初学者入门QT 制作一个简单的小工具

已于 2022-02-20 22:47:43 修改
阅读量543 收藏
点赞数 1
文章标签： c++ c语言 qt stm32 mcu
于 2022-02-20 22:47:12 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40805118/article/details/123037557
版权

通过哔站和网上搜集的一些资料，初步入门学习QT做的一个非常简单的小工具基于的是QT5.11.1版本(Win)

界面如下：
在这里插入图片描述工具演示视频:
https://www.bilibili.com/video/BV1744y1n75R?spm_id_from=333.999.0.0

需要源码，可关注 VX公众号：初学嵌入式的栗子
在这里插入图片描述

回复 qt小工具 即可得到源码链接

基于 Playwright MCP 的 AI 自动化测试实战「喂饭教程」
blues_C的博客
04-24 745
传统的自动化测试，高度依赖开发者手动编写和维护脚本，不仅耗时巨大，且脚本脆弱性高，一旦页面结构或元素发生细微变化便可能失效。随着 MCP（Model Context Protocol）协议的出现，大语言模型（LLM）与自动化工具的协同得以实现。现在，我们能够通过自然语言向工具下达指令，让其自动完成复杂的浏览器操作。
MCP模型上下文协议：AI人工智能模型训练的自动化调参
AI天才研究院
04-12 1006
在AI模型训练过程中，超参数调优一直是耗时且需要专业知识的环节。MCP模型上下文协议旨在解决这一痛点，通过建立模型训练过程中的上下文感知机制，实现智能化的自动参数调整。本文范围涵盖MCP协议的理论基础、实现细节、数学原理以及实际应用案例。文章首先介绍MCP的基本概念和背景，然后深入解析其核心算法和数学原理。接着提供一个完整的Python实现案例，讨论实际应用场景，最后展望未来发展趋势。附录部分包含常见问题解答和扩展阅读资源。MCP模型。
AI自动生成小红书爆款内全攻略：零代码实现图文/视频自动化发布
分享平时的学习心得和笔记
05-07 300
上周某美妆博主手动处理200张产品图，因格式错误导致发布失败，错过618流量高峰…• 创意生成：Qwen3/DeepSeek自动生成爆款标题。步骤2：可视化工作流搭建（以nocode工具为例）• 支持文生图/视频/语音的标准化接入。二、破局神器：MCP协议+AI工作流。三、零代码实战：三步构建自动化流水线。MCP协议：AI世界的"万能插座"• 内容适配：自动转换小红书风格。• 接入魔搭文生图MCP服务。四、效果对比：效率提升可视化。步骤1：AI内容生成器配置。步骤3：无痕发布机器人。
拿到Offer，租房怎么办？看我用高德MCP+腾讯云MCP，帮你分分钟搞定！
热门推荐
LucianaiB的博客
04-01 13万+
1. 利用高德地图MCP快速定位与筛选房源 2. 使用腾讯云MCP搭建房源信息展示页面 3. 整合MCP服务，整合在一起，实现自动化流程。
基于AI应用创业IDEA：使用百度搜索开放平台的MCP广场智能推荐MCPServices服务
猫头虎技术团队：授渔优于赠鱼，兴趣引领智慧，探索之乐尤显珍贵。商务合作+：Libin9iOak ，万粉变现+：CSDNWF，猫头虎承诺每年免费为100名C站创作者做账号流量诊断服务！全网搜：猫头虎技术团队，点击文章底部名片或直接私信我一切皆可谈，快找虎哥！
04-25 1万+
广告创意制作往往需要大量时间和精力。利用百度搜索开放平台的MCP广场中的图像生成与视频创作服务，创业者可以快速搭建一个智能广告创作工具，自动生成广告文案、设计图像和视频内容。随着电商和企业服务的普及，AI在线客服机器人已成为提升客户体验的重要工具。通过百度搜索开放平台，创业者可以快速集成MCPServer中的自然语言处理（NLP）服务，构建智能客服机器人，自动回复客户问题，减轻人工客服压力。许多在线平台都需要优化内容推荐系统，通过智能推荐MCP。
腾讯云上线「AI开发套件」：5分钟搭建AI Agent小程序，支持MCP托管
Everly_的博客
05-14 789
DeepSeek-R1、混元 T1、混元Turbos……最近，很多开发者、企业技术团队都在忙着「接入大模型」。但接入只是起点，要真正打造一个能对话、懂业务、会操作的「Agent」，远比想象中复杂：选模型、写提示词、搭环境、打通数据、跑流程，怎么都得折腾好几天。要是想扩展一项新功能，还得自己写插件、搭服务器、跑运维，开发链路长、成本高、运维压力大。现在，这一切可以变得更简单。腾讯云正式发布「AI开发套件」—————
基于腾讯云MCP的可视化日报生成系统：3秒完成高效自动化绩效管理
laozhangguzhang的博客
05-18 1403
在跨境电商企业的运营管理中，低效的日报管理严重拖慢了企业决策速度。传统方法如RPA+Excel模板存在自然语言处理能力弱、跨平台同步成本高和报告生成延迟等问题。为解决这些痛点，采用了腾讯云MCP驱动的全链路自动化架构，包括数据采集、内容生成、流程编排和存储服务等组件。通过MCP工具，实现了日报的自动化生成和数据处理，显著提升了管理效率和数据价值。此外，MCP方案在性能对比中显示出显著优势，如单日报生成时间大幅缩短，数据提取准确率提高，资源消耗成本降低。该方案不仅提升了业务影响，如缩短战略会议准备时间，提高日
【MCP探索实践】GitHub MCP Server：为开发者打造的高效自动化工具
寻道AI，探索AI无限可能！
05-01 1110
在当今快节奏的软件开发环境中，自动化工具成为了提高开发效率、减少重复性劳动的关键。GitHub作为全球最大的代码托管平台，拥有海量的项目和活跃的开发者社区。然而，随着项目规模的扩大和复杂度的增加，手动管理GitHub上的问题、Pull Request以及仓库内容变得越来越困难。为了应对这一挑战，GitHub官方开源了GitHub MCP Server，一个基于Model Context Protocol（MCP）的服务器工具，旨在通过自动化和智能化的方式提升开发者的GitHub使用体验。
AI自动化零代码搭建MCP Server：利用开源工具实现数据库与文件操作自动化系统构建
04-24
内容概要：本文介绍了如何利用开源工具零代码搭建MCP Server，实现AI自动化操作。MCP作为一种“万能插头”，使大语言模型无需编写代码就能调用各种工具，如数据库查询、文件操作等，具有零代码、模块化、即插即用的...
人工智能MCP（模型上下文协议）在AI时代的应用与技术解析：从概念到实践的全面探讨
04-11
②学习 MCP 在智能办公（如智能文档处理、会议安排）和开发编程（如代码自动补全、错误检测）中的具体应用场景；③探讨 MCP 在数据安全、性能优化和生态建设方面的技术挑战及应对措施。 阅读建议：本文内容详实，...
垂直智能体：企业AI落地的正确打开方式
chainso23的博客
05-18 1312
在一次重大投资决策中，这个智能体通过详细的财务模型和风险分析，帮助企业识别了原计划中被忽视的潜在风险，优化了投资策略，最终实现了比预期高的投资回报。上述企业管理与运营领域的成功案例清晰地表明，真正有价值的智能体不是简单地调用模型或拼凑功能，而是通过深度融合领域知识、专业流程和企业特定数据，形成清晰的内部逻辑，最终成为企业决策和运营的可靠助手。高效的垂直智能体需要具备强大的任务记忆能力，能够在多轮交互中保持上下文理解，记住用户的需求和偏好，避免重复询问或提供不一致的回答。
Baklib赋能企业知识资产AI化升级
weixin_51374429的博客
05-18 1606
Baklib作为AI驱动的一站式知识中台，深度融合大数据与智能技术，助力企业实现知识资产数字化升级。通过构建安全可控的多语言知识库体系，帮助百度、京东等500强企业激活沉睡数据，提升60%AI数据准备效率，实现内容智能管理、多场景输出及业务创新，打造可视化AI Ready知识引擎，加速数字化转型进程。
咖啡叶子病害检测数据集VOC+YOLO格式1468张4类别均为单叶子
FL1623863129的博客
05-17 1142
标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["Cercospora","Miner","Phoma","Rust"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注数量(xml文件个数)：1468。标注数量(txt文件个数)：1468。
《Python星球日记》 第95天：分布式训练与推理
Code_流苏：在代码中寻诗意，在实践中觅真知
05-19 1147
《Python星球日记》 第95天：分布式训练与推理，今天，我们将探索分布式训练与推理技术，这是解决大规模AI模型训练和部署挑战的关键方法
ROS2使用yoloV12，V11，V10，V9，V8，V5等
qq_35598561的博客
05-19 574
ROS2使用yoloV12，V11，V10，V9，V8，V5等
马尔可夫链（AI、ML）：逻辑与数学的交汇
项目git同名小胡说技书
05-20 783
# 马尔可夫链摘要 马尔可夫链是一种随机过程，其核心特性为"无记忆性"：系统的未来状态仅依赖于当前状态，而与历史路径无关。通过状态空间和转移概率矩阵，马尔可夫链能够描述系统如何从一个状态变化到另一个状态。这一理论广泛应用于人工智能、自然语言处理和蒙特卡洛方法中。从逻辑学角度看，马尔可夫链体现了确定性规则与不确定性结果的结合，为复杂系统分析提供了强大工具，展示了概率论与逻辑学的深度融合。
飞致云旗下开源项目GitHub Star总数突破150,000个
FIT2CLOUD飞致云的博客
05-20 418
在开源的道路上，我们与用户、与客户共成长。
常见的几种多智能体强化学习算法
最新发布
再来一下！
05-21 156
多智能体强化学习（Multi-Agent Reinforcement Learning, MARL，旨在解决多个智能体在共享环境中通过与环境和其他智能体交互来学习最优策略的问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值