登录社区云，与社区用户共同成长
邀请您加入社区
进度环是展示任务完成度、数据加载进度、目标达成率等信息的重要组件。相比线性进度条，圆形进度环更加美观、节省空间。在 OpenHarmony 环境下开发 Flutter 应用时，进度环组件需要支持多种视觉样式、渐变效果、多环嵌套等功能。progress;// 进度值0-1size;// 尺寸// 线条粗细// 背景色// 进度色// 渐变色style;// 样式animation;// 动画fina
本文介绍了在Flutter和OpenHarmony环境下开发搜索栏组件的实战经验。组件提供三种视觉样式（标准、现代、极简）、三种尺寸规格（小号40px、中号48px、大号56px）以及搜索建议功能，支持实时过滤和焦点状态动画。技术实现上采用枚举定义样式和尺寸，通过状态管理处理输入变化和焦点状态，并实现智能建议过滤功能。该组件具有高度可定制性，包括颜色主题、圆角半径等参数均可配置，适用于多种应用场景
版权声明：本文为CSDN博主「Hello__7777」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/Hello_7777/article/details/160668972。四个不同颜色的标签：Flutter（主题色）、Dart（蓝色）、鸿蒙（红色）、OpenHarmony（橙色）6个职位标签：前端、后端、移
本文介绍了一款完全开源的场地租赁预约平台，采用Vue 3技术栈开发，支持微信小程序/H5/App多端适配。平台包含用户预约端和管理后台两大模块，提供场地浏览、时段预约、拼场功能、支付验证等完整业务流程，以及场地管理、价格设置、财务统计等后台功能。项目采用模块化设计，包含认证、支付、二维码等核心工具组件，支持二次开发，可作为毕业设计或商业项目基础。系统解决了传统场地租赁行业时段管理混乱、人工效率低等
这些不仅仅是工具。它们是杠杆、自动化、AI和基础设施，即使你没有主动在使用它们也在运行。这十个仓库使用AI、代理和开放基础设施，自动化与金钱相关的任务，如交易、广告、线索生成、内容创作和视频制作。我将解释每个仓库的功能以及如何开始使用它们。首先是诚实的免责声明睡觉时赚钱"是一个标题，不是保证。这里的每个工具都需要设置、谨慎的判断，在某些情况下还需要实际的资金风险。它们提供的是——使原本需要持续人工
本文介绍了在Flutter+OpenHarmony环境下开发企业级浮动提示组件的实战经验。该组件具有四种视觉风格（标准、富文本、箭头、标注），支持四个方向弹出位置，并具备双触发模式（点击/悬停）。技术实现上采用OverlayPortal管理浮层，通过GlobalKey获取目标组件位置，并实现了智能定时隐藏功能。组件还支持富文本内容、主题自动适配以及流畅动画效果，能够满足不同场景下的提示需求。文章详
AI Compass前沿速览：GPT-5.5 与 DeepSeek-V4 同周登场，星火X2、腾讯离线翻译、FlashQLA 和 TIPSv2 推动 AI 智能体与开源生态再升级
摘要：本文提出一套开源优化方案，针对通用大模型输出不可控、格式混乱的痛点问题。通过指令强化、格式约束、引导模板和输出校准四大模块，不改动模型基座，实现输出格式标准化、指令响应精准化。方案与前7集优化体系无缝兼容，适配主流开源模型和各类部署场景，实测可控率提升35%-60%，格式正确率达98%以上。提供保姆级落地指南，包含完整开源工具链和避坑建议，工程师和AI均可直接复现。作为系列第8期，该方案补齐
本文提出了一套开源落地的通用大模型端侧优化方案，重点解决内存占用高、手机/边缘设备运行困难的问题。通过动态稀疏（降低30%-40%权重）、分层加载（按需调用模块）和无损压缩（体积缩小40%-50%）三大技术，在保持前6集优化功能（上下文记忆、幻觉控制等）的前提下，实现端侧资源消耗降低30%-55%。方案完全开源，适配主流模型和鸿蒙等设备，提供从稀疏处理到一键部署的全流程指南，实测在手机等设备上运行
Tank-OS 是 Red Hat 首席工程师 Sally O'Malley 开发的开源项目，将 OpenClaw AI Agent 与 Fedora 操作系统打包成单一的 OCI 可启动容器镜像。基于 bootc + rootless Podman Quadlet 技术栈，实现不可变 OS、事务性更新和安全隔离的企业级 AI Agent 部署方案。
摘要 本文是「智联邻里」智慧社区项目Flutter+开源鸿蒙实战系列的第二篇，聚焦首页UI开发与多端适配。通过封装3个全局组件（适老化按钮、鸿蒙输入框、公告卡片），实现代码复用与统一风格；采用响应式布局适配鸿蒙手机/平板/开发板，优化触控与文字显示；配置基础路由为功能扩展铺垫。全文以极简代码（每模块5-6行核心）演示Flutter开发技巧，严格遵循智慧社区适老化与民生需求，完成从空白页面到可用界面
本期26期5题（低RAM调度、大模型长文本、端边云通信、边云终身学习、时序因果分析），精准命中华为鸿蒙生态、昇腾算力、云智能运维、工业互联网四大核心赛道的**五大底层技术天花板**。通过约束修正与底层架构重构，五项技术核心指标实现**30%-80%跨越式提升**，彻底打通从“高端试点”到“全域规模化商用”的全链路堵点，推动华为从“技术追赶者”转向“行业规则定义者”，为国产自主可控技术体系筑牢不可替
本文提出了两种运维时序数据因果分析的解决方案：传统静态图谱过渡方案和创新动态架构方案。传统方案通过分层分片、特征筛选等技术在现有框架内优化，达到精准率92.6%、召回率84.3%的行业顶尖水平，但存在拓扑滞后、人工维护等局限。创新方案则彻底重构底层架构，采用动态时序拓扑图谱、因果逆推引擎等新技术，实现精准率97.3%、召回率93.6%的突破性提升，分析耗时从42秒缩短至23秒，支持超大规模集群的无
本文提出边云协同终身机器学习的两套技术方案：传统过渡方案在封闭任务假设下通过特征聚类和正则蒸馏实现指标达标，但存在规模化瓶颈；底层架构革新方案则突破封闭任务限制，构建动态知识库和自适应任务划分机制，实现98.7%的任务匹配精度和99.8%的未知任务识别率。方案采用分层开源模式，核心技术包括云端知识库规范、边云同步策略等，支持学术研究但保留商用知识产权。该技术适配华为鸿蒙生态，可解决边缘AI的小样本
本文针对领域知识融合与多跳推理技术提出双路径解决方案：过渡方案严格遵循题目约束，通过知识提纯、路径优化实现短期指标达标；革新方案重构知识表征体系，建立语义-事理-因果三维统一框架，突破传统静态图谱限制，实现多跳推理性能提升58.3%、根因定位准确率92.5%、支持10跳以上无损推理。全文开源基础参数与评测数据，为国产AI技术攻关提供标准化参考方案。
《区块链内生安全架构的革新路径》摘要 本文针对大规模联盟链面临的性能瓶颈与安全挑战，提出两种差异化解决方案。传统过渡方案通过共识协议适配层和隐私策略模板，在现有架构下实现了千级节点组网、TPS衰减6.7%、查询延迟0.63s等指标，达到行业顶尖水平但扩容能力有限。更具突破性的底层架构革新方案，采用分片并行账本和动态隐私策略引擎，实现3000+节点稳定组网、TPS衰减3.2%、查询延迟0.31s的卓
《Serverless弹性伸缩架构革新方案》摘要： 本文针对云原生Serverless调度领域提出突破性解决方案。传统时序预测和静态伸缩架构已达性能天花板，文章给出两条技术路径：1）过渡方案通过多模型融合和预热缓冲池实现行业顶尖指标（预测误差7.2%，时延316ms）；2）革新方案重构底层架构，采用负载感知解耦和时空联合预判技术，将预测误差降至4.1%，时延优化至158ms。方案特别针对华为云多租
《智联邻里》项目摘要（150字） 本项目基于Flutter+开源鸿蒙技术栈，响应"十五五规划"数字中国建设要求，打造智慧社区民生服务平台。首日开发聚焦四大核心：1)项目定位-解决社区服务"最后一公里"痛点；2)环境搭建-完成Flutter基础项目创建与鸿蒙SDK适配；3)跨端适配-支持鸿蒙手机/平板/DAYU200开发板多终端运行；4)架构规划-采用分层解耦
本期黄大年茶思屋第26期聚焦五大前沿技术难题：Serverless场景的高精度负载预测与资源弹性伸缩技术、大规模区块链网络内生安全技术、领域知识融合推理技术、边云协同终身学习技术，以及基于图谱的多变量序列数据因果关系分析技术。这些难题均触及现有技术天花板，要求突破传统优化路径，重构底层逻辑架构。华为通过开源解题模式，旨在攻克毫秒级预测精度、高阶隐私保护、多跳知识推理、未知任务识别等核心挑战，推动技
是一个开源项目，用于在 Kubernetes 中实现基于事件的自动伸缩。根据外部事件（如消息队列、数据库、流系统等）自动扩缩容支持将应用扩缩到与 Kubernetes HPA 深度集成提供丰富的事件源（Scaler）KEDA 是 Kubernetes 自动伸缩体系的重要补充：👉 从“资源驱动”升级到“事件驱动”消息队列异步任务Serverless 场景如果你的系统存在：✔ 队列堆积✔ 流量突发✔
用Ollama部署开源模型，整个过程不超过5分钟。。以后你做技术选型时，这一套方法直接复用。
把非结构化文档变成 AI-ready 数据，再交给 PandaWiki 做智能问答与检索，整套知识闭环更完整。的 AI 知识库方案：开源可控、AI 够用、部署简单、集成灵活，能实实在在降低内耗、沉淀资产、提升协作效率。—— 这款 AI 驱动的开源知识库，才真正解决了研发场景的核心痛点。的知识管理方案，非常建议亲自部署体验一次 —— 很多惊喜，用了才知道。深度嵌入全流程，私有化部署、轻量易维护，对中
LLM 当下能不能在长周期工程里持续产生价值？答案是能 —— 但要有 harness。裸用 LLM 做 1 周以上的工程，上下文丢失、决策失忆、活跃区膨胀这些问题会逐步把质量拖下来。spec skill 这套 harness 的本质是用纯文件 + 严格格式约束给 LLM 建一个外置长期记忆，把"上下文"从隐式变成显式。这件事 cursor、Copilot、Claude Code 谁都能做，工具不重
同时，工作可见性危机也随之而来，大量的前置工作，如需求评审介入、测试策略设计、自动化框架搭建等“隐性投入”，在远程环境中更难被团队感知，导致测试工程师容易被视为被动的“需求验证者”而非主动的“质量共建者”。例如，某金融科技公司的测试团队引入AI辅助测试工具，通过机器学习优化用例生成，使得测试效率提升了50%，同时降低了30%的测试成本。例如，某互联网公司的测试团队在CI/CD流程中加入自动化质量门
神经粉尘接口的交互对象是生物电信号，如局部场电位、动作电位，这些信号的数据格式、时序特性、噪声模型与传统数字信号存在本质区别。传统测试中，我们面对的是明确的0和1、固定的波特率与协议帧，但在神经粉尘接口中，信号的幅值可能微伏级波动，频率范围跨越赫兹到千赫兹，且极易受生理活动干扰。这要求接口规范必须精准定义信号采集的带宽、采样率、量化精度、滤波算法，以及刺激输出的波形、频率、强度范围等生物物理参数，
摘要： 测试环境是盗版软件的高发区，可能通过工具软件、被测系统或依赖库非法引入，导致测试失真、环境破坏及法律风险。测试团队需建立技术防御体系，包括静态特征比对、动态行为监控、软件成分分析及资产管理工具，主动识别盗版痕迹。同时，需构建合规流程与文化，将盗版检测纳入测试全生命周期，协同多部门形成防御生态。未来可借助AI与区块链技术实现智能化盗版防控，筑牢测试环节的知识产权防线。（149字）
摘要： 裸奇点是未被事件视界遮蔽的时空奇点，挑战了传统黑洞理论。研究表明，在特定条件下（如非均匀恒星坍缩），裸奇点可能形成，这为物理学和跨学科研究提供了新视角。裸奇点的计算模型（如恒星坍缩、Kerr-Newman模型）与软件测试方法高度契合：压力测试模拟极端条件，多维度测试覆盖复杂参数组合，数值模拟对应自动化测试。误差分析与缺陷管理同样相似，均需追踪误差/缺陷的传递路径并优化控制。裸奇点研究的多学
开源
——开源
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
开源鸿蒙跨平台开发者社区
AtomGit开源社区
DeepSeek技术社区
openEuler 社区
