Conda 环境一键搬家:用 conda-pack 打包带走,连网都不用

博主头像 换电脑不换环境——用 conda-pack 将整个 Conda 环境打包压缩,U 盘一拷、解压即用,全程无需联网。 目录 方案对比:yml 还是打包? 操作全流程 第一步:在原电脑上找个"临时工"环境装 conda-pack 第二步:打包需要迁移的环境 第三步:把压缩包拷到新电脑,确认路径 第四步: ...

数字电路实验BLog

前言 在完成航班配载系统初次实验后,我自认为已经掌握面向对象程序设计的基础思路,然而数字电路逻辑仿真系统实验,让我对软件架构设计产生了全新、系统的认知。 本次实验区别于前次对现实物理载体的简单建模与数值计算,核心任务为解析结构化文本输入,在内存中构建完整电路拓扑模型。系统需要兼容多种基础逻辑门,包含 ...

15天学会AI应用开发(八)使用向量数据库实现RAG功能

博主头像 上一篇文章采用字符串匹配的方式来查找知识,这种方式比较呆板不够智能,接下来引入向量数据库,通过向量化实现更精细的知识检索。 一、文本嵌入Embedding模型 向量化一段文本的时候,经常用到all-MiniLM-L6-v2,它是一个轻量级的文本嵌入Embedding模型,专门把文字转成数字向量,给R ...

Python中绘制R的科研级可视化图

博主头像 一、重要的桥接Python库 rpy2# pip install rpy2 我的R语言版本为 4.1.3 ,需要rpy2 3.5.X版本去对应 二、确保R环境 确保你电脑已安装 R,并在 R 里装好相关包:# install.packages(c("ggplot2", "ggstatsplot", ...

lil_tea c++ 2026 style guide

博主头像 lil_tea c++ 2026 style guide 本文使用 yoga air + wsl + ubuntu 26.04 + vscode 编写. 把所有 debug 完成, 我保证, codin 是我一辈子的朝圣. 这是我在开发和算竞都使用的代码风格. 部分借鉴自 the cherno, 部 ...

AI Agent 30天速成|Day5 笔记

博主头像 AI Agent 全日制30天速成|Day5 教学笔记 今日总学习目标 区分短期记忆/长期记忆,掌握Agent分层记忆架构设计 实现滑动窗口、摘要压缩、向量记忆三种主流记忆方案 基于Day4规划Agent改造,接入持久化对话记忆(Redis存储会话) 解决超长多轮对话Token爆炸、历史遗忘、上下文 ...

GDB调试简介与调试配置

博主头像 一、GDB简介 GDB,全称为GNU Debugger,是GNU项目提供的一款命令行调试工具,主要用于调试C、C++ 等语言编写的程序。在Linux开发中,GDB是非常常用的调试工具,尤其适合分析程序运行过程中的崩溃、段错误、逻辑错误以及变量变化情况。 正常情况下,我们运行一个程序时,只能看到程序最 ...

GPIO同时复用(ADC与TIM)

博主头像 众所周知,MCU的GPIO可复用为不同的功能.那么是否可以同时使能多个功能呢?可以(当然,部分架构可能不支持) 常见示例: 模拟IIC: GPIO在开漏输出的同时可以读IDR来获得输入 无LPUART的MCU实现低功耗唤醒: 把RXD同时复用为外部中断来唤醒,但会丢失首字节 UART自动波特率识别: ...

HagiCode 中 AI 提交使用的提示词:设计思路与实现拆解

博主头像 HagiCode 中 AI 提交使用的提示词:设计思路与实现拆解 当你把一堆乱七八糟的改动丢给 AI 让它帮你提交时,背后到底发了一段什么样的提示词给模型?为什么提示词要写成那个样子?这篇文章把 HagiCode 里真正驱动"AI 提交"的提示词拆给你看。 背景 用 AI 辅助开发这事,其实也算是经 ...

Claude Code 跨电脑会话上下文迁移完全指南(附实战案例)

博主头像 换电脑后如何无缝延续 AI 辅助开发?一份手把手的迁移手册,涵盖原理、方案与避坑细节。 目录 一、为什么要迁移会话? 二、先搞懂 Claude Code 把数据存哪了 路径编码规则(非常重要) 三、两种迁移方案 方案 A:相同路径(最简单) 方案 B:路径不同(通用方案) 实战场景 迁移包结构 四、 ...

3min手搓一个帮助文档,很合理吧!

博主头像 最近在加班加点的做一个Token工厂, 模式类似与京东:有自营算力产生的模型,也外接第三方旗舰模型。 作为Token聚合分发平台,帮助文档是刚性需求。 Docsify是一个将Markdown文件转换为单页面静态网站(无需任何构建过程)的开源项目,实测下来3min就能构建并搭建一个 帮助文档站点。 1 ...

Adaboost算法原理与计算实例

Adaptive Boosting(自适应提升)基于Boosting思想实现的一种集成学习;算法核心思想是:通过逐步提高那些被前一步分类错误的样本的权重来训练一个强分类器。 本章会讲解Adaboost算法推导过程,并用一个数值实例带着读者计算,使读者能够完全理解这个训练弱分类器至强分类器构建的过程。 ...

<1···151617···100>