优质文章学习记录

ESP32无人机终极指南：从零构建完整开源飞行平台

ESP32无人机终极指南：从零构建完整开源飞行平台 【免费下载链接】esp-droneMini Drone/Quadcopter Firmware for ESP32 and ESP32-S Series SoCs. 项目地址: https://gitcode.com/GitHub_Trending/es/esp-drone ESP-Drone是一个基于乐鑫ESP32系列芯片的完整开源无人机解决方案，为创客、学生和开发者提供了从硬件设计到软件算法的全套资源。这个项目继承了Crazyflie开源飞控的核心技术，采用GPL3.0协议，让任何人都能自由定制属于自己的智能飞行器。 🚀 为什么选择ESP32无人机？ 成本优势明显：相比商业无人机动辄数千元的价格，ESP32方案可将成本控制在几百元以内。 技术门槛低：基于Arduino/ESP-IDF开发环境，C语言编程，学习曲线平缓。 生态丰富：ESP32拥有庞大的开发者社区，各类传感器驱动和算法库应有尽有。 扩展性强：支持Wi-Fi、蓝牙等多种通信方式，便于集成物联网功能。 🛠️ 硬件构建全流程 核心组件清单 *

开源AI语音机器人小智Xiaozhi-ESP32：低成本构建个人智能助理

目录 项目概述：开源AI语音交互解决方案 核心功能：全面而实用的特性 系统架构：模块化设计 核心组件 状态管理 硬件与部署：灵活的选择方案 硬件需求 部署方式 代码解析：清晰的结构设计 工程结构 核心类设计 入口函数 使用方法：快速上手指南 环境准备 基础配置 优势对比：与传统方案的比较 应用场景：广泛的适用领域 总结：开创性的AIoT开源项目 仅需50元成本，ESP32开发板就能变身智能语音助手，GitHub星标超20k的xiaozhi-ESP32项目正掀起AI硬件DIY热潮。 如今，人工智能与物联网技术的结合让智能设备日益普及。今天介绍的Xiaozhi-ESP32是一个基于ESP32开发板的开源AI聊天机器人项目，它让你能够用低成本硬件打造个人专属的语音智能助手。 项目概述：开源AI语音交互解决方案 Xiaozhi-ESP32是一个基于ESP-IDF开发框架的开源硬件项目，旨在利用低成本硬件打造个人专属的AI聊天机器人。它通过WebSocket或UDP协议与LLM、TTS API服务连接，实现实时语音交互功能，无需在设备上运行LLM

Angular应用在Chrome中调用高德地图API定位超时问题解析与安全方案

1. 问题现象：为什么我的Angular应用在Chrome里定位总是“转圈圈”？ 最近在做一个基于Angular的项目，需要集成高德地图来实现用户位置获取。功能在Edge、Firefox上跑得挺顺溜，可一到Chrome上就卡壳了——那个定位的小图标转啊转，最后给你弹出一个“定位超时”（Geolocation Timeout）的错误。这事儿别提多闹心了，明明代码一样，高德地图的Key也配置对了，怎么换个浏览器就不灵了呢？ 一开始我也以为是自己的代码写错了，反复检查了@types/amap-js-api的类型声明，确认AMap.Geolocation的调用方式没问题。后来一搜，发现不少用Vue、React甚至原生JS开发的朋友，只要在Chrome里调用高德地图定位，都踩过这个坑。这就有点意思了，看来不是我们前端框架的锅，问题可能出在更底层的地方。最让人困惑的是，有时候你开了“科学上网”工具，诶，定位居然成功了！但这显然不是个正经的解决方案，且不说安全性和稳定性，你总不能要求每个用户都先去折腾网络配置吧。 这个问题的核心体验就是：在Chrome浏览器中，通过高德地图JavaScript

LVGL图形界面开发教程：智能家居面板设计完整指南

以下是对您提供的博文《LVGL图形界面开发教程：智能家居面板设计完整指南》的 深度润色与重构版本 。本次优化严格遵循您的全部要求： ✅ 彻底去除AI痕迹，语言自然、专业、有“人味”，像一位深耕嵌入式GUI多年的工程师在技术博客中娓娓道来； ✅ 打破模板化结构，取消所有“引言/概述/总结”等刻板标题，全文以 真实开发流 组织：从一个具体痛点切入，层层展开技术脉络，逻辑自洽、节奏紧凑； ✅ 将原五大模块（架构移植、UI布局、事件通信、资源优化、总结展望）有机融合进连贯叙述中，关键知识点穿插于实战上下文，不堆砌、不空谈； ✅ 每一处技术说明都附带 工程师视角的经验判断 ——为什么这么选？踩过什么坑？参数怎么调？数据手册里没写的潜规则是什么？ ✅ 保留全部核心代码、表格、术语和热词（ lvgl图形界面开发教程 等10个关键词自然出现7+次），但表达更凝练、更具现场感； ✅ 全文最终字数：

开源：AI+无人机巡检系统项目调研

主流开源AI无人机巡检项目调研 本部分系统梳理了当前主流的开源无人机巡检相关项目，涵盖飞控系统、地面站软件、AI视觉识别、数据处理等多个技术栈，为商业化产品开发提供技术选型参考。 一、飞控与地面站开源项目 1.1 PX4 Autopilot 项目地址：github.com/PX4/PX4-Autopilot 开源协议：BSD 3-Clause 项目简介：由Dronecode基金会（Linux基金会旗下）维护的专业级开源自动驾驶仪软件，是全球最广泛使用的无人机飞控系统之一。支持多旋翼、固定翼、垂直起降等多种机型，广泛应用于工业无人机和科研领域。 核心能力：飞行控制、任务规划、传感器融合、MAVLink通信协议、硬件抽象层、模块化架构 1.2 ArduPilot 项目地址：github.com/ArduPilot/ardupilot 开源协议：GPLv3 项目简介：历史最悠久的开源自动驾驶仪项目，社区活跃度极高。

Discord中创建机器人的流程

主要步骤概览 1. 在 Discord Developer Portal 创建应用（Application） 2. 在应用中创建 Bot（Bot User） 3. 开启必要的权限与 Privileged Intents（特别是 Message Content Intent） 4. 生成邀请链接并把 Bot 邀请进你的服务器 5. 获取 Bot Token 并妥善保存（放到环境变量） 6. （可选）在服务器/频道设置权限，确认 Bot 可以读取消息历史与附件 7. 用 Python 运行最小测试脚本，确认能接收到消息并处理附件 详细步骤 1. 创建应用（Application） * 打开：https://discord.

从低代码到 AI 智能体：VTJ.PRO 2.0 深度解析

技术白皮书 版本 1.0 | 2026年3月 摘要 随着企业数字化转型进入深水区，软件开发效率与质量的双重压力推动着开发工具的持续演进。VTJ.PRO 作为一款 AI 驱动的 Vue3 低代码开发平台，在 2026 年初发布的 2.0 版本中实现了从“低代码工具”到“AI 原生应用开发平台”的质变跃迁。本白皮书将深入解析 VTJ.PRO 2.0 的核心架构、技术创新及其实践价值，揭示其如何通过“AI 智能体+前后端一体+企业级工程化”的三位一体架构，重新定义现代应用开发范式。 第一章：背景与愿景 1.1 低代码开发的演进困局 传统低代码平台在过去十年中虽然显著提升了开发效率，但也面临三大核心挑战： 平台锁定风险：多数平台生成代码依赖私有运行时，一旦采用便难以脱离，

ARINC 825 100问

ARINC 825 协议核心面试百问百答 作为一名航电系统工程师，理解ARINC 825不仅仅是读懂一份规范，更是掌握一套确保飞机各系统间可靠“对话”的工程哲学。它的核心思想是：在复杂且安全至上的环境中，通过精密的规则和冗余设计，将不确定变为确定。以下问题将从基础到深入，帮助你系统地审视这一协议。 第一部分：核心理念与基础概念 1. 用一句话概括，ARINC 825是什么？ 它是航空电子领域专用的通信总线标准，基于成熟的汽车CAN总线技术，针对飞机对安全性、确定性和可靠性的极端要求，在调度、容错和冗余方面进行了全面强化。 2. ARINC 825与普通CAN总线最根本的区别是什么？ 根本区别在于确定性。普通CAN是事件触发的，当总线繁忙时，信息发送可能延迟。而ARINC 825引入了基于时间片的调度，像列车时刻表一样，确保关键信息在精确的时间窗口内发送。 3. 为什么飞机不直接用汽车里的CAN，而要专门制定ARINC 825？ 汽车的CAN设计考虑了成本与可靠性的平衡，而飞机的通信系统不允许存在可能导致严重后果的“不确定性”或“单点故障”。ARINC

【Microi吾码】 发现Microi吾码：低代码世界的超级英雄 ‍

🚀 发现Microi吾码：低代码世界的超级英雄 🦸‍♂️ 目录 🚀 发现Microi吾码：低代码世界的超级英雄 🦸‍♂️ 🌟 无拘无束的创作空间 🌈 跨平台跨数据库的无缝体验 代码示例：跨数据库连接 🚀 分布式架构的轻松部署 代码示例：Docker部署 🎨 界面自定义与SaaS引擎的完美结合 代码示例：自定义界面 ⚙️ 表单和接口引擎的高效协同 代码示例：接口引擎使用V8脚本 🔒 工作流和权限控制的精细管理 代码示例：工作流引擎配置 🔐 单点登录与移动端开发的便捷性 代码示例：单点登录集成 🏁 结语 作为一名对技术充满热情的业务分析师，我一直在寻找一个能够快速实现创意、满足我们多样化业务需求的平台。🔍 在这个快速变化的数字世界中，我找到了Microi吾码——一个开源的低代码平台，它以其卓越的性能和灵活性，成为了我日常工作中的得力助手。👩‍💻💼 🌟 无拘无束的创作空间 在我使用Microi吾码之前，我常常受限于平台的各种使用限制，比如用户数、表单数等。Microi吾码的无限制使用政策让我彻底摆脱了这些束缚。💥

FPGA模块如何助力现代工厂实现高速数据采集和实时处理

1. 工业 4.0 背景下的数据挑战 在智能制造的浪潮下，现代工厂正加速从“自动化”向“智能化”迈进。随着传感器部署密度的迅速上升，工厂内部产生的数据量呈几何级增长，涵盖结构化数据（如温度、湿度、压力）与非结构化数据（如图像、视频、音频）等多种类型，对数据采集与处理能力提出了前所未有的挑战： * 实时性要求高：在高速生产线、精密制造与运动控制等场景中，关键数据必须被及时采集与处理，以确保生产过程的高效运行与安全性。这不仅要求系统具备高速采集能力，更要求具备每秒处理百万乃至千万数据点的能力。 * 传输与处理带宽受限：庞大的原始数据若未经处理直接上传至数据中心或云端，将对网络带宽造成巨大负担，且传输延迟难以控制，极易影响系统响应速度和可靠性。 * 多协议兼容的复杂性：现代工厂常用的工业以太网、CAN、Profibus 等通信协议并存，系统需兼容上百种协议并实现无缝对接，大大增加了系统集成的复杂性。 2. FPGA 技术的核心优势 传统处理器架构逐渐难以胜任智能制造的核心需求。FPGA（现场可编程门阵列）凭借其强大的并行处理能力、毫秒级低延迟响应以及灵活可重构的架构，

LazyLLM 多 Agent 应用全流程实践：从源码部署到可视化 Web 调试的低代码方案

LazyLLM 多 Agent 应用全流程实践：从源码部署到可视化 Web 调试的低代码方案 前言：为什么选择 LazyLLM 构建多 Agent 大模型应用？ LazyLLM 作为低代码构建多 Agent 大模型应用的开发工具，可大幅降低大模型应用的开发与部署门槛。本文聚焦其在豆包模型的落地实践，将从源码部署豆包文本模型的完整配置步骤入手，延伸至官方 WebModule 启动可视化 Web 界面的实操流程，并配套精准性、简洁度等多维度的部署测试说明，为开发者提供可直接对照的实操指南，助力高效完成豆包模型在 LazyLLM 框架下的部署与验证。 LazyLLM 整体架构解析：三层联动的多 Agent 运行体系 LazyLLM 的架构分为三层级递进结构，各层级分工明确且联动协同，实现从应用开发到落地执行的全流程覆盖：上层（LazyPlatform AI 大模型应用开发平台）：核心含应用编排平台以可视化编排、发布、回流、调优的闭环完成应用构建迭代与平台管理模块通过租户、权限管理支撑多用户运维，是开发者的高效开发管理入口中层（

【论文阅读】Gaussian Grouping: Segment and Edit Anything in 3D Scenes

摘要 高斯投影（Gaussian Splatting）实现了高质量、实时的三维场景新视点合成。不过，它仅专注于外观和几何建模，缺乏对细粒度的物体级场景理解。为了解决这一问题，我们提出了 Gaussian Grouping，将高斯点扩展为联合重建和分割开放世界三维场景中的任意内容。我们为每个高斯添加了一个紧凑的身份编码（Identity Encoding），使得这些高斯点能够根据其在三维场景中的物体实例或“物体/背景”的成员关系进行分组。并不依赖昂贵的三维标签，我们在可微渲染过程中通过利用 Segment Anything Model (SAM) 的二维掩码预测，以及引入的三维空间一致性正则化，对身份编码进行监督。与隐式的 NeRF 表示相比，我们表明离散且分组的三维高斯点能够在三维中以高视觉质量、细粒度和高效性来重建、分割和编辑任意内容。 引言 本文旨在构建一个 expressive 的三维场景表示，不仅对外观和几何进行建模，还捕捉场景中每个实例和物体的身份信息。我们的方法以最近的三维高斯投影（Gaussian Splatting）为基础，将其从纯粹的三维重建扩展到细粒度的场景