Claude code 你们都是用最新版本吗
看 change log 感觉他们是 改不完的 bug 啊
xiaohack博客专注前沿科技动态与实用技术干货分享,涵盖 AI 代理、大模型应用、编程工具、文档解析、SEO 实战、自动化部署等内容,提供开源项目教程、科技资讯日报、工具使用指南,助力开发者、AI 爱好者获取前沿技术与实战经验。
看 change log 感觉他们是 改不完的 bug 啊
老电脑太慢了,智能用 linux 的,但是输入法真是体验差。
最近写代码拉满了,Cursor 有时候抽疯回答不是很好。去看了下 cc 的用法隔壁 v 站也推荐 cc 写代码质量很高,就找了很多 cc 的中转站试用下来推荐。
最后搭配 cc-switch 无缝切换很好,价格上来说第一个应该是最贵的。其他的貌似可以买额度不用包月,但是不稳定。
如果大家还有其他中转站也可以推荐下,试用完了后续就准备买额度用着了。重要是稳定!!!
aff 大家如果要试用可以用下我的哈哈,这样我还能在试用一段时间 🤔

注册地址:https://popcorn.plus/?i=a09fc1924fc8
[link= https://popcorn.plus/?i=a09fc1924fc8 ]
如果你是把 Dokploy 装在自己的服务器上,用了一段时间,大概率会遇到一个问题: 答案其实很简单。 Dokploy 官方已经把升级流程写进了安装脚本里,不用拉代码,也不用自己停服务。一行命令就够了: 我自己升级时的体验是:配置没丢,服务照常起来,过程也没什么存在感。对已经在跑项目的机器来说,这点很重要。 当然,有个前提。 官方对这个升级方式的说明在这里: 自部署用 Dokploy,本来就是图一个省心。升级这件事,它现在确实做到了,越来越喜欢 Dokploy 了,哈哈哈。
它要怎么升级,才不折腾?curl -sSL https://dokploy.com/install.sh | sh -s update
如果你和当前版本差得太远,或者这次升级涉及结构性改动,最好先扫一眼文档,看看有没有明确提到需要手动处理的地方。否则大多数情况下,直接跑就行。
https://docs.dokploy.com/docs/core/manual-installation#manual-upgrade
Casibase ( https://github.com/casibase/casibase )是一套开源的基于 Web 的 AI 知识数据库,适合个人或者组织作为自己的专属内部 AI 知识库来使用。GitHub 已达到 1600+ stars ,欢迎体验~
主要功能如下:
在线体验:
源码:
社区反馈:
我两个都用过,最近写了一篇关于 opencode 得使用教程,opencode 可以分享会话这点觉得挺好的。
https://mp.weixin.qq.com/s/7OgvgLTdTxU7cIEGVm8dVw
,到说实话感觉 claudecode 还是更舒服点,你们觉得呢?下面这个是早上用 cc 写的浏览器自动化文章,大家可以关注一波
https://mp.weixin.qq.com/s/mit1l6bJBZVLQSQMRkeqcw
电脑 C 盘空间一直在减少,问题是我所有文件都没放 C 盘,除了系统本身自带的文件。估计是 edge 浏览器更新占用空间。一直找不到文件更新到哪里去,求助一下,谁知道啊。
新工具上线预计一个月内提供 1 美元购买 1 年会员的活动,几乎就是白送了.
试试看,如果有啥使用问题欢迎留言
厌倦了接手项目时面对一堆没有文档的代码? RepoThread 来帮你。
它能做什么?
只需输入 GitHub 仓库地址,AI 自动分析代码结构,生成交互式项目文档,包括架构图、模块说明、调用关系等。还能直接和 AI 对话,问它"这个函数是干嘛的"、"数据流是怎么走的"。
核心亮点:
适合场景:新人 onboarding 、代码审查、技术调研、遗留系统梳理。
在Unity的Shader Graph中,NormalVector节点是一个基础且重要的工具,它允许着色器访问网格的法线矢量信息。法线矢量在计算机图形学中扮演着关键角色,它定义了表面的朝向,是光照计算、材质表现和各种视觉效果的基础。 NormalVector节点为着色器编写者提供了获取网格法线数据的便捷途径。无论是顶点法线还是片元法线,这个节点都能让开发者轻松地在不同的坐标空间中操作这些数据。通过简单的参数设置,就可以将法线矢量转换到所需的坐标空间,大大简化了复杂着色器的开发过程。 法线矢量的本质是垂直于表面的单位向量,在三维空间中表示为(x, y, z)坐标。在Shader Graph中,这些数据通常来自3D模型的顶点数据,或者通过法线贴图等技术进行修改和增强。 Space参数决定了法线矢量输出的坐标空间,这是NormalVector节点最核心的功能。不同的坐标空间适用于不同的着色场景和计算需求。 选择正确的坐标空间对着色器的正确性和性能至关重要。错误的空间选择可能导致光照计算错误、视觉效果异常或性能下降。 NormalVector节点只有一个输出端口: 法线矢量的一个主要应用是光照计算。在Lambert光照模型中,表面亮度取决于光线方向与表面法线之间的夹角。 在这个示例中,我们首先获取世界空间中的法线矢量和光线方向,然后计算它们的点积。点积结果决定了表面接收到的光照强度,这是大多数基础光照模型的核心计算。 法线贴图是现代实时渲染中增强表面细节的关键技术。NormalVector节点在应用法线贴图时起着桥梁作用。 这个示例展示了如何将切线空间中的法线贴图数据转换到世界空间。首先从法线贴图中采样并调整数值范围,然后使用TBN(切线-副切线-法线)矩阵进行空间转换。 利用View空间中的法线可以创建各种与视角相关的效果,如边缘光和轮廓检测。 在这个示例中,我们首先将世界空间法线转换到View空间,然后计算法线与视角方向的点积。当表面几乎垂直于视角方向时(即边缘处),点积接近0,从而产生边缘光效果。 法线信息对于环境遮挡和全局光照计算也至关重要。 这个简单的示例展示了如何用法线方向来模拟环境光遮蔽效果。在实际项目中,通常会结合更复杂的算法或预计算的数据。 在某些情况下,需要将法线从一个表面重定向到另一个表面,或者在不同法线源之间进行混合。 法线混合是一个复杂的话题,因为简单的线性插值可能不会保持法线的单位长度。在实际应用中,可能需要重新归一化或使用更高级的插值方法。 在性能关键的场景中,法线空间转换可能需要优化。 当模型应用了非统一缩放时,直接使用模型矩阵变换法线会导致错误的结果。在这种情况下,需要使用模型矩阵的逆转置矩阵来正确变换法线。 在开发过程中,可视化法线矢量对于调试着色器非常有用。 这个简单的着色器将法线矢量的各个分量映射到颜色通道,从而可以直观地查看法线的方向和分布。 当使用低多边形模型或不当的UV展开时,可能会遇到法线不连续的问题。 解决方案: 法线计算可能会成为性能瓶颈,特别是在移动设备或复杂场景中。 优化策略: 在特定情况下,法线计算可能会遇到精度问题,导致视觉瑕疵。 解决方案: NormalVector节点很少单独使用,通常与其他Shader Graph节点结合以实现复杂的效果。 为了确保NormalVector节点的正确使用和最佳性能,建议遵循以下最佳实践:【Unity Shader Graph 使用与特效实现】专栏-直达
节点概述
参数详解
Space参数
端口信息

使用场景与示例
基础光照计算
HLSL
// 简化的Lambert光照计算
float3 lightDir = normalize(_WorldSpaceLightPos0.xyz);
float3 worldNormal = NormalVector节点输出(World空间);
float NdotL = max(0, dot(worldNormal, lightDir));
float3 diffuse = _LightColor0 * NdotL;法线贴图应用
HLSL
// 法线贴图应用流程
float3 tangentNormal = tex2D(_NormalMap, uv).xyz * 2 - 1; // 从[0,1]转换到[-1,1]
float3 worldNormal = NormalVector节点输出(World空间);
// 使用TBN矩阵将切线空间法线转换到世界空间
float3x3 TBN = float3x3(
IN.tangent.xyz,
cross(IN.normal, IN.tangent.xyz) * IN.tangent.w,
IN.normal
);
float3 mappedNormal = mul(TBN, tangentNormal);边缘检测与轮廓光
HLSL
// 边缘光效果
float3 viewNormal = normalize(mul((float3x3)UNITY_MATRIX_V, NormalVector节点输出(World空间)));
float3 viewDir = normalize(UnityWorldToViewPos(IN.worldPos));
float rim = 1 - abs(dot(viewNormal, viewDir));
float rimLight = pow(rim, _RimPower) * _RimIntensity;环境遮挡与全局光照
HLSL
// 简化的环境遮挡
float3 worldNormal = NormalVector节点输出(World空间);
float ambientOcclusion = 1.0;
// 基于法线方向的简单环境光遮蔽
// 这里可以使用更复杂的算法,如SSAO或烘焙的AO贴图
ambientOcclusion *= (worldNormal.y * 0.5 + 0.5); // 模拟顶部光照更多
// 应用环境光
float3 ambient = UNITY_LIGHTMODEL_AMBIENT * ambientOcclusion;高级应用技巧
法线重定向与混合
HLSL
// 法线混合示例
float3 normalA = tex2D(_NormalMapA, uv).xyz;
float3 normalB = tex2D(_NormalMapB, uv).xyz;
float blendFactor = _BlendFactor;
// 使用线性插值混合法线
float3 blendedNormal = lerp(normalA, normalB, blendFactor);
// 或者使用更精确的球面线性插值
// float3 blendedNormal = normalize(lerp(normalA, normalB, blendFactor));法线空间转换优化
HLSL
// 优化的世界空间法线计算
// 传统方法
float3 worldNormal = normalize(mul(IN.normal, (float3x3)unity_WorldToObject));
// 优化方法 - 使用逆转置矩阵(处理非统一缩放)
float3 worldNormal = normalize(mul(transpose((float3x3)unity_WorldToObject), IN.normal));法线可视化与调试
HLSL
// 法线可视化
float3 worldNormal = NormalVector节点输出(World空间);
// 将法线从[-1,1]范围映射到[0,1]范围以便可视化
float3 normalColor = worldNormal * 0.5 + 0.5;
return float4(normalColor, 1.0);常见问题与解决方案
法线不连续问题
性能考量
法线精度问题
与其他节点的配合使用
最佳实践
【Unity Shader Graph 使用与特效实现】专栏-直达
(欢迎
探讨,更多人加入进来能更加完善这个探索的过程,🙏)
虽然我觉得站长的意思是放中间,贴合论坛主旨,但是呢,不符合平时操作习惯啊。
你这是想凭一己之力,修改大家的平时习惯?
因为封锁 + 懒得折腾,现在个人的 AI 开发套件是 TRAE 国际版 + GLM 4.7 coding plan 。
目前个人体验是 GLM 4.7 已经基本满足全部开发需求了,TRAE SOLE 模式用完 GPT 5.2 或者 gemini 的额度就切到 GLM 4.7 ,感受不到落差。目前不尽如人意的地方是任务大一点(包含几个可能存在交叉依赖的小任务),这三个模型基本都挂挂,我现在都是尽可能将任务拆成小的原子任务,一次只做一件事,然后 plan -> 执行 -> 验收 -> 让 AI 调整这一套流程走一轮,无论哪个模型都完成的不错。
现在非常好奇的是如果换 Claude opus 4.5 效果会怎么样,是不是大任务它也可以一次性完成,达到满意的效果?网上看了一些评测,要么就是“Claude 无敌,用了你就回不去了,GPT/GEMINI 反复搞了几个小时,换 Claude 几分钟搞定”这种无意义的评论,要么就是“用 Claude/GPT/GEMINI/GLM 生成一个美观高级的网站”这种无意义的评测,很好奇这些模型在实际开发中到底存在多大的差距。
如果是 iPhone 和国产安卓旗舰的差异,那我感觉 GLM / MiniMax 之类的国产模型也完全足够日常使用,毕竟这些国产模型对我来说近乎无限量了( GLM 5 小时限额窗口内很少用超 50%),现在每天绞尽脑汁怎么多烧点 token 。而如果是 iPhone 和诺基亚的差异,那应该突破一切封锁去使用 Claude 模型,毕竟时间也是金钱。
后续我想计划在实际开发场景下对比测试 GLM/MiniMax/Doubao 和 Claude 模型。想听听大家的看法,或者分享分享在实际开发场景下的对比。
办公主要涉及用到的东西:
1、office,主要是 excel 和 word
2、SAP,这个估计不一定能安装,好惆怅。
一个专为 AI 编程爱好者打造的免费社区,大家聚在一起分享 Claude Code、Cursor 等工具的最佳实践,加速项目交付。
热度:🔺424
别再为学习切换各种应用了,这款本地优先的学习操作系统能统一你的流程,把 PDF 高亮内容瞬间变成关联原文的闪卡。
热度:🔺257
懒得打字?直接说话或截个聊天截图,AI 就能帮你整理想法,快速生成购物清单和分类任务。
热度:🔺223
最美好的诗意总在不经意间降临,这款 iOS 应用根据时间、天气和季节,为你匹配当下心情的诗歌。
热度:🔺179
学习党或专业分析人士的福音,这个轻量级扩展让你在原生设置菜单中直接选择 0.25 倍到 16 倍的播放速度。
热度:🔺164
坚持健康饮食总是很难?这个模板帮你告别心算卡路里的混乱,无论记录饮食还是设定目标,都能清晰推进。
热度:🔺30
零售交易者也能用上对冲基金级别的工具,通过替代数据信号、实时提醒和模拟交易,帮你真正做到自律投资。
热度:🔺27
创始人验证 SaaS 创意的利器,分析 Reddit、X 等平台的真实对话,提炼痛点、支付意愿,帮你决定是否投入开发。
热度:🔺23
下一代电子签名平台,把静态文件变成互动合同,嵌入复选框收集数据,让签署过程既快速又安全合规。
热度:🔺17
告别手动点击,这款工具将 Google Whisk AI 变成高速生产线,支持 CSV 批量生成图像,自动下载并导出多种格式。
热度:🔺17
智能水果图像识别系统,旨在为用户提供快速、准确的水果识别服务。系统集成了深度学习图像识别技术,支持用户上传水果图片进行自动识别,并提供识别历史记录管理功能。 系统主要功能包括:用户注册与登录、个人信息管理、水果图像识别、识别历史查询与删除、公告管理等。用户可以通过简单的操作上传图片,系统将自动分析并返回识别结果,包含水果名称和识别置信度。同时,系统支持分页查询识别历史,并提供公告功能,方便管理员发布系统通知和使用说明。 随着人工智能技术的快速发展,图像识别技术在农业、零售业等领域的应用越来越广泛。水果作为人们日常生活中不可或缺的食品,其识别和分类在水果销售、库存管理、营养分析等方面具有重要意义。 传统的水果识别主要依赖人工判断,效率低且容易出错。而基于深度学习的图像识别技术能够快速、准确地识别水果种类,提高工作效率。本项目的选题背景正是基于这一需求,旨在开发一个简单易用的水果图像识别系统,为用户提供便捷的识别服务。 该系统的开发具有以下意义: 本项目采用 ResNet50 作为核心图像识别模型。ResNet(Residual Network)是由 Microsoft Research 提出的深度残差网络,ResNet50 是其中包含 50 层卷积层的版本。 ResNet50 的核心创新是引入了残差连接(Residual Connection),解决了深度神经网络中的梯度消失问题,使得训练更深层次的网络成为可能。残差连接通过在网络中添加跨层连接,允许信息直接从一层传递到另一层,从而避免了梯度在反向传播过程中的衰减。 在本项目中,ResNet50 被用作水果图像识别的预训练模型。我们在预训练模型的基础上,根据水果图像数据集进行了微调,使得模型能够更准确地识别水果种类。系统集成了 TensorFlow 深度学习框架,通过加载预训练的 ResNet50 模型,对用户上传的水果图片进行分类识别。 ResNet50 的优点包括:项目介绍



选题背景与意义
关键技术栈:ResNet50
技术架构图

系统功能模块图(MindMap)

演示视频 and 完整代码 and 安装