desperado

Agent Skills 可以理解成「给 AI 的项目说明书 + 工具包」：核心是一个 SKILL.md，可按需配 scripts/、templates/、references/。 它解决的不是“AI 会不会写代码”，而是“AI 能不能稳定按你的规则做事”。 GitHub Skills 是面向人的免费互动课程；Agent Skills 是面向智能体的能力封装，名字像，但不是一回事。 想马上试：先写一个 30 分钟能做完的最小 Skill，把你最常重复的流程放进去，再迭代。 如果你也有这种体验：同一个需求，昨天 AI 回答很稳，今天又“失忆”了，那你遇到的通常不是模型能力问题，而是上下文没有被沉淀。 Agent Skills 的价值就在这里。你把“这件事该怎么做”写成可复用模块，放进仓库，再让智能体按规则读取。这样做的收益很直接：重复解释更少、输出风格更稳、团队协作也更容易对齐。 Agent Skills 到底是什么先用一句人话定义：Agent Skills 是把经验、流程和约束打包成目录，让 AI 在需要时再加载的做法。 一个 Skill 通常以 SKILL.md 为核心...

反编译，签名，打包的工具使用1.apktool 安装： ​ 官方定义：A tool for reverse engineering Android apk files ​ 官网下载：https://ibotpeaches.github.io/Apktool/install/ 2.dex2jar安装： ​ 将dex文件，转换成java的jar ​ 官网下载：https://sourceforge.net/projects/dex2jar/ 3.java转换smali: ​ 第一步：javac命令编译java文件为class文件 ​ 第二步：dx命令将class文件转化成dex文件 ​ 第三步：使用baksmali工具将dex文件转化成smali文件 ​ 工具： https://github.com/fourbrother/java2smali 4.jd-gui安装： ​ 查看jar包文件的版本 ​ 官网下载地址：http://java-decompiler.github.io/ 5.jadx-gui安装： ​ https://github.com/skylo...

第一步运行命令scrapy crawl xx:执行到：\Lib\site-packages\scrapy\cmdline.py调用def execute(argv=None, settings=None): 初始化settings = get_project_settings() 配置项目环境init_env：os.environ[‘SCRAPY_SETTINGS_MODULE’] = cfg.get(‘settings’, project) 初始化cmd.crawler_process = CrawlerProcess(settings)，一个进程中同时运行多个scrapy爬虫的类，获取cls_path = settings.get(‘SPIDER_LOADER_CLASS’)，加载类site-packages\scrapy\spiderloader.py 123456789101112131415161718192021222324252627282930313233343536373839@implemente...

Go是一门强类型静态编程语言 数据类型GO语言提供了类型推导的语法糖，:=，注意，使用此声明变量的时候，左边的值中至少要有一个变量必须是为定义，否则会出现no new variables on left side of := ，而且它不能出现在全局的变量声明和初始化。 123var a = 10或则a := 10 bool类型布尔型的值只可以是常量 true 或者 false。一个简单的例子：var b bool = true 数值型整数型范围的计算机规则$$无符号的：0-2^n \ 有符号：-2^{n}/2,2^{n}/2 -1$$ int8 有符号 8 位整型 (-128 到 127) 长度：8bit int16 有符号 16 位整型 (-32768 到 32767) int32 有符号 32 位整型 (-2147483648 到 2147483647) int64 有符号 64 位整型 (-9223372036854775808 到 9223372036854775807) uint8 无符号 8 位整型 (0 到 255) 8位都用于表示数...

数据库mycli(python)github:https://github.com/dbcli/mycli A command line client for MySQL that can do auto-completion and syntax highlighting. dbeaver(free)Robo 3T(free)Navicat开发&文本编辑sublimevscodessh+命令行工具iTerm2 + zsh + oh-my-zsh(Mac OS) + tmuxwindows + windows terminal + powershell + oh-my-push + neovimWindterm + Windows Terminal + WSL（ubuntu22）FInallshellhttps://github.com/zimfw/zimfwTabyy进程管理工具PM2（nodejs）Supervisor（python）supervisor配置以及命令一、开启命令supervisor的服务器端部分启动命令：sudo unlink /var&#x...

vscode插件 Open in browser：在浏览器打开文件 WSl：windows子系统连接 Vscode Nvim：vim编辑 Arkham Theme：暗黑系主题 ESLint：代码规范检测 Turbo Console Log：快速生产debug log EasyLess Or Easysass: 自动转换styles.less –> styles.css Auto Rename Tag: 重命名标签, 只需要改开始,结束跟着自动变化 JS-CSS-HTML Formatter: 格式化代码 HTML CSS Support: 提示类名, 需要配置 vscode的左下角找到设置 - 搜索setting - 在setting.json中编辑 - 粘贴代码 12345"editor.quickSuggestions": {"other": true,"comments": true,"strings": true}注意: 如果代码的前后有内容加逗号 Live S...

基本介绍1.进程：可以理解为：你运行一个python程序，最终“进程已结束，退出代码 0”，就是该python程序所有的内容执行完毕。2.主线程：应用程序运行即为主线程（从程序第一行到最后一行执行完毕，中间遇到子线程的start,子线程去执行它的函数，主线程继续往下执行其他语句）3.用户线程（子线程）：在主线程中可以创建和启动新线程，默认为用户线程（子线程）4.daemon线程：守护线程，设置子线程为守护线程时，主线程一旦执行结束，则全部线程全部被终止执行，可能出现的情况就是，子线程的任务还没有完全执行结束，就被迫停止。t.daemon 属性，设置为True，则为daemon线程，必须在start()之前调用5.join：所有的子线程都执行完成再结束主线程，此时需要用到join() 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677import...

IDA使用说明1.常用快捷键IDA中的快捷键都是和菜单栏的各个功能选项一一对应的，基本上你只要能在菜单栏上找到某个功能，也就能看到相应的快捷键，这里记录几个常用的： a：将数据转换为字符串 f5：一键反汇编 esc：回退键，能够倒回上一部操作的视图（只有在反汇编窗口才是这个作用，如果是在其他窗口按下esc，会关闭该窗口） shift+f12：可以打开string窗口，一键找出所有的字符串，右击setup，还能对窗口的属性进行设置 ctrl+w：保存ida数据库 ctrl+s：选择某个数据段，直接进行跳转 ctrl+鼠标滚轮：能够调节流程视图的大小 x：对着某个函数、变量按该快捷键，可以查看它的交叉引用 g：直接跳转到某个地址 n：更改变量的名称 y：更改变量的类型 / ：在反编译后伪代码的界面中写下注释 \：在反编译后伪代码的界面中隐藏/显示变量和函数的类型描述，有时候变量特别多的时候隐藏掉类型描述看起来会轻松很多 ；：在反汇编后的界面中写下注释 ctrl+shift+w：拍摄IDA快照 u：undefine，取消定义函数、代码、数据的定义 2.IDA动态调试...

概述Zookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。 工作机制： 是一个基于观察者模式设计的分布式服务管理框架，它负责存储和管理大家都关心的数据，然后接收观察者的注册，一旦这些数据状态发生变化，Zookeeper就将负责通知已经在Zookeeper上的那些观察者做出相应的反应。 特点 数据结构 每个节点既能存数据也能有子节点

认识KafKa1.什么是KafKa：kafka是一种高吞吐量的分布式发布订阅消息消息队列，有如下特性： 通过O(1)的磁盘数据结构提供消息的持久化，这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。 高吞吐量：即使是非常普通的硬件kafka也可以支持每秒数十万的消息。 支持通过kafka服务器和消费机集群来分区消息。 支持Hadoop并行数据加载。 Kafka的目的是提供一个发布订阅解决方案，它可以处理消费者规模的网站中的所有动作流数据。 这种动作（网页浏览，搜索和其他用户的行动）是在现代网络上的许多社会功能的一个关键因素。 这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。 对于像Hadoop的一样的日志数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。kafka的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群机来提供实时的消费。 在Kafka有几个比较重要的概念： broker 用于标识每一个Kafka服务，当然同一台服务器上可以开多个broker,只要他们的broker id不相同即可 To...