<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_00650的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/gitblog_00650</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; gitblog_00650]]></copyright><item><title><![CDATA[Humanizer InDate.Eight 详解：Fluent 相对日期 API 中 DateOnly 语义的完整剖析]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/152022765</link><guid>https://blog.csdn.net/gitblog_00650/article/details/152022765</guid><author>gitblog_00650</author><pubDate>Thu, 24 Sep 2026 13:07:10 +0800</pubDate><description><![CDATA[本文基于 Humanizer 2.13.14 版本文档 `Humanizer.InDate.Eight` 条目展开，完整覆盖 `InDate.Eight` 嵌套静态类的全部属性与方法签名，并结合仓库源码（`src/Humanizer/FluentDate/InDate.SomeTimeFrom.cs`、T4 生成模板及反射式测试）逐条印证其底层实现、UTC 基准行为与 .NET 6+ 平台前提，帮]]></description><category></category></item><item><title><![CDATA[Ultralytics Assets 完整视觉资产清单：Logo、Favicon 与社交图标的标准化用法指南]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/166586197</link><guid>https://blog.csdn.net/gitblog_00650/article/details/166586197</guid><author>gitblog_00650</author><pubDate>Thu, 24 Sep 2026 12:49:39 +0800</pubDate><description><![CDATA[Ultralytics Assets 是 YOLO 生态共享的**视觉资产仓库**，集中管理 Ultralytics Logo、Favicon、社交图标、OG 分享图、文档截图、活动 Banner 与示例图片等媒体文件。无论你是为自己的文档站、演示文稿还是开源项目挑选品牌素材，这份清单都能帮你快速定位正确文件，并避开常见的引用与命名坑。

## 📦 仓库目录结构：视觉资产如何组织

整个仓库按"]]></description><category></category></item><item><title><![CDATA[PaddleNLP SKEP 情感分析实战：情感预训练模型的三类任务微调、Taskflow 预测与模型部署]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/154973966</link><guid>https://blog.csdn.net/gitblog_00650/article/details/154973966</guid><author>gitblog_00650</author><pubDate>Thu, 24 Sep 2026 12:36:23 +0800</pubDate><description><![CDATA[情感分析旨在自动识别和提取文本中的倾向、立场、评价、观点等主观信息，是舆情分析、消费决策、个性化推荐等场景的核心技术。本文基于 PaddleNLP 仓库中 [SKEP 情感分析示例](https://link.gitcode.com/i/365ec0e471d3e1aa9ea6b89a1c38a2c5)，系统讲解如何基于情感预训练模型 SKEP（Sentiment Knowledge Enhanc]]></description><category></category></item><item><title><![CDATA[Erlang/OTP 29 原生记录（Native Records）：从定义、导出导入到热代码升级的完整实战指南]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/153554328</link><guid>https://blog.csdn.net/gitblog_00650/article/details/153554328</guid><author>gitblog_00650</author><pubDate>Thu, 24 Sep 2026 12:01:29 +0800</pubDate><description><![CDATA[Erlang/OTP 29 引入了一种全新的数据抽象——**原生记录（Native Records）**。与传统的基于元组的记录（tuple-based records）不同，原生记录是一种独立的类型，字段按名称存储、按名称访问，无需在编译期把记录"扁平化"为元组，也不必再为记录编写头文件。本文基于官方参考手册 [ref_man_native_records.md](https://link.gi]]></description><category></category></item><item><title><![CDATA[html-anything 编辑式视觉笔记技能（Editorial Sketchnote）实战指南：把概念史铸成六幕杂志档案]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/151548017</link><guid>https://blog.csdn.net/gitblog_00650/article/details/151548017</guid><author>gitblog_00650</author><pubDate>Thu, 24 Sep 2026 11:52:30 +0800</pubDate><description><![CDATA[本文围绕 html-anything 仓库内置的 `article-sketchnote-editorial`（编辑式视觉笔记）技能展开，讲解如何把一个抽象概念（如"涌现 / Emergence"）铸成一份**编辑式图文档案**——像期刊专题一样，以「真问题 → 失败 → 转折 → 顿悟 → 命名」的叙事弧线组织内容，再由本地 AI Agent 生成单文件 HTML 长图。读完本文，你将掌握该技能]]></description><category></category></item><item><title><![CDATA[从单循环到图工程：在 learn-harness-engineering 中构建你的第一张 Agent 编排图]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/166493887</link><guid>https://blog.csdn.net/gitblog_00650/article/details/166493887</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 22:45:57 +0800</pubDate><description><![CDATA[> 本文基于 [第 14 讲「从单循环到图工程」](https://link.gitcode.com/i/77f3770b0da3ba9c5641c3b1bbb2b417)（含 [英文版](https://link.gitcode.com/i/07c1ca32e4c9217f418422a2603f5f7b)）展开，结合仓库内的参考实现 [maker_checker_graph.py](https]]></description><category></category></item><item><title><![CDATA[PaddleSpeech 音频分类服务引擎（CLSEngine）源码级解析：Python 后端 cls_engine 模块详解]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/166493181</link><guid>https://blog.csdn.net/gitblog_00650/article/details/166493181</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 22:00:13 +0800</pubDate><description><![CDATA[PaddleSpeech 的服务端框架把音频分类（Audio Classification，简称 CLS）能力封装为独立引擎，`paddlespeech.server.engine.cls.python.cls_engine` 模块正是该能力的 Python 后端核心实现。本文以该模块为主线，结合服务端入口、RESTful API、底层执行器与配置文件的源码，完整还原一个 CLS 请求从 HTTP]]></description><category></category></item><item><title><![CDATA[Wandb Core 中的 gax-go v2：从 2.4 到 2.25 的能力演进与源码级解析]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/166492837</link><guid>https://blog.csdn.net/gitblog_00650/article/details/166492837</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 21:38:22 +0800</pubDate><description><![CDATA[本篇技术指南以 wandb 仓库中 vendored 的 `gax-go/v2` 依赖的变更日志（[core/vendor/github.com/googleapis/gax-go/v2/CHANGES.md](https://link.gitcode.com/i/b21af1ef7e37b5b51ff269c76aabe936)）为主体脉络，结合同目录下的真实源码，系统梳理 gax-go v2 ]]></description><category></category></item><item><title><![CDATA[LanceSchema 实战指南：在 @lancedb/lancedb 中用声明式 Schema 集成 Embedding 函数]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/166490910</link><guid>https://blog.csdn.net/gitblog_00650/article/details/166490910</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 19:27:02 +0800</pubDate><description><![CDATA[`LanceSchema()` 是 `@lancedb/lancedb` Node.js 客户端 `embedding` 命名空间提供的核心工厂函数，用于在创建表时以声明式方式声明"源字段 + 向量字段 + Embedding 函数"的映射关系。通过它，你可以在建表的同时绑定文本列与向量列，写入数据时自动生成 embedding，查询时自动为搜索词编码向量，从而省去手动调用 embedding 模]]></description><category></category></item><item><title><![CDATA[F´ Drv::BlockDriver 组件深度解析：数据缓冲回环与模拟定时中断的实现原理]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/161823150</link><guid>https://blog.csdn.net/gitblog_00650/article/details/161823150</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 18:32:15 +0800</pubDate><description><![CDATA[`Drv::BlockDriver` 是 F´（F Prime）飞行软件框架中一个用于演示的主动组件（active component），其核心职责是**将输入数据缓冲区原样回环到输出端口**，并通过公开方法 `callIsr()` 模拟硬件定时中断来驱动速率组（rate group）调度。本文以 [Drv/BlockDriver/docs/sdd.md](https://link.gitcode]]></description><category></category></item><item><title><![CDATA[gsd-core 退役 gsd-sdk 包边界：单运行时收敛架构重构实战解析]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/156165225</link><guid>https://blog.csdn.net/gitblog_00650/article/details/156165225</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 18:27:12 +0800</pubDate><description><![CDATA[本篇技术文章围绕 gsd-core（Git. Ship. Done - Core）仓库中一次关键的架构收敛变更展开：通过删除 `sdk/` 目录、移除 `gsd-sdk` 的 shim 与 bin 发布路径、并把共享清单文件迁移到 `gsd-core/bin/shared`，彻底退役了 `@opengsd/gsd-sdk` 独立 npm 包边界，将双运行时架构收敛为单一 TypeScript 源码]]></description><category></category></item><item><title><![CDATA[IronClaw Google Drive 扩展：remove_permission 工具的安全权限撤销实战指南]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/166489905</link><guid>https://blog.csdn.net/gitblog_00650/article/details/166489905</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 18:18:09 +0800</pubDate><description><![CDATA[本文基于 IronClaw 开源仓库中的 Google Drive 扩展包（`crates/extensions/packages/google-drive`）编写，围绕 `google-drive.remove_permission` 这一权限管理工具展开：介绍其输入契约、宿主驱动的调用机制、底层 Drive API v3 实现、OAuth 授权模型与安全门控策略，并结合配套的 `share_f]]></description><category></category></item><item><title><![CDATA[SDR++ Android NDK 编译指南：从 ARMv7 到 ARM64 的多架构原生编译]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/164997079</link><guid>https://blog.csdn.net/gitblog_00650/article/details/164997079</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 18:03:24 +0800</pubDate><description><![CDATA[读完本文，你可以完成 SDR++ 的 NDK（Native Development Kit，原生开发工具包）原生编译，产出可在 ARMv7 与 ARM64 设备上运行的核心库 `sdrpp_core`。文中每个关键点都对应仓库内的具体文件，可逐一对照。

## 前置条件：NDK、CMake 与 API 级别

动手前需要备齐以下环境，各项出处均为仓库内的配置文件：

- CMake 3.13 及以]]></description><category></category></item><item><title><![CDATA[Prisma + TypeScript 快速上手：5 分钟构建 GraphQL 后端并用 Docker 部署]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/162729857</link><guid>https://blog.csdn.net/gitblog_00650/article/details/162729857</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 17:42:03 +0800</pubDate><description><![CDATA[本指南基于仓库文档 [docs/1.4/01-Quickstart/01-Backend/01-TypeScript/01-TypeScript.md](https://link.gitcode.com/i/a5077401bb668ccaefc5ce32e48b4fc3) 展开，介绍如何在本地用 TypeScript 从零搭建一个由 `graphql-yoga` 承载、通过 `prisma-bi]]></description><category></category></item><item><title><![CDATA[StoryDiffusion 漫画生成完整教程：5 步快速出角色一致的 AI 故事漫画]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/163532611</link><guid>https://blog.csdn.net/gitblog_00650/article/details/163532611</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 16:57:34 +0800</pubDate><description><![CDATA[StoryDiffusion 是基于 Stable Diffusion XL 的 AI 漫画生成工具，核心能力是**角色一致性**：只写几条分镜描述，就能产出同一主角贯穿多帧的连贯漫画，还可以进一步转成视频素材。本文按"装环境 → 出第一组 → 调参数 → 排问题"的真实使用顺序，带你完整跑通这套漫画创作流程。

## 一、环境准备：克隆仓库并安装依赖

**硬件门槛先说清楚**：官方在 24GB]]></description><category></category></item><item><title><![CDATA[为什么Google开源了AX：AI Agent基础设施之战的开发者必读深度解读]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/155299970</link><guid>https://blog.csdn.net/gitblog_00650/article/details/155299970</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 16:40:24 +0800</pubDate><description><![CDATA[AX（Agent Executor）是 Google 开源的分布式 AI Agent 执行运行时，为长时运行的智能体提供隔离环境、故障恢复与执行续跑能力。它不是又一个 Agent 框架，而是 Agent 之下的"基础设施层"。本文将带你快速看懂：Google 为什么选择在此时开源它，以及开发者如何用 5 分钟跑起来。

## 一句话理解 AX：Agent 世界的"运行时"

先厘清概念。随着 Ag]]></description><category></category></item><item><title><![CDATA[深度剖析仓颉运行时架构：cangjie_manifest之cangjie_runtime源码探索指南]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/155550949</link><guid>https://blog.csdn.net/gitblog_00650/article/details/155550949</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 16:30:19 +0800</pubDate><description><![CDATA[**仓颉运行时（cangjie_runtime）源码从哪里来？如何完整获取并快速上手？** 本文带你深度剖析仓颉语言的运行时架构，并以 [cangjie_manifest](https://link.gitcode.com/i/f523e16bf432225dbe528a041c1ca05c) 这个代码清单仓库为入口，讲解如何用一条命令拉取 cangjie_runtime 等全部源码，以及运行时在]]></description><category></category></item><item><title><![CDATA[端口与 localhost 原理：从 `localhost:5173` 到 EADDRINUSE 与跨域排查的完整指南（Easy-Vibe 开发工具篇）]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/155721835</link><guid>https://blog.csdn.net/gitblog_00650/article/details/155721835</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 15:55:40 +0800</pubDate><description><![CDATA[> 本文是 Easy-Vibe 项目《开发工具》附录中的核心技术指南，完整剖析每一位开发者每天都见到、却极少深究的两个概念——端口（Port）与 localhost。你将理解 `npm run dev` 后终端里那行 `http://localhost:5173/` 的完整含义，掌握端口号区间划分、环回接口（Loopback）的底层机制、`EADDRINUSE` 端口冲突的标准排查流程，以及前端开]]></description><category></category></item><item><title><![CDATA[Perfetto 堆内存分析：5 步拿到堆分配火焰图，heapprofd 完整避坑实操]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/163657083</link><guid>https://blog.csdn.net/gitblog_00650/article/details/163657083</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 15:36:24 +0800</pubDate><description><![CDATA[应用内存曲线持续上爬，RSS 只涨不跌，最后被系统杀掉，你却说不清是谁在分配内存。Perfetto 堆内存分析里的 heapprofd 给出的答案是：对目标进程的每次分配做采样，把字节归因到发起分配的调用栈。本文带你三步拿到第一份堆分配火焰图，并讲清采样原理、SQL 分析与全套避坑要点。

## 🚀 三步拿到第一份堆分析

读完你能在一台已连接设备上录出 profile，并在浏览器里打开火焰图。]]></description><category></category></item><item><title><![CDATA[ParlAI Wizard of Internet 众包任务实战：基于搜索增强的对话数据采集与数据集构建指南]]></title><link>https://blog.csdn.net/gitblog_00650/article/details/157010391</link><guid>https://blog.csdn.net/gitblog_00650/article/details/157010391</guid><author>gitblog_00650</author><pubDate>Wed, 23 Sep 2026 13:52:26 +0800</pubDate><description><![CDATA[Wizard of Internet 是 ParlAI 仓库中用于复现《Internet-Augmented Dialogue Generation》论文所描述的众包数据采集任务，它借助 Mephisto 平台在 Amazon Mechanical Turk 上招募真人标注者，让“Wizard（智者）”角色通过实时检索互联网知识来与“Apprentice（学徒）”角色展开知识型对话。本文以该任务的]]></description><category></category></item></channel></rss>