暂时未有相关云产品技术能力~
自动化专业在读，聚焦人工智能领域跨界探索。这里会记录自动化控制与 AI 技术的碰撞，也会分享实操项目中的坑与经验。欢迎交流：chenai_tgf@163.com
CAN总线是工业通信的关键技术，以其高可靠性和实时性广泛应用于自动驾驶、轨道交通等领域。其核心技术包括差分信号传输（物理层）和非破坏性逐位仲裁机制（数据链路层），确保在极端环境下稳定工作。CAN协议支持标准帧（11位ID）和扩展帧（29位ID），并通过严密的错误检测（5种机制）和节点健康管理（TEC/REC计数器）实现自我修复。进阶的CAN FD技术提升了数据传输能力（64字节负载，5Mbps速率）。Linux环境下可通过SocketCAN实现CAN通信模拟。
本教程教你如何在24G显存单卡环境下部署超大文生图模型Flux.1-dev。通过ModelScope极速下载、Hugging Face身份鉴权与显存顺序卸载技术，解决下载慢、授权难、显存溢出等问题，实现稳定推理。
本教程详细介绍如何在Linux服务器上本地部署智谱AI的GLM-4V-9B视觉多模态模型，涵盖环境配置、模型下载、推理代码及4-bit量化、vLLM加速等优化方案，助力高效实现图文理解与私有化应用。
MinerU是由OpenDataLab推出的开源PDF解析工具，支持精准布局分析、公式识别与表格提取。本文详解其2.5-2509-1.2B版本在Linux下的部署流程，涵盖环境搭建、模型下载、核心配置及实战应用，助你高效处理复杂PDF文档，提升AI数据清洗效率。
本文详解Git克隆GitHub仓库时出现“Permission denied (publickey)”错误的解决方法。问题源于SSH身份验证失败，常见于未配置SSH密钥或未添加公钥至GitHub。提供两种方案：一是临时使用HTTPS协议克隆，快速便捷；二是长期配置SSH密钥对，一劳永逸。涵盖密钥生成、SSH Agent启动、公钥添加及连接验证全流程，助开发者高效解决问题，提升开发效率。
一款基于Python的PDF手写模拟器，可批量将文字以逼真手写形式填入PDF指定区域。支持中英文独立配置、手写扰动效果调节、模板复用与实时预览，告别手动抄写。开源免费，操作简便，学生党必备！GitHub已开源，欢迎Star！
针对大规模文件夹统计卡顿问题，本文提出优化方案：通过分步遍历、实时进度反馈与多线程并行计算，结合`os.scandir`高效IO操作，实现秒级响应与倍速计算，显著提升大目录统计效率，解决传统方法卡顿无反馈的痛点。
一款基于Whisper模型的音视频转字幕工具，支持多格式文件，提供可视化界面与实时进度反馈，可自动识别语音并生成简体SRT字幕，操作简单，开源免费，显著提升字幕制作效率。
一款基于Python的PDF区域OCR与截图工具，支持精准框选、文字识别、图片截取及Excel一键导出。内置手动审核与全自动批量处理模式，结合PyMuPDF、easyocr等技术，实现高效、可视化的PDF数据提取，适用于发票、报表等场景，显著提升办公效率。
本文详解睿尔曼手眼标定代码库，涵盖眼在手上与眼在手外两种模式的实现原理及核心代码解析。内容包括数据采集、位姿处理、相机标定与手眼矩阵求解全流程，结合OpenCV的Tsai算法实现高精度坐标转换，助力机器人视觉精准抓取应用开发。
本文详解睿尔曼机械臂手眼标定全流程，涵盖环境搭建、设备准备、眼在手上/外的标定步骤、常见问题解决及标定结果在视觉抓取中的应用，助你实现精准视觉引导操作。
本文系统讲解手眼标定技术，涵盖Eye-in-Hand与Eye-to-Hand两种架构，深入推导AX=XB方程的数学原理与求解方法，结合实际应用场景和操作步骤，为机器人视觉开发者提供从理论到实践的完整指南。
本文复盘睿尔曼机械臂夹爪“指令成功但无动作”的故障，揭示官方例程遗漏末端电压配置与通信协议初始化两大隐患。通过“软件—硬件—通信”三步排查，结合万用表测量与示教器配置，最终解决供电缺失与指令失效问题，为末端执行器部署提供可落地的实战方案。
本文记录了一次Selenium爬虫被Gitee安全验证拦截的排查经历。爬虫运行一周后突然失效，频繁触发“安全验证”弹窗，尝试隐藏webdriver特征、更换IP、模拟人工操作等均无效。最终发现：手动访问Gitee完成验证后，环境风险标记解除，爬虫自动恢复正常。表明反爬机制针对的是“访问环境”而非工具本身，人工验证可快速解锁，为同类问题提供简洁高效的解决思路。
本文档汇总Gitee本周热门开源项目，涵盖Fay、JeeLowCode等明星项目，结合AI与低代码趋势，深入分析技术融合与场景创新，助力开发者把握前沿动态。
本文整理Gitee当日热门开源项目，涵盖AI智能体、低代码开发、数字人、容器化部署等前沿技术。聚焦智能化、降本增效与垂直场景应用，展现AI工程化、全栈融合与技术普惠趋势，助力开发者把握开源脉搏。
本文详解Selenium操作Edge浏览器时常见的“版本不匹配”和“进程冲突”问题，分析报错根源，并提供手动替换驱动与webdriver-manager自动管理两种解决方案，助你高效稳定实现浏览器自动化。
在进行文件夹内人脸识别与对比聚类时，遇到onnxruntime库报错，通常因版本不兼容或环境冲突导致。本文整理了五种解决方案：降级onnxruntime至1.14.1、重装库、区分GPU/CPU版本、安装Visual C++运行库、创建Python虚拟环境。通过版本匹配与环境隔离，有效解决DLL初始化失败等问题，提升项目稳定性。
本文介绍如何在VS Code中配置高效Markdown写作环境，通过启用内置预览、安装Markdown All in One与Markdown Preview Enhanced插件，并配置Princexml实现PDF等格式导出，全面提升编辑、预览与输出效率，适合程序员、学生及内容创作者使用。
本文详解睿尔曼第三代机械臂电动夹爪的Python SDK控制方法，聚焦`set_gripper_pick_on`与`set_gripper_release`核心函数，拆解速度、力度、阻塞等参数含义，结合“运动+抓取+释放”完整流程代码，手把手实现夹爪抓放实操，助力零基础用户快速掌握从代码到动作的全流程控制。
一款基于Python+Tkinter开发的免费开源Excel处理工具，支持表格差异比对与错乱行整理，完整保留图片，兼容.xlsx和.csv格式。操作简单，支持自定义比对列、多线程处理，解决日常办公中数据比对、行合并及图片丢失等痛点，适用于各类Excel数据清理场景。（239字）
本文详解睿尔曼第三代机械臂的Python控制入门，涵盖连接配置、多型号适配与核心运动指令（movej/movel/movec），通过解析例程代码，帮助零基础用户快速掌握机械臂基础控制逻辑并实现实操运行。
本教程带你零基础入门睿尔曼协作机器人，涵盖RM65、RM75、RML63等全系列机型。从开箱识别核心部件、接口功能，到单人快速组装、安全接线开机，再到有线/无线连接示教器及简单拖动示教操作，步骤清晰，图文并茂。助你50秒完成启动，快速实现轨迹复现，规范关机保护设备，轻松上手协作机器人应用。
机械臂作为“智能执行终端”，融合机械、电子、控制与AI技术，已从替代人工迈向价值共创。本文系统解析其结构、控制原理、产业现状与多领域应用，展现国产化崛起与智能化升级的全貌。
本文解读AI十大核心论文第九篇《LLM.int8()》，聚焦大模型推理中的内存瓶颈问题。该论文提出创新的混合精度量化方法，通过向量级量化与异常值分离技术，首次实现千亿参数模型无损8位量化，显著降低部署成本，提升计算效率，推动大模型在消费级硬件上的落地应用，为低比特量化研究奠定重要基础。
本篇解读DistilBERT，一篇解决大模型落地难题的里程碑论文。面对BERT等大模型参数多、耗能高、部署难的问题，DistilBERT提出预训练阶段知识蒸馏，结合三重损失与轻量化设计，在保留97%性能的同时，模型缩小40%，推理提速60%，推动NLP迈向高效、绿色、边缘化应用。
本文解读复旦NLP团队2023年重磅综述《The Rise and Potential of Large Language Model Based Agents》，系统剖析LLM智能体“大脑-感知-行动”三大核心模块，涵盖单智能体、多智能体、人机协作与智能体社群四大应用场景，提炼工具SKMA体系、安全护栏、结果检查三大落地要点，并提出AGI路径、虚拟到物理迁移等开放问题，为构建通用智能体提供统一范式，被誉为该领域“入门圣经”。
本文用通俗类比讲清机器学习核心术语：Epoch是完整训练一轮，Batch Size是每次训练的数据量，Step/Iter是每批数据处理及参数更新的最小单位。结合学习率、损失值、过拟合等概念，帮你快速掌握训练过程关键要点，打通术语任督二脉。（238字）
Switch Transformers通过简化MoE路由机制，实现万亿参数模型的高效训练。其核心创新在于Switch Routing（单专家激活）、选择性精度与三重并行架构，在降低计算成本的同时提升模型规模与稳定性，为大模型稀疏化发展奠定基础。
本文解读AI十大核心论文之五——《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》。该论文提出RAG框架，通过“检索+生成”结合，解决大模型知识更新难、易幻觉、缺溯源等问题，实现小模型高效利用外部知识库，成为当前大模型落地的关键技术。
本文解读AI十大核心论文之二——《Training Language Models to Follow Instructions with Human Feedback》。该论文提出RLHF框架，通过“监督微调-奖励建模-强化学习”三步法，首次实现大模型与人类意图的有效对齐，推动GPT-3进化为更安全、可信的InstructGPT，奠定ChatGPT等后续模型的技术基石，开启大模型“从博学到好用”的新时代。
摘要 2020年发表的《Language Models are Few-Shot Learners》(GPT-3论文)开创了AI新时代。该论文突破性地证明：当Transformer模型参数规模扩大到1750亿时，仅通过文本交互即可实现任务无关的少样本学习。GPT-3采用"预训练+提示词"的新范式，无需微调就能在翻译、问答等40+任务上展现强大性能。论文系统验证了模型在语言建模、闭卷问答等9类任务中的表现，其中在LAMBADA长文本任务上准确率达86.4%，较此前最优提升18.4%。这一研
本文介绍了通过远程桌面连接实现跨机传输大文件的方法。首先说明如何启动远程桌面连接（Win+R输入mstsc或搜索打开），强调需输入云服务器公网IP（如47.98.XX.XX格式）。详细图文展示了连接过程，包括输入Administrator账户密码的步骤。文件传输支持两种方式：部分系统可直接拖拽文件到本机，其他系统可通过复制粘贴完成。该方法解决了传统邮箱附件/网盘传输大文件的低效问题，适用于数据库备份、安装包等GB级文件传输场景。
发表了文章
2026-01-21
发表了文章
2026-01-12
发表了文章
2026-01-12
发表了文章
2026-01-11
发表了文章
2026-01-11
发表了文章
2026-01-07
发表了文章
2026-01-07
发表了文章
2026-01-01
发表了文章
2025-12-30
发表了文章
2025-12-28
发表了文章
2025-12-28
发表了文章
2025-12-25
发表了文章
2025-12-22
发表了文章
2025-12-22
发表了文章
2025-12-18
发表了文章
2025-12-18
发表了文章
2025-12-14
发表了文章
2025-12-14
发表了文章
2025-12-13
发表了文章
2025-12-13
