<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/weipt</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; weipt]]></copyright><item><title><![CDATA[微信小程序一键抠人图的开发经历分享]]></title><link>https://blog.csdn.net/weipt/article/details/170536357</link><guid>https://blog.csdn.net/weipt/article/details/170536357</guid><author>weipt</author><pubDate>Wed, 11 Nov 2026 14:57:58 +0800</pubDate><description><![CDATA[一键抠图（云函数 ONNX 推理，自动方向判定 + 手动反相）证件照四色底、6 个景区背景、随心换（用户自选背景图）前景 / 背景独立缩放平移、重置文字叠加（自定义内容 + 日期）画笔补抠 / 橡皮擦除的精细编辑保存到相册、分享。]]></description><category></category></item><item><title><![CDATA[[特殊字符] 从零手搓一个基于 YOLO11 的通用目标检测工具：支持图片/视频/摄像头实时检测（附源码思路）]]></title><link>https://blog.csdn.net/weipt/article/details/170349501</link><guid>https://blog.csdn.net/weipt/article/details/170349501</guid><author>weipt</author><pubDate>Mon, 09 Nov 2026 15:11:16 +0800</pubDate><description><![CDATA[在计算机视觉领域，YOLO 系列一直是目标检测的“当家花旦”。随着 Ultralytics 发布YOLO11，其在精度和速度上又有了新的突破。最近，我利用 Python + PyQt5 + YOLO11 开发了一款桌面级目标检测工具。它不仅支持对单张图片、本地视频的检测，还能直接调用摄像头进行实时流处理。为了方便调试和演示，我特意针对“人、车、动物”三类常见目标进行了优化，并加入了详细的统计面板。今天就来复盘一下这个项目的开发思路和功能亮点。]]></description><category></category></item><item><title><![CDATA[零成本搭建本地直播换脸：Deep-Live-Cam + OBS 实战记录]]></title><link>https://blog.csdn.net/weipt/article/details/169941135</link><guid>https://blog.csdn.net/weipt/article/details/169941135</guid><author>weipt</author><pubDate>Tue, 03 Nov 2026 14:04:26 +0800</pubDate><description><![CDATA[用 4 个开源项目，在一台 RTX 4060 笔记本上搭起实时换脸直播链路，不花一分钱授权费。]]></description><category></category></item><item><title><![CDATA[用纯 Node.js 做一个会议速记员：声纹认人、未知人员编号，以及四个不报错的坑]]></title><link>https://blog.csdn.net/weipt/article/details/169341410</link><guid>https://blog.csdn.net/weipt/article/details/169341410</guid><author>weipt</author><pubDate>Wed, 28 Oct 2026 10:03:35 +0800</pubDate><description><![CDATA[开会最烦的不是开会，是会后整理纪要。尤其是那种五六个人轮流发言、中间还插话的会。录音在手，但你得反复拖动进度条，靠记忆判断"这句是谁说的"。市面上有些转写服务能做到，但要把整场会议的音频传到别人服务器上——这事在很多公司直接过不了合规。所以我花了几天自己写了一个，跑在本机，不联网。最后一条比听起来重要得多。它是这个项目里改动最多的地方，也是踩坑最集中的地方。]]></description><category></category></item><item><title><![CDATA[视频人物跨时长快速检索：从一闪而过的背影，精确找到他]]></title><link>https://blog.csdn.net/weipt/article/details/169264884</link><guid>https://blog.csdn.net/weipt/article/details/169264884</guid><author>weipt</author><pubDate>Tue, 27 Oct 2026 17:25:08 +0800</pubDate><description><![CDATA[这套方案适合“监控/素材里找人”的本地私有场景：可接受秒级建库预处理，检索阶段毫秒到秒级返回。它不强求人脸，靠“外观 + 姿态”也能命中只有背影的目标。]]></description><category></category></item><item><title><![CDATA[关于视频对讲项目的研究对比：LiveKit / Jitsi / SRS]]></title><link>https://blog.csdn.net/weipt/article/details/168971593</link><guid>https://blog.csdn.net/weipt/article/details/168971593</guid><author>weipt</author><pubDate>Sat, 24 Oct 2026 14:36:17 +0800</pubDate><description><![CDATA[在本机（Windows + Docker）下载并部署了三个主流开源 WebRTC 视频对讲项目，用同一台电脑的两个浏览器标签页实测双向视频通话，目的是对比哪个更适合「开箱即用」。LiveKit：现代 SFU，部署最轻、SDK 最全，实测可用 ✅Jitsi：功能最全（完整会议 UI），部署最重，已修复并可测试 ✅SRS：偏流媒体 / 直播方向，不适合开箱即用做双向对讲（详见下文）⚠️

环境要求




依赖
版本




Windows
10/11


Docker Desktop
29.x（WSL2 后端]]></description><category></category></item><item><title><![CDATA[自己开发的一款免费好用的 Postman 替代接口调试工具- APItools]]></title><link>https://blog.csdn.net/weipt/article/details/168027652</link><guid>https://blog.csdn.net/weipt/article/details/168027652</guid><author>weipt</author><pubDate>Thu, 15 Oct 2026 18:02:20 +0800</pubDate><description><![CDATA[APITools 是我个人开发并持续维护的接口调试工具，目标是做一款轻量、免费、好用的 Postman 替代方案。目前工具已经可以免费下载使用，如果你在日常接口调试中需要一款顺手的小工具，欢迎访问官网APITools — API 调试 · 压测 · 文档生成，一个页面做完下载体验。后续我也会根据大家的反馈持续迭代，加入更多实用的功能。如果你有任何建议或使用中遇到的问题，欢迎在评论区留言交流。]]></description><category></category></item><item><title><![CDATA[告别桌面布局丢失与内存焦虑：我自研的轻量桌面管理器]]></title><link>https://blog.csdn.net/weipt/article/details/167391092</link><guid>https://blog.csdn.net/weipt/article/details/167391092</guid><author>weipt</author><pubDate>Fri, 09 Oct 2026 16:43:10 +0800</pubDate><description><![CDATA[如果你也受够了广告弹窗、布局丢失和内存焦虑，不妨试试自己动手，或者关注一下这类“小而美”的工具。桌面整理本该是一件轻松的事，不该成为每天的心累来源。]]></description><category></category></item><item><title><![CDATA[用 AI 开发的久坐提醒，让我告别腰酸背痛，工作效率反而更高了]]></title><link>https://blog.csdn.net/weipt/article/details/166845802</link><guid>https://blog.csdn.net/weipt/article/details/166845802</guid><author>weipt</author><pubDate>Fri, 09 Oct 2026 16:21:30 +0800</pubDate><description><![CDATA[这款工具最实用的地方，就是可以完全自定义工作时长和休息时长。每个人的工作节奏和身体状况都不一样，固定的 25 分钟工作、5 分钟休息（番茄钟）并不适合所有人。我根据自己的实际情况，把工作时长设置为 45 分钟，休息时长设置为 10 分钟。这样既能保证深度专注的时间，又能在休息时充分放松眼睛和身体。如果你从事的是需要高度集中注意力的工作，可以把工作时长调短一些；如果工作相对轻松，也可以适当延长。设置界面非常简洁直观，只需要拖动滑块或者输入数字，就能轻松调整时长。]]></description><category></category></item><item><title><![CDATA[H5S视频平台：一站式解决Web无插件播放难题，多协议接入轻松搞定]]></title><link>https://blog.csdn.net/weipt/article/details/165746197</link><guid>https://blog.csdn.net/weipt/article/details/165746197</guid><author>weipt</author><pubDate>Thu, 17 Sep 2026 15:25:54 +0800</pubDate><description><![CDATA[H5S视频平台以多协议接入、低延时播放、开放API和完整功能模块，为Web视频应用提供了一套高效、可靠的解决方案。无论你是安防集成商、软件开发商，还是企业IT运维人员，都能从中获得实实在在的价值。现在就下载体验，让视频接入和播放不再成为你的困扰。]]></description><category></category></item><item><title><![CDATA[利用wsl给windows电脑上安装一个ubuntu]]></title><link>https://blog.csdn.net/weipt/article/details/164846961</link><guid>https://blog.csdn.net/weipt/article/details/164846961</guid><author>weipt</author><pubDate>Thu, 10 Sep 2026 14:40:18 +0800</pubDate><description><![CDATA[命令默认会将 Ubuntu 安装到。虽然不能在安装时直接指定路径，但装好后可以。]]></description><category></category></item><item><title><![CDATA[2026年免费AI智能体大乱斗：实测7款工具，只有它让我彻底放弃付费订阅！]]></title><link>https://blog.csdn.net/weipt/article/details/164296717</link><guid>https://blog.csdn.net/weipt/article/details/164296717</guid><author>weipt</author><pubDate>Wed, 02 Sep 2026 14:28:09 +0800</pubDate><description><![CDATA[过去两个月，我把市面上号称"免费"的AI智能体和编程助手几乎都装了一遍，从爱马仕（Hermes）到DeepSeek Harness，从Trae到Qoder，再到WorkBuddy，最后连本地Ollama都没放过。大多数"免费"只是试用期的遮羞布，真正能让我长期白嫖且效率拉满的，居然是一对冷门组合——OpenCode + Granite。这篇文章不吹不黑，把我真实的使用体验、速度对比、免费额度消耗情况全部摊开来讲，标题夸张一点，但内容绝对干货。]]></description><category></category></item><item><title><![CDATA[three.js的开源优秀案例]]></title><link>https://blog.csdn.net/weipt/article/details/164140673</link><guid>https://blog.csdn.net/weipt/article/details/164140673</guid><author>weipt</author><pubDate>Fri, 28 Aug 2026 10:36:10 +0800</pubDate><description><![CDATA[基于Three.js的开源生态非常活跃，在各个领域都有很优秀的项目。我为你整理了几个代表性方向的开源项目，并附上了它们的核心特点。]]></description><category></category></item><item><title><![CDATA[从ollama到llama.cpp]]></title><link>https://blog.csdn.net/weipt/article/details/163975808</link><guid>https://blog.csdn.net/weipt/article/details/163975808</guid><author>weipt</author><pubDate>Sat, 22 Aug 2026 16:07:32 +0800</pubDate><description><![CDATA[如果你用过ollama，那你不妨再来玩玩llama.cpp，这个更强悍，为了继续使用原来在ollama下载的模型，只需要运行以下bat文件即可。服务已启动，打开http://127.0.0.1:8080,熟悉的界面。下来选择运行模型，1是命令，2是webui。运行后，非常方便，系统自动列出原来的模型。]]></description><category></category></item><item><title><![CDATA[本地多模态大模型实战：免费、快速、精准的图片识别与火光烟雾检测]]></title><link>https://blog.csdn.net/weipt/article/details/163719335</link><guid>https://blog.csdn.net/weipt/article/details/163719335</guid><author>weipt</author><pubDate>Thu, 13 Aug 2026 11:01:28 +0800</pubDate><description><![CDATA[本文介绍如何利用本地部署的多模态大模型（如 LLaVA、BakLLaVA）结合 Ollama，实现免费、快速（几秒内完成）、精准的通用图片场景识别与专项火光烟雾检测。文章将涵盖环境搭建、模型选择、代码实现、效果展示与性能优化，并提供完整的实战代码。通过 Ollama 本地部署多模态大模型，我们成功实现了一个免费、快速、精准的图片识别与火光烟雾检测系统。该方案不仅避免了云服务的费用和隐私顾虑，还因其本地推理的特性，在响应速度上表现出色。核心价值。]]></description><category></category></item><item><title><![CDATA[springboot项目运行的几种方式]]></title><link>https://blog.csdn.net/weipt/article/details/163168699</link><guid>https://blog.csdn.net/weipt/article/details/163168699</guid><author>weipt</author><pubDate>Tue, 04 Aug 2026 09:48:30 +0800</pubDate><description><![CDATA["d:\myTraeWork\企业账户测试\北斗时空项目改造\maven\apache-maven-3.9.6\bin\mvn.cmd""d:\myTraeWork\企业账户测试\北斗时空项目改造\bdsk-three-engine\target"d:\myTraeWork\企业账户测试\北斗时空项目改造\bdsk-three-engine\pom.xml。d:\myTraeWork\企业账户测试\北斗时空项目改造\maven\apache-maven-3.9.6。点右上角绿色 ▶ 运行。]]></description><category></category></item><item><title><![CDATA[跑在你电脑上的 AI 智能体，从写代码到做 PPT，一句话搞定]]></title><link>https://blog.csdn.net/weipt/article/details/163292580</link><guid>https://blog.csdn.net/weipt/article/details/163292580</guid><author>weipt</author><pubDate>Wed, 29 Jul 2026 09:37:04 +0800</pubDate><description><![CDATA[🆓 完全免费 · 本地运行 · 隐私安全。]]></description><category></category></item><item><title><![CDATA[基于 Python 与本地 Ollama 的编程智能体 CodeBuilder 实践指南]]></title><link>https://blog.csdn.net/weipt/article/details/163168021</link><guid>https://blog.csdn.net/weipt/article/details/163168021</guid><author>weipt</author><pubDate>Fri, 24 Jul 2026 17:35:08 +0800</pubDate><description><![CDATA[本文介绍如何构建一个本地化编程智能体CodeBuilder，基于Python和Ollama框架运行Qwen-Coder大模型，实现完全离线的代码生成与辅助功能。文章详细讲解了环境配置（安装Ollama、拉取Qwen-Coder模型）、核心类设计（通过API调用实现代码生成、解释、重构和测试生成），并提供了三个典型使用场景示例。该方案解决了云端AI助手的延迟、成本和隐私问题，支持在本地完成代码生成（平均响应时间1-3秒）、复杂代码解释、代码重构优化和单元测试生成等任务，且可通过提示词工程和上下文管理进一步优化]]></description><category></category></item><item><title><![CDATA[当 AI 走进化工工厂]]></title><link>https://blog.csdn.net/weipt/article/details/163162536</link><guid>https://blog.csdn.net/weipt/article/details/163162536</guid><author>weipt</author><pubDate>Fri, 24 Jul 2026 15:02:25 +0800</pubDate><description><![CDATA["某某人在哪""某区域有多少人"——系统直接对接人员定位历史表，按天分表存储的坐标数据被实时解析为区域名称和楼层信息。]]></description><category></category></item><item><title><![CDATA[用Ollama开发聊天程序实战]]></title><link>https://blog.csdn.net/weipt/article/details/162956467</link><guid>https://blog.csdn.net/weipt/article/details/162956467</guid><author>weipt</author><pubDate>Fri, 17 Jul 2026 09:28:38 +0800</pubDate><description><![CDATA[方式核心操作代码量适合场景优点缺点cURL手动拼接JSON，在终端执行最少（单条命令）测试API、调试、快速验证直接、无需环境配置难以处理复杂逻辑，不可用于生产Python库调用函数很少后端服务、数据分析、脚本高级封装、生态丰富、易于调试仅限Python环境JavaScript库调用异步方法很少Web前端、Node.js后端、全栈应用异步高性能、前后端通用需要对JavaScript异步编程有基本了解。]]></description><category></category></item></channel></rss>