1.怎么将腾讯文档里的腾讯腾讯东西弄到桌面
2.17款最佳开源免费的 wiki 知识文档工具
3.腾讯T2I-adapter源码分析（1）-运行源码跑训练
4.腾讯调研云js加载的动态pdf下载思路
5.如何做好 Word 文档的版本管理？两种方法10个工具
6.腾讯35k大佬手写接口自动化测试框架教程 涵盖框架源码+视频教程以及搭建流程

怎么将腾讯文档里的东西弄到桌面

       第一种还未接收保存

       接受的文件下角有一个另存为

       第二种 你已经接收，在默认文件夹里

       点开QQ的文档文档设置，找到默认文件夹，源码源码用打开

       进入文件夹之后就是腾讯腾讯把你需要的文件正常的复制粘贴/移动/发送到桌面

       1.

       首先我们在互眠电脑上打开并登录QQ,点击QQ软件主界面下面的“腾讯文档”的图标.

       2.

       接下来找到要建立快捷方式的腾讯文档文件,在浏览器毙荡亲中点击打开该文件

       3.

       然后点击该文件右上角的“菜单”按钮

       文档是软件开发使用和维护过程中的必备资料，其种类有软件文档、文档文档源代码文档、源码源码用牛牛源码反杀需求文档、腾讯腾讯设计文档、文档文档测试文档和用户手册等。源码源码用其中，腾讯腾讯软件文档或源代码文档是文档文档指与软件系统及其软件工程过程有关联的文本实体，需求文档、源码源码用设计文档和测试文档一般是腾讯腾讯在软件开发过程中由开发者写就的，而用户手册等非过程类文档是文档文档由专门的非技术类写作人员写就的。 文档的源码源码用呈现方式有很多种，可以是传统的书面文字形式或图表形式，也可是动态的网页形式。

款最佳开源免费的 wiki 知识文档工具

       Wiki知识文档工具是协作工作环境的重要组成部分，旨在提供一个平台，让团队成员能够共享、创建和编辑内容。企业共享信息的需求催生了改进知识管理的方法，而Wiki工具则提供了知识获取、管理与共享的途径，有效促进企业创新、提高生产力并支持决策。

       WiKi是一个多人协作写作的系统，与常见系统相比，WiKi具有以下特点：使用方便、自组织、可增长、开放性。市面上提供了多种开源免费的WiKi在线协同办公文档平台，如字节跳动的飞书、蚂蚁的语雀、网易的有道云笔记、腾讯文档、石墨文档、金山文档、Microsoft 、Google Docs等。然而，对于企业使用来说，这些平台的费用可能较高。

       为了满足企业对成本敏感的需求，以下推荐个最佳开源免费的WiKi知识文档工具，这些工具支持私有化部署，确保数据安全。这些工具包括：OI-wiki、zyplayer-doc、港闸网站源码MrDoc、smart-doc、torna、Matterwiki、mm-wiki、km_community、siyuan、WDA、SmartSQL、file-online-preview、DocHub、showdoc、CrapApi、koodo-reader、archivy。

       在众多工具中，例如OI-wiki是一个免费开放且持续更新的知识整合站点，致力于提供编程竞赛基础知识、常见题型、解题思路和常用工具等信息，帮助编程竞赛初学者系统学习。而zyplayer-doc是一款适合团队和个人私有化部署的知识库、笔记、WIKI文档管理系统，具有数据库管理、API接口管理等功能。MrDoc则是为个人和中小型团队设计的在线文档、知识库管理系统，支持私有化部署。

       同时，smart-doc是一个针对Java RESTful API和Apache Dubbo RPC接口文档生成的工具，能够基于接口源码分析生成易于理解的文档。torna则专注于接口文档管理的便利性和速度，通过团队协作维护文档，提供功能强大且灵活的权限管理、全文检索、多维检索、文件在线预览等功能。

       Matterwiki是一个全球知名的开源WiKi程序，适用于企业搭建百科、知识库查询等用途。mm-wiki是一个轻量级的团队知识分享与协作软件，易于部署和使用。km_community则基于Elasticsearch构建了强大的文件和知识管理系统，提供全文检索、多维检索、文件在线预览、版本控制、手机端支持等功能。装修网址源码siyuan是一个注重隐私的个人知识管理系统，支持块级引用和Markdown编辑器，便于创建和组织知识。

       此外，WDA工具实现了文档在线预览，并支持多种文档格式转换和预览。SmartSQL是一个数据库文档查询和生成工具，支持多种数据库查询和导出功能。file-online-preview提供了文档在线预览解决方案，易于部署且支持主流文档格式预览。DocHub则是一个适合IT团队的在线API文档和文档生成工具，支持markdown语法和自动化文档生成功能。CrapApi是一个开源的API接口管理系统，提供了API接口管理、文档管理、数据库表管理等功能。koodo-reader是一个跨平台的电子书阅读器，支持多种电子书格式阅读。archivy则是一个开源知识库，提供了可扩展的wiki，适用于学习笔记和信息保存。

       这些开源免费的WiKi知识文档工具各有特色和优势，企业可根据自身需求选择合适的工具，实现知识管理和协作的高效与安全。

腾讯T2I-adapter源码分析（1）-运行源码跑训练

       稳定扩散、midjourney等AI绘图技术，为人们带来了令人惊叹的效果，不禁让人感叹技术发展的日新月异。然而，AI绘图的可控性一直不是很好，通过prompt描述词来操控图像很难做到随心所欲。为了使AI绘制的图像更具可控性，Controlnet、T2I-adapter等技术应运而生。本系列文章将从T2I-adapter的源码出发，分析其实现方法。

       本篇是第一篇，主要介绍源码的运行方法，后续两篇将以深度图为例，分别分析推理部分和训练部分的代码。分析T2I-Adapter，也是为了继续研究我一直在研究的课题：“AI生成同一人物不同动作”，例如：罗培羽：stable-diffusion生成同一人物不同动作的尝试（多姿势图），Controlnet、T2I-adapter给了我一些灵感，后续将进行尝试。

       T2I-Adapter论文地址如下，它与controlnet类似，都是完美投资源码在原模型增加一个旁路，然后对推理结果求和。

       T2I-Adapter和controlnet有两个主要的不同点，从图中可见，其一是在unet的编码阶段增加参数，而controlnet主要是解码阶段；其二是controlnet复制unit的上半部结构，而T2I-Adapter使用不同的模型结构。由于采用较小的模型，因此T2I-Adapter的模型较小，默认下占用M左右，而controlnet模型一般要5G空间。

       首先确保机器上装有3.6版本以上python，然后把代码clone下来。随后安装依赖项，打开requirements.txt，可以看到依赖项的内容。然后下载示例，下载的会放到examples目录下。接着下载sd模型到model目录下，再下载T2I-Adapter的模型到目录下，模型可以按需到huggingface.co/TencentA...下载。这里我下载了depth和openpose。sd模型除了上述的v1-5，也还下载了sd-v1-4.ckpt。

       根据文档，尝试运行一个由深度图生成的例子，下图的左侧是深度图，提示语是"desk, best quality, extremely detailed"，右侧是生成出来的。运行过程比较艰辛，一开始在一台8G显存的服务器上跑，显存不够；重新搭环境在一台G显存的服务器上跑，还是不够；最后用一台G显存的服务器，终于运行起来了。

       接下来尝试跑openpose的例子，下图左侧是骨架图，提示词为"Iron man, high-quality, high-res"，右侧是生成的图像。

       既然能跑推理，那么尝试跑训练。为了后续修改代码运行，目标是准备一点点数据把训练代码跑起来，至于训练的效果不是当前关注的。程序中也有训练的脚步，我们以训练深度图条件为例，来运行train_depth.py。

       显然，习惯了，会有一些问题没法直接运行，需要先做两步工作。复利计算网站源码准备训练数据，分析代码，定位到ldm/data/dataset_depth.py，反推它的数据集结构，然后准备对应数据。先创建文件datasets/laion_depth_meta_v1.txt，用于存放数据文件的地址，由于只是测试，我就只添加两行。然后准备，图中的.png和.png是结果图，.depth.png和.depth.png是深度图，.txt和.txt是对应的文本描述。

       文本描述如下，都只是为了把代码跑起来而做的简单设置。设置环境变量，由于T2I-Adapter使用多卡训练，显然我也没这个环境，因此要让它在单机上跑。而代码中也会获取一些环境变量，因此做简单的设置。

       做好准备工作，可以运行程序了，出于硬件条件限制，只能把batch size设置为1。在A显卡跑了约8小时，完成，按默认的配置，模型保存experiments/train_depth/models/model_ad_.pth。那么，使用训练出来的模型试试效果，能生成如下（此处只是为了跑起来代码，用训练集来测试），验证了可以跑起来。

       运行起来，但这还不够，我们还得看看代码是怎么写法，下一篇见。

       PS：《直观理解AI博弈原理》是笔者写的一篇长文，从五子棋、象棋、围棋的AI演进讲起，从深度遍历、MAX-MIN剪枝再到蒙特卡罗树搜索，一步步介绍AI博弈的原理，而后引出强化学习方法，通俗易懂地介绍AlphaGo围棋、星际争霸强化学习AI、王者荣耀AI的一些强化学习要点，值得推荐。

       AUTOMATIC的webui是近期很流行的stable-diffusion应用，它集合stable-diffusion各项常用功能，还通过扩展的形式支持controlnet、lora等技术，我们也分析了它的源码实现，写了一系列文章。

腾讯调研云js加载的动态pdf下载思路

       若需离线下载腾讯调研云中的PDF报告，初次尝试显示数据经过服务器加密，复杂数字解码不易实现。然而，值得注意的是，该平台并未阻止打印功能。通过打印功能，我们发现报告内容是动态加载的，每次最多呈现5页，超过这一页的数据会自动清除。

       在深入研究源代码后，我们注意到，当给元素添加"data-load=true"属性时，数据会被渲染。因此，尝试直接使用JavaScript为数据添加这个属性，期望借此再次下载。但在执行这个操作时，我们发现虽然成功获取了页面，但实际上数据并未渲染出来。

       进一步的网络抓包分析揭示，腾讯调研云采用了pdfjs模块处理PDF元数据。幸运的是，pdfjs提供了直接下载文档的数据接口。通过在控制台输入相应的代码，我们得以顺利下载所需的PDF文档，最终取得成功。

如何做好 Word 文档的版本管理？两种方法个工具

       如何有效管理 Word 文档的版本？本文将为你揭示两种方法：Git & Pandoc 和 Simul，以及种实用工具的推荐，让你的文档管理更加便捷。首先，版本控制是一种记录文档变化的系统，理解为保存文件的「数据库」，方便查看和回溯历史版本。

       版本控制的重要性不容忽视，特别是对于写作，它有助于：回退至早期版本，避免意外删除；保护文件安全，避免文件丢失带来的困扰；在团队协作中，追踪更改记录，保持信息同步；统一信息源，减少沟通成本；并简化企业流程，提高团队协作效率。

       针对 Word 文件，以下是两种版本控制方法：

       Git & Pandoc：Git 原为软件源代码管理，通过 Pandoc 将 .docx 转换为 .md 进行「纯文本」控制。具体操作包括安装 Git 和 Pandoc，配置文件属性，编辑文件并提交，Git 的 GUI 客户端提供直观的差异查看。

       Simul：作为 Word 的版本控制工具，它提供了自动版本记录、分支和合并等功能，便于团队协作，特别适合不熟悉 Git 的用户。

       此外，还有种主流工具可供选择：

       PingCode：专注于文档管理的知识库工具，适合企业团队协作。

       Worktile：多合一的文档管理与项目管理工具，适合中小企业。

       Gitbook：程序员常用的知识库和博客发布平台。

       腾讯文档：以协作和分享为主，但文档管理功能较弱。

       Confluence：专业的企业知识管理工具，但价格较高。

       Notion：模块化设计的文档管理工具，适用于个人和小团队。

       其他工具（石墨文档、金山文档等）也各有特点，适合不同的需求。

       通过以上工具，你可以根据团队需求和个人习惯选择适合的版本管理方式，确保文档的安全和协作效率。

腾讯k大佬手写接口自动化测试框架教程 涵盖框架源码+视频教程以及搭建流程

       自动化测试

       自动化测试已成为软件行业热门话题，对测试人员的技能提升和职业发展至关重要，亦是软件测试趋势之一。特别是在敏捷模式下，产品迭代快速，市场调整频繁，客户需求变化多端。单纯的手动测试难以应对这种快速变化，而自动化测试能有效提升测试效率和产品质量。在测试岗位需求日益增长的背景下，掌握自动化测试技能成为跳槽面试和晋升的关键。

       接口自动化测试

       接口自动化测试能显著提高测试的复用性和效率。通过自动化测试，团队能在更短的时间内执行更多测试，快速实现回归测试，确保产品上线后的稳定性和质量。此外，它还能覆盖更多的测试场景，提升测试覆盖度。

       实现接口自动化测试

       选择合适的自动化测试工具是关键。Python、Requests、Pytest和Allure是一些常用的组合，它们能提供强大的功能支持，简化测试脚本的编写和执行。通过这些工具，开发人员能轻松地编写、运行和维护测试脚本。

       接口文档与测试示例

       以一个全国高校信息查询接口为例，接口文档提供了详细的信息，如请求方法、URL、参数等。通过HTTP POST请求，使用预设的参数如大学名称，系统会返回查询结果。此过程可使用Python的requests库快速实现，确保测试的准确性。

       线性脚本的挑战

       尽管使用线性脚本可以快速执行测试，但这种方式存在局限性，如难以维护和扩展。为解决这一问题，接口自动化测试框架应运而生。这些框架旨在提高代码的内聚性和降低耦合度，通过模块化设计，让测试脚本更易于管理和维护。

       总结

       在软件测试领域，掌握自动化测试技能对于个人职业发展至关重要。无论是接口自动化、Web UI自动化还是App自动化，选择合适的工具和方法，结合丰富的学习资源，都能帮助测试人员提高工作效率，确保产品质量。通过持续学习和实践，自动化测试将为测试人员的职业生涯带来更多的机遇。

NodeJS 服务 Docker 镜像极致优化指北

       在开发一个腾讯文档全品类通用的 HTML 动态服务时，为了方便各品类接入的生成与部署，考虑使用 Docker 的方式来固定服务内容，统一进行制品版本的管理。以下是在服务 Docker 化过程中积累的优化经验。

       通常初学者会这样编写项目的 Dockerfile，构建，打包，上传一气呵成，但镜像状态显示，一个简单的 node web 服务体积居然达到了惊人的 1.3 个 G。首先，镜像体积过大必然会对镜像的拉取和更新速度造成影响，集成体验会变差。其次，项目上线后，同时在线的测试环境实例可能成千上万，这样的容器内存占用成本对于任何一个项目都是无法接受的。

       发现问题后，我开始研究 Docker 的优化方案，准备给我的镜像动手术了。

       对代码本身体积进行优化，避免使用 tsc 打包生成 es5 后就直接运行，而是使用 Webpack + babel 降级并压缩 Typescript 源码。梳理 npm 包的 dependencies 与 devDependencies 依赖，去除不是必要存在于运行时的依赖，方便生产环境使用 npm install --production 安装依赖。

       减小依赖的操作系统的大小，考虑尽可能去除 Linux 下不需要的各类工具库，选取更轻量级的 Linux 发行版系统，如 node:-alpine。

       利用 Docker 的分级构建特性，首先在完整版镜像下进行依赖安装，之后运行生产环境，使用 alpine 版本作为基础镜像，编译完成后的源码通过 --from 参数获取到处于 build 任务内的文件。

       在保证速度的前提下，考虑构建体积优化，优先保证构建时间，其次在不影响时间的情况下，尽可能的缩小构建缓存体积。

       避免使用进程守护，利用 Docker 本身和基于 Docker 的编排程序提供崩溃重启和日志记录功能，无需使用额外应用实现。

       日志持久化存储，通过 Docker Manager Volume 将数据写到宿主物理机器上，或者利用云日志服务托管，如腾讯云 CLS。

       选择 Kubernetes 的 Deployment 或 StatefulSet 控制器，Deployment 用于部署无状态服务，StatefulSet 用于部署有状态服务。

       镜像优化后的结果是镜像体积达到了 倍左右的优化效果，最终被压缩到 M 以内。优化不仅仅体现在体积数据上，更在于架构设计层面上的转变，将服务面向容器化云服务。

腾讯插件化—Shadow源码

       腾讯插件化框架Shadow介绍及源码解析

       Shadow是一个由腾讯自主研发的Android插件框架，经过线上亿级用户量的检验，其在插件技术领域展现出不俗的实力。Shadow不仅开源分享了关键代码，还全面分享了上线部署所需的设计方案。

       与市面上其他插件框架相比，Shadow在技术特点上主要体现在：

       支持特性编译与开发环境准备：建议使用最新稳定版本的Android Studio，推荐打开工程并选择sample-app或sample-host模块直接运行，体验不同安装情况下的运行效果。

       代码结构清晰：所有代码集中在projects目录下的三个子目录中，sample目录为体验Shadow的最佳环境，详细信息可参考README文档。

       插件加载与启动流程解析

       插件加载是Shadow框架的核心，从loadPlugin作为起点，通过一系列步骤实现插件的动态加载与启动。包括但不限于：

       本地启动顺序：重点关注启动流程的第一、二步，回溯整个过程最终调用Plugin Manager的DynamicPluginManager.enter方法。

       跨进程调用与Activity加载：调用mDynamicPluginLoader.callApplicationOnCreate方法执行插件加载，之后通过FastPluginManager.convertActivityIntent方法启动Activity。

       Activity与Service加载机制

       在Activity与Service加载机制上，Shadow采用与Android系统自身一致的实现方式：通过修改ClassLoader的parent属性，插入DexClassLoader实现插件apk的加载与Activity的实例化。具体步骤包括：new一个DexClassLoader加载插件apk，从插件ClassLoader中load指定的插件Activity名字，newInstance之后强转为Activity类型使用。

       Shell Activity复用与资源管理

       为了解决资源复用与访问问题，Shadow通过代理Activity的方式，通过Intent的参数确定构造哪个Activity，令壳子Activity能够复用，实现资源的隔离管理。此外，对同名View与资源的处理也非常关键，通过自定义类加载器与AOP技术，解决此类问题。

       组件调用与优化

       对于Service、Content Provider与Broadcast Receiver的调用，Shadow提供了优化方案，如通过ShadowContext启动Service、使用ShadowAcpplication注册静态广播等。

       总结与学习建议

       本文详细解析了插件化框架Shadow的源码与实现机制，深入探讨了其解决插件加载、Activity启动、资源管理等问题的策略。对于深入理解Android插件化技术，实现高效、稳定的插件化解决方案具有重要参考价值。建议对Android核心技术感兴趣的开发者深入阅读《Android核心技术手册》，了解更多关于插件化、热修复等技术的详细内容。