使用VS Code运行前端代码

优质文章学习记录

— 3 min read
使用VS Code运行前端代码

文章目录

VS Code运行HTML文件

提示：这里可以添加本文要记录的大概内容：

但是我在使用VS Code和Hbuilder的不同是：

Hbuilder我记得是可以在菜单栏的“文件”→“新建”→“HTML5+项目”，填写项目名称、路径等信息后点击“完成”即可创建一个新项目

一、安装VS Code 配置插件

如何使用VS Code安装插件及VS Code上的常用插件点我查看

以前写HTML用的是Hbuilder，最近突然发现VS Code也不错，只需要安装open in browser插件即可

在这里插入图片描述

二、在电脑上新建文件夹

VS Code使用是在本地打开一个文件夹

先在电脑上新建个文件夹

在这里插入图片描述


打开VS Code
然后选择【文件】→【打开文件夹】，找到刚才新建的文件夹

在这里插入图片描述

随后点开该文件夹，再次右键选择【新建文件夹】
目的：做好文件分类

在这里插入图片描述

三、新建文件【名字.html】

然后要再右键新建文件【名字.html】使用
html文件图标会变成：<>
css文件图标会变成：#

请添加图片描述

四、运行.html文件

进入页面输入：html:5回车，我们大部分代码是写在body标签下的
下面是个简单的HTML页面展示：

在这里插入图片描述

在文件里面还有个自动保存代码的功能

在这里插入图片描述

VS Code运行VUE代码

Vue-cli脚手架

Read more

FPGA面试题汇总整理（一）

https://pan.baidu.com/s/1rDsLAXGj8WbX82teSkhuIw?pwd=1234 这份FPGA 系统学习详细资料包是个人花大量时间精心整理的，超多干货全覆盖，从基础到实战一站式搞定，不用再到处薅资料！网盘链接随时可能失效，提取码 1234，先保存再学习，别等失效拍大腿！🔗链接：https://pan.baidu.com/s/1rDsLAXGj8WbX82teSkhuIw?pwd=1234 ———————————————— 前言：社招FPGA面试核心考察「基础功底+项目经验+问题解决能力」，以下100个问题覆盖面试90%高频考点，按「基础概念→编程语法→时序分析→架构设计→调试优化→项目实操→行业拓展」分类，每个问题附详细解答（适配自媒体干货属性，可直接复制使用，重点内容加粗标注），帮你高效备战，避免踩坑。 一、
喂饭级教程：OpenClaw 对接 QQ 机器人，本地/腾讯云都能用

喂饭级教程：OpenClaw 对接 QQ 机器人，本地/腾讯云都能用

文章目录 * 前言 * 一、选对路子：官方 Bot 还是个人号？ * 方案 A：QQ 开放平台官方机器人 * 方案 B：个人 QQ 号变身机器人 * 二、环境准备：5 分钟搞定基础设施 * 1. 服务器/电脑要求 * 2. 安装 OpenClaw * 3. 配置大模型 API * 三、方案 A：对接 QQ 开放平台官方机器人 * Step 1：注册开发者并创建机器人 * Step 2：获取三件套凭证 * Step 3：配置 IP 白名单和沙箱 * Step 4：OpenClaw 端配置

OpenClaw多智能体路由实战：飞书多机器人配置指南

文章目录 * 飞书重新安装问题 * 批量增加机器人 * 缺点 * 多个飞书机器人名称包含大小写的问题 * 多个Agent名称包含大小写的问题 目前我已经完成了OpenClaw的基本安装，但是在对话框只有一个，机器人也只绑定到主会话，一次只能处理一个消息。很多时候我在聊天窗口，说A任务，然后做了一半，又发了关于B任务的指令。一是每次发完消息，如果OpenClaw还在处理，剩下的消息要么进入队列、要么看不到（实际还在队列）。两个任务切来切去，感觉体验很不好。 要彻底解决这个问题，实现网上演示的那种对各Agent、每个对话机器人对应一个Agent，就需要用到多智能体路由技术。 实现的步骤如下： * 在飞书创建一个新的机器人 * 通过控制台创建新的智能体 * 按照指引将飞书配置上去 * 根据需要创建多个Agent和机器人，并对应配置上去（略） 飞书重新安装问题 明明我已经安装好了飞书，系统还是会提示我安装，否则就跳过了添加飞书这步。应该是系统Bug。这次安装的飞书位置在~/.openclaw/extensions/feishu，其实和~/.npm-globa

ROS1机器人SLAM系列（四）：Gmapping算法详解与实战

ROS1机器人SLAM系列（四）：Gmapping算法详解与实战 本文将深入讲解Gmapping算法的原理，并通过实战演示如何使用Gmapping进行2D激光SLAM建图。 1. Gmapping算法简介 1.1 什么是Gmapping？ Gmapping是一种基于**粒子滤波（Rao-Blackwellized Particle Filter, RBPF）**的2D激光SLAM算法。它由Giorgio Grisetti等人于2007年提出，是ROS中最经典、应用最广泛的SLAM算法之一。 主要特点： * 基于粒子滤波的概率框架 * 适用于2D激光雷达 * 需要里程计信息 * 实现成熟，稳定可靠 * 适合中小规模室内环境 1.2 算法流程概述 Gmapping算法流程 里程计数据 运动预测 Motion Model 粒子集合更新 激光雷达数据 扫描匹配 Scan Matching 观测更新 Sensor Model 粒子权重计算 重采样 Resample 地图更新 2. 核心算法原理