搜索[PostgreSQL扩展]结果-低调大师优秀个人博客

精选列表

搜索[PostgreSQL扩展]，共10000篇文章

德哥PG系列课程直播（第13讲）：PostgreSQL 图式关系数据应用实践

:PostgreSQL , 家谱 , 族谱 , 图式搜索 2、金融风控、刑侦、社会关系、人脉分析等场景思考 - PostgreSQL如何实现图式应用场景标签：PostgreSQL , pgrouting

2019-01-27

PostgreSQL年度重磅干货合辑，百份资源与你分享（直播回顾+资料下载）

PostgreSQL线下活动直播回顾及资料下载时间：2019-1-12 主题：PostgreSQL生态、原理、应用案例、开发与管理实践 - 合肥站直播回顾+资料下载：时间主讲人议题直播回顾地址

2019-01-22

PostgreSQL 10.1 手册_部分 IV. 客户端接口_第 33 章 libpq - C 库

例子程序 libpq是应用程序员使用PostgreSQL的C接口。libpq是一个库函数的集合，它们允许客户端程序传递查询给PostgreSQL后端服务器并且接收这些查询的结果。

2018-10-02

PostgreSQL 11 preview - jsonb_plpython, jsonb_plperl 插件, PG类型jsonb与pyt...

标签 PostgreSQL , plpython , perl , jsonb , 存储过程 , 函数 , TRANSFORM , SQL类型与编程语言内部类型相互转换 , 增强 , 11 背景 PostgreSQL

2018-07-27

PostgreSQL系列产品云生态、产品指南、企业全栈应用案例、开发管理实践

讲师课程第1章 PostgreSQL系列产品云生态、产品指南、企业全栈应用案例、开发管理实践课程介绍 ## 分享内容介绍1、PostgreSQL, GPDB 技术发展与云生态。

2018-02-28

HTAP数据库 PostgreSQL 场景与性能测试之 28 - (OLTP) 高并发点更新

标签 PostgreSQL , HTAP , OLTP , OLAP , 场景与性能测试背景 PostgreSQL是一个历史悠久的数据库，历史可以追溯到1973年，最早由2014计算机图灵奖得主，关系数据库的鼻祖

2017-11-13

HTAP数据库 PostgreSQL 场景与性能测试之 22 - (OLTP) merge insert|upsert|insert on ...

2017-11-13

音视图(泛内容)网站透视分析 DB设计 - 阿里云(RDS、HybridDB) for PostgreSQL最佳实践

标签 PostgreSQL , 用户透视 , 设备透视 , 圈人 , 标签 , 视频网站 , 优酷 , 土豆 , 喜马拉雅背景日常生活中，人们使用最多的除了社交类网站、购物网站，估计就是音频、视频、

2017-08-27

分布式DB数据倾斜的原因和解法 - 阿里云HybridDB for PostgreSQL最佳实践

标签 PostgreSQL , Greenplum , query倾斜 , 存储倾斜 , OOM , disk full , 短板 , 数据分布背景对于分布式数据库来说，QUERY的运行效率取决于最慢的那个节点

2017-08-25

数据库选型十八摸之 PostgreSQL - 致架构师、开发者

标签 PostgreSQL , 数据库特性 , 数据库应用场景分析 , 数据库选型背景数据库对于一家企业来说，相比其他基础组件占据比较核心的位置。

2017-02-09

一场IT民工与人贩子之间的战争 - 感受来自PostgreSQL的爱

标签 PostgreSQL , 图数据库 , 社会关系分析 , 流式分析 , 人贩子 , 图像识别 , 人脸识别 , 公安刑侦 , pipelinedb , stream , neo4j , plproxy

2016-12-21

如何升级 Codex：CLI 更新、编辑器扩展升级与常见问题排查

想升级 Codex，首先需要确认自己用的是哪个入口：终端里的 Codex CLI、编辑器中的 Codex 扩展，还是桌面应用或网页服务。它们的更新入口不同。

2026-10-22

商城扩展外卖和跑腿怎么确认范围？用订单类型与停用规则验收

若项目允许取货后取消，须定义物品处置与费用，再扩展状态机，不能直接把状态改回created。 enabled只管创建新单。已有配送不读取这个开关，避免关闭新业务时把旧单卡在途中。

2026-10-20

OctaFuse Gateway 2.14.0：图像与语音接入扩展、用户分组折扣与后台配置升级

## 01｜图像与语音接入扩展客户端支持 OpenAI 接口，上游却要求另一种协议时，可以在 OctaFuse 中配置转换路由，由网关转换请求和响应。

2026-10-10

Xiaomi MiMo-V2.6 系列正式发布，大规模扩展 RL 并全面开源

来源： Xiaomi MiMo-V2.6：扩展强化学习规模，迈向自我提升 - 小米 MiMo 官方文档 Xiaomi MiMo-V2.6 发布 - 微信公众号 MiMo-V2.6 开源链接

2026-09-22

Cordis 插件引擎拆解：DeepSeek Harness 如何用 5 个事件模式实现无限扩展

如果你做过前端开发，可能用过 webpack 的 plugin 系统或者 VS Code 的扩展机制。但 dsh 的插件引擎走得更远——它把运行时的每一个部件都做成插件，包括 agent 循环本身。

2026-09-10

知识扩展--空间转录组（xenium、Atera、CosMx）分析细胞niche的临床意义

#### 作者，Evil Genius ![](https://developer.qcloudimg.com/http-save/yehe-10067361/df7fe0fd3ce8efaa96c3a4508845a5b2.png) #### 这一篇我们来梳理一下空间转录组（xenium、Atera、CosMx）分析细胞niche的临床意义。细胞niche真正有价值的地方不是简单回答“**哪里有什么细胞**”，而是进一步回答： > **什么细胞在什么空间位置形成了什么微环境？这个微环境是否改变肿瘤细胞状态、治疗反应和患者预后？** 近期研究已经显示，CAF 与肿瘤细胞、免疫细胞形成的空间组织与免疫排斥、治疗抵抗和临床结局密切相关。比如在人乳腺癌 Xenium 数据中，肌成纤维样 CAF 可以围绕肿瘤核心形成“屏障”，而免疫调节型 CAF 更倾向与免疫细胞共定位。 --- # 一、先把“细胞 niche”理解清楚例如有一个肺癌组织： ![](https://developer.qcloudimg.com/http-save/yehe-10067361/a8ca2c6906ea58016410db6a91c80e33.png) ![](https://developer.qcloudimg.com/http-save/yehe-10067361/03b1fc14a373db6b53e5d3fb34ea7efa.png) ![](https://developer.qcloudimg.com/http-save/yehe-10067361/1eda094618096f9410f7a5d2b46b2fa0.png) ![](https://developer.qcloudimg.com/http-save/yehe-10067361/d67919676f224610de46c0fb43e5ab52.png) ![](https://developer.qcloudimg.com/http-save/yehe-10067361/d4284a73f19dc02b65b7daf23c51c587.png) 假设空间上发现： ``` CD8 T cell ↓ ───────────────── Fibroblast Fibroblast ↓ ↓ ┌──────────────────┐ │ │ │ Tumor cells │ │ Tumor cells │ │ Tumor cells │ │ │ └──────────────────┘ Fibroblast Fibroblast ``` 这时候普通单细胞 RNA-seq 很难回答： > “这些 fibroblast 是否恰好包围肿瘤细胞？” 因为 scRNA-seq 把组织打散了。而 Xenium / CosMx 这类技术可以知道： - 每个肿瘤细胞在哪里 - 每个 fibroblast 在哪里 - 每个 T cell 在哪里 - 两种细胞距离多远 - 哪些细胞经常共定位 - 哪些细胞互相排斥 - 某种细胞周围形成了什么细胞组合于是就可以从： **Cell type → Spatial neighborhood → Niche → Biological function → Clinical outcome** 一路建立起来。 --- # 二、最核心的概念：从“细胞类型”升级到“空间生态位” 例如传统分析： > CAF ↑ 这其实信息量比较有限。你真正想研究的应该是： > **Tumor + POSTN⁺ CAF + macrophage + hypoxia** 是否形成一种特定空间生态位？例如： ### Niche 1：Tumor–CAF niche ``` Tumor │ ├── POSTN+ CAF ├── COL1A1+ CAF ├── COL3A1+ CAF └── TGFβ signaling ``` 可能对应： **ECM重塑 → 肿瘤细胞 EMT → 侵袭 → 耐药** --- ### Niche 2：Tumor–CAF–Macrophage niche ``` Tumor ↓ POSTN+ CAF ↓ SPP1+ macrophage ↓ 免疫抑制 ↓ CD8 T-cell exclusion ``` 这就比“CAF多”有意义得多。近期研究已经发现，POSTN⁺ CAF 与特定巨噬细胞共同定位，可以形成缺氧、纤维化、CD8⁺ T 细胞排斥的空间生态位，并与免疫检查点抑制剂反应较差相关。 --- # 三、为什么这对临床特别重要？可以临床价值总结成 **5个层次**。 --- ## ① 预测患者预后这是最直接的。不是简单计算： > CAF比例 = 30% 而是计算： > **肿瘤细胞周围 50 μm 内 CAF 密度** 或者： > **Tumor–CAF neighborhood score** 然后比较： ``` 高 Tumor-CAF niche ↓ OS ↓ PFS ↓ 复发 ↑ ``` 这比单纯 bulk RNA-seq 的： > COL1A1 ↑ 更具有空间解释能力。 2026年的泛癌空间研究对373个样本、12种癌症识别出13类反复出现的空间 niche，并发现不同 niche 与预后和免疫治疗反应存在显著关联。 --- # 四、② 预测治疗反应——这其实是最有价值的方向例如： ### 肿瘤患者接受 EGFR-TKI 你可以把患者分成： ``` Responder Tumor ↓ 较少 CAF ↓ CD8 T cells进入 ``` 和： ``` Non-responder Tumor ↓ POSTN+ CAF COL1A1+ CAF TGFβ ↓ ECM barrier ↓ 免疫排斥 / survival signaling ↓ Drug resistance ``` 最终建立： > **CAF-associated resistance niche score** 然后看看这个 score 能不能预测： - ORR - PFS - OS - acquired resistance - response duration --- # 五、“肿瘤细胞外围成纤维细胞导致耐药”做的更加非常深入比如研究： ## EGFR突变肺癌假设： ``` EGFR-mutant tumor cells ↓ POSTN+ CAF ↓ TGFβ / ECM ↓ EMT ↓ EGFR-TKI resistance ``` 你可以把肿瘤细胞按照空间环境分成： ### Tumor-A 周围没有 CAF： ``` Tumor Tumor Tumor ↓ CAF density low ``` ### Tumor-B 周围大量 CAF： ``` CAF CAF CAF ↓ ↓ ↓ Tumor Tumor Tumor Tumor ↑ ↑ ↑ CAF CAF CAF ``` 然后比较这两群**肿瘤细胞自身的表达**。例如： |Tumor状态|CAF-low|CAF-high| | --- | --- | --- | |EGFR signaling|↑|↓| |EMT|↓|↑| |TGFβ|↓|↑| |Hypoxia|↓|↑| |ECM interaction|↓|↑| |Drug resistance|↓|↑| |Cell survival|↓|↑| 这时候就从： > “CAF和肿瘤细胞在一起” 升级成： > **“空间邻近的CAF与肿瘤细胞状态改变相关。”** 这已经非常接近机制研究了。而且已有肺癌研究利用空间转录组和单细胞数据预测空间药物反应，发现高 fibroblast-density 区域的肿瘤细胞对 lapatinib 的预测敏感性降低，并通过共培养实验进行了验证。 --- # 六、③ 找“耐药细胞”到底藏在哪里这是单细胞空间技术特别有价值的地方。传统 scRNA-seq： ``` Tumor cells ├── Cluster 1 ├── Cluster 2 ├── Cluster 3 └── Cluster 4 ``` 发现 Cluster 4： > drug resistance genes ↑ 但是不知道： > **Cluster 4 在哪里？** 空间技术可以继续回答： ``` Tumor resistant cells ↓ 是否集中在 ↓ CAF-rich niche？ ↓ Macrophage-rich niche？ ↓ Hypoxic niche？ ↓ Invasive front？ ``` 这样就可以找到： > **Resistance-associated spatial niche** 这比单纯找到一个“耐药 cluster”有意义得多。近期 Xenium 研究也已经观察到，治疗抵抗的肿瘤区域可以与特定 fibroblast / myeloid programs 相邻；例如直肠癌研究中，残留肿瘤周围的 POSTN⁺ CAF 与化疗放疗抵抗相关。 --- # 七、④ 找潜在治疗靶点这是空间 niche 最终走向转化医学的关键。例如发现： ``` Tumor ↕ POSTN+ CAF ↕ SPP1+ macrophage ``` 然后 ligand-receptor： ``` CAF POSTN ↓ receptor Macrophage SPP1 ↓ receptor Tumor TGFβ pathway ↑ ``` 于是可以提出： > **不是单独杀肿瘤细胞，而是破坏这个“耐药生态位”。** 也就是： ``` 原来的治疗 EGFR-TKI ↓ Tumor ↓ ↓ CAF niche保护残存Tumor ↓ 复发 ``` 变成： ``` EGFR-TKI + CAF / TGFβ / ECM pathway inhibitor ↓ Tumor ↓↓↓ ``` 这就是空间组学非常重要的临床价值： > **从“找靶点”升级到“找靶点所在的空间生态系统”。** --- # 八、⑤ 指导联合治疗例如最终得到： ### Niche A **Tumor + CAF** → TGFβ ↑ 推荐： > TKI + TGFβ pathway inhibition --- ### Niche B **Tumor + CAF + macrophage** → SPP1 / CSF1 / IL-6 ↑ 推荐： > TKI + macrophage-targeting therapy --- ### Niche C **Tumor + CAF + CD8 exclusion** → ECM / collagen ↑ 推荐： > TKI + ECM remodeling strategy --- ### Niche D **Tumor + exhausted T cells** → PD-1 / PD-L1 ↑ 推荐： > TKI + ICB 所以未来空间组学真正临床化的方向，很可能不是： > “这个患者有多少CAF？” 而是： > **“这个患者是什么类型的CAF niche？这个niche通过什么机制造成耐药？应该联合什么药物？”** --- # 九、Xenium、CosMx、Atera在这个问题上分别有什么优势？如果目标就是： > **细胞 niche + 肿瘤微环境 + 耐药** 那么三者都可以做，但思路略有区别。 |平台|Niche分析价值|主要优势| | --- | --- | --- | |Xenium|⭐⭐⭐⭐⭐|单细胞/亚细胞空间定位，非常适合cell-cell neighborhood| |CosMx|⭐⭐⭐⭐⭐|高plex、单细胞空间转录组，非常适合复杂TME| |Atera|⭐⭐⭐⭐–⭐⭐⭐⭐⭐|更偏向大规模空间数据和细胞生态/空间关系分析| |Visium|⭐⭐⭐|spot级空间关系，适合宏观区域| |Visium HD|⭐⭐⭐⭐|更高空间分辨率，但分析策略与真正cell segmentation仍有区别| 尤其是 Xenium/CosMx 这类平台，可以直接得到： ``` Cell ID Cell type X coordinate Y coordinate Gene expression Cell boundary ``` 因此可以直接计算： ``` Tumor cell ↓ 50 μm ↓ CAF数量 ``` 或者： ``` CAF ↓ 80 μm neighborhood ↓ Tumor / T / B / macrophage / endothelial ``` 实际上已有研究就是采用 **CAF周围80 μm范围内的细胞组成**构建 neighbor vector，再通过 NMF 提取空间 CAF 亚型。 --- # 十、如果真正做科研，建议把分析设计成如下路线 ``` Xenium / CosMx / Atera ↓ Cell segmentation ↓ Cell annotation ↓ Tumor / CAF / T / B / NK / Macrophage ↓ ──────────────────────── ↓ Spatial neighborhood ↓ 50 μm / 80 μm / 100 μm ↓ Neighborhood composition ↓ Niche clustering ↓ ──────────────────────── ↓ Tumor–CAF niche Tumor–Macrophage niche Tumor–T-cell niche CAF–Macrophage niche CAF–T-cell niche ↓ ──────────────────────── ↓ DEG / pathway ↓ Ligand–receptor ↓ Cell state ↓ ──────────────────────── ↓ Drug response PFS / OS Recurrence Treatment response ↓ ──────────────────────── ↓ Resistance-associated niche ↓ Potential therapeutic target ``` --- # 十一、最值得做的其实是“空间条件下的差异表达” 例如： ### 普通差异表达 ``` Tumor cells Responder vs Non-responder ``` 得到： > Gene A ↑ Gene B ↑ Gene C ↑ 但是你不知道为什么。 --- ### 空间条件差异表达把 tumor cells 分成： ``` Tumor cells near CAF vs Tumor cells far from CAF ``` 然后： ``` DEG ↓ EMT TGFβ Hypoxia PI3K-AKT MAPK DNA repair Drug resistance ``` 这就非常有意思。进一步： ``` CAF proximity ↓ Tumor transcriptional state ↓ Drug resistance ``` 这已经可以形成一条非常漂亮的科研故事。 --- # 十二、最终可以形成一个非常完整的临床研究模型例如做： ## “空间CAF niche介导EGFR-TKI耐药” 可以设计成： ``` 患者队列 ↓ 治疗前 Xenium / CosMx ↓ Tumor + CAF空间定位 ↓ 识别 CAF-rich niche ↓ 比较 CAF-rich vs CAF-poor tumor cells ↓ 发现： EMT ↑ TGFβ ↑ PI3K-AKT ↑ Survival signaling ↑ ↓ 建立 CAF-resistance niche score ↓ 预测 ORR / PFS / OS ↓ 多队列验证 ↓ 体外共培养 ↓ CAF + Tumor ↓ 药物处理 ↓ 验证耐药 ↓ CAF/TGFβ/ECM干预 ↓ 恢复药物敏感性 ``` 这就不再是简单的： > **“做了一张漂亮的空间图。”** 而是： > **空间定位 → niche → 肿瘤细胞状态 → 耐药机制 → 临床预测 → 靶向干预** 这才是 Xenium、CosMx、Atera 做 **cell niche analysis** 最有价值的地方。而且现在这个方向已经越来越明确：CAF的功能并不是由“CAF这个细胞类型”本身决定，而是与**CAF所处的位置、邻居细胞组成以及空间组织结构**密切相关；2025年的 Cancer Cell 研究利用 CosMx/MERSCOPE 分析了超过570万细胞，识别出具有不同邻居组成和空间组织方式的CAF亚型，并在多个平台进行验证。 **所以，如果接下来是想真正做 Xenium / CosMx / Atera 的 niche 分析，建议不要只学“niche clustering”。最值得系统掌握的是：`邻域定义 → niche识别 → spatial interaction → ligand-receptor → niche-specific DEG → 耐药关联 → 临床结局 → 机制验证**` **这一整条链。** #### 生活很好，有你更好。

2026-09-01

Xiuno BBS 审计之问题1：mysql_* 扩展移除，PHP8 致命错误

该扩展在 PHP 5.5 被废弃，PHP 7.0 起整体移除，在 PHP 8 上调用会直接抛出 `Fatal error: Uncaught Error: Call to undefined function

2026-08-16

xbatis 与 mybatis-plus 对比，两者均为 mybatis 扩展的 ORM 框架

注：文章由deepseek联网生成我们把 xbatis 和 MyBatis-Plus (简称 MP) 放在一起，进行一次全方位的对比。两者都是基于 MyBatis 的增强框架，但设计哲学和侧重点有很明显的差异。为了让你看得更清楚，我把它们的核心区别整理成了一个表格：对比维度 xbatis (新一代) MyBatis-Plus (MP) 对比解读设计哲学重度 ORM，链式 DSL：追求极致的对象化操作，API设计接近自然语言，旨在让写代码像写SQL一样流畅。增强工具，轻量封装：在MyBatis基础上做增强，提供通用Mapper和CRUD方法，目标是简化开发。 xbatis 更像一个彻底的“重构者”，而 MP 是一个优秀的“助手”。核心API 链式查询 (QueryChain)：所有操作通过链式API完成，非常流畅且一致。例如：QueryChain.of(mapper).eq(Entity::getId,1).paging(pager)。条件构造器 (Wrapper)：通过QueryWrapper或LambdaQueryWrapper构造条件，是独立的参数对象。例如：mapper.selectList(new LambdaQueryWrapper<User>().eq(User::getId, 1))。 xbatis 的链式 API 是方法的主体，而 MP 的 Wrapper 是方法的参数。xbatis 的写法在复杂场景下可能更连贯。多表关联原生支持：通过@Fetch注解或join方法，能够非常优雅地解决对象关联查询，并能有效避免 N+1 问题。支持有限：官方推荐复杂关联查询回退到 XML 手写 SQL。虽然可以通过@Select注解注入 Wrapper 条件，但可读性和维护性较差。这是 xbatis 一个非常突出的优势，对复杂业务系统很友好。MP 则更专注于单表操作。分表能力透明式分表：通过@SplitTable注解和自定义分片策略，业务代码对分表无感，框架自动路由到正确的子表。不支持：需借助第三方中间件（如 Apache ShardingSphere）实现。 xbatis 在分表支持上更加“开箱即用”。跨数据库兼容内置深度兼容：内置的 SQL 构建器深度适配了 13+ 种数据库，同一套代码可以在不同数据库间无缝切换。基础兼容：分页等基础操作兼容多种数据库，但复杂的函数或特性可能需手动适配。 xbatis 在设计上对跨数据库迁移的考虑更周全。 Mapper 模式单 Mapper 模式：可以定义一个BasicMapper操作所有实体，无需为每个实体都创建 Mapper 接口。实体绑定 Mapper：通常每个实体都需要一个继承BaseMapper<T>的接口。 xbatis 的“单 Mapper”模式在项目庞大时能减少大量重复的接口文件。独特功能 -SQL 模板：兼顾手写 SQL 的灵活性。 -RETURNING子句支持：在更新/删除后直接返回操作结果，实现某些特定业务逻辑时非常便捷。 -代码生成器：非常成熟，可以快速生成 Entity、Mapper、Service、Controller 全套代码。 -活跃的生态：用户多，问题解决方案丰富。 MP 的代码生成器是其杀手锏；xbatis 则在RETURNING支持等细节上体现了其“重度 ORM”的深度。 💡 究竟该怎么选？基于上面的对比，你可以根据自己项目的具体情况来决定：选 xbatis，如果：你的项目中有大量的多表关联查询，希望代码能像操作单表一样简单、优雅。你的项目未来有分表计划，或者需要在多种数据库之间迁移。你喜欢链式 API的流畅编程体验，希望代码即文档，逻辑更连贯。你希望用一个框架解决 90% 的数据库操作问题，包括复杂的对象关系映射。选 MyBatis-Plus，如果：你的项目以单表 CRUD为主，复杂查询较少。你非常依赖代码生成器来快速搭建项目。你希望拥有更庞大的用户社区，遇到问题更容易在网上找到现成的解决方案。你的团队已经习惯了Wrapper的使用方式。 xbatis 和 MP 都是非常优秀的框架。xbatis 凭借其链式 API、原生多表关联和分表能力，正在成为复杂业务开发的新选择；而 MP 则凭借其低门槛、强大的代码生成器和成熟的生态，在快速开发领域依然占据着稳固的地位。

2026-03-02

Coding Plan权益扩展：支持四大编程模型！首月低至8.9元

为了给开发者带来更精细化的优质编程体验，今天，火山方舟 Coding Plan 权益迎来新升级。 Coding Plan 订阅套餐，现在集成了 Doubao-Seed-Code、GLM-4.7、DeepSeek-V3.2 和 Kimi-K2-Thinking 多款编程模型，让开发者能够自由切换 AI 引擎，为不同编程任务匹配最适合的模型。未来，Coding Plan 也会动态加入更多出色的编程模型，第一时间集合更多模型版本，为开发者创新提速。作为国内首个集合多款模型的订阅套餐，Coding Plan 新权益给开发者带来了灵活高效的编程体验，更延续了一贯的性价比优势：现在下单，首月折扣最低至2.2折，8.9元即可畅享模型自由！国内首个集合多模型的订阅套餐火山方舟 Coding Plan 是为广大开发者量身打造的 AI Coding 场景订阅服务。该服务支持最新的 Doubao-Seed-Code 模型与多款主流 AI 编码工具，大幅提升开发者代码编写的效率与质量。同时，火山方舟 Coding Plan 还提供了 Auto 模式，这一智能调度系统能够基于“效果+速度”双维度智能匹配最合适的模型。当前，用户以订阅的形式购买套餐，即可自由选择 Doubao-Seed-Code、GLM-4.7、DeepSeek-V3.2和 Kimi-K2-Thinking 国内主流编程模型；也可以使用 Auto 模式，让平台根据用户需求自动匹配更适合当下场景的模型。使用火山方舟 Coding Plan，在 Claude Code 中尝试小游戏开发便宜、量大、不降速火山方舟 Coding Plan 涵盖 Lite 和 Pro 两大套餐，以满足轻量化使用和频繁使用的不同开发场景。其中，Pro 套餐用量是 Lite 套餐的5倍，为高强度开发工作提供充足保障。 Lite 套餐支持每5小时最多约1,200次请求，首购一个月优惠价仅9.9元； Pro 套餐支持每5小时最多约6,000次请求，首购一个月优惠价49.9元。还有限时福利！推荐好友订阅，好友可享额外9折优惠，被推荐人还能获得订单10%的优惠券！推荐越多，优惠越多，无上限。以 Lite 套餐为例，叠加推荐优惠券，首月优惠低至2.2折，8.9元即可立刻畅享模型自由，大幅降低尝试门槛。而且首购一次性下单三个月可享5折。依托字节跳动的资源保障和工程能力，Coding Plan 在实现更快的模型服务时，也确保了稳定性和可靠性。在请求高峰期，Coding Plan 也能保持稳定的服务性能，服务不降速，让开发者专注于创造性工作。火山方舟 Coding Plan 具有广泛的兼容性，支持：Claude Code、Cursor、Cline、Codex CLI、Kilo Code、Roo Code、OpenCode等多种主流编程工具，让开发者能够在熟悉的环境中享受 AI 编程的便利。配置过程简单直观，只需两大步骤即可完成，大大降低了使用门槛。步骤一：订阅火山方舟Coding Plan 访问火山方舟 Coding Plan 活动，按需订阅套餐；对比选择适合的套餐，轻量化使用考虑 Lite，频繁使用考虑 Pro。支付成功后，确认 Coding Plan 已生效：打开火山方舟控制台的开通管理页面，查看套餐开始与结束时间。在开通管理页面选择或切换目标模型，无需在工具中额外变更模型配置。支持最新的 Doubao-Seed-Code、DeepSeek-V3.2、GLM-4.7、Kimi-K2模型，也可开启 Auto 模式，火山方舟将根据场景选择最优模型。步骤二：配置编程工具 Coding Plan 支持 Claude Code、Cursor、Cline、Codex CLI 等编程工具。下面以 Claude Code 为例介绍如何使用 Coding Plan。接入其他编程工具，请参见活动页 AI 编程工具接入指南。例如，完成 Claude Code 安装后，配置以下信息。 ANTHROPIC_BASE_URL：https://ark.cn-beijing.volces.com/api/coding ANTHROPIC_AUTH_TOKEN：获取API Key。链接：https://console.volcengine.com/ark/region:ark+cn-beijing/apikey ANTHROPIC_MODEL: ark-code-latest 配置好之后，可以输入/status 确认模型状态。正确情况如下图所示，显示出你选择的模型信息。注：如果提示如下出错信息，应是由于已登录过 Claude Code，可输入/logout 退出登录，再启动 Claude Code。在这个 AI 技术日新月异的时代，拥抱先进工具不仅是提高效率的途径，更是保持竞争力的选择。

2026-01-14

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。