代码都是基于mysql实现如果小伙伴们有其他的思路欢迎留言~1.行列转换2.分组求top-n3.连续登录问题包括日期可间断和不可间断4.找连续出现3次及以上的数字5.直播间同时在线人数统计1.行列转换表tb1表tb2行转列也就是tb1-tb2思路是按学生分组后组内分别求各科成绩。selectnameas姓名,max(if(course语文,score,0))as语文,-- 也可以用summax(if(course数学,score,0))as数学,max(if(course英语,score,0))as英语fromtb1groupbyname;列转行tb2-tb1思路是分别选出所有人的各科成绩将各科成绩做个union all合并操作。select姓名asname,语文ascourse,-- 带引号表示此处按字符串对待而不是标识符语文asscorefromtb2unionallselect姓名asname,数学ascourse,数学asscorefromtb2unionallselect姓名asname,英语ascourse,英语asscorefromtb2;2.分组求top-n还用上面行列转换中的那张tb1表现在求语数英中各科最高分的学生方式1最简单的直接使用开窗函数selectname,course,scorefrom(select*,dense_rank()over(partitionbycourseorderbyscoredesc)asrnfromtb1)tbwheretb.rn1;结果方式2下面这种可能没开窗函数那么直观理解实现思路其实就是从tb1表里面逐条取数据每次统计在该记录所属课程的所有记录中比这个记录大的所有记录总数如果是0说明这条记录就是最大的。select*fromtb1where(selectcount(*)fromtb1 tb2wheretb2.coursetb1.courseandtb2.scoretb1.score)0;3.连续登录问题包括日期可间断和不可间断假设有下面这样的一张登录信息表表名loginQ1找出连续登录3天及以上的用户日期不可间断求解思路是各组内对日期排序后在后面标记一个连续递增值如果用户连续登录那登录日期也应该是连续递增的登陆日期减去这个连续递增值得到的都是同一个固定值。selectt.uid,min(t.login_date),-- 连续登录的起始日期max(t.login_date),-- 连续登录的结束日期count(*)-- 连续登天数from(select*,date_sub(login_date,intervalrow_number()over(partitionbyuidorderbylogin_date)day)assub_datefromlogin)tgroupbyt.uid,-- 这里分组要带上uid因为不同用户登录日期作差之后结果可能相等t.sub_datehavingcount(*)3;查询结果Q2找出连续登录3天及以上的用户间断不超过1天也算连续例如“2020-01-19”和“2020-01-21”这两天登录过也算连续3天登录。-- 对每组内的登陆日期排好序后下移一位为了避免各组里面下移后的第一个值为null用1970-01-01作为默认值witht1as(select*,lag(login_date,1,1970-01-01)over(partitionbyuidorderbylogin_date)asnext_datefromlogin),-- 在上表的基础上两日期列作差如果差值2说明前后两天连续或者间断不超过1天t2as(select*,datediff(login_date,next_date)assubfromt1),-- 在上表的基础上再次使用开窗函数目的是对组内对录打标记相同值的为连续登录组t3as(select*,sum(if(sub2,0,1))over(partitionbyuidorderbylogin_date)asgroupidfromt2)-- 最后根据用户uid和连续登录组进行分组组内最大日期-最小日期2时满足连续3天登录selectuid,min(login_date),-- 登录起始日max(login_date),-- 不满足连续时的结束日datediff(max(login_date),min(login_date))1-- 连续登录天数fromt3groupbyuid,groupidhavingdatediff(max(login_date),min(login_date))2;-- 注意日期不连续的时候筛选条件就不能用count(*)了查询结果上面的查询结果可能会出现同一个用户出现多次的情况因为用户可能会在满足连续登录3天之后间断一段时间之后又满足连续3天登录。所以也可以在上面的结果上基于用户的uid去个重。为了方便理解把上面sql查询中的t3表结果贴在下面4.找连续出现3次及以上的数字比如说下面这张表就叫tb表吧从中选出连续出现3次及以上的数字。这是面试中被卡过得一道题当时没啥好的思路想通过变量计数类似代码编程的方式解决下来后总觉得不妥因为毕竟考察的是sql嘛但又一直想不到好的解法直到解决了上面那个可间断日期求连续的问题突然发现这两题解题思路异曲同工。下面直接给出代码每个中间部分都有解释-- tb表中的num列整体下移一位作为新的一列第一个值是空值用本身的num填充witht1as(select*,lag(num,1,num)over()asnext_numfromtb),-- 在t1表的基础上用num列减去新列值如果前后两个数字连续则差值为0t2as(select*,num-next_numassubfromt1),-- t3主要是用来打标记将相同连续的数字后面打上相同的值-- 思路是在t2表的基础上从上到下对sub列做累加如果sub0则加上0否则加上1t3as(select*,-- 这里需要显式指定窗口大小因为over中没有进行排序操作默认的窗口是整张表sum(if(sub0,0,1))over(rowsbetweenunboundedprecedingandcurrentrow)asgroupidfromt2)-- 对t3表按照标记值groupid分组组内数据条数3时满足至少连续3次selectnum,-- 满足条件的重复数字min(id),-- 重复数字的起始idmax(id),-- 重复数字的结束idcount(*)-- 重复次数fromt3groupbygroupidhavingcount(*)3;查询结果下面将原先那种变量计数的实现放在下面可以了解一下selectdistinctnum-- 这里需要做个去重因为根据过滤条件一个出现超过3次的数字会被多次挑选出来from(select*,case-- prev保存的是当前num的前一个num如果相等则计数1whenprevnumthencount:count1-- 如果上一步没有执行走到这一步说明前后两个数字不相等则将计数重新置为1同时将num赋值给prev变量when(prev:num)isnotnullthencount:1endascntfromtb)astwherecnt3;这里补充一下mysql中和:的区别因为开始在这我是有些迷糊的导致面试中写的sql没有跑起来简要来说:只有赋值的意思而包含赋值和比较是否相等两重意思具体哪个意思取决于使用场景所以会有人说当使用set xxxxxx为变量赋值时二者都可以当使用select xxxxxx为变量赋值时必须用:。下面附上官方文档地址和部分截图https://dev.mysql.com/doc/refman/8.0/en/assignment-operators.html#operator_assign-equal5.直播间同时在线人数统计朋友面试中遇到的一个题原题现在有一张表记录了一个用户在直播间的进入时间点和退出时间点表的结构如下live_id(直播间id) user_id(用户id) start_tms(进入直播间的时间) end_tms(退出直播间的时间)1 1 2025-10-01 12:00:01 2025-10-01 12:30:012 2 2025-10-01 12:01:01 2025-10-01 12:30:011 2 2025-10-01 12:05:01 2025-10-01 12:20:012 1 2025-10-01 12:09:01 2025-10-01 12:10:01业务需求1: 哪一个时间段(小时),退出直播间的人数最多?2: 每一个直播间最大同时在线人数是多少3: 每一个直播间人数维持在峰值人数的80%的时长是多久有几次达到该人数水平1、第一问很好解答hour函数对end_tms取下小时分组求和排序就行。2、第二问需要把数据进行拆分每条数据拆成“进入直播间”“退出直播间”进入时给个字段值1退出时给个字段值-1用开窗函数对每个直播间按时间排序sum求和之后找出每个直播间最大的sum结果就行。自己构造了些测试数据为了方便答案验证只构造了单个直播间数据withrecordas(SELECT1ASlive_id,101ASuser_id,2025-10-01 10:00:00ASstart_tms,2025-10-01 10:45:00ASend_tmsUNIONALLSELECT1,102,2025-10-01 10:05:00,2025-10-01 10:30:00UNIONALLSELECT1,104,2025-10-01 10:10:00,2025-10-01 10:25:00UNIONALLSELECT1,107,2025-10-01 10:15:00,2025-10-01 10:40:00UNIONALLSELECT1,102,2025-10-01 11:05:00,2025-10-01 11:30:00UNIONALLSELECT1,104,2025-10-01 11:10:00,2025-10-01 11:25:00UNIONALLSELECT1,107,2025-10-01 11:15:00,2025-10-01 11:40:00),t1as(selectlive_id,user_id,start_tmsasoperate_tms,1asoperatefromrecordunionallselectlive_id,user_id,end_tmsasoperate_tms,-1asoperatefromrecord),t2as(select*,sum(operate)over(partitionbylive_idorderbyoperate_tms,operatedesc)asonline_cntfromt1)selectlive_id,max(online_cnt)fromt2groupbylive_id;3、第二问计算出了直播间的最大同时在线人数。其中临时表t2是每个进入退出事件发生时刻的最大同时在线人数。用t2表关联每个直播间的最大同时在线人数根据是否满足阈值对每行数据打标。之后可以通过找每个满足的区间的起始标识转成连续登陆问题计算。下面为了测试方便将阈值修改为50%计算withrecordas(SELECT1ASlive_id,101ASuser_id,2025-10-01 10:00:00ASstart_tms,2025-10-01 10:45:00ASend_tmsUNIONALLSELECT1,102,2025-10-01 10:05:00,2025-10-01 10:30:00UNIONALLSELECT1,104,2025-10-01 10:10:00,2025-10-01 10:25:00UNIONALLSELECT1,107,2025-10-01 10:15:00,2025-10-01 10:40:00UNIONALLSELECT1,102,2025-10-01 11:05:00,2025-10-01 11:30:00UNIONALLSELECT1,104,2025-10-01 11:10:00,2025-10-01 11:25:00UNIONALLSELECT1,107,2025-10-01 11:15:00,2025-10-01 11:40:00),t1as(selectlive_id,user_id,start_tmsasoperate_tms,1asoperatefromrecordunionallselectlive_id,user_id,end_tmsasoperate_tms,-1asoperatefromrecord),t2as(select*,sum(operate)over(partitionbylive_idorderbyoperate_tms,operatedesc)asonline_cntfromt1),t3as(--第2问的结果selectlive_id,max(online_cnt)asmax_onlinefromt2groupbylive_id),t4as(--对所有同时在线人数按照是否满足「峰值*50%」打标selectt2.*,if(online_cntmax_online*0.5,1,0)asvalidfromt2joint3ont2.live_idt3.live_id),t5as(--当前行中对齐上一行的打标结果和下一行记录的事件时间select*,lag(valid,1,0)over(partitionbylive_idorderbyoperate_tms,operatedesc)asprev_valid,lead(operate_tms,1,null)over(partitionbylive_idorderbyoperate_tms,operatedesc)asnext_operate_tmsfromt4),t6as(--过滤掉所有不符合阈值的时间段在所有符合阈值时间段中按照「当前事件时间有效上一事件时间无效」作为每个满足的区间的起始点select*,sum(if(valid1andprev_valid0,1,0))over(partitionbylive_idorderbyoperate_tms,operatedesc)asgroup_idfromt5wherevalid1)selectlive_id,count(distinctgroup_id),--满足次数sum(unix_seconds(cast(next_operate_tmsastimestamp))-unix_seconds(cast(operate_tmsastimestamp)))astotal_valid_seconds--满足总时长 单位s PS:如果最后一条记录也包含在满足的区间内会漏算掉最后一次事件到之后的时间fromt6groupbylive_id;最大同时在线人数4满足50%阈值时为2。测试数据中满足连续2的区间为2025-10-01 10:05:00 ~ 2025-10-01 10:40:00和2025-10-01 11:10:00 ~ 2025-10-01 11:30:00一共2次55min输出结果符合预期。
分享一些常见的SQL计算面试题
发布时间：2026/5/16 15:33:34
代码都是基于mysql实现如果小伙伴们有其他的思路欢迎留言~1.行列转换2.分组求top-n3.连续登录问题包括日期可间断和不可间断4.找连续出现3次及以上的数字5.直播间同时在线人数统计1.行列转换表tb1表tb2行转列也就是tb1-tb2思路是按学生分组后组内分别求各科成绩。selectnameas姓名,max(if(course语文,score,0))as语文,-- 也可以用summax(if(course数学,score,0))as数学,max(if(course英语,score,0))as英语fromtb1groupbyname;列转行tb2-tb1思路是分别选出所有人的各科成绩将各科成绩做个union all合并操作。select姓名asname,语文ascourse,-- 带引号表示此处按字符串对待而不是标识符语文asscorefromtb2unionallselect姓名asname,数学ascourse,数学asscorefromtb2unionallselect姓名asname,英语ascourse,英语asscorefromtb2;2.分组求top-n还用上面行列转换中的那张tb1表现在求语数英中各科最高分的学生方式1最简单的直接使用开窗函数selectname,course,scorefrom(select*,dense_rank()over(partitionbycourseorderbyscoredesc)asrnfromtb1)tbwheretb.rn1;结果方式2下面这种可能没开窗函数那么直观理解实现思路其实就是从tb1表里面逐条取数据每次统计在该记录所属课程的所有记录中比这个记录大的所有记录总数如果是0说明这条记录就是最大的。select*fromtb1where(selectcount(*)fromtb1 tb2wheretb2.coursetb1.courseandtb2.scoretb1.score)0;3.连续登录问题包括日期可间断和不可间断假设有下面这样的一张登录信息表表名loginQ1找出连续登录3天及以上的用户日期不可间断求解思路是各组内对日期排序后在后面标记一个连续递增值如果用户连续登录那登录日期也应该是连续递增的登陆日期减去这个连续递增值得到的都是同一个固定值。selectt.uid,min(t.login_date),-- 连续登录的起始日期max(t.login_date),-- 连续登录的结束日期count(*)-- 连续登天数from(select*,date_sub(login_date,intervalrow_number()over(partitionbyuidorderbylogin_date)day)assub_datefromlogin)tgroupbyt.uid,-- 这里分组要带上uid因为不同用户登录日期作差之后结果可能相等t.sub_datehavingcount(*)3;查询结果Q2找出连续登录3天及以上的用户间断不超过1天也算连续例如“2020-01-19”和“2020-01-21”这两天登录过也算连续3天登录。-- 对每组内的登陆日期排好序后下移一位为了避免各组里面下移后的第一个值为null用1970-01-01作为默认值witht1as(select*,lag(login_date,1,1970-01-01)over(partitionbyuidorderbylogin_date)asnext_datefromlogin),-- 在上表的基础上两日期列作差如果差值2说明前后两天连续或者间断不超过1天t2as(select*,datediff(login_date,next_date)assubfromt1),-- 在上表的基础上再次使用开窗函数目的是对组内对录打标记相同值的为连续登录组t3as(select*,sum(if(sub2,0,1))over(partitionbyuidorderbylogin_date)asgroupidfromt2)-- 最后根据用户uid和连续登录组进行分组组内最大日期-最小日期2时满足连续3天登录selectuid,min(login_date),-- 登录起始日max(login_date),-- 不满足连续时的结束日datediff(max(login_date),min(login_date))1-- 连续登录天数fromt3groupbyuid,groupidhavingdatediff(max(login_date),min(login_date))2;-- 注意日期不连续的时候筛选条件就不能用count(*)了查询结果上面的查询结果可能会出现同一个用户出现多次的情况因为用户可能会在满足连续登录3天之后间断一段时间之后又满足连续3天登录。所以也可以在上面的结果上基于用户的uid去个重。为了方便理解把上面sql查询中的t3表结果贴在下面4.找连续出现3次及以上的数字比如说下面这张表就叫tb表吧从中选出连续出现3次及以上的数字。这是面试中被卡过得一道题当时没啥好的思路想通过变量计数类似代码编程的方式解决下来后总觉得不妥因为毕竟考察的是sql嘛但又一直想不到好的解法直到解决了上面那个可间断日期求连续的问题突然发现这两题解题思路异曲同工。下面直接给出代码每个中间部分都有解释-- tb表中的num列整体下移一位作为新的一列第一个值是空值用本身的num填充witht1as(select*,lag(num,1,num)over()asnext_numfromtb),-- 在t1表的基础上用num列减去新列值如果前后两个数字连续则差值为0t2as(select*,num-next_numassubfromt1),-- t3主要是用来打标记将相同连续的数字后面打上相同的值-- 思路是在t2表的基础上从上到下对sub列做累加如果sub0则加上0否则加上1t3as(select*,-- 这里需要显式指定窗口大小因为over中没有进行排序操作默认的窗口是整张表sum(if(sub0,0,1))over(rowsbetweenunboundedprecedingandcurrentrow)asgroupidfromt2)-- 对t3表按照标记值groupid分组组内数据条数3时满足至少连续3次selectnum,-- 满足条件的重复数字min(id),-- 重复数字的起始idmax(id),-- 重复数字的结束idcount(*)-- 重复次数fromt3groupbygroupidhavingcount(*)3;查询结果下面将原先那种变量计数的实现放在下面可以了解一下selectdistinctnum-- 这里需要做个去重因为根据过滤条件一个出现超过3次的数字会被多次挑选出来from(select*,case-- prev保存的是当前num的前一个num如果相等则计数1whenprevnumthencount:count1-- 如果上一步没有执行走到这一步说明前后两个数字不相等则将计数重新置为1同时将num赋值给prev变量when(prev:num)isnotnullthencount:1endascntfromtb)astwherecnt3;这里补充一下mysql中和:的区别因为开始在这我是有些迷糊的导致面试中写的sql没有跑起来简要来说:只有赋值的意思而包含赋值和比较是否相等两重意思具体哪个意思取决于使用场景所以会有人说当使用set xxxxxx为变量赋值时二者都可以当使用select xxxxxx为变量赋值时必须用:。下面附上官方文档地址和部分截图https://dev.mysql.com/doc/refman/8.0/en/assignment-operators.html#operator_assign-equal5.直播间同时在线人数统计朋友面试中遇到的一个题原题现在有一张表记录了一个用户在直播间的进入时间点和退出时间点表的结构如下live_id(直播间id) user_id(用户id) start_tms(进入直播间的时间) end_tms(退出直播间的时间)1 1 2025-10-01 12:00:01 2025-10-01 12:30:012 2 2025-10-01 12:01:01 2025-10-01 12:30:011 2 2025-10-01 12:05:01 2025-10-01 12:20:012 1 2025-10-01 12:09:01 2025-10-01 12:10:01业务需求1: 哪一个时间段(小时),退出直播间的人数最多?2: 每一个直播间最大同时在线人数是多少3: 每一个直播间人数维持在峰值人数的80%的时长是多久有几次达到该人数水平1、第一问很好解答hour函数对end_tms取下小时分组求和排序就行。2、第二问需要把数据进行拆分每条数据拆成“进入直播间”“退出直播间”进入时给个字段值1退出时给个字段值-1用开窗函数对每个直播间按时间排序sum求和之后找出每个直播间最大的sum结果就行。自己构造了些测试数据为了方便答案验证只构造了单个直播间数据withrecordas(SELECT1ASlive_id,101ASuser_id,2025-10-01 10:00:00ASstart_tms,2025-10-01 10:45:00ASend_tmsUNIONALLSELECT1,102,2025-10-01 10:05:00,2025-10-01 10:30:00UNIONALLSELECT1,104,2025-10-01 10:10:00,2025-10-01 10:25:00UNIONALLSELECT1,107,2025-10-01 10:15:00,2025-10-01 10:40:00UNIONALLSELECT1,102,2025-10-01 11:05:00,2025-10-01 11:30:00UNIONALLSELECT1,104,2025-10-01 11:10:00,2025-10-01 11:25:00UNIONALLSELECT1,107,2025-10-01 11:15:00,2025-10-01 11:40:00),t1as(selectlive_id,user_id,start_tmsasoperate_tms,1asoperatefromrecordunionallselectlive_id,user_id,end_tmsasoperate_tms,-1asoperatefromrecord),t2as(select*,sum(operate)over(partitionbylive_idorderbyoperate_tms,operatedesc)asonline_cntfromt1)selectlive_id,max(online_cnt)fromt2groupbylive_id;3、第二问计算出了直播间的最大同时在线人数。其中临时表t2是每个进入退出事件发生时刻的最大同时在线人数。用t2表关联每个直播间的最大同时在线人数根据是否满足阈值对每行数据打标。之后可以通过找每个满足的区间的起始标识转成连续登陆问题计算。下面为了测试方便将阈值修改为50%计算withrecordas(SELECT1ASlive_id,101ASuser_id,2025-10-01 10:00:00ASstart_tms,2025-10-01 10:45:00ASend_tmsUNIONALLSELECT1,102,2025-10-01 10:05:00,2025-10-01 10:30:00UNIONALLSELECT1,104,2025-10-01 10:10:00,2025-10-01 10:25:00UNIONALLSELECT1,107,2025-10-01 10:15:00,2025-10-01 10:40:00UNIONALLSELECT1,102,2025-10-01 11:05:00,2025-10-01 11:30:00UNIONALLSELECT1,104,2025-10-01 11:10:00,2025-10-01 11:25:00UNIONALLSELECT1,107,2025-10-01 11:15:00,2025-10-01 11:40:00),t1as(selectlive_id,user_id,start_tmsasoperate_tms,1asoperatefromrecordunionallselectlive_id,user_id,end_tmsasoperate_tms,-1asoperatefromrecord),t2as(select*,sum(operate)over(partitionbylive_idorderbyoperate_tms,operatedesc)asonline_cntfromt1),t3as(--第2问的结果selectlive_id,max(online_cnt)asmax_onlinefromt2groupbylive_id),t4as(--对所有同时在线人数按照是否满足「峰值*50%」打标selectt2.*,if(online_cntmax_online*0.5,1,0)asvalidfromt2joint3ont2.live_idt3.live_id),t5as(--当前行中对齐上一行的打标结果和下一行记录的事件时间select*,lag(valid,1,0)over(partitionbylive_idorderbyoperate_tms,operatedesc)asprev_valid,lead(operate_tms,1,null)over(partitionbylive_idorderbyoperate_tms,operatedesc)asnext_operate_tmsfromt4),t6as(--过滤掉所有不符合阈值的时间段在所有符合阈值时间段中按照「当前事件时间有效上一事件时间无效」作为每个满足的区间的起始点select*,sum(if(valid1andprev_valid0,1,0))over(partitionbylive_idorderbyoperate_tms,operatedesc)asgroup_idfromt5wherevalid1)selectlive_id,count(distinctgroup_id),--满足次数sum(unix_seconds(cast(next_operate_tmsastimestamp))-unix_seconds(cast(operate_tmsastimestamp)))astotal_valid_seconds--满足总时长 单位s PS:如果最后一条记录也包含在满足的区间内会漏算掉最后一次事件到之后的时间fromt6groupbylive_id;最大同时在线人数4满足50%阈值时为2。测试数据中满足连续2的区间为2025-10-01 10:05:00 ~ 2025-10-01 10:40:00和2025-10-01 11:10:00 ~ 2025-10-01 11:30:00一共2次55min输出结果符合预期。
相关文章
【ElevenLabs尼泊尔文语音实战指南】：20年AI语音工程师亲授7大避坑要点与本地化部署全流程
更多请点击： https://intelliparadigm.com 第一章：ElevenLabs尼泊尔文语音技术概览与核心价值 ElevenLabs 自 2023 年起逐步扩展其多语言语音合成能力，尼泊尔文（Nepali, ISO 639-1: ne）作为首批支持的南亚语系之一&am…
终极地铁线路图生成工具：零基础快速创建专业交通可视化
终极地铁线路图生成工具：零基础快速创建专业交通可视化 【免费下载链接】transit-map The server and client used in transit map simulations like swisstrains.ch 项目地址: https://gitcode.com/gh_mirrors/tr/transit-map 还在为复杂的交通网络可视化而…
第四章：深入系统底层 —— Root提权与内核漏洞
1. 为什么应用层不够了？ 在前三章，我们假设App运行在一个“受限”的环境里。但作为渗透测试员，我们的目标是“全设备控制”。 场景引入： 某银行App做了极致的防御： 检测 Frida（第二章失效）。…
Motrix WebExtension：三步开启浏览器极速下载新体验
Motrix WebExtension：三步开启浏览器极速下载新体验 【免费下载链接】motrix-webextension A browser extension for the Motrix Download Manager and its forks 项目地址: https://gitcode.com/gh_mirrors/mo/motrix-webextension 嘿，各位下载爱…
终极Beyond Compare 5密钥生成器使用指南
终极Beyond Compare 5密钥生成器使用指南 【免费下载链接】BCompare_Keygen Keygen for BCompare 5 项目地址: https://gitcode.com/gh_mirrors/bc/BCompare_Keygen 当您使用Beyond Compare 5进行文件对比时，是否遇到过评估期结束后功能受限的困扰࿱…
传统ReID跨镜跟踪与镜像视界无感定位技术解析方案
一、方案概述本方案针对传统行人重识别（ReID）跨镜跟踪技术与镜像视界浙江科技有限公司（以下简称“镜像视界”）无感定位技术，从底层技术原理、核心性能指标、部署应用成本、场景适配能力等维度进行全面解析，…
告别Dice Loss的烦恼：用Boundary Loss搞定医学图像分割中的小目标难题（PyTorch实战）
医学图像分割新突破：Boundary Loss解决小目标分割难题的PyTorch实践指南 在CT扫描图中发现3毫米的肺部结节，或在显微镜图像中定位单个癌细胞——这类医学图像分割任务常让研究者陷入两难：传统方法要么将微小病灶误判为噪声，要么因…
Go语言入门指南：从环境搭建到项目实战的完整流程
1. 项目概述：为什么Go值得你投入时间？ 如果你是一名开发者，最近几年肯定没少听到“Go语言”或者“Golang”这个名字。它可能出现在你同事讨论的后端服务里，在你使用的Docker或Kubernetes的源码中，或者是你心仪的某个创…
MAA明日方舟助手：解放双手的智能游戏管家终极指南
MAA明日方舟助手：解放双手的智能游戏管家终极指南 【免费下载链接】MaaAssistantArknights 《明日方舟》小助手，全日常一键长草！| A one-click tool for the daily tasks of Arknights, supporting all clients. 项目地址: https://gitcode…
SD-PPP：在Photoshop中开启智能设计革命的终极AI插件
SD-PPP：在Photoshop中开启智能设计革命的终极AI插件 【免费下载链接】sd-ppp A Photoshop AI plugin 项目地址: https://gitcode.com/gh_mirrors/sd/sd-ppp 你是否厌倦了在Photoshop和AI工具之间频繁切换，打断了创意的流畅性？SD-PPP正…
NomNom存档编辑器：解放你的《无人深空》游戏体验终极指南
NomNom存档编辑器：解放你的《无人深空》游戏体验终极指南 【免费下载链接】NomNom NomNom is the most complete savegame editor for NMS but also shows additional information around the data youre about to change. You can also easily look up each item i…
5个专业策略：构建企业级本地漏洞情报分析平台
5个专业策略：构建企业级本地漏洞情报分析平台 【免费下载链接】cve-search cve-search - a tool to perform local searches for known vulnerabilities 项目地址: https://gitcode.com/gh_mirrors/cv/cve-search 在当今复杂的网络安全环境中，快速…
贾子理论与AI时代文明竞争：从暴力计算到本质贯通的范式重构
贾子理论与AI时代文明竞争：从暴力计算到本质贯通的范式重构摘要本文基于贾子理论的文明竞争视角，揭示中美AI战略差异的本质并非技术参数较量，而是“暴力计算”与“本质贯通”两种文明范式的根本对立。美国依赖算力堆叠与资本逻辑追求技术霸权…
2026年AI大模型API中转平台排名揭晓，诗云API(ShiyunApi)脱颖而出成省心之选
在AI开发领域，如何接入模型厂商的官方API是一个绕不开的现实问题。对于海外开发者来说，注册、绑卡、调用，三步即可轻松搞定。然而，国内开发者却面临着跨境网络波动、外币支付门槛、发票合规需求以及多厂商Key碎片化管理等诸多“非…
基于飞书与OpenAI构建企业级AI助手：架构、部署与深度优化指南
1. 项目概述：当飞书遇上AI，一个企业级智能助手的诞生 最近在折腾一个挺有意思的项目，叫“ConnectAI-E/feishu-openai”。简单来说，它就是一个桥梁，把飞书这个强大的企业协作平台，和以ChatGPT为代表的OpenA…
MPC-BE：基于DirectShow架构的专业级开源媒体播放解决方案
MPC-BE：基于DirectShow架构的专业级开源媒体播放解决方案 【免费下载链接】MPC-BE MPC-BE – универсальный проигрыватель аудио и видеофайлов для операционной системы Windows. 项目地址:…
如何快速计算3D模型体积和重量：STL-Volume-Model-Calculator终极指南
如何快速计算3D模型体积和重量：STL-Volume-Model-Calculator终极指南 【免费下载链接】STL-Volume-Model-Calculator STL Volume Model Calculator Python 项目地址: https://gitcode.com/gh_mirrors/st/STL-Volume-Model-Calculator 你是否曾经为3D打印项目…
通过Taotoken CLI工具一键配置团队开发环境与模型密钥
通过Taotoken CLI工具一键配置团队开发环境与模型密钥 1. CLI工具安装与基本使用 Taotoken提供的CLI工具可通过npm全局安装或直接使用npx运行。对于需要频繁使用CLI的团队，推荐全局安装： npm install -g taotoken/taotoken对于临时使用或项目级配置&a…