当前位置: 首页 > news >正文

Prompt工程提示词(1-6章)

White graces:个人主页

🐹今日诗词:怅望千秋一洒泪,萧条异代不同时🐹


⛳️点赞 ☀️收藏⭐️关注💬卑微小博主🙏

⛳️点赞 ☀️收藏⭐️关注💬卑微小博主🙏


 目录

🚀 第1章:Prompt 工程技术简介

✅ 一、什么 是 Prompt 工程?

✅ 二、为什么需要它?

✅ 三、Prompt 的组成结构(重点)

✨ 第二章:指令提示技术

✅ 什么是“指令提示技术”?

✅ 提示公式:

✅ 应用技巧(重点)

🎓 第三章:角色提示技术

✅ 什么是角色提示?

✅ 角色提示的结构公式:

✅ 高级用法:结合 角色 + 指令提示

✍️ 第二部分:复习练习题

🧠 题目A:知识问答

🛠 题目B :写出一个完整 Prompt

📘 第四章标准提示技术

✅ 什么是“标准提示”?

🧠 举几个标准提示的例子:

✅ 标准提示适合哪些情况?

🌟 高阶组合范例(标准提示 + 角色 + 指令 + 种子词 ):

📘 第五章:零、一和少样本提示技术(重点)

✅ 什么是零、一 和少样本提示技术?

📌 各种样本提示的作用和 适用场景

✅ 零样本提示(Zero-shot Prompting)

✅ 一样本提示(One-shot Prompting)

✅ 少样本提示(Few-shot Prompt ing)(以后用这个方式, 重点)


🚀 第1章:Prompt 工程技术简介


✅ 一、什么 是 Prompt 工程?

Prompt 工程就是 —— “如何设计和写 出高质量的问题(提示),让 ChatGPT 输出你真正想要的结果”

你可以把它想象成:不是随便问 ChatGPT 一个问题,而是像设计一个“任务指令”,你越 明确,它越懂你。


✅ 二、为什么需要它?

虽然 ChatGPT 很强大,但它是 “猜测你要什么”的机器。

  • 你不明确,它可能 瞎说;
  • 你越 清楚,它越准确。

举个 例子:

  • ❌ 模糊 :“帮我写一篇文章”
  • ✅ 明确 :“作为一个健康顾问,请写一篇面向30- 40岁上班族、语气积极、主题是减压食谱 的1000字文章。”

是不是感觉差别很大?这就是 Prompt 工程的魅力!


✅ 三、Prompt 的组成结构(重点)

Prompt 的写法,其实有一个“公式”,分为三部分 :

部分说明
角色 Role让 ChatGPT 扮 演某个专家,比如“你是 市场营销专家”
指令 Instruction你希望输出内容遵循什么要求?(风格、 格式、重点)
任务 Task你要 ChatGPT 做什么?写文章?总结报告 ?生成故事?

一个完整的 Prompt 模板长这样:

 作为[角色],请根据以下[指令]生成[任务] 的内容。

🌰 例子:

  • Prompt:“ 作为内容运营专家,请生成一篇 面向大学生的文案,语气轻松,主题是如何 使用AI写作。”

✨ 第二章:指令提示技术

✅ 什么是“指令提示技术”?

这是指:你要 明确告诉 ChatGPT 在输出时需要遵循哪些规则和标准

简单理解就是: 明确AI输出的内容, 输出时要遵循设置的规范

举个例子,Chat GPT 如果没有“指令”,它可能写出来的内容风格、 重点完全不符合你要求。

而你只要加上一句指令 ,它就能马上调整输出风格。

✅ 提示公式:

按照以下指示生成[任务]:[指令]

🌰 举例:

- **任务**:生成客户服务回复  
- **指令**:回复应该专业且提供准确的信息  
- 👉  Prompt 就是:
> 按照以下指示生成专业且准确的 客户服务回复:回复应该专业且 提供准确的信息。

✅ 应用技巧(重点)

- 指令要尽量 **具体明确**,避免“ 模糊词”(比如“写得好点”)
- 可加入诸如:长度要求、风格 (幽默、正式、通俗)、重点强调的内容、输出格式 (表格、清单、Markdown 等)

🎓 第三章:角色提示技术

这一章是“指令提示”的 补充与升级,教你如何让 ChatGPT “扮演 某个身份” 来提升输出的准确性和语气风格 。


✅ 什么是角色提示?

角色提示技术,就是通过让 Chat GPT 模拟一个身份/角色,用“角色的视角” 来完成任务。

你可以指定它 是:

  • 一名营销专家
  • 一个小学老师
  • 一个健 身教练
  • 一位高级 程序员
  • 甚至是莎士比亚!

✅ 角色提示的结构公式:

作为[角色],生成[任务 ]

🌰 举个例 子:

作为 营养学 专家,请生成一份适合减脂人群的一周饮食计划。

这个提示的好处是:

  • 让模型使用该“角色 的知识”
  • 输出会更符合 角色语气和风格

✅ 高级用法:结合 角色 + 指令提示

你还可以把“角色提示” 和我们 上节学的“指令提示 ” 结合使用:

🧠 示例:

作为心理咨询师 ,请写一篇自我调节建议文案, 语气温和 、面向焦虑患者。

这个提示里同时包含了:

  • 角色:心理咨询师
  • 任务:写建议文案
  • 指令:语气温和、面向焦虑患者

输出就会非常贴合目标。

✍️ 第二部分:复习练习题

🧠 题目A:知识问答

请回答以下问题:

  1. Prompt 工程中的“三要 素”分别是什么?
  2. 指令提示技术的核心目的是什么 ?
  3. 角色提示为什么 能提高输出的准确性?

1. 角色, 任务, 指令

2. 目的: 明确AI输出的内容, 输出时要遵循设置的规范

3. 因为用户明确了AI要调用哪个领域的知识, 在这个领域中回答, 准确性更高


🛠 题目B :写出一个完整 Prompt

请你写出一个完整的 Prompt,用于这个目标:

“ 请生成一个面向公司内部的 公告文案,内容是通知下周五下午举行团建活动, 语气要积极、友好。”

要求你使用:

  • 角色提示
  • 指令提示
  • 任务清晰

作为一名活动主管, 创作一份 公告文案, 内容是通知下 周五下午举行团建活动, 语气要积极、友好, Markdown格式

👍这个提示几乎完美!我们简单解析一下它:

  • ✅ 角色:活动主管
  • ✅ 任务 :创作一份公告文案
  • ✅ 指令: 语气积极、友好 + Markdown 格式

📘 第四章标准提示技术

✅ 什么是“标准提示”?

标准 提示是一种最简单直接的提示方式。你只需要告诉 ChatGPT :

你想让它做什么

它的核心公式只有 一个成分:

“生成一个[任务]”


🧠 举几个标准提示的例子:

任务标准提示
总结一篇新闻“ 生成这篇新闻文章的摘要”
撰写产品评论“生成这款新智能手机的评论”
设计宣传语“生成一条简短有力的宣传语”
写 电子邮件“生成一封感谢客户的邮件”

是不是很直接 ?这就是标准提示的特点 —— 简洁、清晰、任务 导向


✅ 标准提示适合哪些情况?

  • 你想做的任务很明确、很单一
  • 不太需要指定角色、风格
  • 想快速试试 ChatGPT 能 不能完成一个基本任务

当然,它也可以和角色提示、 指令提示、种子词提示等结合使用,提升输出质量 。


🌟 高阶组合范例(标准提示 + 角色 + 指令 + 种子词 ):

任务:撰写新笔记本电脑的产品评论
要求:评论应客观、信息丰富,强调其强大功能
角色:技术专家
种子词:“强大的”

🧩 完整提示:

作为一名技术专家,生成一个客观而信息丰富的产品评论,强调新笔记本电脑的强大特点。

这个提示虽然是“标准 提示”的核心,但通过组合其他技术 就变得更有指导性、更 具体。

📘 第五章:零、一和少样本提示技术(重点)

✅ 什么是零、一 和少样本提示技术?

这三种提示技术都是为了解决 “如何用最少的提示 信息, 让 AI 能够准确完成任务”

  • 零样本(Zero-shot): 不提供任何示例,完全依赖模型的先验知识来生成内容。
  • 一样 本(One-shot):提供 一个示例 来引导模型,帮助它理解你期望 的输出格式。
  • 少样本(Few-shot):提供 多个示例 来让模型 学到一种模式或规律,从而提升生成效果。

创作提示词, 尽量使用少样本提示技术

📌 各种样本提示的作用和 适用场景

类型说明适用场景
零样本(Zero-shot)不给任何示例,直接让模型完成任务任务简单、模型有足够的先验知识
一样本(One-shot)给 出一个例子,帮助模型理解任务要求输出格式较复杂、需要模型模仿的情况
少样本(Few-shot)给出多个例子,让模型从中学习模式输出 非常具体、需要细化规则时

✅ 零样本提示(Zero-shot Prompting)

零 样本提示是最 简洁 的方式,它要求 AI完全依赖其内建的知识来 生成结果。适用于你没有时间给出示例,或者任务本身比较简单、标准的情况 。

例子:

  • 任务:生成一份产品评论
    提示:“生成这 款笔记本电脑的产品评论。”

  • 任务:撰写一封感谢邮件
    提示:“写一封感谢客户的邮件。”

零样本提示的挑战是,模型必须依赖大量的预训练知识来做出合适的推测。如果任务较为复杂,可能 会出现不准确或模糊的结果。


✅ 一样本提示(One-shot Prompting)

一样本提示 通过提供 一个示例,帮助模型更好地理解任务要求。通过这个示例,模型能够知道你的输出格式和风格偏好。

例子:

  • 任务 :生成产品评论
    提示:
    示例:  
    这款手机的外观 非常精致,手感舒适,电池续航也很不错,是一款值得购买的手机。   
    任务:生成这款笔记本电脑的产品评论。
    
    这样模型会模仿第一个例子中的评论风格和结构。

✅ 少样本提示(Few-shot Prompt ing)(以后用这个方式, 重点)

少样本提示 提供 多个示例,以便模型从中总结出规律 和模式,通常用于输出更具结构性和一致性的内容。

例子:

  • 任务: 生成产品评论
    提示:
示例1:  
这款手机设计简洁, 运行流畅,性价比高,非常适合年轻用户。  
示例2:  
这款 平板电脑屏幕清晰,操作流畅,支持多任务处理 ,适合办公使用。  
任务:生成这款笔记本电脑的产品评论。
`` `

通过这些多个示例,这样模型会模仿第个例子中的评论风格和结构。

📘 第六章:种子词提示 技术(Keyword Prompting)(重要)


✅ 什么是“种子词提示 ”?

种子词提示( Keyword Prompting) 是指:

**在提示中加入关键词或短语,引导模型在生成内容 时重点围绕这些词展开。 **

这些关键词就像“种子”,模型会围绕它们“ 生长”出你想要的内容。


📌 为什么要 用种子词提示?

当你希望控制内容的重点、方向 、风格、价值观时 ,仅靠普通指令可能还不 够明确,这时“种子词”可以提供更具体的控制。


✅ 举例说明(感受下)

🎯 任务:生成品牌宣传语
  • 普通提示:生成一个关于护肤品牌的宣传语
    → 输出可能是:

    “ 呵护肌肤,从现在开始。”

  • 加入种子词
    提示:生成一个护 肤品牌的宣传语,关键词包括“自然、温和、可持续 ”
    → 输出更可能是 :

“源于自然,温和呵护,成就 可持续美肌。”

是不是更贴近你的期望了?这就是 “种子词”起作用的 地方!


🌱 种子词提示的结构(模板)

我们可以用这个结构来写提示:

作为 [角色],请围绕以下关键词生成[任务]:
关键词包括 :[关键词1]、[关键词2]、[关键词3]

📌 常见使用场景

场景示例
广告文案“活力、 健康、年轻”
求职信“责任心、沟通 能力、项目经验”
教育内容“互动性、启 发性、逻辑清晰”
产品描述“轻便 、耐用、设计感强”
企业文化总结“诚信、创新、协作、结果导 向”

美图分享

✨🎆谢谢你的阅读和耐心!祝愿你在编程的道路上取得更多的成功与喜悦!"🎆✨🎄

⭐️点赞收藏加关注,学习知识不迷路⭐️

🎉✔️💪🎉✔️💪🎉✔️💪🎉✔️💪🎉

👍😏⛳️点赞☀️收藏⭐️关注😏👍

👍😏⛳️点赞☀️收藏⭐️关注😏👍

👍😏⛳️点赞☀️收藏⭐️关注😏👍

🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️🙆‍♂️

相关文章:

Prompt工程提示词(1-6章)

White graces:个人主页 🐹今日诗词:怅望千秋一洒泪,萧条异代不同时🐹 ⛳️点赞 ☀️收藏⭐️关注💬卑微小博主🙏 ⛳️点赞 ☀️收藏⭐️关注💬卑微小博主🙏 目录 🚀 第…...

0基础 | 硬件滤波 C、RC、LC、π型

一、滤波概念 (一)滤波定义 滤波是将信号中特定波段频率滤除的操作,是抑制和防止干扰的重要措施。通过滤波器实现对特定频率成分的筛选,确保目标信号的纯净度,提升系统稳定性。 (二)滤波器分…...

C++ 编程指南34 - C++ 中 ABI 不兼容的典型情形

一:概述 ABI(Application Binary Interface)是二进制层面的接口规范。如果一个库的 ABI 发生了变化,那么基于旧 ABI 编译的代码可能在运行时与新库不兼容(即使接口名字都一样也不行)。那么在C++中编程中,哪些情形会导致ABI不兼容呢?下面逐一列举一下。 二:C++ 中 ABI…...

【动态规划】深入动态规划:背包问题

文章目录 前言01背包例题一、01背包二、分割等和子集三、目标和四、最后一块石头的重量|| 完全背包例题一、完全背包二、 零钱兑换三、零钱兑换||四、完全平方数 前言 什么是背包问题,怎么解决算法中的背包问题呢? 背包问题 (Knapsack problem) 是⼀种组…...

NVIDIA AI Aerial

NVIDIA AI Aerial 适用于无线研发的 NVIDIA AI Aerial 基础模组Aerial CUDA 加速 RANAerial Omniverse 数字孪生Aerial AI 无线电框架 用例构建商业 5G 网络加速 5G生成式 AI 和 5G 数据中心 加速 6G 研究基于云的工具 优势100% 软件定义通过部署在数字孪生中进行测试6G 标准化…...

计算机视觉6——相机基础

一、数字相机基本工作原理 (一)像素概念 数字相机生成二维图像,图像最小单元是像素。 每个像素对应三维世界中某个特定方向,像素值衡量某一时刻来自该方向的光照强度/颜色 ,即相机度量每个像素的光照情况并保存到对…...

入门到精通,C语言十大经典程序

以下是十个经典的C语言程序示例&#xff0c;这些程序涵盖了从基础到稍复杂的应用场景&#xff0c;适合初学者和有一定基础的开发者学习和参考。 1. Hello, World! 这是每个初学者学习编程时的第一个程序&#xff0c;用于验证开发环境是否正确配置。 #include <stdio.h>…...

【毕设】Python构建基于TMDB电影推荐系统

个性化电影推荐系统 这是一个基于FastAPI开发的现代化电影推荐系统&#xff0c;结合了协同过滤和深度学习技术&#xff0c;为用户提供个性化的电影推荐服务。 主要功能 &#x1f3af; 个性化电影推荐&#x1f50d; 电影搜索与浏览⭐ 电影评分系统&#x1f49d; 收藏夹功能&a…...

嵌入式常见概念的介绍

目录 一、MCU、MPU、ARM &#xff08;一&#xff09;MCU&#xff08;微控制器&#xff09; &#xff08;二&#xff09;MPU&#xff08;微处理器&#xff09; &#xff08;三&#xff09;ARM&#xff08;架构&#xff09; 二、DSP &#xff08;一&#xff09;数字信号处理…...

富兴号:拨云见日,打造普洱品质典范

在高端普洱茶市场的混沌格局中&#xff0c;价格与品质的天平严重失衡&#xff0c;消费者往往深陷 “高价却难觅好茶” 的困境。而新兴品牌富兴号强势崛起&#xff0c;奋力冲破这一迷局&#xff0c;致力于重塑 “号级茶” 的卓越品质&#xff0c;为茶叶赋予珍贵的品鉴与收藏价值…...

【WORD】批量将doc转为docx

具体步骤进行&#xff1a; 打开Word文档&#xff0c;按下AltF11快捷键&#xff0c;打开VBA编辑器。在VBA编辑器中&#xff0c;左侧的“项目资源管理器”窗口会显示当前打开的Word文档相关项目。找到您要添加代码的文档项目&#xff08;通常以文档名称命名&#xff09;&#xf…...

Linux内存管理架构(1)

0.内存空间架构 1.用户空间 在 Linux 系统中&#xff0c;应用程序通过 malloc() 申请内存&#xff0c;并通过 free() 释放内存时&#xff0c;底层的内存管理是由 glibc&#xff08;GNU C Library&#xff09;中的内存分配器实现的。glibc 的内存分配器负责与操作系统的内核交互…...

Ubuntu 各个常见长期支持历史版本与代号

文章目录 1. Ubuntu 历史版本与代号2. 查看当前系统版本 在 Ubuntu 操作系统里&#xff0c;每个版本都有一个别具特色的名字。该名字由一个形容词与一个动物名称构成&#xff0c;且形容词和动物名称的首字母是一样的。例如 “Warty Warthog&#xff08;长疣的疣猪&#xff09;”…...

信息安全管理与评估2021年国赛正式卷答案截图以及十套国赛卷

2021年全国职业院校技能大赛高职组 “信息安全管理与评估”赛项 任务书1 赛项时间 共计X小时。 赛项信息 赛项内容 竞赛阶段 任务阶段 竞赛任务 竞赛时间 分值 第一阶段 平台搭建与安全设备配置防护 任务1 网络平台搭建 任务2 网络安全设备配置与防护 第二…...

在线上定位1G日志文件中的异常信息时,我这样做合适吗

1G级线上日志文件 的异常定位系统性方案 一、快速定位流程 import datetime import randomdef generate_springboot_log(file_name, file_size_gb):# 模拟Spring Boot日志内容log_levels ["INFO", "DEBUG", "WARNING", "ERROR"]cla…...

Transformer模型中的两种掩码

模型训练通常使用 批处理batch来提升训练效率。而实际中Transformer的输入序列&#xff08;如句子、文本片段&#xff09;长度往往不一致。为了让这些样本可以组成一个统一的形状 [B, T] 的张量给GPU进行并行计算提高效率&#xff0c;需要将较短的序列填充&#xff08;pad&…...

FastAPI-MPC正式发布,新的AI敏捷开发利器

FastAPI-MCP发布&#xff1a;零配置构建微服务控制平台的革命性实践 引言 在微服务架构日益复杂的今天&#xff0c;如何快速实现API接口的标准化管理与可视化控制成为开发者面临的核心挑战。近日&#xff0c;FastAPI-MCP工具的发布引发了技术社区广泛关注&#xff0c;其宣称能…...

Spring Boot 项目基于责任链模式实现复杂接口的解耦和动态编排!

全文目录&#xff1a; 开篇语前言一、责任链模式概述责任链模式的组成部分&#xff1a; 二、责任链模式的核心优势三、使用责任链模式解耦复杂接口1. 定义 Handler 接口2. 实现具体的 Handler3. 创建订单对象4. 在 Spring Boot 中使用责任链模式5. 配置责任链6. 客户端调用 四、…...

学习笔记八——内存管理相关

&#x1f4d8; 目录 内存结构基础&#xff1a;栈、堆、数据段Rust 的内存管理机制&#xff08;对比 C/C、Java&#xff09;Drop&#xff1a;Rust 的自动清理机制Deref&#xff1a;为什么 *x 能访问结构体内部值Rc&#xff1a;多个变量“共享一个资源”怎么办&#xff1f;Weak&…...

Deepseek Bart模型相比Bert的优势

BART&#xff08;Bidirectional and Auto-Regressive Transformers&#xff09;与BERT&#xff08;Bidirectional Encoder Representations from Transformers&#xff09;虽然均基于Transformer架构&#xff0c;但在模型设计、任务适配性和应用场景上存在显著差异。以下是BART…...

Python在糖尿病分类问题上寻找具有最佳 ROC AUC 分数和 PR AUC 分数(决策树、逻辑回归、KNN、SVM)

Python在糖尿病分类问题上寻找具有最佳 ROC AUC 分数和 PR AUC 分数&#xff08;决策树、逻辑回归、KNN、SVM&#xff09; 问题模板解题思路1. 导入必要的库2. 加载数据3. 划分训练集和测试集4. 数据预处理5. 定义算法及其参数6. 存储算法和对应指标7. 训练模型并计算指标8. 找…...

达梦数据库-学习-20-慢SQL优化之CTE等价改写

目录 一、环境信息 二、介绍 三、优化过程 1、原始SQL 2、源SQL执行时间 3、原始SQL执行计划 4、拆分问题 5、过滤性 6、统计信息收集 7、改写思路一 8、改写SQL一 9、改写SQL一的执行计划 10、改写思路二 11、改写SQL二 12、改写SQL二的执行计划 一、环境信息…...

软件生命周期模型:瀑布模型、螺旋模型、迭代模型、敏捷开发、增量模型、快速原型模型

目录 1.软件生命周期 2.软件生命周期模型 2.1瀑布模型 缺点【存在的问题】&#xff1a; 优点&#xff1a; 2.2 螺旋模型 特点&#xff1a; 2.3 迭代模型 优点&#xff1a; 2.4 敏捷开发 2.5 增量模型 增量模型一般和迭代模型一起使用&#xff1a; 2.6 快速原型模型…...

AI agents系列之全面介绍

随着大型语言模型(LLMs)的出现,人工智能(AI)取得了巨大的飞跃。这些强大的系统彻底改变了自然语言处理,但当它们与代理能力结合时,才真正释放出潜力——能够自主地推理、规划和行动。这就是LLM代理大显身手的地方,它们代表了我们与AI交互以及利用AI的方式的范式转变。 …...

Ubuntu 下通过 Docker 部署 WordPress 服务器

最近想恢复写私人博客的习惯&#xff0c;准备搭建一个wordpress。 在这篇博客中&#xff0c;我将记录如何在 Ubuntu 环境下通过 Docker 部署一个 WordPress 服务器。WordPress 是一个流行的内容管理系统&#xff08;CMS&#xff09;&#xff0c;它让用户能够轻松地创建和管理网…...

Elasticsearch生态

目录 Elasticsearch核心概念 Elasticsearch实现全文检索的原理 Elasticsearch打分规则 常用的查询语法 ES数据同步方案 Elasticsearch生态非常丰富&#xff0c;包含了一系列工具和功能&#xff0c;帮助用户处理、分析和可视化数据&#xff0c;Elastic Stack是其核心部分&a…...

idea配置spring MVC项目启动(maven配置完后)

springmvc项目在idea中配置启动总结&#xff0c;下面的内容是在maven配置好后进行的。 配置 Tomcat 服务器 添加 Tomcat 到 IDEA&#xff1a; File → Settings → Build, Execution, Deployment → Application Servers → 点击 → 选择 Tomcat Server。 指定 Tomcat 安装目…...

大模型微调数据集怎么搞?基于easydataset实现文档转换问答对json数据集!

微调的难点之一在与数据集。本文介绍一种将文档转换为问答数据集的方法&#xff0c;超级快&#xff01; 上图左侧是我的原文档&#xff0c;右侧是我基于文档生成的数据集。 原理是通过将文档片段发送给ollama本地模型&#xff0c;然后本地模型生成有关问题&#xff0c;并基于文…...

【排序算法】快速排序

目录 一、递归版本 1.1 hoare版本 问题1&#xff1a;为什么left 和 right指定的数据和key值相等时不能交换&#xff1f; 问题2&#xff1a;为什么跳出循环后right位置的值⼀定不⼤于key&#xff1f; 1.2 挖坑法 1.3 lomuto前后指针版本 二、快排优化 2.1 时间复杂度的计算 2.1.…...

爬虫:IP代理

什么是代理 代理服务器 代理服务器的作用 就是用来转发请求和响应 在爬虫中为何需要使用代理&#xff1f; 有些时候&#xff0c;需要对网站服务器发起高频的请求&#xff0c;网站的服务器会检测到这样的异常现象&#xff0c;则会讲请求对应机器的ip地址加入黑名单&#xff…...

JUC.atomic原子操作类原理分析

摘要 多线程场景下共享变量原子性操作除了可以使用Java自带的synchronized关键字以及AQS锁实现线程同步外&#xff0c;java.util.concurrent.atomic 包下提供了对基本类型封装类(AtomicBoolean|AtomicLong|AtomicReference|AtomicBoolean) 以及对应的数组封装。对于已有的包含…...

【XCP实战】AUTOSAR架构下XCP从0到1开发配置实践

目录 前言 正文 1.CAN功能开发 1.1 DBC的制作及导入 1.2 CanTrcv模块配置 1.3 Can Controller模块配置 1.4 CanIf模块配置 2.XCP模块集成配置配置 2.1.XCP模块配置 2.2.XCP模块的Task Mapping 2.3.XCP模块的初始化 3.在链接文件中定义标定段 4.编写标定相关的测试…...

【STM32】STemWin库,使用template API

目录 CubeMX配置 工程文件配置 Keil配置 STemwin配置 GUIConf.c LCDConf.c 打点函数 修改屏幕分辨率 GUI_X.c 主函数 添加区域填充函数 移植过程中需要一些参考手册&#xff0c;如下 STemwin使用指南 emWin User Guide & Reference Manual CubeMX配置 参考驱…...

Web开发-JavaEE应用动态接口代理原生反序列化危险Invoke重写方法利用链

知识点&#xff1a; 1、安全开发-JavaEE-动态代理&序列化&反序列化 2、安全开发-JavaEE-readObject&toString方法 一、演示案例-WEB开发-JavaEE-动态代理 动态代理 代理模式Java当中最常用的设计模式之一。其特征是代理类与委托类有同样的接口&#xff0c;代理类…...

C语言中while的相关题目

一、题目引入 以下程序中,while循环的循环次数是多少次? 二、代码分析 首先要明确的一点 while循环是当循环条件为真 就会一直循环 不会停止 while中i是小于10的 说明i可以取到0 1 2 3 4 5 6 7 8 9 进入第一个if判断i小于1为真时执行continue i0是为真的 执行continue 后…...

在Ubuntu下交叉编译 Qt 应用程序(完整步骤)

1、下载交叉编译器下&#xff1a; st-example-image-qt wayland-openstlinux-weston-stm32mp1-x86_64-toolchain-3.1-snapshot.sh 通过网盘分享的文件&#xff1a;STM32项目 链接: https://pan.baidu.com/s/1hTvJT2r6czWCrKSuNEZCuw?pwdth7t 提取码: th7t --来自百度网盘超级…...

深入剖析 Axios 的 POST 请求:何时使用 qs 处理数据

在前端开发中&#xff0c;Axios 是一个广泛使用的用于发送 HTTP 请求的库&#xff0c;特别是在处理 POST 请求时&#xff0c;数据的处理方式会直接影响到请求能否正确被后端接收和处理。其中&#xff0c;使用 qs 库对数据进行处理是一个常见的操作点&#xff0c;本文将深入探讨…...

Python中NumPy的随机操作

在数据科学、机器学习和科学计算中&#xff0c;随机数的生成和操作是不可或缺的一部分。NumPy作为Python中强大的数值计算库&#xff0c;提供了丰富的随机数生成工具&#xff0c;能够满足从简单随机数生成到复杂概率分布模拟的多种需求。本文将深入探讨NumPy的随机操作功能&…...

从代码学习深度学习 - 多头注意力 PyTorch 版

文章目录 前言一、多头注意力机制介绍1.1 工作原理1.2 优势1.3 代码实现概述二、代码解析2.1 导入依赖序列掩码函数2.2 掩码 Softmax 函数2.3 缩放点积注意力2.4 张量转换函数2.5 多头注意力模块2.6 测试代码总结前言 在深度学习领域,注意力机制(Attention Mechanism)是自然…...

通过扣子平台工作流将数据写入飞书多维表格

1. 进入扣子平台&#xff0c;并创建工作流扣子 扣子是新一代 AI 大模型智能体开发平台。整合了插件、长短期记忆、工作流、卡片等丰富能力&#xff0c;扣子能帮你低门槛、快速搭建个性化或具备商业价值的智能体&#xff0c;并发布到豆包、飞书等各个平台。https://www.coze.cn…...

python专题2-----用python生成多位,值均是数字的随机数

有很多方法可以用 Python 生成 多位随机数。我将向您介绍几个常用的方法&#xff0c;并解释它们的优缺点&#xff08;此处以4位随机数为例&#xff09;&#xff1a; 1. 使用 random.randint() 这是最简单直接的方法&#xff1a; import randomrandom_number random.randint…...

Mybatis的简单介绍

文章目录 MyBatis 简介 1. MyBatis 核心特点2. MyBatis 核心组件3. MyBatis 基本使用示例(1) 依赖引入&#xff08;Maven&#xff09;(2) 定义 Mapper 接口(3) 定义实体类(4) 在 Service 层调用 4. MyBatis 与 JPA/Hibernate 对比 MyBatis 简介 MyBatis 是一款优秀的 持久层框…...

山东大学软件学院创新项目实训(11)之springboot+vue项目接入deepseekAPI

因为该阶段是前后端搭建阶段&#xff0c;所以没有进大模型的专项训练&#xff0c;所以先用老师给的deepseek接口进行代替 且因为前端设计部分非本人负责且还没有提交到github上&#xff0c;所以目前只能先编写一个简易的界面进行功能的测试 首先进行创建model类 然后创建Cha…...

Qt绘图事件

目录 1.绘图事件 1.1绘图事件 1.2声明一个画家对象 2.画线、画圆、画矩形、画文字 2.1画线 ​编辑 2.2画圆 2.3画矩形 2.4画文字 3.设置画笔 3.1设置画笔颜色 3.2设置画笔宽度 3.3设置画笔风格 4.设置画刷 4.1填色 4.2设置画刷风格 5.绘图高级设置 5.1设置抗锯…...

Linux 内核 BUG: Android 手机 USB 网络共享 故障

众所周知, 窝日常使用 ArchLinux 操作系统, 而 ArchLinux 是一个滚动发行版本, 也就是各个软件包更新很快. 然而, 突然发现, Android 手机的 USB 网络共享功能 BUG 了. 经过一通排查, 发现是 Linux 内核造成的 BUG. 哎, 没办法, 只能自己动手修改内核代码, 修复 BUG 了. 本文…...

程序化广告行业(82/89):解锁行业术语,开启专业交流之门

程序化广告行业&#xff08;82/89&#xff09;&#xff1a;解锁行业术语&#xff0c;开启专业交流之门 在程序化广告这个充满活力与挑战的行业里&#xff0c;持续学习是我们不断进步的动力源泉。一直以来&#xff0c;我都期望能和大家一起深入探索这个领域&#xff0c;共同成长…...

Linux的网络配置的资料

目前有两种方式&#xff0c;network和NetworkManager。 network方式是在CentOS 6及更早版本中引入的配置方法&#xff0c;支持使用配置文件的方式管理网卡的配置。 NetworkManager是在CentOS 7及后续的版本中使用的配置方法&#xff0c;支持使用命令行和图形化界面的方式来管理…...

linux: 文件描述符fd

目录 1.C语言文件操作复习 2.底层的系统调用接口 3.文件描述符的分配规则 4.重定向 1.C语言文件操作复习 文件 内容 属性。所有对文件的操作有两部分&#xff1a;a.对内容的操作&#xff1b;b.对属性的操作。内容是数据&#xff0c;属性其实也是数据-存储文件&#xff0c…...

每天学一个 Linux 命令(16):mkdir

每天学一个 Linux 命令(16):mkdir 命令简介 mkdir(Make Directory)是 Linux 和类 Unix 系统中用于创建新目录的基础命令。它允许用户快速创建单个目录、多级嵌套目录,并能灵活设置目录权限。 主要用途 创建单个目录:快速生成新的空目录。递归创建多级目录:自动生成缺…...

Java微服务注册中心深度解析:环境隔离、分级模型与Eureka/Nacos对比

在微服务架构体系中&#xff0c;注册中心如同神经系统般承担着服务发现与健康管理的核心职能。本文将从生产环境实践出发&#xff0c;系统剖析注册中心的环境隔离策略、分级部署模型&#xff0c;并通过Eureka与Nacos两大主流组件的全方位对比&#xff0c;帮助开发者构建高可用服…...