使用 VS Code 连接 MySQL 数据库

Ne0inhk

— 3 min read
使用 VS Code 连接 MySQL 数据库

文章目录

前言

提示：这里可以添加本文要记录的大概内容：

听说VS Code不要钱，功能还和 Navicat 差不多，还能在上面打游戏
但是没安装插件是不行的
发现一个非常牛的博主
还有一个非常牛的大佬

提示：以下是本篇文章正文内容，下面案例可供参考

VS Code下载安装

VS Code下载安装

如何在VS Code上连接MySQL数据库

本篇分享是在已有VS Code这个软件的基础上，数据库举的例子是MySQL

1、打开扩展

​​​​​​​

在这里插入图片描述

2、安装MySQL插件

在搜索框搜索 MySQL和 MySQL Syntax，下载这三个插件

在这里插入图片描述

点击下面的插件，选择【install】安装

在这里插入图片描述

3、连接

安装完成后，点击数据库图标，点击右上角的加号 ‘+’

在这里插入图片描述
在这里插入图片描述

就会出现一个Connect 编辑页，将你的连接信息填到必填项，包括 Host 连接地址、Port 端口号、Username 用户名以及 Password密码（一般只填 password即可）；

其他可选项可根据需求实际填写，例如需要显示的数据库名Showed Database（若不填则显示所有）等；

在这里面输入密码点击连接【Save】或者【Conncet】即可

在这里插入图片描述
在这里插入图片描述

4、现在随便点击一个数据库，比如我点击 eshop

在这里插入图片描述

5、写代码，点击右上方的三角 Run SQL
运行代码查看表是否存在【show tables】，下边为展示结果

在这里插入图片描述

产看表的定义【select * from t_user】，下面显示结果

在这里插入图片描述


以上这些语句都在： 数据库如何建表

导入和导出表结构和数据

导入导出我都是用的命令行
MySQL命令行导入导出数据库

Read more

人工智能：自然语言处理在医疗领域的应用与实战

人工智能：自然语言处理在医疗领域的应用与实战

人工智能：自然语言处理在医疗领域的应用与实战 学习目标 💡 理解自然语言处理（NLP）在医疗领域的应用场景和重要性 💡 掌握医疗领域NLP应用的核心技术（如电子病历分析、疾病诊断辅助、药物相互作用检测） 💡 学会使用前沿模型（如BioBERT、ClinicalBERT）进行医疗文本分析 💡 理解医疗领域的特殊挑战（如医疗术语、数据隐私、法规要求） 💡 通过实战项目，开发一个电子病历文本分类应用 重点内容 * 医疗领域NLP应用的主要场景 * 核心技术（电子病历分析、疾病诊断辅助、药物相互作用检测） * 前沿模型（BioBERT、ClinicalBERT）在医疗领域的使用 * 医疗领域的特殊挑战 * 实战项目：电子病历文本分类应用开发 一、医疗领域NLP应用的主要场景 1.1 电子病历分析 1.1.1 电子病历分析的基本概念 电子病历（Electronic Health Records, EHR）是医疗领域的核心数据之一，包含了患者的基本信息、诊断记录、
ZeroClaw Reflex UI完整搭建流程——ZeroClaw Gateway + LM Studio + Reflex 本地 AI 管理面板

ZeroClaw Reflex UI完整搭建流程——ZeroClaw Gateway + LM Studio + Reflex 本地 AI 管理面板

🦀 ZeroClaw Reflex UI 完整搭建流程 ZeroClaw Gateway + LM Studio + Reflex 本地 AI 管理面板 2026 年 2 月 相似项目部署参考： 【OpenClaw 本地实战 Ep.1】抛弃 Ollama？转向 LM Studio！Windows 下用 NVIDIA 显卡搭建 OpenClaw 本地极速推理服务 【OpenClaw 本地实战 Ep.2】零代码对接：使用交互式向导快速连接本地 LM Studio 用 CUDA GPU 推理 【OpenClaw 本地实战 Ep.3】突破瓶颈：强制修改
人工智能多模态模型开发与应用：跨越文本、图像与语音的融合实践

人工智能多模态模型开发与应用：跨越文本、图像与语音的融合实践

一、人工智能多模态模型开发与应用：跨越文本、图像与语音的融合实践 1.1 本章学习目标与重点 💡 掌握多模态模型的核心概念与技术原理，理解文本、图像、语音等不同模态数据的融合逻辑； 💡 熟练运用主流多模态框架（Hugging Face Transformers、MMEngine、LangChain Multimodal），实现跨模态理解与生成任务； 💡 精通多模态模型的开发流程，包括数据预处理、模型选型、训练微调、部署落地等关键环节； 💡 通过真实场景案例（图文生成、跨模态问答、语音助手），掌握多模态技术从原型到产品的端到端落地能力。 ⚠️ 重点关注：多模态数据的对齐与预处理、模型训练的显存优化、生成内容的一致性与准确性、以及不同部署场景下的性能适配。 1.2 多模态模型基础：概念、技术与生态 随着人工智能技术的发展，单一模态（如纯文本、纯图像）模型已难以满足复杂场景需求。多模态模型通过融合文本、图像、语音、视频等多种模态数据，实现更全面的理解与更灵活的生成，成为当前