-
Rust基础层安装
本文介绍如何下载并安装 Rust 编程语言，包括从官网获取安装包以及命令行安装步骤。
-
Trae AI Agent Enhancements 记忆系统 — 双轨持久化记忆
双轨记忆系统将 Trae 原生核心记忆与 MCP 知识图谱结合，实现跨会话持久化与智能路由。
-
Win 异常重启诊断与 PCIe 省电关闭方案
笔记本断电切换电池供电时触发 0x116 蓝屏，建议关闭 PCI Express 链接状态电源管理。
-
Win11 瑞昱 2.5G 有线网卡断网修复方案
通过修改注册表 PnPCapabilities 禁用网卡节能，解决 Windows 更新后瑞昱 2.5G 有线网卡频繁断网问题，并配合关闭驱动节能选项提升稳定性。
-
Trae Bonus记录（按月更新）
Trae Bonus记录（按月更新）仅供参考
-
Trae 原生记忆系统：Skill 使用现状与局限性
Trae 原生记忆系统提供自动注入与结构化写入，但存在 20 条上限、注入不透明等局限；当前项目通过三级晋升路径缓解，仍需 IDE 层面改进。
-
求索
人生如逆旅，我亦是行人。
-
Trae IDE + MATLAB 完整配置指南
本文档详细介绍了在 Trae IDE 中配置 MATLAB 的完整步骤，包括安装必要插件、配置 settings.json 和 MCP Server、添加系统 PATH 以及故障排除，旨在实现代码编辑、运行和 AI 辅助编程功能。
-
OSPF路由协议基础实验
本实验详细介绍了单区域 OSPF 的配置与原理。文章阐述了 OSPF 快速收敛、支持大规模网络、负载均衡和灵活扩展等核心优势，旨在帮助读者掌握 OSPF 的基本配置命令与认证方法。实验步骤涵盖 OSPF 进程创建、区域划分、接口使能及邻居状态查看，提供了实践 OSPF 路由协议的清晰指南。
-
IPv4编址及IPv4路由基础实验
本实验围绕 IPv4 编址与静态路由配置，详细演示了如何在 R1、R2、R3 路由器上设置 IP 地址、LoopBack 接口及静态路由，旨在实现三者互联互通。通过 Ping 测试与路由表查看，本指南为读者掌握 IPv4 网络基础构建与管理提供了实践范例。
最新动态
精选分类
-
diary
星的记忆
相与枕藉乎舟中，不知东方之既白。
-
配置OSPF通告缺省路由实验组网
实验介绍 了解 OSPF 通告缺省路由的方式与原理。 实验目的 R1与R2作为企业边界出口设备，构成双出口冗余以实现负载分担。企业内部部署并运行OSPF路由协议，使Client A与Client B能正常访问 Internet路由器的100.1.1.0网络。为减少路由表容量，在 R1与 R2上配置缺
-
配置OSPF等价路由实验组网
在全网部署并运行 OSPF，调整接口 cost 使 R1 到 192.168.1.0 出现三条等价路由；配置 maximum load-balancing 2，并通过 nexthop 命令及优先级/权重 控制，实现仅用两条路径进行负载分担并验证路由条目。
-
配置 OSPF IP FRR 实验组网（二）
部署 OSPF 并调整 Cost 使主路径为 R1 → R3 → R4, 在 R1 启用 IP FRR 并结合 BFD 实现故障时快速切换至经 R2 的备份路径。
-
配置OSPF IP FRR实验组网（一）
部署 OSPF 并在 RTA 上启用 IP FRR, 以在主链路故障时快速切换至经由 RTB 的备份路径；建议配合 BFD 使用。
-
-
explore
星辰大海
星垂平野阔，月涌大江流。
-
note
随风杂记
纸上得来终觉浅，绝知此事要躬行。
-
Rust基础层安装
本文介绍如何下载并安装 Rust 编程语言，包括从官网获取安装包以及命令行安装步骤。
-
Trae AI Agent Enhancements 记忆系统 — 双轨持久化记忆
双轨记忆系统将 Trae 原生核心记忆与 MCP 知识图谱结合，实现跨会话持久化与智能路由。
-
Win 异常重启诊断与 PCIe 省电关闭方案
笔记本断电切换电池供电时触发 0x116 蓝屏，建议关闭 PCI Express 链接状态电源管理。
-
Win11 瑞昱 2.5G 有线网卡断网修复方案
通过修改注册表 PnPCapabilities 禁用网卡节能，解决 Windows 更新后瑞昱 2.5G 有线网卡频繁断网问题，并配合关闭驱动节能选项提升稳定性。
-
-
other
星罗棋布
天阶夜色凉如水，卧看牵牛织女星。
-
CIFAR-10 SimpleCNN 测试实验报告
本文记录了在 CIFAR-10 数据集上使用 SimpleCNN 模型进行的一次单轮训练测试实验。实验旨在验证代码框架和 GPU 加速流程，获得了 55.38% 的测试准确率，并确认了环境配置和训练流程的正常运行。
-
SVHN 图像分类实验报告
本实验报告记录了使用 DenseNet-121 模型结合 CutMix 数据增强和 OneCycleLR 学习率调度，在 SVHN 街景门牌号数据集上进行快速测试的过程。实验仅训练 1 轮，测试准确率达到 81.56%，验证了预训练模型在真实场景数字识别任务上的有效性和快速收敛能力。
-
STL-10 图像分类器实验报告
本实验使用自定义轻量级 CNN 模型 STL10Net 在 STL-10 数据集上进行图像分类，最终获得 62.64% 的最佳测试准确率，并详细记录了环境配置、模型架构、训练过程和 GPU 加速效果。
-
ResNet-18 CIFAR-10 深度学习实验报告
本文详细记录了使用 ResNet-18 模型在 CIFAR-10 数据集上进行彩色图像分类的完整实验过程，包括环境配置、数据预处理、模型架构适配、训练代码及最终达到 90.18% 测试准确率的实验结果，并与普通 CNN 模型进行了性能对比。
-
