- 博客(75)
- 收藏
- 关注
RSS订阅原创 Vue+ElementPlus的BS端主从表的快速开发
payload加入main函数，原因：32位和64位的结构不同，32位调用一个函数需要返回地址，之后再调用其他的进行传参，而且32位是用栈传递参数的，而64为使用比如rdi，rsi等寄存器进行传参，因此需要插入一个 main 函数作为返回地址。但是不知道为什么 ciscn_2019_ne_5 可以跑通。name 中可以保存字符串，因此我们在 name 中输入 /bin/sh，那么我们就可以利用变量 name 的内存地址，得到 system('/bin/sh')，从而得到shell。
2025-11-19 21:26:39
200
原创 Python 潮流周刊#：让我们对 PyPI 温柔一点，好吗？
结语：在AI技术快速发展的今天，Litho代表了软件工程文档化的新范式——让代码自我描述，让文档自动生成。在现代软件开发中，架构文档往往成为团队的技术债重灾区。模板驱动 Doxygen、Javadoc 生成速度快，成本低 仅限语法层面，缺乏语义理解。AI直接生成 通用LLM+Prompt 灵活性高，理解能力强 成本不可控，输出不稳定。维护成本高 每次代码变更都需要手动更新文档 开发效率降低，文档更新率不足30%格式不统一 缺乏标准化模板，文档质量参差不齐 知识传承困难，审查效率低下。
2025-11-19 21:22:46
658
原创 数量堪比自然语言的编程语言，该怎么选择？
向量内积更是各种推荐算法、特征相似度计算的基础范式，向量外积在机械工程学中大行其道等等，这些无一证明了向量在现实的数学应用中的重要地位。需要注意的是，向量的外积仅适用于三维图形，在四维及更高维空间中，垂直于两个向量的方向不唯一，而是一个高维子空间，因此无法用一个单一向量来表示。这种商品推荐的场景便可以基于"余弦相似度"来实现，余弦相似度的核心是仅考虑向量的方向一致，忽略模长的影响。从几何图形上看，向量的外积可以垂直于两个向量组成的平面，当向量平行（共线）时，向量的外积为0。
2025-11-19 21:19:04
563
原创 为什么Java/Python程序无需关心内存释放？揭秘垃圾回收（GC）的核心概念
例如，有 ABC 三个处理者可以处理一个请求，请求 a 需要 AC 两个处理者处理，请求 b 需要 BC 两个处理者处理，同时两个处理者之间可能有前后依赖关系，这时候就可以使用责任链模式。System.out.printf("尝试使用企业账户支付: 用户[%s], 金额[%.2f]%n", userId, amount);System.out.printf("尝试使用个人账户支付: 用户[%s], 金额[%.2f]%n", userId, amount);// 先尝试企业账户。// 企业账户最大支付限额。
2025-11-19 21:15:31
572
原创 使用X-UA-Compatible来设置IE兼容模式
这是因为uview-plus 的 SFC 代码里大量用了隐式的 this 成员，在 uni-app x + TS 严格模式 下被识别为 never，于是直接拉进项目就会报 编译期类型警告，但 运行期功能正常。"pages": [ //pages数组中第一项表示应用启动页，参考：https://doc.dcloud.net.cn/uni-app-x/collocation/pagesjson.html。目前安装的uview-plus，版本为3.6.4，使用HBuilderX运行是，会出现很多警告信息。
2025-11-19 21:12:09
249
原创 【】How-To: Using the N* stack, part
通过公式 0.2125 * color.r + 0.7154 * color.g + 0.0721 * color.b 计算像素亮度，其中绿色通道权重最高，符合人眼对绿色更敏感的特性。2019.3版本后，LWRP更名为URP(Universal Render Pipeline)，泛光效果成为URP后处理堆栈的核心组件之一，支持更广泛的*台和更高质量的渲染。垂直模糊Pass：采样当前像素上下相邻像素，按高斯权重混合这种分离式模糊大幅减少了采样次数，从O(n2)降到O(2n)。SRP Batcher支持?
2025-11-18 22:30:23
401
原创 代码审查――为可读性努力的巨大能量
侣底藏融1. 创建 Blazor web工程,选Autoimage2. 打开 GitHub Copilot 窗口,输入提示词使用 Blazor 编一个五子棋游戏image3.复制代码测试为了方便调试, 我们先把运行模式由 InteractiveAuto 改为 InteractiveServer打开 App.razor 编辑 两行 @rendermode="InteractiveAuto" 改为 @rendermode="InteractiveServer"image。
2025-11-18 22:26:53
391
原创 名站技术分析 — facebook奇特的页面加载技术
注意，这里我故意选错成DeepSeek API，这也是初学者经常会选错的，实际上，若选择这个你就找不到你本地的DeepSeek模型。我是DeepSeek-R1，一个由深度求索公司开发的智能助手。你可以根据你的硬件情况选择，通常模型大小（参数量）越大，模型的理解和生成能力越强，但也会消耗更多的计算资源。目前deepseek-r1模型大小提供了7个选择：1.5b、7b、8b、14b、32b、70b、671b。他真的迅速给我起了10个吸引眼球的标题，还提供了它思考的过程，而且在我这4年前的电脑上跑起来都很迅速。
2025-11-18 22:22:46
340
原创 WPF基础到企业应用系列——深入剖析依赖属性（WPF/Silverlight核心）
值得注意的是，“人机协作新范式” 正在形成：微软内部数据显示，AI 生成代码占比超 90% 的项目已出现，开发者角色从 “编码者” 转向 “AI 协作架构师”。但在金融风控、核心系统开发等场景，人类仍需主导架构设计与合规审查 —— 未来最优解并非 “工具替代人”，而是 “工具赋能人”，通过 CodeBuddy 等综合能力领先的工具，实现 “AI 生成效率 + 人类决策质量” 的双重提升。通过等保 2.0 三级认证，提供私有化离线部署方案，具备代码安全溯源能力，企业级合规 9.0 分；
2025-11-18 22:18:23
342
原创 javascript十个最常用的自定义函数
因此，Agent的数据和训练目标 均服务于 如何使Agent学会更好的使用工具与外界交互，从而利用外界的信息更好地完成任务。使用rl教会模型最后一种能力（工具间的协调调用，因为此任务比较难学习，需要大量的探索以及较高的泛化性要求）利用模型内部知识+外部知识（R） 根据q生成下一步的工具调用/答案 的能力 （step-wise）而训练目标体现在（1）数据集的构建方案（2）训练策略（loss）相较于传统的single-step的数据及其sft RL的训练方式。所以Agent的目标（需要的推理能力）分为三类。
2025-11-17 21:13:52
240
原创 Ruby ：方法对象
如下面的例子中，如果将34单独合并b，外层再包裹a似乎是合理的，但是将34先包裹a后再合并5的b也是合理的，甚至有没有办法将67一并合并，因为其都存在b标签。如果仅存在单个文本节点的情况下，是符合设计的结构，而如果是存在多个节点，除了Void/Embed节点的情况外，则说明DOM结构被破坏了，这里我们就需要移除掉多余的节点。而当我们输入完成后，数据结构Model层的内容是会将文本放置于text前，这部分则是编辑器来控制的行为，这跟我们输入非中文的表现是一致的，也是符合预期表现的。
2025-11-17 21:09:45
880
原创 Asp.Net 网站优化 数据库优化措施 使用主从库（上）
特点： 随机访问速度快（可直接 “按地址读取”，类似 RAM），支持 “代码在 Flash 中直接运行”（XIP，eXecute In Place）；密度低（容量小），价格高（单位容量成本高），擦写速度慢（尤其大容量擦除）。H7的内部内存分为了ITCM，DTCM，AXI SRAM，SRAM1，SRAM2，SRAM3，SRAM4和备份SRAM。速度中等（比 SRAM 慢），功耗较高（刷新需要耗电）；容量小（通常 KB 级，最大几 MB），速度慢（擦写时间毫秒级），寿命有限（通常 10 万次擦写）。
2025-11-17 21:05:32
580
原创 讨论：WCF可序列化的ActiveRecord实现有意义吗？
当你的程序调用一个 CUDA API（比如申请显存）时，HAMi-core 会先“劫持”这个请求，然后根据你设置的限制（比如 2GB 显存）进行判断和管理，最后再把一个“修改过”的请求或者一个“虚拟”的响应回传给你的程序。HAMi 允许你为每个任务分配特定比例的算力（例如，为 A 任务（pod）分配 30% 的算力，B 任务 50%）。总结一下，HAMi 可以将 GPU 从一个混乱、不可预测的“公共资源”，转变为多个独立、稳定、可度量的“私有资源”，这就是它实现 GPU 高效利用的核心所在。
2025-11-17 21:00:47
363
原创 jQuery.的改进细节
周一早上9点，某制造企业的项目经理李明收到一个紧急任务——公司决定开发一套新的ERP系统，预算300万元，需要12个月完成。企业AI的未来，不是一个"超级大脑"替代所有人，而是让每个专业团队拥有自己的AI助手，然后通过标准化的协议实现智能协作。在传统软件工程中，这意味着：如果你的组织有5个团队，那么你的系统架构最终会演化成5个相对独立的子系统。// ========== Stage 2: PMO规划 ==========10:30-11:30：跑到HR部门，询问有没有足够的开发人员，现有团队的技能如何？
2025-11-17 20:55:56
777
原创 用JSON做数据传输格式中的一些问题总结
在实用性能上，它在OmniDocBench基准测试中，仅用100个视觉token就超越需256个token的GOT-OCR2.0，用少于800个视觉token超越平均需6000+个token的MinerU2.0，且单A100-40G显卡日生成20万+页LLM/VLM训练数据，代码和模型权重已开源（http://github.com/deepseek-ai/DeepSeek-OCR），为LLM长上下文压缩、记忆遗忘机制研究及实际OCR任务提供重要价值。配置：AdamW优化器，步长调度器，初始学习率3e-5；
2025-11-16 15:38:16
394
原创 C# 温故而知新： 线程篇(一)
考虑去放书的时候移动一定是按照下标递增顺序的，同理，放完书回来也不用回头，所以下标一定单调递减。//a是第二组的初始代价，b是第一组的初始代价。最大的）书，那么它一定可以顺带放路上经过的所有的书。对于第二个问题，比较复杂，我们继续观察性质：注意到，由于这两组的并集是全集，所以。为最大书架编号）个数字，把他划分成两组，求两组内部元素的和的最大值的最小值。
2025-11-16 15:34:18
346
原创 【超详细教程】使用Windows Live Writer 和Office Word 发布文章到全面总结
总体上了来说，ThreadLocal，InheritableThreadLocal的实现都非常的优雅，不但很好的利用了对象的继承，保证用户在使用时无感知的发生了继承。最后是 childValue() 方法，它是指当发生继承动作时，父类中的存储的变量转化为子类对象的转化转换。在获取value 值时，调用的是key的childValue()方法，也就是InheritableThreadLocal.childValue()中重写的方法，将父线程的value值转为子线程的value时。
2025-11-16 15:30:18
397
原创 为什么做java的web开发我们会使用struts，springMVC和spring这样的框架?
这里确认到我攻击机所处于的网段为192.168.111.0/24，对于此网段进行扫描nmap -sV 192.168.111.0/24，发现受害主机192.168.111.128。进行初始化的环境配置，若是想要进行实际的断网攻击，这里的网络适配器需修改为桥接模式，我这里仅作攻击演示，所以采用虚拟机环境，使用NAT 模式。NAT ： 虚拟机可正常上网，但其环境始终是位于一个虚拟的内网环境，通过宿主机作为桥接上网。导入下载的 .vmdk 文件（正常下载得到的是zip 压缩包，需解压导入）选择导入的虚拟机文件。
2025-11-16 15:26:10
303
原创 路漫漫其修远兮，吾将上下而求索——小酌重构系列[]开篇有益
当你的程序调用一个 CUDA API（比如申请显存）时，HAMi-core 会先“劫持”这个请求，然后根据你设置的限制（比如 2GB 显存）进行判断和管理，最后再把一个“修改过”的请求或者一个“虚拟”的响应回传给你的程序。这就像一场没有规则的“大乱斗”。在 AI 大模型“军备竞赛”白热化的今天，谁能把算力用得更精、更省，谁就掌握了未来的主动权。总结一下，HAMi 可以将 GPU 从一个混乱、不可预测的“公共资源”，转变为多个独立、稳定、可度量的“私有资源”，这就是它实现 GPU 高效利用的核心所在。
2025-11-16 15:21:53
508
原创 从零开始实现简易版Netty(五) MyNetty FastThreadLocal实现
Microsoft 代理框架（Microsoft Agent Framework）的推出，旨在简化这一过程，让开发人员能够像创建 Web API 或控制台应用一样轻松构建 AI 代理。Microsoft 代理框架为.NET开发者提供了一套强大工具，显著简化了AI代理的开发、编排和部署过程。工具使用：工具是离散的、可调用的功能，如API、模型上下文协议（MCP）工具、代码执行或数据查询。现在就开始使用Microsoft 代理框架，将AI代理的强大功能融入您的应用程序中，以更智能、更高效的方式解决业务挑战。
2025-11-15 16:44:36
449
原创 基于 RuoYi-Vue-Pro 定制了一个后台管理系统 magic-admin ， 开源出来！
torch.Tensor 类型的 .shape 属性比较特殊，是一个数组类型，主要用于存储当前类型的结构，要结合上下文才能判断，例如在当前训练中，x.shape 值是 [64,1,28,28]，shape[1] 是图像的通道，1 是灰色，3 是彩色(RGB三通道)；为了训练模型，需要定义一个损失函数和一个优化器，损失函数的主要作用是衡量模型的预测结果与真实标签之间的差异，即误差或损失，有了损失函数后，通过优化器可以指导模型参数的调整，使预测结果能够逐步靠近真实值，从而提高模型的性能。
2025-11-15 16:40:29
359
原创 Python 使用 Dict 和 Set：从入门到进阶
使用切线向量(Tangent)或副切线(Bitangent)替代法线向量，通过TdotH = dot(tangent, halfVector)计算高光强度，再转换为TsinH = sqrt(1 - TdotH2)实现条状高光效果。该实现通过将Kajiya-Kay模型的核心计算融入URP的标准BRDF框架，既保持了PBR工作流的兼容性，又实现了纤维材质特有的各向异性高光效果。：通过噪声贴图扰动切线方向(ShiftTangent函数)，增强高光的动态变化和真实感。D项 法线分布函数?
2025-11-15 16:36:01
223
原创 Rsync + Sersync 实时数据同步方案
但可惜，事实并非如此，实际上，图中右侧的结果只是多次运行结果中最好的一次，几乎不可控，就像抽卡游戏里非常小概率的金卡一样。回看刚刚每轮的损失，我们会发现，造成这种差别的原因是：准确率只在0到1间波动，而逻辑回归的平均损失却在1-10这个量级内，相比之下，浅层神经网络的平均损失已经降到了0到1之间。最后附上完整代码，依旧要强调的是，在规范流程里，我们应该根据每次验证的准确率调整超参数，最后再进行测试，只是这部分内容还在后面，我们经过系统学习后再正式引入这部分。
2025-11-15 16:31:03
838
原创 一步一步学习使用LiveBindings（）TListView进阶使用（），创建自定义的列表项打造天气预报程序
模型支持广泛：支持多个模型提供商，如 Gemini、OpenAI、Azure、X.AI、OpenRouter、DIAL、Ollama 等；多模型协作：作为 Model Context Protocol 服务器，可将喜爱的 AI 工具连接到多个 AI 模型，支持对话线程，让 CLI 能与多个 AI 模型讨论想法、交换推理、获取第二意见甚至进行协作辩论，实现真正的 AI 协作和对话连续性。简单讲，它提供沙箱、开发工具和测试基准，让AI能够学习控制完整的桌面系统（如macOS、Linux、Windows）。
2025-11-15 16:25:53
657
原创 Redis有哪些部署方案？了解哨兵机制吗？
Microsoft 代理框架（Microsoft Agent Framework）的推出，旨在简化这一过程，让开发人员能够像创建 Web API 或控制台应用一样轻松构建 AI 代理。Microsoft 代理框架为.NET开发者提供了一套强大工具，显著简化了AI代理的开发、编排和部署过程。工具使用：工具是离散的、可调用的功能，如API、模型上下文协议（MCP）工具、代码执行或数据查询。现在就开始使用Microsoft 代理框架，将AI代理的强大功能融入您的应用程序中，以更智能、更高效的方式解决业务挑战。
2025-11-14 14:20:12
573
原创 关于.net发布单体exe程序无法打开问题详解
torch.Tensor 类型的 .shape 属性比较特殊，是一个数组类型，主要用于存储当前类型的结构，要结合上下文才能判断，例如在当前训练中，x.shape 值是 [64,1,28,28]，shape[1] 是图像的通道，1 是灰色，3 是彩色(RGB三通道)；为了训练模型，需要定义一个损失函数和一个优化器，损失函数的主要作用是衡量模型的预测结果与真实标签之间的差异，即误差或损失，有了损失函数后，通过优化器可以指导模型参数的调整，使预测结果能够逐步靠近真实值，从而提高模型的性能。
2025-11-14 14:15:57
599
原创 网络请求可以用http/https协议, 也可能可以用dict/ftp/gopher协议。由于其他服务器信任该内部服务器，所以就相当 ...
使用切线向量(Tangent)或副切线(Bitangent)替代法线向量，通过TdotH = dot(tangent, halfVector)计算高光强度，再转换为TsinH = sqrt(1 - TdotH2)实现条状高光效果。该实现通过将Kajiya-Kay模型的核心计算融入URP的标准BRDF框架，既保持了PBR工作流的兼容性，又实现了纤维材质特有的各向异性高光效果。：通过噪声贴图扰动切线方向(ShiftTangent函数)，增强高光的动态变化和真实感。D项 法线分布函数?
2025-11-14 14:11:09
312
原创 终端里跑图形应用「GitHub 热点速览」
但可惜，事实并非如此，实际上，图中右侧的结果只是多次运行结果中最好的一次，几乎不可控，就像抽卡游戏里非常小概率的金卡一样。回看刚刚每轮的损失，我们会发现，造成这种差别的原因是：准确率只在0到1间波动，而逻辑回归的平均损失却在1-10这个量级内，相比之下，浅层神经网络的平均损失已经降到了0到1之间。最后附上完整代码，依旧要强调的是，在规范流程里，我们应该根据每次验证的准确率调整超参数，最后再进行测试，只是这部分内容还在后面，我们经过系统学习后再正式引入这部分。
2025-11-14 14:06:25
745
原创 《刚刚问世》系列初窥篇-Java+Playwright自动化测试-- 操作单选和多选按钮 - 下篇（详细教程）
模型支持广泛：支持多个模型提供商，如 Gemini、OpenAI、Azure、X.AI、OpenRouter、DIAL、Ollama 等；多模型协作：作为 Model Context Protocol 服务器，可将喜爱的 AI 工具连接到多个 AI 模型，支持对话线程，让 CLI 能与多个 AI 模型讨论想法、交换推理、获取第二意见甚至进行协作辩论，实现真正的 AI 协作和对话连续性。简单讲，它提供沙箱、开发工具和测试基准，让AI能够学习控制完整的桌面系统（如macOS、Linux、Windows）。
2025-11-14 14:01:20
522
原创 【RabbitMQ】主题（Topics）与主题交换机（Topic Exchange）
对于上下文的创建，需要先实现rt_uint8_t *rt_hw_stack_init(void *tentry, void *parameter, rt_uint8_t *stack_addr, void *texit)函数。void rt_hw_context_switch(rt_ubase_t from, rt_ubase_t to)//切换到to的上下文，又要保存当前上下文到from上。//保存上下文到from中。
2025-11-13 17:00:12
416
原创 【Rive】rive-android源码分析
通信顺序进程（Communicating Sequential Process，CSP）是 Tony Hoare 在 1978 年提出的一种描述并发系统交互的模式，它正是Golang并发模型的灵感源泉。该模型的另一显著特征是，消息的发送与接收是异步进行的。CSP模型的关键特性是，进程的执行不会受到其他进程的直接影响，进程间的交互仅通过通道发送和接收消息来实现。Golang通过轻量级的Goroutine和通信机制Channel，实现了CSP模型的核心思想，即通过消息传递而非共享内存实现并发控制。
2025-11-13 16:55:44
344
原创 nn和在线免费体验蚂蚁万亿开源大模型Ling-T！
僖匝廖辜一、前言截图：baby7.github.io首页截图下面说一下优缺点，主要对比的是购买服务器搭建个人博客。优点：不需要买服务器使用Github Pages的服务器，只需要建一个github仓库，然后往里面放html文件就可以了，不需要去买服务器续费服务器。不需要买域名可以直接使用Github Pages提供的二级域名，不仅省去了买域名的花费，还省去了域名申请这个冗长的流程。
2025-11-13 16:51:10
363
原创 央视连续多次聚焦，OpenCSG到底有何过人之处？
很明显的，由于client和server的数量是非常多的(因为多个服务可能公用一个公网IP)，所以转发表是一个非常宝贵的资源，一旦转发表满了，就无法创建新的连接路径了。从上面代码中我们可以看到，LVS通过设置的timeout_table来设置转发表项超时时间，而不同的tcp状态会有不同的超时时间，而默认的established的超时时间是15 * 60 * HZ也就是15min。为了解决第一种的方案的问题，我们可以依旧复用连接，只不过这个复用时间特别短，例如6s之内复用，超过6s的连接就直接丢弃。
2025-11-13 16:46:24
382
原创 vivo 前端三剑客发展历程及原理揭秘
Artifact 和我们在DevOps CI/CD流水线中的Artifact（即工件）的概念类似，它是 远程Agent执行完某个任务后生成输出的结果（即远程Agent返回的结果通过一个Artifact对象输出给Client），每个任务的结果可能都不一样。Task 是 Client 和 远程Agent 之间协作的一个概念，很好理解，一个Task代表一个需要完成的任务，每个Task都有一个唯一的ID号，它通常包含了任务状态、历史记录 和 执行结果 等信息。
2025-11-13 16:41:14
388
原创 MVC项目在IIS上部署的几种思路
对于上下文的创建，需要先实现rt_uint8_t *rt_hw_stack_init(void *tentry, void *parameter, rt_uint8_t *stack_addr, void *texit)函数。void rt_hw_context_switch(rt_ubase_t from, rt_ubase_t to)//切换到to的上下文，又要保存当前上下文到from上。//保存上下文到from中。
2025-11-12 15:19:59
926
原创 了解CSS的查找匹配原理，让CSS更简洁、高效
通信顺序进程（Communicating Sequential Process，CSP）是 Tony Hoare 在 1978 年提出的一种描述并发系统交互的模式，它正是Golang并发模型的灵感源泉。该模型的另一显著特征是，消息的发送与接收是异步进行的。CSP模型的关键特性是，进程的执行不会受到其他进程的直接影响，进程间的交互仅通过通道发送和接收消息来实现。Golang通过轻量级的Goroutine和通信机制Channel，实现了CSP模型的核心思想，即通过消息传递而非共享内存实现并发控制。
2025-11-12 15:15:21
336
原创 敏捷开发之Scrum扫盲篇
挝澜簧有一、前言截图：baby7.github.io首页截图下面说一下优缺点，主要对比的是购买服务器搭建个人博客。优点：不需要买服务器使用Github Pages的服务器，只需要建一个github仓库，然后往里面放html文件就可以了，不需要去买服务器续费服务器。不需要买域名可以直接使用Github Pages提供的二级域名，不仅省去了买域名的花费，还省去了域名申请这个冗长的流程。
2025-11-12 15:10:08
565
原创 了解SQL Server触发器及触发器中的事务
很明显的，由于client和server的数量是非常多的(因为多个服务可能公用一个公网IP)，所以转发表是一个非常宝贵的资源，一旦转发表满了，就无法创建新的连接路径了。从上面代码中我们可以看到，LVS通过设置的timeout_table来设置转发表项超时时间，而不同的tcp状态会有不同的超时时间，而默认的established的超时时间是15 * 60 * HZ也就是15min。为了解决第一种的方案的问题，我们可以依旧复用连接，只不过这个复用时间特别短，例如6s之内复用，超过6s的连接就直接丢弃。
2025-11-12 15:04:47
237
原创 个值得开发人员关注的jQuery开发技巧和心得
Artifact 和我们在DevOps CI/CD流水线中的Artifact（即工件）的概念类似，它是 远程Agent执行完某个任务后生成输出的结果（即远程Agent返回的结果通过一个Artifact对象输出给Client），每个任务的结果可能都不一样。Task 是 Client 和 远程Agent 之间协作的一个概念，很好理解，一个Task代表一个需要完成的任务，每个Task都有一个唯一的ID号，它通常包含了任务状态、历史记录 和 执行结果 等信息。
2025-11-12 14:59:05
757
原创 iOS开发系列--Swift语言
对于上下文的创建，需要先实现rt_uint8_t *rt_hw_stack_init(void *tentry, void *parameter, rt_uint8_t *stack_addr, void *texit)函数。void rt_hw_context_switch(rt_ubase_t from, rt_ubase_t to)//切换到to的上下文，又要保存当前上下文到from上。//保存上下文到from中。
2025-11-11 14:40:51
564
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人