引言随着智慧城市和智慧管网项目的日益普及，将传统的 CAD 图纸数据转换为 Web 前端友好的 JSON 格式，已成为我们经常面临的挑战。这个过程不仅涉及数据格式的转换，更重要的是对原始 CAD 数据进行高效、精准的清洗。本文将详细记录我如何将某区域的 CAD 管网图纸清洗并转换为 Web 前端友好的 JSON 数据，希望能为遇到类似问题的你提供一份实用的操作指南。 项目背景与资料概况本次项目资料

🌊 n8n 实战：从零搭建智能水质查询机器人久违的更新，本次将深入探讨智能体（Agent）的构建实践。在众多工具的对比与探索中，我们发现开源工作流自动化平台 n8n 凭借其卓越的易用性和全面性脱颖而出。其在 GitHub 上迅速积累了超过 13 万星标，充分证明了其强大的社区支持和广泛认可度。 本文将以构建一个智能水质查询机器人为例，详细介绍如何利用 n8n 搭建一个能够理解自然语言、调用

前言之前我实现了用AI 识别视频截图内容，现在进一步进行优化，将模型分析结果推动到钉钉群，实现 AI 的业务应用。 背景与挑战随着环境保护意识的不断提升，水质监测已成为城市管理的重要组成部分。传统的水质监测主要依赖人工巡检和定点采样，这种方式存在效率低、成本高、实时性差等问题。特别是在河流、湖泊等大面积水域环境中，如何实现高效、准确、实时的水质监测成为了一个重要挑战。 现代城市拥有大量的视频监控设

目录 为何选择 ipywidgets？ 环境配置：快速启动 常用交互式控件详解 3.1 下拉菜单 Dropdown 3.2 数值滑块 IntSlider / FloatSlider 3.3 复选框 Checkbox 3.4 颜色选择器 ColorPicker 3.5 文本输入 Text 3.6 交互魔法 @interact：快速原型开发 与主流可视化库的无缝联动 4.1 Matp

前言在“数字重庆”建设持续深入推进的时代背景下，生态环境管理正迈向精细化、智能化新阶段。危险废物作为固体废物管理的重中之重，其全生命周期管理日益精细，大量关键信息已接入“巴渝治废”等数字化管理平台，涵盖企业的危废产生量、类别等核心数据。面对海量的基础数据，如何深入挖掘其潜在价值，赋能精准监管，成为当前亟待解决的课题。本文旨在探索企业用电数据与危险废物产生数据之间的内在关联，并基于此构建智能

敏捷宣言的4大核心价值 个体和互动 高于流程和工具 可工作的软件 高于详尽的文档 客户合作 高于合同谈判 响应变化高于遵循计划 敏捷宣言的12条原则 最高优先级是 尽早持续交付有价值的软 欢迎需求变化，即使开发后期也要适应变化 频繁交付可工作的软件（周期越短越好） 业务人员与开发团队每天协作 激励个体，提供信任和支持 面对面沟通 是最有效的交流方式 可工作的软件是衡量进度的首要标准 可持续开

AI 技术发展日新月异，令人应接不暇。AI 辅助编程的能力也越来越强，以 Claude Code 为首的国外辅助编程工具层出不穷。其中，Google Gemini CLI 以其开源免费的特性备受青睐。 然而，仅仅是第一步配置就让我卡壳了一个多小时。为了避免大家踩坑，特此记录一下配置过程。 第一步：下载与安装按照官方介绍，首先需要下载并安装。 要使用 Gemini CLI，你需要先安装 Node.j

引言你有没有过这样的经历？ 明明制定了详细的学习计划，却总是难以坚持，最终陷入混乱和焦虑？ 在工作或生活中，偶尔会经历“顿悟”的瞬间，但很快又回归低效和平庸？ 想要养成好习惯，却总是被惰性、拖延和外界干扰打败？ 这些问题，其实可以用一个深奥却极具启发性的科学理论来解释——耗散结构理论。这个最初诞生于物理和化学领域的理论，不仅揭示了自然界中“从混乱走向有序”的演化机制，也能深刻解释我们个人成长

告别高昂成本：AI 如何将普通摄像头变为智慧“水尺”在水资源管理和防汛抗旱的战线上，对河道、水库水位的实时精准监控至关重要。长久以来，我们依赖超声波、雷达或压力式水位计等传统监测手段，但它们普遍存在建设成本高、维护复杂、易受恶劣环境影响等问题。如今，随着人工智能（AI）技术的飞速发展，一场颠覆性的变革正在悄然发生——我们完全可以利用无处不在的视频摄像头，以极低的成本“顺便”获取精确的水位信息。

之前曾写过利用阿里开源视觉模型构建 AI 视频识别的文章，最近发现硅基流动最近发布了免费视觉模型 THUDM/GLM-4.1 V-9 B-Thinking，就想把之前的想法进行落地，于是有了今天的这篇。 本方案旨在通过调用硅基流动的免费视觉模型 API，截取监控视频流图片，并结合特定的提示词，实现视频监控的智能化识别功能。 一、背景介绍1. 行业与政策背景近年来，随着国家对生态文明建