最新

我理解使用 Chat、Cursor 和 Claude Code 等工具进行软件开发，很可能会为这些 LLM 提供训练数据，以帮助它们在编码方面变得更好（讽刺的是，我可能正在为让自己被淘汰做贡献……） 但我很好奇实际的运作机制：这个反馈循环到底是如何工作的？当我接受、拒绝或修改这些模型生成的代码时，这个信号是否会直接反馈到训练中？ 我并不反对这种做法，只是真心想了解“香肠”是如何制作出来的。

这是一本关于 Blender Python API 的配方集。每个配方都针对一个（通常）<i>自包含</i>的方案，解决一个<i>明确定义</i>的问题。<p>我开始编写这本书，主要是为了自己——作为我在使用 API 构建非平凡事物时的参考。虽然 Blender 拥有出色的 API 文档，但某些技术和工作流程很难仅通过阅读文档来发现。通常，你需要深入研究 Blender 的源代码或研究现有的插件才能弄清楚。本书旨在记录这些实用但有时晦涩的解决方案。<p>每个配方的目标是为你提供足够的信息，让你能够快速解决问题。在编程时，我们大多数时候都在寻找零碎的解决方案，同时解决一个更大的问题。如果我能够清晰简洁地表达这些零碎的解决方案，我就认为成功了。<p>学习如何使用 API 构建插件、操作几何体、创建自定义交互式操作符、构建用户界面、编写自定义 CLI 等等...