14:23:51
2106
1
原创 调试工具集：鸿蒙PC上的GDB、LLDB、strace等高级调试技巧
调试鸿蒙PC应用就像是在解决一个复杂的谜题。刚开始，工具不全、文档不多，每一步都很艰难。但当你一点点搭建起调试环境，掌握各种调试技巧后，那种成就感是巨大的。现在，当我再看到"Segmentation fault"时，不再感到恐慌。我知道我有GDB可以分析崩溃，有strace可以追踪调用，有各种工具可以帮助我找到问题的根源。调试不仅是修复bug的过程，更是深入理解系统如何工作的机会。每一次调试，都让我对鸿蒙PC的了解更深入一分。
2026-01-12 14:10:41
1281
原创 版本控制实战：Git在鸿蒙PC上的配置、SSH密钥与多账户管理
隔离是关键：为每个身份使用独立的SSH密钥和Git配置自动化是朋友：用脚本和钩子自动化重复任务文档是必须的：详细记录每个仓库的特殊配置定期维护：每月清理一次.git目录，更新SSH密钥鸿蒙PC作为一个新兴平台，Git的某些行为可能与Linux略有不同。但通过精心配置，完全可以获得流畅的开发体验。现在，每当我需要在个人项目、工作项目和鸿蒙开源项目之间切换时，只需要一个命令就能完成配置切换。这种流畅感，正是高效开发的基石。
2026-01-09 16:40:05
1034
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人