登录社区云，与社区用户共同成长
邀请您加入社区
0.前言之前作者整理了一份ROS1中常用的GUI测试工具，最近作者在完善ROS2部分时觉得有必要写一篇关于ROS2常用命令行工具的文章来作为ROS2第一部分的一个小结。1. 通信层面ROS_DOMAIN_ID标记一个 ROS 域，不同的 ROS 域之间不能通信。这部分可以参照作者ROS2 DDS通信漫谈这篇文章，主要是因为ROS2本身的通讯是基于DDS的，所以存在域这个概念。colcon_cd命令
【机器视觉】C# + VisionPro 组件 代码打开相机
访客到来，小车形状的机器人会主动上前迎接，进行路线导览和语音播报；在咖啡区，有可以定制图像拉花的机器臂……这是北京市海淀区AI“生活实验室”的场景。这里的“员工”不止是人类，还有集合了部分与公众生活场景息息相关的前沿AI产品：有永远不会掉毛的机器宠物、会开口说话的玩具、助力老人行走的外骨骼机器人等。在历经“百模大战”“价格战”的生长期后，企业又开始在用户争夺上持续探索中国大模型的商业化落地。
通过本文的指南，您应该能够顺利安装和配置Fiddler客户端，并在您的ML模型部署中应用该平台的强大功能。Fiddler官方文档Fiddler GitHub仓库。
真机复验用「翻页找串」的工具四轮踩坑：导读页抢先命中、停在篇末找不回头、页面预算 78 页小于目标 p135、非 BMP 字码点错位。这轮把四类坑的判断全部搬进工具的预检层——不碰设备就回答「这一串能不能搜、在哪一页、预算够不够」，页位直接加载应用真分页器推导，九条历史检索串「预估页 + 3 = 真机页」逐条对上。写作中还揪出一个新问题：跨郭璞夹注的检索串在设备文本属性里结构性不连续，十六轮复验记
技术适用场景核心技巧API 分析前后端分离网站Chrome DevTools → Network → XHR → 复制请求SeleniumJS 动态渲染页面显式等待 + 滚动加载 + 无头模式加上第 13 课的 requests + BeautifulSoup，你现在拥有了完整的爬虫工具箱——能应对 90% 的数据采集需求。数据清洗与结构化——把爬下来的"脏数据"变成 Agent 能用的高质量知识
模型编译通过后，把模型端口映射到实时机物理通道。这一步是最耗时的环节模型信号方向通道类型通道号量程/缩放车速输出AO0加速踏板输入AI20~5V挡位输入DI5高有效电机扭矩输出CAN0 (0x210)缩放 0.1 Nm/bit映射原则：信号方向必须与真实线束一致；量程换算要写清楚；完成后导出映射表存档，方便换人维护。
摘要：传统 MLOps 以“特征工程 + 离线训练 + 模型上线”为核心，交付单元是单个模型；AI Native 应用的交付单元则变成“模型 + 上下文 + 工具 + 评测”的组合能力。本文从特征存储与模型部署管线两条主线对比两者的根本差异：特征存储要从“值的一致性”升级为“证据的一致性”，演化为上下文仓库；模型部署要从“部署一个模型”升级为“部署一套能力”，以能力包为版本单元；评测则要从训练阶段
本篇完成了 AI Test Agent 接入 HTTP 测试环境的基础能力。模块本篇实现HTTP 测试服务本地订单 API接口调用Python 标准库 HTTP 客户端超时控制2 秒请求超时失败重试有限次数和退避等待工具注册HTTP 查询工具加入 Agent业务检查金额、状态断言结果区分工具执行结果与业务断言结果分离从这篇开始，Agent 已经不再只是调用本地模拟函数，而是可以通过受控的 HTTP
摘要：本文是「AI Native 原理与实践」系列第十九篇。文章从 Copilot 到 Agent 的十年演进视角出发，把 2018—2027 划分为 Copilot 雏形、Chat 与 RAG、Tool Use 与工作流、Agent 自主执行四个阶段，拆解「AI Native 吃掉软件」这一判断背后的技术逻辑、产品形态与商业结构变化；同时梳理模型能力、工具生态、记忆与状态、执行环境四条技术主线，
Python22-PostMan调试MCP
断点恢复并不是简单地把所有失败任务重新执行一次。任务 1：查询订单详情 completed任务 2：检查订单金额 completed任务 3：检查订单状态 running任务 4：生成测试报告 pending任务 1 和任务 2 已经完成，不需要重复执行。任务 3 是否可以安全重试，需要看工具是否具有幂等性。任务 4 仍然等待前面的任务完成。因此，断点恢复必须依赖持久化执行记录，而不能只依靠当前进
状态含义pending等待执行running正在执行completed工具执行完成failed工具执行失败blocked因依赖任务失败而无法执行任务执行完成，不代表业务检查通过。"message": "订单金额异常：-20.0"这表示金额检查工具成功运行了，但检查结果不通过。因此任务状态应该是completed，而不是failed。如果把工具执行失败和业务断言失败混在一起，后面统计任务状态就会出现
摘要：“AI Native”正在成为继“互联网+”“数字化”之后最容易被滥用的标签。本文给出一句话定义：AI Native 不是“产品里接了大模型”，而是让 AI 成为产品能力、组织流程和决策方式的第一性构成要素。围绕这一判断，本文拆出三个可验证的标准——能力内生、流程重构、数据闭环，并给出自检清单与落地路径，帮助团队判断自己究竟处在“AI 加持”还是“AI Native”阶段。
摘要：很多团队把“接入了大模型 API”当成“AI Native”，结果做出来的仍是一套流程固定、规则写死、AI 只负责点缀的传统软件。本文从架构、交互、数据、组织四个维度拆解 AI Native 与传统软件的本质差异，提出四层成熟度模型（L1 接口调用、L2 流程增强、L3 模型驱动、L4 自进化），并结合客服工单系统对比传统做法与 AI Native 做法，最后给出把“AI 皮”换成“AI 骨
代码 Agent 虽能自动生成与测试代码，却难以独立验收，易因上下文闭环导致误判。LingTest CLI 通过结构化测试用例、统一执行流程与可复现报告，将验收过程从代码生成中分开，实现鉴权、数据准备、执行与证据的显式管理。结合公开 Skill 与轻量 CLI，支持多 Agent 复用，提升测试可信度与可复查性。不替代需求或人工判断，但为 AI 开发提供可交由人与 CI 验证的标准化验收路径。
这一篇看起来只是增加了一个循环，但它实际上改变了 Agent 的工作方式。以前我们可能是写好一套固定流程，让程序按照顺序执行；现在则是由模型结合执行结果决定下一步调用什么工具。不过，我并不认为把流程交给模型就意味着可以完全放开程序控制。对于测试系统来说，工具权限、执行次数、超时和结果记录仍然应该由程序控制。AI 负责理解和决策，程序负责约束和执行。两者配合，才更有机会把 AI Agent 真正用到
内容涵盖网络安全理论知识、渗透测试基础、操作系统基础、计算机网络基础、数据库基础操作、Web渗透等核心技能，并强调合法合规学习。✅阶段 4｜计算机网络基础（一周）所有网络攻击的底层根基OSI 七层模型、TCP/IP、HTTP、ARP 协议、数据转发原理，DDOS、协议攻击、CVE 漏洞复现，不懂网络，漏洞永远学不透彻。✅阶段 2｜渗透测试基础（一周）入门渗透的核心基础渗透测试流程、信息搜集、Goo
测试工具
——测试工具
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
地瓜机器人开发者社区
HarmonyOS开发者社区
北京朝阳AI社区
openEuler 社区
