Warp,给终端增加一些协作的空间

Warp,给终端增加一些协作的空间 前端开发遇到老项目的时候,经常会遇到各种版本依赖的问题,这时候肯定特别怀念最早的原生的三架马车的代码,自从有了node_modules之后,黑洞都不及node_modules的深,当这种很老的项目跑不起来的时候,很自然的偶尔需要一些外部力量的协助,在同一个环境里面,直接把外部力量拖到显示器前,是高效的选择,但有时候是现状又不允许,这时候借助远程协助的工具,其中又有一些其它不便的影响,这种场景下远程协助的目的,最终也是操作终端,那如果对方就是直接可以操作我的终端呢? 所以Warp来了。 关于WARP 顺带说一下Warp,之前因为颜值好看,一直代替了默认终端来使用的,当然好不好看还是要看个人的,直接上官方的图。 其它的基础的功能跟大部分的终端功能差不多,只是官方说是基于RUST的速度快,还有就是它的快的功能。 官网经常改版,最新的官方口号也改了“The intelligent terminal.”更智能了。 关于刚刚上面提到的协作 准备两个账号,一个账号本机,一个账号远程,如果无另一个账号的话,则另外一个只能只读,就是查看,不可进行远

Something is wrong

Something is wrong 本内容纯属胡思乱想产物,属于作者灵魂飞舞。 其中没有任何观点,如有则是纯属巧合,非故意为之,如看完有任何误会或想法,均属观众自主行为,与作者无关。 上个月增驾了 D 照,虽然家里领导还没有同意,但挡不内内心自然而然的开始关注摩托车的一些话题:品牌的可靠性,类型的舒适度,再如城市禁摩区域,哪些省的高速对于摩托的禁行;各大视频平台上(抖音、B 站、视频号)相关视频一大堆,各UP 主视频里面的套路都差不多。对这些行为本身的好坏暂且不评价,因为无法看到全貌,站在不同立场,解读肯定会有不同,只是思考一下视频的现状。 这些视频大致都有类似的情节: (视频大家自己搜)摩托车 UP 主随车带着《交通法》和一堆相关法规资料,在高速收费站尝试上高速;到了收费站,礼貌性地跟工作人员员要卡,对方照例以“规定”为由阻拦;驾驶员要么不接受劝阻,直接驶上高速,要么在收费站口呼叫警察叔叔。如果是情况一成功上高速之后,

上海驾驶证增驾D照的流程回顾解析

News

上海驾驶证增驾D照的流程回顾解析

说到摩托车,看港片过来的人,谁也忘不了刘德华骑着那辆红白配色的铃木摩托车,载着身穿洁白婚纱的吴倩莲飞驰在街道上的场景。还有一种情绪就是《天若有情》配上了《灰色轨迹》。 一个朋友某日开着一辆摩托来公司访问,访谈中间聊到的摩托驾照,经过公司的损友捣鼓,遂与其一拍即合,上个月底报名,到这个月底全部考完,等下个星期增驾之后的新驾照,想着回顾一下,希望我开始的时候遇到的一些盲点可以让大家提前避开,虽然年轻人有时候是需要多走一些弯路,不过能走直路的弯路咱还是避开吧。 当然如果有教练当然最好,下面的这些就不用看了,教练会告诉你哪一步需要干什么,你要做的就是配合教练就行了。 关于费用 每个地方每个教练的费用不一样,或多或少都会有点差异,这里就不说了,直接把跟公家对接的费用列一下: * 体检:100元 * 报名:60元(这个不太确定了,记得现场交了,但是没有找到支付记录) * 科目一和四:40元 * 科目二和三:10元 * 工本费:10元 共:220元 如果说你是天赋选手,上手直接就会开的话,那就上面这么多钱,你就可以增驾到D照了。 如果你不是天赋选手,上手有点难度,又有想自

最新

**AI时代-你以为是你的思考,可能只是你以为而已。**

AI时代-你以为是你的思考,可能只是你以为而已。 本文中的任何结论都不要信,因为使用了AI,如果放弃AI,让我从头到尾完整输出,不一定行,所以不确是我的结论,还是AI的结论。本文是在一边使用AI,一边思考下出来的,就跟标题一样,可能这个思考只是我以为的而已。本文没有配图 ChatGPT刚出来的时候,大家大概都是这种体验—— 打开AI,输了一句话,几秒钟后,AI马上出来一篇结构清晰、逻辑工整、语气专业的文章。或者你们问一下问题,AI立马给你一个逻辑严谨、用词准确的解答(当然不排除一开始AI回答某些简单的问题也会抽风,在后面不停的更新迭代之后,回答越来越全面。) 当时的第一反应基本上都是:哇,这也太牛BAI了。不乏还有AI是否已有自主思考自我意识的讨论。 然后这样的内容,你保存了它,或者交流给别人,或者贴进了文档里,一开始我们还只是认为产出一个文章,或者解决一个问题,变得如此简单,但是在后面这个场景迭代之后:我们会不会对产出的结果认为是我们自己思考出来的结果? 同样都是听了一堂课,一个是直接听解题思路,一个是绞尽脑汁之后焕然大悟,对于课上知识的所有权一样不(后面有AI相关的试验

SWOT模型分析法研究

SWOT模型分析法研究 SWOT分析是什么 ? SWOT 分析是指一种分析企业自身优势、劣势,以及面对的机会和威胁的方法。透过内部、外部条件和正面、负面因素两轴交错,得出4 个分析面向,是制定策略之前惯用的分析架构。 SWOT =S trength(优势)W eakness(劣势)O pportunity(机会)T hreat(威胁) SWOT 分析也称强弱危机分析、优劣分析、道斯矩阵,是一种最简单入门的行销分析方法,从了解自己,认识对手的过程,找出致胜的关键! 机会(Opportunities )与威胁(Threats)则是被分析对象**「外部的」**环境状态 优势(Strengths)与劣势(Weaknesses)着重在被分析对象**「内部的」**状态 分析这四象限,提供被分析目标在未来制订经营战略上能把资源聚焦,找到对自己有利的地方做强化,

Snapshot of 白蒲

Snapshot of 白蒲 往年每逢假期,都会安排出行,或近或远,美其名曰带娃长长“见识”。这次跟领导诡辩成功,把家乡的景区、古镇走心的体验一遍。 蒲草,一年生草本植物,常生于溪泽,整体晒干为白色,因盛产蒲草是为“白蒲”。 然后我好奇的想见识一下何为蒲草,搜索到图片一看,立马想到儿时,将晒干的蒲棒点燃了拿来驱蚊。这绿色的条状可以编织成草席、草鞋之类,这么看来本地旧时确实是盛产蒲草,虽然现在已不多见,只是记忆中这个晒干应该是黄褐色,与遍体白色好像不太符。 然后继续搜罗了另一种说法 南通这地方本是海湾,又正好位于长江入口海,常年泥沙沉积,积沙成洲,扶海洲、胡逗洲、东布洲等。汉武帝时,今海安、如皋西北部属于海陵县管辖,西汉起至五代,才形成了南通最早的产业——盐业和渔业。当然这还是南通西北部,一直到隋唐,胡逗洲(南通城区)才开始煮盐业,所以说南通是旅游荒漠也就情有可原了,没有崇山峻岭,没有碧海,没有人文历史,

Stable diffusion controlNet使用

Stable diffusion controlNet使用 导入多个文件可供专业用户使用 - [试用Pro] (craftdocs://openSubscription)。 图像精准控制 插件 ControlNet 主要有 8 个应用模型:OpenPose、Canny、HED、Scribble、Mlsd、Seg、Normal Map、Depth。 OpenPose 姿势识别 通过姿势识别,达到精准控制人体动作。除了生成单人的姿势,它还可以生成多人的姿势,此外还有手部骨骼模型,解决手部绘图不精准问题。以下图为例:左侧为参考图像,经 OpenPose 精准识别后,得出中间的骨骼姿势,再用文生图功能,描述主体内容、场景细节和画风后,就能得到一张同样姿势,但风格完全不同的图。 !Pasted image 20230420090706.png Canny 边缘检测 Canny 模型可以根据边缘检测,从原始图片中提取线稿,

Stable diffusion界面介绍使用方法

Stable diffusion界面介绍使用方法 导入多个文件可供专业用户使用 - [试用Pro] (craftdocs://openSubscription)。 标签权重 * 在输入 Prompt 标签的时候,有时候想到啥就会写啥,默认写在前面的权重会最高 * 在 stable Diffusion 中也可以通过特定符号提升关键词的权重 * 其中 () 是加强权重,[] 是降低权重,{} 是 NAI 对 () 的“实现”,<> 用于嵌入 * 例如:(eye) > [eye],(eye:1.4) 会比正常情况多增加约 40%,(eye:0.6) 会减少约 40 % # 默认关键词是1.1倍 (eye) = (eye:1.1) ((eye)) = (eye:1.

X横X列的线条组成的宫格里一共有多少长方形,哪家AI聪明呢

起因是朋友分享了一个通义千问的问题,“一个五行四列的长方形宫格图,删掉第一列第二行这个小格的下边和第三列第五行这个小格的右边。现在,图中一共有多少个长方形?需要同时考虑这些边作为其他长方形上边和左边的情况,并考虑到有长方形同时使用这两个边的情况。” 省略掉中间的思考过程,通义千问最后的回答是“图中共有111个长方形”。 本着有些偏见的观点我想验证一下他正不正确。当然我首先去chatgpt grok gemini同样的问题去问了一波,各种家一不同的答案: 原始长方形大家都一样,都是150,这个就不管了。 名称 第一次 第二次(推理/深度) chatGPT 127 111 grok 113 111 gemini 2.5pro 127 97 DeepSeek 147 124 claude(通过perplxcity) 113 139(perplxcity) copilot(最后配标题图想到) 132 111 因为每一次生成给的结果可能都不一样,每个不同的类型都只试一次,非常好,几家给了几个答案。

adobe 软件体系统中的自然饱和度与饱和度的区别

adobe 软件体系统中的自然饱和度与饱和度的区别 因为小朋友拍摄比较多,日常轮为一个后期工具人之后,一开始对ACR里面的自然饱和度和饱和度这两个有点疑问,饱和度正常很好理解,那他俩具体啥区别呢? 饱和度 饱和度指颜色的鲜艳程度,也可理解为色彩的纯度。 饱和度越高,颜色越鲜明、越鲜艳;饱和度越低,颜色越偏向灰色,越暗淡。如果我们喜欢把照片的色彩拉得很鲜艳的话,那就是饱和度战士了。 颜色的饱和度由光强度及其在不同波长光谱中的分布情况共同决定。最纯(饱和度最高)的颜色是通过仅使用单一波长的高强度光来实现的,例如激光。如果强度下降,饱和度也会随之下降。在减色法(例如水彩画)中,要降低给定强度的颜色饱和度,可以添加白色、黑色、灰色或该色相的补色。 自然饱和度 自然饱和度没有找到WIKI的解释,下面是来自于ADOBE官方的一些片面解释的综合整理。 自然饱和度(Vibrance)是数字图像后期处理中用于智能调节画面中色彩饱和度的参数,它会重点提升低饱和区域的色彩并对已接近饱和的颜色进行保护,以防止细节丢失和色彩溢出。调整图像中色彩的饱和度,以便在颜色接近最大饱和度时最大限度地减少

chatGLM的安装使用

chatGLM的安装使用 介绍 ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型,基于 General Language Model (GLM) 架构,具有 62 亿参数。结合模型量化技术,用户可以在消费级的显卡上进行本地部署(INT4 量化级别下最低只需 6GB 显存)。 ChatGLM-6B 使用了和 ChatGPT 相似的技术,针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练,辅以监督微调、反馈自助、人类反馈强化学习等技术的加持,62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答, 安装 安装常规的软件python 3.8以上 安装git LFS 下载模型用 git clone https://github.com/

comfyUI官方出客户端了

comfyUI官方出客户端了 早上上班早收到comfyUI的邮件,忘了什么是提交的排队信息了,赶晚上新鲜体验一波。 官方win版的地址: Todesktop Mac版的地址: Todesktop 搬运工地址 夸克网盘分享了「ComfyUI Setup 0.3.15 - x64.exe」 链接:https://pan.quark.cn/s/7dedf6c44f04 夸克网盘分享了「ComfyUI 0.3.15 - arm64.dmg」 链接:https://pan.quark.cn/s/191e4e815fda 安装 安装过程拖到应用程序列表启动它就行,经过两步设置: 第一步选择一个本地的项目目录 第二步如果之前有安装过comfyUI,把目录选择过来,模型文件可以接着用 界面介绍 界面跟原来的差不多,等于是套了个壳,左侧提供图片记录、节点库、

fgima AI beta!产品经理的友好助手,设计师的鸡肋

fgima AI beta!产品经理的友好助手,设计师的鸡肋 fgima在3个月前发布了AI和新的UI界面,当时一开始没有直接申请试用,那段时间因为一些事使用频率低了,再看介绍的时候然后感觉很Amazing.AI和图片生成迅速发展的时候,自然图片处理类的软件如鱼得水,何况它有为产品原型服务的文案助手。 国庆的时候收到邮件提示我可以用了,那几天比较想玩,就一直放在那里没有理它,直到我上周重新再拾起来试用的时候,那直接一个感觉是真的Amazing。 对于设计师的帮助非常有限,对于产品经理的帮助可以说是开局送了一把破军。 主要更新的AI内容有: * 生成设计稿(页面原型稿更合适) * 自动关联页面原型 * 重新绘制 * 重命名图层 * 替换文本 * 精简文本 * 翻译文本 * 移除背景 * 生成图片 直接看一下最终成果,这样的带着页面交互的原型图,你处理的工时按分种论就可以了。 当然咱们还可以直接处理成英文,就是一键,不需要一个一个的再去修改。 那么开始逐个功能试用一下。 生成设计稿 允许用户通过简单的文本描述,快速生成各种风格和布局的页面原型。默认