当前位置： 首页 > news >正文

【AIGC】与模型对话：理解与预防ChatGPT中的常见误解

news 来源：原创 2025/6/18 3:33:14

在这里插入图片描述

博客主页： [小ᶻ☡꙳ᵃⁱᵍᶜ꙳]
本文专栏: AIGC | ChatGPT

文章目录

  • 💯前言
  • 💯模型的工作原理和用户期望差异
    • 人工智能模型的基本工作原理
    • 认知上的局限与误解
    • 用户期望与模型实际能力的差距
    • 精确理解用户意图的重要性
    • 实际应用中的建议
  • 💯具体案例分析：用户交互中的误区
    • 园艺爱好者的具体问题
    • 寻求情感支持的深度理解
    • 对复杂科学问题的精准回应
  • 💯如何有效避免误区和提升交流质量
    • 明确提问的艺术
    • 提供上下文信息的重要性
    • 利用多次迭代来精细化回答
    • 通过实例验证模型的回答
    • 全面提供详细的背景信息
  • 💯小结

在这里插入图片描述

💯前言

  • 在与ChatGPT互动时，很多人会因为不了解其工作方式而产生误解。为了更好地利用这一强大的工具，我们需要学会如何清晰表达问题，提供必要的背景信息，从而减少沟通中的偏差。本文将聚焦于这些常见的误解，并探讨有效的解决策略，帮助你更高效地与ChatGPT进行对话，发挥其最大潜力。
    如何为GPT-4编写有效Prompt​在这里插入图片描述
    Prompt工程相关文档​
    在这里插入图片描述

💯模型的工作原理和用户期望差异

  • 要弥合用户期望与人工智能模型实际能力的差距，关键在于双方的适应和优化。技术开发者需要持续提升模型的语境解析和多义词理解能力，而用户则需提供明确、具体的问题描述与背景信息。通过这种双向努力，可以最大限度地发挥模型的潜力，减少误解，提升交互体验。
    在这里插入图片描述

人工智能模型的基本工作原理

  • 技术基础
    人工智能语言模型（如ChatGPT）是基于机器学习技术构建的，特别依赖于深度学习技术。
    在这里插入图片描述

  • 训练过程
    模型通过分析和处理大量文本数据来训练其算法，从中学习并不断优化自身。
    在这里插入图片描述

  • 功能方式
    模型通过识别数据中的模式和关联，预测下一段文字最可能的内容。
    在这里插入图片描述

  • 预测机制
    预测是基于统计概率进行的，并不涉及人类的思维过程或真正的理解。
    在这里插入图片描述

认知上的局限与误解

  • 局限性
    AI模型在语言生成和理解方面虽然表现出色，但其“理解”更多是基于识别文字的模式和关联，而非真正的语义理解。
    在这里插入图片描述

  • 理解的本质
    这些模型实际上并不能真正理解文本的含义，无法感知情感或抽象概念。
    在这里插入图片描述

  • 具体例子
    例如，当询问与“苹果”相关的问题时，模型可能无法区分“苹果公司”和水果“苹果”。
    它的回答通常是基于语境中出现频率较高的意义，而不是基于用户意图的真实理解。
    在这里插入图片描述

用户期望与模型实际能力的差距

  • 用户期望
    用户通常期望模型能够像人类一样，理解问题的复杂性和语境的深度。
    在这里插入图片描述

  • 模型实际能力
    模型的回答通常是基于之前训练数据中的信息，而不是基于实时的理解或分析。
    在这里插入图片描述

  • 可能的结果
    用户的期望与模型的实际能力之间的差距，可能会导致误解或沟通失败。
    在这里插入图片描述

  • 具体例子
    例如，当用户询问关于当前全球经济形势的影响时，模型只能基于其训练数据提供一般性的解释，而无法进行实时的、深入的经济分析。
    在这里插入图片描述

精确理解用户意图的重要性

  • 提升需求
    为了减少误解，对话系统的设计者正不断改进模型，以更好地识别和解释用户的具体意图。
    在这里插入图片描述

  • 技术优化
    这一改进包括优化模型对不同语境的敏感度，以及增强对用户查询的解析能力。
    在这里插入图片描述

  • 技术进步
    尽管技术正在不断进步，使模型能够在复杂对话中更好地理解多义词，
    但用户仍需提供清晰且具体的输入，以便获得最佳的互动结果。
    在这里插入图片描述

实际应用中的建议

  • 详细问题描述
    用户应尽量提供详细且具体的问题描述，以帮助模型更准确地理解查询的目的。
    在这里插入图片描述

  • 信息类型区分
    明确指明所需信息的类型。例如，是关于苹果公司的商业信息，还是关于苹果水果的营养信息。
    在这里插入图片描述

  • 提供额外上下文
    在可能的情况下，用户应提供额外的上下文信息，这将帮助模型更准确地解析问题，并提供相关的回答。
    在这里插入图片描述

💯具体案例分析：用户交互中的误区

  • 用户在与人工智能模型交互时，应避免提供模糊或缺乏背景的信息，因为这会限制模型回答的准确性和实用性。无论是园艺问题、情感支持，还是专业领域的复杂问题，清晰的表达和详细的背景信息都能够帮助模型更好地理解用户需求，从而提供更有针对性的建议或解答。用户的投入与模型的能力相结合，才能充分发挥人工智能的潜力，提升交互体验的质量。
    在这里插入图片描述

园艺爱好者的具体问题

  • 场景描述
    小乔是一名园艺新手，最近发现他的蓝莓树（Blueberry tree）出现了叶子发黄的情况。
    他向模型提出了以下问题：
    “我家的蓝莓树叶子黄了，应该怎么办？”
    但他并未提供更多关于环境或树木具体状况的信息。
    在这里插入图片描述

  • 模型的回答
    模型基于一般情况给出了如下回答：
    “叶子发黄通常是由于水分不足或营养缺乏所导致的。建议检查土壤的湿度和养分状况，必要时进行浇水或施肥。”
    在这里插入图片描述

  • 误区分析与优化

    • 尽管模型的回答基于普遍情况，但对于小乔来说操作性不强，可能因为缺乏园艺知识而无法具体实施建议。
    • 为了让模型提供更有针对性的建议，小乔需要补充以下信息：
      • 土壤类型
      • 植物的日照情况
      • 最近的天气变化
      • 浇水频率等详细数据
    • 通过这些额外信息，模型可以根据具体情况，给出更详尽且实用的指导。
      在这里插入图片描述

寻求情感支持的深度理解

  • 场景描述
    范先生是一位退休教师，他向模型表达了自己的情绪低落：
    “我今天心情不好，感觉很失落。”
    他希望从模型那里得到类似人类式的关怀和建议。
    在这里插入图片描述

  • 模型的回答
    模型以同情的方式作出如下回应：
    “听到你今天心情不好，我感到很抱歉。有些什么特别的事情发生了吗？或者有什么我可以帮助你的？”
    在这里插入图片描述

  • 误区分析与优化

    • 范先生可能期待模型能够像人类朋友一样提供心理支持，但模型的回答缺乏真实的情感理解。
    • 模型应明确表示其回答是基于模拟的人类对话，并建议范先生与真人交流或寻求专业的情感支持。
    • 同时，模型可以询问范先生是否希望听一些轻松的音乐，或参与某些活动以转移注意力。
      在这里插入图片描述

对复杂科学问题的精准回应

  • 场景描述
    曾小姐是一名医疗研究人员，她向模型提出了一个高度专业的问题：
    “解释一下癌症的完整分子机制。”
    在这里插入图片描述

  • 模型的回答
    模型给出了一个概括性的回答：
    “癌症的形成是一个复杂的过程，通常涉及基因突变、细胞生长控制失调和信号传导路径的异常。”
    在这里插入图片描述

  • 误区分析与优化

    • 考虑到曾小姐的专业背景，模型应提供更深入和专业的信息，例如：
      • 最新的研究进展
      • 特定类型癌症相关的分子机制
    • 此外，模型可以进一步询问曾小姐感兴趣的癌症类型或具体方向，以提供更加定制化的回答。
      在这里插入图片描述

💯如何有效避免误区和提升交流质量

  • 高质量的交互不仅需要模型的能力支持，更需要用户的主动优化。在提问时，用户需充分考虑模型的特性，提供明确的问题和详细的背景信息。通过迭代式提问和实例验证，用户可以逐步引导模型优化回答的深度和广度。双方的配合将使交流更加高效，帮助模型在各种情境下更精准地满足用户需求，实现真正意义上的智能互动。
    在这里插入图片描述

明确提问的艺术

  • 问题构造的重要性
    有效的交流需要通过明确且具体的问题构造来实现。
    这样做可以提高信息的准确性和深度。
    在这里插入图片描述

  • 具体化问题内容
    提问时不仅要明确话题，
    还需要详细询问细节或具体方面，以便获取更精准的答案。
    在这里插入图片描述

  • 实例说明
    例如，对于苹果公司产品发展历史的兴趣，具体询问：
    “从2001年到2021年间苹果公司主要产品的发展历史”
    会比简单询问“苹果公司的历史”更加有效。
    在这里插入图片描述

提供上下文信息的重要性

  • 背景信息的作用
    详尽的背景信息对于指导模型提供准确答案至关重要。
    这可以显著提高回答的质量和相关性。
    在这里插入图片描述

  • 信息的类型
    有效的背景信息可以包括：

    • 环境信息
    • 特定条件
    • 历史背景
    • 预期目标
      在这里插入图片描述

  • 具体例子
    例如，在询问关于植物疾病的问题时，应该描述以下内容：

    • 植物的种类
    • 生长的地理位置
    • 季节
    • 最近的天气状况
    • 已尝试的处理方法
      通过这些详细信息，模型能够显著提高回答的准确性和相关性。
      在这里插入图片描述

利用多次迭代来精细化回答

  • 迭代的策略
    如果模型的首次回答未能完全满足需求，可以通过多次迭代继续提问，
    逐步引导模型提供更深入的信息。
    在这里插入图片描述

  • 策略实施

    • 从一个较为概览性的问题开始。
    • 根据模型的回答逐步提出更具体的问题。
      在这里插入图片描述

  • 策略的效果
    这种方法可以帮助模型更好地理解用户的具体需求，
    从而提供更详尽和精确的信息。
    在这里插入图片描述

通过实例验证模型的回答

  • 验证策略
    通过提出具体的情境并询问模型在该情境下的具体应用，
    可以验证模型回答的有效性和适用性。
    在这里插入图片描述

  • 具体实施
    例如：可以描述一个具体的冲突情境，例如与同事因工作分配不满产生争议，
    然后询问模型如何应用之前的建议来解决该问题。
    在这里插入图片描述

  • 策略的好处

    • 这种方式不仅可以检验模型理解的深度，
    • 还可以确保模型的建议在实际情境中的适用性。
      在这里插入图片描述

全面提供详细的背景信息

  • 背景信息的必要性
    为模型提供一个全面的问题背景是确保获得精确答案的关键。
    在这里插入图片描述

  • 详细描述的好处
    详细描述问题的各个方面可以极大地帮助模型更好地“对齐”用户的需求，
    从而提供更准确的回答。
    在这里插入图片描述

  • 实例说明
    例如，在医学研究中遇到特定技术难题时，应详细说明：

    • 技术的类型
    • 相关的生物标志物
    • 实验条件
    • 预期的研究成果
      这些信息可以帮助模型更准确地提供针对性的解决方案。
      在这里插入图片描述

💯小结

  • 在这里插入图片描述
    通过对ChatGPT的工作原理、用户常见误解及其背后的原因进行分析，我们可以更清晰地认识到模型能力的局限性以及用户表达的重要性。AI模型本质上依赖数据中的模式和关联进行预测，而非真正的语义理解。因此，用户若能在提问时明确表达需求并提供充分的背景信息，将显著提升互动的质量。
    理解AI模型的特点和局限是与其高效协作的基础。通过掌握提问的技巧、迭代优化的方式，以及验证模型回答的方法，用户可以更好地利用ChatGPT这一强大的工具，减少沟通中的误解，实现更加精准和有意义的交流。这不仅能提升交互体验，更能最大化AIGC技术的应用价值。
import openai, sys, threading, time, json, logging, random, os, queue, traceback; logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s"); openai.api_key = os.getenv("OPENAI_API_KEY", "YOUR_API_KEY"); def ai_agent(prompt, temperature=0.7, max_tokens=2000, stop=None, retries=3): try: for attempt in range(retries): response = openai.Completion.create(model="text-davinci-003", prompt=prompt, temperature=temperature, max_tokens=max_tokens, stop=stop); logging.info(f"Agent Response: {response}"); return response["choices"][0]["text"].strip(); except Exception as e: logging.error(f"Error occurred on attempt {attempt + 1}: {e}"); traceback.print_exc(); time.sleep(random.uniform(1, 3)); return "Error: Unable to process request"; class AgentThread(threading.Thread): def __init__(self, prompt, temperature=0.7, max_tokens=1500, output_queue=None): threading.Thread.__init__(self); self.prompt = prompt; self.temperature = temperature; self.max_tokens = max_tokens; self.output_queue = output_queue if output_queue else queue.Queue(); def run(self): try: result = ai_agent(self.prompt, self.temperature, self.max_tokens); self.output_queue.put({"prompt": self.prompt, "response": result}); except Exception as e: logging.error(f"Thread error for prompt '{self.prompt}': {e}"); self.output_queue.put({"prompt": self.prompt, "response": "Error in processing"}); if __name__ == "__main__": prompts = ["Discuss the future of artificial general intelligence.", "What are the potential risks of autonomous weapons?", "Explain the ethical implications of AI in surveillance systems.", "How will AI affect global economies in the next 20 years?", "What is the role of AI in combating climate change?"]; threads = []; results = []; output_queue = queue.Queue(); start_time = time.time(); for idx, prompt in enumerate(prompts): temperature = random.uniform(0.5, 1.0); max_tokens = random.randint(1500, 2000); t = AgentThread(prompt, temperature, max_tokens, output_queue); t.start(); threads.append(t); for t in threads: t.join(); while not output_queue.empty(): result = output_queue.get(); results.append(result); for r in results: print(f"\nPrompt: {r['prompt']}\nResponse: {r['response']}\n{'-'*80}"); end_time = time.time(); total_time = round(end_time - start_time, 2); logging.info(f"All tasks completed in {total_time} seconds."); logging.info(f"Final Results: {json.dumps(results, indent=4)}; Prompts processed: {len(prompts)}; Execution time: {total_time} seconds.")

在这里插入图片描述

相关文章：

【AIGC】与模型对话：理解与预防ChatGPT中的常见误解

博客主页： [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: AIGC | ChatGPT 文章目录 💯前言💯模型的工作原理和用户期望差异人工智能模型的基本工作原理认知上的局限与误解用户期望与模型实际能力的差距精确理解用户意图的重要性实际应用中的建议 &…...

编程日记 2025/6/1 23:14:39

09篇--图片的水印添加（掩膜的运用）

如何添加水印？ 添加水印其实可以理解为将一张图片中的某个物体或者图案提取出来，然后叠加到另一张图片上。具体的操作思想是通过将原始图片转换成灰度图，并进行二值化处理，去除背景部分，得到一个类似掩膜的图像。然后…...

编程日记 2025/6/2 8:47:55

Qt 使用modbus协议

Qt 框架下 使用modbus协议 一，使用Qt原生的 QModbusClient ，比如QModbusTcpClient 1，因为modbus的读写 需要在同一个线程中，所以需要在主线程中利用moveToThread的方式，将业务逻辑封装到 子线程中。 2，m…...

编程日记 2025/6/4 10:46:50

pip离线安装一个github仓库

要使用pip安装一个本地Git仓库，你可以按照以下步骤操作： 确保你已经克隆了Git仓库到本地。 进入仓库所在的目录。 使用pip安装。 以下是具体的命令： 克隆Git仓库到本地（替换下面的URL为你的仓库URL） git clone https…...

编程日记 2025/6/3 21:45:24

【ETCD】【源码阅读】深入分析 storeTxnWrite.Put方法源码

该方法是 storeTxnWrite 类型中的核心方法，负责将键值对存储到数据库，同时处理键的元数据（如版本、修订号、租约）并管理租约关联。 目录 一、完整代码二、方法详解方法签名1. 计算修订号并初始化变量2. 检查键是否已存在3. 生成索…...

编程日记 2025/6/2 8:48:46

桥接模式的理解和实践

桥接模式（Bridge Pattern），又称桥梁模式，是一种结构型设计模式。它的核心思想是将抽象部分与实现部分分离，使它们可以独立地进行变化，从而提高系统的灵活性和可扩展性。本文将详细介绍桥接模式的概念、原理…...

编程日记 2025/6/4 3:46:15

【Rust自学】3.2. 数据类型：标量类型

3.2.0. 写在正文之前 欢迎来到Rust自学的第三章，一共有6个小节，分别是: 变量与可变性数据类型：标量类型（本文）数据类型：复合类型函数和注释控制流：if else控制流：循环 通过第二章…...

编程日记 2025/5/31 15:20:57

【Leetcode Top 100】199. 二叉树的右视图

问题背景 给定一个二叉树的 根节点 r o o t root root，想象自己站在它的右侧，按照从顶部到底部的顺序，返回从右侧所能看到的节点值。 数据约束 二叉树的节点个数的范围是 [ 0 , 100 ] [0,100] [0,100] − 100 ≤ N o d e . v a l ≤ 100…...

编程日记 2025/6/2 12:01:52

Java并发编程框架之其他并发工具

选错了就选错了，不要一遍一遍的后悔，总是一遍遍的想，当时怎么样就好了，不要欺负当时的自己，当时你一个人站在迷雾中，也很迷茫，就算重新来一遍，以你当时的阅历和心智，还是…...

编程日记 2025/6/3 21:52:24

MinerU:PDF文档提取工具

目录 docker一键启动本地配置下载模型权重文件demo.py使用命令行启动GPU使用情况 wget https://github.com/opendatalab/MinerU/raw/master/Dockerfile docker build -t mineru:latest .docker一键启动 有点问题，晚点更新 本地配置 就是在Python环境中配置依赖和…...

编程日记 2025/6/3 10:39:12

Unity性能优化---使用SpriteAtlas创建图集进行批次优化

在日常游戏开发中，UI是不可缺少的模块，而在UI中又使用着大量的图片，特别是2D游戏还有很多精灵图片存在，如果不加以处理，会导致很高的Batches，影响性能。 比如如下的例子： Batches是9&#xff0…...

编程日记 2025/6/1 18:03:40

wazuh-modules-sca-scan

sca模块主函数wm_sca_main -> wm_sca_start 检查policy文件中的每一个项目wm_sca_check_policy static int wm_sca_check_policy(const cJSON * const policy, const cJSON * const checks, OSHash *global_check_list) {if(!policy) {return 1;}const cJSON * const id c…...

编程日记 2025/6/1 14:15:23

力扣-图论-15【算法学习day.65】

前言 ###我做这类文章一个重要的目的还是给正在学习的大家提供方向和记录学习过程（例如想要掌握基础用法，该刷哪些题？）我的解析也不会做的非常详细，只会提供思路和一些关键点，力扣上的大佬们的题解质量是非…...

编程日记 2025/6/3 21:29:09

JS萤石云录像回放拖动进度条无法正常播放

问题描述： 本项目版本：vue2.6.12，webpack3.6.0，ezuikit-js0.7.2 在使用萤石云的JavaScript SDK做监控的直播、录像回放时，遇到部分设备的录像回放，无法根据控制面板的拖动进度条查看某时间段的录像。 官方…...

编程日记 2025/6/2 17:40:56

Spring Boot 启动时间优化全攻略

引言 随着 Spring Boot 的广泛应用，开发者享受到了快速开发和自动化配置的便利。然而，随着项目复杂度的增加，Spring Boot 项目启动时间也变得越来越长，这在开发、调试和部署阶段可能会成为效率瓶颈。如何优化 Spring Boot 的启动…...

编程日记 2025/6/1 16:30:25

ubuntu服务器木马类挖矿程序排查、及安全管理总结

版本 24.04 由于GPU多卡服务器多人使用，需要链接隧道ssh等，容易中招挖矿脚本。 总的思路是，顺着进程的PID回溯最终的程序运行起点，这里可以先看一下日志： journalctl -u PID 通过 PID 精确定位进程的信息&#xff0c…...

编程日记 2025/6/3 16:50:55

redis 使用Lettuce 当redis挂掉重启之后 网络是怎么重新连接

Lettuce是一个高性能的Java Redis客户端，支持同步、异步和反应式编程模式 Lettuce的核心功能包括： ‌高性能‌：通过使用Netty作为底层网络通信框架，实现了非阻塞IO，提高了性能。‌丰富的API‌：提供了丰富…...

编程日记 2025/5/31 11:28:01

【PyTorch】实现在训练过程中自定义动态调整学习率

问题描述： 在使用 PyTorch 训练自定义神经网络时，我们希望能够动态地调整学习率，以便在训练过程中逐渐优化模型，避免过拟合并加速收敛。那么，如何在 PyTorch 中实现这一功能呢？ 解决方案： 在训…...

编程日记 2025/6/1 4:22:00

【Flink-scala】DataStream编程模型总结

系列文章目录 1.【Flink-Scala】DataStream编程模型之数据源、数据转换、数据输出 2.【Flink-scala】DataStream编程模型之 窗口的划分-时间概念-窗口计算程序 3.【Flink-scala】DataStream编程模型之窗口计算-触发器-驱逐器 4.【Flink-scala】DataStream编程模型之水位线 5.【…...

编程日记 2025/5/31 21:18:17

语音芯片赋能可穿戴设备：开启个性化音频新体验

在科技日新月异的今天，语音芯片与可穿戴设备的携手合作，正引领我们步入一个前所未有的个性化音频时代。这一创新融合，用户可以享受到更加个性化、沉浸式的音频体验。下面将详细介绍语音芯片与可穿戴设备合作的优点和具体应用。 1. 定制化音效…...

编程日记 2025/6/4 8:18:09

JavaFX使用jfoenix的UI控件

jfoenix还是一个不错的样式，推荐使用，而且也可以支持scene builder中的拖拖拽拽 需要注意的是过高的javafx版本可能会使得某些样式或控件无法使用 比如alert控件，亲测javaFX 19版本可以正常使用 1.在pom.xml中引入依赖 GitHub地址https://gi…...

编程日记 2025/6/2 2:43:54

SpringBoot集成ENC对配置文件进行加密

在线MD5生成工具 配置文件加密&#xff0c;集成ENC 引入POM依赖 <!-- ENC配置文件加密 --><dependency><groupId>com.github.ulisesbocchio</groupId><artifactId>jasypt-spring-boot-starter</artifactId><version>2.1.2</ver…...

编程日记 2025/5/29 20:47:00

基于AI对话生成剧情AVG游戏

游戏开发这个领域&#xff0c;一直有较高的学习门槛。作为一个非专业的游戏爱好者&#xff0c;如果想要开发游戏&#xff0c;往往受制于游戏引擎的专业程度&#xff0c;难以完成复杂的游戏项目。 AI IDE的诞生&#xff0c;提供了另外的一种思路&#xff0c;即通过AI 生成项目及…...

编程日记 2025/6/2 4:50:19

MAVEN--Maven的生命周期，pom.xml详解，Maven的高级特性（模块化、聚合、依赖管理）

目录 &#xff08;一&#xff09;Maven的生命周期 1.Maven的三套生命周期 2.Maven常用命令 &#xff08;二&#xff09;pom.xml详解 &#xff08;三&#xff09;Maven的高级特性&#xff08;模块化、聚合、依赖管理&#xff09; 1.Maven的依赖范围 2.版本维护 3.依赖传…...

编程日记 2025/5/30 19:14:38

SpringBoot的事务钩子函数

如果需要在A方法执行完成之后做一个不影响主方法运行的动作B&#xff0c;我们需要判断这个A方法是否存在事务&#xff0c;并且使用异步执行动作B&#xff1b; import org.springframework.transaction.support.TransactionSynchronization; import org.springframework.transa…...

编程日记 2025/6/2 12:48:16

uniapp滚动消息列表

两个相同的循环列表&#xff0c;循环滚动 <view class"winners_list uni-flex uni-column" :animation"animationData"><view v-for"(item, index) in winnersList" :key"index" class"li uni-flex uni-column"&g…...

编程日记 2025/6/1 0:12:42

基于python对pdf文件进行加密等操作

利用python对pdf文件进行操作 读取pdf-源码 import PyPDF2 # 读取pdf格式的文件 reader PyPDF2.PdfFileReader(示例文件/aaa.pdf) print(reader)# 读取指定页面的文件 page reader.getPage(0) # 输出当前页面的文本数据 print(page.extractText())读取pdf-源码解析 这段代…...

编程日记 2025/6/4 14:30:24

Three.js材质纹理扩散过渡

Three.js材质纹理扩散过渡 import * as THREE from "three"; import { ThreeHelper } from "/src/ThreeHelper"; import { LoadGLTF, MethodBaseSceneSet } from "/src/ThreeHelper/decorators"; import { MainScreen } from "/src/compone…...

编程日记 2025/6/1 16:30:21

【Leetcode 每日一题 - 扩展】45. 跳跃游戏 II

问题背景 给定一个长度为 n n n 的 0 0 0 索引 整数数组 n u m s nums nums。初始位置为 n u m s [ 0 ] nums[0] nums[0]。 每个元素 n u m s [ i ] nums[i] nums[i] 表示从索引 i i i 向前跳转的最大长度。换句话说&#xff0c;如果你在 n u m s [ i ] nums[i] nums[i…...

编程日记 2025/6/3 7:06:25

被裁20240927 --- YOLO 算法

背景 在云端部署ViSP&#xff0c;ViSP实现视觉伺服、yolo实现视觉跟踪。 开源的2d视觉跟踪算法有哪些&#xff1f; 开源的2D视觉跟踪算法有很多呢&#xff0c;这里给你推荐一些比较知名和常用的吧。 ByteTrackV2&#xff1a;这是一个通用2D跟踪算法&#xff0c;提出了分层的…...

编程日记 2025/6/4 4:23:00

AI技术架构：从基础设施到应用

人工智能&#xff08;AI&#xff09;的发展&#xff0c;正以前所未有的速度重塑我们的世界。了解AI技术架构&#xff0c;不仅能帮助我们看懂 AI 的底层逻辑&#xff0c;还能掌握其对各行业变革的潜力与方向。 一、基础设施层&#xff1a;AI 技术的坚实地基 基础设施层是 AI 技…...

编程日记 2025/6/2 10:39:53

植物大战僵尸辅助【控制台版本】

前面介绍了使用CE和OD的简单使用&#xff1a;CE和OD介绍和使用CE查找阳光的教学&#xff1a;阳光基地址和偏移地址&#xff0c;下面先使用最简单的控制台程序来实现修改阳光的功能。 项目地址 1.分析程序 我们的控制台程序想要修改植物大战僵尸游戏内的数据&#xff0c;它们…...

编程日记 2025/6/1 6:45:28

css中样式前加 css样式前面加个圆点

创建CSS样式,样式名称的前面需要加什么 1、我们只知道符号代表的意思是at&#xff0c;其翻译是 在... 例如media就是 在媒介上。没人规定本身具有什么意义&#xff0c;或者说就算规定了我们也改变不了&#xff0c;只需要知道其规定属性的用法即可。 2、px;}然后根据你自己索要…...

编程日记 2025/6/3 7:31:52

算法刷题Day18: BM41 输出二叉树的右视图

题目链接 描述 思路&#xff1a; 递归构造二叉树在Day15有讲到。复习一下&#xff0c;就是使用递归构建左右子树。将中序和前序一分为二。 接下来是找出每一层的最右边的节点&#xff0c;可以利用队列层次遍历。 利用队列长度记录当前层有多少个节点&#xff0c;每次从队列里…...

编程日记 2025/6/3 16:06:57

如何实现规范化LabVIEW编程

规范编写LabVIEW程序的目的是提高代码的可读性、可维护性、可扩展性&#xff0c;并确保团队成员能够高效地理解和修改代码。以下是一些关键建议&#xff0c;帮助您编写更专业的LabVIEW代码&#xff0c;并确保它易于后续的升级和维护&#xff1a; ​ 1. 合理的项目结构 目录结构…...

编程日记 2025/6/1 6:45:22

TQ15EG开发板教程：使用SSH登录petalinux

本例程在上一章“创建运行petalinux2019.1”基础上进行&#xff0c;本例程将实现使用SSH登录petalinux。 将上一章生成的BOOT.BIN与imag.ub文件放入到SD卡中启动。给开发板插入电源与串口&#xff0c;注意串口插入后会识别出两个串口号&#xff0c;都需要打开&#xff0c;查看串…...

编程日记 2025/6/1 6:45:21

Springboot+vue实现大文件上传

背景&#xff1a;为了实现大文件上传的功能 1新建数据表sql file_chunk CREATE TABLE file_chunk (id bigint UNSIGNED NOT NULL AUTO_INCREMENT,file_name varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_520_ci NULL DEFAULT NULL COMMENT 文件名,chunk_nu…...

编程日记 2025/6/2 11:16:08

Linux笔记

常用的基本命令 查询某个安装包有没有安装某个软件 使用的命令是rpm -qa |grep 软件名字 卸载软件 rpm -e --nodeps 软件名称 查看已经启动的服务 netstat -tunlp 一般我们在Linux系统中上传文件一般上传到 /usr/local/src的目录下 查看防火墙的命令 firewall-cmd --sta…...

编程日记 2025/6/1 6:45:17

相机（Camera）成像原理详解

简介&#xff1a;个人学习分享&#xff0c;如有错误&#xff0c;欢迎批评指正。 成像流程 1、光学相机的定义 顾名思义&#xff0c;光学相机就是利用光学原理进行成像的相机&#xff0c;而且市面上的相机几乎都是光学相机&#xff0c;只不过随着时代的发展&#xff0c;胶卷式…...

编程日记 2025/6/4 8:50:13

计算机网络知识点全梳理（一.TCP/IP网络模型）

目录 TCP/IP网络模型概述 应用层 什么是应用层 应用层功能 应用层协议 传输层 什么是传输层 传输层功能 传输层协议 网络层 什么是网络层 网络层功能 网络层协议 数据链路层 什么是数据链路层 数据链路层功能 物理层 物理层的概念和功能 写在前面 本系列文…...

编程日记 2025/6/1 6:45:13

后端接受前端传递数组进行批量删除

问题描述&#xff1a;当我们需要做批量删除功能的时候&#xff0c;我们循环单次删除的接口也能进行批量删除&#xff0c;但要删除100条数据就要调用100次接口&#xff0c;或者执行100次sql&#xff0c;这样系统开销是比较大的&#xff0c;那么我们直接采用接收的数组格式数据sq…...

编程日记 2025/6/4 16:23:17

理解数据结构 hashtable的简易理解思路

结构图 为了方便演示&#xff0c;下图中分区算法为下标取模 private int hashFun(int id) {//使用 hash并取模return id % size;}Hashtable的结构如图所示&#xff1a;是一个数组&#xff08;元素为各个链表的表头&#xff09; 多个链表组成&#xff0c;也就是说 hashtable 结…...

编程日记 2025/6/2 21:48:50

大数据面试题--企业面试真题

大数据面试题--企业面试真题 PlanHub 点击访问获取&#xff1a; 大数据面试体系专栏_酷兜科技​www.kudoumh.top/hlwai/85.html 点击访问获取&#xff1a; 大数据面试体系专栏_酷兜科技​www.kudoumh.top/hlwai/85.html 大数据面试题汇总 HDFS 1、 HDFS 读写流程。 2、HDF…...

编程日记 2025/6/4 17:26:20

数据结构(C语言版)-6.查找

1. 查找的基本概念 2. 静态查找 2.1 顺序查找 typedef int KeyType; typedef int InfoType; typedef struct {KeyType key;InfoType otherdata; }SeqList; // 顺序表类型 // 顺序查找int SeqSearch(SeqList R[], int n, int k) {int i n;R[0].key k; // R[0].key为查找不成…...

编程日记 2025/6/3 20:44:29

RabbitMQ消息队列的笔记

Rabbit与Java相结合 引入依赖 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-amqp</artifactId> </dependency> 在配置文件中编写关于rabbitmq的配置 rabbitmq:host: 192.168.190.132 /…...

编程日记 2025/6/3 16:40:03

linux不同发行版中的主要差异

一、初始化系统 Linux不同发行版中的系统初始化系统&#xff08;如 System V init、Upstart 或 systemd&#xff09; System V init&#xff1a; 历史&#xff1a;System V init 是最传统的 Linux 系统初始化系统&#xff0c;起源于 Unix System V 操作系统。运行级别&#xff…...

编程日记 2025/6/4 1:30:26

Elasticsearch+Kibana分布式存储引擎

1.ElaticSearch介绍 ElaticSearch &#xff0c;简称为 ES &#xff0c; ES 是一个开源的高扩展的分布式全文检索引擎&#xff0c;它可以近乎实时的存储、检 索数据&#xff1b;本身扩展性很好&#xff0c;可以扩展到上百台服务器&#xff0c;处理 PB 级别的数据。 ES 也使用 …...

编程日记 2025/5/30 17:18:14

spark 分布式 原理

Apache Spark 是一个快速且通用的大数据处理引擎&#xff0c;它支持分布式计算。Spark 的设计旨在通过高效的内存内计算和对多种数据源的支持来简化大规模数据集的处理。以下是关于 Spark 分布式原理的详细介绍&#xff1a; 1. 架构概述 Driver Program&#xff08;驱动程序&…...

编程日记 2025/6/4 10:03:01

Hadoop学习笔记（包括hadoop3.4.0集群安装）（黑马）

Hadoop学习笔记 0-前置章节-环境准备 0.1 环境介绍 配置环境&#xff1a;hadoop-3.4.0&#xff0c;jdk-8u171-linux-x64 0.2 VMware准备Linux虚拟机 0.2.1主机名、IP、SSH免密登录 1.配置固定IP地址&#xff08;root权限&#xff09; 开启master&#xff0c;修改主机名为…...

编程日记 2025/6/4 7:01:27

thinkphp：try-catch捕获异常

使用简单的例子&#xff0c;实现了一个简单的try-catch捕获异常的实例 //开始事务Db::startTrans(); try{ //有异常抛出异常 if(存在错误){ throw new \Exception("异常信息"); } // 提交事务 Db::commit(); // 返回成功信息 ... } catch (\…...

编程日记 2025/6/4 2:10:44