OpenClaw 处理大型代码库时报上下文窗口超限，本质是对话历史过长或文件过大。文中给出开新会话、分块处理、精简上下文等完整方案。

<think>我们需从原文中提炼关键信息，生成≤150字的摘要。需要涵盖数据集内容、特点、应用等。原文是关于PCB电子元器件目标检测数据集，包含23类约1600张图像，YOLO格式，针对小目标密集、外观相似等挑战，可用于训练深度学习模型。摘要要简洁。</think>本文介绍了一个23类PCB电子元器件目标检测数据集，含约1600张真实工业图像，采用YOLO格式标注，涵盖电阻、电容、芯片等常见元件。

本数据集是一套面向户外真实场景构建的精细化生活垃圾目标检测数据集，核心参数如下：- **图像总量**：近3000张高质量实拍标注图像- **标注类型**：目标检测（Bounding Box）- **标注格式**：YOLO标准格式- **类别数量**：18类- **数据来源**：真实户外场景拍摄- **场景覆盖**：城市街道、社区公共区域、户外开放空间

CodeX CLI 触发 429 Too Many Requests 速率限制的解决方案，含退避重试、并发控制、配额查看与限流策略。

CodeX CLI 会话过期/认证令牌无效的解决方案，含重新登录、token 刷新、环境变量与凭据存储。

CodeX CLI 前后置 Hooks 不执行的解决方案，含 hooks 配置、路径、权限与事件名匹配。

金属外表多种生锈检测数据集（1200张图片已划分）｜面向工业巡检的目标检测数据集 数据集分享链接 一、智能制造与工业巡检的时代背景 在工业设备智能运维、基础设施安全评估与城市大型金属结构全生命周期管理

数据集共包含102类农业害虫，涵盖鳞翅目、鞘翅目、半翅目等不同类群。包含对农业生产影响较大的害虫，如稻飞虱、粘虫、玉米螟、蚜虫、白粉虱、红蜘蛛等。这些害虫涉及不同作物（如水稻、小麦、玉米、蔬菜和果树等）的典型害虫，覆盖面广，实用性强。农业害虫检测是精准农业中的重要组成部分，传统方法依赖人工识别，不仅耗费人力，还存在效率低、准确率不足的问题。随着深度学习与计算机视觉的发展，大规模、高质量的农业害虫数

本文分享了一个适用于YOLO系列深度学习模型的单车/共享单车标注数据集。该数据集包含城市街道、停车点等多场景图像，已按7:1.5:1.5划分为训练集、验证集和测试集，提供VOC/COCO格式标注文件（包含单车和共享单车两类）。数据集支持交通监控、城市治理、自动驾驶等应用场景，可直接用于目标检测模型训练。文中还介绍了数据集的构建背景、技术意义及典型应用流程，并提供了YOLOv8训练示例代码。数据集可

本文介绍了一个包含2320张棉花病害图像的分类数据集，适用于YOLO等深度学习模型的训练。数据集涵盖健康与病害棉花植株和叶片的四种类别，已划分为训练集、验证集和测试集。该数据集支持棉花病害智能识别研究，有助于提升农业生产效率，减少人工巡检成本。文中详细说明了数据集的类别信息、划分比例、应用流程（包括数据预处理、模型训练到部署）以及适用场景（如智慧农业系统、无人机巡检等）。数据集下载链接已提供，方便