地区您好，我想问下文档提供的这个hello world编译实例，要把这个helloword.c放在什么路径下

【获奖公示】一、积分数据公示见本论坛贴附件1，积分兑换获奖名单公示见本论坛贴附件2二、公示时间：2025年6月9日—2025年6月15日，若有疑问请在该时间段反馈，逾期视为放弃奖励！三、积分数据统计周期：仅统计5月20日—6月8日期间的考试数据（首次考取以上认证可参与积分）。四、奖品发放：所有奖励将于活动公示期后陆续安排发放。点此填写活动满意度调查问卷【活动福利】福利1：微认证1元购，集齐微认证证书一键兑换开发者认证证书福利2：邀请报名有礼：送最高1000元云资源代金券/1099元工作级开发者认证代金券福利3：考证积分兑好礼：最高送华为手表FIT3，积分排名top5可额外获得1张HDC.2025大会门票（双日票）！云资源代金券/开发者认证代金券/实物奖品免费兑，积分越高礼品越丰厚。福利4：积分抽奖，抽HDC.2025大会门票（双日票）与华为手环9点击链接立即报名：cid:link_9【活动时间】2025年5月20日—2025年6月8日【微认证1元购】序号认证名称（含购买入口）认证价格1云原生基础设施之容器入门582云原生基础设施之容器进阶583基于CCE Kubernetes编排实战684CCE网络与存储实战685云容器快速搭建网站586云原生入门级开发者认证通过序号1-5点此兑换开发者证书7智能信息过滤和图片鉴别388树回归算法分析房价趋势389智能表单及证件文字识别38点击前往活动页，可领取考试代金券及查看详细福利。部分奖品限量，先到先得，赶紧来参加吧！

5月22日晚19点资深全栈开发者小雨老师将带来《从新手到贡献者：手把手教你融入开源生态》的直播分享，欢迎大家一起加入OpenTiny直播间

【直播回放】直播回放地址【总结简报】华为开发者布道师技术沙龙·直播间精彩回顾【第1期】联接高校人才培养与前沿产业技术，成就学生未来 / 李一浩老师【第2期】逐梦之旅：学生开发者到华为开发者布道师的蜕变 / 杨阳同学【第3期】昇思MindSpore：AI 领域的创新力量与跨平台之路 / 陈新杰同学【第4期】基于OpenHarmony计算机学科人才培养经验分享 / 周睿老师【第5期】计算机核心课程贯通式实践教学体系介绍 / 赵欢老师、李博经理、杨科华老师【第6期】OpenHarmony应用开发之网络数据请求与数据解析 / 倪红军老师【第7期】华为开发者空间玩转DeepSeek / 马欣老师【第8期】基于能力图谱的openGauss项目闯关 / 马瑞新老师【第9期Day1】基于开源鸿蒙+海思星闪开发板：嵌入式系统开发实战 / 齐耀龙老师【第9期Day2】基于开源鸿蒙+海思星闪开发板：嵌入式系统开发实战 / 齐耀龙老师【第10期】基于华为云+DeepSeek大模型的脑肿瘤分割实验教学案例 / 林承德老师【第11期】WS63E星闪开发板快速入门指南：开启星闪技术之旅 / 杨阳同学官网直播间观众问题回答摘要：序号问题回答1连接建立必须要用扫描的方式吗，有不占用主程序的方式吗，比如预留一个进程或者中断等待配对信号在星闪开发板上进行连接建立，通常采用扫描的方式来进行设备发现与连接。不过，也可以预留一个进程或利用中断等待配对信号，以避免占用主程序。例如，可以专门设置一个进程用于监听配对信号，或者配置中断服务程序，当检测到配对信号触发中断时，再去执行相应的连接流程。这种方式可以让主程序专注于其他任务，而不会被连接建立过程所阻塞。2Kconfig与CMake的变量命名冲突如何解决？可以采用以下方法解决：重命名变量：对变量名进行修改，在命名时添加具有区分性的前缀或后缀，使两者区分开来。例如，在 Kconfig 中使用 CONFIG_ 前缀，在 CMake 中使用 CMAKE_ 前缀。调整配置顺序：先加载一方的配置，处理好后再处理另一方的配置。并在代码中使用条件编译，根据当前处理的配置情况引用对应的变量。3如何处理第三方库的版本冲突（比如不同版本的OpenSSL）？建议海思社区提问4NFC板的读写距离与哪些因素相关？天线设计和尺寸：天线越大，读写距离可能越远。发射功率：功率越大，读写范围可能越广。通信频率：不同频率下信号的传播特性和穿透性不同，影响读写距离。环境因素：金属等干扰物会缩短读写距离，而空旷、无干扰的环境则更有利于实现较远的读写距离。读卡器和卡片的灵敏度：灵敏度高的设备可以实现更远距离的读写。仅供参考，根据您业务或者项目需求做对应调整5星闪协议栈是否开源？开发者能不能自定义上层应用？我的看法是，目前在开发者D端场景下，星闪 SDK 目前处于半开源状态，只开放函数接口供用户使用，基于这些接口，是完全可以使用星闪的各种资源做上层应用，但对星闪协议栈封装的底层内容，还暂时看不到，后续后面会有机会，您也可以和海思团队交流这个问题。不过需要注意的是，商用版本星闪和开发者版本星闪在协议栈的完整性和稳定性上可能存在差异。商用版本通常经过更严格的测试和优化，更适合用于实际产品开发；而开发者版本则可能更侧重于功能的探索和实验，开发者需要自行进行充分的测试和验证。6星闪与BLE协同工作时，如何设计低功耗调度策略？仅供参考，鄙人才疏学浅，不一定对，也可以在社区交流角色分工上，星闪负责高吞吐量任务（如实时数据传输），BLE处理轻量级控制电源管理通过动态启用模块（如按需切换、时间分片）和深度睡眠模式降低功耗协议栈优化包括连接参数调优（如BLE延长间隔、启用延迟）及事件驱动模型（中断唤醒）硬件适配需多天线设计与频谱隔离以减少干扰；任务优先级划分关键任务（星闪优先）与低优先级任务（BLE补充）。7星闪协议是否支持动态频谱共享？能与Wi-Fi等其他协议共存吗？星闪协议支持动态频谱共享，能够与 Wi-Fi 等其他协议实现较好的共存。星闪设备可以通过动态调整自身的频谱使用策略，如根据周边 Wi-Fi 设备的频谱占用情况自动切换到相对空闲的频段进行通信，或者调整发射功率、通信时隙等参数，减少对其他无线协议的干扰，同时自身也能在复杂的无线频谱环境中稳定运行。商用版本星闪在频谱共享和共存方面通常会经过更充分的测试和优化，以确保在实际应用中能够与多种无线协议稳定共存。而开发者版本星闪可能需要开发者根据具体环境进行更多的调试和配置。8星闪协议栈中是如何实现低延时抗干扰特性的？与现有短距协议ZigBee、NFC相比有何优势？1. 低时延实现CP-OFDM波形技术：采用循环前缀正交频分复用（CP-OFDM）技术，通过固定符号周期（20.833μs）和灵活的时间域资源调度，将单次传输延迟降低至**<20μs**，远低于蓝牙（~600μs）和Wi-Fi（~1000μs）。示例：游戏手柄或电竞鼠标通过星闪可实现亚毫秒级响应，显著提升实时交互体验。非竞争接入与中心调度：通过G节点统一调度终端设备的接入时隙，避免传统CSMA/CA（如Wi-Fi）或轮询机制（如ZigBee）导致的冲突和等待，实现毫秒级接入。技术细节：支持12-bit物理层ID，单G节点可管理4096个终端并发连接。超短帧设计：星闪协议栈采用超短无线帧（20.833μs），减少帧头开销和传输间隔，优先保障低时延业务（如工业控制指令）的传输效率。2. 抗干扰能力动态窄频宽（DNFW）：通过动态调整带宽（1~320MHz），减少同频干扰的同时提高频谱利用率。例如，在密集部署场景（如仓库）中，可切换至窄频宽以规避其他协议的信号干扰。多维度分集技术：频域分集：通过多载波并行传输分散干扰。空域分集：利用多天线设计（MIMO）增强信号稳定性。时域分集：通过重传和HARQ（混合自动重传请求）机制降低误码率。结果：抗干扰能力比蓝牙提升10dB以上（见知识库[4]）。极化码（Polar Code）：采用5G标准中的极化码作为信道编码方案，提升高斯白噪声（AWGN）信道下的BLER（误块率）性能，确保高可靠性传输（>99.999%）。具体数据对比，可参考国际星闪联盟公布文件9星闪的抗干扰机制在密集部署场景（比如仓库）会出现性能衰减吗？星闪技术在密集部署场景（如仓库）中通过动态窄频宽（DNFW）、多维度分集技术（频域、空域、时域）和极化码（Polar Code）等机制，显著提升了抗干扰能力。其动态窄频宽可自适应调整带宽（1~320MHz），减少同频干扰；多分集技术通过多载波并行传输、多天线设计和重传机制降低误码率；极化码进一步增强抗噪声性能。实测显示，星闪信号可穿透4堵墙，抗干扰能力比Wi-Fi高3倍，设备碰撞概率仅为Wi-Fi的5%，且支持高达4096台设备互联。尽管密集部署可能因物理遮挡或电磁干扰导致局部性能波动，但其抗干扰机制仍能维持稳定连接，性能衰减远低于传统协议（如蓝牙或Wi-Fi）。另外，您可以参考现在的商用星闪仓储方案，商用解决方案一般会有更好的性能和效果10星闪与传统无线标准Wi-Fi、蓝牙有什么核心差异？星闪（NearLink）与传统无线标准Wi-Fi和蓝牙的核心差异体现在性能指标和技术特性上：时延：星闪时延低至20微秒（μs），远低于Wi-Fi的10-100毫秒（ms）和蓝牙的10-500ms，满足工业控制、AR/VR等实时性场景需求。连接密度：星闪支持4096台设备并发连接（SLB模式），远超蓝牙的8台和Wi-Fi 7的256台，适合高密度物联网部署（如智能家居、工业自动化）。抗干扰能力：通过动态窄频宽（DNFW）、极化码（Polar Code）和多分集技术，星闪抗干扰能力比蓝牙提升7dB以上，误码率低至10⁻⁷（蓝牙为10⁻³），在复杂电磁环境中表现更稳定。定位精度：星闪支持厘米级精确定位（±1cm），结合UWB技术可实现空间交互（如遥控器指向操作），而Wi-Fi和蓝牙缺乏此类能力。功耗与场景适配：星闪提供SLB（高速率）和SLE（低功耗）双模式，兼顾高性能与低功耗需求，例如SLE模式功耗仅为蓝牙的60%，适用于耳机、传感器等设备；SLB模式则对标Wi-Fi，支持高清视频传输、车载无线投屏等高带宽场景。综上，星闪其实是一个短距无线通信技术的生态11开发版驱动电压是多少，功耗多少，算力是多少，或者主频是多少？HH-D01星闪WS63开发板数据1.CPU 子系统高性能 32bit 微处理器，最大工作频率 240MHz内嵌 SRAM 606KB、ROM 300KB、4MB Flash2. 星闪（SparkLink）支持低功耗接入技术 SLE 1.0 及 SLE 网关频率模式：1MHz/2MHz/4MHz空口速率：WS63 最大 4Mbps，WS63E 最大 12Mbps信道编码：Polar 编码3. Wi-Fi支持标准：802.11b/g/n/ax（PHY），802.11d/e/i/k/v/w（MAC）频宽：支持 802.11n 20MHz/40MHz，802.11ax 20MHz最大速率：150Mbps@HT40 MCS7，114.7Mbps@HE20 MCS9雷达感知功能（仅 WS63E 主板支持）4. 蓝牙支持 BLE 4.0-5.3，BLE Mesh 及 BLE 网关速率：125Kbps/500Kbps/1Mbps/2Mbps5. 外围接口接口类型：SPI、QSPI、I2C、I2S、UART、GPIO、ADC、PWM（通过复用实现）外部晶体时钟：24MHz/40MHz6. 其他信息电源电压：3.3V/5V（IO 支持 3.3V）工作温度：-40°C～+85°C12请问用了hispark是不是就不用装虚拟机之类的如果您使用Liteos来开发的话，是的，纯Windows环境，不需要配置虚拟机，如果是OHOS，则需要更换开发方式，且需要配置虚拟机，看您的需求13这些设置有更加详细的指导或者实例吗，在海思网站上没有看到诶在这里：https://gitee.com/HiSpark/fbb_ws63社区主要讨论问题和技术支持：https://developers.hisilicon.com/forum/013314688626787000114讲师同学讲得好好！想请问讲师同学在日常开发中是怎么捕捉刚分享所提到的【用户需要的点】的呢？感觉捕捉到这些很不容易。包括在过程中针对某一场景问题去调研时，我出现过【忧心是否会太耗费时间、而收获很小】，请问讲师同学有没有体会过这样的心态？又是如何去克服的？感谢你的认可！其实这个问题我也经历过，下面是我结合星闪改出来的一个故事，大框架没变，希望对你有所启发！关于捕捉用户需求我以前也总觉得自己在“猜需求”，直到后来发现：用户说的不一定是他们真正想要的。比如我们开发星闪协议的时候，很多用户说“需要更快的传输速度”，但后来发现他们其实是想解决“设备太多导致连接卡顿”的问题。我的做法是：多问“为什么”：用户说“需要低功耗”，我会追问：“现在的设备续航多久？什么场景下特别耗电？”用户说“要支持更多设备”，我会问：“最多同时连接多少台？有没有设备类型限制？”通过追问，能挖到他们没意识到的深层需求。观察比听更重要：有一次我们去仓库实地测试，发现工人频繁切换Wi-Fi和蓝牙设备，因为信号干扰严重。后来我们针对性优化了星闪的抗干扰能力，结果用户反馈“突然感觉设备听话多了”。从失败中找线索：早期做星闪的定位功能时，我们以为“高精度”是关键，但用户试用后说：“精度够了，但操作太复杂。”这让我们意识到，技术优势必须转化为用户能感知的体验。关于调研耗时的顾虑说实话，我也常担心“花时间调研会不会没效果”。比如开发SLE低功耗模式时，我纠结了很久要不要先做个简单版本试水。我的解决方法是：设定“快速验证”目标：不追求完美，只验证核心逻辑。比如想测试低功耗模式，就先做个小功能模块，看看续航能否延长30%。如果结果不理想，立刻调整方向，避免陷在细节里。用“低成本工具”替代深度调研：做过一个智能手表项目，原本计划做用户访谈，后来改用问卷+竞品评论分析，发现用户吐槽最多的不是功能，而是“充电太麻烦”。这个发现直接影响了后续电池设计。接受“不完美”：有一次调研结果和预期差很多，但硬着头皮做了产品，结果市场反响一般。后来复盘发现，调研样本太少是主因。但这次教训让我学会：小范围验证比盲目推进更划算。最后想说捕捉需求和做调研，其实就像拼图——你永远拼不完，但每一块都能帮你看清整体。我的建议是：先找到最关键的那几块，再一步步完善。如果一开始就想“全都要”，反而容易迷失方向。希望这些经验能帮到你！如果还有具体场景想聊，欢迎随时问我15请问星闪一对多通信是一个客户端对多个服务器还是一个服务器对多个客户端，还是说都可以？都可以实现，可参考星闪Hybrid模式，主从一体sle_hybrid_demo（感谢齐老师贡献）项目链接：https://gitee.com/hbu-dragon/openharmony-nearlink-ws63-cases16周围诱人的东西太多，怎么专心投入作品开发建议阅读一本书，叫做《刻意练习》，希望可以帮到你17请问ws63有和电脑或者云平台通讯的案例吗？有的，可参考mqtt_demo （感谢齐老师贡献）链接：https://gitee.com/hbu-dragon/openharmony-nearlink-ws63-cases此外，在海思开发者社区，也有开发者分享的相关案例，可以参考学习。18我烧录了Hi3863的SLE uart 1v8的例程，然后分别部署了server端和client端。二者可正常通讯。但是client端会自动连接其他的星闪设备。例如它就连接到了舍友的星闪手写笔，然后在hi3863的client端就能看到星闪笔发送的数据。请问client这种误连接的情况该如何解决呢？出现这种情况是因为 client 端星闪设备在扫描并尝试连接周边星闪设备时，没有进行有效的设备识别和配对过滤。解决办法如下：设备绑定机制：在 client 端和 server 端建立一种设备绑定机制，预先设定配对密码或利用设备的唯一标识进行配对连接。过滤连接请求：在 client 端添加连接请求过滤逻辑，只有在验证通过是预先设定允许连接的设备时，才正式建立连接，避免自动连接到其他无关的星闪设备。建议再研究一下星闪通信流程，在回调函数中做相应处理19环境里有rssi吗没有用到过，可以在海思社区交流一下20有没有连接onenet的案例WS63E支持WiFi通信，您可以参考Hi3861连接onenet的案例做对应移植哈，另外也可以在海思社区交流

【HDC 2025丨社区话题活动】代码初心：开发者之路的起点与旅程获奖名单如下：有效回复楼层40层mitenkileeandyleung当时只道是寻常.胡琦tea_yearmadqfrog小草飞上天nukinsan恭喜以上8名开发者获奖，即日起请获奖者填写问卷收货信息cid:link_0，反馈截止时间2025年7月14日，18号前发货，逾期未提供有效收件信息，视为放弃活动领奖，感谢大家对华为云论坛的关注和支持~——————————————————————————————————————————————————————————在这个充满代码与创意的世界里，我们每个人都有自己独特的起点和旅程。今天，就让我们一起放慢脚步，回望来时的路，分享那些点燃你心中“开发者之梦”的瞬间。是什么让你第一次对编程产生兴趣？还是学生时代写下的第一行“Hello World”？也许是一次偶然的机会，一次惊艳的技术体验，或者是一位榜样的影响……无论原因大小，都值得被铭记。快来告诉我们，你最初的梦想是从哪里开始的。从入门到进阶，从学习到实践，这一路上一定有令你难忘的经历。是熬夜啃书的时光？是第一次成功跑通程序的喜悦？还是遇到 bug 时的抓狂与解决后的成就感？有没有哪一段经历特别想和大家分享？欢迎畅所欲言，你的故事可能会激励着在这条路上或即将踏上这条路的人！ 在本活动帖下回帖，参与HDC话题互动 有机会获得开发者定制礼品 【参与方式】选取一个或多个角度，直接在此活动帖下方回帖相关话题内容PS：不要少于30字哦~ 【活动时间】2025年5月19日——6月24日 【获奖规则】有效回帖楼层超 20 层后逐级抽奖，最高可抽取 26 个幸运开发者获得礼品 【活动规则】1、本帖的回帖建议不少于30字，仅限于对该活动主题相关的内容，其他回帖内容不参与此次活动，否则将视为无效内容。2、本次活动将根据实际参与情况发放奖励，包括但不限于用户百分之百中奖或奖项轮空的情况；实物奖品具体发放视出库情况而定；3、活动预计于结束后七天内完成奖项公示，并于结束后15个工作日内完成邮寄。【温馨提示】1、请务必使用个人实名账号参与活动（IAM、企业账号等账号参与无效）。如一个实名认证对应多个账号，只有一个账号可领取奖励，若同一账号填写多个不同收件人或不同账号填写同一收件人，均不予发放奖励。2、所有获得奖品的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。

【HDC 2025丨社区话题活动】HDC时光机，我与华为开发者大会的专属回忆打卡地活动获奖名单如下：有效回复楼层23层柠檬味拥抱yd_278223297hello word～/恭喜以上3名开发者获奖，即日起请获奖者填写问卷礼品收货信息cid:link_0，反馈截止时间2025年7月14日，18号前发货，逾期未提供有效收件信息，视为放弃活动领奖，感谢大家对华为云论坛的关注和支持~——————————————————————————————————————————————————————————一年一度的 华为开发者大会2025 又如期而至你是否曾在 HDC 的舞台上收获灵感？有没有哪一次演讲或展位让你印象深刻？也许你曾在这里结识了志同道合的朋友，或是通过参与活动解锁了新的技能……这一次，我们想听你说——“我与华为开发者大会的故事”！还记得你第一次参加 HDC 是什么时候吗？是被哪个主题吸引？又或者是因为某位嘉宾的一句话让你印象深刻？快来和我们一起重温那些年你的参会故事吧！在 HDC 的舞台上，有没有哪一场演讲、哪一个技术分享让你豁然开朗？有没有哪项技术、哪个产品发布或Demo演示让你眼前一亮？也许它改变了你对某个领域的理解，影响了你后续的学习或项目实践？在 HDC 现场上，你是否结识了志同道合的朋友或合作伙伴？是否有参与过有趣的现场互动、交流瞬间？欢迎来聊聊那些“线下相遇”的温暖瞬间！有没有拍下难忘的瞬间？比如一次动手实验的记录、一张展位打卡照……一起晒出你与 HDC 的独家记忆，分享照片背后的故事吧~ 在本活动帖下回帖，参与HDC话题互动 有机会获得开发者定制礼品 【参与方式】选取一个或多个角度，直接在此活动帖下方回帖相关话题内容PS：不要少于30字哦~ 【活动时间】2025年5月19日——6月24日 【获奖规则】有效回帖楼层超 20 层后抽奖，最高可抽取 26 个幸运开发者获得礼品 【活动规则】1、本帖的回帖建议不少于30字，仅限于对该活动主题相关的内容，其他回帖内容不参与此次活动，否则将视为无效内容。2、本次活动将根据实际参与情况发放奖励，包括但不限于用户百分之百中奖或奖项轮空的情况；实物奖品具体发放视出库情况而定；3、活动预计于结束后七天内完成奖项公示，并于结束后15个工作日内完成邮寄。【温馨提示】1、请务必使用个人实名账号参与活动（IAM、企业账号等账号参与无效）。如一个实名认证对应多个账号，只有一个账号可领取奖励，若同一账号填写多个不同收件人或不同账号填写同一收件人，均不予发放奖励。2、所有获得奖品的获奖用户，请于获奖后3日内完成实名认证，否则视为放弃奖励。

为深化产教融合，推动单片机与嵌入式课程教学创新，推广国产芯片技术应用，2025年5月9日至11日，全国单片机与嵌入式课程教学团队在台州学院“首届全国单片机与嵌入式课程教学研讨会暨海思星闪技术应用师资培训”。本次会议以“星闪智联·产教融合·AI赋能人才培养”为主题，以线上线下同步的方式举行，共探智能化时代单片机与嵌入式课程改革路径，助力自主培养高素质工程技术人才。本次会议吸引了来自全国23所高校的40多位教师现场参会，线上同步参会人数达240余人。开幕式上，台州学院副校长党委委员李建军、全国先进半导体产教融合共同体副秘书长范博森、会议发起人邢台学院王承林分别致辞，强调在加快建设教育强国、以中国式现代化全面推进中华民族伟大复兴的背景下，以“星闪智联·产教融合·AI赋能人才培养”开展深入研讨，推动优秀教材、师资和实践教学的建设和优质资源共享，提升专业人才培养质量，期望以此次会议为契机，进一步深化跨校之间的大规模有组织教学，加强示范引领，加大校际合作力度，加强校企协同和产教融合，推动课程内容与产业需求深度对接，推动国产高端芯片技术应用于高校，进课堂、进教材、进实践。 在大会报告环节，台州学院范剑教授、华为开发者布道师沈阳理工大学张东阳教授担任大会报告主持人。东莞理工学院任斌教授、邢台学院王承林教授、沈阳理工大学张东阳教授、台州学院范剑教授、安阳师范学院丁电宽副教授、吉林化工学院刘麒副教授、南华大学李月华副教授、绍兴文理学院赵伟强副教授、湖北师范大学杨青胜副教授等分别从“单片机课程数智化教学改革”“虚拟仿真与人工智能融合实践”“国家级一流课程建设经验”“基于星闪前沿技术的单片机与嵌入式课程体系重构实践”等角度分享了最新教学研究与实践成果。 在“基于星闪前沿技术的单片机与嵌入式课程体系重构实践”的大会报告中，张东阳教授从“面向高质量应用型人才培养的单片机与嵌入式课程建设”“传统的单片机与嵌入式课程体系建设所面临的主要问题”“新工科建设给单片机与嵌入式课程教学改革带来的机遇”“基于华为星闪前沿技术的单片机与嵌入式课程体系重构”“以竞赛为驱动的单片机与嵌入式课程体系竞赛团队建设”等几个方面，系统地介绍了把星闪前沿技术有机融入C语言程序设计、单片机原理与应用、嵌入式系统设计、相关课程设计和毕业设计的方式方法，以及课程体系重构实践，为把星闪前沿技术有机融入相关课程、快速培养高质量的星闪技术应用系统开发人才，探索出一套切实可行的方案。在海思星闪技术应用师资培训环节，江苏润和软件股份有限公司特穆其勒图经理首先介绍了星闪教育教学方案的生态体系，随后张东阳教授利用自己所独创的“能力驱动课程教学模式”，围绕“星闪嵌入式系统开发环境搭建”“星闪技术基础模块案例控制演练”“星闪SLE点对点通信实践”等主题，进行了海思星闪技术应用师资培训教学。张东阳教授通过深入浅出的星闪前沿技术理论讲解和润和星闪套件的实操指导，帮助参训教师快速掌握了解和掌握海思星闪前沿技术，以及高效能力驱动课程教学模式的使用方法。 培训会后，安排了单片机与嵌入式课程教学专题座谈交流会，并组织与会教师参观了台州学院智能制造学院实验室，展示了台州学院高水平的单片机课程教学与实验实践教学成果，为各高校单片机实验平台建设提供了非常有益的参考。 本次会议通过“教学研讨+技术培训”双轨模式，系统呈现了单片机课程改革的核心议题与海思星闪技术应用融入课程教学的实践路径，为高校教师课程教学改革提供了可借鉴的经验。与会代表一致认为，本次会议收获满满，充实而富有成就，对星闪前沿技术，以及如何把星闪前沿技术融入单片机与嵌入式课程教学，有了深入的了解，对高质量课程建设和课程教学改革充满了信心。本次会议是由全国单片机与嵌入式课程联合教学团队发起，该教学团队由来自全国各高校单片机与嵌入式课程的八位国家级一流课程负责人牵头组建，致力于搭建该课程的教学资源共享平台，推广国产单片机高端芯片技术在课程教学中的深入应用，推动校企协同育人，借助人工智能与虚实融合实验平台，赋能单片机与嵌入式课程教学内容和实践体系迭代升级，提升全国单片机与嵌入式课程教师教学水平，为教育强国建设注入创新动能。本次会议得到江苏润和软件股份有限公司的全程协作。

🌟【精彩直播抢先看】星闪应用开发技术课程（群）建设思路与设想📢 时间：5月22日（周四）晚19:00-20:30 | 华为开发者布道师技术直播第12期 华中师范大学计算机学院副教授-葛非老师将深入讲解星闪核心技术及其支撑技术，并讨论如何将这些技术融入到通信工程、计算机科学与技术、软件工程等专业的课程内容中，旨在推动高等教育领域星闪鸿蒙生态的有序发展。✨本期亮点✨✨技术前沿：掌握先进的星闪技术，了解其在智能终端领域的应用前景。✨教育融合：了解星闪技术如何与高等教育结合，为未来的开发者提供更为丰富的学习资源和支持。✨互动交流：与来自专家老师一起交流，共同探讨技术的未来发展。欢迎加入我们，一起探索星闪技术的无限可能，共同为构建更加开放、协作的科技创新生态贡献力量！报名地址：星闪应用开发技术课程（群）建设思路与设想

SQL语句一：CREATE SEQUENCE "ENTITY_SEQUENCE" START WITH 1 INCREMENT BY 1 NO MAXVALUE;SELECT nextval('"ENTITY_SEQUENCE"')创建SEQUENCE，引号被当成了标识符的一部分。SQL语句二：CREATE SEQUENCE ENTITY_SEQUENCE START WITH 1 INCREMENT BY 1 NO MAXVALUE;SELECT nextval('ENTITY_SEQUENCE')从设计上来讲，GaussDB会将引号作为标识符的一部分吗？ 按照ANSI标准，标识符通常可以加上双引号。比如：insert into "T_TOKENS" ("ACCESS_TOKEN_VALUE", "REFRESH_TOKEN_VALUE", "token") VALUES('s', 's', 's');是指表 T_TOKEN，字段ACCESS_TOKEN_VALUE，但GaussDB会提示表找不到或者字段找不到。GaussDB关于标识符的设计有点奇怪，不好理解。 请问这块有官方标准说明吗？

1.1 第一步进入华为云：“华为云”——>”华为云全球云服务专场”在搜索框，输入华为云，点击华为云，点击华为云全球服务专场。、、1.2 第二步进入ModelArts：“搜索框”——>“ModelArts”——>“控制台”——>“控制台”——>“ModelArts界面”进入华为云界面之后，点击搜索框，输入ModelArts，下面会显示ModelArts直接点击AI开发平台ModelArts的控制台，进入ModelArts界面。1.3 选择西南贵阳一在选择区域，选择西南贵阳一区。公共镜像“pytorch_2.1.0-cann_8.0.rc1-py_3.9-euler_2.10.7-aarch64-snt9b”，磁盘规格100GB，点击立即创建。1.4 打开服务器等待创建完成后，单击后面的“打开”按钮将服务器打开。1.5 安装python版本的型号创建“python”版本的型号，点击上方的“+”，在展开的下拉菜单中选择“Notebook”将以下的代码放到代码行里面，点击运行按钮创建环境。conda create -n glm4 python==3.10 -y 1.6 安装openMind Hub Client和openMind Library切换到终端窗口，点击上方的“+”，在展开的下拉菜单中选择“Termianl”以下命令在终端运行，激活或者启动昇腾资源服务。source /usr/local/Ascend/ascend-toolkit/set_env.sh进入新建的python环境conda activate glm4安装“openMind Hub Client”（可能出现以下的错误，不影响下面的操作）pip install openmind_hub安装“openMind Library”，并安装“PyTorch”框架及其依赖（可能出现以下的错误，不影响下面的操作）pip install openmind[pt]按照和下载“LLaMa Factory”工具git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.gitcd LLaMA-Factorypip install -e ".[torch-npu,metrics]"pip install numpy==1.23.53.1 模型下载# 首先保证已安装“git-lfs”（https://git-lfs.com）pip install modelscopemodelscope download --model ZhipuAI/glm-4-9b-chat --local_dir ./glm4-9b-chat用户可以使用“LLaMa Factory”进行模型推理，以“GLM-4-9B-Chat”为例，具体如下：在“/LLaMa Factory/”目录在空白处右键点击——>点击“New File”——>“inference_glm4_9b_chat.py”复制进去创建文件新建推理脚本“inference_glm4_9b_chat.py”推理脚本内容为：（将以下代码复制到新建的文档里面，按下“Crtl”加上“s”键保存文件）import torchfrom transformers import AutoModelForCausalLM, AutoTokenizer # 检查是否支持NPU设备device = "npu" if torch.npu.is_available() else "cpu"print(f"Using device: {device}", flush=True) # 加载预训练模型和分词器tokenizer = AutoTokenizer.from_pretrained("glm4-9b-chat", trust_remote_code=True)model = AutoModelForCausalLM.from_pretrained(    "glm4-9b-chat",    torch_dtype=torch.bfloat16,    low_cpu_mem_usage=True,    trust_remote_code=True).to(device).eval() # 定义生成参数gen_kwargs = {    "max_length": 2500,    "do_sample": True,    "top_k": 1,    "temperature": 0.7,  # 可以调整温度来控制生成的多样性} # 初始化对话历史conversation_history = [] def generate_response(user_input):    # 将用户的输入添加到对话历史中    conversation_history.append({"role": "user", "content": user_input})     # 构建输入模板，包含所有对话历史    inputs = tokenizer.apply_chat_template(        conversation_history,        add_generation_prompt=True,        tokenize=True,        return_tensors="pt",        return_dict=True    )     # 将输入移动到 NPU 设备    inputs = inputs.to(device)     # 生成回复    with torch.no_grad():        outputs = model.generate(**inputs, **gen_kwargs)        outputs = outputs[:, inputs['input_ids'].shape[1]:]  # 去掉输入部分，只保留生成的回复     # 解码生成的回复    response = tokenizer.decode(outputs[0], skip_special_tokens=True)     # 将模型的回复添加到对话历史中    conversation_history.append({"role": "assistant", "content": response})     # 立即打印回复并刷新输出    print(f"Assistant: {response}", flush=True)     return response # 多轮对话循环print("开始多轮对话，输入 'exit' 结束对话。", flush=True)while True:    user_input = input("User: ")    if user_input.lower() == 'exit':        print("结束对话。", flush=True)        break     generate_response(user_input) # 如果有需要处理的异常，可以在主程序块中添加 try-exceptif __name__ == "__main__":try:        pass    except Exception as e:        print(f"An error occurred: {e}", flush=True)执行推理脚本：python inference_glm4_9b_chat.py输入以下问题：（ “款型”#“衣服”每次输入大概使12.8w个token）  出现User是输入问题，Assistant是回复得答案              问题1：类型#上衣材质#牛仔布颜色#白色风格#简约图案#刺绣衣样式#外套衣款式#破洞              问题2：类型#裤风格#英伦风格#简约              问题3：类型#裙裙下摆#弧形裙腰型#高腰裙长#半身裙裙款式#不规则*裙款式#收腰              推理结果如下：按下“Ctrl”键加c键退出问答环节。3.2 数据集下载我们使用单张昇腾NPU，本次案例可以使用多卡进行微调，也可以使用单卡微调，基于LLaMa Factory框架，采用广告文案生成数据集进行Lora微调，让模型能够根据用户输入的商品关键字生成对应的广告文案。数据集广告文案数据集（AdvertiseGen）任务为根据输入（content）生成一段广告词（summary），分为训练集和验证集。其中，训练集大小为114K，验证集大小为1K。每个样本有”content”和”summary”两个键，分别保存商品关键字和商品文案。以下是部分示例：{    "content": "类型#上衣*版型#宽松*版型#显瘦*图案#线条*衣样式#衬衫*衣袖型#泡泡袖*衣款式#抽绳",    "summary": "这件衬衫的款式非常的宽松，利落的线条可以很好的隐藏身材上的小缺点，穿在身上有着很好的显瘦效果。领口装饰了一个可爱的抽绳，漂亮的绳结展现出了十足的个性，配合时尚的泡泡袖型，尽显女性甜美可爱的气息。"}下载“AdvertiseGen”数据集使用“Git”将数据集下载至“LLaMA-Factory”文件下。重复3.2小节重新创建个终端conda activate glm4cd LLaMA-Factory/git clone https://modelers.cn/AI-Research/AdvertiseGen.git 2.3 数据预处理在空白处右键点击——>点击“New File”——>“preprocess_adv_gen.py”复制进去创建文件。下载完成后，需要将“train.json” 和“dev.json” 两个文件的数据处理成“alpaca”数据格式。因此，在“LLaMA-Factory”文件下创建“preprocess_adv_gen.py”脚本，脚本内容具体如下：（按下“Ctrl”键加上“s”键保存文件）import jsonimport argparseimport osimport stat DEFAULT_FLAGS = os.O_WRONLY | os.O_CREATDEFAULT_MODES = stat.S_IWUSR | stat.S_IRUSR def parse_args():    parse = argparse.ArgumentParser()    parse.add_argument("--data_path", type=str)    parse.add_argument("--save_path", type=str)    args = parse.parse_args()    return args def read_data(data_path):    data = []    with open(data_path, "r", encoding="utf-8") as f:        lines = f.readlines()        for line in lines:            data.append(json.loads(line))        return data def convert_to_alpaca_format(data):    results = []    for sample in data:        example = {}        example["instruction"] = sample["content"]        example["output"] = sample["summary"]        results.append(example)    return results def save_data(data, save_path):    with os.fdopen(os.open(save_path, DEFAULT_FLAGS, DEFAULT_MODES), "w", encoding="utf-8") as f:        json.dump(data, f, indent=4, ensure_ascii=False) if __name__ == "__main__":    args = parse_args()    data = read_data(args.data_path)    data = convert_to_alpaca_format(data)save_data(data, args.save_path)通过以下命令执行脚本，将数据预处理的结果分别存为”adv_gen_train.json”和“adv_gen_dev.json“。python preprocess_adv_gen.py --data_path AdvertiseGen/train.json --save_path ./AdvertiseGen/adv_gen_train.jsonpython preprocess_adv_gen.py --data_path AdvertiseGen/dev.json --save_path ./AdvertiseGen/adv_gen_dev.json修改LLaMa Factory下的data/dataset_info.json文件，添加数据集描述：在空白处右键点击——>点击“New File”——>“shuju.py”——>“将以下代码复制到新建的文件里面”（将以下代码复制到新建的文档里面，按下“Crtl”加上“s”键保存文件）import json # 定义要添加的内容addition = {    "adv_gen_train": {        "file_name": "/home/ma-user/work/LLaMA-Factory/AdvertiseGen/adv_gen_train.json",        "columns": {            "prompt": "instruction",            "response": "output"        }    },    "adv_gen_dev": {        "file_name": "/home/ma-user/work/LLaMA-Factory/AdvertiseGen/adv_gen_dev.json",        "columns": {            "prompt": "instruction",            "response": "output"        }    }} # 读取现有的 dataset_info.json 文件with open('/home/ma-user/work/LLaMA-Factory/data/dataset_info.json', 'r') as file:    data = json.load(file) # 将新内容添加到现有数据中data.update(addition) # 写回 dataset_info.json 文件with open('/home/ma-user/work/LLaMA-Factory/data/dataset_info.json', 'w') as file:    json.dump(data, file, indent=2)    执行以下命令将路径写进dataset_info.json文件python shuju.py3.1 微调配置文件修改“ /home/ma-user/work/LLaMA-Factory/src/llamafactory/model”文件下的“loader.py”代码，在68、120、149行代码下面添加以下的代码。如图所示。（在“init_kwargs = _get_init_kwargs(model_args)”下一行添加以下代码）init_kwargs["trust_remote_code"] = True在“LLaMa Factory/ examples/train_lora/”路径下创建新的文件：在空白处右键点击——>点击“New File”——>“glm4_9b_chat_lora_sft.yaml”——>“将以下代码复制到新建的文件里面”（将以下代码复制到新建的文档里面，按下“Crtl”加上“s”键保存文件）### modelmodel_name_or_path: /home/ma-user/work/LLaMA-Factory/glm4-9b-chat/ # 当前仅支持本地加载，填写GLM-4-9B-Chat本地权重路径 ### methodstage: sftdo_train: truefinetuning_type: loralora_target: alllora_rank: 8lora_alpha: 32lora_dropout: 0.1 ### datasetdataset: adv_gen_traintemplate: glm4cutoff_len: 256preprocessing_num_workers: 16#可以根据自己需求修改模型输出的路径### outputoutput_dir: /home/ma-user/work/LLaMA-Factory/glm4-9b-lora/logging_steps: 10save_steps: 500plot_loss: trueoverwrite_output_dir: true ### trainper_device_train_batch_size: 16gradient_accumulation_steps: 1learning_rate: 5.0e-4max_steps: 1000lr_scheduler_type: cosinewarmup_ratio: 0.1bf16: trueddp_timeout: 180000000通过下面的命令启动微调：（在LLaMA-Factory路径下添加以下的命令）export ASCEND_RT_VISIBLE_DEVICES=0llamafactory-cli train examples/train_lora/glm4_9b_chat_lora_sft.yaml3.2 评估模型训练结束后，通过“LLaMa Factory”使用微调完成的权重在“adv_gen_dev.json”数据集上预测“BLEU”和“ROUGE”分数。在“LLaMa Factory/examples/train_lora/”路径下新建“glm4_9b_chat_lora_predict.yaml”评估配置文件，具体操作步骤如下：在空白处右键点击——>点击“New File”——>“glm4_9b_chat_lora_predict.yaml”——>“将以下代码复制到新建的文件里面”（将以下代码复制到新建的文档里面，按下“Crtl”加上“s”键保存文件）### modelmodel_name_or_path: /home/ma-user/work/LLaMA-Factory/glm4-9b-chat/ # 当前仅支持本地加载，填写GLM-4-9B-Chat本地权重路径#修改训练好模型的路径adapter_name_or_path: /home/ma-user/work/LLaMA-Factory/glm4-9b-lora/checkpoint-1000/ ### methodstage: sftdo_predict: truefinetuning_type: lora ### dataseteval_dataset: adv_gen_devtemplate: glm4cutoff_len: 256preprocessing_num_workers: 16 ### outputoutput_dir: /home/ma-user/work/LLaMA-Factory/glm4-9b-lora/predict/overwrite_output_dir: true ### evalper_device_eval_batch_size: 128predict_with_generate: true按下“Ctrl”键加上“s”键保存文件。通过下面的命令启动评估：export ASCEND_RT_VISIBLE_DEVICES=0llamafactory-cli train examples/train_lora/glm4_9b_chat_lora_predict.yaml3.2 推理微调结束后，在“LLaMa Factory”路径下新建“examples/inference/”路径下创建新的为：在空白处右键点击——>点击“New File”——>“glm4_9b_chat_lora_sft.yaml”——>”将以下代码复制到新建的文件里面（将以下代码复制到新建的文档里面，按下“Crtl”加上“s”键保存文件）model_name_or_path: /home/ma-user/work/LLaMA-Factory/glm4-9b-chat/  # 当前仅支持本地加载，填写GLM-4-9B-Chat本地权重路径adapter_name_or_path: /home/ma-user/work/LLaMA-Factory/glm4-9b-lora/checkpoint-1000/   #当前仅支持训练之后模型的权重路径template: glm4finetuning_type: lora通过下面的命令启动推理：出现User是输入问题，Assistant是回复得答案llamafactory-cli chat examples/inference/glm4_9b_chat_lora_sft.yaml3.4 效果对比提出以下类似的问题：问题1：类型#上衣材质#牛仔布颜色#白色风格#简约图案#刺绣衣样式#外套衣款式#破洞问题2：类型#裤风格#英伦风格#简约问题3：类型#裙裙下摆#弧形裙腰型#高腰裙长#半身裙裙款式#不规则*裙款式#收腰微调之前的效果：微调之后的效果，微调之后使广告词生成的内容更加符合选美：

好消息，关注这个比赛的友友们，感谢社区的小助手们赛事已经公布出名单来了获奖名单及奖品邮寄信息统计，见获奖名单但是其中获奖的证书在哪里查看下载

连续3天！前端15大导师齐上阵！5月12日起，OpenTiny开源之夏项目宣讲会等你来看~助你赢取活动奖金

本期获奖情况如下，代金券和礼品会发到参与活动时大家填写的这个报名问卷的账号和收货地址中，请注意查收。代金券已发放至论坛私信（右上角我的社区-我的消息-私信中领取），礼品已在申请流程中，请耐心等待，谢谢多篇文章的本期以最高奖项的发放，不叠加。如发布3篇，2篇参与奖，1篇三等奖，按三等奖发放。注意：yd_229103306没有按要求填写，无法准时发放礼品，请7月25日前查看论坛私信，提供信息，仅补发这一次，过期不补！！主题作者奖项帖子标题胡琦二等【案例共创】基于华为开发者空间使用 FastAPI 构建 MCP 天气查询服务yd_269585276二等【案例共创】基于华为开发者空间构建本地MCP Server + DeepSeek + Cherry Studio实现股市分析助手给无眠点压力二等【案例共创】基于仓颉 + DeepSeek + MCP 的智能膳食分析助手夏同学三等【案例共创】基于 yo + generator-mcp 创建的 MCP Server (Typescript)柠檬味拥抱三等【案例共创】基于华为云开发者空间+Flexus+Dify平台的AI Agent构建实战：搭建大学报考志愿建议助手神一样的老师三等【案例共创】基于仓颉编程语言+Cangjie Magic智能体框架+华为云IoTDA+DeepSeek推动智能家居智能体落地yd_220830895三等【案例共创】 基于华为云开发者空间+Cangjie+deepseek语言实现的智能摘要助手Changeden参与奖【案例共创】基于仓颉编程语言实现SQL脚本模板渲染工具yd_251482364参与奖 【案例共创】基于华为开发者空间构建MCP Server与DeepSeek大模型的教育辅助应用Fanstuck参与奖【案例共创】基于华为开发者空间+DeepSeek：打造全链路高效数据分析工作流柠檬味拥抱参与奖【案例共创】从零开始，用仓颉语言+DeepSeek开发你的专属AI助手郑小健参与奖【案例共创】基于仓颉编程语言+DeepSeek实现“软考系规知识点释义”助手风亦安参与奖【案例共创】基于仓颉编程语言+DeepSeek实现模拟课堂讨论助手尧佥参与奖【案例共创】基于仓颉、DeepSeek与RGF的AI桌宠开发实践柠檬味拥抱参与奖【案例共创】基于华为云开发者空间的AI Agent [旅行灵感生成器]智能体熊猫钓鱼参与奖【案例共创】基于华为开发者空间+仓颉的智能对联网页小程序之旅小鲜参与奖【案例共创】基于仓颉编程语言+DeepSeek实现 AI 绘画提示词生成智能体黄生参与奖【案例共创】基于 华为开发者空间+仓颉 完成健康指数计算器开发实践yd_229103306参与奖【案例共创】基于华为开发者空间从0开始完成仓颉编程语言与Python的互操作 了解案例共创活动为了让更多开发者能够更轻松、更高效地理解和使用我们的文档，进而提升云产品的整体使用体验，我们致力于进一步优化和完善官方产品文档。在此过程中，我们诚挚地邀请广大开发者积极参与，通过亲身体验云产品，编写实践案例或体验评测。一旦您的案例经过专家评审团的认可与采纳，将有以下三点：优质案例将被正式收录至官方案例库，供广大开发者学习。优质案例将选送到在华为云站内外10+个技术社区推荐，给予百万级流量资源。以上案例我们都将注明原作者名字，实现与开发者共创官方文档。参与者不仅有机会获得每月活动礼品，还有可能被评为年度内容贡献官，享受更多荣誉和奖励，获得更多合作机会。我们期待着与您一起，共同打造更加优质、高效的云服务体验。 参与投稿方式第1步：（已注册并实名可跳过）华为云账号实名认证，点击这里。（已设置可跳过）登录后设置社区昵称，点我设置。第2步：点击报名填写报名问卷，提供礼品发放地址等信息第3步：开启您的云端体验，分享实践案例，点我写帖子。版块选择“社区活动”分类选择“案例共创”帖子标题在前面添加【案例共创】（一定要加，方便识别参与活动的帖子）文末可添加活动名称及链接地址，如“我正在参加【案例共创】第4期 基于华为开发者空间+仓颉/DeepSeek/MCP完成应用构建开发实践  https://bbs.huaweicloud.com/forum/thread-02127182415062274055-1-1.html”【如您在体验中有任何产品问题，欢迎在论坛发布问题求助帖（帖子分类选择问题求助）咨询产品专家，如发现任何体验不友好、产品Bug、文档页面错漏等情况，欢迎通过云声平台反馈给我们，还有机会领取云声专属礼品！活动相关咨询可以论坛私信“论坛小助手SUN”】  本期投稿内容Ø  华为云产品介绍：华为开发者空间：汇聚鸿蒙、昇腾、鲲鹏、GaussDB、欧拉等各项根技术的开发资源及工具致力于为每位开发者提供一台云主机、一套开发工具及云上存储空间，让开发者基于华为根生态创新。领取链接CodeArts IDE for Cangjie：且预置在云主机环境中，提供强大的便利性。 Ø  DeepSeek免费Token领取领取DeepSeek 200w免费Token，登录MaaS，可进入贵阳一区域的MaaS控制台，然后点击控制台左侧“模型推理”，点击右侧的“旧版服务”，找到想要使用的DeepSeek版本后点击“领取”，领取成功后就可以开始体验使用了。 Ø  应用构建要求开发者可结合自己的工作实践，须在华为开发者空间内完成应用构建，应用构建类型和主题参考如下：应用构建类型方向：1、仓颉应用2、仓颉+DeepSeek3、MCP server+DeepSeek4、仓颉+DeepSeek+MCP server  主题场景包括但不限于以下方向(仅做参考)：1. 轻量级企业自动化工具（文本处理工具等）；2. 垂直领域问答助手（咨询助手等）；3. 教育/培训轻量化解决方案（考题批改工具等）；4. 行业市场分析（股市预测工具等）；  案例模版参考：MCP案例地址：cid:link_0MCP (Model Context Protocol) 是一个开放协议，用于标准化应用程序如何向 LLM 提供上下文。可以将 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 为设备连接各种外设和配件提供标准化方式一样，MCP 为 AI 模型连接不同的数据源和工具提供了标准化的方式。MCP 的核心遵循客户端-服务器架构，其中主机应用程序可以连接到多个服务器；在华为开发者空间云主机部署MCP Server服务，基于华为云MaaS提供的免费DeepSeek-R1大模型调用MCP Server提供的工具来进行功能实现。  仓颉案例地址：cid:link_1本案例基于华为开发者空间云主机的 AI 聊天助手开发过程。首先借助一个简洁的仓颉项目案例，体验 CodeArts IDE for Cangjie 编辑器的各项功能；运用华为 MaaS 提供的免费 DeepSeeK Tokens，通过实际操作，在云主机内成功编写并实现了一个智能聊天助手；在 MaaS 服务中领取模型，深度体验 DeepSeek-R1 满血版的各项优势，以及 CodeArts IDE for Cangjie 编辑器的入门使用方法和通过仓颉编程语言实现与 DeepSeek 接口的对接。  Ø 投稿规则1）构建的应用需要完成发布，有应用在线截图。2）案例场景和方案以及用到的华为云产品或者开源框架简述。3）开发过程实际操作描述(文字描述+截图+代码)。4）案例实操需要完整体现，读者可根据案例上手并体验。   活动流程（全年征集，每月一期评选）投稿时间：2025年5月13日-6月30日联合评审：2025年7月1日-7月9日奖项公示：2025年7月10-11日奖品发放：获奖名单公布后5个工作日内寄出  评奖规则届时将有华为技术专家团参与评审，主要按照以下维度评分：标准类型分值释义分值阶梯总分值场景创新性贴近实际行业生产或者服务业务场景0：未结合场景解决实际问题1：提出实际场景但未解决问题2：提出实际场景及解决方方案3：提出实际场景并且解决方案优质0/0.5/1/1.5/2/2.5/33操作完整性关键节点以文字+截图的形势进行说明0：无关键节点文字说明或截图1：有关键节点文字说明或截图2：同时有关键节点文字说明与截图3：符合2的条件下能够突出关键技术特点和释义0/0.5/1/1.5/2/2.5/33行业潜力案例对行业相关技术整合具有可补充性和韧性0：不具备技术可补充性或韧性1：具备技术可补充性或韧性2：同时具有技术可补充性和韧性0/0.5/1/1.5/22影响力通过案例展示其学术成果和社会影响力方面的成功故事或实践0：无学术成果及社会影响力1：具有学术成果或社会影响力2：同时具有学术成果和社会影响力0/0.5/1/1.5/22加分项应用到更多的工具或者技术，此条由评委进行综合判定0/0.5/1/1.5/22  奖项设置代金券及周边礼物发放对象为：已完成实名认证的华为云用户。发放到填写报名问卷的账号及收货地址中，礼包类礼品均为实物礼品。 重要说明1、投稿内容一经采用，将会被纳入官方产品文档，文章作者拥有著作权，华为云拥有使用权、修改权等。2、投稿内容字数不少于500字(不含代码)，要求思路清晰、文字顺通、图片清晰、代码规范，不得有打广告、加二维码引流和凑字数行为。3、文章要求发布在华为云开发者社区论坛，允许搬运自己发在其他平台的文章，但仅支持搬运自己的原创文章，搬运他人的文章当抄袭处理。内容必须保证内容原创性，实践过程真实、内容代码化，如发现投稿内容为转载、复制、抄袭、恶意拼接、灌水等侵权作弊行为，均视为无效并取消参与资格4、将发表过的文章删除后重新发表的文章，不计入发文数量，以文章评选时在线显示数量为准。活动期间，如有用脚本刷阅读量、注册僵尸号刷赞等严重违反社区规范的行为，直接取消所有获奖资格。5、审核通过被采纳的文章作者，将在下月初进行获奖名单公布和奖励发放，届时会有站内信通知，请及时关注并填写快递信息，过期未核对或填写视为放弃该期奖品。6、对于持续输出高质量内容的作者，每年度末还有年度贡献大礼包送上。特别声明：华为云有权根据自身运营安排，自主决定和调整本活动的具体规则，具体活动规则以活动页公布规则为准。相关规则一经公布即产生效力，您应当予以遵守。如您不认同以上规则，请谨慎参与本次活动。   其他相关活动【产品体验官】华为开发者空间+仓颉编程语言案例，提优化建议领千元开发者好礼

案例介绍毕昇编译器基于开源LLVM开发，并进行了优化和改进，同时支持Fortran语言前端，是针对鲲鹏平台的高性能编译器。案例内容1 概述1.1 背景介绍鲲鹏服务器是基于鲲鹏处理器的新一代数据中心服务器，适用于大数据、分布式存储、高性能计算和数据库等应用。鲲鹏服务器具有高性能、低功耗、灵活的扩展能力，适合大数据分析、软件定义存储、Web等应用场景。毕昇编译器基于开源LLVM开发，并进行了优化和改进，同时支持Fortran语言前端，是针对鲲鹏平台的高性能编译器。除LLVM通用功能和优化外，对中端及后端的关键技术点进行了深度优化，并集成Auto-tuner特性支持编译器自动调优。1.2 适用对象企业个人开发者高校学生1.3 案例时间本案例总时长预计60分钟。1.4 案例流程说明：① 自动部署鲲鹏服务器；② 安装Python软件包；③ 安装毕昇编译器AutoTuner；④ AutoTuner自动调优。1.5资源总览本案例预计花费总计0元。资源名称规格单价（元）时长（分钟）云主机2vCPUs 4GB免费602 操作步骤2.1 自动部署鲲鹏服务器在云主机桌面右键选择“Open Terminal Here”，打开命令终端窗口。执行自动部署命令如下：hcd deploy --password abcd1234@ --time 3600命令的参数说明：password：password关键字后设置的是鲲鹏服务器的root用户密码，命令中给出的默认为abcd1234@，开发者可以替换成自定义密码（至少8个字符）。time：time关键字后面设置的为鲲鹏服务器的可用时间，单位为秒，至少600秒。在命令中申请的时间为60分钟，即3600秒。该命令会自动部署鲲鹏服务器。首次部署会直接执行，旧资源未到期时重复部署，会提示是否删除前面创建的资源，可以删除旧资源再次部署。记录部署鲲鹏服务器公网IP，如截图中对应的就是：115.120.242.46。2.2 安装Python软件包新打开一个终端窗口，使用上一步中记录的公网IP登录鲲鹏服务器，命令如下：ssh root@鲲鹏服务器公网IP输入密码，密码为步骤2.1中自动部署命令行中“–password”后面的参数，命令中给出的默认为abcd1234@，如果没有修改，就使用abcd1234@进行登录，如果设置了自定义密码，直接输入自定义的密码（注意：输入过程中密码不会显示，密码输入完成按回车键结束）。登录成功后，输入命令安装Python依赖包，命令如下：yum -y groupinstall "Development Tools" --nogpgcheckyum -y install gcc openssl-devel bzip2-devel libffi-devel python3-devel sqlite-devel --nogpgcheckPython-3.11.4不支持OpenSSL-1.1.1以下的版本，所以需要下载编译OpenSSL-1.1.1版本，下载并解压源码命令如下：（*openssl下载备用链接：https://dtse-mirrors.obs.cn-north-4.myhuaweicloud.com/case/0014/openssl-1.1.1t.tar.gz）wget https://dtse-mirrors.obs.cn-north-4.myhuaweicloud.com/case/0014/openssl-1.1.1t.tar.gztar -xzf openssl-1.1.1t.tar.gzcd openssl-1.1.1t编译并安装 OpenSSL 到自定义目录以避免覆盖系统版本。./config --prefix=/usr/local/openssl-1.1.1 --openssldir=/usr/local/openssl-1.1.1 shared zlibmakemake install更新动态链接库缓存。echo "/usr/local/openssl-1.1.1/lib" > /etc/ld.so.conf.d/openssl-1.1.1.confldconfig毕昇编译器AutoTuner环境要求Python版本为Python-3.11.4，进入到/opt目录下载并解压Python3.11.4源码。cd /optwget https://mirrors.huaweicloud.com/python/3.11.4/Python-3.11.4.tar.xztar -xvJf Python-3.11.4.tar.xzcd Python-3.11.4编译和安装，配置编译选项并开始编译。./configure --prefix=/usr/local/ --with-openssl=/usr/local/openssl-1.1.1makemake installpython3 -m pip install --upgrade pip2.3 安装毕昇编译器AutoTuner下载并解压毕昇编译器。mkdir -p /opt/compilercd /opt/compilerwget https://kunpeng-repo.obs.cn-north-4.myhuaweicloud.com/BiSheng%20Enterprise/BiSheng%20Enterprise%20203.0.0/BiShengCompiler-4.1.0-aarch64-linux.tar.gztar -zxvf BiShengCompiler-4.1.0-aarch64-linux.tar.gz配置毕昇编译器环境变量。export PATH=/opt/compiler/BiShengCompiler-4.1.0-aarch64-linux/bin:$PATH export LD_LIBRARY_PATH=/opt/compiler/BiShengCompiler-4.1.0-aarch64-linux/lib:/opt/compiler/BiShengCompiler-4.1.0-aarch64-linux/lib/aarch64-unknown-linux-gnu:$LD_LIBRARY_PATH安装完毕后执行命令验证毕昇编译器版本。clang -v安装Autotuner。install-autotuner.shllvm-autotune -hauto-tuner -h2.4 AutoTuner自动调优实践CoreMark是衡量中央处理器（CPU）和嵌入式微控制器（MCU）性能的行业标准基准。我们这里以CoreMark为例展示如何运行自动调优。下载CoreMark代码。mkdir bisheng_compiler_democd bisheng_compiler_demogit clone https://github.com/eembc/coremark.git如果克隆失败，可以通过以下链接下载并解压：wget https://dtse-mirrors.obs.cn-north-4.myhuaweicloud.com/case/0014/coremark.zipunzip coremark.zip创建执行脚本，将进行20次迭代调优coremark代码并对比调优效果。cd coremark/vi run_autotuner.sh进入到vim编辑器界面内，按下“i”键将下段代码复制到编辑器内。#!/bin/bashexport AUTOTUNE_DATADIR=/tmp/autotuner_datarm -rf $AUTOTUNE_DATADIRmkdir -p $AUTOTUNE_DATADIRCompileCommand="clang -Iposix -I. -g -DFLAGS_STR=\"\" -DITERATIONS=300000 core_list_join.c core_main.c core_matrix.c core_state.c core_util.c posix/core_portme.c -O2 -o coremark"$CompileCommand -fautotune-generate;llvm-autotune minimize;for i in $(seq 20)do $CompileCommand -fautotune; ( time -p ./coremark 0x0 0x0 0x66 300000 ) 2>time.log time=$( grep real time.log | sed 's/real\s*//' ) echo "iteration: " $i "cost time:" $time; llvm-autotune feedback $time;donellvm-autotune finalize;复制完成后，按下“ESC”键->输入“:wq”保存并退出编辑器界面。添加该文档执行权限。chmod u+x run_autotuner.sh在终端中输入命令执行脚本，开始进行Autotuner迭代调优，进行20次循环迭代，并获取每次的性能数据作为反馈，执行过程约5~10分钟。./run_autotuner.sh打印内容如下所示，完成20次迭代后，将迭代获取的最优编译配置文件到脚本设置的AUTOTUNE_DATADIR目录：/tmp/autotuner_data/config.yaml调用最优配置文件，为了进行后续的优化编译，首先配置AUTOTUNE_DATADIR环境变量。export AUTOTUNE_DATADIR=/tmp/autotuner_data/直接使用-fautotune选项调用最优配置文件config.yaml进行优化编译，执行如下命令，编译生成优化后的coremark可执行文件coremark_autotuner：clang -Iposix -I. -g -DFLAGS_STR=\"\" -DITERATIONS=300000 core_list_join.c core_main.c core_matrix.c core_state.c core_util.c posix/core_portme.c -O2 -g -o coremark_autotuner -fautotune执行如下命令，获取优化后coremark可执行文件的运行时间（单位为秒）：( time -p ./coremark_autotuner 0x0 0x0 0x66 300000 ) 2> time.log从图中可以看出，经过Autotuner优化后的coremark300000次迭代的执行时间为18.40s。使用毕昇编译器编译coremark用户代码，执行如下命令，生成未调优的coremark可执行文件进行对比，通过运行coremark可执行文件的时间差异来测试调优性能是否有提升，软件运行时间越短表示性能越好：clang -Iposix -I. -g -DFLAGS_STR=\"\" -DITERATIONS=300000 core_list_join.c core_main.c core_matrix.c core_state.c core_util.c posix/core_portme.c -O2 -g -o coremark之后执行如下命令，获取优化前coremark可执行文件的运行时间（单位为秒）：( time -p ./coremark 0x0 0x0 0x66 300000 ) 2> time.log从图中可以看出，未经过Autotuner优化后的coremark300000次迭代的执行时间为19.56s。经比较可以发现，调优后的性能可以提升6%~7%（优化前时间/优化后时间-100%）左右，说明使用Autotuner编译调优对性能有较大改善。至此，基于鲲鹏使用毕昇编译器Autotuner自动调优实践全部完成。

一、核心元素概述云质量标准（Cloud Quality Standards）是一套旨在确保云计算服务和解决方案质量的规范和最佳实践。这些标准涵盖了多个关键领域，包括安全性、可靠性、性能、合规性和互操作性等。在云实施过程中，将这些标准集成到每个阶段至关重要，以确保最终的云解决方案能够满足企业的业务需求并提供高质量的用户体验。下面将详细探讨云质量标准的核心元素及其在云实施各阶段的集成。1. 通用指导和最佳实践（General Guidance and Best Practices）通用指导和最佳实践为云实施提供了总体框架和基本原则。这些指导原则帮助组织在采用云计算时做出更明智的决策，并确保整个实施过程的一致性和高效性。云计算策略制定：在规划云迁移或部署时，企业需要制定明确的云计算策略。这包括确定业务需求、评估现有IT基础设施、选择适合的云服务模型（如IaaS、PaaS或SaaS）以及制定迁移计划。安全与合规：安全是云计算的重要考量因素之一。企业应遵循行业标准和最佳实践，如ISO 27001、SOC 2和HIPAA等，确保数据的机密性、完整性和可用性。此外，还需定期进行安全审计和风险评估。成本管理：有效的成本管理是成功实施云计算的关键。企业应建立成本模型，监控云资源的使用情况，并通过优化资源配置来降低成本。同时，利用云服务提供商提供的成本管理工具，实现成本的可视化和精细化管理。供应商管理：选择合适的云服务提供商是至关重要的。企业应对潜在供应商进行严格的尽职调查，评估其服务水平协议（SLA）、安全措施和合规性。建立良好的供应商关系，确保双方在服务质量、技术支持和问题解决等方面保持有效沟通。2. 领先实践（Leading Practices）领先实践是指在云计算领域被广泛认可和采用的先进方法和技术。这些实践经过验证，能够显著提高云服务的质量和效率。自动化和编排：利用自动化工具（如Ansible、Terraform和Kubernetes）实现基础设施即代码（IaC），可以大大提高部署速度和准确性。自动化工作流程还可以减少人为错误，提高运维效率。持续集成和持续交付（CI/CD）：实施CI/CD管道，使开发和运维团队能够更紧密地合作，实现快速迭代和部署。通过自动化测试和部署流程，企业可以更快地响应市场变化，提高软件交付质量。容器化和微服务架构：采用容器技术（如Docker）和微服务架构，可以提高应用程序的可移植性和扩展性。容器化允许应用程序在不同环境中一致运行，而微服务架构支持独立开发和部署，提高系统的灵活性和可维护性。监控和日志管理：建立全面的监控和日志管理系统，实时跟踪云资源的使用情况和性能指标。利用工具如Prometheus、Grafana和ELK Stack，企业可以快速检测和解决问题，优化资源利用率。3. 步骤指南（Step Guide）步骤指南为云实施的各个阶段提供了详细的操作步骤和检查点，确保项目按计划推进。需求分析和规划：明确业务需求和目标，评估现有系统和数据，制定详细的迁移或部署计划。确定项目的范围、时间表和资源需求。设计和架构：设计云架构，选择适合的云服务和技术，确保系统的高可用性、可扩展性和安全性。进行容量规划和网络设计。实施和集成：按照设计方案进行云资源的配置和部署，集成现有系统和应用程序。进行数据迁移和接口开发，确保新旧系统的平滑过渡。测试和验证：进行功能测试、性能测试和安全测试，确保系统满足业务需求和质量标准。修复发现的问题，进行用户验收测试（UAT）。上线和运维：将系统正式上线，切换用户流量。建立运维机制，包括监控、备份恢复和应急响应计划。持续优化系统性能和用户体验。4. 里程碑入口和出口准则（Milestone Entry and Exit Criteria）里程碑入口和出口准则定义了云实施过程中每个阶段必须满足的条件，确保项目的质量和进度得到有效控制。里程碑入口准则：在进入每个新阶段之前，必须满足一系列预定义的条件，如完成前一阶段的所有任务、通过相关评审和批准、具备必要的资源和技能等。这些准则确保项目具备继续推进的基础。里程碑出口准则：在每个阶段结束时，必须通过一系列的质量检查和评审，确保该阶段的目标已经实现，并且输出符合预期标准。只有满足出口准则，才能进入下一阶段。二、云实施阶段详解云实施过程通常包括多个阶段，每个阶段都有其特定的任务和目标。下面将详细描述每个阶段的主要活动，以及如何将云质量标准的核心元素集成到这些阶段中。1. 需求分析和规划阶段主要活动：与业务部门合作，明确业务需求和目标。评估现有IT基础设施和应用程序。制定云计算策略和迁移计划。确定项目的范围、时间表和资源需求。云质量标准集成：通用指导和最佳实践：制定云计算策略，考虑安全、成本和供应商管理等因素。领先实践：借鉴其他企业的成功案例和行业最佳实践，优化需求分析和规划过程。步骤指南：按照详细的步骤进行需求调研、现有系统评估和规划制定。里程碑入口和出口准则：完成需求分析报告并通过评审，作为进入下一阶段的入口准则。2. 设计和架构阶段主要活动：设计云架构，选择适合的云服务和技术。进行容量规划和网络设计。制定安全策略和合规计划。定义系统的高可用性、可扩展性和灾难恢复方案。云质量标准集成：通用指导和最佳实践：遵循安全和合规标准，确保设计符合企业的安全和合规要求。领先实践：采用先进的架构模式，如微服务架构和容器化，提高系统的灵活性和可维护性。步骤指南：按照设计步骤进行架构设计、技术选型和安全规划。里程碑入口和出口准则：完成架构设计文档并通过评审，作为进入下一阶段的入口准则。3. 实施和集成阶段主要活动：配置和部署云资源，包括计算、存储和网络。进行数据迁移和接口开发。集成现有系统和应用程序。建立开发和测试环境。云质量标准集成：通用指导和最佳实践：确保云资源的配置符合安全和成本管理的最佳实践。领先实践：利用自动化工具实现基础设施即代码（IaC），提高部署速度和准确性。步骤指南：按照实施步骤进行云资源配置、数据迁移和系统集成。里程碑入口和出口准则：完成系统集成测试，确保新系统与现有系统的兼容性，作为进入下一阶段的入口准则。4. 测试和验证阶段主要活动：进行功能测试、性能测试和安全测试。修复发现的问题，进行回归测试。进行用户验收测试（UAT）。云质量标准集成：通用指导和最佳实践：遵循测试标准和最佳实践，确保测试的全面性和有效性。领先实践：采用自动化测试工具，提高测试效率和覆盖率。步骤指南：按照测试计划进行各种测试，记录和跟踪问题。里程碑入口和出口准则：通过所有测试，获得用户签字确认，作为进入下一阶段的入口准则。5. 上线和运维阶段主要活动：将系统正式上线，切换用户流量。建立运维机制，包括监控、备份恢复和应急响应计划。持续优化系统性能和用户体验。云质量标准集成：通用指导和最佳实践：确保运维机制符合安全和合规要求，持续优化成本。领先实践：建立全面的监控和日志管理系统，实时跟踪系统性能和用户行为。步骤指南：按照运维计划进行系统上线、监控和优化。里程碑入口和出口准则：系统稳定运行一段时间，达到预定的性能指标，作为项目成功的标志。三、总结将云质量标准的核心元素集成到云实施的每个阶段，可以确保云计算项目的成功实施。从最初的规划和设计，到最终的上线和运维，每个阶段都必须遵循严格的标准和最佳实践。通过这种方式，企业能够实现高质量的云解决方案，满足业务需求，提高竞争力，并在数字化转型的道路上取得成功。