最近我尝试把 DeepSeek Harness 做成一个类似 Codex 的 Windows 桌面程序。最终实现的功能包括：一键启动 DeepSeek Harness独立的 Electron 桌面窗口开机自动启动桌面快捷方式插件管理界面Wallpaper Engine 动态壁纸程序、插件、缓存和会话尽量存放在 D 盘不再需要每次手动打开浏览器地址本文记录完整的实现思路、目录结构、打包方法，以及过程

最近我尝试把 DeepSeek Harness 做成一个类似 Codex 的 Windows 桌面程序。最终实现的功能包括：一键启动 DeepSeek Harness独立的 Electron 桌面窗口开机自动启动桌面快捷方式插件管理界面Wallpaper Engine 动态壁纸程序、插件、缓存和会话尽量存放在 D 盘不再需要每次手动打开浏览器地址本文记录完整的实现思路、目录结构、打包方法，以及过程

最近我尝试把 DeepSeek Harness 做成一个类似 Codex 的 Windows 桌面程序。最终实现的功能包括：一键启动 DeepSeek Harness独立的 Electron 桌面窗口开机自动启动桌面快捷方式插件管理界面Wallpaper Engine 动态壁纸程序、插件、缓存和会话尽量存放在 D 盘不再需要每次手动打开浏览器地址本文记录完整的实现思路、目录结构、打包方法，以及过程

爬虫程序可以自动访问网页，并从网页中提取我们需要的信息。获取新闻标题；抓取商品名称和价格；提取电影评分；下载图片；统计网页中的链接；获取公开网页中的表格数据。浏览器访问网页时，背后也会向服务器发送 HTTP 请求。服务器处理请求后，会返回 HTML、JSON、图片或其他内容。Python 爬虫做的事情，就是用代码模拟这种请求，再解析服务器返回的数据。准备目标网址↓使用 requests 发送请求↓

最近学习了一点关于机器学习的内容，是从机器学习开篇和 KNN 算法开始的，有 KNN 的训练、鸢尾花识别，最后是极大似然估计；KNN 是一个直观的监督学习算法，鸢尾花识别是一个具体的分类案例，极大似然估计属于概率统计和参数估计的基础内容。虽然初看并没有什么关联性，但是把它们连起来看，会发现它们都是教我们，如何从有限的函数里，总结出用于未知样本的规律。如果训练数据包含标签，这种学习叫监督学习。分类和