Daily Share(20080428)

沪深历史涨停价格数据API接口：http://api.momaapi.com/hsstock/stopprice/history/000001.SZ/TEST-API-TOKEN-MOMA-836089C22111?接口URL中，000001是股票代码，TEST-API-TOKEN-MOMA-836089C22111是请求证书，这个是官方提供的测试证书只能测试000001的数据，随后大家自己可以去领取一个免费的请求证书就可以获取其他股票的数据了。

RabbitMQ持久化, 发送方确认机制

RabbitMQ特性: 事务, 限流, 负载均衡

这一篇和PICO本身没什么关系，只是记录一下开发过程我们要做一个“从超声设备采集影像数据，一对多地传给XR眼镜终端以及其他可能的设备”应用。发送端是Jetson，由同事负责；接收端XR眼镜端由我负责。同事说视频采集卡例程里给了两种通信协议：RSTP和WebRTC.一开始我尝试用HoloLens2，因为老师和医生们似乎更喜欢OST而不是VST；但是UWP ARM64 媒体栈对 RTSP 支持弱、MixedReality-WebRTC 停更，所以 HL2 不适合当主验证平台。

业务上会遇到这么一种情况，不规则图片需要添加触摸事件，这个时候点击图片的空白区域也会有触摸事件进来，这个时候如果我想只在有像素的地方点击有事件进来，那么要怎么处理呢？

文章摘要：本文深入分析了游戏性能瓶颈的本质问题——RenderThread（渲染线程）过载。通过解析游戏渲染流程（GameThread→RenderThread→GPU），作者指出即使CPU和GPU利用率不高，FPS下降的真正原因往往是RenderThread处理能力不足。文章详细列举了RenderThread的核心工作（可见性剔除、渲染队列排序、批处理等），并解释UI组件和粒子系统为何特别容易造成性能问题。最后提出了批处理、图集、实例化等优化方案，建议通过多线程渲染技术分散RenderThread压力，为

这种极高的点击率（CTR）和下载转化率（CVR）反哺给广告平台（如 Google AC），平台的 AI 会认为这是一个“超级受欢迎的爆款爆款素材”，从而会给你的广告更多的曝光权重，进一步把 CPI 压得更低。比如，你原本是一家做“重度SLG（星战、城堡战争）”或者“复杂数值RPG”的游戏，但在 TikTok 或 Google 上投放的广告，却是一个“拔签子救人”、“画线挡蜜蜂”、“拧螺丝”或者“给马桶人连线”的轻度益智小游戏。这种设计精准地踩中了人类的“强迫症”、“好胜心”和“智商优越感”。

进场景后，头显朝向和编辑器里摆的 Main Camera 对不上，需要手动用home键重置。所以写了一个进场自动重置的脚本。

”

上文通过菜单设计演示U8G2图形库的基础用法（【STM32】U8G2图形库应用–菜单设计与开发），本文将借助两个小游戏案例，对比多种显示控制方案，从而理解U8G2图形库的优势领域和使用场景。（1）小恐龙游戏：使用IIC通信和U8G2图形库显示方式；只使用IIC通信分别测试“全屏刷新”与“区域刷新”两种显存更新方式。（2）贪吃蛇游戏：使用IIC通信和U8G2图形库显示方式；只使用IIC通信“区域刷新”显存更新方式。以下为三种方式的优劣势对比。从表格可见，

种呱得呱》是一款肉鸽卡牌游戏。你将扮演农场管理者，完成青蛙公司下达的KPI指标。你将通过紧张刺激的抽卡，规避或利用时间爆炸，获得卡包和宝箱，构建你的卡组，打出卡牌获得金币收益。你还需要有策略性地选择前进的路线，游戏中你会遇到丰富的抉择事件、灾年和大天灾挑战。

https://download.csdn.net/download/weixin_71802416/92994620

OmniVoice是一个支持600多种语言的零样本多语言文本转语音(TTS)模型，采用创新的扩散语言模型架构，具有高质量的语音生成和快速推理能力。开源项目Omnivoice-onnx将其PyTorch模型转换为ONNX格式，支持多种量化方案和端到端推理流程。在Unity实现中，通过优化CUDA/DML执行提供者配置、预分配缓冲区、减少GC压力等技术手段，显著提升了性能。关键优化包括：禁用动态形状的内存模式、合并计算步骤、使用快速路径、优化数组操作等，使模型更适合实时应用场景。该实现支持语音克隆和语音设计功能

本文介绍了一个使用Pygame开发的弹幕躲避小游戏。游戏核心玩法是玩家控制角色在五种不同模式的弹幕中生存，包括散射、追踪、旋转、扇形和密集弹幕。游戏采用实时鼠标控制，具有碰撞检测、无敌帧、血量系统等机制，难度会随时间逐渐提升。文章详细讲解了子弹类设计、粒子效果实现以及五种弹幕模式的算法逻辑，包括360°均匀散射、玩家追踪扇形、中心旋转弹幕、顶部扇形扫射和密集追踪弹幕。

简单来说，传统防护护网页，游戏盾护APP。针对APP私有协议、长连接、实时交互的专属特性，游戏盾通过源站隐身、协议防护、防篡改、反作弊、攻击溯源、网络加速六大核心能力，解决了传统防护无效、误杀高、延迟大、防不住私有协议攻击的痛点。对于各类移动端APP而言，部署游戏盾不是刚需升级，而是规避恶意攻击、保障业务稳定、维护运营公平性、守住用户体验与营收的基础安全防线。

摘要：用户尝试按照Vuplex官方文档启用专有视频编解码器时，习惯性求助AI却遭遇误导，导致一整天被错误信息耽误。事件凸显AI辅助工具的潜在风险——即使简单技术操作也可能因AI的"幻觉回答"引发额外问题，建议关键步骤优先查阅原始技术文档。

本文讲解华为OD机试高频题"石头剪刀布游戏"的解题思路与多语言实现。题目要求根据输入的两个手势字符串判定胜负，遵循标准游戏规则。核心解法采用哈希表存储胜负关系映射（如{"rock":"scissors"}），优先判断平局后通过查表确定结果。提供Python、Java、C++三种实现，均满足O(1)时间复杂度要求，其中Python代码最简洁（仅需字典查询），Java注重类型安全，C++通过输入优化提升性能。文章包含完整测试用例验证和华为OD备考技巧，强调规则映射、边界处理等核心考点。

我在项目中实际遇到过两个性能瓶颈：一是透明物体排序的微卡顿，二是体积雾降噪的 GPU 开销。前者我用无分支三数取中解决了分支预测问题，后者我用排序网络+Shader min/max 消除了线程束分化。这两个经历让我深刻体会到，引擎底层的位运算技巧不是用来手写的玩具，而是指导我们在正确抽象层级做架构决策的思维模型。

概览：优化前客户端包体大概271M优化后包体大小大概是166M(我本地广告插件Applovin打包会有问题，这个去掉了不算在内)，大概可以在之前的基础上优化保底100M左右其中ab包优化了82M(203->121)其他感悟：笔者之前在广州，也是从事中东游戏开发，游戏偏休闲。