我平时主要还是通过国内平台来获取 AI 一手信息，信息密度高，也更接地气一些。 公众号这块看得最多： 刘小排，强烈推荐，长期关注 AI 前沿、新模型、新产品，很多观点都很有启发性，不是那种纯搬运新闻的。 苍何，偏技术向，干货特别多，教程写得很细，适合真正想动手学的人。 腾讯云开发者 / 腾讯技术工程 这些官方号也很值得看，AI 相关的底层技术、工程实践、行业落地都会覆盖，质量比较稳定。 社交平台上： X（推特）上其实有不少中文技术大佬，比如宝玉老师，经常分享很实用的 Prompt、AI 使用技巧和工具思路，有时候刷一刷就能学到新玩法。 视频平台这块也必须提一下： B 站现在 AI 学习资源真的很多，从入门到进阶都有。 比如 秋芝 2046，视频内容丰富、有趣，而且讲得很通俗，不会一上来就甩一堆概念，特别适合初学者建立感觉。 小红书也挺适合“轻量学习”，很多创作者会分享 AI 工具使用心得、实操案例，碎片时间刷一刷也能吸收不少新东西。 整体下来我的感觉是： 公众号负责系统性 + 深度， X 和小红书负责新鲜度和灵感， B 站负责把复杂的东西讲明白。 多几个渠道一起用，基本就能避开大部分无效信息，不容易被概念带着跑。

只要我把文章发在腾讯云开发者社区，互联网的记忆就能流传数千年。

您好，建议您在edgeone.json的header里面配置一下，可以参考：https://pages.edgeone.ai/zh/document/edgeone-json#21a16c7f-4207-4baf-8cf5-8a202b13996b

您好，单账号40个项目，单项目可绑域名20个

您好，目前Pages的构建次数暂不支持扩容，方便的话，您可以提供下业务场景/用户数等信息吗，小助手反馈给团队评估下

您好，麻烦提供下账号ID，小助手帮您跟进下审核

您好，EdgeOne不支持sse超长会话保持

您好，锁定是因为您的站点遭受大流量CC攻击，免费版暂不支持解除锁定，建议您升级标准版套餐并配置安全防护，参考：https://cloud.tencent.com/document/product/1552/108735

您好，回源HOST头有以下几种配置方式，建议您根据业务情况选择：https://cloud.tencent.com/document/product/1552/87601

您好，这个报错是因为您把构建机器当成cvm了

您好，Pages的套餐是默认绑上的，不支持修改，这个免费套餐就是专门给Pages用的，如果没使用Pages，也就没这个套餐，配额是跟套餐挂钩的

您好，可以详细说明下情况吗，也提供下相关截图

1、这个问题不能绝对， EO配置了拦截国外的IP也仅限为EO识别为国外IP进行拦截， 对于一些IP没有标识的可能就会被请求（没有绝对完善的IP库） 2、加EO的回源IP有效， 但是建议源站通过特殊的请求头白名单识别来自腾讯EO的请求， 避免因为IP变更通知后变更不及时影响可用性

您好，麻烦提供下账号ID和相关截图，小助手帮您反馈一下

您好，中国大陆用户建议使用国内站，服务是一样的

作为一名开发者，每天在 ArkTS、Stage 模型、分布式能力的世界里打转，看到前端后端这一堆技术栈，瞬间脑补出一幅技术江湖排位图！当然各花入各眼，欢迎对号入座～ ✨ 人上人技能树 —— 掌握即站食物链顶端 Go 语言 云原生时代的 “天选之子”，天生高并发、高性能的基因，配上极简语法，不管是写微服务、云平台还是区块链，都是香饽饽。现在大厂云原生团队抢着要，薪资直接上一个台阶，妥妥的硬通货技能。 React + TypeScript 组合 不是单一技术，是 “王炸组合”。React 的组件化思想 + TS 的强类型加持，既能保证大型前端项目的稳定性，又能提升开发效率，大厂前端标配。掌握这个组合，从中小型项目到企业级应用都能 hold 住，求职市场横着走。 Docker + K8s 容器化和编排的 “黄金搭档”，DevOps 时代的核心技能。没有它们，谈什么自动化部署、弹性伸缩、微服务治理？现在运维、开发都在卷这个，懂 K8s 的工程师，薪资溢价不是一点点。 Redis 不只是个缓存数据库，更是高并发系统的 “性能救星”。分布式锁、限流、秒杀、消息队列…… 玩法多到离谱。能把 Redis 玩明白的人，解决高并发问题的能力直接拉满，项目里的 “性能优化大师” 非你莫属。 🤖 项目必不可少的 “NPC” 技术 —— 平凡但不能没有 MySQL 关系型数据库的 “常青树”，不管是小项目还是大厂核心业务，都离不开它。增删改查是基础操作，索引优化、事务调优是进阶，但它就像游戏里的药店老板，平时存在感不强，没它你寸步难行。 Bootstrap 前端界的 “国民工装”，不用费劲写复杂 CSS，开箱即用的组件库，快速搭建响应式页面的神器。现在虽然有 Tailwind CSS 抢风头，但很多老项目和快速原型开发还得靠它，朴实无华却刚需。 Spring Boot Java 后端的 “脚手架”，简化了 Spring 的繁琐配置，开箱即用的特性让开发效率翻倍。它不像 Go 那么 “新潮”，但架不住 Java 生态盘根错节，大部分企业级应用还在靠它撑场面，是后端开发的 “基础款”。 Vue.js 前端界的 “邻家大哥”，上手简单、文档友好，中小型项目的首选。虽然在大厂的大型项目里不如 React 亮眼，但架不住生态成熟、社区活跃，大量中小公司的前端都靠它，平凡却不可或缺。 💀 感觉 “拉完了” 没必要硬学的技术 —— 时代的眼泪 jQuery 曾经的前端 “王者”，一句$()横扫天下，但现在 Vue、React、原生 JS API 已经足够强大，jQuery 的作用越来越小。除了维护老项目，新手上手真的没必要花太多时间，属于 “了解即可，不必精通”。 SSM 框架（Spring + SpringMVC + MyBatis） 不是说它没用，而是 Spring Boot 已经把它整合得明明白白，手动配置 SSM 的时代早就过去了。现在还去啃繁琐的 XML 配置，性价比太低，直接学 Spring Boot + MyBatis-Plus 更香。 传统的模板引擎（JSP、Thymeleaf） 前后端分离已是主流，前端负责页面渲染，后端只出接口，JSP 这种混合开发的模式越来越少见。除非是维护老项目，否则新开发完全可以不用碰，把精力放在前端框架上更划算。 最后说一句：技术没有高低贵贱，只有 “合适不合适”！比如我天天玩的 ArkTS，在 HarmonyOS 生态里是 “香饽饽”，换个生态可能就没人知道～各位社区的小伙伴心中的技术排行榜又是怎样的？我们评论区见！

您好，403报错您可以参考排障指南进行排查：https://cloud.tencent.com/document/product/1552/112498

移动端目前只支持原生接入方式，如果使用uniapp方式接入需要开发者自行封装

根据您的问题，您需要从一个不完整（类似“U型半边”）的弯管点云（PLY格式）中，识别并分离出圆柱段和圆环段，最终目标是提取所有圆柱段部分。这是一个典型的基于点云数据的弯管特征识别与分割问题。结合搜索结果，以下是实现这一目标的方法、步骤和技术路线。 一、 问题分析与核心思路 您描述的“只有半边”、“类似U型的半边”、“只能看到顶部的拱形”的点云，本质上是一个单视角扫描得到的、不完整的弯管表面点云。其特点是： 数据不完整：由于是单视角扫描，弯管的底部或另一侧表面数据缺失，无法获得完整的圆柱或圆环截面。 结构特征：弯管由交替的圆柱段（直管部分）和圆环段（弯曲部分）组成。 目标：从残缺的点云中，区分出哪些点属于圆柱段，哪些点属于圆环段，并最终提取圆柱段数据。 核心解决思路是：通过分析点云的局部几何属性（主要是曲率），来区分具有不同曲面类型的区域。圆柱面是直纹面，一个主曲率为零；圆环面是双曲面，两个主曲率均不为零且符号相同（对于管道外表面）。这种差异是聚类分割的理论基础。 二、 技术实现步骤 以下是一个结合了理论方法与工程实践的综合步骤，您可以根据此流程编写代码（例如使用Python的Open3D、NumPy等库）。 步骤1：读取与预处理PLY文件 首先，需要将PLY文件加载到程序中。PLY文件通常包含顶点坐标，可能还有颜色、法向量等信息。对于点云处理，推荐使用open3d或plyfile库。 使用Open3D读取：它能自动提取x, y, z坐标到points属性中，非常方便。 import open3d as o3d pcd = o3d.io.read_point_cloud("your_file.ply") points = np.asarray(pcd.points) # 获取点云坐标数组 预处理：对原始点云进行去噪和滤波，去除飞点和异常值，可以提高后续计算的稳定性和精度。Open3D提供了多种滤波工具，如统计离群点去除、体素下采样等。 步骤2：计算点云的法向量与曲率 这是最关键的一步。需要在每个点的局部邻域内，估算其表面的法向量和曲率属性。 法向量估计：通常基于主成分分析（PCA）。计算每个点及其K近邻点协方差矩阵的最小特征值对应的特征向量，即为该点的法向量估计值。 曲率估计：在获得法向量的基础上，可以拟合局部曲面（如二次曲面），并利用曲面的第一、第二基本形式计算点的主曲率。简单实践中，也可以将协方差矩阵特征值之间的关系（如最小特征值与特征值之和的比值）作为曲率的一种近似度量。圆柱段的点，其一个主曲率接近零；圆环段的点，两个主曲率均较明显且同号。 步骤3：基于主方向映射与聚类的段识别 这是专利文献中提到的核心方法，非常适合处理您的情况。 主方向映射：对于每个点，计算其最大主曲率对应的主方向（即该点切线方向之一）。将所有点的主方向向量，归一化后映射到一个单位球上。 聚类分析：在单位球上，这些映射点会形成聚集。圆柱段上点的主方向会聚集在球上两个对蹠点附近（因为圆柱轴向固定）；而圆环段上点的主方向则会沿着球面上的一个大圆环分布（因为弯曲方向连续变化）。使用聚类算法（如K-Means、DBSCAN）对单位球上的点进行聚类。 初步分类：根据聚类结果，可以将点云初步分为不同的“方向簇”。属于紧凑簇的点很可能来自同一圆柱段，而分布较散或形成环带的点则可能来自圆环段。 步骤4：基于中心线（骨架）与参数化的精炼分割 仅靠曲率聚类可能无法完美分割，尤其对于数据不完整的情况。需要结合拓扑信息。 中心线提取：对点云进行骨架化处理，得到一条代表弯管中心走向的曲线。这对于不完整的点云尤其重要，因为它提供了管道的拓扑结构。 弦长参数化：将点云中的点投影到这条中心线上，并计算各投影点沿中心线的累加弦长，作为每个点的长度参数。 段分割：结合步骤3的聚类结果和步骤4的长度参数，可以更准确地将点云划分为不同的圆柱段和圆环段。例如，在同一长度区间内，如果大部分点都属于同一个“方向簇”，则该区间可能对应一个圆柱段；如果点的“方向簇”标识随长度连续变化，则可能对应一个圆环段。 步骤5：圆柱段提取与模型拟合 在成功识别出圆环段和圆柱段后，即可实现您的目标。 提取圆柱段点云：根据分割标签，将所有标记为圆柱段的点从原始点云中提取出来。 拟合圆柱参数：对每个圆柱段的点，可以使用最小二乘法拟合圆柱面，从而得到该圆柱段的轴心线、半径和位置等精确参数。这有助于您进一步分析或重建“那半边U型管”的几何模型。 三、 总结与建议 流程核心：“曲率/主方向聚类” + “中心线参数化” 是解决您问题的两条相辅相成的技术主线。 针对不完整数据：您提到的“只有半边”增加了难度，因为局部曲面拟合和法向量估计在边界处可能不准。加强预处理滤波和使用稳健的骨架化算法来推断整体结构至关重要。 工具选择：Open3D是一个强大的Python库，涵盖了从点云I/O、预处理、法向量/曲率估计、到聚类分割的许多功能，可以作为主要工具。对于复杂的聚类和拟合，可能需要结合scikit-learn和NumPy。 迭代调整：在实际操作中，邻域大小（K近邻的K值）、聚类算法的参数（如DBSCAN的邻域半径和最小点数）都需要根据您的具体点云密度和噪声水平进行调整。 通过上述步骤，您可以从单视角、不完整的弯管PLY点云中，有效地识别出圆环段，并将其剔除，最终获得所有圆柱段组成的半边结构。

我实习的时候和我朋友讲，我把数据库rm -rf /*了，还录视频给他。（本来就要清空，部门淘来的旧机器，全部清空重新布置）