广告营销，会被AI重构吗？
DeepSeek设计，即梦AI绘图，剪映成片。
DeepSeek的热度还在高开疯走。
用户对于各个场景下DS应用的探索也还在持续，各种DS+的模式被挖掘出来，超级个体们开始给手下的大模型团队进行分工，实践出各种场景下最佳的排列组合方式。
很多网友调侃：当领导排兵布阵也是件头疼的事。
在过去的一段时间里，个人也在尝试DS+模式的使用，最多的就是DS输出文本，再把信息提交给其它大模型，去解决对应的场景需求。
常用的案例：小红书爆款笔记生成，制作图片和视频的提示词工程，基于效果图编写产品页面的代码。
几句简单的提示词工程，可以非常轻松且高效的拿到基本符合预期效果，这就是当下人工智能赛道的魅力所在。
【1】小红书笔记，在DS模型内即可完成，耗时1分钟/篇。
以3:4的比例，使用HTML写一个web页面，制作小红书爆款笔记的背景图，参考XX风格，并提供页面导出为图片的按钮。
下面两个场景，都是由DeepSeek写文，即梦AI完成绘图，最后剪映制作成短片。
【2】写给打工人的诗，耗时1小时左右。
1、给春节回归职场，身心俱疲的打工人写一首诗，既要理解牛马的难处，又要鼓励牛马们再接再厉。
2、为上面这首诗的每句话写一个图片生成的提示词，尽量契合这首诗的主题，图片要求使用相同的风格。
【3】短片打工人的一天，耗时30分钟左右。
1、假设你是一个短片导演，现在要为打工人制作一个短片，记录忙碌的一天，请你给出12个值得记录的场景。
2、为每一个场景选出一张经典的画面，并为每一个画面写一段AI绘图的提示词，适当考虑12组画面之间的连贯性。
相关成品已发布在视频号中，网友可以自行查看点评。
这三个场景的提示词工程，个人觉得都平白直叙比较简单，而对于像绘图和短片场景描述，则直接让DS模型代写，不考虑成品效果上的瑕疵，在熟悉各种工具用法的前提下，效率出奇的高。
在体验的过程中，自己一直在思考个问题。
假设AI足够了解用户，并且能力迭代到足够商用的情况下，再去针对性的为个体量身定制信息化的内容，比如文本图片和视频等，会产生一种怎样震撼的效果？
这个思考的来源，是出自广告营销的产品场景。
广告这个行业，过去这些年有个热门的词叫数字营销，就是基于广告和用户的各自特征进行匹配，根据曝光和转化的效果，再去分析营销链路是否合理。
上网时刷到广告不是迎面相撞，是处心积虑的制造偶遇。
进一步解释就是，广告的内容可以使用多维度标签来描述，比较常见的就是行业和内容本身，以及广告想要推送的用户群体，同样一套标签也可以标记在用户身上。
标签是广告和用户间，匹配度的计算依据。
在进行广告投放时，会先通过几次小规模的人群测试，验证广告和人群之间的匹配度是否契合，效果好则具备大面积推广的价值，效果差则需要重新考虑广告设计或者目标人群的设定。
这种手段和策略，在推荐流媒体和广告行业十分常见。
反复的分析用户和广告之间的转化效果，从而不断的发现和总结客观的规律，然后持续迭代算法和营销策略，这也就是过去几年常说的算法模式。
不少用户感慨：自己训练的算法，反过来会压榨更多的时间。
这种先匹配再营销的手段，虽然策略五花八门但是原理并不复杂，在具备足够数据样本的前提下，也称得上是有理有据，非常客观的营销逻辑。
不过模式缺点也很明显，标签的方式虽然可以洞察人群的宏观特征，从而计算和广告的匹配度，但是标签体系是相对固定的，也会在无形之中约束着人群和广告。
对于标签来说，明确的喜欢和讨厌都是有价值的数据。
推荐用户不感兴趣的内容，未必是算法不懂你，可能是做必要的内容分发，或者是对用户的喜好做试探性的猜测，再根据效果分析，迭代用户的标签库。
复杂鲜活的个体，善变才是永恒的标签。
传统的标签匹配算法，是无法精准洞察和预测这种变化的，在信息爆炸的当下，算法能薅出来20%的内容或广告，未必就符合用户的心血来潮，这也导致很多用户懂得反向训练算法。
这种个性化推荐机制，在人工智能的趋势下极有可能会被重构。
在个性化推荐中，有几个常用的策略。
第一种基于算法做内容筛选。
以内容行业来说，用户浏览、点击、查看，或是标记喜欢和收藏，正向流程就是告诉算法喜欢的内容，反向流程推导就是告诉算法不感兴趣的内容。
反复分析用户行为，不断提炼内容的标签，这样可以把用户和标签进行深度绑定。
第二种相似人群洞察。
分析少量目标用户的共同标签，根据这些特征再去找其它相同标签的人群，通过标签的精细化检索，可以实现用户群体的放大或缩小。
比如用户1具备ABC三个标签，用户2具备BC两个标签，可以推测用户2可能也具备A标签，基于这个策略做验证，自然可能会事半功倍。
毕竟物以类聚，人以群分。
第三种是混合策略，会基于上面两种逻辑做设计。
比如空白用户需要用复杂全面的标签内容做兴趣试探，从而不断完善用户自身的标签库，如果用户兴趣标签已经固定，反而会在推荐算法中加入少量的新标签内容，不断的挖掘和丰富标签体系。
传统推荐算法受限于标签，不过AI技术已然具备重构的能力。
广告还是那个广告，用户还是那个用户，交易还是那个交易。
虽然营销的内容可能还是那些内容，比如常见的文本和图片以及视频和音频，但是多模态信息的底层存储逻辑是一致的，对于大模型来说是机器理解的通用语言。
那么大模型对于广告和用户的理解，可以更加的细腻和灵活，假设模型在具备足够的能力之后，甚至可以为用户量身定制即时的广告信息。
这不止是千人千面了，效率上更是朝夕太久只争当下。
电商平台的推荐算法中，当发现用户有明显的购买意向时，动作上可能是采集到多次搜索、加购物车、点击喜欢和收藏等行为。
特定或类似的商品，就会在多个应用的显眼位置多次展示，这不是偶遇。
但是在AI加持的推荐业务中，大模型可以更加细致的理解多模态的信息，对于广告和用户能做到更加的知根知底，自然可以给广告定位精准的用户群体，也可以给用户推荐更及时准确的内容。
有句老话叫做：知己知彼百战百胜。
不过这需要更加详细的数据采集机制，在标签模式下，只需要分析用户行为并加工为标签体系即可，从而粗略的完成用户画像分析。
如果希望AI更加准确的理解用户，则需要尽可能详细的采集用户多模态信息。既包括用户的行为，也需要行为所涉及的内容，比如文本图片和视频等，这就不是画像能描清楚的事了。
传统的标签算法在当下略显粗糙了，AI加持下的推荐必然更加精准和高效。
大模型的能力，可不止理解信息这么单调，完全不要忽视它的创意能力。
DeepSeek爆火的真正意义，在算力成本上的突破并不是最重要的，其核心还是在于文本信息的处理，模型出色的语言能力，才让低成本的算力更加有价值。
在DS给打工人写诗的交互中，来看一下模型的思考推理能力。
春节后回归职场、身心疲惫的打工人。需要既理解他们的难处，又要鼓励他们继续努力。首先，我得确定这首诗的基调，不能太消极，也不能太鸡汤。要真实，有共鸣。
接下来，考虑打工人的日常。他们常自嘲为“牛马”，所以用这个比喻比较贴切。春节刚过，可能还在怀念家的温暖，突然回到忙碌的工作中，这种反差需要表现出来...
然后，身心俱疲的状态怎么体现？螺丝钉、齿轮这些意象不错，能表现机械重复的工作，以及个体在系统中的渺小...
鼓励的部分，不能只是空洞的打气。要找到工作中的小确幸...
... 写诗的基本手法 ...（成品见蝴蝶号）
完整严密的思维链路，加上DS出色的语言能力，其最终成品的效果也非常不错，这只是对于DS语言的简单体验。
如果在提示词中添加更多精确的描述，那么DS输出的文本内容，可能会更加的高级有质感。
然后让DS为每一句诗，写一段图片生成的提示词，交给即梦AI进行绘图，从绘图中选出符合审美习惯的图片高清处理，再将图片转换为视频，最后剪映加工做成短片。
当然也可以由文本直接转视频，只是效果会略微差一些。
前后不过1小时，如果交给人工处理，成本投入和耗时都会高许多。
受限于AI在图片和视频方面的能力水平，整个流程还是有多次人工介入，这里也可以考虑智能体和程序处理，只是自动化流程的策略需要设计。
简单的流程，已然展现出AI在内容和创意方面的多模态能力。
在传统的营销模式中，大部分的广告内容，都是预先制作好的模板信息或者成片，自然无法应对善变的市场和用户。
AI能力的加持下，理论上可以重构数字营销。
通过对广告和用户的细致理解，不仅能提高两者间的匹配精准度，甚至可能实现推理预测维度的提升，自然也能提高转化效率。
媒体内容已经有大量AI创作的声明，在很多内容中都直接或间接的植入广告导向。
如果AI的多模态能力持续突破和迭代，再结合前几年热了一阵的元宇宙技术，不排除有一天能实现所想即所见的能力。
相关文章：
广告营销，会被AI重构吗？
DeepSeek设计，即梦AI绘图，剪映成片。 DeepSeek的热度还在高开疯走。 用户对于各个场景下DS应用的探索也还在持续，各种DS的模式被挖掘出来，超级个体们开始给手下的大模型团队进行分工，实践出各种场景下最佳的排列组合方…...
)
01 音视频知识学习(视频)
图像基础概念 ◼像素：像素是一个图片的基本单位，pix是英语单词picture的简写，加上英 语单词“元素element”，就得到了“pixel”，简称px，所以“像素”有“图像元素” 之意。 ◼ 分辨率：是指图像…...
深入探究 Ryu REST API
Ryu 4.34 REST API 详细接口说明与示例 Ryu 4.34 的 REST API 提供了对 SDN 网络的核心管理功能，涵盖交换机、流表、端口、拓扑和 QoS 等操作。以下是详细的接口分类、功能说明及 Python 示例代码。 1. 交换机管理 1.1 获取所有交换机 DPID 端点: GET /stats/swi…...
不同AI生成的PHP版雪花算法
OpenAI <?php /*** Snowflake 雪花算法生成器* 生成的 64 位 ID 结构：* 1 位 保留位（始终为0，防止负数）* 41 位 时间戳（毫秒级，当前时间减去自定义纪元）* 5 位 数据中心ID* 5 …...
texstudio: 编辑器显示行号+给PDF增加行号
texstudio在编辑器部分增加行号： texstudio默认在编辑器部分不显示行号，如下图： 要实现以下的在编辑部分增加行号： 执行如下操作： 选项-->设置TexStudio-->编辑器-->显示行号-->所有行号选择好后&…...
强化学习基础-马尔可夫决策过程与贝尔曼方程
马尔可夫决策过程 在老虎机问题中，无论智能代理采取什么行动，之后要解决的问题都是一样的。也就是寻找最好的老虎机。但现实生活中的问题是不同的。例如，在围棋游戏中，智能代理落子后，棋盘上的棋子排列会发生变化&…...
爬虫的精准识别：基于 User-Agent 的正则实现
🧑 博主简介：CSDN博客专家，历代文学网（PC端可以访问：https://literature.sinhy.com/#/?__c1000，移动端可微信小程序搜索“历代文学”）总架构师，15年工作经验，精通Java编…...
Scala的初步使用
目录 1. Scala简介2. Scala编写的Hello World2.1 pom.xml中依赖和插件的配置2.2 安装Scala2.12.172.3 安装code-server插件2.4 helloworld.scala2.5 helloworld2.scala2.6 java调用scala object 3. Scala调用Java3.1 例子13.2 例子2 参考 1. Scala简介 Scala是一门多范式的编程…...
【Json RPC框架】框架介绍与环境搭建（Ubuntu 22.04）
🎁个人主页：我们的五年 🔍系列专栏：Json RPC框架 🌷追光的人，终会万丈光芒 🎉欢迎大家点赞👍评论📝收藏⭐文章 JSon RPC框架系列文章Json RPC框架_我们的五年的博…...
python读取word文档 | AI应用开发
python读取word文档 | AI应用开发 RAG中python读取word文档 RAG系统中构建知识库流程中重要的一个步骤是读取外挂的知识文档，为word是其中比较常见的文件。 另一个值得注意的是，RAG在读取文档后需要对文档进行分割，而良好的分割需要有一定结…...
20、组件懒加载
组件懒加载，也被称为异步组件加载，是一种在 Vue 项目中提升性能的重要技术手段。下面从概念、实现原理、使用场景、实现方式几个方面详细介绍： 概念 在传统的 Vue 项目里，当应用启动时，所有的组件代码都会被一次性加…...
打造智能钉钉机器人：借助智谱GLM-4-Flash实现高效智能回复（文末附源码）
文章目录 前言一、准备工作（一）钉钉机器人（二）智谱 GLM-4-Flash（三）内网穿透工具 cpolar（四）需要准备的工具和环境 二、钉钉机器人的创建与配置步骤1：创建钉钉机器人步骤…...
【故障处理系列--docker卷的挂载】
一位伙伴需求是把容器的目录映射到宿主机且容器目录的内容不被宿主机的空白目录覆盖。我的第一反应是-v 卷的映射，参数是对的，但是用法是错的 1、容器卷的挂载方式 容器把目录映射到宿主机创建volume卷，然后把容器的目录和volume卷绑定 区别…...
兴达易控modbusTCP转profinet接防撞雷达测试
modbusTCP转profinet接防撞雷达测试 随着工业自动化程度的不断提高，现场设备之间的通信需求日益增长。ModbusTCP作为一种广泛应用的工业通信协议，因其简单、可靠的特点，被广泛应用于各种自动化设备中。而Profinet作为工业以太网的一种&#…...
Acknowledgment.nack方法重试消费kafka消息异常
文章目录 问题示例异常 原因nack方法Acknowledgment接口实现类：ConsumerAcknowledgment实现类：ConsumerBatchAcknowledgment 解决方案1 批量消费指定index示例 2 单条消费示例 问题 使用BatchAcknowledgingMessageListener 批量消费Kafka消息࿰…...
通过动态获取后端数据判断输入的值打小
eval() 函数在 JavaScript 中是一个非常强大的函数 【1】计算简单公式 很多时候如果需要动态的提供计算的公式，需要写一大段的公式计算逻辑去兼容，可能耗费大量的开发成本。为了快速了解 eval 的用法，直接 ① 打开浏览器；② F1…...
乐维网管平台核心功能解析（一）——告警关联知识
在数字化转型浪潮中，企业IT系统规模呈指数级增长，传统的"人工经验"运维模式已难以应对海量告警处理需求。某银行数据中心曾统计，其日均告警量突破10万条，关键故障的平均定位时间长达3.5小时，直接导致年损失超…...
数据结构_单链表
今天我们要开启链表的学习 🖋️🖋️🖋️ 学了顺序表我们可以知道： 🎈链表其实就是争对顺序表的缺点来设计的，补足的就是顺序表的缺点 🎈链表在物理上是上一个节点存放的下一个节点的地址 链表 …...
b站视频下载工具软件怎么下载
自行配置FFMPEG环境 请优先选择批量下载，会自处理视频和音频文件。 如果要下载更高质量请登陆。 没有配置FFMPEG下载后会有报错提示，视频音频文件无法合并生成mp4文件 更新批量下载标题，只取视频原标题，B站反爬机制登陆后下载多了…...
如何实现pinia的持久化存储
在 Vue 3 项目中使用 Pinia 进行状态管理时，若要实现持久化存储，可借助 pinia-plugin-persistedstate 插件，该插件能让 Pinia 存储的状态在页面刷新或关闭后依然保留。下面为你详细介绍实现步骤： 1. 安装插件 首先，在…...
webpack介绍
entry与output 入口是 Webpack 开始构建依赖图的起点，Webpack 会从入口文件开始，递归地分析项目的依赖图。输出指定 Webpack 打包后的文件存放位置和文件名。 const path require("path");module.exports {entry: "./src/index.js&qu…...
使用Mermaid语法绘制的C语言程序从Linux移植到Windows的流程图
以下是使用Mermaid语法绘制的C语言程序从Linux移植到Windows的流程图： graph TDA[开始移植] --> B[代码兼容性检查]B --> C[检查系统调用差异\nfork/exec -> CreateProcess]B --> D[检查文件路径格式\n/ vs \\]B --> E[检查依赖库兼容性\nPOSIX vs …...
蓝桥杯嵌入式组第七届省赛题目解析+STM32G431RBT6实现源码
文章目录 1.题目解析1.1 分而治之，藕断丝连1.2 模块化思维导图1.3 模块解析1.3.1 KEY模块1.3.2 ADC模块1.3.3 IIC模块1.3.4 UART模块1.3.5 LCD模块1.3.6 LED模块1.3.7 TIM模块 2.源码3.第七届题目 前言：STM32G431RBT6实现嵌入式组第七届题目解析源码&…...
【spring bean的生命周期】
以下是使用 Mermaid 绘制的 Spring Bean 生命周期流程图： 流程说明 实例化：Spring 容器创建 Bean 的实例。属性赋值：Spring 为 Bean 的属性注入值（依赖注入）。BeanPostProcessor.postProcessBeforeInitialization&…...
)
数据类设计_图片类设计之3_半规则图类设计(前端架构基础)
前言 学的东西多了,要想办法用出来.C和C是偏向底层的语言,直接与数据打交道.尝试做一些和数据方面相关的内容 引入 接续上一篇讨论半规则图类型的设计 半规则图的定义 什么是半规则图?笔者看见了一些似乎规则又不是太规则的图形,例如带圆角的矩阵,在页面上找一个圆角框 为了…...
【leetcode hot 100 138】随机链表的复制
解决一：回溯 哈希表 本题要求我们对一个特殊的链表进行深拷贝。如果是普通链表，我们可以直接按照遍历的顺序创建链表节点。而本题中因为随机指针的存在，当我们拷贝节点时，「当前节点的随机指针指向的节点」可能还没创建…...
如何安全处置旧设备？
每年，数百万台旧设备因老化、故障或被新产品取代而被丢弃，这些设备上存储的数据可能带来安全风险。 如果设备没有被正确删除数据，这些数据往往仍可被恢复。因此，安全处置旧设备至关重要。 旧设备可能包含的敏感数据 旧设备中可能…...
Windows 万兴恢复专家 Wondershare Recoverit-v13.5.7.9-[电脑数据恢复工具]
Windows 万兴恢复专家Wondershare_Recoverit 链接：https://pan.xunlei.com/s/VOL3z608vzAj_IYTvH-F1q7kA1?pwdiu89# 1. 打开Setup.exe进行安装，安装完不要打开软件，记住安装目录 2. 将"Crack"文件夹内的所有文件复制到安装目录 …...
eLection: 1靶场渗透测试
eLection: 1 来自 <eLection: 1 ~ VulnHub> 1，将两台虚拟机网络连接都改为NAT模式 2，攻击机上做namp局域网扫描发现靶机 nmap -sn 192.168.23.0/24 那么攻击机IP为192.168.23.182，靶场IP192.168.23.196 3，对靶机进行端口服…...
类与对象（下）
1 . 再谈构造函数 1.1构造函数体赋值 在创建对象时，编译器通过调用构造函数，给对象中各个成员变量一个合适的初始值。 class B { public:B(int a0){_a a;} private:int _a; };虽然上述构造函数调用之后，对象中已经有了一个初始值…...
数字人源头技术搭建模型--v10追踪推理逻辑
数字人源头技术搭建模型--v10追踪推理逻辑 #数字人# #数字人技术源头saas开发# 数字人源头技术搭建模型V10的追踪推理逻辑通常涉及以下几个关键方面： 数据收集与预处理 - 多模态数据采集：收集图像、音频等多模态数据。例如通过摄像头采集人物的面部…...
基于Asp.net的高校迎新管理系统
作者：计算机学姐 开发技术：SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等，“文末源码”。 专栏推荐：前后端分离项目源码、SpringBoot项目源码、Vue项目源码、SSM项目源码、微信小程序源码 精品专栏：…...
商业智能BI的未来，如何看待AI+BI这种模式？
昨天在和一位朋友线上聊天的时候，提了一个问题，你是如何看待AI（人工智能）BI（商业智能）这种模式和方向的，我大概来说一下我个人的看法。 以我在商业智能BI项目中接触到的行业和企业，…...
C++ 编程指南27 - 始终将 mutex 与它所保护的数据一起定义，并尽可能使用 synchronized_value＜T＞
一：概述 在多线程编程中，互斥锁（std::mutex）的作用是保护共享数据的访问。但如果 mutex 和它保护的数据分开定义，可能会导致以下问题： 锁的使用不明显：程序员可能会忘记获取 mutex 就访问数据&…...
选择 DotNetBrowser 还是 EO.WebBrowser
您是否正在为 .NET 应用寻找 Web 视图控件？如果是的话，那您真是太幸运了！.NET 生态系统提供了丰富的选择。既有开源和专有的免费 Web 视图控件，也有许多企业广泛选择的商业 Web 视图控件。 在这篇博客文章中，我们将对…...
ngin配置内网服务-具体案例【天地图】
ngin配置内网服务-具体案例【天地图】 描述需求整体网络架构1. 政务内网服务器（10.10.10.70）2. 网闸（10.10.10.240:8088）3. 跳板机（10.10.20.70:9109）4. 天地图服务 具体步骤第一步：配置跳板机&…...
【网络】poll 与epoll（原理、工作模式LT、ET）
文章目录 1. poll2. epoll3. epoll原理4. epoll工作模式4.1 水平模式LT4.2 边缘模式ET 在前面用的select中，它的使用方式非常麻烦，而且能支持的文件描诉符太少了。 下面来介绍一下更加方便、高效的方式: 1. poll poll函数接口： include <…...
DeepIn Wps 字体缺失问题
系统缺失字体 Symbol 、Wingdings 、Wingdings2、Wingdings3、MT—extra 字体问题 问了下DeepSeek 在应用商店安装或者在windows 里面找 装了一个GB-18030 还是不行 在windows里面复制了缺失的字体 将字体复制到DeepIn 的字体目录（Ubuntu 应该也是这个目录&am…...
Spring有哪些缺点?
大家好，我是锋哥。今天分享关于【Spring有哪些缺点?】面试题。希望对大家有帮助； Spring有哪些缺点? 1000道 互联网大厂Java工程师 精选面试题-Java资源分享网 Spring是一个非常流行的Java框架，提供了丰富的功能和灵活的配置选项…...
使用Dockerfile打包java项目生成镜像部署到Linux_java项目打docker镜像的dockerfile
比起容器、镜像来说，Dockerfile 非常普通，它就是一个纯文本，里面记录了一系列的构建指令，比如选择基础镜像、拷贝文件、运行脚本等等，每个指令都会生成一个 Layer，而 Docker 顺序执行这个文件里的所有步骤&…...
蓝桥杯刷题周计划（第二周）
目录 前言题目一题目代码题解分析 题目二题目代码题解分析 题目三题目代码题解分析 题目四题目代码题解分析 题目五题目代码题解分析 题目六题目代码题解分析 题目七题目代码题解分析 题目八题目题解分析 题目九题目代码题解分析 题目十题目代码题解分析 题目十一题目代码题解分…...
03 | fastgo 项目规范及目录结构介绍
提示： 所有体系课见专栏：Go 项目开发极速入门实战课；欢迎加入我的训练营：云原生AI实战营，一个助力 Go 开发者在 AI 时代建立技术竞争力的实战营。 为了让你更好的学习本课程。本节课，我来简单介绍下 fastgo…...
K8S学习之基础二十三：k8s的持久化存储之nfs
K8S持久化存储之nfs 在 Kubernetes (k8s) 中使用 NFS（Network File System）作为存储解决方案是一种常见的方式，特别是在需要共享存储的场景中。以下是关于如何在 Kubernetes 中使用 NFS 存储的详细说明： 1. 准备 NFS 服务器 …...
CTF代码学习日记 Python
os模块 在Python中，os是一个内置的标准模块，主要用于与操作系统进行交互，提供了许多操作文件、目录、进程等的功能。 例如： os.mkdir()用于创建新目录os.rmdir()用于删除空目录os.listdir()可以列出指定目录下的所有文件和目录…...
存储优化（protobuf与mmkv）
存储优化（protobuf与mmkv） 在Android应用开发中，数据存储是一个基础且关键的环节。随着应用功能的日益复杂，数据量的增加，传统的存储方式如SharedPreferences、SQLite等在性能上的局限性逐渐显现。本文将深入探讨两种…...
MTK Android12 添加GMS后，报“设备未经过play保护认证“问题
文章目录 问题解决 问题 在MTK平台的Android12机柜上面，客户要求安装GMS。安装后，打开发现报"设备未经过play保护认证"问题，无法使用。解决 路径：/build/make/tools/buildinfo.sh diff --git a/build/make/tools/bui…...
自定义Linux网络协议的开发与测试
在当今快速发展的技术领域中，定制化网络协议可以为特定的应用场景提供灵活而强大的解决方案。本文将详细介绍如何在Linux系统上开发一个自定义网络协议，并编写相应的用户空间程序进行测试。所有步骤基于2025年3月11日的时间点完成。 开发自定义协议内核模块 定义协议和实现…...
Ubuntu 24.04 安装与配置 JetBrains Toolbox 指南
📌 1. JetBrains Toolbox 介绍 JetBrains Toolbox 是 JetBrains 开发的工具管理器，可用于安装、更新和管理 IntelliJ IDEA、PyCharm、WebStorm、CLion 等。本指南记录了 JetBrains Toolbox 在 Ubuntu 24.04 上的 安装、路径调整、权限管理 及 遇到的问题…...
说一下spring的事务隔离级别？
大家好，我是锋哥。今天分享关于【说一下spring的事务隔离级别？】面试题。希望对大家有帮助； 说一下spring的事务隔离级别？ 1000道 互联网大厂Java工程师 精选面试题-Java资源分享网 Spring的事务隔离级别是指在数据库事务管理中…...
【社区投稿】深入再谈智能指针、AsRef引用与Borrow借用
深入再谈智能指针、AsRef引用与Borrow借用 这是一个具有深度的技术主题。每次重温其理论知识，都会有新的领悟。大约 2 年前，我曾就这一技术方向撰写过另一篇短文《从类型转换视角，浅谈Deref<Target T>, AsRef<T>, Borrow<T&g…...