本文介绍了一种基于边缘检测和轮廓提取的目标跟踪方法。该方法通过Canny边缘检测获取目标轮廓，利用多尺度阈值和形态学处理连接断裂边缘，并通过自适应阈值调整适应不同亮度场景。

本文介绍了AI领域的核心概念与技术框架。主要内容包括：1）大语言模型(LLM)的工作原理及其概率预测本质；2）Token作为文本处理基本单位的作用；3）上下文(Context)机制及其容量限制；4）检索增强生成(RAG)技术如何突破上下文限制；5）提示词(Prompt)的分类与优化技巧；6）工具(Tool)调用机制及模型上下文协议(MCP)的标准化意义；7）智能体(Agent)的自主任务处理能力及

C语言库中的fopen，fclose等函数其实都是由操作系统的API函数封装面来的，同样在Linux操作系统中也可以直接利用API函数完成文件操作变成，常用的有打开open，关闭close，写write，读read。功能：获取日历时间（比如获取从2000年1月1日到现在所经历的秒数），结果保存在tloc中，如果操作成功则返回值为经历的秒数，失败则返回值为((time_t)-1)。功能：获取从今日凌

GCC是Linux平台下常用的编译器，支持多种处理器架构和操作系统。其编译过程分为预处理、编译、汇编和链接四个阶段，通过不同选项（如-E、-S、-c）控制各阶段输出。GCC提供丰富的编译选项，包括指定输出文件名(-o)、链接库文件(-l)、优化级别(-O)等。调试时需使用-g选项生成调试信息，配合GDB调试器进行断点设置、变量监视等操作。GDB常用命令包括break设置断点、run运行程序、pri

本文介绍了AI领域的核心概念与技术框架。主要内容包括：1）大语言模型(LLM)的工作原理及其概率预测本质；2）Token作为文本处理基本单位的作用；3）上下文(Context)机制及其容量限制；4）检索增强生成(RAG)技术如何突破上下文限制；5）提示词(Prompt)的分类与优化技巧；6）工具(Tool)调用机制及模型上下文协议(MCP)的标准化意义；7）智能体(Agent)的自主任务处理能力及

什么意思呢，就比如说我今天编写代码的时候想要在搜索框输入关键字/词，然后如果搜索之后的列表中存在与这个关键字/词相同或高度匹配的资料，并且不能出现别的不相关资料才算测试通过，我以为光靠之前的那种方法完全可以实现，但是怎么写都绕不开”提前匹配好图像“这个弯，所以我意识到现在练习的”点点点“已经完全不够用了。不过学习不就是这样嘛，完全不会到认知偏差，再到修正思路，再到学习补足，so，接下来我将会在之前

第二个是左右滑动时选择业务种类错误的问题，这个问题是由于种类名称相似，容易找错，所以我修改了图片的识别度，在图片后面增加threshold=0.95，成功解决了这个问题。因为港口名称过多，所以我采用抽样检测的形式，只截取了港口列表中前，偏前，中，偏后，最后五个港口名称。（这个函数中我没有使用图像识别滑动，而是使用了动态左右滑动的方式，这是因为在左右滑动的区域图像识别没有一个特定的点可以在循环中一直

对页面状态进行判断时，我分为了三种状态，第一种是页面正常有数据（列表资料卡片存在），第二种是页面正常无数据（列表资料卡片为空），第三种是异常状态（两种情况都不存在）。用if-elif-else实现，如果未能识别到前两种情况会出现的图像元素，则表示测试失败，输出错误提示信息。三、运行结果【报告目录部分】（1）失败这次失败原因是因为打开了错误的小程序，我总结原因是因为小程序的图标我只截取了图像部分，应

言归正传言归正传，我是一个完全的自动化测试新手，正在一步一步地学习Airtest框架。接下来的文章我将记录我的入门过程，希望与大家分享我的探索经历。如果各位在阅读中发现任何问题或建议，请随时指出，我们共同进步。学习路上难免会遇到挑战，但每一次尝试都是成长的机会。接下来我将围绕微信小程序的自动化测试展开，本篇文章我将写一个非常简单的自动化测试流程：针对微信小程序进行 UI 自动化功能测试，验证用户从