技术文档

一、Skill 定位 Prompt-Guard 主要用于识别并拦截提示注入、越权指令和可疑输入。 在生产环境中，它是保护 Agent 执行边界的关键安全层。 ...

一、Skill 定位 AgentMail 用于把邮件从“人工逐封处理”升级为“自动预处理 + 人工确认”的高效率模式。 它特别适合邮件量大、信息密度高的岗位。 ...

一、Skill 定位 Compound-Engineering 关注的是“复杂工程任务的分阶段协同”。 它把需求理解、方案设计、代码检查、风险评估、发布准备串成统一流程，减少单点失误。 ...

这是一篇面向新用户的快速指南：直接给出可用邀请码与邀请链接，并说明为什么通过邀请入口注册更省时间、更稳定。 ...

这篇文档聚焦实操落地：先装什么、先开哪些功能、如何减少踩坑。 ...

官方仓库（建议只从这里进入）： https://github.com/openclaw/openclaw Openclaw 是什么 Openclaw 可以理解为一个“可执行任务的个人 AI 助手”框架。 它不是只聊天的机器人，而是更偏向 Agent：能接入你的工具、读取上下文、执行任务并返回结果。 ...

这是一份面向新手的 Openclaw 安装与部署实操手册：先本地跑通，再决定上云，最后补齐安全与运维。 ...

一句话先说结论：有补贴，但目前还是征求意见稿，正式申报要等最终发布版和实施细则。 ...

3.1 典型评价尺度 PSNR范围(dB) 图像质量评价 >40 极好（肉眼不可辨差异） 30-40 良好（可接受质量） 20-30 较差（明显失真） <20 严重失真（不可接受） 1import numpy as np 2import cv2 3import matplotlib.pyplot as plt 4 5 6"""计算两幅RGB图像的PSNR值 7参数: 8 img1: 原始图像(numpy数组) 9 img2: 待评估图像(numpy数组) 10返回: 11 PSNR值(dB) 12""" 13def rgb_psnr(img1, img2): 14 # 确保输入是numpy数组 15 img1 = np.array(img1, dtype=np.float64) 16 img2 = np.array(img2, dtype=np.float64) 17 # 计算各通道MSE 18 mse_r = np.mean((img1[:, :, 0] - img2[:, :, 0]) ** 2) 19 mse_g = np.mean((img1[:, :, 1] - img2[:, :, 1]) ** 2) 20 mse_b = np.mean((img1[:, :, 2] - img2[:, :, 2]) ** 2) 21 # 计算平均MSE 22 mse = (mse_r + mse_g + mse_b) / 3 23 # 处理完全相同的图像 24 if mse == 0: 25 return float('inf') 26 return 20 * np.log10(255 / np.sqrt(mse)) 27 28 29def psnr(img1, img2): 30 img1 = img1.astype(np.float64) 31 img2 = img2.astype(np.float64) 32 33 mse = np.mean((img1 - img2) ** 2) 34 if mse == 0: 35 return float('inf') 36 37 if img1.max() > 1: 38 max_pixel = 255.0 39 else: 40 max_pixel = 1.0 41 42 return 20 * np.log10(max_pixel / np.sqrt(mse)) 43 44 45if __name__ == "__main__": 46 # 1. 读取原始图像 47 original = cv2.imread('../../mario.png') # BGR格式 48 original = cv2.cvtColor(original, cv2.COLOR_BGR2RGB) # 转换为RGB 49 50 # 2. 创建测试图像（添加高斯噪声） 51 noisy = original + np.random.normal(0, 25, original.shape) 52 noisy = np.clip(noisy, 0, 255).astype(np.uint8) 53 54 # 3. 计算PSNR 55 # psnr_value = rgb_psnr(original, noisy) 56 psnr_value = psnr(original, noisy) 57 print(f"PSNR between original and noisy image: {psnr_value:.2f} dB") 58 59 # 4. 可视化比较 60 plt.figure(figsize=(12, 6)) 61 62 plt.subplot(1, 2, 1) 63 plt.imshow(original) 64 plt.title('Original Image') 65 plt.axis('off') 66 67 plt.subplot(1, 2, 2) 68 plt.imshow(noisy) 69 plt.title(f'Noisy Image (PSNR={psnr_value:.2f}dB)') 70 plt.axis('off') 71 72 plt.tight_layout() 73 plt.show()

对比图片相似度, 相似度越接近1 表示相似度越高, ...