- 博客(451)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 rosdep中涉及到的核心概念
核心载体是依赖声明的入口，rosdep 数据库是依赖映射的核心依据；核心命令负责更新映射规则，负责解析并安装系统依赖；核心目标：自动解决 ROS 包的系统级依赖问题，适配不同操作系统，简化 ROS 开发环境搭建。这些概念的核心逻辑围绕“声明依赖 → 映射依赖 → 安装依赖”展开，理解后就能轻松使用 rosdep 管理 ROS 包的依赖了。
2026-01-09 06:58:05
1
原创 windows下，通过ROS2与Isaac Sim互动1：安装ROS2
不得不说的是，windows本身也是可以直接装ROS2的，但是这个教程看着着实让人头大。一些让我印象不好的老朋友，都罗列其中。然而，最关键的，还是Isaac Sim推荐的也是通过wsl进行安装，因此倒也不必纠结。按照Isaac Sim的说法，win11，只需选择Humble即可。没有了多余的选择，反而可以减少我们的焦虑。（例如，我们本可以花时间，去搞清楚3种ROS2的区别，以及我最适合哪一种）关于这部分具体的安装，之前已经有过，这里直接粘贴过来。
2026-01-08 23:21:25
127
原创 为什么我创建的ubuntu，比如wsl下创建的，还有docker下创建的，而我自己竟然不知道root密码？
那就是为什么我创建的ubuntu，比如wsl下创建的，还有docker下创建的，而我自己竟然不知道root密码？原因是，我根本就没设置root的密码。sudo -i 进不去root。root的密码是需要设置的。一个申请的困惑终于解开了。后面就可以进到root了。
2026-01-08 07:11:20
48
原创 Isaac Sim机器人基本操作及关键词汇英中文对照
Isaac Sim提供GUI、Extension脚本、Standalone Python三种核心操作方式，覆盖从可视化调试到自动化运行的全场景需求，以下以Franka Emika Panda机械臂为例，详细说明核心操作流程。
2026-01-08 06:22:44
220
原创 Isaac Sim初体验
打开bing，搜索Isaac Sim，进入官网。6.0是最新版，上面一堆乱八七糟的提示。首先，6.0这个版本特别新，官方不是很推荐，让切换到stable版本。这个咱后续再看。下面那条说的是，Isaac Sim 6.0 早期开发者版本： 本文档内容不完整。如需使用此版本，请从 GitHub 上的源代码构建 Isaac Sim。二进制文件、pip 包、预构建容器及其他制品将在正式发布（GA）版本中提供。具体的体现是，在这里，下载的安装包，就不是6.0的。说这么多废话，就是说，咱先不用这个6.0。
2026-01-02 12:38:34
330
原创 websocket.WebSocketApp是全双工的吗？
支持全双工通信，其底层依赖的 WebSocket 协议是全双工的；它的默认单线程阻塞模式会限制全双工特性的发挥，耗时操作会阻塞事件循环；可通过“线程/进程分离耗时操作”或“使用异步 WebSocket 库”解锁完整全双工能力。
2026-01-01 08:16:08
582
原创 我们公司自己做的系统，用的是https，我在上面挂了一个web socket的服务，所以它就变成了wss，但他们当时这个系统又没有证书，我该怎么用python访问这个服务呢？
【代码】我们公司自己做的系统，用的是https，我在上面挂了一个web socket的服务，所以它就变成了wss，但他们当时这个系统又没有证书，我该怎么用python访问这个服务呢？
2025-12-30 06:56:39
13
原创 我有一个pod，里面有个container，在某个IP地址（192.168.1.1）的8765部署了websocket服务，我下一步该怎么做？
你现在有一个运行着 WebSocket 服务的 Pod（IP: 192.168.1.1，端口: 8765），核心需求是让这个 WebSocket 服务能被正常访问（集群内 / 集群外）。我会按从易到难、从测试到生产的顺序，告诉你下一步该做的完整步骤：首先需要为这个 Pod 创建一个 Kubernetes Service，把 Pod 的 8765 端口暴露出来。WebSocket 基于 TCP 协议，用ClusterIP（集群内访问）或NodePort（集群外测试）类型都可以。
2025-12-27 11:26:35
80
原创 xiaozhi代码学习，TTS是怎么实现的
在xiaozhi-esp32-server项目中，TTS（Text-to-Speech，文本到语音）是一个核心功能模块，负责将AI生成的文本响应转换为语音输出。本文将深入分析该项目的TTS实现机制，包括架构设计、核心组件和工作流程。TTSProviderBase (抽象基类)├── aliyun.py (阿里云TTS)├── aliyun_stream.py (阿里云流式TTS)└── ... (其他TTS提供商)模块化架构: 清晰的抽象层和具体实现分离流式处理: 支持实时音频流，降低延迟。
2025-12-22 07:08:29
40
原创 powershell上实现类似nohup的功能（实操）
我这里是有一个web socket的项目。本身就是一个python的项目，直接使用python运行就行。但这个信息很少，只显示了个“python”不愧是windows啊，就在这种花里胡哨的东西上下文章。打完回车，直接弹出来一个表格。功能和nohup很像。
2025-12-21 03:00:00
623
原创 PowerShell 如何实现和 nohup 类似的功能
PowerShell 虽无原生nohup命令，但通过Start-Job或 WMI/CIM 三种方案，均可完美实现“脱离终端、后台运行、输出重定向”的核心需求。其中：简单场景选Start-Job，高效快捷；通用场景选，稳定兼容；高级场景选 WMI/CIM，底层可靠。根据实际需求选择合适的方案，即可在 Windows 环境中实现类似 Linuxnohup的高效运维体验。如果需要针对具体场景（如远程进程、服务化运行）进一步优化，可在评论区补充需求~（注：文档部分内容可能由 AI 生成）
2025-12-21 02:00:00
28
原创 本地运行可以打印东西，docker run后却没有日志产生？记录一次AI编程的小蠢行为
AI生成的代码往往只满足“功能运行”，但忽略环境适配（比如Docker的输出特性）；捕获的是容器的，程序输出若被缓冲、或输出到文件，日志都会“消失”；掌握docker run核心参数（-it-d等），能解决80%的日志问题。最后再强调：本地运行和Docker运行的核心差异在于“运行环境”（TTY/非TTY、输出流、权限等），AI不会主动考虑这些细节，这也是程序员不可被替代的价值——不仅要让代码“能跑”，还要让代码“适配场景”。Docker日志缺失的核心原因之一是程序输出缓冲未刷新。
2025-12-20 15:46:51
45
原创 搞了个web socket，没想到竟有这么多知识点
WebSocket 是一种在单个 TCP 连接上进行全双工通信的协议，相比 HTTP 轮询更高效，广泛用于实时聊天、数据推送、设备监控等场景。本文将手把手教你搭建一个支持「客户端消息回显」+「服务器定时广播」的 WebSocket 服务，并通过 Docker 实现快速部署。
2025-12-20 07:11:32
25
原创 WeKnora：腾讯推出的LLM驱动文档理解与检索框架，重新定义智能文档交互
WeKnora是一个专注于深度文档理解与语义检索的框架，其核心设计理念是将多模态预处理、语义向量索引、智能召回与大模型生成推理深度融合。通过RAG范式，它能将用户问题与文档中最相关的片段精准匹配，再结合LLM的推理能力生成高质量回答，解决了传统检索中“答非所问”或“信息片面”的痛点。在信息爆炸的时代，WeKnora以“理解+检索+生成”三位一体的能力，为企业级文档交互提供了高效解决方案。
2025-12-18 09:15:00
38
原创 Sim：轻松构建和部署AI代理工作流的开源平台
基于拖拽界面的可视化工作流构建器AI代理创建与自动化能力80+内置集成（支持OpenAI、Slack、Gmail、GitHub等）实时团队协作功能多种部署选项（云托管或自托管）通过MCP协议支持自定义集成无论是快速原型设计还是生产环境部署，Sim都能提供灵活且强大的工具链支持。
2025-12-17 09:15:00
43
原创 OpenAI Codex CLI：终端中的AI编码助手，重新定义开发工作流
Codex CLI是OpenAI开发的一款轻量级编码代理工具，它运行在本地终端中，旨在为习惯终端工作流的开发者提供无缝的AI辅助开发体验。与2021年发布的Codex模型不同（该模型已于2023年3月停用），这款CLI工具是全新的终端交互工具，能够理解代码库并执行各种开发任务。通过或等简单命令即可完成安装，随后输入codex即可启动交互模式，瞬间将你的终端升级为智能开发环境。Codex CLI将AI的推理能力与终端的强大功能无缝结合，创造了一种全新的"对话驱动开发"模式。
2025-12-15 17:46:42
468
原创 Daytona：为AI生成代码打造安全弹性的运行基础设施
Daytona为AI时代的软件开发提供了关键基础设施支持，通过安全隔离的沙箱环境、灵活的资源管理和完善的开发工具链，降低了AI生成代码的运行风险，提高了开发效率。对于正在探索AI辅助开发的团队和个人来说，Daytona无疑是一个值得尝试的强大工具。如果你想体验AI生成代码的安全运行环境，不妨从Daytona GitHub仓库开始探索，跟随快速入门指南搭建属于你的AI代码运行基础设施。
2025-12-15 17:39:53
31
原创 python中的click包是干啥的？
Click 是 Python 生态中最流行的 CLI 构建库，知名工具如 Flask、Pipenv、Cookiecutter 等均基于 Click 开发。，Click 更简洁、易用，支持装饰器语法、自动生成帮助文档、嵌套子命令、参数校验等特性，是构建 CLI 工具的主流选择。的第三方库，由 Pallets 团队（Flask 核心团队）开发，相比 Python 标准库的。Click 是 Python 中。
2025-12-13 07:15:01
394
原创 NocoBase：重新定义无代码开发，让技术创新触手可及
简单来说，NocoBase是一款以扩展性为核心的开源无代码开发平台。它打破了传统无代码工具“功能固定、难以定制”的局限，通过开放的架构和丰富的插件生态，让用户既能享受无代码开发的高效，又能拥有对系统的完全掌控权。无论是中小企业快速搭建业务系统，还是大型企业定制复杂工作流，NocoBase都能胜任——无需投入数年研发时间，也无需数百万资金成本，只需几分钟部署，就能拥有一个属于自己的、可无限扩展的无代码平台。
2025-11-08 10:00:00
126
原创 当LLM遇见计算机视觉：Skyvern如何重塑浏览器自动化工作流？
在数字化时代，浏览器自动化早已不是新鲜事——从简单的表单填写到复杂的数据分析，我们始终在寻找更高效的方式让机器替代重复的人工操作。但传统自动化工具总被一个难题困住：网站布局稍作调整，基于XPath或DOM解析的脚本就会集体“罢工”。直到Skyvern的出现，这一困境有了新的解法。这个融合了大语言模型（LLM）与计算机视觉的工具，正在重新定义浏览器自动化的边界。
2025-11-08 08:00:00
117
原创 DeepCode：多智能体驱动的开源编程革命，让代码生成迈入新次元
DeepCode的核心定位是"开源智能体编程平台"，其底层依托多智能体协同系统，实现了从自然语言需求、学术论文到高质量代码的全流程自动化。与传统代码生成工具不同，它并非单一模型的输出，而是通过多个智能体的分工协作（需求分析、架构设计、代码实现、测试验证等），解决复杂场景下的编程任务。作为开源项目，DeepCode支持Python 3.13环境，已在PyPI发布（），并提供MIT许可证，允许开发者自由使用和二次开发。
2025-11-06 15:58:09
122
原创 BettaFish：打破信息茧房的多智能体舆情分析系统
在信息过载与偏见并存的当下，BettaFish用技术为我们打开了一扇“看见真实”的窗口。无论是企业监控品牌舆情、机构分析社会热点，还是研究者挖掘公众态度，这款“小而强”的工具都展现出巨大潜力。如果你也关注舆情分析、多智能体系统或爬虫技术，不妨去GitHub探索这个项目，或许能找到新的灵感。
2025-11-06 15:04:30
404
原创 记录windows安装dgl，看看有坑没有
本文记录了DGL（Deep Graph Library）在Windows系统下的安装过程及版本适配问题。作者使用的环境为Python 3.10、CUDA 12.1和PyTorch 2.1.0。文中指出DGL版本更新滞后于主流框架，导致CUDA和PyTorch版本需降级适配。详细步骤包括：安装Miniforge创建虚拟环境、配置指定版本CUDA-NVCC、安装适配版本的PyTorch，最后安装DGL。文档还附带了安装过程中遇到的报错截图，为同类问题提供了参考。整个过程突显了DGL在Windows平台下的兼容性
2025-11-04 19:10:24
104
原创 windows11家庭版自带虚拟机（windows沙盒 windows sandbox），让你节省买电脑的米
咋跟说的不一样，找不到windows沙盒啊。点击启动或关闭windows功能。网上说了，家庭版没这个东西。目前是这样：咱也不敢动啊。好吧，我就是家庭版。BAT的内容复制一份。
2025-10-30 19:31:44
291
原创 PaddleOCR 3.0：重新定义OCR与文档AI的技术边界
PaddleOCR是由百度飞桨（PaddlePaddle）开发的开源OCR与文档AI引擎，凭借工业级的准确率和丰富的功能，已成为全球开发者构建智能文档应用的首选工具。截至目前，它在GitHub上已积累超过5万星标，被5.9万+项目依赖，深度集成于MinerU、RAGFlow、OmniParser等知名项目中，是AI时代文档智能处理的“基础设施”。PaddleOCR 3.0以“高精度、多场景、易使用”为核心，通过PaddleOCR-VL、PP-OCRv5等模型覆盖了从文本识别到智能文档理解的全流程需求。
2025-10-21 14:47:25
106
原创 探秘nanochat：用100美元打造你的专属ChatGPT
nanochat被作者戏称为"100美元能买到的最好ChatGPT"，它是一个简洁、最小化的全栈LLM实现。与那些需要巨额资金和海量计算资源的大型语言模型不同，nanochat专注于在有限资源下实现可用的对话AI能力，让普通开发者也能体验训练和部署语言模型的全过程。该项目源自Karpathy之前的nanoGPT项目（专注于预训练），并受到modded-nanoGPT的启发，同时整合了HuggingFace的fineweb和smoltalk等资源。
2025-10-21 14:22:52
234
原创 我为什么执意把ollama放到docker里
我们之前说了dify配置ollama时，无法使用localhost的问题。《Dify设置访问ollama报错》其中缘由是，dify部署在docker里，ollama放在宿主机上。dify的localhost并不等价于宿主机。《提问：如何实现，我在docker container中，curl localhost:11434时，实际访问的是宿主机的11434端口？这里给出了两种方法，给出了解决思路。然而，不管怎么说，我们的ollama都是没有密码保护的。那岂不是谁想访问就能访问？
2025-09-27 07:14:55
377
原创 用python找到周线的二卖，二，顶分型和底分型
就是，如果，三根K线，最中间的一根，它的高点是最高的，低点也是最高的，形成一个品字形，那它们就组成了顶分型。如果在上升中，一根K线，它的最高点是最高的，最低点也是最低的，那又怎么办呢？顶分型和底分型，确实是最基础的，相对而言，K线合并要更复杂一些。但，顶分型和底分型的量化版精确定义，又是建立在K线合并之上的。如果两根K线，它们的最高点是重合的，那又怎么办呢？这个好说啊，随便就可以写段python实现啊。其实，顶底分型，应该是缠论里最基础的东西。这个时候，就需要对K线合并了。对，就是上一篇文章中说的。
2025-09-09 01:14:20
339
原创 用python找到周线的二卖，一，实现K线的合并
人家这个图画的是真好，我就不重复了。缠论再学习1-K线标准化后面竟然还有代码~咱也不客气，直接试试这代码能不能用。跟咱之前的下载数据的代码进行了融合，结果还是可以的。# 1. 定义核心类（参考文档）self.isUp = isup # True=向上, False=向下# 2. 辅助函数（参考文档）"""处理独立K线"""pLast += 1"""处理包含K线"""# 3. K线合并主函数（参考文档流程图）# 初始化合并容器（转换为stCombineK对象）combs = []
2025-09-07 10:13:12
310
原创 下载历史数据？感觉baostock确实比pytdx好用很多。
关于数据下载这块，确实比较小白。之前听说过tushare，但好像需要什么key，感觉麻烦，就没弄。后来知道了pytdx，这玩意儿好啊，可以直接用自己本地的数据~但就是说，你运行自己的程序之前，得先打开软件，把想要的数据缓存下来。别看这玩意儿，听起来也没多么麻烦，但实际体验挺差的。所以，后面，慢慢地转向了使用pytdx直接从接口下载数据。在线数据，就是官网例子里的host和端口已经不好使了，好在我在网上，还真找到个能用的端口。但pytdx的在线数据，操作起来，还有其它的麻烦。
2025-09-07 07:49:11
472
原创 在一台没联网的机器上，用ollama加载qwen3，14b
这样一来，容器往/root/.ollama中下载数据的时候，就会自动保存在宿主机的当前文件夹的ollama文件夹中。，这个部分相当关键，它表示，我们要把当前文件夹下的ollama文件夹，挂载到容器的/root/.ollama中。使用docker部署ollama之前，先要拉取ollama的镜像。而此时，我们退到宿主机上，ollama文件夹中也自动包含了我们需要的文件。后续操作就是把ollama文件夹打包，并且上传到没网的那台机器上。但是，高高兴兴地上去之后，发现，此机器竟不可以联网~
2025-08-20 18:31:42
225
原创 重塑AI与自我的边界：Second Me——你的专属开源AI分身
在OpenAI等巨头打造的"超级AI"逐渐威胁人类独立性的时代，一个名为"Second Me"的开源项目正以截然不同的理念崭露头角。这个由Mindverse团队开发的创新原型，旨在让每个人都能拥有属于自己的AI分身，重新定义人类与人工智能的关系。
2025-08-06 15:52:28
430
原创 MiniMind：从零构建超轻量语言模型，3元成本+2小时实现大模型自由
MiniMind以"大道至简"的理念，打破了大模型开发的高门槛壁垒，让更多人能够亲身体验从0到1构建语言模型的乐趣与挑战。无论是AI初学者想要了解大模型的工作原理，还是开发者希望快速验证自己的想法，MiniMind都是一个值得深入研究的优秀项目。正如项目所说："用乐高拼出一架飞机，远比坐在头等舱里飞行更让人兴奋！"在MiniMind的世界里，每个人都能成为大模型的创造者。
2025-08-06 15:14:16
649
安卓socket实现聊天与文件上传
2013-08-12
spring web service 官网示例 基于spring-ws
2014-10-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人