从码农到扫地机器人掌门:跨界创业的底层系统思维

很多人看到“从码农到扫地茅掌门,再到越野追梦人”这个标题,第一反应都是问同一句:你到底是写代码的、造机器人的,还是玩越野车的?

我的回答是:三个都做过,但没有任何一个是靠“换工作”换来的。“扫地茅”是市场给的称呼,“越野追梦人”是我自己给自己贴的标签,“码农”只是一段经历的起点。这些标签叠在一起看,好像很飘,其实拆开以后,底层就是同一件事:在一堆不确定里,把东西从小做到大,并且让它在真实场景里经得起折腾。

这篇文章不打算写成江湖鸡汤,也不想讲成功学。我更愿意把它当作一次自我梳理,写给三类人看:准备从大公司跳出来做硬件的工程师,正在扫地机器人或家电赛道里卷生卷死的从业者,以及想把个人爱好变成“第二条曲线”的普通人。里面全是踩过的坑、试错的路和最后沉淀下来的工具。

那就从第一跳开始讲。

1. 从“码农”到“掌门”:三个身份里真正连续的东西

1.1 把“扫地茅”当成标签而不是包袱

“扫地茅”这三个字刚传开的时候,我其实不太认可。原因很朴素:茅是白酒界的标杆,代表的是极难被超越的稀缺性,拿它来叫一家做扫地机器人的公司,多少有点捧杀。更麻烦的是,这个称呼一旦传开,团队心态会悄悄变化,好像我们真的已经站上行业顶端,不用再跟用户较劲了。

后来我换个角度想,外号本身是中性的,关键在于你拿它当资产还是当债务。每次有人提起“扫地茅”,对我来说就是一次提醒:你不是躲在实验室里搞黑科技的,你是在聚光灯下做大众消费品。扫地机不是极客玩具,它每天被放在普通家庭的客厅里,它的干净程度、碰撞次数、噪音大小,用户都有直接的体感。这个外号等于把行业的期望值全压在我们身上,接不住就是反噬。

所以后来我不太计较市场怎么叫我们,反而经常用这个词反问自己:如果真要做到品类的标杆,那现阶段的短板在哪?答案往往是三个:扫得不够干净、避障不够聪明、售后不够省心。这三件事没有一件是纯软件能解决的,也没有一件是纯硬件能解决的。“扫地茅”这三个字,其实是一张考卷。

1.2 第一次“跳车”,靠的是大厂练出的系统能力

我离开那家全球软件巨头的时候,身边大部分人觉得我疯了。理由是现成的:你在软件行业积累的技术栈、人脉、职级,去搞扫地机器人几乎等于清零,你懂芯片吗?懂电机吗?懂供应链吗?

说实话,这些我确实都不懂。但有一点我很笃定:我在大厂几年里练出来的不是某一行代码,而是“系统视角”。

什么叫系统视角?就是当你面对一个线上事故,你不会只盯着报错点看,你会自动去推它的上下游:这条链路里哪个环节先出问题?数据从哪里来?要回滚到哪里最安全?发布流程要怎么改才能防止复发?我在软件公司处理过的很多问题,表面上是某个模块崩溃,实际牵一发动全身的往往是被忽略的输入数据、时序问题和调用方假设。

这套思考方式,恰恰是扫地机器人行业最缺的。扫地机器人是软件、硬件、供应链、用户体验四条线的胶合体,它看起来只是一个圆盘子在地上转,实际上内部有激光雷达、陀螺仪、电机驱动、电池管理、嵌入式系统、App端、云端地图,任何一个环节出问题,用户感知到的就是“这机器人好笨”或者“这机器人怎么又卡住了”。

如果一个人只懂算法,他可能写出漂亮的路径规划,但整机装完后发现电机噪声太大;如果一个人只懂硬件,他可能把结构做得很好看,但App连不上网,用户照样退货。我后来的很多决策,其实都是在大厂养成的习惯:先找系统里最脆弱的那个点,而不是先做最炫的部分。

所以我想对准备跨界的人说一句话:换赛道换掉的只是领域,真正带得走的是你对“系统怎么挂掉”的理解能力。

2. 扫地机器人不是给吸尘器装上轮子:做头部的四场硬仗

2.1 感知与建图:让机器先知道自己在哪

很多人以为扫地机器人最大的难点是把地扫干净,实际上不是。最大的难点是让机器在几十平米的陌生客厅里,知道“自己现在在哪”。

早期的扫地机是纯随机碰撞式的,靠概率撞遍全屋,扫到哪算哪。这种机器给用户的体验就是:明明看到沙发底下没扫到,但它就是不去;明明这个区域刚扫过,它又跑回去绕一圈。用户会直接下一个结论:这东西是个智障。

要解决这个问题,核心是同时做两件事:定位和建图,专业点叫SLAM。就好比一个人被蒙着眼睛扔进一间漆黑的房子,手里只有一把卷尺,他要靠不断测量墙的距离,在心里画出一张地图,同时标记出“我现在站在哪个位置”。激光雷达负责测距,陀螺仪和轮式里程计负责估算移动量,算法则负责把这些数据融合成一幅地图。

这里有一个很容易被忽略的工程取舍:到底是上激光方案还是纯视觉方案?激光方案精度高、成本也高,在黑暗环境下依然稳定;视觉方案成本低,可以通过物体识别做到更多智能避障,但光线一差就容易拉胯。我们当时采取的是“激光为主、视觉辅助”的综合方案,说白了就是让两个眼睛互相兜底,成本可控,效果也能打。

千万不要因为省钱去砍感知硬件。很多团队为了让产品显得便宜,结果用户买回去发现机器连门框都识别不了,天天撞墙,最后骂的还是品牌。感知是扫地机的眼睛,眼睛瞎了,算法再好也白搭。

2.2 避障与智能决策:不撞东西是底线,不是卖点

用户对扫地机最大的投诉点,不是“没扫干净”,而是“乱撞”。我家客厅里有一根充电线,扫地机每次都要压过去,甚至缠住;家里有宠物的时候,机器把猫尾巴吸进去,直接变成事故现场。

避障能力的本质,是把传感器的数据快速转化成“能不能过”的判断。这需要AI模型在前端芯片上做推理,而且必须在几十毫秒内完成。稍微慢一点,机器就已经撞上了,你后边识别出这是拖鞋也没用。

所以这里的关键不是模型有多花哨,而是“决策延迟”有多低。我们当时做过一个很傻的测试:把家里常见的十几类障碍物摆了一地,包括拖鞋、电线、宠物粪便、玩具、体重秤,让每一台测试工程机反复跑一百遍,记录误撞次数。这个测试看起来土,但它能真正暴露算法在真实场景里的短板。实验室里跑得再好,到了堆满杂物的客厅,该撞还是撞。

别忘了,避障是底线,不是卖点。你做到不撞东西,用户不会表扬你;你做不到,用户一定会退货。在底线之上,才能谈“智能清扫”“特定区域清扫”“识别地板材质”这些加分项。很多团队一上来就对着“地毯识别”“拖布抬升”这种功能猛做,结果连最基础的避障都没做好,这就是典型的优先级颠倒。

2.3 清扫策略与软件迭代:算法烂,用户看得见

扫地机的“清扫策略”听起来很专业,其实就是一个问题:机器扫完一圈之后,怎么保证家里每一寸地面都尽可能被覆盖,而且不浪费时间?

这里面涉及的算法包括路径规划、弓字形覆盖、回充续扫、禁区设置、多楼层地图自动切换等等。任何一个环节没做好,用户都会看得见。最真实的一个案例:扫地机刚扫到一半没电了,它自己回去充电,充满以后能不能记住“我刚才扫到哪了”?如果它从头开始扫,用户会觉得这机器傻得离谱;如果它每次都在同一个地方漏掉一块,用户会觉得这机器是故意的。

软件迭代这件事,是我从码农身份里受益最多的地方。传统家电厂商的思路是:产品卖出去了,就结束了。但互联网思维是:产品交到用户手上,软件迭代才刚刚开始。我们把扫地机的App当成一个SaaS产品来做,每个月定期更新固件,修复用户反馈的扫不完、漏扫、误报等具体问题。很多用户能直观感受到,这台机器买回家半年,好像变“聪明”了,其实不是幻觉,是真的一次次刷固件刷出来的。

我想提醒所有做硬件的团队:不要低估软件迭代在硬件生命周期里的占比。硬件是壳,软件是魂。卖出十万台机器,就等于给自己养了十万个测试员,你不去听他们反馈,这个产品的上限很快就会见底。

2.4 供应链与售后:产品力之外的第二战场

做扫地机器人,真正让人睡不着觉的往往不是算法,而是供应链。

第一是核心器件。激光雷达、主控芯片、电池、电机,这些部件的供应周期长,价格波动大。今天还在正常量产,明天可能就因为上游缺料交不出货。我们吃过一次大亏:某款关键芯片供货调整,产线直接停了两周,所有渠道都在催货,售后也被打爆。从那以后,我们对核心物料全部做“双源备份”,一个关键芯片至少审核两家供应商,绝不把命脉交到一家手上。

第二是品质一致性。一台扫地机在工厂跑测试可能只有几十个cycle,但用户家里可能要跑几年。塑料件的磨损、轮子的打滑、电池的衰减,只有大规模铺出去以后才会暴露。所以品控不是盯产线良率就够,还要盯“用户使用三个月以后的状态”。我们后来的策略是,每批次出厂的货,都要抽一部分拿去模拟家庭场景跑老化测试,跑两周以上再发。这件事会拉低速度,但能抬高质量上限。

第三是售后成本。扫地机器人是个高故障感知品类,它不像手机,摔了自己认了;它像家电,坏一次就恨不得发个帖子告诉全世界。哪怕只是一个小零件坏了,都可能被无限放大。所以售后响应速度和备件库存管理,直接影响品牌口碑。创业头两年,我花在售后流程上的时间,远比想象中多。

3. 越野追梦不是“退休生活”,是一场反向创业

3.1 把确定性留在柏油路上,去野外索取真实反馈

很多人不理解,为什么做扫地机器人的人会跑去越野。他们的第一反应是:是不是赚够钱了,开始享受生活了?

恰恰相反。越野对我来说不是享受,是另一种形式的加班。在公司里,我被各种报表、会议、OKR包围,一切都有计划、有预期、有责任人,确定性强到让人变钝。但越野不一样。你开进一条没有信号的山路,轮胎下面是什么石头,前面有没有塌方,油够不够到下一个补给点,全都不是写PPT能算出来的。

这种“失控感”对长期在确定性环境里工作的人,是一种高效的清醒剂。我在越野路上遇到过最糟糕的情况是:车陷在一个河谷的泥地里,前后都没有车,手机没有信号,唯一能依赖的是车上的绞盘和几条拖车绳。那个下午,我脑子里没有任何一条关于产品和市场的杂念,唯一的念头就是怎么把车弄出去,怎么看地形,怎么选择受力点。

等把车拖出来,我坐在引擎盖上喘气的时候,突然就想明白一个做产品的道理:任何系统都有容错边界,你要做的不是祈祷它永远不出问题,而是提前想清楚“当它出问题时,兜底机制是什么”。这和扫地机没电回充、越野车陷车脱困,本质上是同一件事。

3.2 越野给我上的三堂课:边界、续航、人在回路

越野这几年,我把它对做产品的启发归纳成三个词:边界、续航、人在回路。

边界很好理解。越野车最忌讳的就是高估自己的通过能力。你以为前面那个坡能上去,结果到了坡底才发现角度不够,车头一翘直接翻。产品也一样,不要做超出团队能力边界的事情。我见过不少团队,技术栈只能撑住一百个人的规模,却非要按一千个人的规模设计组织架构,最后连一个需求都发不出去。边界不是用来突破的,是用来提前标定的。

续航不是指电池,而是指“你做一件事能坚持多久”。越野穿越最怕的不是路有多烂,而是你带的水和油不够。产品也一样,一个项目最怕的不是技术多难,而是团队精力被耗干。我们做新品的节奏,从最早的三个月一小更,慢慢变成一年只打磨一款重磅产品,就是我意识到“续航”比“爆发”更重要之后的改变。

人在回路的意思是:再智能的机器,也不能完全脱离人的判断。越野地图再精准,到了现场也要看实际地形;扫地机算法再强,用户也希望能一键接管。我们后来在产品里加了很多“用户可干预”的设计,比如禁区、虚拟墙、手动选区清扫,其实就是把“人在回路”这个原则翻译成产品功能。智能不是剥夺控制权,而是让人少操心,同时保留随时接管的权利。

3.3 “疯”是被授权的:把越野节奏带回办公室

很多创始人会刻意保持某种“沉重感”,觉得老板绷着脸,团队才会认真。但我越来越觉得,适度的疯狂感,反而是组织里的稀缺资源。

越野回来之后,我会在月度例会上播放一段行车记录仪剪出来的视频。没有剪辑,没有配乐,就是车轮陷泥、引擎嘶吼、全员一起拉绞盘的真实片段。团队看完以后,再回到那个被各种KPI填满的会议室,状态明显不一样。大家会意识到,原来很多事情是可以被推进、被解决、被克服的,只要我们把情绪从“这不可能”切换到“先试一把”。

这种节奏带回了项目上。我们后来有一条不成文的规定:每个季度选一个最没人想碰的硬骨头,全组花一周时间死磕,不设KPI,不计工时,只看能不能拿出一个可跑的demo。这其实就是越野里的“轻装穿越”:不带太多包袱,只带关键装备,目标是快速抵达下一个营地。

4. 三连击以后,我最想让后来者避开的三个误区

4.1 别把跨界理解成“换行业”,要换的是决策系统

很多人跨界的时候,第一件事就是去学新行业的知识。学芯片、学电机、学供应链,这当然没错,但只盯着行业知识,忽略决策方式的升级,迟早会撞墙。

我自己有个很深的体会:做软件的时候,一个功能上线,数据反馈周期可能只有几天;做扫地机器人,一个硬件改模,验证周期至少两三个月;做越野,一个判断失误,后果可能立刻发生。这几种“时间尺度”完全不同,如果你用一个行业的反应速度去应对另一个行业,一定会做出让用户骂街的决策。

所以跨界之后,最该换的不是知识库,是“决策系统”。举个例子:做软件时,你可以灰度发布,出问题再回滚;做硬件时,你必须在量产之前把所有不确定都解决掉,没有后悔药。懂得这些,你才会在立项的时候把验证周期当成硬指标,而不是等上市以后才去面对副作用。

4.2 最贵的成本,是坐在办公室里以为的“确定性”

创业越久,我越警惕一种状态:坐在办公室里,看着数据报表,觉得自己什么都懂了。

报表上的“用户满意度”很容易骗人。大多数用户懒得投诉,懒得点差评,他们只是默默把这个品牌加入黑名单,然后告诉身边两三个朋友“别买这家”。你坐在办公室里看到的确定性,是过滤掉噪声的假象。

越野逼着我去现场,去没有信号的地方,去听真实的风声、雨声、引擎声。回到公司以后,我也把“下现场”变成了硬性安排:每季度必须跑去仓库看退货的机器,拆开看是哪里坏;每个月必须去客服中心听几通真实投诉电话;每次新品上市,自己先搬回家当主力机用一个月。这些事情都剥夺了一点“确定性”,但换回来的是对用户真实感知的敬畏。

如果你也想做硬件产品,我建议你把“拆一台退货机”列为最高优先级的事。那台机器上写满了用户不说的秘密。

4.3 外号是资产,也是债务

前面说到“扫地茅”,这个外号既有光环,也有风险。外号带来关注度,关注度带来资源,但资源并不总是往对的方向走。团队里最容易出现的幻觉是:我们已经是大牌了,所以我们怎么做都对。

这种幻觉是致命的。市场给你的任何标签,都是建立在“你曾经做对过一些事”的基础上。但用户买一台扫地机,看的是它现在扫不扫得干净,避不避得开电线,而不是你拿过什么头衔。标签可以带来第一批用户,但留不住第二批用户。第二批、第三批用户靠的是产品体验,靠的是口碑的滚雪球效应。

所以现在有人叫我“扫地茅掌门”,我会笑着说谢谢,然后转身继续看测试视频。我知道这个称号不是终点,只是一根看不见的鞭子。

4.4 让热爱保持“小而难”

最后想聊一点关于梦想的事。

很多人以为“梦想”应该是很大的、很遥远的,比如上市、造车、改变世界。但我自己的经验是,梦想如果太大,就很容易变成焦虑和拖延的来源。我反而习惯把热爱拆成一个个“小而难”的事情:这个季度让扫地机避障失误率降低一半;这个月学会在碎石坡上不用刹车、全靠油离配合;这次越野把备用油规划得精准到每公里耗油量。

每一件“小而难”的事,都有明确的终点、可量化的结果、足够高的难度。完成一个,就给自己一次正反馈。这种节奏比“我要成为行业第一”这样的宏愿管用得多,因为它能让你在下一次想放弃的时候,找到一个还够得着的抓手。

越野圈有句老话:快走沙,慢走水,稳走泥。放在创业和职业转换里也一样,该快的时候不要犹豫,该慢的时候不要莽撞,该稳的时候,一定要稳住别浪。这三个身份走下来,我只觉得每一个阶段都是在给下一个阶段蓄力,没有哪一段是白费的。

相关新闻

PostgreSQL安装报错Requires: llvm-toolset-7-clang的排查与解决

PostgreSQL安装报错Requires: llvm-toolset-7-clang的排查与解决

碰到Requires: llvm-toolset-7-clang > 4.0.1这种报错,很多人第一反应是“装个数据库怎么还跟编译器扯上关系了”。我当年第一次在 CentOS 7 上装 PostgreSQL 11 也愣了半天,后来把 RPM 依赖链和 PostgreSQL 的 JIT 机制都翻了一遍才彻底搞明白。这篇…

2026/10/20 17:08:33 阅读更多 →
RRT-Connect MATLAB从零实现:代码详解、调参避坑与路径后处理

RRT-Connect MATLAB从零实现:代码详解、调参避坑与路径后处理

简介:这是一份基于MATLAB实现的RRTconnect双向路径规划算法源码,适合机器人运动规划、自动驾驶避障等场景的学习与二次开发,尤其适合刚接触RRT系列算法的学生和工程师。RRTconnect在标准RRT基础上引入双树扩展机制,通过同时从起点…

2026/10/20 17:08:33 阅读更多 →
Linux压力测试工具stress-ng原理与实战指南

Linux压力测试工具stress-ng原理与实战指南

简介:本资源为Linux系统压力测试核心工具stress的源码发布包,面向Linux系统管理员、运维工程师及性能调优学习者,用于快速部署和定制化编译高可靠性压力测试环境。资源包含32个文件,以configure构建脚本、Makefile系列&#xff08…

2026/10/20 17:08:33 阅读更多 →

最新新闻

Qt课程进度导航栏G03:从数据模型到自绘渲染的完整实践

Qt课程进度导航栏G03:从数据模型到自绘渲染的完整实践

做教育类桌面客户端的时候,课程导航一直是个绕不开的活儿。用户要在一个窗口里看到章、节、课时的层级关系,要清楚自己学到哪了,还得能一键跳回上次退出的位置。市面上的现成组件大多只解决“展示目录”这一层,进度状态、学习记忆…

2026/10/20 17:53:47 阅读更多 →
软件设计师上午题解题切片:真题陷阱、能力断点与命题逻辑拆解

软件设计师上午题解题切片:真题陷阱、能力断点与命题逻辑拆解

简介:本资源为2025年下半年全国计算机技术与软件专业技术资格(水平)考试——软件设计师科目上午卷的真题解析与标准答案全集,专为备考该认证的计算机专业技术人员设计,聚焦基础知识巩固、解题逻辑训练与应试策略提升。…

2026/10/20 17:53:47 阅读更多 →
卫星姿态轨道控制Simulink仿真实践:从翻滚到对地定向的完整闭环

卫星姿态轨道控制Simulink仿真实践:从翻滚到对地定向的完整闭环

想真正弄明白卫星姿态轨道控制,光看资料是不够的。我见过不少人手里攒着好几份讲义和开源工程,每个模块单独看都能讲出头头是道,但要自己在Simulink里搭一条“从翻滚状态到对地定向稳定”的完整闭环,就卡住了。这篇博文就是一次卫…

2026/10/20 17:53:47 阅读更多 →
Microsoft Agent Framework迁移指南:从Semantic Kernel到自治AI代理

Microsoft Agent Framework迁移指南:从Semantic Kernel到自治AI代理

1. 项目概述:这不是一次简单的工具替换,而是一场底层思维的迁移“.NET AI 生态系统的重构与演进:Microsoft Agent Framework 对 Semantic Kernel 的继承、超越与战略整合”——这个标题里藏着一个被很多人忽略的关键事实:它不是在…

2026/10/20 17:53:47 阅读更多 →
每瓦Token成AI工厂新KPI,NVIDIA全栈升级如何提升能效

每瓦Token成AI工厂新KPI,NVIDIA全栈升级如何提升能效

AI算力圈最近都在聊一个新词:每瓦Token。这玩意儿不是厂商营销造出来的概念,而是实实在在成了衡量AI数据中心“生产效率”的硬指标。过去大家比的是峰值算力,也就是FP16、FP8下的TOPS数值,现在风向明显变了,大家开始盯…

2026/10/20 17:53:47 阅读更多 →
JMeter接口测试进阶:从参数化、断言到结果分析的核心能力

JMeter接口测试进阶:从参数化、断言到结果分析的核心能力

做接口测试这行,接触JMeter是早晚的事。早年我还在手工点接口文档、拿浏览器调试工具一个个试请求的时候,第一次用JMeter跑通一个几十线程的并发场景,那感觉确实挺新鲜。但说句实在话,从“会用JMeter”到“能把接口测试做出价值”…

2026/10/20 17:52:45 阅读更多 →

日新闻

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

/* 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 …

2026/10/20 1:01:30 阅读更多 →
ESP32舵机控制指南:原理、多路驱动与避坑实战

ESP32舵机控制指南:原理、多路驱动与避坑实战

/* 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 …

2026/10/20 1:01:30 阅读更多 →
位移法实现一阶低通滤波:单片机ADC采样降噪实战

位移法实现一阶低通滤波:单片机ADC采样降噪实战

/* 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 …

2026/10/20 1:01:30 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…

2026/10/20 10:02:13 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…

2026/10/19 17:32:41 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…

2026/10/20 2:50:50 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 …

2026/10/20 10:02:08 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 …

2026/10/20 9:50:17 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 …

2026/10/20 9:50:45 阅读更多 →