weixin_46559256的博客

PS:因为 skills 支持许多 ai，每家的 AI 对应的 skills 存放地址都不同（如：.cluade/skill 或.openai/skills）① 进入 skills 网站，选择合适的 skill。③ 在项目目录查看 claude code 中是否 link 成功 skill。⑤ 进入 cluade 之后，使用 skills。不然不是全局安装，导致其他的项目重复安装。④ 跳过提示，直接进入 claude。注意：进入项目目录，运行命令。表示装到用户目录（全局），或者在安装时，加几个参数。

PS: 有些机器会报 execution policy 不允许运行脚本。存放位置： 项目地址 .specify\memory\constitution.md。传统模式里：需求文档/原型 → 开始写代码 → 文档逐渐过期。window 端：使用 PowerShell(管理员打开)，并且规范要写到“足够明确”，让 AI 代理能据此产出。安装 Spec Kit（Specify CLI）如果这里能输出版本号，说明 PATH 生效了。规范驱动开发（SDD）到底是在干嘛?，而不是把“写代码”当第一步。

上链接，按照上面的安装，然后在vscode中安装cluade code 插件，直接使用即可。

本文章主要针对claude中原生命令的学习。不谈外部插件或skills的使用。

虚拟机连不上网，ping某个网站时并显示此信息 ping: www.baidu.com: Name or service not known步骤一，排查Windows自身问题有可能这个问题不是你虚拟机有问题，而是装虚拟机的Windows本身设置有问题，一步步来排查（你先保证你Windows能联网！1.虚拟机适配器是否被禁用打开设置 ------>更改适配器选项跳转后看几个VMware Network Adapter是否启用若禁用了就启动它VMware网络相关的服务是否开启。

本文介绍了两种计算接雨水量的方法。动态规划法通过左右扫描记录最大高度数组，然后计算每个位置雨水量，时间复杂度O(n)，空间复杂度O(n)。双指针法优化了空间复杂度，使用两个指针动态维护左右最大值，边遍历边计算结果，空间复杂度降至O(1)。两种方法都能有效解决问题，双指针法在空间效率上更优。

【代码】双指针系列：283.移动零。

1、用hash存，k为String类型，V为List类型。2、和上题两数之后其实一致。区别在于这是先排序，再比较。是由重新排列源单词的所有字母得到的一个新单词。可以按任意顺序返回结果列表。时间复杂度O(n)，空间复杂度O(n)给你一个字符串数组，请你将。

【代码】HOT100双指针系列：11. 盛最多水的容器。

外层是i遍历，内层是L和R，都需要去重。内层sum的判断走向，若sum>0则R–，sum<0则L++4、双指针遍历：L = i+1,R=len-1。开始三指针i，L，R开始相加开始匹配条件。解释：两个需要满足的条件。输入的是 int[] nums集合，输出为List<List>​ ②、如果i>0，遍历的两个元素是相同的，则也不满足，跳过。3、剪枝：①、如果元素数字大于0，则后面三数之和一定大于0。**注意：**答案中不可以包含重复的三元组。2、数据先排序，然后从左到右遍历，，判断是否存在三元组。

综上所述，虽然内部有一个while循环，但由于集合的查找操作是O(1)的，整个算法的主导时间复杂度仍然是O(n)。这是因为主要的时间消耗在于遍历集合中的元素，而集合中的元素数量不会超过输入列表的长度。因此，整个函数的时间复杂度是O(n)。a. 细节：处理当前元素 cur 时，如果 set 中存在 cur-1，其实不用处理 cur 了，因为 cur 是 cur-1 的下一个，会存在以 cur-1 打头的连续序列中参与计数。b. set.contains(i) 的查找某个元素是否存在的时间复杂度是 O(1)

大致意思是给出一个数组，target（目标数字），求数组两数之和=target，这两数唯一。2、一边遍历存hash，一遍查找是否有合适的下标（怎么知道下标合适？可以通过使用哈希表来解决，从而将时间复杂度降低到。1、创建hashMap结构，k存元素值，v存下标。

本文介绍了Java中ACM模式的输入输出处理方法，重点讲解了Scanner类的常用方法及其应用场景，包括nextLine()、nextInt()、hasNext()等。针对不同输入格式（固定数据量、不确定行数、不确定每行元素数量等）提供了对应的代码模板，并举例说明了牛客网常见题目类型的解题思路。文章还提供了相关学习资源和参考文献，帮助读者快速掌握ACM模式下的编程技巧。适用于准备算法笔试和面试的Java程序员参考使用。

​ 初始left =0,right=nums.size()-1，mid=left+((right - left) - 1 ),这个mid写法防止溢出，等价（left+right）/ 2。​ 初始left =0,right=nums.size()，mid=left+((right - left) - 1 ),这个mid写法防止溢出，等价（left+right）/ 2。​ target＞mid 目标值在右端，left=mid+1，在[middle + 1, right)中。

抛出现有情况：近年来，基于深度学习的高光谱图像超分辨率（SR）方法取得了显著成功。这些方法通常由特征提取模块（FEM）和上采样模块组成。发现问题然而，由于上采样模块的结构限制，目前的大多数方法都侧重于为不同的比例因子训练单独的模型忽略了对不同比例因子之间潜在特征相互依赖性的探索。提出解决方案：为了应对这些挑战，我们引入了一种新的框架，称为“任意比例高光谱图像超分辨率的元协作学习”（MCArb）。具体来说，MCArb将协作学习框架与基于元学习的3D上采样模块（3DMetaUM。

提出问题：在图像超分辨率（SR）领域，恢复丢失的高频纹理一直是一个重要目标。然而（However），基于像素级约束的深度SR网络往往侧重于稳定的边缘细节，无法有效地恢复随机高频纹理。对比方法：直到生成对抗网络（GAN）的出现，基于GAN的SR模型才实现了逼真的纹理恢复，并迅速成为纹理SR的主流方法。然而，基于GAN的SR模型仍然存在一些缺点，例如依赖大量参数和生成与地面真实不符的假纹理。中间链接句：受传统纹理分析研究的启发。

25年TNNLS文章

关于JDBC的学习过程系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动

为什么DW闪退因为Dreamweaver纪录的网站暂存记忆读取错误，导zd致开启中途遇到失败，就自动关闭。进入注册表版：点开始》运行》输入--------“regedit”；然后在左侧找相应的键值：“HKEY_CURRENT_USER"这个选择项下权面的"Software"＞＂Macromedia＂＞"Common"＞"8"＞"Sites”这一级别所包括的所有文件夹都删除掉就可以了．...