- 博客(174)
- 收藏
- 关注
RSS订阅原创 为什么你的知识图谱和DDD总在打架？
《企业数字化建设的模型架构演进：从两层到三层的语义治理突破》 摘要：企业数字化进程中，传统两层模型架构（概念层-实例层）在统一语义治理方面面临瓶颈。ER模型、OO、DDD等技术虽设计理念不同，但均采用"Concept→Entity"结构，导致跨系统语义冲突（如同名不同义）。本文提出Ontology→DomainModel→Entity三层架构，通过解耦变化周期实现稳定与敏捷的平衡：本体层（Ontology）维护长期稳定的企业共识，领域模型层（DomainModel）承载业务多态演化，实体
2026-07-08 20:00:00
172
原创 从“领域描述”到“本体”——AI时代的系统设计模式探讨
本文探讨了领域驱动设计（DDD）在AI时代面临的挑战与转型。作者指出，传统DDD通过划分限界上下文有效解决了单一系统的业务建模问题，其强模式设计在特定领域内具有显著优势。但随着企业数字化转型深入，特别是大语言模型的应用，跨系统多维数据整合成为刚需，传统"领域描述"模式暴露出局限性。文章分析了当前三种主流跨系统整合方案（数据仓库、Text2SQL、图数据库）的技术瓶颈，提出引入"本体模式"作为解决方案——构建高维语义骨架来统一核心业务概念及其逻辑关系，同时保持底层物理存
2026-07-08 14:47:35
458
原创 动态本体设计：Concept、Action、Activity、Process与Event
本文提出动态本体概念，旨在解决企业业务运行难以精确描述的问题。传统静态本体关注"世界是什么"的空间结构，而动态本体聚焦"世界如何运行"的时间结构。作者提炼出五个核心元概念：Concept（运行主体）、Action（服务能力）、Activity（运行活动）、Process（活动组织）和Event（运行事实），构建了一套统一描述动态世界的高内聚模型。该模型摒弃了冗余的State和Rule概念，通过五元组即可表达从传统业务到AI系统的各类动态场景，实现了对数字世界运行与演化
2026-06-23 19:13:28
558
原创 计算无处不在 —— HuggingFists 支持的那些计算模式
HuggingFists是一个面向企业场景的多执行模型计算平台，旨在统一管理异构计算任务。平台提供七大计算层次：1）基础数据处理（批/流处理）；2）业务流程控制；3）高并发服务计算；4）高性能并行/串行计算；5）分布式计算（支持Spark/Flink）；6）实时流计算；7）AI推理计算。其核心架构通过Oyez、Dencho等引擎实现计算模式解耦，支持管道并行、子流程串行等精细化资源调度，并能将低代码流程自动映射为分布式任务。平台统一了传统数据处理与新兴AI计算的编排，帮助企业以一致的方式应对复杂异构的计算需
2026-06-23 11:59:04
326
原创 本体与智能体：企业级AI系统的能力治理边界
《企业级智能体的本体论转向：从工具自由到能力治理》摘要： 随着智能体从实验工具升级为企业核心系统，其是否需要本体(Ontology)引发行业分歧。研究表明，单体智能体通过上下文管理、工具调用等技术组合即可高效运作，但企业级部署需要根本性变革。本文提出"能力本体"新范式，将传统数据建模扩展为"数据语义+执行能力+运行方式"的统一治理层。在这种架构中，智能体退化为能力消费者，其行为完全受本体定义的能力空间约束。企业级AI的核心矛盾已从上下文优化转向能力治理，需通过本体实现
2026-06-10 20:47:42
513
原创 从知识本体到能力本体
本文系统梳理了本体（Ontology）概念的演进历程，将其划分为三个阶段：知识本体阶段聚焦"世界有什么"，通过实体-属性-关系三元结构建立认知框架；语义本体阶段关注"世界如何连接"，致力于构建跨系统的语义协同网络；能力本体阶段则转向"世界能做什么"，引入Action（能力）和Behavior（行为）概念，使对象具备动态执行特性。文章指出，这种从静态认知到动态参与的演变，反映了信息系统从知识存储到自主决策的角色蜕变，而能力本体并非替代传统范式，而是在
2026-06-10 12:24:28
336
原创 从描述结构到描述运行：一种关于本体的重新理解
本文探讨了本体论在当代技术领域的复兴及其理论重构。文章指出，本体概念正被知识图谱、数字孪生、大模型等多个技术领域重新重视，但各领域对本体的抽象层级理解存在差异。传统本体模型主要描述静态结构（实体、属性、关系），却无法统一表达动态运行机制，导致结构与运行的断裂。 作者提出三位一体的本体重构方案：1）保留静态结构描述；2）引入"动作"作为能力表达单元，支持能力的组合与复用；3）通过"行为"概念描述能力的持续运行方式。这种重构使事件、状态等传统动态概念转为运行结果的观察手段
2026-06-08 12:06:03
346
原创 本体：静态易“描”，行为难“落”--兼谈动态本体的落地路径与算子化赋能(二)
本文探讨了动态本体的落地路径，指出Palantir通过Foundry系统实现了数据静态属性与动态行为的分离，但其高度工程化的方案存在开发门槛高、调试困难等问题。文章提出算子化与AI驱动是未来方向，并介绍了HuggingFists低代码算子协同平台如何通过"全栈算子"理念，实现逻辑与算力解耦、跨框架兼容和可视化编排，为动态本体提供标准化解决方案。最后强调动态本体需要平衡抽象能力与工程可治理性，构建可进化、可扩展的企业智能系统。
2026-05-13 12:00:00
562
原创 本体：静态易“描”，行为难“落”--兼谈动态本体的落地路径与算子化赋能(一)
摘要：近年来，"本体"概念在AI系统建设中日益重要，从静态知识模型发展为包含动作、流程等动态元素的"业务操作系统"。静态本体聚焦领域概念统一，解决认知一致性问题，技术实现相对成熟；而动态本体尝试实现"认知与执行"统一，将行为纳入语义体系，但面临执行复杂、系统协同等挑战。动态本体虽能更完整描述业务运行，却因行为的高度动态性，在落地时仍依赖大量硬编码，需要强大的系统执行能力支撑。
2026-05-13 09:00:00
305
原创 一套可视化流程，带你看懂OCR如何识别文字(二)
本文详细介绍了OCR（光学字符识别）的工作流程。首先通过轮廓裁剪和透视矫正处理文本框内容，将倾斜文本拉正以提高识别准确率。然后进行文字识别，包括统一图片尺寸、转换为张量格式，通过模型输出字符概率分布。接着通过CTC解码将概率序列转换为文字，包括去重、去空白符和字典映射等步骤。最后指出工业级OCR还需解决场景适配、多语言支持、图像质量处理等问题，强调实际应用中细节优化的重要性。整个流程展现了OCR从图像处理到文本输出的完整过程。
2026-05-08 11:30:00
359
原创 一套可视化流程，带你看懂OCR如何识别文字(一)
OCR技术通过两步流程将图片文字转换为可读文本：首先使用文本检测模型生成概率热力图，标识可能的文字区域；然后通过阈值处理、轮廓检测和优化等步骤，将模糊概率图转化为精确的文本框。整个过程并非单一AI模型完成，而是由检测和识别两个模型协同工作，先定位文字位置再进行内容识别。这种可视化流程揭示了OCR技术从图片输入到文字输出的完整处理链条，打破了"AI黑箱"的简单认知。
2026-05-08 08:30:00
528
原创 串起你的流量侦查：链路化分析网络报文
网络安全领域的流量分析工作正面临效率瓶颈。传统分析方法高度依赖人工操作，分析过程缺乏系统性沉淀，导致重复性工作频发。HuggingFists系统创新性地提出"分析链路化"解决方案，通过可视化算子拖拽构建标准化分析流程，将原本分散的操作步骤转化为可复用、可观察的自动化链路。该系统保留了专业分析工具的核心能力，但重构了使用方式：从逐层解析到字段提取的完整路径可被完整保存和调用，既避免了重复劳动，又能与AI协同工作——大模型负责决策，预设链路确保执行可控性。这种结构化方法既延续了安全专家的分析
2026-05-06 11:12:00
384
原创 为何AI无法替代软件设计人员？
在上一篇文章中我们分享了AI目前无法完全替代程序员的观点。其实，有一部分原因来自于程序员这个职业在过去几十年的发展中，已经逐渐演化出了非常多不同层次的角色，比如高级程序员、架构师、系统分析师等。这些角色在软件开发过程中承担的，已经不仅仅是编码工作，而是更多偏向于设计。某种程度上来说，真正决定一个软件上限的，是软件设计本身。
2026-04-23 09:00:00
248
原创 AI编程真的能替代程序员吗？
AI编程实践观察：效率与局限并存 大模型在编码执行层面已展现强大能力，可显著减少对人力的依赖。实践案例显示，AI能在2小时内完成原本需要3-4天的人工编码工作，尤其在语法解析等具体任务上表现惊艳。然而，其作为概率模型的本质导致输出不稳定——相同任务在不同上下文条件下可能产生截然不同的结果。当前AI更接近"高效问题求解器"而非"稳定生产系统"，在工程层调试、架构设计等环节仍需人工介入。开发者面临代码质量波动、依赖管理、上下文维护等挑战，特别是在长期系统演进中问题会被放大
2026-04-21 08:45:00
307
原创 数据编织-异构数据存储的自动化治理
《数据编织：异构存储自动化治理的新思路》摘要 本文探讨了企业在数据治理中面临的核心挑战：随着信息系统增多，数据表管理日益混乱，传统治理方法难以覆盖异构存储环境。作者团队基于十年前的研究理念，开发出符合"数据编织"架构的解决方案。数据编织通过AI驱动的元数据管理，构建统一逻辑视图，实现跨异构数据源的自动化治理。系统能够识别字段语义、分析表间关系，形成全局数据地图，无需物理迁移数据。实践表明，该方法有效解决了多样化存储技术接入、字段统一表示、语义识别等难点，为企业在数据爆炸时代实现"
2025-12-18 11:20:57
694
原创 在画布上编织数据流：HuggingFists的努力与追求
摘要：HuggingFists是一款面向全结构数据处理的低代码Workflow工具，通过可视化界面实现高效的数据流程编织。该系统提供组件区、设计区和属性区三大功能模块，支持算子拖拽、端口连接、变量设置等操作，并具备调试、断点检测、性能优化等功能。其创新性地采用流程树和容器算子设计，支持复杂数据处理逻辑的可视化构建，同时通过批处理、死锁检测等机制保障运行稳定性。该工具旨在降低数据处理门槛，提升开发效率，适用于从简单ETL到复杂AI工作流等多种场景。
2025-12-04 17:34:21
839
原创 MCP服务的接入、创建与应用
HuggingFists平台全面支持MCP技术，既支持接入外部MCP服务，也能对外提供MCP服务。平台将MCP工具与API能力整合，用户可在"数据服务"模块管理INNER(内部)和REMOTE(外部)两类MCP服务。内部服务可灵活部署于多个专用节点，外部服务通过URL接入。平台提供统一界面管理所有工具，并支持在AI流程中混合使用MCP工具和API，通过ReActLLMAgent算子实现智能调用。这种设计降低了学习成本，让开发者能便捷地构建功能强大的AI应用。
2025-11-03 10:20:06
751
原创 “小酌”眼中的MCP技术架构
MCP协议已成为LLM调用外部工具的事实标准，但其技术尚未成熟。2025年随着LLM智能体应用兴起，MCP作为AI工具的"USB-C接口"迅速获得厂商支持，构建起丰富工具生态。文章分析了MCP架构的三个关键问题：1）Resource、Prompt和Tool三种原语设计可能冗余，建议简化为单一Tool原语；2）采用SSE通信协议导致大量HTTP API需要重构，在LLM尚不具备渐进式处理能力时成本过高；3）提出改进方案：基于json-rpc标准封装现有HTTP API，构建包含Client
2025-08-11 09:00:00
677
原创 可视化抽取指南：用图形语言解码视频抽取
本文介绍了利用视频大模型技术快速解析视频内容的流程，重点演示了从教学视频中提取关键帧和语音转文本的方法。通过HuggingFists工具，作者构建了包含两个分支的处理流程：上分支采用关键帧检测算法提取PPT页面，经过去重、去黑边等处理后输出清晰图像；下分支抽取音频并转换为文本。文章详细说明了各环节的技术实现，包括ORB特征检测、轮廓识别等图像处理方法，以及语音转文本的Whisper模型应用。该技术可将7分钟的视频内容快速转化为图文笔记，展现了视频大模型在信息提取方面的实用价值，为高效学习提供了技术支持。
2025-07-29 09:00:00
1103
原创 拯救重复劳动：无代码实现 Markdown文本抽取与切分
摘要：RAG（检索增强生成）技术通过将文件数据转换为向量存储并检索，为LLM应用提供高效解决方案。关键点在于文档切分质量，建议优先按章节切分以获得语义明确的文本块。由于Markdown格式更易提取章节信息，推荐将其他格式转为Markdown后处理。HuggingFists系统支持无代码实现Markdown文档的两种切分方式：纯章节拆分（块大小-1）和章节+分块组合拆分（如块大小500），通过流复制算子可同时输出两种切分结果。执行结果显示章节路径、文本块内容等关键信息，满足不同粒度的语义需求。
2025-07-21 17:26:16
660
原创 拯救重复劳动：无代码实现 Markdown 图&表抽取
摘要：文章介绍了如何使用HuggingFists工具实现无代码的Markdown数据抽取。通过流程设计，可将Markdown文件中的主体文本、表格和图片分别抽取处理：主体文本保留占位符；表格数据经过多步转换后输出为CSV文件；图片直接保存到指定目录。该系统打破了技术壁垒，让非程序员也能高效处理Markdown文档，进行数据整理和知识系统搭建。文中详细展示了处理流程配置和输出结果样例，体现了该工具简单易用的特点，帮助用户专注于价值创造的核心工作。（150字）
2025-07-14 12:07:39
844
原创 HuggingFists: 无代码处理复杂PDF
Docling内置了很多功能配置项，但是Docling算子只封装了其中的一部分。如果希望调整和配置更多的配置项，可以试着去修改算子的Python脚本片段。这里的脚本片段为实际运行Docling时所需的脚本片段。好了，现在可以使用HuggingFists去自动化处理复杂PDF文档了。
2025-07-05 11:57:14
1134
原创 Java中如何枚举正则表达式捕获组的名字
摘要：本文介绍了在Java中使用正则表达式命名捕获组的方法。虽然Java标准库没有提供直接枚举命名捕获组的公共API，但通过反射机制可以访问Pattern类的内部方法"namedGroups"，获取捕获组名称与索引的映射Map。文中给出了使用反射获取该Map的示例代码，解决了命名捕获组遍历不便的问题，为日志解析等场景提供了便利。（150字）
2025-07-05 10:53:00
344
原创 数智时代：n8n 不够用？试试更懂数据的 HuggingFists
在「低代码+AI」的浪潮中，n8n 无疑是很多人心中的自动化神器。但当数据场景变得复杂、对智能化的需求越来越深时，n8n 也逐渐暴露出「不够用」的一面。于是，HuggingFists 这个「更懂数据、更懂智能」的国产新秀登场了。它不仅解决了数据难搞、模型难训、流程难调的老大难问题，还把这一切做得更优雅、更可视化。今天就带大家一起，重新审视「低代码 AI 平台」的新可能。最近，开源自动化流程工具n8n，凭借其对LLM及AI技术的整合支持，重新回到了人们的视野，并引发了广泛的关注。
2025-07-04 17:21:39
958
原创 从开源日志解析引擎到“Botu“
本文回顾了网络安全行业中日志采集与处理技术的发展历程，从早期基于Lex&Yacc的解析技术，到借鉴Arcsight的脚本语言解决方案，再到大数据时代采用LogStash等开源工具。作者介绍了自主研发的Botu脚本语言，这是一款专注于数据解析与封装的DSL工具，具备接近通用编程语言的语法结构、动态执行优化能力和高效的数据封装特性。Botu已开源并提供10种常见安全设备的日志解析模板，旨在提升AI时代网络安全研究的效率。相比主流工具，Botu在解析性能和易用性上有显著优势，特别适合需要处理大量日志的安全
2025-05-29 08:31:34
1024
原创 3.3.6 VO-O语法- 流程算子
运行时，流程引用算子会装载子流程，并按照端口的连接情况，将数据传输给子流程。流程自驱算子的意思是，它会遍历输入的数据集，使用数据集中的每一条数据依次替换子流程中的变量，并驱动子流程运行。彼此之间不共享任何数据。与流程引用的不同之处在于，流程引用算子内的子流程只会被装载一次，子流程内的算子会自行批量处理输入子流程的数据集。并行流程算子表示其容器内的算子在运行时是并行的，即每个算子都会被分配一个独立的线程，数据流在算子间流转。流程编写者可以根据实际的业务情况在流程编写时选用不同的流程算子，优化流程的调度运行。
2025-04-15 20:51:54
1049
原创 LLM实现text2SQL实战总结
LLM在组织内部应用的一类重要场景就是利用LLM的NL2SQL能力，简化用户对数据库的访问。本文主要介绍如何使用LLM生成SQL语句，不涉及到如何训练提升LLM的SQL生成能力。开启正文之前，我们先明确一下这类功能在组织内服务的目标群体。我们将服务目标定位为没有太多IT技术背景的业务及运营人员。这些人访问数据库的需求，伴随着业务的发展，会超过特定服务软件提供的功能边界。服务软件的开发周期很难适配应用需求的迫切性。另外，熟练的使用服务软件获取使用者期望的信息也需要一定的学习成本。
2025-04-15 13:06:15
1206
原创 3.3.5 VO-O语法- 高级语法
VO语言还提供了一些个性化的高级语法特性，这些语法特性有别于传统的编程语言。但可以更好的帮助开发者实现高效、稳定的生产级数据流程。
2025-03-10 22:29:06
889
原创 回答我：数据库 -- Deepseek + NL2SQL
这个技术能够将使用者输入的通过自然语言描述的问题转换为可以回答问题的SQL语句，通过执行SQL语句返回数据结果并回答使用者的问题。在模板的json输出格式中我们看到，模板还要求LLM给出SQL语句的列说明，这也是因为从数据库中检索出的数据如果没有输出列说明，LLM在最后进行问题总结时是无法知道列的含义的。流程中除了之前我们描述的获取数据库Schema，通过Prompt模板拼接Prompt、调用Deepseek回答问题以及执行SQL语句外，其它部分都是为了能够将信息串接在一起而进行的技巧性的数据处理。
2025-03-10 11:44:20
2565
原创 3.3.4 VO-O语法- 算子分类(二)
文本格式化、文本抽取、文本替换、Html转Xml、按大小拆分文本、按段落拆分文本、按章节拆分文本、语种识别、文本向量化、分词、命名实体识别、摘要、关系识别、翻译、大语言模型应用等。列添加、列删除、行列转换、列集拆分、过滤、采样、聚合、去重、排序、并集、交集、差集、补集、联结、特征统计、扁平化等。CSV、Excel、Json、XML、Protobuf、Avro、Parquet、ORC、全文读取等。格式转换、黑白化、马赛克、浮雕、缩放、水印、人脸识别、OCR、物体识别、向量化、图像生成、图像分类等。
2025-02-14 19:03:41
1561
原创 3.3.4 VO-O语法- 算子分类(一)
VO语言目前拥有400+个算子，并且仍在不断的开发扩展中。算子的功能丰富，多样，很难用某个维度简单、易用的对算子进行分类。以下是VO语言按照内置的算子开发维度给出的算子分类。
2025-02-14 19:02:22
1088
原创 3.3.3 VO-O语法- 语法算子(二)
从其内部看，是一个可以容纳内嵌流程的标准容器算子。上下文变量的名字必须是输入数据集的列名，且只会将数据集的第一条信息作为代表拼装入异常信息。也可以编写逻辑只在迭代结束后输出数据，这时候就需要内嵌流程不是去连接数据输出端口了，而是去连接退出端口了。使用Loop算子有一个特别需要注意的事项就是，内嵌流程必须与输入端口与迭代输出端口有连接。首次迭代时，内嵌流程收到的数据集来自前置算子，迭代过程中再次收到的数据则来自内嵌流程的上一迭代的输出了。Loop算子是一个容器算子，其可以实现对其内部子流程的循环迭代运行。
2025-02-13 22:45:40
872
原创 3.3.3 VO-O语法- 语法算子(一)
与其它编程语言一样，VO语言也支持条件控制、循环遍历等“块”级语法。不过，这些“块”级语法都是通过语法算子来实现的。
2025-02-13 11:09:13
318
原创 3.3.2 VO-O语法- 算子- 容器算子
而内部可见和外部可见则分别指只能在容器内看到的端口或只能从容器外看到的端口了。运行流程后，算子的输出结果可通过查看对应的调试端口进行展示，该结果将留存在系统中，方便开发者回溯、查看。容器算子在外观上与原子算子最大的区别就是所有容器算子都有一个容器托盘。双击容器算子可以进入到容器算子内部。可在容器算子内部的空间面板上继续编写容器内部的流程逻辑。容器算子内部的嵌套流程如果需要将结果写出到容器外部，需要与输出端口建立连接。容器算子的输出端口并不一定总是向外写出数据，也有可能用来满足容器算子的内部控制需要。
2025-02-11 19:29:46
402
原创 3.3.2 VO-O语法- 算子-原子算子
算子是VO语言最核心的概念，是可视化编程的基础。在编程时，每个算子都以一个独立图元的方式进行表达。其主要分为原子算子和容器算子两种结构类型。
2025-02-11 19:26:06
997
原创 3.3.1 VO-O语法- 概念术语(二)
上下文变量的作用域为算子，即不同算子的上下文变量即使同名，执行时也不会混淆。输入算子的数据集中的每条记录的"id"列的值都会替换掉SQL语句的上下文变量，生成一个具体可执行的SQL语句。以确保流程执行时，所有算子参数的值都是明确的。在执行数据流程为变量设置值时，控件变量将以变量的控件类型展示界面，并接收使用者设置的变量值。该种模式的变量，可以让使用者在设置流程的变量时，不必担心输错参数值。控制流的引入可以为并行运行的算子加入同步控制，比如要求流程执行时，必须等数据表被清空后才能执行表插入操作。
2025-02-10 17:33:54
883
原创 3.3.1 VO-O语法- 概念术语(一)
因此，多个输入端口接收到的数据集其实是同一个数据集，如果后置多个算子需要对数据集进行修改，那么就会引发数据集的并发写冲突问题。此种应用场景下，需要在当前算子的后面补充一个“数据集复制”算子，然后通过该算子的输出端口与后置的多个输入端口建立数据连接，确保每个输入端口得到的数据集是一个被复制后的独立数据集。，但是要求所有的输出端口的数据集结构必须完全相同，否则编辑器会报错，并无法建立相应的数据连接；在容器算子内，也会表达为从容器输入端口到嵌套算子输入端口或从嵌套算子输出端口到容器输出端口的连接。
2025-02-10 12:27:01
925
原创 3.3 VO-O(算子)语法
VO-O语法部分是VO语言的特色部分。其核心概念主要有两个，“算子”以及“数据连接”。使用者通过拖拽“算子”图元、配置“算子”参数、构建“算子”间的“数据连接”，最终形成一个具有数据流转关系的流程图。该流程图可被理解为是由VO语言编写的一段程序。VO-O语法基于“可视化”及“数据科学领域专用”两个理念，为语法加入了很多特有性质。除此外，其还提供了很多通用编程语言中的“块”级语法概念，如：条件控制、循环控制等。不过这些语法概念都是通过特定的算子进行支持的。下面，就详细介绍一下VO-O语法。
2025-02-09 18:46:17
224
原创 Deepseek访问受限？换种方式轻松使用
流程中，将Deepseek算子换成“OpenAI会话”算子，这里需要注意，不要换成OpenAI的其它算子。“请求地址”，“模型”，输入成图中的样子。近期由于Deepseek模型太火，以至于Deepseek网站对外提供的API接口接口访问受限。由于图中的Deepseek算子访问的Deepseek官方API资源受限，所以目前无法正常使用。之前因为安装Deepseek算子升级过系统的朋友，还需要再升级一次，这个新的升级包补充了些内容。好了，可以在线体验Deepseek模型的能力了。去七牛云注册一个账号。
2025-02-09 18:42:03
2516
原创 3.2 VO-E(表达式)语法(二)
.”是成员运算符，其左侧的对象可以是变量、函数、数组表达式或成员表达式；算数运算表达式支持的算数运算符都是二元运算符，按执行的优先顺序为：乘法(*)、除法(/)、模(%)优于加法(+)、减法(-)运算。数组表达式也支持复杂结构数据的访问表达，如：二维数组a，其表达式可写为a[1][2]，表示获取二维数组的第二列第三行的值；逻辑运算符提供逻辑判断功能，用于构建更复杂的表达式，主要有"and"、"or"以及"not"三种运算符，需要注意，VO语言的逻辑运算符不支持"&&"、"||"以及"!
2025-02-08 11:51:07
592
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