当前位置： 首页 > news >正文

【ROS2学习笔记】话题通信篇：话题通信再探

news 2025/10/3 5:34:18

前言

本系列博文是本人的学习笔记，自用为主，不是教程，学习请移步其他大佬的相关教程。前几篇学习资源来自鱼香ROS大佬的详细教程，适合深入学习，但对本人这样的初学者不算友好，而且涉及python与C++混合编程内容，增加了学习成本，后续笔记将以@古月居的ROS2入门21讲为主，侵权即删。

一、基础概念

1. 话题通信核心概念

1.1 什么是话题？

话题是 ROS2 中节点（Node）之间传递数据的桥梁，用于实现节点间的单向数据传输。

  • 场景举例：相机节点（A）获取图像数据，视频监控节点（B）需要显示图像，此时 A 通过话题将图像数据传给 B，B 才能完成可视化。

1.2 话题的通信模型：发布 / 订阅（Pub/Sub）

话题基于DDS（数据分发服务） 实现，核心是 “发布者 - 订阅者” 模式，类比生活中的 “微信公众号”：

ROS2 概念微信公众号类比作用说明
话题名称公众号名称（如 “古月居”）唯一标识，发布者和订阅者通过名称匹配
发布者（Publisher）公众号小编发送数据的节点（主动推送数据）
订阅者（Subscriber）公众号订阅用户接收数据的节点（被动接收数据）
消息类型公众号文章格式（如图文）数据的固定格式（如字符串、图像），确保收发双方理解一致

1.3 话题的 2 个关键特性

（1）多对多通信
  • 一个话题可以有多个发布者，也可以有多个订阅者：
    • 例 1：2 个摇杆节点（发布者）同时向 “/cmd_vel” 话题发控制指令，1 个机器人节点（订阅者）接收。
    • 例 2：1 个相机节点（发布者）向 “/image_raw” 话题发图像，2 个节点（订阅者：监控 + 识别）同时接收。
  • ⚠️ 注意：多发布者时需设置优先级，避免机器人 “混乱”。
（2）异步通信
  • 发布者发送数据后，不关心订阅者何时接收 / 处理（类似公众号发文章，小编不知道用户何时阅读）。
  • 适用场景：周期发布的数据（如传感器数据、控制指令）。
  • 不适用场景：需要即时响应的指令（如修改参数）。

1.4 消息接口（Msg）：统一数据格式

  • 问题：如果发布者发 “英文”，订阅者理解为 “中文”，数据会失效。
  • 解决方案：消息（Msg） ——ROS2 定义的标准化数据格式，与编程语言无关。
    • 标准消息：ROS2 已内置（如std_msgs/msg/String（字符串）、sensor_msgs/msg/Image（图像））。
    • 自定义消息：通过.msg文件定义（如自定义 “温度 + 湿度” 消息）。
  • 例：sensor_msgs/msg/Image包含的信息：图像宽度、高度、像素格式（如 bgr8）、像素数据等。

二、项目实战（全流程）

1. 第一步：创建 ROS2 工作空间

工作空间是 ROS2 项目的 “容器”，用于存放功能包、代码、编译产物等，所有开发都需在工作空间中进行。标准 ROS2 工作空间结构如下：

工作空间名称/
├── build/       # 编译过程中生成的中间文件（自动创建）
├── install/     # 编译后的可执行文件、库、环境变量（自动创建）
├── log/         # 编译和运行日志（自动创建）
└── src/         # 核心目录：存放功能包（需手动创建）

1.1 创建工作空间目录

打开终端，执行以下命令，创建名为ros2_ws的工作空间（名称可自定义，建议用_ws后缀标识）：

# 1. 进入用户主目录（也可选择其他路径，如~/code）
cd ~# 2. 创建工作空间根目录ros2_ws
mkdir -p ros2_ws/src  # -p：确保父目录（ros2_ws）和子目录（src）都创建# 3. 进入工作空间根目录
cd ros2_ws
  • 说明：src目录是必须手动创建的核心目录，后续所有功能包都放在src下；build、install、log会在编译时自动生成，无需手动创建。

1.2 初始化工作空间（可选，仅首次）

若工作空间是首次创建，可执行以下命令初始化（主要用于生成编译配置模板，对 Python 项目非强制，但建议执行以保证规范）：

# 在ros2_ws目录下执行（确保当前路径是~/ros2_ws）
colcon build --symlink-install
  • colcon build：ROS2 的编译工具，用于编译工作空间中的功能包；
  • --symlink-install：创建符号链接（而非复制文件），修改 Python 代码后无需重新编译，直接运行即可（对 Python 开发非常友好，建议每次编译都加此参数）。

执行后，会自动生成build、install、log三个目录，工作空间初始化完成。

2. 第二步：创建功能包

功能包是 ROS2 代码的 “最小组织单元”，一个功能包可包含多个节点、话题、服务等。需在src目录下创建功能包，且必须指定依赖项（如rclpy（ROS2 Python 接口）、std_msgs（标准消息）等）。

2.1 进入 src 目录并创建功能包

在ros2_ws目录下，执行以下命令创建名为learning_topic的功能包（名称对应之前的示例，便于衔接）：

# 1. 进入src目录（当前路径：~/ros2_ws）
cd src# 2. 创建功能包：指定包名、依赖项
ros2 pkg create learning_topic \
--build-type ament_python \  # 编译类型：ament_python（Python项目），C++项目用ament_cmake
--dependencies rclpy std_msgs sensor_msgs cv_bridge opencv-python \  # 依赖项（空格分隔）
--node-name topic_helloworld_pub  # 可选：创建包时自动生成一个节点文件（这里先指定发布者节点名）
  • 依赖项说明（必须包含，否则后续代码会报错）：
    • rclpy：ROS2 Python 核心接口库（所有 Python 节点都需要）；
    • std_msgs：ROS2 标准消息库（提供 String 等基础消息类型）；
    • sensor_msgs：ROS2 传感器消息库（提供 Image 等图像消息类型，机器视觉案例需用）；
    • cv_bridge：ROS2 与 OpenCV 的图像格式转换工具（机器视觉案例需用）；
    • opencv-python：Python 版 OpenCV 库（机器视觉案例需用）。

2.2 查看功能包结构

创建完成后，src目录下会生成learning_topic文件夹，结构如下：

learning_topic/
├── learning_topic/        # 包的核心代码目录（与包名同名）
│   ├── __init__.py        # Python包初始化文件（空文件即可）
│   └── topic_helloworld_pub.py  # 自动生成的发布者节点文件（后续修改）
├── resource/              # 资源文件目录（如配置文件，暂不用）
│   └── learning_topic
├── test/                  # 测试文件目录（暂不用）
├── package.xml            # 功能包配置文件（指定依赖、作者等）
├── setup.cfg              # Python包安装配置（自动生成，无需修改）
└── setup.py               # 编译配置文件（指定入口点、依赖等，关键文件）

3. 第三步：编写代码（在功能包中）

接下来，在learning_topic/learning_topic/目录下编写之前的 3 个核心节点代码（Hello World 发布者 / 订阅者、相机发布者 / 订阅者）。首先进入代码目录：

# 进入核心代码目录（当前路径：~/ros2_ws/src/learning_topic）
cd learning_topic

3.1 案例一：Hello World 话题通信（发布者 + 订阅者）

3.1.1 发布者代码（topic_helloworld_pub.py）

若之前创建包时已自动生成该文件，直接覆盖内容；若未生成，新建文件并写入以下代码：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-"""
@作者: 古月居(www.guyuehome.com)
@说明: ROS2话题示例-发布“Hello World”话题
"""# 导入ROS2 Python核心接口库
import rclpy
# 导入ROS2节点类（所有自定义节点需继承此类）
from rclpy.node import Node
# 导入ROS2标准字符串消息类型
from std_msgs.msg import String"""
自定义发布者节点类，继承自Node
"""
class PublisherNode(Node):def __init__(self, name):# 调用父类Node的初始化方法，设置节点名称super().__init__(name)# 创建发布者对象：消息类型String、话题名"chatter"、队列长度10self.pub = self.create_publisher(String, "chatter", 10)# 创建定时器：周期0.5秒，触发回调函数timer_callbackself.timer = self.create_timer(0.5, self.timer_callback)# （新增）打印节点初始化日志，方便调试self.get_logger().info("Hello World发布者节点已启动！")# 定时器回调函数：定时发布消息def timer_callback(self):# 创建String消息对象msg = String()# 给消息赋值msg.data = "Hello World! 这是ROS2话题通信示例"# 发布消息self.pub.publish(msg)# 打印发布日志self.get_logger().info(f"已发布：{msg.data}")# 主入口函数
def main(args=None):# 初始化ROS2 Python接口rclpy.init(args=args)# 创建发布者节点对象node = PublisherNode("topic_helloworld_pub")# 循环运行节点（阻塞线程，确保回调函数执行）rclpy.spin(node)# 销毁节点（释放资源）node.destroy_node()# 关闭ROS2接口rclpy.shutdown()
3.1.2 订阅者代码（新建 topic_helloworld_sub.py）

在learning_topic/learning_topic/目录下新建文件，命名为topic_helloworld_sub.py，写入以下代码：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-"""
@作者: 古月居(www.guyuehome.com)
@说明: ROS2话题示例-订阅“Hello World”话题
"""# 导入ROS2核心库
import rclpy
# 导入ROS2节点类
from rclpy.node import Node
# 导入标准字符串消息类型
from std_msgs.msg import String"""
自定义订阅者节点类，继承自Node
"""
class SubscriberNode(Node):def __init__(self, name):# 初始化节点，设置名称super().__init__(name)# 创建订阅者对象：消息类型String、话题名"chatter"、回调函数、队列长度10self.sub = self.create_subscription(String, "chatter", self.listener_callback, 10)# （新增）打印节点初始化日志self.get_logger().info("Hello World订阅者节点已启动！")# 订阅者回调函数：收到消息后执行def listener_callback(self, msg):# 打印收到的消息self.get_logger().info(f"已接收：{msg.data}")# 主入口函数
def main(args=None):# 初始化ROS2rclpy.init(args=args)# 创建订阅者节点node = SubscriberNode("topic_helloworld_sub")# 循环运行节点rclpy.spin(node)# 销毁节点node.destroy_node()# 关闭ROS2rclpy.shutdown()

3.2 案例二：机器视觉识别（相机发布者 + 订阅者）

3.2.1 相机发布者代码（新建 topic_webcam_pub.py）

在learning_topic/learning_topic/目录下新建文件，命名为topic_webcam_pub.py：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-"""
@作者: 古月居(www.guyuehome.com)
@说明: ROS2话题示例-发布相机图像话题
"""import rclpy
from rclpy.node import Node
from sensor_msgs.msg import Image  # 图像消息类型
from cv_bridge import CvBridge      # ROS-OpenCV图像转换
import cv2                          # OpenCV库class ImagePublisher(Node):def __init__(self, name):super().__init__(name)# 创建图像发布者：话题名"image_raw"（ROS2相机标准话题名）self.pub = self.create_publisher(Image, "image_raw", 10)# 定时器：0.1秒触发一次（10帧/秒）self.timer = self.create_timer(0.1, self.timer_callback)# 初始化相机（0表示默认摄像头，如笔记本内置相机）self.cap = cv2.VideoCapture(0)# 检查相机是否正常打开（新增：避免相机故障导致报错）if not self.cap.isOpened():self.get_logger().error("无法打开相机！请检查相机连接")return# 初始化图像转换对象self.cv_bridge = CvBridge()self.get_logger().info("相机发布者节点已启动！")def timer_callback(self):# 读取一帧图像：ret（是否成功）、frame（OpenCV格式图像）ret, frame = self.cap.read()if not ret:self.get_logger().warning("读取相机图像失败！")return# 将OpenCV图像（BGR）转换为ROS图像消息（格式bgr8）ros_image = self.cv_bridge.cv2_to_imgmsg(frame, "bgr8")# 发布图像消息self.pub.publish(ros_image)self.get_logger().info("正在发布相机图像...")def main(args=None):rclpy.init(args=args)node = ImagePublisher("topic_webcam_pub")rclpy.spin(node)# （新增）释放相机资源if node.cap.isOpened():node.cap.release()node.destroy_node()rclpy.shutdown()
3.2.2 红色物体识别订阅者代码（新建 topic_webcam_sub.py）

在learning_topic/learning_topic/目录下新建文件，命名为topic_webcam_sub.py：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-"""
@作者: 古月居(www.guyuehome.com)
@说明: ROS2话题示例-订阅图像并识别红色物体
"""import rclpy
from rclpy.node import Node
from sensor_msgs.msg import Image
from cv_bridge import CvBridge
import cv2
import numpy as np  # 数值计算库（处理颜色阈值）# 红色物体的HSV颜色范围（抗光照干扰，比RGB更适合颜色识别）
lower_red = np.array([0, 90, 128])   # 下限
upper_red = np.array([180, 255, 255])# 上限class ImageSubscriber(Node):def __init__(self, name):super().__init__(name)# 订阅图像话题"image_raw"self.sub = self.create_subscription(Image, "image_raw", self.listener_callback, 10)self.cv_bridge = CvBridge()self.get_logger().info("视觉识别订阅者节点已启动！")# 红色物体识别函数def detect_red_object(self, frame):# 将BGR图像转换为HSV图像hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)# 二值化：只保留红色区域（白色），其他区域黑色mask = cv2.inRange(hsv, lower_red, upper_red)# 检测红色区域的轮廓contours, _ = cv2.findContours(mask, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)# 过滤小轮廓（噪声）for cnt in contours:if len(cnt) < 150:  # 轮廓像素数小于150，视为噪声continue# 绘制轮廓（绿色，线宽2）cv2.drawContours(frame, [cnt], -1, (0, 255, 0), 2)# 计算轮廓外接矩形，标记中心点x, y, w, h = cv2.boundingRect(cnt)center_x = x + w // 2center_y = y + h // 2# 绘制中心点（绿色，半径5，填充）cv2.circle(frame, (center_x, center_y), 5, (0, 255, 0), -1)# （新增）在图像上标注中心点坐标cv2.putText(frame, f"Center: ({center_x}, {center_y})", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1)# 显示处理后的图像cv2.imshow("Red Object Detection", frame)cv2.waitKey(10)  # 等待10ms，避免图像窗口卡死# 订阅回调函数def listener_callback(self, msg):self.get_logger().info("正在接收相机图像...")# 将ROS图像消息转换为OpenCV图像frame = self.cv_bridge.imgmsg_to_cv2(msg, "bgr8")# 调用红色物体识别函数self.detect_red_object(frame)def main(args=None):rclpy.init(args=args)node = ImageSubscriber("topic_webcam_sub")rclpy.spin(node)# （新增）关闭OpenCV窗口，释放资源cv2.destroyAllWindows()node.destroy_node()rclpy.shutdown()

4. 第四步：配置编译文件（关键！让 ROS2 识别代码）

ROS2 需要通过setup.py（Python 项目）和package.xml（通用配置）识别节点和依赖，必须正确配置才能编译运行。

4.1 配置 setup.py（指定入口点，即终端命令）

打开~/ros2_ws/src/learning_topic/setup.py文件，找到entry_points字段，修改为以下内容（指定每个 Python 脚本对应的终端命令）：

entry_points={'console_scripts': [# 格式："终端命令名" = "包名.文件名:main函数"'topic_helloworld_pub = learning_topic.topic_helloworld_pub:main','topic_helloworld_sub = learning_topic.topic_helloworld_sub:main','topic_webcam_pub = learning_topic.topic_webcam_pub:main','topic_webcam_sub = learning_topic.topic_webcam_sub:main',],
},
  • 作用：编译后，在终端输入topic_helloworld_pub，即可运行对应的 Python 脚本。

4.2 配置 package.xml（确认依赖项）

打开~/ros2_ws/src/learning_topic/package.xml文件，确保<exec_depend>标签包含所有依赖（创建包时已自动添加，若缺失需手动补充）：

<?xml version="1.0"?>
<?xml-model href="http://download.ros.org/schema/package_format3.xsd" schematypens="http://www.w3.org/2001/XMLSchema"?>
<package format="3"><name>learning_topic</name><version>0.0.0</version><description>ROS2话题通信学习示例</description><maintainer email="your_email@example.com">your_name</maintainer><license>Apache-2.0</license><!-- 构建依赖（编译时需要） --><buildtool_depend>ament_cmake_python</buildtool_depend><depend>rclpy</depend><depend>std_msgs</depend><depend>sensor_msgs</depend><depend>cv_bridge</depend><!-- 运行依赖（运行时需要，关键！） --><exec_depend>opencv-python</exec_depend><test_depend>ament_lint_auto</test_depend><test_depend>ament_lint_common</test_depend><export><build_type>ament_python</build_type></export>
</package>
  • 说明：opencv-python是 Python 库，需通过<exec_depend>指定，否则运行时可能提示 “找不到 cv2 模块”。

4.3 赋予 Python 脚本可执行权限（关键！避免 “权限不足”）

ROS2 运行 Python 脚本需要可执行权限，在终端执行以下命令（进入learning_topic/learning_topic目录）：

# 进入代码目录（当前路径：~/ros2_ws/src/learning_topic/learning_topic）
cd ~/ros2_ws/src/learning_topic/learning_topic# 赋予所有Python脚本可执行权限
chmod +x *.py
  • 验证：执行ls -l，若脚本名前有x（如-rwxr-xr-x），说明权限已添加。

5. 第五步：编译工作空间

回到工作空间根目录（~/ros2_ws），执行编译命令，将代码编译为 ROS2 可识别的可执行文件：

# 进入工作空间根目录
cd ~/ros2_ws# 编译工作空间，添加--symlink-install（Python代码修改后无需重新编译）
colcon build --symlink-install --packages-select learning_topic
  • --packages-select learning_topic：只编译learning_topic功能包（避免编译所有功能包，节省时间）；
  • 编译成功标志：终端最后显示 “[100%] Built target ...”，无红色错误信息。

6. 第六步：激活环境并运行节点

编译完成后，需要 “激活” 工作空间的环境变量，让 ROS2 找到编译后的功能包和节点。

6.1 激活环境

在~/ros2_ws目录下执行以下命令：

# 激活当前工作空间的环境（每次打开新终端都需执行，或配置自动激活）
source install/setup.bash
  • 自动激活配置（可选）：若不想每次手动激活，可将命令添加到~/.bashrc文件：
    # 打开.bashrc文件
gedit ~/.bashrc
# 在文件末尾添加一行：
source ~/ros2_ws/install/setup.bash
# 保存并关闭文件，执行以下命令使配置生效：
source ~/.bashrc

6.2 运行 Hello World 案例

需要打开两个终端（均已激活环境）：

终端 1：运行发布者
ros2 run learning_topic topic_helloworld_pub
  • 预期输出：
    [INFO] [topic_helloworld_pub] [1710000000.123456]：Hello World发布者节点已启动！
[INFO] [topic_helloworld_pub] [1710000000.123456]：已发布：Hello World! 这是ROS2话题通信示例
[INFO] [topic_helloworld_pub] [1710000000.623456]：已发布：Hello World! 这是ROS2话题通信示例
终端 2：运行订阅者
ros2 run learning_topic topic_helloworld_sub
  • 预期输出：
    [INFO] [topic_helloworld_sub] [1710000001.123456]：Hello World订阅者节点已启动！
[INFO] [topic_helloworld_sub] [1710000001.123456]：已接收：Hello World! 这是ROS2话题通信示例
[INFO] [topic_helloworld_sub] [1710000001.623456]：已接收：Hello World! 这是ROS2话题通信示例

6.3 运行机器视觉案例

同样需要两个终端，且确保电脑已连接相机（内置或 USB 外接）：

终端 1：运行相机发布者
ros2 run learning_topic topic_webcam_pub
  • 预期输出：
    [INFO] [topic_webcam_pub] [1710000010.123456]：相机发布者节点已启动！
[INFO] [topic_webcam_pub] [1710000010.223456]：正在发布相机图像...
[INFO] [topic_webcam_pub] [1710000010.323456]：正在发布相机图像...
终端 2：运行视觉识别订阅者
ros2 run learning_topic topic_webcam_sub
  • 预期效果：
    1. 弹出 “Red Object Detection” 窗口，显示相机实时画面；
    2. 将红色物体（如苹果、红色笔）对准相机，画面中会用绿色轮廓和中心点标记红色物体，并显示中心点坐标。

6.4 案例三：复用 ROS2 标准相机驱动（优化版）

若不想自己写相机发布者，可直接使用 ROS2 官方的usb_cam驱动，步骤如下：

  1. 安装usb_cam驱动：
    sudo apt install ros-humble-usb-cam
  2. 终端 1：运行官方相机驱动（发布/image_raw话题）：
    ros2 run usb_cam usb_cam_node_exe
  3. 终端 2：运行之前的视觉识别订阅者（无需修改代码）：
    topic_webcam_sub
  • 效果与案例二完全一致，体现 ROS2 “模块化复用” 的优势。

7. 第七步：话题调试工具（验证通信是否正常）

若运行节点后无预期效果，可使用 ROS2 自带的话题工具排查问题，常用命令如下：

命令功能示例（针对 Hello World）
ros2 topic list查看当前所有活跃话题输出：/chatter /image_raw /rosout
ros2 topic info /chatter查看话题详情（发布者 / 订阅者数量、消息类型）输出：Type: std_msgs/msg/String，Publishers: 1
ros2 topic echo /chatter实时打印话题数据输出所有 “Hello World” 消息
ros2 topic hz /chatter查看话题发布频率输出：average rate: 2.00 Hz（每 0.5 秒 1 次）

8. 常见问题排查（初学者必看）

  1. “命令未找到”（如 topic_helloworld_pub: command not found）：

    • 原因：未激活环境或编译失败；
    • 解决：执行source ~/ros2_ws/install/setup.bash，或重新编译工作空间。

  2. “找不到 cv2 模块”（ModuleNotFoundError: No module named 'cv2'）：

    • 原因：未安装 opencv-python；
    • 解决：执行pip install opencv-python（若有多个 Python 版本，用pip3）。

  3. “相机无法打开”（无法打开相机！请检查相机连接）：

    • 原因：相机被占用（如其他软件打开了相机）或未连接；
    • 解决：关闭其他使用相机的软件，重新插拔 USB 相机，或更换相机设备号（将cv2.VideoCapture(0)改为1）。

  4. “订阅者收不到消息”：

    • 原因：话题名不匹配（如发布者用 “chatter”，订阅者用 “chat”）或消息类型不匹配；
    • 解决：检查代码中话题名和消息类型是否完全一致，用ros2 topic list确认话题名。

9. 全流程总结

  1. 创建工作空间：mkdir -p ~/ros2_ws/src → cd ~/ros2_ws；
  2. 创建功能包：cd src → ros2 pkg create learning_topic --build-type ament_python --dependencies ...；
  3. 编写代码：在learning_topic/learning_topic目录下创建 Python 脚本；
  4. 配置文件：修改setup.py（入口点）和package.xml（依赖）；
  5. 赋予权限：chmod +x *.py；
  6. 编译工作空间：cd ~/ros2_ws → colcon build --symlink-install --packages-select learning_topic；
  7. 激活环境：source install/setup.bash；
  8. 运行节点：打开多个终端，分别运行发布者和订阅者；
  9. 调试：用ros2 topic list/info/echo排查问题。

按照以上步骤，即可从 “零” 开始完成 ROS2 话题通信的全流程开发，后续学习服务、动作等通信机制，也可复用此工作空间和功能包结构。

http://www.dtcms.com/a/434285.html

相关文章：

  • 网络编程中“地址重用（SO_REUSEADDR）”
  • 汕头网站建设推广厂家wordpress 响应式图片
  • Rust的错误处理
  • 可视化地图
  • Rust与C接口交互
  • 【C++实战(64)】C++ 邂逅SQLite3：数据库编程实战之旅
  • 泉州网页建站模板开发网址
  • 中华建设杂志网站记者管理网站英文
  • React 18+TS中使用Cesium 1.95
  • View：new关键词干了什么事，还有原型链是什么
  • 如何在新的Spring Boot项目中关闭Spring Security？
  • 药企做网站需要哪些手续国内新闻最新消息今天在线
  • 【Flutter】GetX最佳实践与避坑指南
  • AIFoto 1.15.4 | AI图片工具，AI擦除衣服，变性感衣服
  • 数据合规与ISO标准体系
  • 在Ubuntu22.04系统下安装Jellyfin
  • 福州做网站的app排名优化公司
  • 【Linux系统】快速入门一些常用的基础指令
  • AI自动化测试：接口测试全流程自动化的实现方法——从需求到落地的全链路实践
  • 打开网站建设中是什么意思表白网站制作代码
  • 【MySQL】MVCC：从核心原理到幻读解决方案
  • Unity游戏基础-4（人物移动、相机移动、UI事件处理 代码详解）
  • 神经网络中优化器的作用
  • 电子商务网站建设的流程图什么是软文
  • 【代码管理】git使用指南(新手向)
  • 【大模型】Agent之：从Prompt到Context的演进之路
  • Docker 搭建 Nginx 并启用 HTTPS 具体部署流程
  • 【代码随想录day 34】 力扣 62.不同路径
  • 点击app图标进入网站怎么做小程序软件开发制作
  • 【Rust GUI开发入门】编写一个本地音乐播放器（15. 记录运行日志）