业务和功能介绍
用 C++ 从零实现的脚本语言解释器，参考Python架构设计，实现了完整的图灵完备执行能力。
理解编程语言从源代码到执行结果的完整链路：词法分析、语法解析、AST 构建、运行时求值。
核心能力：
1.完整的解释执行流程：词法分析→语法解析→AST→树遍历执行，支持变量、条件、循环、函数定义与调用
2.模块系统：支持import导入其他脚本文件，实现代码复用和模块化组织
3.C++DLL扩展机制：支持加载原生C++动态库作为扩展模块，脚本可直接调用DLL中导出的函数，实现了脚本语言与原生代码的互操作
4.标准库：内置数学库等基础功能模块
理解编程语言从源代码到执行结果的完整链路：词法分析、语法解析、AST 构建、运行时求值。
核心能力：
1.完整的解释执行流程：词法分析→语法解析→AST→树遍历执行，支持变量、条件、循环、函数定义与调用
2.模块系统：支持import导入其他脚本文件，实现代码复用和模块化组织
3.C++DLL扩展机制：支持加载原生C++动态库作为扩展模块，脚本可直接调用DLL中导出的函数，实现了脚本语言与原生代码的互操作
4.标准库：内置数学库等基础功能模块
项目实现
词法分析器（Lexer）：手写tokenizer，逐字符扫描源码，识别关键字、标识符、字符串、数字、运算符等token类型，处理字符串转义、多行表达式等边界情况。
语法解析器（Parser）：采用递归下降方式，将token流解析为抽象语法树（AST）。支持表达式优先级（算术→比较→逻辑）、函数定义、控制流语句、赋值与复合赋值等语法结构。
运行时（Runtime）：树遍历式求值，维护作用域链实现变量查找和函数调用的栈帧管理。支持动态类型（整数、浮点、字符串、布尔、列表、None），运行时类型检查和自动类型转换。
模块与 DLL 机制：import语句触发文件加载→独立解析→执行并将导出符号注入当前作用域。
语法解析器（Parser）：采用递归下降方式，将token流解析为抽象语法树（AST）。支持表达式优先级（算术→比较→逻辑）、函数定义、控制流语句、赋值与复合赋值等语法结构。
运行时（Runtime）：树遍历式求值，维护作用域链实现变量查找和函数调用的栈帧管理。支持动态类型（整数、浮点、字符串、布尔、列表、None），运行时类型检查和自动类型转换。
模块与 DLL 机制：import语句触发文件加载→独立解析→执行并将导出符号注入当前作用域。
示例图片视频
相似推荐
基于知识图谱的作战任务需求解析
项目描述：开发一个基于知识图谱的作战任务需求智能解析系统，用于提高文本理解和作战任务解析的准确性和效率。通过使用自然语言处理和知识图谱技术，实现了在复杂作战环境中更准确高效地理解作战意图和传达作战指令。
应用技术：Python，Pytorch框架，自然语言处理技术，Bert语言模型，知识图谱。
Web应用 / 数据分析工具-微软新闻词云分析系统
软件功能、核心功能模块的介绍
本系统包含四大核心功能模块：
（1）新闻数据采集模块：基于Requests和BeautifulSoup库实现网络爬虫，能够从微软新闻网站（news.microsoft.com）自动抓取最新新闻标题和正文内容。该模块具备多级容错机制，当网络异常或页面结构变化时，自动切换至备用数据源，确保系统稳定运行。
（2）中文分词与关键词提取模块：使用Jieba分词库对采集的新闻文本进行精确分词，结合自定义停用词库（包含200余个虚词和常见词），过滤掉无实际意义的词语。通过Counter工具进行词频统计，提取出现频率最高的关键词作为分析基础。
（3）词云可视化生成模块：基于WordCloud库将关键词数据转化为可视化词云图片。该模块实现了跨平台字体自动检测功能，优先使用黑体、微软雅黑等中文字体确保中文正常显示，并设计了PIL备用方案作为最终保障。
（4）Web应用与交互模块：采用Flask框架构建轻量级Web服务，提供RESTful API接口。前端采用响应式设计，支持PC端和移动端访问。用户点击生成按钮后，系统异步执行后台任务，通过状态轮询机制实时反馈处理进度，最终展示词云图片和关键词分析结果。
3、业务流程、功能路径描述
用户访问系统首页（http://127.0.0.1:5050），页面展示控制面板和词云展示区。用户点击“开始抓取新闻并生成词云”按钮后，系统触发后台异步任务：首先启动爬虫模块访问微软新闻网站，抓取15条最新新闻的标题和正文内容，合并生成约5000-10000字符的文本数据；随后调用分词模块对文本进行切词和停用词过滤，统计出前100个高频关键词；接着调用词云生成模块，根据词频数据生成800×600像素的词云图片并保存至static目录；最后更新处理状态为完成。前端通过每2.5秒轮询状态接口，实时显示“抓取中”、“分析中”、“生成中”等进度信息，任务完成后自动加载词云图片并展示关键词列表。整个流程约1-2分钟，用户无需等待即可获得可视化分析结果。
数字化施工质量控制系统
一、整体架构与设计思路
系统采用C/S架构，基于WPF加C#框架开发，遵循MVVM设计模式实现界面与业务逻辑分离。整体分为三层架构：表现层使用WPF加XAML进行界面布局，部分交互页面嵌入JavaScript实现动态效果和数据可视化；业务层采用C#编写，承载质量检查、文档管理、报表生成等核心逻辑；数据层使用SQL数据库（SQLite/SQL Server），通过ADO.NET进行数据访问和操作。辅助模块包括文件处理、HTTP通信、日志记录等，形成完整的技术闭环。
二、个人负责模块与成果
我主要负责数据层架构设计与质量检查模块开发。设计了SQL数据访问层，封装标准CRUD操作，使代码复用率提升70%。实现了质量检查表单动态加载功能，支持20余种检查项类型的配置化扩展。针对大数据量查询场景，引入分页机制与数据库索引优化，使列表加载速度从3秒降至200毫秒。完成了Excel报表导出功能，支持批量导出1000条以上记录无卡顿，满足工程验收文档输出需求。使用JavaScript实现了部分图表展示和前端验证逻辑，提升了用户交互体验。
三、遇到的难点与解决方案
开发过程中遇到多个技术挑战。SQL并发写入冲突问题，通过引入事务锁机制和队列化处理写入请求，将冲突率降为零。WPF与JavaScript交互通信问题，采用WebView2控件加消息传递机制，实现双向数据绑定。大文件预览卡顿问题，采用异步加载加缩略图缓存策略，使预览响应时间控制在500毫秒以内。多分辨率屏幕适配问题，使用WPF矢量布局加DPI感知技术，兼容1080P至4K各类显示设备。离线数据同步冲突问题，设计时间戳加版本号比对策略，实现冲突数据自动合并。
3D家具场景搭建
1、立项背景和目标
这是一个面向定制柜体/模块化收纳家具场景的 3D 配置系统，核心目标是让用户通过可视化方式快速完成柜体组合、尺寸搭配和结构预览，降低传统定制过程中沟通成本高、出图慢、反复确认效率低的问题。项目希望通过“参数选择 + 模块拼装 + 三维预览”的方式，把原本依赖人工沟通的配置流程产品化，提升方案确认效率，并为后续下单、报价或生产对接打基础。
2、软件功能、核心功能模块的介绍
（1）结构配置模块：支持按深度、高度、宽度等维度选择柜体参数，界面中可直接切换不同尺寸规格。
（2）元素组合模块：支持选择不同结构元素进行拼装，视频里可以看到用户不断增加和调整柜体模块，形成多层组合方案。
（3）脚垫/滚轮配置模块：支持底部配件切换，如脚垫、滚轮等，满足不同落地场景。
（4）颜色配置模块：界面中存在“结构/颜色”切换标签，说明系统支持柜体外观颜色或材质配置。
（5）三维实时预览模块：每次参数或结构调整后，右侧 3D 区域会实时刷新展示组合效果，并显示关键尺寸。
（6）方案可视化表达模块：通过尺寸标注、模块高亮、组合层级展示，让用户更直观看到最终结构方案。
3、业务流程、功能路径描述
整体业务流程可概括为：先选择基础结构参数，再逐步增加柜体模块，随后调整配件和外观，最后生成完整方案。功能路径上一般是：进入配置页面后，先在左侧选择深度、高度、宽度等基础规格，再从结构元素中选择对应模块加入场景中，系统会在右侧实时展示组合结果；用户可继续调整不同柜体的位置与层级关系，必要时切换脚垫或滚轮等底部配件，并可进一步切换颜色或材质方案；最终得到一套可视化的柜体组合结果，为后续确认、报价或生产提供依据。
基于llm的程序员辅助记忆系统-Developer Second Brain
1.💡 AI 概念速记：输入陌生的技术名词（如 Zustand、Event Loop），AI 会自动用自然语言的方式为你解释它的核心作用、解决的痛点以及极简应用场景。
2.📄 智能代码收录库：粘贴或上传代码片段，系统不仅会高亮保存，还会让 AI 进行深度代码审查（Code Review）。自动提取核心算法思想、解释冷门 API，并给出潜在的优化建议。支持极速行内重命名 。
3.🏗️ 项目架构逆向工程：（最突出的功能）一键读取本地前端/后端项目目录。系统会自动剥离 node_modules 等冗余文件，提取纯净目录树，并交由 AI 生成精准的 Mermaid 模块数据流向图和工作流复盘诊断(见p6)。没有文档的项目，帮助你一秒看穿！同时，也可以充当大家项目开发的笔记！
4.🔍 URL 驱动的全局极速搜索：采用现代化的 URL 驱动状态管理（无感刷新）。在左侧导航栏输入任意关键词，瞬间跨表（概念、代码、项目）进行全文模糊检索，打造 Mac Spotlight 般的丝滑体验
5.💰 BYOK 多租户计费隔离 ： 原生支持多用户隔离（基于 Clerk）。内置极其优雅的齿轮设置弹窗，允许大家填入自己的大模型 API Key 和 BaseURL（完美兼容 DeepSeek, OpenAI, 智谱等）。大家可以消耗自己更高级模型的 Token！
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服