C++实现带约束最大子段和:从算法竞赛题目解析到工程实践
1. 项目概述与核心需求解析看到“打卡信奥刷题2146用C实现信奥 P12190 [蓝桥杯 2025 省 Java C] 小说”这个标题我第一反应是这题目信息量不小而且有点“跨界”的味道。它本质上是一个典型的算法竞赛题目但标题里同时出现了“C实现”和“蓝桥杯 2025 省 Java C”这其实反映了很多信奥信息学奥林匹克和蓝桥杯备赛选手的真实状态题目来源广泛官方可能用Java描述但自己习惯用C来解题。这道题编号P12190从命名风格看很可能来自某个在线评测系统OJ的题库“小说”则暗示了题目背景可能是一个叙事性的、场景化的描述而非干巴巴的数学公式。这道题的核心就是要求我们解析这个“小说”般的题目描述抽象出背后的数学模型或算法逻辑然后用C语言编写出高效的解决方案。对于信奥和蓝桥杯的选手来说这几乎是每日必备的训练。用C实现一个标着“Java C”的题目考察的不仅仅是算法能力更是快速理解、建模和跨语言实现的基本功。这非常适合有一定C基础正在备战蓝桥杯特别是C/C组或希望提升算法解题能力的学习者。接下来我就带你一起像处理一个真实竞赛题一样拆解它、实现它并分享其中那些只有踩过坑才知道的细节。2. 题目背景分析与逻辑抽象拿到一个以“小说”为背景的题目第一步也是最关键的一步就是剥离故事外壳抓住数据本质。虽然我们看不到P12190的原题描述但根据“蓝桥杯”和“小说”的常见出题风格我可以推断并还原几种典型场景这本身也是一种重要的审题训练。2.1 常见“小说”类题目模型还原蓝桥杯和许多信奥题目喜欢用生活化、故事化的场景来包装算法。对于P12190我们可以假设几种可能的核心模型线性动态规划DP模型故事可能是关于一个角色沿着一条路时间线、章节顺序前进每到一个地点章节有不同的收益或代价要求达到终点时总收益最大或代价最小。这对应经典的“最大子段和”、“打家劫舍”或“爬楼梯”问题的变种。序列操作模型故事描述对一段文字小说内容进行一系列操作如查找、替换、删除特定模式的子串或者统计满足某种条件的段落、单词数量。这需要熟练运用字符串处理和基本的计数逻辑。简单模拟与状态管理故事里可能有多个角色随着情节发展他们的状态如血量、情绪值、持有物品会根据特定规则变化。题目要求模拟整个过程并输出最终状态或某个中间结果。这考察的是代码实现和逻辑缜密性。贪心选择模型故事是关于在有限资源如时间、金钱下做出最优选择序列以达到最好结局。例如如何在阅读不同章节耗时不同、收获不同的情况下在规定时间内获得最大阅读价值。为了本次讲解我将以一个结合了序列操作与状态统计的综合性题目作为假设背景这样更能体现“小说”题的复杂度。我们假设题目描述如下这是我根据经验构建的“小说家小蓝正在创作一部小说小说由一系列章节组成。每个章节有一个‘精彩度’分数和一个‘类型’标签如‘悬疑’、‘言情’、‘科幻’。小蓝的编辑提出一个阅读方案选择一段连续的章节进行阅读但这段章节中任意两种不同类型的章节不能相邻即相邻章节类型必须相同。请计算在所有满足该条件的连续章节段中其包含章节的‘精彩度’总和最大是多少。”2.2 问题抽象与输入输出格式定义基于以上假设我们将问题抽象如下输入一个整数n表示小说的章节总数。接下来n行每行两个数据一个整数score精彩度可能为负和一个字符串type章节类型。输出一个整数表示满足“相邻章节类型相同”这一限制的连续子段中最大的精彩度总和。示例输入 6 10 悬疑 -5 言情 20 悬疑 30 悬疑 -10 科幻 15 科幻输出应为50。解释选择第3、4章类型均为“悬疑”分数203050。虽然第1章也是悬疑但第2章类型不同因此包含第1、2章的段不合法。第5、6章和为5小于50。这个抽象后的问题本质上是一个带约束的最大子段和问题。约束是我们选取的连续子数组中相邻元素对应的类型必须相同。这比经典的最大子段和问题多了一个状态判断。注意在真实比赛中题目描述可能更长、背景更复杂。关键是要训练自己快速提取n,score,type这些数据实体和约束关系。用笔在草稿纸上画出数据样例模拟过程是避免理解偏差的最好方法。3. 算法思路设计与C实现方案明确了问题是“带类型相邻约束的最大子段和”接下来就要设计算法。经典的最大子段和可以用Kadane算法在线性时间内解决其核心是维护一个“当前子段和”遍历数组时如果当前元素加入能使和变大就加入否则就从当前元素重新开始。但我们的问题多了类型约束思路需要调整。3.1 核心算法思路动态规划与状态维护我们不能只维护一个全局的“当前和”因为当遇到类型不同的章节时连续子段必须中断。因此我们需要在遍历过程中同时记录以当前章节结尾的、满足约束的最大和。但这样还不够因为题目要求是“任意相邻类型相同”这意味着有效的子段内所有章节类型必须完全一致。所以更精确的算法是遍历所有章节。维护一个变量current_sum表示当前正在累积的、类型连续相同的子段和。维护一个变量current_type表示当前累积子段的章节类型。维护一个变量max_sum记录全局遇到的最大和。对于每个章节i如果type[i]等于current_type说明它可以加入当前连续段current_sum score[i]。否则说明类型变化当前连续段必须结束。那么新的连续段就从本章节开始current_sum score[i]; current_type type[i]。在每次更新current_sum后用max_sum max(max_sum, current_sum)更新答案。遍历完成后max_sum即为答案。这个算法的时间复杂度是 O(n)空间复杂度是 O(1)除了存储输入数据。它高效地利用了“连续段内类型必须相同”这一约束将问题简化为了对原章节序列按类型进行“分组”后求每组内最大连续子段和但我们的算法在一次遍历中同时完成了分组和求最大和的过程。3.2 C代码实现与逐行解析下面是用C实现上述算法的完整代码。我会采用竞赛中常见的简洁风格但加上详细注释。#include iostream #include string #include algorithm // 用于max函数 using namespace std; int main() { int n; cin n; // 初始化最大和初始化为一个很小的值因为精彩度可能为负 int max_sum -1e9; int current_sum 0; string current_type ; // 初始为空表示还没有开始累积任何类型 for (int i 0; i n; i) { int score; string type; cin score type; // 核心逻辑判断 if (type current_type) { // 类型相同加入当前连续段 current_sum score; } else { // 类型不同开启一个新的连续段 // 在开启新段前当前段已经结束确保用其更新过max_sum // 新段的起始和就是当前章节的分数 current_sum score; current_type type; } // 无论是否开启新段都需要用当前累积和更新最大和 // 注意这里必须在更新current_sum之后进行 max_sum max(max_sum, current_sum); // 一个非常重要的细节如果current_sum变成负数怎么办 // 在经典Kadane算法中如果当前和变为负会重置为0因为负数会拖累后续和。 // 但在本题中由于有类型约束不能简单重置为0然后保持类型不变。 // 因为如果当前段和为负它对于后续同类型章节依然是“基础”不能丢弃。 // 例如类型A的分数为[-5, 10]和为5是正的。如果遇到-5就重置会得到错误结果10。 // 所以我们**不能**在这里添加 if (current_sum 0) current_sum 0; 这样的语句。 // 这是本题与标准最大子段和的关键区别之一 } cout max_sum endl; return 0; }代码关键点解析初始化max_sum初始化为一个很小的负数-1e9这是处理所有分数可能为负的情况的标准做法。如果初始化为0当所有分数都为负时答案0可能是错误的因为可能不允许选择空子段。类型比较我们使用string存储类型并用直接比较。在竞赛中如果类型是整数编码如123用int存储和比较效率更高。状态更新顺序先根据类型判断是否更新current_sum和current_type然后再用current_sum更新max_sum。这个顺序不能错。负数和处理注释中强调了不能在类型相同时因为current_sum变负就将其重置为0。这是本题的陷阱。重置为0意味着你“丢弃”了之前的历史但类型约束要求连续段必须类型相同你不能随意丢弃一个同类型的负分数段因为它后面可能跟着一个很大的正分数总和依然是正的。丢弃会导致丢失这个潜在的最大和。3.3 测试与验证用我们之前假设的样例进行测试输入 6 10 悬疑 -5 言情 20 悬疑 30 悬疑 -10 科幻 15 科幻程序运行过程i0:type”悬疑”,current_type为空不同。current_sum10,current_type”悬疑”。max_summax(-1e9,10)10。i1:type”言情”, 与”悬疑”不同。current_sum-5,current_type”言情”。max_summax(10,-5)10。i2:type”悬疑”, 与”言情”不同。current_sum20,current_type”悬疑”。max_summax(10,20)20。i3:type”悬疑”, 与current_type相同。current_sum203050。max_summax(20,50)50。i4:type”科幻”, 不同。current_sum-10,current_type”科幻”。max_sum50。i5:type”科幻”, 相同。current_sum-10155。max_summax(50,5)50。 输出50。符合预期。再测试一个全为负数的边界案例输入 3 -1 A -2 A -3 A程序会输出-1以第一个章节结尾的连续段{-1}这是正确的因为题目通常要求选择非空连续子段。4. 算法扩展与性能优化探讨虽然上述算法已经能解决我们假设的题目但真实的P12190可能更复杂。我们需要思考一些扩展场景和优化点这也是信奥和蓝桥杯题目常见的“变种”方向。4.1 如果类型不是字符串而是可重复的标签在我们的假设中类型是字符串比较是直接的。但如果题目中“类型”本身可能重复出现但要求是“相邻章节类型值相等”那么算法完全适用。如果“类型”是一个更复杂的条件比如“类型兼容性矩阵”某些不同类型也可以相邻那么问题就变成了一个图上的最长路径或最大权子段问题难度会大大增加可能需要用到更复杂的动态规划。4.2 如果需要输出具体章节区间而不仅仅是和题目有时不仅要求和最大还要求输出这个子段的起始和结束位置章节编号。这时我们需要在动态规划的同时记录位置信息。修改思路除了current_sum我们再维护current_start表示当前连续段的起始索引。当类型相同加入当前段时current_start不变当类型不同开启新段时current_start更新为当前索引i。同时在更新max_sum时记录下此时的current_start和当前索引i作为最佳区间的起止。// 伪代码补充 int best_start 0, best_end 0; int current_start 0; // ... 在循环内 ... if (type ! current_type) { current_sum score; current_type type; current_start i; // 新段的起点是当前章节 } else { current_sum score; } if (current_sum max_sum) { max_sum current_sum; best_start current_start; best_end i; } // 输出时记得章节编号通常从1开始所以输出 best_start1 和 best_end14.3 输入输出效率优化在蓝桥杯等竞赛中当数据量很大n 10^5时输入输出效率会成为瓶颈。对于C有两个常用技巧关闭C输入输出流同步在main函数开头添加ios::sync_with_stdio(false); cin.tie(nullptr);。这可以大幅提升cin/cout的速度但之后就不能混用scanf/printf和cin/cout了。使用scanf和printf对于基本数据类型C风格的scanf和printf通常比cin/cout更快。特别是读入大量字符串时要注意scanf读字符串到char数组或者使用std::string的reserve预分配空间。对于我们的题目如果类型字符串长度固定或较短使用char数组配合scanf是更优选择#include cstdio // 用于scanf/printf #include algorithm #include cstring // 用于strcmp using namespace std; int main() { int n; scanf(%d, n); int max_sum -1e9, current_sum 0; char current_type[20] ; // 假设类型字符串不超过19个字符 char type[20]; int score; for (int i 0; i n; i) { scanf(%d %s, score, type); if (strcmp(type, current_type) 0) { current_sum score; } else { current_sum score; strcpy(current_type, type); // 复制字符串 } if (current_sum max_sum) { max_sum current_sum; } } printf(%d\n, max_sum); return 0; }实操心得在竞赛中我通常的作法是对于简单题目或确定数据量不大的情况用cin/cout图个方便一旦看到数据范围n 10^5甚至更大或者涉及到大量字符串操作会毫不犹豫地切换到scanf/printf并关闭同步流。这是一个重要的性能习惯。5. 常见错误与调试技巧实录即便思路正确实现时也容易掉进一些坑里。下面是我在刷这类题目时总结的几个常见错误和对应的调试方法。5.1 错误类型初始化与边界条件错误1max_sum初始化为0。当所有精彩度分数都为负数时正确答案应该是一个负数最大的那个但程序会输出0因为0比所有负数都大。这违反了“非空子段”的隐含条件。修正初始化为一个很小的数如-1e9或INT_MIN需包含climits。错误2current_type初始化为第一个章节的类型。在循环外先读入第一章然后初始化current_sum和current_type再从第二章开始循环。这样做代码更复杂容易出错。修正如我给出的代码初始化为空字符串在循环内统一处理逻辑代码更简洁清晰。利用“首次比较必然不同”来启动第一个段。错误3忽略“连续子段”必须非空。题目通常不会允许选择0个章节和为0。我们的算法从第一个章节开始累积自然保证了非空。5.2 错误类型逻辑与状态更新错误4错误地重置current_sum。如前所述在类型相同时如果current_sum变负就重置为0这是经典Kadane算法的做法但在这里是错的。调试方法构造一个简单反例测试如类型全为’A’分数为[-5, 10]。错误算法会得到10第二个数单独成段正确算法应得到5两个数一起。错误5更新max_sum的位置错误。如果在判断类型并更新current_sum之前就更新max_sum会用上一段的和来更新导致漏掉新段第一个元素单独成段的可能性。调试方法单步调试观察每个循环迭代后current_sum和max_sum的值。或者用打印语句输出每步的关键变量。5.3 调试技巧与测试用例设计对于算法题尤其是比赛时系统性的测试至关重要。设计小规模测试用例最小输入n1分数正、负、零。全正数验证是否能求和全部。全负数验证是否输出最大的负数而非0。正负交替验证状态转移逻辑。类型全部相同退化为经典最大子段和。类型全部不同每个章节自成一段答案应是单个章节的最大值。设计中等规模随机数据写一个简单的生成器随机生成n比如1000个章节的分数和类型用你的程序和一个暴力枚举的程序双重循环检查所有连续子段并验证约束对比结果。这是验证算法正确性的黄金标准。使用在线评测系统的公开测试点如果题目来源OJ有公开的测试数据或错误提交记录仔细研究错误点对应的数据特征。避坑技巧在写代码时对于max_sum的更新我习惯在每次循环末尾都执行一次无论状态是否改变。这样逻辑统一不易遗漏。对于current_sum坚持“只根据类型相等性进行累加或重置不因正负而额外重置”的原则。6. 从解题到备赛信奥与蓝桥杯的刷题策略解完一道题价值不止于此。如何将这道P12190的解题经验融入到整体的信奥或蓝桥杯备赛体系中6.1 题目归类与算法映射“P12190”这类题属于线性序列处理问题通常考察贪心、动态规划或模拟。通过这道题我们可以巩固最大子段和模型及其变种带约束、需记录位置。字符串或标签的状态维护。在线处理一次遍历的思维。在刷题时要有意识地将题目归类。例如在洛谷、Codeforces等OJ上可以给题目打上“最大子段和”、“DP”、“贪心”、“模拟”等标签。积累到一定量后你会发现很多新题都是旧题的“换皮”或组合。6.2 C竞赛编程环境与技巧工欲善其事必先利其器。一个高效的编码环境能节省大量时间。编辑器与快捷键无论是VS Code、Dev-C还是竞赛专用的编辑器务必熟悉基本的代码补全、跳转、多光标编辑、块注释等快捷键。特别是批量重命名变量、快速复制粘贴一行这些操作在调试时修改代码非常有用。代码模板准备一个包含常用头文件、输入输出优化、宏定义如for循环宏的模板文件。每次做题时从此模板开始避免重复劳动。#include bits/stdc.h // 竞赛常用万能头但注意某些环境不支持 using namespace std; typedef long long ll; // 防溢出常用 #define fastio ios::sync_with_stdio(false); cin.tie(nullptr) int main() { fastio; // ... your code ... return 0; }调试输出在关键位置使用cerr或printf输出调试信息cerr输出到标准错误不影响在线评测的答案比对。提交前记得注释掉或删除。6.3 时间管理与心态调整比赛时遇到像“小说”题这样描述较长的题目快速通读花1-2分钟快速浏览全文了解故事背景。提取关键立即寻找数据范围n的大小、输入输出格式、以及像“连续”、“最大/最小”这样的关键词。用笔圈出来。抽象建模像我们刚才做的那样抛开故事用变量和公式描述问题。设计算法根据数据范围反推算法复杂度。例如n 10^3可能允许 O(n²)n 10^5通常要求 O(n log n) 或 O(n)。编写与测试先写核心逻辑用自己设计的小样例测试。通过后再处理边界条件。最后检查检查数组大小是否足够特别是从0开始还是1开始、变量初始化、输入输出格式末尾换行、空格等。如果一道题卡了太久比如超过30分钟要果断先看下一题或者重新审题看是否有更简单的理解方式。很多时候复杂的题目描述背后隐藏的是一个经典模型。这道假设的P12190从“小说”背景中提炼出“带约束的最大子段和”模型并用一次遍历的贪心思想解决正是信奥和蓝桥杯考查的核心能力之一。掌握这种“化繁为简”的能力比死记硬背十个算法模板更有用。下次再看到“故事会”一样的题目不妨静下心来把它当成一个有趣的解密游戏一步步拆解答案自然就在其中。

相关新闻

VMware CentOS虚拟机分辨率问题:open-vm-tools安装与配置全攻略

VMware CentOS虚拟机分辨率问题:open-vm-tools安装与配置全攻略

1. 项目概述:为什么虚拟机里的屏幕总是不听话?如果你也曾在VMware Workstation里安装CentOS,然后对着那个要么小得可怜、要么无法固定、一拖动窗口就变形的屏幕分辨率发愁,那你来对地方了。这几乎是每个刚接触Linux虚拟化环境的朋…

2026/10/17 19:18:51 阅读更多 →
PyCharm中解决ModuleNotFoundError: No module named ‘json‘

PyCharm中解决ModuleNotFoundError: No module named ‘json‘

1. 问题现象与初步诊断当你在PyCharm中运行Python项目时,突然遇到"ModuleNotFoundError: No module named json"这样的报错,第一反应往往是困惑——json不是Python内置模块吗?为什么还会找不到?这个问题看似简单&#x…

2026/10/17 14:13:46 阅读更多 →
AK/SK签名认证原理与HMAC-SHA256实现详解

AK/SK签名认证原理与HMAC-SHA256实现详解

1. AK/SK签名认证的核心原理与应用场景在分布式系统和API开放平台中,身份认证是保障系统安全的第一道防线。AK/SK(Access Key/Secret Key)签名认证作为主流的身份验证方案,其核心原理是通过非对称加密技术实现请求的不可否认性和完…

2026/10/17 19:20:58 阅读更多 →

最新新闻

Kimi-K3-DSpark-MLA-NPU部署实战:NPU推理加速从零到生产级完整清单

Kimi-K3-DSpark-MLA-NPU部署实战:NPU推理加速从零到生产级完整清单

【免费下载链接】Kimi-K3-DSpark-MLA-NPU 项目地址: https://ai.gitcode.com/Eco-Tech/Kimi-K3-DSpark-MLA-NPU 点击查看 免费下载 Kimi-K3-DSpark-MLA-NPU 是面向 NPU 推理加速 的 Kimi K3 大模型投机解码草稿模型(Draft Model)&#xff0c…

2026/10/18 3:03:07 阅读更多 →
SINR自适应波束形成器MVDR Matlab仿真:强干扰下阵列信号处理

SINR自适应波束形成器MVDR Matlab仿真:强干扰下阵列信号处理

简介:这是一份用于无线通信与雷达信号处理的自适应波束形成器MATLAB实现,核心算法基于最大信干噪比(SINR)准则,解决阵列天线在强干扰与噪声环境下期望信号接收质量不佳的问题,适合通信工程、信号处理方向的…

2026/10/18 3:03:07 阅读更多 →
使用Windows自带IIS工具搭建FTP服务,详细教程!

使用Windows自带IIS工具搭建FTP服务,详细教程!

这篇教程搭建FTP服务的方式是采用Windows系统自带的IIS工具,核心步骤主要有4个: 1、安装IIS工具; 2、设置开机启动FTP服务; 3、创建FTP用户; 4、配置FTP服务器; 声明一下:搭建FTP建议升级成 Win…

2026/10/18 3:03:07 阅读更多 →
AI PR门禁落地实践:用GitHub Actions搭建结构化代码审查流水线

AI PR门禁落地实践:用GitHub Actions搭建结构化代码审查流水线

上个月我们团队终于把"AI先审、人工再审"这套流程正式固化成了一条CI流水线,跑在GitHub Actions里。前前后后我们改过三版,踩了不少坑,最后发现整个接入过程其实就三个关键动作:触发工作流、让AI返回结构化结论、把结论…

2026/10/18 3:03:07 阅读更多 →
2026年告别Token焦虑:AI API聚合站怎么选,四大顶级平台测评实录

2026年告别Token焦虑:AI API聚合站怎么选,四大顶级平台测评实录

做 AI 应用最让人头疼的莫过于 Token 账单与多平台管理:模型分散在 OpenAI、Anthropic、Google 与各家国产厂商,注册、充值、对账样样费神。API 聚合站正是为此而生的"AI 模型超市"——不需要逐家注册账号,也无需折腾国外信用卡&am…

2026/10/18 3:03:07 阅读更多 →
ODL下发SRv6卡壳?用Expect脚本打通SSH批量配置的最后一公里

ODL下发SRv6卡壳?用Expect脚本打通SSH批量配置的最后一公里

记不清这是第几次被问“ODL能不能直接下发SRv6策略”了,尤其在刚接触OpenDaylight(ODL)的人眼里,控制器有了RESTCONF、NETCONF,批量下发OSPF、BGP这类配置应该是顺手的事。但真在现场跑一次,你会发现理想和…

2026/10/18 3:02:07 阅读更多 →

日新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 0:55:02 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/17 17:22:31 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/16 14:23:36 阅读更多 →