Page Assist - 本地Deepseek模型 Web UI 的安装和使用
Page Assist
Page Assist是一个开源的Chrome扩展程序,为本地AI模型提供一个直观的交互界面。通过它可以在任何网页上打开侧边栏或Web UI,与自己的AI模型进行对话,获取智能辅助。这种设计不仅方便了用户随时调用AI的能力,还保护了用户的隐私,因为所有的交互都是在本地完成的。
下载见本文绑定的资源,链接:https://blog.csdn.net/m0_56734068/article/details/143179789
扩展过程
1.下载后进“管理扩展程序菜单”,点击打包扩展程序。
2.选择你解压“pageassist-1.4.4-chrome.zip”存放的位置。
3.完成后,点“详情”得到如下说明。
4. 此页面往下翻,检查“固定到工具栏”是否为打开状态。打开后chrome浏览器地址栏后出现一个对话按钮。
使用过程
点对话框按钮,即打开deepseek网页用户界面web-ui,前提是你已部署好大模型了。
测试一
随便给个数学题目:1+2+3+...+100
3.点击答案下方的第二个按钮“复制到剪切板” Copy to clipboard,就得到答案的markdown标记语言。如以上答案贴在代码框里,如下:
<think>
I will use the formula for the sum of the first n natural numbers, which is \( \frac{n(n + 1)}{2} \).Since there are 100 terms in this sequence, I substitute \( n = 100 \) into the formula.Calculating this gives me \( \frac{100 \times 101}{2} = 5050 \).
</think>To find the sum of the first 100 natural numbers (1 + 2 + 3 + ... + 100), we can use the formula for the sum of an arithmetic series:\[
S_n = \frac{n(n + 1)}{2}
\]Where:
- \( S_n \) is the sum of the first \( n \) natural numbers.
- \( n \) is the number of terms.**Step-by-Step Solution:**1. **Identify the Number of Terms (\( n \))**: In this case, we are summing the first 100 natural numbers.\[n = 100\]2. **Plug the Value into the Formula**: \[S_{100} = \frac{100 \times (100 + 1)}{2}\]3. **Simplify the Expression**: \[S_{100} = \frac{100 \times 101}{2} = 50 \times 101 = 5050\]4. **Final Answer**: \[1 + 2 + 3 + \dots + 100 = \boxed{5050}\]
而直接贴在发文的编辑框里,发表后就和web-ui里的显示一样了,包括用普通字符难以表达的数学公式也用LaTex公式展示出数学中正确的表达。
<think>
I will use the formula for the sum of the first n natural numbers, which is \( \frac{n(n + 1)}{2} \).
Since there are 100 terms in this sequence, I substitute \( n = 100 \) into the formula.
Calculating this gives me \( \frac{100 \times 101}{2} = 5050 \).
</think>
To find the sum of the first 100 natural numbers (1 + 2 + 3 + ... + 100), we can use the formula for the sum of an arithmetic series:
\[
S_n = \frac{n(n + 1)}{2}
\]
Where:
- \( S_n \) is the sum of the first \( n \) natural numbers.
- \( n \) is the number of terms.
**Step-by-Step Solution:**
1. **Identify the Number of Terms (\( n \))**:
In this case, we are summing the first 100 natural numbers.
\[
n = 100
\]
2. **Plug the Value into the Formula**:
\[
S_{100} = \frac{100 \times (100 + 1)}{2}
\]
3. **Simplify the Expression**:
\[
S_{100} = \frac{100 \times 101}{2} = 50 \times 101 = 5050
\]
4. **Final Answer**:
\[
1 + 2 + 3 + \dots + 100 = \boxed{5050}
\]
测试二
y''+2y'+3y=0 请解这个微分方程,并写出答题过程。
DS大约化了3分钟时间解决问题。用14b和8b两种模型回答,最终结果一致的,思考过程写题经过有点不一样。
14b: (如下所示,回答的<think>部分写在代码框里)
<think>
好,我现在要解这个二阶常系数线性微分方程:y'' + 2y' + 3y = 0。嗯,让我慢慢想一想。首先,这个方程看起来是齐次的,也就是说,它没有非齐次项,所以应该可以用特征方程法来解。那什么是特征方程呢?对,应该是把y''替换成r²,把y'替换成r,然后把方程中的y''、y'和y都变为相应的多项式,这样就得到一个关于r的二次方程。所以,我来代入一下。原来的微分方程是y'' + 2y' + 3y = 0,特征方程就是把y''替换成r²,y'替换成r,y替换成1,所以得到:
r² + 2r + 3 = 0。接下来,我需要解这个二次方程。用求根公式:r = [-b ± √(b² - 4ac)] / (2a),这里a=1,b=2,c=3。那代入进去就是:
r = [-2 ± √(4 - 12)] / 2 = [-2 ± √(-8)] / 2。哎呀,这里有个问题,√(-8)等于多少呢?应该是虚数单位i乘以√8,所以继续计算:
√(-8) = i√8,而√8可以化简为2√2,所以r的两个解就是:
r = [-2 ± 2i√2] / 2。接下来,我要把这个分母2约掉,得到:
r = -1 ± i√2。所以,这个微分方程有复数根,形式是α + βi,其中α = -1,β = √2。因为这些根都是复数,所以解的结构应该涉及到指数函数和三角函数。我记得对于这样的根,通解是:
y(t) = e^(α t) [C1 cos(β t) + C2 sin(β t)],
其中C1和C2是常数,由初始条件决定。不过,我觉得这不够全面,因为有时候可能还会有实数的指数部分,不过这里根已经是复数了,所以应该直接用这个形式。对吧?那我再检查一下,特征方程是否正确:r² + 2r +3 =0,没错。解出来的r确实是-1 ± i√2,这样写出通解也是正确的。不过,我还记得有时候复数根也可以用欧拉公式来表达,但可能这里直接使用指数和正弦、余弦函数更方便一些。嗯,总结一下,微分方程y'' + 2y' +3y=0的解是:
y(t) = e^(-t)[C1 cos(√2 t) + C2 sin(√2 t)],
其中C1和C2是任意常数。不过,为了确保没错,我再检查一下是否有计算错误的地方。首先,特征方程r² + 2r +3=0的判别式D = b² -4ac=4-12=-8,是正确的,所以根是复数。然后代入解的时候也没有问题,得到了r=-1 ± i√2,所以没错。另外,如果我把这个解带回原微分方程,看看是否满足:
首先计算y = e^(-t)[C1 cos(√2 t) + C2 sin(√2 t)],
那么y' = -e^(-t)[C1 cos(√2 t) + C2 sin(√2 t)] + e^(-t)[-C1 √2 sin(√2 t) + C2 √2 cos(√2 t)],
而y''则是[e^(-t)][C1 cos(√2 t) + C2 sin(√2 t)] - 2e^(-t)[C1 cos(√2 t) + C2 sin(√2 t)] + e^(-t)[-C1 (√2)^2 sin(√2 t) - C2 (√2)^2 cos(√2 t)]。嗯,这可能有点繁琐,不过我可以简化一下计算:让我更仔细地算一遍导数:
y = e^{-t} (C1 cos(√2 t) + C2 sin(√2 t)),
那么y' = -e^{-t}(C1 cos(√2 t)+C2 sin(√2 t)) + e^{-t}(-C1 √2 sin(√2 t) + C2 √2 cos(√2 t))。
这是因为,导数的计算是:-e^{-t}乘以括号里的部分,加上e^{-t}乘以对cos和sin求导后的项。然后y''就是:
首先,对y'求导,
= [-e^{-t}(C1 cos + C2 sin) + e^{-t}(-C1 √2 sin + C2 √2 cos)]的导数,
那这部分等于:
-e^{-t}(C1 cos + C2 sin) + [ -e^{-t}(C1 cos + C2 sin) ) 的导数,记得用乘积法则?
不对,其实应该是这样:
y' = (-C1 cos(√2 t) - C2 sin(√2 t)) e^{-t} + (-C1 √2 sin(√2 t) + C2 √2 cos(√2 t)) e^{-t},
所以y''就是把这两项再次导数:
首先,第一部分是(-C1 cos + -C2 sin)e^{-t},
它的导数是:
[C1 √2 sin(√2 t) - C2 √2 cos(√2 t)] e^{-t} +
+ (-C1 cos + -C2 sin)e^{-t},
然后第二项是(-C1 √2 sin + C2 √2 cos)e^{-t},
它的导数是:
[ -C1 (√2)^2 cos - C2 (√2)^2 sin ] e^{-t}
+ (-C1 √2 sin + C2 √2 cos) e^{-t}。这样计算可能比较复杂,换种方式,我是否可以用更系统的方法来代入原方程呢?另一种方法是,用特征方程法求出通解之后,再验证一下代入是否正确,不过其实已经得到了标准形式,所以或许不需要详细验证了。或者,假设我有通解y = e^{-t}(C1 cos(√2 t) + C2 sin(√2 t)),
然后带回原方程:y'' + 2y' +3y=0,计算各个导数:
先算y = e^{-t} (C1 cos + C2 sin),
那么y’ = -e^{-t}(C1 cos + C2 sin) + e^{-t}(-C1 √2 sin + C2 √2 cos),
接下来,y’’ 就是对y’求导:
= [e^{-t}(C1 cos + C2 sin)] - 2(e^{-t})(C1 cos + C2 sin)
+ e^{-t}[ (-C1 (√2)^2 sin - C2 (√2)^2 cos) ]
等一下,这可能太繁琐了,换个思路:或者,可以利用微分方程的线性性质,将解带入原方程,看看是否等于0。不过这可能花费比较多时间,我觉得或许可以接受这个通解,因为它来自正确的特征方程,并且步骤是对的,所以应该没问题。综上所述,这个微分方程y'' + 2y' +3y=0的解是:
y(t) = e^{-t}[C1 cos(√2 t) + C2 sin(√2 t)],
其中C1和C2由初始条件给出。所以,我觉得这个过程没问题,得到的通解也是正确的。**答案**
微分方程 \( y'' + 2y' + 3y = 0 \) 的解为:
\[
y(t) = e^{-t} \left[ C_1 \cos(\sqrt{2} t) + C_2 \sin(\sqrt{2} t) \right]
\]
其中 \( C_1 \) 和 \( C_2 \) 是常数。所以,最终答案是:
\[
\boxed{y(t) = e^{-t} \left( C_1 \cos(\sqrt{2} t) + C_2 \sin(\sqrt{2} t) \right)}
\]
</think>
首先,我们考虑解二阶常系数线性微分方程 \( y'' + 2y' + 3y = 0 \)。
1. **特征方程法**:
将 \( y'' \)、\( y' \) 和 \( y \) 分别替换为 \( r^2 \)、\( r \) 和 1,得到特征方程:
\[
r^2 + 2r + 3 = 0
\]
2. **求解特征方程**:
使用二次公式解得:
\[
r = \frac{-2 \pm \sqrt{4 - 12}}{2} = \frac{-2 \pm \sqrt{-8}}{2} = -1 \pm i\sqrt{2}
\]
3. **通解形式**:
特征根为复数 \( -1 + i\sqrt{2} \) 和 \( -1 - i\sqrt{2} \),因此解的形式为:
\[
y(t) = e^{-t} \left[ C_1 \cos(\sqrt{2} t) + C_2 \sin(\sqrt{2} t) \right]
\]
其中 \( C_1 \) 和 \( C_2 \) 是常数。
最终答案为:
\[
\boxed{y(t) = e^{-t} \left( C_1 \cos(\sqrt{2} t) + C_2 \sin(\sqrt{2} t) \right)}
\]
8b:
<think>
嗯,我现在得解这个微分方程:y'' + 2y' + 3y = 0。好吧,先想想这是什么类型的方程。首先,这是一个二阶线性常系数齐次微分方程。一般来说,这样的方程可以用特征方程的方法来解。那我就按照步骤一步步来。第一步,写出特征方程。原方程的特征方程应该是:r² + 2r + 3 = 0。对吧?因为二阶的话,y''对应的是r²,系数不变;y'对应的是一次项,所以是2r,而常数项就是原来的常数,这里是3。接下来,解这个二次方程。用求根公式:r = [-b ± √(b² - 4ac)] / (2a),这里a=1,b=2,c=3。代入进去的话:r = [-2 ± √(4 - 12)] / 2
√里面是4-12=-8,所以平方根变成虚数了,记作i√8,也就是2√2 i。那这样,解就是:r = (-2 ± 2√2 i)/2。约分一下,分子分母都除以2,得 r = -1 ± √2 i。这说明特征方程的根是复数,形式为α ± βi,其中α=-1,β=√2。根据微分方程的解法,这种情况下通解的形式应该是:y(x) = e^{α x} [C1 cos(βx) + C2 sin(βx)],对吧?所以代入进去的话,就是:y(x) = e^{-x} [C1 cos(√2 x) + C2 sin(√2 x)]嗯,这里我得确认一下步骤是否正确。特征方程的根是正确的吗?我们再算一遍:r² + 2r +3=0,
判别式 D = (2)^2 -4*1*3 = 4 -12 = -8,
所以√D = √(-8) = 2i√2,
所以r=(-2 ± 2i√2)/2=-1±i√2,
对的,没有问题。那通解的形式是否正确?对于复根α ± βi,确实对应的解是e^{α x} (C1 cos(βx)+ C2 sin(βx))。没问题。有没有可能犯了什么错误呢?比如求特征方程的时候是不是哪里符号弄反了?让我再检查一下:原微分方程是y'' + 2y' +3y=0,对应的是r² +2r+3=0,没错。那根的计算也没问题。判别式算对了,√里面的结果也正确,得出的结果没问题。所以,我觉得通解应该是正确的:y(x)=e^{-x}[C1 cos(√2 x)+ C2 sin(√2 x)]或者也可以写成其他的形式,比如用欧拉公式表示为 e^{-x} [A e^{i√2 x} + B e^{-i√2 x}],但一般来说,更习惯于将解写成实数形式的余弦和正弦函数。综上所述,这个微分方程的通解就是上面那样。
</think>
为了求解二阶线性常系数齐次微分方程 \( y'' + 2y' + 3y = 0 \),我们首先写出其特征方程:
\[ r^2 + 2r + 3 = 0 \]
使用求根公式得到:
\[ r = \frac{-2 \pm \sqrt{(2)^2 - 4 \cdot 1 \cdot 3}}{2 \cdot 1} = \frac{-2 \pm \sqrt{-8}}{2} = -1 \pm i\sqrt{2} \]
由于特征方程的根是复数 \( -1 \pm i\sqrt{2} \),对应的通解形式为:
\[ y(x) = e^{-x} \left( C_1 \cos(\sqrt{2}x) + C_2 \sin(\sqrt{2}x) \right) \]
其中,\( C_1 \) 和 \( C_2 \) 是常数。
**答案:**
微分方程的通解为:
\[ y(x) = e^{-x} \left( C_1 \cos(\sqrt{2} x) + C_2 \sin(\sqrt{2} x) \right) \]
其它
DS占用内存情况
大致情况:14b占用9G内存,8b占用5.8G,
DS与openAI的对比
如下图所示,deepseek的各项指标基本与openAI齐平各有出入,怪不到老美从跳脚要制裁到各大公司选择接入,打不过就加入吧。
华为小艺接入DS
最后附带一个新闻:在我编辑此文前一会会,收到手机通知消息,告知小艺已接入deepseek-R1,指纯血鸿蒙版的小艺App,5.0之前的老版本的是“智慧语音”暂时还没有。
相关文章:

Page Assist - 本地Deepseek模型 Web UI 的安装和使用
Page Assist Page Assist是一个开源的Chrome扩展程序,为本地AI模型提供一个直观的交互界面。通过它可以在任何网页上打开侧边栏或Web UI,与自己的AI模型进行对话,获取智能辅助。这种设计不仅方便了用户随时调用AI的能力,还保护了…...

VMware Win10下载安装教程(超详细)
《网络安全自学教程》 从MSDN下载系统镜像,使用 VMware Workstation 17 Pro 安装 Windows 10 consumer家庭版 和 VMware Tools。 Win10下载安装 1、下载镜像2、创建虚拟机3、安装操作系统4、配置系统5、安装VMware Tools 1、下载镜像 到MSDN https://msdn.itellyou…...
DS目前曲线代替的网站汇总
DS目前还不稳定,好在国内外大厂平台都上线了,汇总如下: 秘塔搜索: https://metaso.cn 360纳米AI搜索: https://www.n.cn/ 硅基流动: https://cloud.siliconflow.cn/i/snHnLED8 字节跳动火山引擎…...
具有HiLo注意力的快速视觉Transformer
摘要 https://arxiv.org/pdf/2205.13213 视觉Transformer(ViTs)在计算机视觉领域引发了最新且最重要的突破。其高效设计大多以计算复杂度的间接指标,即浮点运算数(FLOPs)为指导,然而,该指标与吞吐量等直接指标之间存在明显差距。因此,我们建议使用目标平台上的直接速度…...
《AI “造脸术”:生成对抗网络打造超真实虚拟人脸》
在科技飞速发展的当下,人工智能的浪潮席卷而来,其中生成对抗网络(GANs)技术以其独特的魅力,成为了生成高度真实感虚拟人脸的强大引擎。无论是影视制作中虚拟角色的塑造,还是游戏领域中多样化角色形象的构建…...
2025.2.6总结
今天想聊聊工作。 1.到底什么是工作? 个人理解,工作就是在规定的时间下,高质量的完成领导交代的任务。刚开始工作时,我只懂一味的埋头苦干,能干多少干多少,最后结果怎么样我也不是很在乎。后面࿰…...

RK3576——USB3.2 OTG无法识别到USB设备
问题:使用硬盘接入到OTG接口无热插拔信息,接入DP显示屏无法正常识别到显示设备,但是能通过RKDdevTool工具烧录系统。 问题分析:由于热插拔功能实现是靠HUSB311芯片完成的,因此需要先确保HUSB311芯片驱动正常工作。 1. …...
低代码系统-插件功能分析( 某道云)
本文主要把其的插件进行了简单分析,不做业务上的梳理,不做推荐。 可大致分为: 群机器人 信息查询 智能识别 实名验证类 数据库类 通知类 通知类 aPaas增强 考勤同步 财务类 类别 插件名称 功能简介 群机器人类 某钉机器人 即在表单处完…...
如何在 FastAPI 中使用本地资源自定义 Swagger UI
要自定义 FastAPI 中的 Swagger UI,且使用本地资源来代替 CDN。只是需要稍微修改一下。 修改后的代码: 步骤: 挂载本地静态文件目录:我们将本地的 Swagger UI 资源文件(如 .js, .css, favicon.png 等)放…...

wxWidgets生成HTML文件,带图片转base64数据
编译环境大家可以看我之前的文章,CodeBlocks + msys2 + wx3.2,win10 这里功能就是生成HTML文件,没用HTML库,因为是自己固定的格式,图片是一个vector,可以动态改变数量的。 效果如下: #include <wx/string.h> #include <wx/file.h> #include <wx/ima…...

基于ArcGIS的SWAT模型+CENTURY模型模拟流域生态系统水-碳-氮耦合过程研究
流域是一个相对独立的自然地理单元,它是以水系为纽带,将系统内各自然地理要素连结成一个不可分割的整体。碳和氮是陆地生态系统中最重要的两种化学元素,而在流域系统内,水-碳-氮是相互联动、不可分割的耦合体。随着流域内人类活动…...

一键掌握多平台短视频矩阵营销/源码部署
短视频矩阵系统的介绍与应用 随着数字化营销策略的不断演进,传统的短视频矩阵操作方法可能已显陈旧。为此,一款全新的短视频矩阵系统应运而生,它通过整合多个社交媒体账户、创建多样化的任务、运用先进的智能视频编辑工具、实现多平台内容的…...
2.Python基础知识:注释、变量以及数据类型、标识符和关键字、输入函数、输出函数、运算符、程序类型转换
1. 注释 注释是用来解释代码,增强代码可读性的部分。在 Python 中,注释分为单行注释和多行注释。 单行注释:以 # 开头,后面的内容都被视为注释。 # 这是一个单行注释 print("Hello, World!") # 输出 "Hello, Wor…...
3NF讲解
3NF讲解 3NF(第三范式)是数据库设计中的一种规范化方法,目的是消除数据冗余和避免数据异常。它帮助数据库保持高效,灵活和一致性。理解3NF的关键点在于它依赖于前两个范式(1NF和2NF)的基础。 1. 第一范式…...
Spring Boot框架下的单元测试
1. 什么是单元测试 1.1 基本定义 单元测试(Unit Test) 是对软件开发中最小可测单位(例如一个方法或者一个类)进行验证的一种测试方式。在 Java 后端的 Spring Boot 项目中,单元测试通常会借助 JUnit、Mockito 等框架对代码中核心逻辑进行快…...

AI测试工程师成长指南:以DeepSeek模型训练为例
目录 引言:AI测试工程师的使命与挑战成长日记:从测试小白到AI测试专家核心能力:AI测试工程师的必备素养知识体系:技术栈与技能图谱AI测试工具全景:以DeepSeek为核心的工具链实战训练模式:以DeepSeek模型迭…...
【数据结构】_队列的结构与实现
目录 1. 队列的概念和结构 2. 队列的应用 3. 队列的实现 3.1 队列实现的底层结构选择 3.2 结构体设计 3.2.1 仅为链表结点设计结构体 3.2.2 为链表再设计一个结构体 3.3 Queue.h 3.4 Queue.c 3.5 Test_Queue.c 注:部分方法实现细节 1. 队列的概念和结构 …...

机器学习--2.多元线性回归
多元线性回归 1、基本概念 1.1、连续值 1.2、离散值 1.3、简单线性回归 1.4、最优解 1.5、多元线性回归 2、正规方程 2.1、最小二乘法 2.2、多元一次方程举例 2.3、矩阵转置公式与求导公式 2.4、推导正规方程0的解 2.5、凸函数判定 成年人最大的自律就是:…...

MySQL时间类型相关总结(DATETIME, TIMESTAMP, DATE, TIME, YEAR)
MySQL时间类型相关总结(DATETIME, TIMESTAMP, DATE, TIME, YEAR) MySQL官方文档: https://dev.mysql.com/doc/refman/8.0/en/date-and-time-types.html 一. 对比: 在 MySQL 中,处理时间相关的数据类型主要有以下几种:DATE、TIME、…...

朴素贝叶斯原理
在所有的机器学习分类算法中,朴素贝叶斯和其他绝大多数的分类算法都不同。对于大多数的分类算法,比如决策树,KNN,逻辑回归,支持向量机等,他们都是判别方法,也就是直接学习出特征输出Y和特征X之间的关系,要么…...
浏览器访问 AWS ECS 上部署的 Docker 容器(监听 80 端口)
✅ 一、ECS 服务配置 Dockerfile 确保监听 80 端口 EXPOSE 80 CMD ["nginx", "-g", "daemon off;"]或 EXPOSE 80 CMD ["python3", "-m", "http.server", "80"]任务定义(Task Definition&…...

JavaSec-RCE
简介 RCE(Remote Code Execution),可以分为:命令注入(Command Injection)、代码注入(Code Injection) 代码注入 1.漏洞场景:Groovy代码注入 Groovy是一种基于JVM的动态语言,语法简洁,支持闭包、动态类型和Java互操作性,…...
【杂谈】-递归进化:人工智能的自我改进与监管挑战
递归进化:人工智能的自我改进与监管挑战 文章目录 递归进化:人工智能的自我改进与监管挑战1、自我改进型人工智能的崛起2、人工智能如何挑战人类监管?3、确保人工智能受控的策略4、人类在人工智能发展中的角色5、平衡自主性与控制力6、总结与…...
R语言AI模型部署方案:精准离线运行详解
R语言AI模型部署方案:精准离线运行详解 一、项目概述 本文将构建一个完整的R语言AI部署解决方案,实现鸢尾花分类模型的训练、保存、离线部署和预测功能。核心特点: 100%离线运行能力自包含环境依赖生产级错误处理跨平台兼容性模型版本管理# 文件结构说明 Iris_AI_Deployme…...

使用分级同态加密防御梯度泄漏
抽象 联邦学习 (FL) 支持跨分布式客户端进行协作模型训练,而无需共享原始数据,这使其成为在互联和自动驾驶汽车 (CAV) 等领域保护隐私的机器学习的一种很有前途的方法。然而,最近的研究表明&…...
[Java恶补day16] 238.除自身以外数组的乘积
给你一个整数数组 nums,返回 数组 answer ,其中 answer[i] 等于 nums 中除 nums[i] 之外其余各元素的乘积 。 题目数据 保证 数组 nums之中任意元素的全部前缀元素和后缀的乘积都在 32 位 整数范围内。 请 不要使用除法,且在 O(n) 时间复杂度…...
今日学习:Spring线程池|并发修改异常|链路丢失|登录续期|VIP过期策略|数值类缓存
文章目录 优雅版线程池ThreadPoolTaskExecutor和ThreadPoolTaskExecutor的装饰器并发修改异常并发修改异常简介实现机制设计原因及意义 使用线程池造成的链路丢失问题线程池导致的链路丢失问题发生原因 常见解决方法更好的解决方法设计精妙之处 登录续期登录续期常见实现方式特…...
蓝桥杯 冶炼金属
原题目链接 🔧 冶炼金属转换率推测题解 📜 原题描述 小蓝有一个神奇的炉子用于将普通金属 O O O 冶炼成为一种特殊金属 X X X。这个炉子有一个属性叫转换率 V V V,是一个正整数,表示每 V V V 个普通金属 O O O 可以冶炼出 …...
Java数值运算常见陷阱与规避方法
整数除法中的舍入问题 问题现象 当开发者预期进行浮点除法却误用整数除法时,会出现小数部分被截断的情况。典型错误模式如下: void process(int value) {double half = value / 2; // 整数除法导致截断// 使用half变量 }此时...

STM32---外部32.768K晶振(LSE)无法起振问题
晶振是否起振主要就检查两个1、晶振与MCU是否兼容;2、晶振的负载电容是否匹配 目录 一、判断晶振与MCU是否兼容 二、判断负载电容是否匹配 1. 晶振负载电容(CL)与匹配电容(CL1、CL2)的关系 2. 如何选择 CL1 和 CL…...