登录社区云，与社区用户共同成长
邀请您加入社区
墨刀是一款在线原型设计与协同工具，借助墨刀，产品经理、设计师、开发、销售、运营及创业者等用户群体，能够搭建为产品原型，演示项目效果。墨刀同时也是协作平台，项目成员可以协作编辑、审阅 ，不管是产品想法展示，还是向客户收集产品反馈，向投资人进行Demo展示，或是在团队内部协作沟通、项目管理。墨刀 - 在线一体化产品设计协作平台 (modao.cc)
墨刀是一款在线原型设计与协同工具，借助墨刀，产品经理、设计师、开发、销售、运营及创业者等用户群体，能够搭建为产品原型，演示项目效果。墨刀同时也是协作平台，项目成员可以协作编辑、审阅 ，不管是产品想法展示，还是向客户收集产品反馈，向投资人进行Demo展示，或是在团队内部协作沟通、项目管理。墨刀 - 在线一体化产品设计协作平台 (modao.cc)https://modao.cc/墨刀支持为页面或组件
墨刀是一款在线原型设计与协同工具，借助墨刀，产品经理、设计师、开发、销售、运营及创业者等用户群体，能够搭建为产品原型，演示项目效果。墨刀同时也是协作平台，项目成员可以协作编辑、审阅 ，不管是产品想法展示，还是向客户收集产品反馈，向投资人进行Demo展示，或是在团队内部协作沟通、项目管理。墨刀 - 在线一体化产品设计协作平台 (modao.cc)https://modao.cc/brand墨刀支持
墨刀是一款在线原型设计与协同工具，借助墨刀，产品经理、设计师、开发、销售、运营及创业者等用户群体，能够搭建为产品原型，演示项目效果。墨刀同时也是协作平台，项目成员可以协作编辑、审阅 ，不管是产品想法展示，还是向客户收集产品反馈，向投资人进行Demo展示，或是在团队内部协作沟通、项目管理。墨刀 - 在线一体化产品设计协作平台 (modao.cc)墨刀支持为页面或组件添加交互跳转事件，模拟用户使用产
本文基于多个典型的数据分析素材案例，拆解不同业务场景的设计重点。同时，也结合实操体验，分享如何用AI生成原型图的方式，在前期快速完成布局和思路验证，帮助我们提高设计速度。
1 人机交互概念人机交互，Human–Computer Interaction简称HCI，是有关计算机系统的设计、评估、实现以及与之相关现象的学科。人机交互设计在产品和用户之间起到桥梁的作用，这个桥梁需要让用户知道如何操作产品。人机交互技术与设计的结合。2 研究内容1 界面设计的方法和过程，（给定任务和目标用户——界面）；2 界面实现方法；（软件工具或其他更高效的方法）3 界面分析和评估；4 开发
本文对当前几款热门的AI原型图工具进行了实测评估，包括：Cursor、FigmaMake、墨刀AI、FramerAI、UizardAI 和 Loveable.dev，帮助产品经理判断哪一款工具更值得投入使用。
在这个快节奏的AI时代，不少原型设计软件也在融入AI技术，从“手动绘制”转向“智能生成”，大幅减轻原型绘制压力提升效率。本文聚焦6款AI原型设计工具、智能UI设计工具、无代码交付设计工具，探索它们的高效能力与未来潜力。
要说2025年国内产品经理使用的主流原型设计工具，当然是墨刀、Axure、Figma和Sketch了，但是很多刚入行的产品经理不了解自己适合哪些工具，本文将从核心优势、局限短板、协作能力等维度，结合实际应用场景，对这四款工具进行深度测评，为大家提供一些参考。
这里使用的是网页端的墨刀，也可以去官网下载客户端版本。
AI如何裁剪图片在使用illustrator的过程中，很多亲想要AI的裁剪功能与ps一样强大，但是AI常用的裁剪图片方法如下。工具/原料illustrator cs6应用剪切蒙版剪切图片Ctrl+n 新建文档 ，直接粘贴或者置入所需要裁剪的图只想要图片的一半...
打开Axure-RP-10-CHS-1.2.0中文字体文件夹，进入Axure-RP-10-CHS-1.2.0中文字体文件夹后，你会看到lang包和DefaultSettings文件夹。因为我的电脑是Windows操作系统，所以我下载的AxureRP-Setup-Beta v10.0.0.3816 (Win).exe。链接：https://pan.baidu.com/s/1fc8Bgyic8Ct__
1、打开墨刀网址中的“素材广场”链接。2、搜索“数据可视化”3、将其保存。4、再客户端中打开，将选中的窗口移动到新建的项目中。5、打开新建的项目。编辑刚刚加入的大屏网页。6、打开阿里datav的工具，搜你需要生成的地图。然后下载svg。双击墨刀窗口中的地图模块图片，再加载本地刚刚下载的地图svg文件。调整大小就可以了。...
当时接手这个自动下料项目时，客户特别强调伺服轴的抖动抑制问题，松下A5驱动器虽然支持17-bit编码器，但参数整定不当反而会让振动盘下料节奏乱套。现在看程序里的注释，还能找到当时留下的吐槽："此处延时务必大于伺服制动时间，否则下一模产品会撞刀！这种带时间戳的注释在联机调试时特别有用，尤其是当三个品牌的设备出现时序冲突时，能快速定位问题根源。说到ST语言的应用，最过瘾的是写物料计数算法。优秀的触摸屏
a). 当直流无刷电机的转动惯量由1.23*10-3kg.m2变为3.23*10-3kg.m和5.23*10-3kg.m时，双闭环控制和自适应控制的仿真结果如图所示（蓝线代表未加自适应控制的系统输出，红线代表加了自适应控制的系统输出，深蓝色线代表参考模型输出）有意思的是，当惯量增加到5.23e-3时，传统PI控制开始"喘粗气"——超调量达到32%，而自适应方案通过实时修正电流环参数，把超调压到了8
结果关机再一开机，好家伙，除了浏览器，别的软件一点就蹦“无法定位输入点×××.dll”，可那个 dll 明明就在原地躺着，网上搜一堆偏方全没用，连安装包都打不开，心态直接崩。我第一次跑的时候已经把文件修好了，所以第二次提示“没找到完整性冲突”——意思就是“一切正常，别慌”。别一报错就重装，先把系统自带的“修理工”请出来，大概率能救，还省得重装一堆软件。系统坏了先别掀桌子，定位→解决→分享，顺便还能
通过以上步骤，你已经完成了使用Keras搭建和训练一个基础深度学习模型的完整流程。从理解核心概念到亲手构建、编译、训练和评估模型，这为你打开了深度学习实践的大门。但这仅仅是开始。接下来，你可以探索更复杂的模型结构，如使用Functional API构建多输入/多输出模型，尝试不同的网络层（如Dropout层用于防止过拟合），学习使用回调函数（Callbacks）来增强训练过程，或是将训练好的模型保
print(f推导式结果: {process_data_comprehension(data)})print(f推导式: {process_comprehension(test_data)})print(f函数式结果: {process_data_functional(data)})print(f传统方式: {process_traditional(test_data)})print(f函数式:
你有没有过这样的经历？手机里的“运动日志”记录了你每天走的步数，微信的“聊天日志”保存了所有对话，服务器的“访问日志”记着每一次用户请求——这些“日志”就像设备的“日记”，藏着大量有用信息，但因为“写得太乱”，很难直接看懂。哪些用户是“购物狂”（电商日志）？哪些IP在“搞破坏”（服务器日志）？哪些时间段服务器“忙得要死”（运维日志）？范围覆盖日志数据的预处理、聚类算法的选择（K-means、DBS
在MedicalNet医学影像分割任务中验证表明，学生模型（MobileUNet-16）的Dice系数达到0.783（教师模型0.821），模型体积仅为原始的1/9。MSE(A_t,A_s)，成功解决端到端训练中知识传递不充分的问题，在乳腺钼靶图像分类任务中，小样本条件下准确率提升14.2%。实验在Kaggle Skin Cancer数据集上显示，使用Laplace噪声机制的梯度扰动，在保证(ε=
采用分布式能力矩阵（Profiling）构建服务分层，基于服务稳定性指数（Service Stability Index, SSI）对服务角色进行动态分类：核心层采用同步阻塞通信保障强一致性，边缘层使用轻量级异步协议。针对JPA底层实现的性能瓶颈，开发DDD（Domain-Driven Design）-DML（Distributed Meta Language）编译器，将复杂查询的JDBC语句转化
本文分享用墨刀 MCP 把产品PRD、原型定下来，再让 Codex 承接代码的完整流程。以一个 CRM 系统为例，把整个过程捋一遍。
现在 AI 辅助编程确实强得离谱，但解决的是软件工程里最后那一环。AI生成原型+Vue代码工具与AI编程工具组合，整个链路才会更顺。
前面产品经理和UI设计师的活儿，在这类设计型AI工具里一块儿搞定了，理需求、出界面、搭前端工程一条龙。Cursor就专心处理网络请求、状态管理、算法这些编码层面的东西。国内开发者不管是接私活还是小团队，不用只盯着某一个编码工具。找一个偏业务/界面的国产AI工具，配一个像Cursor这样的代码模型，我个人觉得是目前效率比较高的搭配。
下载 Axure 软件：访问 Axure 官方网站，选择适合您操作系统的版本进行下载。。提取码:5418启动安装程序：下载完成后，找到安装程序文件并双击运行。阅读许可协议：在安装窗口中，阅读许可协议并勾选同意，然后点击“下一步”。选择安装类型：通常有“完整”和“自定义”两种安装类型，根据需要选择。选择安装路径：选择软件安装的文件夹，也可以保持默认设置。安装：点击“安装”按钮，等待安装完成。启动软件
时间序列预测总让人又爱又恨，特别是当传统随机森林遇到高噪声数据时，模型容易在训练集上表现完美却在测试时翻车。今天咱们来点硬核的——用麻雀搜索算法给随机森林做参数调优，再配合交叉验证打组合拳。有意思的是这里的ST（安全阈值）参数，相当于给算法加了个"风险探测器"。不过要注意，麻雀算法容易早熟，实践中可以加入随机重启机制——当连续5代最优解未更新时，重新初始化一半的种群，给模型来点新鲜血液。在某电力负
现在的开发环境下，没有一个 AI 工具能包办所有，最好是把它们串起来用，这篇文章分享墨刀AI+v0/Cursor组合开发中后台项目经验。
Java 17中引入的sealed classes（密封类）是一项重要的语言增强功能，它为开发者提供了对类继承层次结构的精确控制能力。密封类的主要优势在于提供了编译时的安全性检查，确保类的层次结构不会被意外扩展。最佳实践包括：为每个密封类提供全面的模式匹配处理，谨慎选择哪些子类应该是non-sealed，以及在API设计中充分利用这种精确的继承控制。密封类在处理有限集合的实现时特别有用，例如消息传
搞独立开发的全栈/前端注意，今天给大家分享一个墨刀AI+Claude 3.5的工具组合，看看怎么把一周的活压到两天。
把这种几十个页面的需求丢给以前的AI，可能出来一堆不能用的页面。因为大部分AI给的通常是无法直通开发的代码，没有组件复用，没有路由，稍微加点真实的业务逻辑，代码直接报废。比如做较大的复杂项目，AI如果一次性生成几十个界面，整体的风格连贯性容易有偏离，且生成速度随页面数增长明显变慢，后期的二次修改量比较大。在实操AI生成应用时，你丢给它一个偏宏大的需求，比如“做一个带AI助手和社区交流的工具APP”
分享一个跨境电商后台管理系统案例，AI生成产品界面同时输出Vue/React的工程代码。
豆包：字节跳动推出的 AI 助手，以对话式交互为主，支持多种创意任务，PPT 生成通常通过内置插件或指令触发。Kimi：Moonshot AI 的产品，擅长处理长文本和复杂任务，PPT 生成功能需通过特定命令或集成实现。通义千问：阿里巴巴的通用 AI 模型，支持文档生成，PPT 创建多依赖于文本输入或模板调用。：这里指 DeepSeek AI 与 Gamma 的结合；Gamma 是专门的 AI-P
输入阶段：用户提供主题、描述或大纲。AI处理阶段：工具自动生成内容（文本、图表）和设计（布局、主题）。编辑与优化阶段：用户在线调整内容。输出阶段：导出为可编辑文件（如PPTX）或分享格式。额外功能：如协作、模板库等。下面，我将逐一解析每个工具的完整流程，最后用表格对比关键指标（如易用性、速度、定制性）。注意，所有工具均支持中文输入，输出PPT也以中文为主。新手推荐：豆包或通义千问，易用且免费基础版
当下广告投放市场逐步脱离仅依靠表面功能堆砌的初级阶段，逐步进入以数据穿透深度与智能化闭环为核心的综合实力比拼阶段。京东直投在垂直电商交易场景具备适配优势，可画在轻量化创意素材生产流转层面表现突出。如果企业需要统筹全域流量获客、搭建长效智能化增长体系，友盟 + U-AddWin 依托全域数据驱动能力与一站式智能营销服务，能够为各类企业应对线上获客需求提供稳定支撑。「免责声明」：以上页面展示信息由第三
核心总结若你的核心需求是 APP 全域获客、效果转化、全链路数据追踪、精细化用户运营，无论中小团队还是大型企业，友盟 + U-AddWin 是国内适配度较高的主力投放平台。依托全域规模化数据资源、多 Agent 协同 AI 智能投放、完整合规风控体系、全产品生态联动能力，一站式缓解获客成本高、数据割裂、投放优化难、合规风险四大核心痛点，同时支持鸿蒙生态适配，适配全行业 APP 长效增长需求。可画作
墨刀
——墨刀
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
乐奇 Rokid 开放社区
天工造物局
DAMO开发者矩阵
AtomGit开源社区
码道开发者社区
亚马逊云科技技术品牌专区
葡萄城开发者空间
AI Agent技术社区
openEuler 社区
AI编程社区
DeepSeek技术社区
科技大视野开发者社区
人工智能6S服务平台
