登录社区云,与社区用户共同成长
邀请您加入社区
功能及生态场景主要覆盖AI工具使用、跨设备传文件、文献整理、小组协作等,常见痛点包括:第一AI功能鸡肋,不少机型搭载的AI功能只能实现基础的语音转写,准确率低、适配场景少,无法满足整理课堂录音、生成论文大纲、辅助修图剪辑等实际学习需求;荣耀MagicBook Pro14 2026的多屏协同功能是其PC生态的核心优势,可实现手机、笔记本、平板、穿戴设备跨端无缝互联,无需U盘即可快速互传大文件,还支持
本文介绍数据结构中的串,强调其字符序列特性及与空串、空格串的区别。重点讲解定长顺序存储与堆分配存储两种方式,分析其优劣。核心内容为模式匹配算法:暴力匹配(BF)效率低,而KMP算法通过Next数组实现主串指针不回退,利用已匹配信息提升效率。总结串的基本概念、存储结构与高效匹配方法,为后续学习奠定基础。
本文分享了一位拥有6年金融经验的金融人的AI转型成功案例。文章核心内容为:AI时代,金融经验是宝贵资产,转型AI无需从零开始,关键在于将金融业务与AI应用能力相结合。通过明确AI在金融场景中的应用方向,并围绕金融业务痛点进行项目实践,成功实现从传统金融岗位到AI金融岗位的转型。最终,该金融人凭借深厚的行业积累和AI应用能力,成功获得中信证券相关岗位的Offer,月薪35K。文章强调,金融背景人士在
本课聚焦Kotlin Multiplatform中平台适配与互操作,核心掌握expect/actual编译时契约机制,理解其在类型安全与实现完整性上的优势;对比接口注入方案,明确其在可测试性与灵活性上的优势;深入探讨Compose与SwiftUI双向嵌入架构,通过UIViewController实现跨框架视图融合,并解决WASM平台特殊调用及iOS高刷新率配置等关键问题,为跨平台应用提供系统化解决
本课聚焦Ktor客户端在多平台项目中的应用,通过引擎抽象实现跨平台网络请求统一管理。掌握HttpClient的配置与复用、ContentNegotiation插件实现JSON序列化,并基于Repository模式隔离网络逻辑,为后续ViewModel与依赖注入奠定数据层基础。
本课聚焦 Compose Multiplatform 应用的四端发布:Android(AAB/APK)、iOS(IPA,需macOS与Xcode)、桌面(Dmg/MSI/Deb,不可交叉编译)、Web(静态托管)。掌握签名、打包、CI/CD 策略,理解平台约束,实现自动化构建与部署,完成从开发到交付的闭环。
本课聚焦测试与调试,构建“测试金字塔”架构意识:通过 commonTest 实现跨平台单元测试,使用 Fake 替代 Mock 提升兼容性;掌握 runComposeUiTest 与桌面 JUnit 测试的差异及适用场景;借助 Turbine 断言 StateFlow 状态序列;利用 Kotlin/Native 的 GC 统计检测内存泄漏,实现高效、可靠的多平台应用质量保障。
本课系统讲解 Compose Multiplatform 资源管理与主题设计。通过统一的 composeResources 目录结构,实现跨平台资源共享,利用类型安全访问器(如 Res.drawable.logo)高效引用图像、字体和字符串。支持语言、主题等限定符实现本地化与深色模式适配。结合 Coil 3 图片库,基于 Ktor 网络引擎实现网络图片异步加载与缓存。最后构建自定义 Materia
本课聚焦于多平台开发中 ViewModel 的跨平台实现与状态管理。通过引入单一状态对象与 StateFlow,实现状态的不可变性与可追溯性;结合 collectAsStateWithLifecycle 安全收集状态,确保生命周期一致性。采用 Event Sink 模式收敛事件入口,提升代码可维护性。掌握 MVVM 架构核心原则,为后续平台适配与架构深化奠定基础。
本课聚焦导航与路由,讲解 Navigation Compose 的三大核心概念:路由、目的地与 NavHost。通过类型安全路由实现编译期校验,利用 NavHost 管理返回栈,支持参数传递与深层链接。掌握 navigate() 与 popUpTo 等操作,实现精准导航控制,并结合 SavedStateHandle 在 ViewModel 中安全获取参数。同时介绍导航动画与跨平台兼容性,为构建可维
本课聚焦Compose布局与组件核心,系统掌握Column/Row/Box嵌套组合策略,理解LazyColumn按需渲染与key优化机制,实现长列表高性能展示。深入学习Material3组件库,构建“布局即结构,组件即语义”的开发思维,为后续导航、状态管理与跨平台开发奠定坚实基础。
本课深入解析 @Composable 的编译器机制,揭示其通过 Composer 参数注入、Slot Table 构建与跳过重组等技术实现高效响应式更新。掌握状态管理核心 API(mutableStateOf、remember、rememberSaveable),理解重组作用域与稳定性规则,建立基于副作用与链式调用的 Modifier 思维,为后续开发高性能 Compose 应用奠定语法地基。
SiteMind 是“网站生命体”,建站后自动进化内容、结构、SEO与转化。通过意图驱动建站、自进化引擎、流量自生长等六大创新,实现“建一次,网站自己活”。3分钟生成商业站,月增30%流量,转化率提升2-5倍,运营人力减少80%,真正实现零代码自运营与持续增长。
这款由复旦NLP团队打造的AI学术智能体,专治“不会搜、读不懂、跟不上前沿”的痛点,一站式打通检索-解读-追踪全链路,尤其适合跨学科或外语薄弱的硕博生。零代码点选操作,统计分析+高精度绘图一步到位,远超Excel,满足SCI/核心期刊投稿要求(生物/医学/工程/社科均适用)。无需本地安装LaTeX,模板丰富、实时协作、版本历史,专治“格式调半天、团队改稿冲突”的痛点,理工硕博毕业论文/SCI首选。
needlehaystack 已匹配区域的某个后缀==needle 的某个前缀但实际上不需要重新研究haystack。haystack 已匹配区域==needle 已匹配的前缀所以haystack这一块内部具有什么结构,完全可以通过needle自身得到。于是问题被转化成:对于needle的某一段前缀,它自身最长的“相同前缀和后缀”有多长?这样就可以提前对needle进行一次预处理,把这些信息保存下
本实验基于ROS2 Lyrical,仅通过终端命令与RViz交互,零代码实现TurtleBot3移动导航。阶段一启用SLAM-Toolbox建图,键盘遥控扫描环境后用map_saver_cli保存地图;阶段二加载地图,通过2D Pose Estimate初始化位姿,使用2D Nav Goal下发目标,实现自主导航与动态避障。最终通过ros2 action send_goal命令行调用导航动作,验证
实验3通过Turtlesim小乌龟仿真,零代码掌握ROS2核心工具:用rqt_graph可视化通信、rqt_plot实时绘制轨迹、rqt_console与logger_level调试日志、bag2录制回放探险过程,结合rqt_tf_tree和ros2 wtf实现系统监控与自检,全程无需编写代码,轻松实现“无代码”机器人行为分析与优化。
本课深入讲解 Compose Multiplatform(CMP)跨平台开发,通过真实电商场景对比传统多端开发,揭示其可节省35%-40%成本。详解KMP与CMP关系:前者共享逻辑,后者扩展至共享UI。课程涵盖项目结构、expect/actual处理、状态管理、导航与性能优化,并以8个带注释参考答案的练习强化实战能力。适合希望用一套Kotlin代码覆盖Android、iOS、桌面及Web的开发者。
本课聚焦 Compose UI 测试,通过真实场景详解 createComposeRule 与 createAndroidComposeRule 的选用,掌握语义树查找、测试标签与可访问性属性的使用,实现节点交互、异步同步、Hilt 集成及 KMP 共享代码测试。结合八道带注释练习与参考答案,构建从组件到端到端的测试金字塔,确保界面“正确”——让自动化测试成为设计的最后一块拼图。
本文深入探讨KMP工程实践,聚焦2026年新默认项目结构——共享库(shared)与平台入口模块分离,实现代码模块化。详解expect/actual的编译时强制约束优势,推荐函数级使用,并区分其与运行时条件编译的本质差异。提出“接口+依赖注入”替代expect/actual处理服务依赖,介绍Koin注解方案实现无expect/actual的平台适配。最后分析三种共享策略:仅共享逻辑、部分共享UI、
KMP算法代码到底为什么要那样写?用两分钟的时间看完这篇文章,或许你能茅塞顿开!
转行AI产品无需代码基础,掌握平台工具、用户场景与提示词工程即可切入。从轻量Bot试错到多模态交互设计,结合RAG、微调与部署实践,逐步构建闭环能力。2025年为Agent元年,大模型应用前景广阔,复合型人才需求激增。趁势而为,用系统学习路线抢占职业新蓝海。
本课对比Jetpack Compose与Compose-Multiplatform,介绍KMP跨平台架构:共享模块(shared)复用UI逻辑,Android与桌面端分别通过Activity和main+application+Window入口。通过expect-actual机制隔离平台差异,实现一套代码运行多端。强调不可忽视平台适配,新项目应使用统一资源管理,避免重复维护。核心思想为“通用代码放s
本文详解从SpringAI迁移到LangChain4j的实战路径,核心亮点是通过@AiService注解实现“接口即AI服务”——定义Java接口+注解,框架自动生成动态代理,实现零代码调用大模型。支持参数模板、结构化返回(record)、会话记忆(@MemoryId)、流式输出(TokenStream/Flux),并提供SpringBoot自动装配与配置映射表,彻底将AI调用“Mapper化”。
本教程系统复盘Compose开发核心知识点,涵盖布局、状态管理、性能优化、导航与MVI架构,梳理高频坑点如状态丢失、重组卡顿、内存泄漏等,并明确SavedStateHandle与Room分工。总结单Activity架构适用边界,提出动画、自定义绘制、KMP跨平台等进阶路线,助力开发者构建高效可维护的Compose应用。
随着AI技术的快速发展,大厂开始推行全栈化,要求前端、后端工程师掌握跨端技术栈。文章分析了企业推动全栈化的原因,包括AI降低跨端开发成本、减少沟通等待成本、业务变化速度快等。同时,文章探讨了前端和后端岗位的变化趋势,以及程序员应该建立的新竞争力,如完成闭环、建立T型能力结构、用好AI等。最后,文章为不同阶段的程序员提供了转型建议,强调不断学习、打破边界、提升综合素质的重要性。
移动端学习产品开发的核心挑战在于跨平台(App、小程序、H5)的学习状态一致性管理,需应对弱网、后台切换、播放器生命周期等复杂场景。织码在线教育系统采用UniApp+Vue 3技术栈,通过分层架构设计:1)页面组件层组合UI元素;2)状态缓存层管理细粒度数据;3)平台适配层封装原生差异;4)统一请求层处理网络异常。关键技术包括:播放器状态机实现断点续播、接口幂等设计保障进度同步、条件编译集中管理平
QwenPaw与AgentTeams协同构建企业级多Agent体系,前者为个人智能助理,后者为企业级协作引擎。通过运行时、协作层与治理层三层架构,实现跨框架协同、零代码集成旧系统、统一安全治理与可观测性。支持QwenPaw与OpenClaw混编,引擎可插拔,部署形态从单机到全托管三级跳,满足不同阶段需求。核心理念:不绑定框架,资产可复用,助力企业高效落地AI协作。
题目1:编写函数 maxOfThree(a: Int64, b: Int64, c: Int64): Int64,返回三个数中的最大值,使用 if 表达式。答案与解读:仓颉是静态强类型语言,要求运算符两侧类型相同可以避免隐式转换带来的精度丢失和逻辑错误,让类型转换在代码中显式可见,提高程序的安全性和可读性。赋值运算符 = 和复合赋值运算符 +=、-=、*=、/=、%=、**= 等,所有赋值表达式的
答案与解读:值类型赋值时复制值,修改副本不影响原值,例如 Int64、Bool、struct。编写函数 describeScore(score: Int64): String,90 及以上返回“优秀”,60 及以上返回“及格”,否则返回“不及格”。答案与解读:main 是仓颉约定的程序入口,编译器会特殊识别,因此不需要像普通函数那样写 func。· 函数有返回值要写返回类型:如 : Int64、:
如果你想自己提交新特性,同样欢迎——PR 标题标注 「社区学习赛自提高级任务」 ,提交至 proposal 仓库走架构特性评审流程即可。提交 PR(标题标注「社区学习赛」)并在认领评论下附 PR 链接,Committer 审核合入后发放。「仓颉开源社区学习赛」开赛一个多月,评论区已经挤满了认领任务和提交 PR 的开发者——第二批任务已经开抢,中级名额正在快速消耗——评论区见,我们等你来提交第一个
2026年AI进入Agent时代,掌握AI Agent搭建已成为普通人提升竞争力的关键。无需编程基础,零代码即可通过任务拆解与工具组合快速入门。当前AI人才缺口超500万,大厂岗位暴增,薪资普遍超6万/月,AI赛道前景广阔。为帮助小白高效入局,特分享全套免费学习资源包(含思维导图、书籍、视频等),后台回复【Agent】或扫码领取,抓住AI黄金十年机遇!
课程讲解了Trae怎么下载以及作用是什么,下载是搜索www.trae.com然后自定义位置即可,自定义位置不是特别好找,接着老师展示了一下让Trae写代码,然后启动,比较有趣的是表白代码,挺神秘但好像也没那么神秘,还是比较喜欢搞点有趣的东西的,但现在知道的东西太少对代码了解大概百分之一。今天(9月5号)学习Vibe Coding:AI IDE Trae的安装和实践。
本文分享一位手术室护士通过3个月成功转型强生AI产品经理的案例,揭示临床背景在AI+行业赛道上的独特优势。核心方法论包括:1.盘活自身行业经验,绘制流程痛点地图;2.零代码搭建demo验证可行性;3.聚焦行业深度而非技术标签。文章强调"翻译比学习重要",建议有3年以上行业经验的职场人挖掘本领域AI应用场景,而非盲目挤占通用AI岗位。作者提供AI学习路线和医疗AI产品方案模板,欢迎符合条件的读者留言
本文基于近3个月实测,对比天学网、扇贝、墨墨三款英语词汇工具在记忆算法、词库覆盖和跨端同步上的差异,并给出4周留存率数据,帮你看清哪款更适合自己的学习场景,少走弯路。总有人跑来问,英语词汇用哪个工具靠谱。这事我踩过的坑真不少。2021年给妹妹挑背词软件,我前后装了快10款。有的App广告比单词蹦得还勤,背半小时能弹三次,最后广告词我倒背如流,单词没记住几个。后来和团队花了近3个月,把天学网、扇贝、
<think>我们根据要求生成不超过150字的文章摘要。内容要涵盖主要观点:AI行业门开但不随便进,非技术背景可通过应用层岗位转型,如AI产品经理、提示词工程、AIGC等;强调原行业经验+AI工具是护城河,90天行动,注意陷阱。需要精炼。</think>AI行业向非技术背景者敞开,但不需会编程,须会用AI解决实际问题。转型主战场在应用落地层,如AI产品经理、提示词工程、AIGC等岗位,重业务理解与
内容是关于大模型应用开发岗位的自我诊断。摘要需简洁概括核心观点。注意字数限制。</think>本文针对大模型应用开发岗位高薪热潮,提供自我诊断指南。指出入行需统招本科、理工科背景、掌握Python、具备工程习惯与持续学习意愿,且能独立完成项目落地。不适合速成、仅图高薪或零代码者。强调应结合业务成为复合型人才,才能抓住AI职业机遇。
常见实现方式:切片反转、双指针交换(左右指针相向移动,交换对应字符,时间复杂度最优)、遍历倒序拼接:从最后一个字符向前遍历,逐个拼接。暴力匹配原理:依次以主串每个字符为起点,与模式串逐字符比对,匹配失败则主串指针回溯、模式串指针重置,直到匹配成功或遍历完毕。,全称 Knuth-Morris-Pratt,专门解决暴力匹配的回溯冗余问题,是字符串匹配的核心进阶考点。核心技巧:写一个区间反转函数,给起始
然而,随着数字化转型进入深水区,企业发现,大量高频、低效的线下操作——如供应商纸质送货单录入、多库区库存人工盘点、跨部门资产清查——仍依赖传统手工方式,耗时费力且极易出错,成为制约整体提效的“最后一块短板”。基于首期合作建立的高度信任,该央企省级分公司再次选择RPA学习天地,并明确提出:希望本期培训能够提供“即学即用、覆盖全员”的通用型解决方案,让非技术背景的仓管、财务、行政、零售等岗位员工,也能
Axolotl 是一款旨在简化各种人工智能模型微调的工具,支持多种配置和架构。主要特点:示例:Llama-Factory使用零代码命令行与 Web UI 轻松训练百余种大模型,并提供高效的训练和评估工具。主要特点:示例:FirflyFirefly 支持对主流的大模型进行预训练、指令微调和 DPO。主要特点:示例:XtunerXTuner 由上海人工智能实验室发布,是一个高效、灵活、全能的轻量化大模
文章指出AI行业并非仅限技术人员,而是有三层岗位结构。适合零基础转行者的是应用落地层,包括AI产品经理、提示词工程师、AIGC内容创作等,这些岗位无需编程能力,看重业务理解和实操。文章提供了五个务实的入局方向,如懂业务的产品经理、提示词工程、AIGC内容创作等,并给出了90天行动指南帮助转型。同时提醒警惕证书焦虑和轻松赚钱的副业话术,强调行业经验结合新工具的重要性。
在提交 PR 时,请在对应的 Issue 评论区说明使用的 AI 工具及具体用途,并附上使用截图,Committer 核实后即可获得加分奖励。初级和中级任务不单独发布,也无需认领,开发者自行在社区仓库中发掘适合新手的改进点,直接提交 PR!扫码加入「仓颉社区学习赛」活动交流群,及时解决开发过程中的困惑,获取活动相关的最新信息。使用 AI 工具需在 PR 描述中标注工具及用途,并附使用截图,AI 工
本文对比了仓颉语言与Java在1000万随机整数排序上的性能表现。通过实现基数排序算法优化仓颉的排序性能,结果显示:优化后的仓颉基数排序仅需438ms,比Java的877ms快近一倍。文章详细解释了基数排序的原理(分两趟处理高低16位)及其效率优势(O(n)复杂度),并提供了代码实现与测试方法。测试环境为Windows 10 x64系统,使用仓颉1.0.5(cjnative后端)和Java 25。
本智能客服系统采用插件分流+知识库检索+双库存储+自动化工作流基于意图识别插件,自定义配置两套核心客服业务意图,采用关键词+语义双重匹配规则,精准覆盖全部业务场景,实现高精度智能分流,杜绝场景串流、误判问题。1. 学习资料咨询意图:匹配用户咨询AI基础知识点、AI岗位就业要求、AI系统学习路线、优质AI学习资源、入门学习方法等相关对话语义;2. AI答题测评意图:匹配用户想要AI刷题、知识点考核、